《Urban Forestry & Urban Greening》：Reframing Human–Nature Connectedness: A Multi-Scale Agent-Based Model Across Time and Region
编辑推荐：
主流研究通常将自然联结主要视为个体属性或当地接触自然的功能，限制了对长期下降和区域差异的解释。鉴于人与自然联结被认为对地球可持续性和个体福祉至关重要，它正成为政策提案的目标。通过使用基于智能体的模型（Agent-Based Model, ABM），研究人员将人
主流研究通常将自然联结主要视为个体属性或当地接触自然的功能，限制了对长期下降和区域差异的解释。鉴于人与自然联结被认为对地球可持续性和个体福祉至关重要，它正成为政策提案的目标。通过使用基于智能体的模型（Agent-Based Model, ABM），研究人员将人与自然关系重新概念化为一个关系性的、多尺度的系统，该系统将宏观层面的文化动态、区域社会环境变异、代际传递和心理过程整合到一个单一系统框架中，为人与自然关系的长期和区域化变化提供了新颖的见解。整合这些因素有助于洞察产生历史趋势和当代人与自然联结区域差异的相互作用。该模型表明，科学显着性和经济背景是强大的国家层面影响因素，而世俗化则成为区域层面的主导因素，与城市化一起，导致与自然和绿色空间的接触下降。与自然接触相关的行为反馈也塑造了轨迹。未来情景模拟表明，到2050年，人与自然关系将持续下降，特别是在城市化程度较低的地区。然而，有针对性的干预措施，如基于自然的社区和儿童项目，显示出缓解或逆转这些趋势的潜力，尤其是在城市环境中。通过汇集不同的研究主题，该模型为研究、规划和治理提供了一个系统框架，以理解和恢复人与自然联结。它还提供了对一个新兴领域的理论综合，并将议程从提供绿色空间转向考虑长期脱离自然和当地条件的关键驱动因素的战略干预。
**论文解读：重构人与自然联结——一项基于多尺度智能体模型的跨时空研究**
**一、研究背景与问题**
人与自然联结（Human–Nature Connectedness）被广泛认为是促进可持续行为、增强心理健康以及应对生物多样性丧失和气候变化等全球环境问题的关键驱动力。然而，现有研究多将自然联结视为个体属性或当地自然接触机会的简单函数，这种个体化、非空间化和非历史化的视角严重限制了对长期下降趋势和当代区域差异的解释。尽管国际评估（如IPBES, 2024）已指出人与自然联结是环境问题的驱动力和转型变革的战略切入点，但学界仍缺乏能够整合长期文化变迁、区域社会环境、代际传递和心理过程的系统性框架。已有模型通常孤立处理这些影响因素，无法揭示它们如何共同作用，产生两个世纪以来的国家层面下降及当前区域差异。为此，研究人员开展了此项研究，旨在通过构建一个混合基于智能体模型（Agent-Based Model, ABM），将宏观文化动态、区域社会环境变异、代际机制、对自然的注意力（attention）和行为反馈整合到一个统一系统框架中，以填补上述理解空白。该论文发表在《Urban Forestry》。
**二、关键技术方法**
研究人员主要采用了以下关键技术方法：1) **基于智能体建模（ABM）**：使用Python实现，模拟了1800年至2020年英国四个区域（诺森伯兰郡、多塞特郡、伯明翰和莱斯特）中个体和家庭智能体与环境的交互。环境被模拟为50×50的网格，每个细胞代表城市或自然状态。2) **多尺度参数化**：模型整合了宏观趋势（如科学显着性、经济话语、宗教/世俗化、工业化）和区域指标（如城市化、感知自然质量、GDP、制造业就业、宗教/世俗化比例、人口密度、自然可达性等）。区域数据来源于公开数据集（如ONS人口普查、政府绿色空间统计、人与自然调查）。3) **历史趋势代理**：使用基于英语文化产品中自然相关词汇频率的长期语言趋势作为国家人与自然联结的代理指标（Richardson, 2025, 2026），并利用历史城市化数据（Davenport, 2021）和区域变量初始化模型。4) **校准与验证**：通过网格搜索和随机抽样进行参数校准，使用组合均方根误差（RMSE）评估模型拟合度，并进行样本外验证（四个额外区域：利物浦、北约克郡、达勒姆郡和布拉德福德）和敏感性分析（OFAT和Morris全局敏感性分析）。5) **未来情景模拟**：将模型扩展至2050年，基于线性外推的宏观趋势（城市化、宗教、工业、科学、经济）设计“按趋势”情景，以及儿童项目（提升15%儿童自然联结）和自然邻里（每年引入25个高质量自然邻里）等干预情景。
