A METHODOLOGY FOR VALIDATION OF INTEGRATED SYSTEMS MODELS
WITH AN APPLICATION TO COASTAL-ZONE MANAGEMENT IN SOUTH-WEST SULAWESI
Contents
Preface
1. Introduction
1.1. General introduction
1.2. Background
1.2.1. Systems approach
1.2.2. Integrated approach and Integrated Assessment
1.2.3. Integrated management and policy analysis
1.3. The problem of validating Integrated Systems Models
1.4. Research aim and research questions
1.5. Case study description
1.5.1. RaMCo
1.5.2. Study area
1.6. Outline of the thesis
2. Methodology
2.1. Introduction .
2.2. Literature review
2.3. Concept definition.
2.4. Conceptual framework of analysis
2.5. Procedure for validation
2.6. Conclusion
3. Validation of an integrated systems model for coastal-zone management
using sensitivity and uncertainty analyses
3.1. Introduction .
3.2. Methodology
3.2.1. Basics for the method
3.2.2. The testing procedure
3.2.3. The sensitivity analysis
3.2.4. The elicitation of expert opinions
3.2.5. The uncertainty propagation
3.2.6. The validation tests
3.3. Results
3.3.1. Sensitivity analysis
3.3.2. Elicitation of expert opinions
8 Contents
3.3.3. Uncertainty analysis
3.3.4. Parameter-Verification test
3.3.5. Behaviour-Anomaly test
3.3.6. Policy-Sensitivity test
3.4. Discussion and conclusions
3.5. Appendices
4. A new approach to testing an integrated water systems model using
qualitative scenarios
4.1. Introduction
4.2. Validation methodolog
4.2.1. Overview of the new approach
4.2.2. The detail procedure
4.3. The RaMCo model
4.3.1. Land-use/land-cover change model
4.3.2. Soil loss computation
4.3.3. Sediment yield
4.4. Formulation of scenarios for testing
4.4.1. Structuring scenarios
4.4.2. Developing qualitative scenarios for testing
4.5. Translation of qualitative scenarios
4.5.1. Fuzzification
4.5.2. Formulation of inference rules
4.5.3. Application of the inference rules
4.5.4. Calculation of the output value
4.5.5. Testing the consistency of the scenarios
4.6. Results
4.7. Discussion and conclusions
5. Validation of a fisheries model for coastal-zone management in
Spermonde Archipelago using observed data
5.1. Introduction
5.2. Case study.
5.2.1. Fisheries in the Spermonde Archipelago, Southwest Sulawesi
5.2.2. Fisheries modelling in RaMCo
5.2.3. Data source and data processing
5.3. Validation methodology
5.3.1. Sate of the art
5.3.2. The proposed method
5.3.3. Fishery production models
5.4. Results
5.4.1. Calibration
5.4.2. The pattern test
5.4.3. The accuracy test
5.4.4. The extreme condition test
5.5. Discussion and conclusions
Contents
6. Discussions, conclusions and recommendations
6.1. Introduction
6.2. Discussions
6.2.1. Innovative aspects
6.2.2. Generic applicability of the methodology
6.2.3. Limitations
6.3. Conclusions
6.3.1. Concept definition
6.3.2. Methodology
6.4. Recommendations
6.4.1. Other directions for the validation of integrated systems models
6.4.2. Proper use of integrated systems models
References
Symbols
Acronyms and abbreviations
Summary
Samenvatting
About the author
139 trang |
Chia sẻ: maiphuongtl | Lượt xem: 1746 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Đề tài A methodology for validation of integrated systems models with an application to coastal-zone management in south-west sulawesi, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
è, M. and Cortés, U., 2004.
Designing and building real environmental decision support systems. Environmental
Modelling & Software 19, 857-873.
Popper, K.R., 1959. The logic of scientific discovery. Hutching and Son Company.
London, UK.
References 118
Randers, J., 1980. Elements of the System Dynamics Method. The MIT Press,
Cambridge, Massachusetts.
Reckhow, K. H., Clements, J. T. and Dodds, R. C., 1990. Statistical evaluation of
mechanistic water-quality model. J. Env. Eng., 116, 250-268.
