生态建模文档描述的ODD协议二十年:发展、应用、扩展及建模标准制定的经验总结

一、摘要

基于主体模型（Agent-Based Models，ABMs）能够从个体行为、主体交互和环境反馈出发，模拟生态、社会、经济及公共卫生等复杂系统。然而，早期ABM研究普遍存在模型描述不完整、关键假设未充分说明、代码与概念模型脱节以及研究结果难以复现等问题。为改善这一状况，ODD协议于2006年正式提出，通过Overview, Design Concepts, Details（ODD）的标准化结构，对模型目的、主体及状态变量、运行过程、行为机制、初始化条件、外部数据和子模型等内容进行系统说明。该文回顾了ODD协议近二十年的发展历程、应用情况和衍生标准，并总结了建模标准设计与推广过程中的经验。研究表明，ODD不仅是一种模型报告规范，还逐渐成为辅助模型设计、模型比较、同行评审和跨学科交流的重要工具。文章进一步提出，可通过可视化ODD、人工智能辅助文档生成以及与模型代码建立自动化联系等方式，推动模型研究向更加透明、规范和可复现的方向发展。

二、研究目的

该研究不是提出一种新的仿真算法，而是围绕ODD协议近二十年的发展回答以下问题。

第一，回顾ODD协议自2006年提出以来的结构变化，分析2010年和2020年两次更新解决了哪些实际问题。

第二，考察ODD在不同学科和期刊中的使用情况，判断这一标准的推广程度及其局限性。

第三，梳理ODD+D、ODD+2D、ODD+P、M-ODD、ODMAP等扩展协议，分析不同研究领域如何根据自身需要修改或借鉴ODD。

第四，总结ODD在模型文档之外的功能，包括模型设计、模型比较、系统综述和同行评审。

第五，从ODD的发展经验中提炼一般性的建模标准设计原则，并讨论可视化、人工智能、代码关联以及跨学科模型标准的未来发展方向。

总体而言，这篇文章并未提出新的模型算法，而是以ODD二十年的实践说明：复杂模型的科学价值不仅取决于其计算能力和预测结果，也取决于研究者能否清楚、完整地说明模型的目的、结构、机制、假设和适用边界。ODD所倡导的透明、可复现和可比较原则，对基于主体模型乃至其他复杂系统模型的规范化发展都具有重要参考意义。

三、研究方法

1. ODD发展历程的历史回顾

文章首先采用历史回顾方法，梳理ODD协议从形成、测试到更新的过程。ODD的早期思想出现在2005年的相关著作中，之后研究团队在2004年挪威卑尔根的一次研讨会上，使用19个模型对该框架进行了测试，并于2006年正式发表ODD协议。随着使用过程中不断出现疑问和误解，研究者分别在2010年和2020年对协议进行了更新。2020年版还附有更加详细的补充指南，包括示例、常见误解和容易遗漏的问题。通过比较三个版本，作者分析了ODD基本结构的稳定性，以及术语和使用说明的调整。例如，“Input”后来被改为“Input data”，以强调该部分指的是模拟过程中驱动模型运行的外部数据，而不是所有初始条件和参数。

2. ODD结构与功能分析

文章对ODD协议的组成部分进行了系统分析。ODD主要包含三大板块和七个基本要素。

第一部分是Overview，主要回答“模型研究什么”和“模型总体如何运行”，包括：Purpose and patterns，即模型目的、研究问题和用于证明模型适用性的现实模式；Entities, state variables, and scales，即主体、其他实体、状态变量以及时间和空间尺度；Process overview and scheduling，即模型过程及各过程在时间步内的运行顺序。

第二部分是Design Concepts，用于解释模型背后的理论和机制，包括基本原理、涌现、适应、目标、学习、预测、感知、交互、随机性、群体以及观测等内容。它要求模型开发者明确主体为何行动、能够获得什么信息、是否具备学习或适应能力，以及宏观现象如何从微观交互中产生。

第三部分是Details，包括初始化、输入数据和子模型。该部分提供模型复现所需的技术信息，例如初始主体数量、环境状态、外部驱动数据以及各项行为和系统过程的具体规则。