**三、研究结果**
**3.1 模型再现当前区域自然联结并反映历史国家趋势的程度**
模型通过校准后表现优异：组合RMSE为2.101±0.101，国家人与自然联结RMSE为4.557±0.145，区域人与自然联结RMSE为0.889±0.180，自然质量RMSE为0.176±0.029。模型高精度地再现了1800至2020年国家历史下降趋势，并成功模拟了四个校准区域的2020年区域自然联结目标值（如诺森伯兰郡51.13对50.70，多塞特郡49.04对50.30等）。城市化水平完全再现，自然质量也得到良好捕捉。
**3.2 宏观和区域因素对区域差异的影响**
模型追踪了2020年各区域因素贡献：宏观因素占28.66%-33.30%，区域因素占65.92%-70.66%，区域因素更为强大且在城市化区域作用稍强。参数权重分析显示，宏观层面科学（权重3.0）和经济话语（3.1）通过注意力动态发挥最强影响，宗教（1.1）次之，工业（0.08）较弱；区域层面宗教（权重6.7）主导区域影响，远超其他区域权重。这表明国家文化趋势塑造整体方向，而当地条件决定影响强度。
**3.3 样本外验证**
对四个未校准区域进行验证，组合RMSE为2.847±0.098，国家RMSE为4.476±0.155，区域RMSE为2.288±0.170。模型可靠性评分96.6%，表明良好的泛化和稳定性。尽管区域误差略高于样本内，但仍在可接受范围，证实模型能推广至新区域。
**3.4 敏感性分析**
OFAT分析确认模型在合理参数范围内稳健。Morris全局敏感性分析显示，基础亲自然行为概率（pro-nature behaviour probability）对模型拟合影响最大（μ*=9.72），宏观经济和宗教权重也较强，科学权重呈轻微负向效应。所有参数均表现出非线性和交互作用。消融测试（ablation testing）表明，完整模型在时间序列和区域预测上均优于移除特定机制（如仅代际传递）的变体，验证了模型复杂性的必要性。
**3.5 未来情景模拟**
在按趋势延伸至2050年时，所有区域的自然联结均继续下降（-6.0%至-10.8%）。仅儿童项目能阻止下降（-1.5%至+5.0%），仅自然邻里项目效果较弱（-7.6%至-1.4%），而两者结合则可逆转下降并产生增益（+3.8%至+10.3%）。至2100年延伸模拟显示，结合项目能产生自维持的正反馈，城市区域（伯明翰+55.4%，莱斯特+61.2%）增益远大于农村区域（诺森伯兰郡+34.6%，多塞特郡+32.8%）。
**四、讨论与结论**
讨论部分强调，该模型成功再现了历史国家趋势和当前区域差异，并揭示了宏观文化与区域环境的交互作用。模型表明，仅靠绿色空间提供（spatial greening）可能作为浅层杠杆点（shallow leverage point），除非与影响早期经历和注意力取向的干预相结合。情景模拟显示，农村区域在趋势下可能比城市更脆弱，而城市区域在综合干预下能实现自维持恢复。模型还提供了理论综合，将自然联结研究从个体特质或接触框架转向关系性、多尺度的系统视角。政策含义包括：城市规划应优先考虑支持注意力和反复接触的设计（如自然联结路径设计框架），并需长期投资于儿童自然项目。研究局限性包括：行为机制简化、未考虑区域内变异、宏观指标可能包含重叠影响等。
**研究结论翻译**：通过将自然联结框定为一种关系性、多尺度的系统，本文汇集了先前分散的研究线索，并做出了若干贡献。概念上，它展示了文化、环境和心理机制如何整合到一个单一系统框架中，将自然联结重新定义为从嵌套的社会-生态系统中涌现的历史偶然过程，而非个体特质或接触的简单函数。方法论上，本研究贡献了一种整合性建模方法，将长期文化动态、区域社会环境变异、心理过程和代际传递统一到一个可解释的基于智能体框架中。解释上，该模型既解释了国家层面人与自然关系的长期下降，也解释了当代区域差异。在系统背景下，它展示了注意力如何调解环境暴露与心理变化之间的关系，有助于解释为何相似程度的绿色空间在不同文化和社会背景下可能产生不同结果。代际传递和反馈循环进一步解释了即使在环境条件改善的情况下，持久性、延迟和不均匀恢复的现象。该工作为这一新兴领域提供了理论综合，揭示了第一波宏观研究中一组趋同的见解。对于规划和治理，该模型展示了为何独立的绿化活动常常充当浅层杠杆点，除非与影响早期生活经历和注意力取向的干预相结合。总之，该研究表明自然联结研究可以结构性嵌入文化话语、区域背景和家庭路径中，并为探索人与自然关系的长期趋势和恢复提供了一个实用框架。