Refsgaard, J.C and Henriksen, H.J., 2004. Modelling guidelines-terminology and
guiding principles. Advance in Water Resources 27, 71-82.
Refsgaard, J.C., Henriksen, H.J., Harrar, W.G., Scholten, H. and Kassahun, A., 2005.
Quality assurance in model based water management – review of existing practice and
outline of new approaches. Environmental Modelling & Software 20, 1201-1215.
Renema, W. and Troelstra, S.R., 2001. Larger foraminifera distribution on a
mesotrophic carbonate shelf in SW Sulawesi (Indonesia). Palaeogeography,
Palaeoclimatology, Palaeoecology 175, 125-146.
Rosnay, J.D., 1979. The Macroscope A new world scientific system. Translated from
the French by Robert Edwards. Harper & Row, Publishers New York, Hagerstown, San
Francisco, London. (
Rotmans, J. and de Vries, B., 1997. Perspectives on Global Change: The TARGETS
Approach. Cambridge University Press, Cambridge, UK.
Rykiel, E.J., 1996. Testing ecological models: the meaning of validation. Ecological
Modelling 90, 229-244.
Saila, S.B., Kocic, V.Lj. and McManus, J.W., 1993. Modelling the effects of destructive
fishing practices on tropical coral reefs. Marine Ecology Progress Series 94, 51-60.
Saltelli, A. and Scott, M. 1997. Guest Editorial: The role of sensitivity analysis in the
corroboration of models and its link to model structural and parametric uncertainty.
Reliability Engineering and System Safety 57, 1-4.
Sargent, R. G., 1984. A Tutorial on Verification and Validation of Simulation Models.
Proceedings of the 1984 Winter Simulation Conference, 115-121.
Sargent, R. G., 1991. Simulation model verification and validation. Proceedings of the
1991 Winter Simulation Conference, 37-47.
Schaefer, M.B., 1954. Some aspects of the dynamics of populations important to the
management of the commercial marine fisheries Bull. I ATTC / Bol. CIAT 1, 27-56.
Scholten H., Van der Tol, M.W.M. and Smaal, A.C., 1998. Models or measurements?
Quantitative validation of an ecophysiological model of mussel growth and
reproduction. Paper presented at the ICES Annual Science Conference, Cascais,
Portugal.
References 119
Scholten, H. and Cate, A.J.U., 1999. Quality assessment of the simulation modeling
process. Computers and Electronics in Agricultures 22, 199-208.
Scholten, H. and Van der Tol, M.W.M., 1994. Towards a metrics for simulation model
validation. In: Predictability and nonlinear modeling in natural sciences and economics.
Grassman, J. and Van Straten, G.(Eds.) Kluwer Academic Publishers, Dordrecht, The
Netherlands, 398-410.
Schreider, S.Y. and Mostovaia, A.D., 2001. Model sustainability in DSS design and
scenario formulation What are the right scenarios?. Environment International 27, 97-
102.
Schwab, P., Cerutti, F. and von Reibnitz, C., 2003. Foresight-using scenarios to shape
the future of agriculture research. Foresight 5 (1), 55-61.
Scrase, J.I. and Sheate, W.R., 2002. Integration and Integrated Approach to Assessment:
What do they mean for the environment?. Journal of Environmental Policy & Planning
4, 275-294.
SCS., 1971. Sediment sources, yields, and delivery ratios. In National Engineering
Handbook, Section 3: Sedimentation. U.S. Department of Agriculture, Soil
Conservation Service.
Shafer, G., 1976. A mathematical Theory of Evidence. Princeton University Press,
Princeton, New Jersey.
Shannon, C. E., 1948. A Mathematical Theory of Communication. The Bell System
Technical J. 27, 379-423 and 623-656, July and Oct. 1948.
Shannon, E. R., 1975. System Simulation: the art and science. Prentice-Hall,
Englewood Cliffs, New Jersey.
Shannon, E.R., 1981. Tests for verification and validation of computer simulation
models. Proceedings of the 1998 Winter Simulation Conference, 573-577.