作者通过这种结构分析，讨论ODD如何在高层概念描述与底层技术实现之间建立联系。

3. 文献计量分析

为了考察ODD的实际使用情况，作者以Scopus数据库为基础开展文献计量分析。研究检索了涉及“agent-based modelling”或“individual-based modelling”的论文，并计算其中引用2006年、2010年或2020年ODD核心论文，以及ODD+D论文的比例。相关数据截至2026年6月23日，具体检索方法和完整结果被收录在补充数据中。

文章分别从两个层面分析ODD采用率：

一是按照Scopus的学科分类，比较ODD在环境科学、社会科学、计算机科学及其他领域的使用比例；二是按照期刊进行比较，识别ODD使用率较高的模型类期刊、专业领域期刊和综合性期刊。

这种方法能够显示ODD的跨学科传播范围，但作者也承认，引用ODD论文并不一定意味着研究完全按照ODD规范进行了模型描述，而未引用ODD也不意味着研究完全缺乏规范性。因此，引用比例主要被用作协议传播和使用程度的近似指标。

4. 扩展标准的比较研究

文章整理了由ODD衍生或受到ODD启发的多种建模标准，并根据其与ODD的关系，将其大致分为三类：

(1) 扩展型标准：保留ODD整体框架，同时增加适用于特定模型或领域的新内容；

(2) 组合型标准：将ODD与软件文档、模型来源记录等其他标准结合；

(3) 启发型标准：不完整保留ODD要素，但借鉴其总体概述与技术细节分开的基本思想。

文章通过表格比较各标准的目的、新增内容及其与ODD的关系。例如，ODD+D增加了人类主体决策行为的描述问题；ODD+2D强化了模型数据来源、结构和使用方式的说明；ODD+P增加了模型开发过程和来源信息；针对机器学习与ABM结合的扩展，则修改了输入数据、学习和观测等要素。

5. 案例与经验综合

除文献计量外，文章还列举了ODD用于模型综述、模型比较和模型设计的案例。例如，研究人员曾利用ODD比较多个红树林动态模型，识别不同模型的共同限制和各自优势；也有研究通过ODD框架比较蜜蜂种群模型、土地利用模型、自动驾驶模型、农业政策模型、社区能源模型和洪水风险模型。作者在这些案例基础上进行经验综合，讨论ODD在实际建模活动中的作用，而不仅仅关注其作为论文写作模板的形式功能。

四、研究成果

1. ODD形成了相对稳定的模型描述框架

研究表明，ODD在二十年间虽然经历了两次主要更新，但基本结构并未发生根本变化。Overview、Design Concepts和Details三部分仍然是协议核心，说明这种从总体叙述、理论机制到技术细节的组织方式具有较强的稳定性和通用性。2010年和2020年的更新主要不是重建协议，而是澄清概念、减少误解并补充使用指南。其中，2020年更新的重要变化之一，是进一步区分模型的总体用途与具体研究问题。模型可能用于概念展示、机制理解、预测或管理决策，而不同用途对模型精度、证据和验证方式具有不同要求。明确模型用途，可以防止研究者将模型用于其原本并未设计支持的任务。

2. ODD已经实现跨学科传播，但总体采用率仍有限

    Scopus分析显示，ODD已不再局限于生态建模，而是进入环境科学、社会科学、经济学、流行病学、计算机科学等多个研究领域。从覆盖范围看，ODD可以被认为是目前应用较广的建模描述标准之一。但是，其总体采用率仍然有限。文章第11页的图2显示，ODD在环境科学和社会科学中的采用比例相对较高，但各主要学科的比例均未超过30%；即使只考察2020年以后的研究，这一基本情况也没有发生显著改变。作者因此强调，虽然ODD可能是传播最广的模型标准之一，但不宜夸大其普及程度。第12页的图3进一步表明，在部分特定期刊中，ODD的使用比例可以超过30%。这些期刊既包括《Environmental Modelling & Software》和《Ecological Modelling》等建模类期刊，也包括《Oikos》等专业期刊以及《PLOS ONE》《Scientific Reports》等综合期刊。多数相关期刊在2020年以后的ODD使用比例有所上升，说明协议仍在继续传播。

