Entri Populer

Powered By Blogger

Selasa, 13 April 2010

Agen Model Spasial berbasis Terapan Pertanian

Alat Simulasi Difusi Teknologi, Gunakan Sumber Daya dan Analisis Kebijakan Perubahan
Thomas Josef G. Berger Knoll Profesor Tamu Pengembangan Riset Universitas Hohenheim Alamat: Fruwirthstr.12, 70599 Stuttgart, Germany Phone: +49 (0) 711-459-4116 dan -4.117 Fax: -4.248 Mailto: Holstein @ uni-Hohenheim de http://www.uni-hohenheim.de/. ~ www490e

Abstrak
Makalah ini menyajikan model multi-agen pemrograman spasial yang telah dikembangkan untuk menilai pilihan kebijakan dalam difusi inovasi dan perubahan sumber daya digunakan. Tidak seperti alat simulasi konvensional digunakan dalam ekonomi pertanian, kelas model yang dijelaskan di sini menerapkan pendekatan automata multi-agent/cellular dengan menggunakan model heterogen-rumah tangga pertanian dan menangkap interaksi sosial dan spasial secara eksplisit. Pilihan individu dari rumah tangga pertanian antara produksi yang tersedia, konsumsi, investasi dan alternatif pemasaran diwakili dalam model linear programming rekursif. Adopsi kendala diperkenalkan dalam bentuk jaringan-nilai ambang batas yang mencerminkan pengaruh kumulatif dari pengalaman dan pengamatan dari pengalaman rekan-rekan '. komponen ekonomi dan The model hidrologi yang erat terhubung ke dalam suatu kerangka spasial. Integrasi ekonomi dan hidrologi memfasilitasi proses pertimbangan efek umpan balik dalam penggunaan air untuk irigasi. Simulasi berjalan dari model dilakukan dengan menetapkan data empiris yang telah berasal dari berbagai sumber data di sebuah daerah pertanian di Chile. Hasil simulasi menunjukkan bahwa pemodelan spasial berbasis agen merupakan pendekatan yang kuat untuk proses pemahaman yang lebih baik dari inovasi dan perubahan penggunaan sumberdaya.
Klasifikasi JEL: Q120, O330, Q150, C690
Kata kunci: difusi inovasi, antar-rumah tangga hubungan, analisis kebijakan, sistem multi-agen, selular automata
Penerbitan status: versi awal dari makalah yang diterbitkan di Ekonomi Pertanian 25 (2 / 3), 245-260.
2

1. Pengenalan
Simulasi model yang mendapatkan pentingnya sebagai alat untuk mengelola pertanian besok karena memungkinkan studi tentang berbagai pilihan harga dan kebijakan perdagangan. Dalam ilmu ekonomi pertanian, model-model simulasi yang memprediksi perilaku para pembuat keputusan individu-biasanya didasarkan pada metode pemrograman matematis. Dalam model ini, pengambilan keputusan secara individu biasanya dikumpulkan di tingkat daerah atau sektor dalam rangka untuk mengevaluasi pilihan-pilihan kebijakan. Keuntungan dari model tersebut adalah bahwa mereka kuat dan kurang menuntut tentang ketersediaan data agregat daripada model-model ekonometrik. Hal ini membuat mereka menarik khususnya untuk analisis kebijakan dalam transisi dan negara-negara berkembang.
Namun, terlepas dari masalah terkenal kesalahan agregasi dan kecenderungan untuk over-spesialisasi, model simulasi konvensional berdasarkan pemrograman matematika menderita dari dua kelemahan. Pertama, mereka tidak menangkap secara eksplisit interaksi antara aktor (yaitu pertanian individu-rumah tangga), yang setara dengan asumsi bahwa tidak ada transaksi dan biaya informasi. Kedua, model ini tidak sepenuhnya memperhitungkan dimensi ruang kegiatan pertanian dan dengan demikian mengabaikan peran biaya transportasi internal dan imobilitas fisik lahan. Akibatnya, kekuatan penjelas dari model ini agak moderat untuk pertanyaan penelitian yang melibatkan difusi inovasi atau diadaptasi secara lokal menggunakan sumber daya di mana interaksi dan ruang biasanya memainkan peran yang menentukan.