Stergiou, K.I. and Christou, E.D., 1996. Modelling and forecasting annual fisheries
catches: comparison of regression, univariate and multivariate time series methods.
Fisheries Research 25, 105-138.
Sterman, J.D., 2002. All models are wrong: reflections on becoming a system scientist.
System Dynamics Review 18, 501-531.
Suriamihardja, D.A. et al., 2001. Study of Integrated Management on Jeneberang
Watershed, Phase 2. Final Report made by the cooperation program between Canadian
International Development Agency and Center for Environmental Study, Hasanuddin
University, Makassar, Indonesia.
References 120
Tarantola, S., Jesinghaus, J. and Poulamaa, M., 2000. Global Sensitivity Analysis: A
Quality Assurance Tool in Environmental Policy Modelling. In: A. Saltelli, K. Chan, &
E.M. Scott, (eds.), Sensitivity Analysis. Wiley, Chichester, pp. 385-397.
Thornton, P.K., 1996. A note on Regression Real-world Data on Model Output.
Agricultural systems (50), 411-414.
Turner, R. K., 2000. Integrated natural and socio-economic science in coastal
management. J. Marine Systems 25, 447-460.
Uljee I., Engelen, G. and White, R., 1996. RAMCO Demo guide. Modelling and
Simulation Research Group, Research Institute for Knowledge Systems b.v. P.O. Box
463, 6200 AL Maastricht, The Netherlands.
Van Asselt, M.B.A. and Rotmans, J., 2002. Uncertainty in Integrated Assessment
Modelling: From Positivism to Pluralism. Climate Chang 54, 75-105.
Van Asselt, M.B.A., 2000. Perspectives on Uncertainty and Risk: The PRIMA
Approach to Decision Support. Kluwer Academic Publishers.
Boston/Dordrecht/London.
Van Ast, J.A., 1999. Trends Towards Interactive Water Management; Developments in
International River Basin Management. Phys. Chem. Earth (B) 24 (6), 597-602.
Van der Fels-Klerx, H.J., Horst, H.S. and Dijkhuizen, A.A., 2000. Risk factors for
bovine respiratory disease in dairy youngstock in The Netherlands: the perception of
experts. Livestock Production Science 66, 35-46.
Van der Heijden, K., 1996. Scenarios: The Art of Strategic Conversation. John Wiley &
Sons. Chichester.
Van Gigch, J.P., 1974. Applied General Systems Theory. Harper & Row Publishers.
N.Y.
Van Oostenbrugge, J.A.E, Poos, J.J., Van Densen., W.L.T. and Machiels, M.A.M.,
2002. In search of a better unit effort in the coastal liftnet fishery with lights for small
pelagics in Indonesia. Fisheries Research 59, 43-56.
Van Tongeren, O.F.R., 1995. Data analysis or simulation model: a critical evaluation of
some methods. Ecological modeling 78, 51-60.
Veldkamp, A. and Lambin, E.F., 2001. Editorial: Predicting land-use change.
Agriculture, Ecosystems and Environment 85, 1-6.
Von Bertalanffy, L. (1968). General systems theory: Foundations, development,
applications. New York: Braziller.
Von Reibnitz, U., 1988. Scenario techniques. McGraw-Hill, Hamburg.
References 121
Walker, W.E., Harremoes, P., Rotmans, J. et al., 2003. Defining Uncertainty: A
Conceptual Basis for Uncertainty Management in Model-Based Decision Support.
Integrated Assessment 4 (1), 5-17.
WCC, 1993. World Coast Conference 1993, Preparing to meet the coastal challenges of
the 21st century, Conference Report, Noordwijk, The Netherlands, 1-5 November 1993.
Ministry of Transport, Public Works and Water Management. National Institute for
Coastal and Marine Management, Coastal Zone Management Centre (RIKZ).
WCED,1987. Our Common Future. The report of the World commission on
environment and Development, Oxford University Press, Oxford, UK.
White, R. and Engelen, G., 1997. Cellular automata as the basis of integrated dynamic
regional modelling. Environment and Planning B: Planning and Design. 4, 235-246.