3.ODD产生了大量领域化扩展

研究发现，ODD的影响不仅表现为原协议被引用和使用，还体现为大量衍生标准的出现。

例如：

• ODD+D用于加强人类主体决策机制的描述；

• ODD+2D用于说明模型开发、参数化和测试所依赖的数据；

• ODD+P用于记录模型的开发过程和来源；

• M-ODD用于移动自组织网络模型；

• 面向机器学习与ABM结合的扩展，对输入数据、学习和观测等部分进行了调整；

• ODMAP借鉴ODD思想，用于物种分布模型；

• ODE则将类似结构应用于环境与社会领域的机器学习工作流程。

部分扩展标准的引用量已经较高。例如，文章指出ODMAP和ODD+D分别获得超过1000次和700次引用。这说明ODD最具传播力的并不一定是每一个具体条目，而是其核心组织思想：将模型的总体叙述与保证透明性、复现性所需的技术信息分开。

4.ODD的作用已超越模型文档编写

文章的重要发现之一，是ODD最初被设计为模型报告规范，但实际应用中形成了若干超出预期的功能。

首先，ODD可以作为模型比较框架。不同模型按照相同项目进行描述后，研究者可以更加系统地比较其主体类型、状态变量、行为规则、空间尺度、时间安排及关键假设。即使原始论文没有提供ODD，综述者也可以依据文献重建部分ODD内容，由此发现模型描述中缺失或不明确的信息。

其次，ODD可以用于模型设计。作者认为，ODD位于非正式概念模型与正式计算机代码之间，能够形成一种“中间层”。开发者在编程之前先回答模型目的、实体、变量、过程和尺度等问题，可以减少“先编码、后思考”的倾向。

再次，ODD能够暴露隐藏假设。开发者必须说明每一种实体、变量和过程的必要性，这有助于发现不必要的主体属性、缺乏理论依据的参数、功能重复的过程和隐含的因果关系。同时，围绕交互、学习、感知、适应和随机性进行说明，也有利于构建模块化程度更高的软件结构。

5.可视化ODD提高了模型的快速理解能力

2020年更新提出使用visual ODD，即vODD，以图形方式补充文字描述。文章第10页图1展示了一个小型哺乳动物群落模型的vODD，其中将初始化、子模型过程、运行顺序和模型观测结果整合到同一可视化框架中。

作者认为，文字ODD具有较强的完整性和严谨性，但完整阅读通常需要较多时间；vODD则可利用固定布局、图标、流程关系和示例输出，帮助读者在几分钟内形成对模型的整体认识。它并不取代文字ODD，而是作为高层次概览，减少跨学科交流中的误解。

    五、讨论

    1.ODD的核心价值是促进“概念优先”的建模

从文章的分析来看，ODD最重要的贡献并不是统一论文排版，而是推动模型开发者采用“概念优先”的工作方式。在没有标准约束时，建模者可能直接进入程序开发，根据运行结果不断增加功能，之后再尝试解释代码所代表的科学机制。这容易造成模型目的模糊、功能不断膨胀、参数依据不足和假设相互冲突。ODD则要求研究者在编码前明确模型究竟要解决什么问题，系统中有哪些实体和状态变量，哪些过程是必要的，以及不同过程如何在时间和空间上组织。

因此，ODD实际上兼具科学建模规范和软件设计说明书的作用。它将模型从“能够运行的程序”转化为“具有明确研究目的、理论机制和证据基础的科学表达”。

    2.标准化不等于完全统一模型内容

ODD统一的是模型描述结构，而不是模型本身。不同研究可以采用不同理论、算法、数据和尺度，只要按照相同框架说明这些差异，就能够提高可比较性。

这一区分非常重要。过度严格的标准可能限制创新，而过于宽松的标准又无法改善模型透明性。ODD的经验说明，较成功的建模标准通常不会规定研究者必须采用哪一种算法，而是要求其明确回答一组关键问题。换言之，ODD强调的是“完整地说明做了什么、为何这样做”，而不是“所有研究都必须采用相同方法”。