Latar belakang ini, studi yang disajikan di sini (Berger, 2000) mencoba untuk mengembangkan pendekatan pemrograman baru matematika untuk prediksi proses difusi, perubahan penggunaan sumber daya alam, dan tanggapan kebijakan. penerapan model itu diuji pada pertanyaan penelitian empiris yang berkaitan dengan kebijakan di Chile. Penelitian ini didanai oleh Deutsche Forschungsgemeinschaft (DFG) dan dilaksanakan bekerjasama dengan Universitas Talca dan Evaluasi Pusat Teknologi di Linares (Berger, 1997). Proyek ini mengacu pada Balmann (1997), yang memelopori penggunaan linear programming berbasis pertanian dalam kerangka Cellular Automata.
2. Masalah dan tujuan
Permintaan untuk tipe baru model muncul dari upaya untuk kebijakan yang memadai untuk meningkatkan daya saing pertanian Chili dalam konteks perjanjian perdagangan bebas Mercosur.
Pada tahun 1996 tarif dipotong sebesar 30% rata-rata. Saat itu juga sepakat untuk menentukan pengecualian untuk beberapa produk pertanian agak sensitif seperti gandum, tepung dan gula. Tarif pada produk ini tetap pada tingkat tahun 1996 hingga akhir periode penyesuaian yang disepakati, yang akan sekitar 2014. Atas ratifikasi perjanjian pada tahun 1996, beberapa studi ditugaskan yang bertujuan untuk mengurangi ketakutan petani Chili agak tradisional. Hasil keseluruhan dari studi ini adalah bahwa petani akan menderita kerugian sebenarnya penghasilan, tetapi hanya jika mereka terus memproduksi barang impor. Namun, petani Chili memiliki keunggulan komparatif besar atas negara-negara Mercosur lain jika mereka menghasilkan komoditas ekspor. Oleh karena itu, tantangan bagi petani Chili adalah melakukan investasi pada teknologi baru dalam rangka mengambil keuntungan dari kenaikan harga barang-barang ekspor. Mengingat irigasi diperlukan untuk kegiatan ekspor paling pertanian, perubahan pemanfaatan sumber daya dan inovasi penghematan air merupakan isu hangat dalam penyuluhan pertanian. tawar-menawar politik mulai pada bagaimana mendukung penyesuaian dan proses modernisasi pertanian Chili. Meskipun pentingnya inovasi, studi hanya terdapat sedikit dan agak informal tentang kemungkinan hasil perubahan teknis dan struktural yang berorientasi-pasar di bidang pertanian Chili.
3

Tujuan dari penelitian ini adalah untuk mengembangkan pendekatan multi-agent model baru yang 1) mengurangi kelemahan dari pemrograman matematika yang disebutkan di atas, dan 2) memberikan wawasan ke dalam difusi inovasi dan penggunaan sumber daya air.
Alat simulasi harus membantu untuk memperjelas pertanyaan-pertanyaan berikut:

• Apa yang akan menjadi pola difusi kemungkinan untuk inovasi tertentu?
• Bisakah kita mengharapkan perubahan besar dalam penggunaan air sebagai akibat dari metode irigasi hemat air?
• Apakah inovasi ini membuat pendapatan yang cukup dan juga mencapai petani tradisional?
• Apa yang akan menjadi efek struktural treadmill 'inovasi proses, untuk menggunakan (1979) terminologi Cochrane's?
3. Model yang mendasari filsafat
Pada bagian berikut saya menguraikan beberapa pemikiran metodologis untuk membangun model yang mendukung penerapan pendekatan pemrograman spasial berbasis pertanian dengan penerapan inovasi dan perubahan sumber daya digunakan. Karena konsep sistem multi-agent dan Automata seluler dipinjam dari ilmu-ilmu komputer, penjelasan singkat mungkin dapat membantu. Untuk tinjauan umum tentang teknik ini dan kehidupan lain buatan diterapkan untuk simulasi ilmu sosial, lihat Gilbert dan Troitzsch (1999).