Wiener, N. 1948. Cybernetics or Control and Communication in the Animal and the
Machine, Hermann et Cie, Paris, The MIT Press, Cambridge (Mass.), Wiley and Sons,
New York.
Wischmeier, W.H. and Smith, D.D., 1965. Predicting rainfall-erosion losses from
cropland east of the Rocky Mountains: Guide for Selection of Practices for Soil and
Water Conservation. Agriculture Handbook No. 282. Washington. U.S. Printing Office.
Wischmeier, W.H. and Smith, D.D., 1978. Predicting rainfall-erosion losses.
Agriculture Handbook No. 537. U.S. Department of Agriculture. Washington D.C.
Wismadi, A., 2003. Validation of Urban Growth Modelling by GIS and Earth
Observation Data Case Study: RaMCo Model for Makassar, Indonesia. Master Thesis.
International Institute for Geo-Information Science and Earth Observation (ITC),
Enschede, The Netherlands.
Zadeh L.A., 1973. Outline of a New Approach to the Analysis of Complex Systems and
Decision Process. IEEE Trans. Systems, Man, Cybernetics, SMC-3, 28-34.
Zio, E. and Apostolakis, G.E., 1997. Accounting for Expert-To-Expert Variability: A
Potential Source of Bias in Performance Assessments of High-Level Radioactive Waste
Repositories. Ann. Nucl. Energy 24 (10), 751-762.
Zio, E., 1996. On the use of the analytical hierarchy process in the aggregation of expert
judgments. Reliability Engineering and System Safety 53, 127-138.
References 122
Symbols
A
A(t)
a, b, c
Aavailable
Ai(t)
An(t)
Ave.
Ai(t)
B(t)
C
c(t)
C(t)
Ce(t)
di(X)
E
E(t)
E(t)uncorrected
EMSY
f(V)
Fi
k
computed soil loss per unit area
area of mixed agriculture or rice culture at the year t
regression coefficient of fisheries models
total available land in the study area
allocated land demand for land-use type i
area of ‘nature’ land-use type at the year t
average of the ranking of a factor/process given by all
experts/stakeholders in combining expert’s opinion
computed land demand for land-use type i
fish biomass at time t
cover management factor in USLE equation
system control variable at time t; production cost per unit area of
mixed agriculture or rice
catch rate at time t
catch rate at equilibrium biomass
elementary effect attributable to the input xi in the Morris design
gross Erosion in sediment equation
total number of trips at year t measured as the number of trips
belonging to a “reference” fleet which has no engine; also the fishing
effort at time t for fisheries model computations
number of fishing trips obtained from statistical data
fishing effort corresponding to Maximum Sustainable Yield
a dimensionless function whose value ranging form 0 to 1, reflecting
the irrigation of the storage lake to compute rice yield
frequency distribution of elementary effects of factor xi
number of factors considered in the Morris analysis; a parameter
corresponding to the unfished equilibrium stock size in fisheries
Symbols 124
K
KFi
L
LIi
LS
m
MSY
n
N(t)inboard
N(t)nonpow
N(t)outboard
p
P
p(t)
PTi
q
r
R
R2
S
s
s(t)
SDR
SKi
Std.