    3.ODD的使用率仍受多方面限制

尽管ODD已传播到多个领域，但总体采用率低于30%，说明模型标准不会仅凭学术合理性自动得到广泛应用。

其推广障碍可能包括：

第一，完整编写ODD需要额外时间，部分研究者将其视为论文写作负担；

第二，不同学科已经形成各自的模型报告习惯，对生态学起源的术语未必熟悉；

第三，期刊、基金机构和研究管理部门通常没有强制要求提供ODD；

第四，部分研究者错误地将ODD理解为仅在模型完成后补写的文档，而没有认识到其在模型设计阶段的作用；

第五，一些模型属于混合模型、数据驱动模型或多模型耦合系统，原始ODD结构不能完全覆盖其特点。

因此，作者提出期刊可以在促进ODD采用方面发挥更大作用，例如将ODD作为ABM论文的推荐材料或必要附件。文章还提到，Open Modelling Foundation计划与期刊编辑讨论将ODD纳入推荐或潜在要求的可能性。

 4.扩展标准体现了ODD的适应性，也带来碎片化风险

大量ODD扩展说明其基础结构具有较好的适应性。不同领域可以保留Overview与Details之间的逻辑，同时增加决策、数据、验证、机器学习或来源信息。

但是，扩展过多也可能形成新的标准碎片化问题。如果每个领域都建立一套独立版本，研究者可能需要面对多个相互重叠的标准。因此，未来需要在“保持共同核心”与“允许领域定制”之间取得平衡。

一种合理方式是保留模型目的、实体、状态变量、尺度、过程、初始化、输入和子模型等核心要素，同时将人类决策、机器学习、模型验证、数据来源和伦理问题设计为可选模块。这样既能维持跨领域的可比较性，也能满足具体应用需求。

5.人工智能可能改变ODD的生成与维护方式

文章提出，未来可以负责任地使用人工智能，建立ODD文档与模型软件之间的自动化联系。例如，人工智能可以辅助完成以下工作：从代码、注释和参数文件中提取模型实体、变量及过程；检查ODD文档是否遗漏关键项目；比较模型文档与实际代码是否一致；根据文字ODD自动生成vODD流程图；根据代码更新自动提示文档修改；将不同领域的术语映射到统一的语义体系。

不过，AI生成的ODD不能替代开发者的科学判断。模型目的、理论依据、因果假设和适用范围通常无法仅从代码中准确推断。因此，AI更适合承担提取、检查和同步任务，最终内容仍应由模型开发者审核。

    6.ODD与FAIR及可复现科学具有一致方向

FAIR原则强调研究对象应当可发现、可访问、可互操作和可重复使用。模型代码公开只是实现模型复现的一部分；如果缺少对模型目的、机制、输入和运行过程的说明，公开代码仍可能难以理解和复用。

ODD能够为代码、数据和模型结果提供语义层面的解释。它回答的不只是“程序怎样运行”，还包括“模型为什么这样构建”以及“模型适合回答哪些问题”。因此，ODD与代码共享、数据开放、版本控制、模型验证和运行环境记录相结合时，才能形成较完整的模型可复现体系。

   六、结论

    该文通过回顾ODD协议近二十年的发展历程，表明ODD已经从生态领域的ABM描述模板，逐渐发展为跨学科的模型报告、设计、比较和交流框架。其核心贡献主要体现在三个方面。第一，ODD建立了从模型总体目的、主体与尺度、过程安排，到行为机制、初始化、输入和子模型细节的标准化描述结构，有助于减少ABM的“黑箱”特征。

第二，ODD的价值已经超越论文文档。它能够促进模型开发中的结构化思考，暴露隐藏假设，支持不同模型之间的系统比较，并辅助同行评审和跨学科合作。

第三，ODD的传播经验表明，一个有效的建模标准需要具有明确目的、适中的适用范围、稳定的核心结构和可扩展性，同时还需要期刊、研究机构和建模社区提供制度支持。

不过，ODD目前在主要学科中的采用率仍未超过30%，说明模型标准化仍有较大发展空间。未来应进一步推动文字ODD与vODD结合，建立ODD、模型代码、数据和运行环境之间的自动化联系，并在人工智能辅助下提升文档生成、检查和更新效率。

总体而言，这篇文章并未提出新的模型算法，而是以ODD二十年的实践说明：复杂模型的科学价值不仅取决于其计算能力和预测结果，也取决于研究者能否清楚、完整地说明模型的目的、结构、机制、假设和适用边界。ODD所倡导的透明、可复现和可比较原则，对基于主体模型乃至其他复杂系统模型的规范化发展都具有重要参考意义。