Multi-Agent Systems (MAS) adalah sistem komputer terdiri dari badan otonom atau agen yang hanya memiliki kapasitas terbatas pengetahuan dan pengolahan informasi. Sedangkan agen dapat sesederhana subrutin program komputer, biasanya mereka merupakan entitas yang lebih besar dengan beberapa jenis kontrol terus-menerus. contoh yang baik adalah asisten pribadi elektronik yang mencari informasi di Internet, mengatur jadwal waktu pemiliknya ', dan membantu pengendara mobil. Oleh karena itu, pada tingkat yang lebih abstrak, tujuan mereka adalah menyelesaikan lebih besar, masalah kompleks yang satu unit terpusat tidak dapat mengatasi, karena terlalu banyak informasi dan kekuasaan akan diperlukan perhitungan. Di MAS, agen, bukan berinteraksi dan bertukar informasi dalam desentralisasi dan agak 'sosial' dengan cara, yang menjelaskan mengapa istilah 'Distributed Artificial Intelligence "diciptakan. Khususnya, ini aspek terakhir membuat MAS sebuah alat yang menarik untuk ilmu sosial. Idenya adalah dengan menggunakan simulasi komputer dengan agen seperti manusia untuk mempelajari bagaimana sebuah agregasi individu mengarah pada perilaku makro yang kompleks. Dalam percobaan ini silicio akan membantu untuk menguji hipotesis pada mekanisme sosial yang mendasar dalam masyarakat manusia. Cellular Automata (CA) dapat digunakan untuk model interaksi agen-agen 'dalam ruang fisik atau sosial. Biasanya, para agen menempati posisi di grid dua dimensi sel dan jarak antara mereka pengaruh interaksi mereka.
Sebuah literatur yang luas telah muncul baik pada metodologi dan penggunaan model pemrograman matematis dalam memprediksi respons pasokan di bidang pertanian. Hanf (1989) memberikan penilaian terhadap dua prototip model ekstrim sektor pertanian, yang mungkin sangat singkat diringkas sebagai berikut. simultan kesetimbangan 'pendekatan' umum mengasumsikan mekanisme koordinasi sempurna dan memaksimalkan fungsi utilitas yang sama sektoral. Sebaliknya, 'perwakilan pendekatan pertanian independen terdiri dari beberapa model pertanian yang dihitung secara independen dan kemudian ditambahkan ke hasil sektor. Pendekatan kedua tampaknya menjadi pilihan model dianjurkan jika pengembangan sektor ini ditandai dengan 1) pasar tidak sempurna, 2) perilaku yang berbeda dari maksimisasi laba murni dan 3) proses penyesuaian. Argumen yang sama berlaku dalam mendasar dari pendekatan program multi-agent. Seperti yang akan ditampilkan dalam sisa bagian ini, konsep multi-agen tambahan memfasilitasi pertimbangan keterkaitan antar-rumah tangga dan ruang.
4
3,1 Argumen untuk menggunakan pendekatan pemrograman multi-agent
1) Pendekatan pemrograman berbasis pertanian memungkinkan untuk pengobatan pragmatis ketersediaan data dalam transisi dan negara-negara berkembang di mana data agregat konsisten tidak ada. Informasi dari berbagai sumber seperti hasil dari stasiun percobaan agronomi, peternakan resmi dan catatan yang tidak dipublikasikan dan survei sampel, pendapat para ahli 'dan pengamatan langsung di lapangan perjalanan dapat dimasukkan.
2) Para pembuat kebijakan dan lembaga mengejar transfer teknologi memiliki kepentingan besar dalam memprediksi difusi inovasi spesifik dan dalam menilai implikasi kebijakan untuk 'khas' rumah tangga pertanian. Kedua kendala teknis dan keuangan di tingkat petani dapat dengan mudah dimasukkan ke dalam pendekatan pemrograman berbasis pertanian.
3) Set kegiatan yang secara teknis dan finansial layak untuk petani dipengaruhi oleh kendala perilaku yang mencerminkan pengaruh kumulatif dari pengalaman dan pengamatan dari pengalaman tetangganya. Oleh karena itu, kita harus mempertimbangkan beberapa bentuk heterogenitas perilaku dalam rangka menjaring time lag dalam pilihan petani 'di antara teknologi alternatif. Untuk pendekatan program ini menunjukkan bahwa model pertanian tunggal dengan beberapa kendala perilaku yang berbeda harus dipecahkan secara simultan, yang mungkin dalam MAS.
4) Suatu model multi-agen mampu menangkap interaksi yang paling penting antara pertanian-rumah tangga. Salah satu jenis interaksi adalah pertukaran informasi tentang teknologi baru yang sangat penting bagi keputusan inovasi individu. Sebagai hasil dari inovasi difusi acara sastra, suatu 'massa kritis' pengguna yakin harus dicapai sebelum sebuah inovasi akan menyebar. Pendekatan terbaik untuk pemodelan gejala ini mungkin untuk menginternalisasi proses komunikasi antara model pemrograman individu, karena jika salah satu harus menetapkan waktu adopsi lebih iklan atau kurang 'hoc' untuk setiap model dan setiap skenario kebijakan. Di sinilah letak manfaat nyata dari MAS, karena memfasilitasi pemecahan masalah pemrograman otonom sementara pertukaran variabel antara mereka.