Sy
t
U(t), CPUE(t)
Ue(t)
wi
X
soil erodibility factor
fields of expertise, expert i has knowledge about
slope length factor
level of interest of expert i on a certain set of questions
the production of slope length factor and slope steepness factor
power factor in USLE equation
maximum sustainable yield
number of the inference rules
number of inboard-engine fishing trips at year t
number of nonpower fishing trips at year t
numbers outboard-engine fishing trips at year t
number of levels chosen for each factor in the Morris design
support practice factor
price per tonne of mixed agriculture or rice
professional title of expert i on a certain set of questions
parameter to describe the effectiveness of each unit of effort
number of elementary effects to construct a frequency distribution Fi;
also the intrinsic rate of fish population growth
rainfall factor
percentage of variance explained by regression
slope steepness factor
slope percentage in USLE
system state variable at time t
sediment delivery ratio
source of knowledge of expert i on a certain set of questions
standard deviation of the ranking of a factor given by all
experts/stakeholders for combining expert’s opinion
sediment yield
time
catch per unit effort (CPUE) at time t
catch per unit effort (CPUE) at time t under equilibrium assumption
weight assigned to the expert i
a vector containing k inputs or factors (x1,...xi,…xk)
Symbols 125
x
x(t)
x1
x2
x3
x4
xi
xi1
xip
y
y(t)
y(X)
YEi
yir
ynir
yrice
Z(t)
Zn(t)
Zn,tot
Ztot
α
∆
∆A(t)
∆An(t)
λ
Aggregated ranking of a factor given by all experts/stakeholders in
weight average method for combining expert’s opinion
system input variable at time t
numerical value of food crop price in the fuzzy set
numerical value of cash crop price in the fuzzy set
numerical value of production cost in the fuzzy set
numerical value of public investment in the fuzzy set
input or factor i in Morris design; ranking of a factor/process with
regard to its relatively influential importance, given by the expert i
minimum values of the uncertainty range of factor xi
maximum values of the uncertainty range of factor xi
values of a fuzzy output in the numerical domain
system output variable at time t; yield of mixed agriculture which can
accommodate technological changes in RaMCo
output as a function of the input vector X in Morris analysis
years of experience of expert i on a certain set of questions
maximum yields of rice culture with irrigation
maximum yields of rice culture without irrigation
yield of rice culture
sum of suitability for mixed agriculture or rice culture over all cells
occupied by mixed agriculture or rice culture at the year t
sum of geographical suitability for ‘nature’ land-use type over all cells
occupied by mixed agriculture or rice culture at the year t
extended sum of geographical suitability for ‘nature’ land-use type
over all cells on the map
extended sum of geographical suitability for mixed agriculture or rice
culture over all cells on the map
spatial growth coefficient of rice culture, mixed agriculture or nature
predetermined increment of factors in the Morris design
rate of change of the area of mixed agriculture (rather than rice) and
rice culture in RaMCo at year t
rate of change of the area of ‘nature’ land-use type in RaMCo
field slope length in USLE
Symbols 126
µ1(x1)
µ2(x2)
µ3(x3)
µ4(x4)
µAND
µCONS(y )
µiCONS(y)
µI
µOUT(y)
η(t)
σi
δn(t)
membership value for the food crop price corresponding to numerical
value x1
membership value for the cash crop price corresponding to numerical
value x2
membership value for the production cost corresponding to numerical
value x3
membership value for the public investment corresponding to
numerical value x4
membership value for the rule antecedent
membership function of the fuzzy rule consequent
membership function of the fuzzy rule consequent i
mean of the frequency distribution Fi in Morris analysis
aggregated membership function of n inference rules
spatial fraction of rice fields which can be irrigated
the standard deviation of the frequency distribution Fi
area of reforestation at the year t
Acronyms and abbreviations
AMSL
Ave.
BOD
CCA
CEDRS
CPUE
GOF
H
IA
IAM
ISM(s)
ISW
ITC
KF
L
LI
M
MF(s)
MOV(s)
MSY
RaMCo
RIKS
SA
SD
SDR
Above Mean Sea Level
Average
Biological Oxygen Demand
Constrained Cellular Automata
Catch and Effort Data Recording System
Catch per Unit Effort
Goodness-Of-Fit
High
Integrated Assessment
Integrated Assessment Modelling
Integrated Systems Model(s)
Integrated Water System
International Institute for Geo-information Science and
Earth observation
Knowledgeable Fields
Low
Level of Interest
Medium
Membership Functions
Management Objective Variables
Maximum Sustainable Yield
Rapid Assessment Model for Coastal zone Management
Research Institute for Knowledge System
Sensitivity Analysis
System Dynamics
Sediment Delivery Ratio
Acronyms and abbreviations 128
SE(s)
SK
Std.
