Agent-based complex systems are dynamic networks of many interacting agents; examples include ecosystems, financial markets, and cities. The search for general principles underlying the internal organization of such systems often uses bottom-up simulation models such as cellular automata and agent-based models. No general framework for designing, testing, and analyzing bottom-up models has yet been established, but recent advances in ecological modeling have come together in a general strategy we call pattern-oriented modeling. This strategy provides a unifying framework for decoding the internal organization of agent-based complex systems and may lead toward unifying algorithmic theories of the relation between adaptive behavior and system complexity.

/pdf/pattern-oriented-modeling-of-agent-based-complex-systems-43ebw1z7y9.pdf

Pattern-oriented modeling of agent-based complex systems: lessons from ecology

Individual-based modeling is a new, exciting discipline that allows ecologists to explore, using computer simulations, how properties of populations and ecosystems might evolve from the characteristics and behaviors of individual organisms. Individual-based Modeling and Ecology, written by Volker Grimm and Steven F. Railsback, gives an excellent introduction and overview of this field. It should be read by everyone interested in individual-based modeling, and especially by anyone contemplating developing, or being involved with a group developing, an individualbased model.

http://www.gbv.de/dms/weimar/toc/396272002_toc.pdf

Individual-based modeling and ecology

Agent-based Models of Geographical Systems

http://www.sysecol2.ethz.ch/Refs/EntClim/S/Se083.pdf

Modelling natural disturbances in forest ecosystems: a review

Merging validation and evaluation of ecological models to ‘evaludation’: A review of terminology and a practical approach

Reconstructing spatiotemporal dynamics of Central European natural beech forests: the rule-based forest model BEFORE

Naturnahe Nutzung von Buchenwaldern erfordert detaillierte Kenntnis des ungenutzten, naturlichen Zustandes der Walder. So ist es nicht nur fur die Waldforschung, sondern gerade auch fur den Waldbau notwendig, den Urwaldzustand charakterisieren zu konnen. Das Simulationsmodell BEFORE bietet die Moglichkeit, einen fiktiven Buchenurwald uber lange Zeitraume hinweg auf verschiedenen raumlichen Skalen zu analysieren. Dabei erwies sich die bisher in der Forstwissenschaft ubliche Charkterisierung des Urwaldes durch die Flachenanteile der Entwicklungsstadien als unzureichend, da diese — bedingt durch Sturmstorungen — starken zeitlichen Schwankungen unterliegen. Zeitlich invariant und somit charakteristisch fur den hier untersuchten Modell-Urwald sind vielmehr: (1) Bezuglich der Altersverteilung die Differenzierung der Altersverteilung in den Kronenschichten schon auf kleinster Skala und die daraus folgende hohe Diversitat und charakteristische Altersverteilung auf groser Skala. (2) Bezuglich der Verteilung der „Riesen“ (Baume alter als 300 Jahre oder maximal grose Baume) im Wald der konstante mittlere minimale Abstand der Riesen untereinander von ca. 30 Metern und dass 80% aller Riesen in ca. 40 Meter Entfernung einen Nachbarn desselben Typs haben. Alle diese Charakteristiken sind — ab einer Mindestgrose von ca. 20 ha Innenflache — unabhangig von der Waldgrose.

Was charakterisiert Buchenurwälder? Untersuchungen der Altersstruktur des Kronendachs und der räumlichen Verteilung der Baumriesen in einem Modellwald mit Hilfe des Simulationsmodells BEFORE

Volker Grundmann

Papers

Reconstructing spatiotemporal dynamics of Central European natural beech forests: the rule-based forest model BEFORE

Was charakterisiert Buchenurwälder? Untersuchungen der Altersstruktur des Kronendachs und der räumlichen Verteilung der Baumriesen in einem Modellwald mit Hilfe des Simulationsmodells BEFORE