5) pertimbangan serupa seperti pada (4) berlaku untuk jenis lain dari interaksi: pertukaran sumber daya lokal yang tersedia seperti air dan lahan. Faktor-faktor produksi biasanya dimasukkan di bawah gagasan 'barang yang tidak dapat diperdagangkan'. Karena pentingnya mereka untuk pertanian, integrasi pasar tanah dan air di MAS dengan pembentukan harga endogen merupakan perbaikan menyolok model konvensional.
6) Berbagai analisis dapat dilakukan dalam pengaturan model dinamik. Kepentingan penelitian utama dari proyek yang disajikan di sini adalah untuk menganalisis jalur pembangunan pertanian tanpa memaksakan hasil akhir, seperti yang dilakukan dalam model statis komparatif digunakan dalam banyak studi. Ide dibalik pendekatan ini adalah untuk menentukan bagian pokok dari suatu wilayah pertanian dan untuk menetapkan beberapa aturan tentang dinamika mereka. Setelah mengatur situasi awal, model dijalankan dan semacam proses self-organisasi dapat diamati di tingkat regional agregat. Dengan variasi variabel model khusus, misalnya harga atau suku bunga, seseorang dapat menjelajahi evolusi struktural yang mungkin terungkap dalam menanggapi kondisi kebijakan berubah. Dengan demikian, pendekatan ini dapat digambarkan sebagai terbaik melakukan eksperimen di dunia buatan untuk mendapatkan wawasan bagi pengembangan kebijakan dan evaluasi.
5
3,2 Argumen untuk menggunakan CA-model spasial
Pertanyaan berikutnya akan dibangkitkan dalam konteks ini adalah mengapa dimensi ruang kegiatan pertanian harus dipertimbangkan dalam model pertanian.
1) Dari teori manajemen peternakan itu juga diketahui bahwa biaya transportasi internal membatasi pertumbuhan pertanian. Farms terutama bersaing dengan tetangga mereka untuk tanah dan karena itu tergantung pada pasokan lokal dan permintaan untuk tanah. Di daerah pedesaan dimana banyak peternakan dengan produktivitas tinggi marjinal upaya untuk memperluas areal mereka, ini dapat menyebabkan harga tanah yang berlebihan yang bahkan dapat mencegah realisasi skala ekonomi. Mengabaikan dinamika spasial dengan mengasumsikan alokasi tanah sempurna antara peternakan tidak selalu merupakan representasi realitas yang memadai.
2) Peran khusus hubungan spasial dalam penggunaan air irigasi juga membutuhkan model spasial. Teknologi dengan efisiensi irigasi rendah digunakan oleh petani hulu menghasilkan arus kembali tinggi yang dapat digunakan kembali oleh petani hilir. Dengan demikian, distribusi spasial pemanfaatan air tawar dan pemakaian ulang sangat penting untuk model pertanian di negara-negara berkembang di mana efisiensi irigasi biasanya rendah.
3) Tanah di kualitas budidaya yang berbeda dan pasokan air menentukan sampai batas tertentu variasi spasial sistem penggunaan lahan khusus. teknologi baru yang tersedia dan intervensi kebijakan dapat mengubah distribusi ini terutama dalam kasus tanah pertanian irigasi. Hal yang sama berlaku untuk inovasi organisasi seperti infrastruktur yang digunakan bersama-sama atau praktek budidaya dengan tingkat tinggi spasial koordinasi seperti misalnya pengendalian hama terpadu. model spasial yang diperlukan untuk menangkap isu-isu ini.
4. Model implementasi
MAS Model CA-baru dirancang terdiri dari dua komponen utama: sebuah submodel ekonomi dan submodel hidrologi, yang erat terkait dengan kerangka spasial yang konsisten (gambar 1). Bagian ini memberikan gambaran model pendek dengan penekanan pada proses adopsi teknologi. Untuk daftar parameter model dan persamaan berkonsultasi Berger (2000).
Gambar 1: Komponen Model
• pemrograman berbasis matematika Farm: Sejauh submodel ekonomi yang bersangkutan, pendekatan pemrograman rekursif linier diimplementasikan tapi dengan hal baru yang menentukan. Setiap peternakan-rumah tangga di daerah penelitian ditangkap dalam model dan memecahkan masalah keputusan mandiri dari waktu ke waktu. Beberapa jenis interaksi antara pertanian dianggap: menular informasi, pertukaran sumber daya tanah dan air, kembali-aliran air irigasi. Sejalan dengan itu, orang mungkin menyebutnya pendekatan peternakan sangat terpilah pemrograman dengan keterkaitan antar-rumah tangga. Pertanian-rumah tangga diasumsikan diharapkan berusaha untuk memaksimalkan pendapatan keluarga tanpa melelahkan tanah mereka dan air aset. Adopsi inovasi dikonseptualisasikan sebagai masalah investasi pertanian di bawah ketidakpastian. proses Para agen 'kompleks pengambilan keputusan yang diuraikan ke dalam urutan kecil masalah pemrograman linier yang dipecahkan secara terpisah untuk setiap agen (gambar 2). Setelah Hari dan Signo (1978), ada "suboptimising dengan umpan balik", yaitu agen usaha untuk memaksimalkan pendapatan yang diharapkan dalam prosedur, optimasi sekuensial lokal yang memperhitungkan pengalaman sebelumnya para agen. Dalam hal kembali ke sumber daya milik keluarga jatuh di bawah batas tertentu, pertanian model '-agen yang mau menyerah produksi pertanian dan meninggalkan usaha tani.
6
Gambar 2: Diagram alir model simulasi
• Teknis perubahan: Inovasi ekonomi sastra, seperti dikutip dalam Dosi et al. (1988), menganggap produksi pertanian modern sebagai contoh khas dari pemasok yang didominasi sektor. Teknis perbaikan sebagian besar tergabung dalam proses inovasi seperti traktor, pupuk dan pestisida, yang dihasilkan dalam industri penyediaan input. Fokus dari pendekatan ini model Oleh karena itu ditempatkan pada adopsi inovasi pertanian oleh peternakan. faktor pasokan Tertentu perubahan teknis diabaikan. penyederhanaan ini juga bisa dibenarkan oleh hipotesis umum bahwa faktor permintaan sebagian besar bertanggung jawab untuk kecepatan difusi di bidang pertanian (Griliches, 1.957). Teknologi yang tampak menjanjikan dalam waktu dekat akan tersedia untuk rumah tangga pertanian-dalam menjalankan simulasi dan menyebar melalui sektor pertanian. Jelas, dua skenario ekstrim mendefinisikan ruang kemungkinan 'untuk difusi teknologi masa depan di sektor pertanian. Di satu sisi, petani bisa menyesuaikan 'mulus' untuk perubahan teknis eksogen seperti yang diramalkan dalam pendekatan ekonomi standar. Di sisi lain, orang mungkin menganggap petani konservatif yang enggan untuk berinovasi dan menolak adopsi teknologi. Realitas mungkin akan berada antara kedua batas. Model tersebut disajikan di sini membantu untuk mengeksplorasi potensi ekonomi teknologi baru di sepanjang jalan pembangunan alternatif.
• Heterogenitas perilaku: Dalam hal keputusan-teoritis, dua variabel mempengaruhi perilaku heterogenitas petani selama proses difusi inovasi tertentu. Pertama, keuntungan bersih dari adopsi yang analisa investasi pertanian tradisional dapat 'mengukur secara objektif'. Kedua, semua biaya lainnya yang berhubungan dengan kemampuan manajerial petani dan biasanya disebut sebagai biaya adopsi. Ini termasuk informasi dan biaya perencanaan, biaya sosial-psikologis penyesuaian, sementara produksi serta kerugian 'subjektif' premi risiko dan pilihan nilai-nilai. Metcalfe (1988, hal 564) memberikan ilustrasi yang baik bagaimana proses difusi di sektor pertanian muncul dari distribusi frekuensi dari dua variabel. Setelah konsep, seseorang dapat mengklasifikasikan-rumah tangga pertanian menjadi tiga kelompok berkenaan dengan waktu mereka adopsi teknologi: "non-adopters" yang bersih manfaat dari penerapan inovasi spesifik negatif (mungkin karena dpt dibagi atau ukuran pertanian cukup), "adopters potensial" yang biaya adopsi wajah ini sangat tinggi, dan "adopters aktual" dengan keuntungan bersih positif setelah biaya adopsi. Difusi inovasi terjadi ketika perubahan harga relatif atau perbaikan teknis memodifikasi distribusi manfaat bersih dan / atau biaya adopsi dan karenanya lebih 'potensial' adopters menjadi 'aktual'. Sebagai Metcalfe (1988) catatan, pengakuan 'penularan informasi' atau efek ikutan '' membedakan dua berikut model difusi. pendekatan Equilibrium set mengasumsikan bahwa informasi yang diberikan dan eksogen, sementara pendekatan disekuilibrium mengakui jenis rantai-reaksi endogen dari 'proses penularan'. Contoh yang menonjol dari pendekatan kedua adalah Cochrane s '(1979) treadmill model di bidang pertanian, yang didasarkan pada biaya adopsi berbeda. Petani dengan kapasitas manajemen yang lebih tinggi dan rendah biaya adopsi individu cenderung untuk mengadopsi teknologi baru pertama; peniru diikuti jika biaya awalnya lebih tinggi mereka adopsi mengalami penurunan karena informasi spill-over. Banyak bukti empiris, sebagaimana dikutip oleh Rogers (1995), mendukung konsep ini. Petani tampaknya mengandalkan pada tahapan yang paling kritis dalam proses pengambilan keputusan adopsi mereka pada informasi yang dibawa kepada mereka oleh rekan-rekan.
• Ambang batas untuk adopsi: Jika semua petani akhirnya mengadopsi suatu inovasi, hasil dari proses penularan dari waktu ke waktu biasanya pendekatan jalur difusi S-berbentuk. Biasanya bel berbentuk normal dan kurva kumulatif dibagi menjadi lima kategori adopter menggunakan waktu rata-rata adopsi dan deviasi standar (Tabel 1). Sepanjang jalan waktu, para petani bertingkah seakan-akan mereka ambang untuk adopsi. segmen Sebagai contoh, petani pertama 'adopter awal' mengadopsi setelah segmen inovator ', yang menghitung
7
selama 2,5% dari populasi pertanian, telah. The 'mayoritas awal' berikut setelah inovasi telah mencapai 2,5 + 13,5% dari petani, dan sebagainya. Dengan demikian, orang bisa menafsirkan ini persentase kumulatif sebagai 'penerapan ambang' untuk petani di kategori adopter berikutnya. Jika satu tambahan mengasumsikan bahwa harga relatif tetap konstan dan tidak ada perbaikan teknologi pasca-inovatif terjadi, aturan pengambilan keputusan berikut pada tingkat petani menyebabkan alur waktu yang sama: Langkah 1: Monitor tingkat adopsi saat ini dan membandingkannya dengan ambang individu. Langkah 2: Jika batas tersebut tercapai, menghitung keuntungan bersih pertanian dari adopsi. Langkah 3: Jika keuntungan bersih adalah positif, mengadopsi teknologi. Memperkenalkan sebuah asumsi lagi untuk model difusi tergantung pada frekuensi memungkinkan untuk memprediksi alur waktu dari penerapan teknologi beberapa produksi secara bersamaan. Yang paling penting dari asumsi yang tercantum dalam Berger (2000) adalah: tidak ada perubahan batas dari waktu ke waktu, inovasi tidak berbeda dalam 'utama mereka' atribut (cf. Downs dan Mohr, 1976); keberadaan 'alam' interval waktu seperti musim tanam saat keputusan adopsi hanya dapat dibuat. Sebagai perluasan lebih lanjut untuk pendekatan ini, seseorang dapat 1) mempertimbangkan jaringan komunikasi yang terpisah tanpa informasi spill-alih oleh pemantauan petani hanya termasuk dalam jaringan yang sama dan 2) atribut bobot yang lebih tinggi sumber informasi eksternal dengan menurunkan batas yang disebutkan di atas. Tabel 1: kategori adopter dan ambang
• empiris estimasi parameter difusi: Bersih manfaat teknologi produksi yang berbeda dapat diturunkan dari data eksperimental dan mudah dimasukkan ke dalam model pemrograman seluruh pertanian. Sebaliknya, estimasi biaya adopsi dan perubahan mereka dari waktu ke waktu biasanya menimbulkan masalah karena ketersediaan data masyarakat miskin. Untungnya, jaringan-batasan yang ada di kepala sekolah keuntungan dari terukurnya empiris yang lebih baik. Sebagai Valente (1995) menunjukkan, individu-batas jaringan tedeng aling-aling dapat dihitung dari data survei jaringan. Sejak ambang adopsi berisi informasi yang sama tentang proses penularan yang mendasari sebagai biaya adopsi, pendekatan ambang dipilih untuk penelitian yang disajikan di sini. Namun, survei jaringan lengkap belum tersedia untuk wilayah studi Chili dan jaringan-batas harus berasal dari data yang diberikan oleh layanan ekstensi, survei proyek sendiri dan wawancara mendalam. Berdasarkan penelitian empiris intensif Stallmeister (1995) dan Sauer (1995), dua jaringan komunikasi yang berbeda tanpa informasi spill-over dianggap. Di satu sisi, peternakan campesino jaringan yang terdiri dari kepemilikan keluarga kecil antara 2,5 dan 12,0 ha. Di sisi lain, komersial 'yang disebut' peternakan jaringan dengan ukuran lahan lebih dari 12,0 ha. Tentu saja, analisis jaringan ini agak subjektif dan sebuah studi tindak lanjut harus menyediakan lebih objektif empiris-batas jaringan.
• data empiris lain: Simulasi dilakukan dengan menetapkan data empiris yang telah berasal dari berbagai sumber data di sebuah daerah pertanian di Chile. Penyelidikan empiris yang ditangkap baik fitur agronomis dan sosio-ekonomi utama daerah yang bersangkutan. Data spasial terpilah set meliputi tanah kualitas budidaya yang berbeda dan air sebagai faktor tambahan produksi. Sebuah modul khusus dirancang untuk memproses dan menyimpan data pertanian regional dan individu dalam database spasial. Untuk mempertimbangkan perubahan harga karena perjanjian Mercosur, indeks harga dihitung berdasarkan Muchnik et al. (1996). Dalam skenario alternatif tanpa asosiasi dengan Mercosur, harga input dan output mereka tetap sampai 1996 tingkat. Tabel 2 memberikan sebuah ringkasan semua variabel model dan parameter.
8
• Ruang dimensi: Seperti di sebagian besar Sistem Informasi Geografis (SIG) data spasial diatur dalam kotak unit lanskap. Setiap sel atau piksel memiliki atribut beberapa biofisik dan ekonomi yang terkait dengannya: kualitas tanah, pasokan air, penutup lahan / penggunaan lahan, kepemilikan, biaya transportasi internal, produktivitas marjinal atau kembali ke tanah. Sedangkan kualitas tanah atribut pertama '' di sini diasumsikan konstan, semua atribut lain dipengaruhi oleh keputusan otonom dilakukan selama waktu oleh agen model, yaitu pertanian rumah tangga dan pemilik-non-pertanian. Sebagai contoh, pasokan air tergantung pada jumlah air hak-hak pengguna individu yang diperdagangkan di pasar. Penutup lahan / penggunaan lahan adalah berasal dari masalah pertanian yang linear programming dengan mempertimbangkan ekspektasi harga, dan teknis dan kendala keuangan. Sejauh kepemilikan atau Masa Jabatan yang bersangkutan, model menangkap perubahan mereka ketika lahan pertanian adalah dijual atau disewa. Akibatnya, biaya transportasi internal juga dapat bervariasi karena lokasi sel dan jarak masing-masing ke farmstead baru.
• Pasar untuk tanah dan air hak: Sebagai temuan empiris menunjukkan, tanah dan air hampir tidak pernah dijual di Chile, tetapi pasar sewa dapat memainkan peranan penting untuk pertukaran kedua sumber daya lokal. Untuk mengambil fitur ini, pasar sewa untuk tanah dan air dianggap endogen dalam model. Sebuah modul lelang dirancang untuk model perdagangan bilateral antara agen. Farm-agen mencoba untuk menyewakan tanah dan air ketika bayangan mereka harga untuk paket tertentu di bawah rata-rata sektor. Karena biaya transportasi internal antara parsel dan farmsteads dianggap, maka pertanian terutama tetangga-agen yang bersaing untuk tanah yang ditawarkan. Hak penggunaan tanah sementara ini kemudian ditransfer ke tetangga dengan harga tertinggi bayangan untuk paket tertentu. Untuk tujuan kesederhanaan, perilaku strategis tidak diperhitungkan dan tingkat individu sewa adalah tetap pada rata-rata menawarkan yang sesuai dan permintaan.
• Return-aliran irigasi: Air sumber daya submodel dibagi menjadi beberapa bagian untuk menangkap lokal persediaan air tawar yang tersedia dan-kembali mengalir. Persamaan dan parameter berasal dari studi teknik air untuk Chili Departemen Pekerjaan Umum. submodel ini membuat keseimbangan air bulanan untuk setiap bagian, dimulai dengan bagian hulu. Pertanian menerima air tawar masing-masing dan kembali arus kuota sesuai hak pengguna mereka air. Mereka mengairi lahan pertanian mereka, sehingga produksi kembali-arus kepada pengguna hilir. Pertanian menerapkan aturan-aturan keputusan tertentu sejauh ditinggalkannya sementara atau permanen dari tanaman yang bersangkutan. Sehubungan dengan fungsi produksi tanaman-air, ambang batas hubungan linier diasumsikan.
• Simulasi eksperimen: Daerah penelitian meliputi wilayah sekitar 667 km2 dan direpresentasikan dalam model dengan resolusi sekitar 158 * 158 m. Oleh karena itu, ukuran satu sel grid adalah 2,5 ha. Karena setiap sel grid sesuai dengan sebidang tanah pertanian, peternakan ukuran diukur dengan 2,5 ha terdekat. Model spasial dibagi dalam 20 bagian untuk mempertimbangkan kembali-mengalir dari hulu hingga hilir petani. Masing-masing dari 5.400 rumah tangga pertanian (campesino 90%) dianggap dalam model memecahkan investasi, produksi tahunan, dan keputusan penguasaan masalah dengan menggunakan pemrograman bilangan bulat campuran (dimensi matriks LP: 120 * 240, sekitar 1,4 juta masalah diselesaikan per simulasi berjalan). Berdasarkan uji coba lapangan menyeluruh oleh Pusat Teknologi Evaluasi, 32 tanaman yang inovatif dan teknik air-tabungan dipilih untuk dimasukkan dalam model dan disebarkan selama simulasi berjalan. Pertanian-agen pilih di antara inovasi dan mengadopsi sesuai dengan profitabilitas relatif mereka. Dalam skenario-ikutan, namun, peternakan-agen hanya memiliki akses terhadap inovasi yang telah mencapai ambang batas jaringan mereka. Kemungkinan teknologi dari campesino dan komersial memegang jenis berbeda untuk beberapa kegiatan pertanian karena indivisibilities. mesin berat, perkebunan buah ekspor tertentu dan metode irigasi hanya tersedia untuk peternakan komersial skala besar. Terlepas dari skenario yang berorientasi-pasar murni dengan dan tanpa Mercosur, kebijakan kredit dan subsidi untuk produksi pertanian dianalisa.
9
• Perangkat Lunak: ini baru dirancang CA MAS-model telah MS-Windows 32 bit dan portabilitas UNIX. Input dan file output dalam format ASCII-teks dan dapat diproses dengan spreadsheet yang umum dan program grafis. Kode sumber ditulis dalam bahasa pemrograman C + + berorientasi objek dan izin ekstensi modular untuk memasukkan, misalnya, kendala ekologis atau untuk membuat antarmuka dengan GIS-aplikasi.
5. Model kalibrasi dan kekokohan
Kalibrasi model MAS CA-agak menantang karena model harus perkiraan pengamatan dunia nyata pada tingkat mikro (petani-rumah tangga) maupun di tingkat makro (daerah penelitian). Dalam studi ini, suatu pendekatan dua-langkah yang diikuti: validasi eksperimen pertama, pada tingkat mikro, di mana agen model khas dibandingkan dengan data pertanian dunia nyata, dan kedua, tingkat makro percobaan untuk menguji representasi agregat model tersebut. Prosedur kalibrasi diulang sampai model fit yang cukup pada kedua tingkat dicapai. Sayangnya, hanya dunia nyata pengamatan terhadap distribusi penggunaan lahan tahun 1996 yang tersedia untuk mikro dan makro-tingkat. Oleh karena itu, kemampuan model untuk mereplikasi realitas hanya dapat diperiksa untuk periode awal simulasi. Tanah dari hasil penggunaan model tersebut kemunduran pada nilai-nilai yang diamati untuk menghasilkan kebaikan-sederhana-fit - asosiasi yang sempurna akan dinyatakan dengan mencegat dari nol dan satu lereng. Pada tingkat mikro hasil regresi kemiringan 0,977 (standard error = 0,01, R2 = 0,991) dan pada tingkat makro 0,704 (standard error = 0,107, R2 = 0,657). Model mungkin overestimates budidaya jagung dan beberapa kacang dan meremehkan budidaya gandum. Karena marjin kotor untuk tanaman ini cukup yang sebanding dan nilai-nilai regional mereka hanya perkiraan kasar, nampaknya cocok dengan model yang cukup untuk penelitian ini. Tak perlu dikatakan, kesalahan standar hanya kriteria informal karena hasil model tidak ketat independen. Ubah atau pelacakan percobaan seperti yang disarankan oleh McCarl dan Apland (1986) tetap harus dilakukan dalam penelitian lanjutan, yang akan mengumpulkan data lapangan lebih. Namun, para pakar lokal dianggap model prediksi kapasitas untuk menjadi masuk akal

Tidak ada komentar:

Posting Komentar