SUA
UK
UNHAS
US
USLE
W&H Model
YE
Scientific experts
Source of Knowledge
Standard deviation
Sensitivity and Uncertainty Analyses
United Kingdom
Hasanuddin University
United State
Universal Soil Loss Equation
Walters and Hilborn Model
Years of Experience
Summary
The history of validation, verification or evaluation of scientific models is probably as
long as that of science itself. Nevertheless, the controversial debate pertaining to the
terminology and methodology used to determine the truthfulness, usefulness,
trustworthiness and validity of scientific models has not ended yet. The shift of model
purpose from describing nature to supporting the human process of regulating and
controlling nature is an obvious necessity, because making predictions for open systems
is arguably not possible. Describing nature and providing a fit to measurements is
necessary but not sufficient. New conditions and future situations, which the model is
intended to describe, should be taken into account in order to draw conclusions about
the validity of the model.
Integrated Systems Models (ISMs) have been developed over decades to support the
planning and management of natural resources and the environment. The development
of these models is based on the concepts of systems approach and integrated approach.
However, the lack of a generally accepted definition of model validity and model
validation, the inherent complexity of ISMs, the poor predictive value of historical data
related to the natural-human system, the scarcity of field data and the high level of
aggregation of ISMs make the validation of ISMs an extremely difficult task (Chapter
1). These problems raise a number of important questions, such as: to what extent can
such models contribute to our knowledge and ability to manage the environment? Do
they have added value in comparison with conventional process models? Centred in
these questions are the two questions: how can the validity of an ISM be defined? How
can this validity be determined? This thesis is aimed at answering these two questions.
The Rapid Assessment Model for Coastal-zone Management (RaMCo), which was
developed by a Dutch-Indonesian multidisciplinary team, serves as a case study to
achieve the objective of the thesis. The theoretical justification for this choice is that
RaMCo contains the typical characteristics of an Integrated Systems Model. First,
RaMCo has the ability to take into account the interactions of socio-economic
developments, biophysical conditions and policy options. Second, the model includes
linkages between many processes pertaining to different scientific fields, such as marine
pollution, land-use change, urbanisation, catchment hydrology, coastal hydrodynamics,
fisheries, and regional economic development. A practical justification for choosing this
model is that validation did not take place during the project. In addition, the availability
of new measured data (from 1996 until now) allows for the application of the
quantitative techniques which are suitable for the validation of ISMs.
In Chapter 1, the principles and concepts of the systems approach, system dynamics
modelling and integrated approach are explained in the context of integrated water
Summary 130
management. These concepts, together with the review of the purposes of ISMs
(Chapter 2), form the background that leads to a definition of validity and validation of
ISMs. The fundamental characteristic of the integrated systems modelling approach,
which differs from traditional modelling, is the focus on model structure, the interaction
between system elements and the behaviour (patterns) of the system. The function of an
ISM can range from data base and library - for which validation is less important - to
systems analysis and decision support, for which validation prior to any practical
application is of vital importance.
In the light of the concepts of system modelling and the purposes of ISMs, the validity
of ISMs is proposed to pertain to four aspects: the soundness and completeness of the
model structure, the plausibility and the correctness of model behaviour. Soundness of
the model’s structure is understood to mean that the model’s structure should be based
on valid reasoning and be free from logical flaws. Completeness of the structure means
that the model includes all elements relevant to the defined problems and their
underlying causes which concern the decision-makers and stakeholders. Plausibility of
model behaviour means that the model behaviour should not contradict general
scientific laws and established knowledge. Behaviour correctness is understood as the
extent to which computed behaviour and measured behaviour are in agreement.
Therefore, the validity of an Integrated Systems Model is defined as the soundness and
completeness of the model structure together with the plausibility and correctness of the
model behaviour. As a consequence, the validation of ISMs is defined as the process of
determining the model validity as defined above.
In view of the definition of model validity and the problems related to the validation of
ISMs just mentioned, a conceptual framework and a detailed procedure for the
validation of ISMs have been established. These reflect the philosophical position taken
in this thesis, which lies somewhere between objectivism (in the sense that there is an
ultimate truth) and relativism (one model is as good as any other) and beyond
rationalism and empiricism. In the conceptual framework for ISM validation (Fig. 2.2,
Chapter 2), three types of systems are distinguished: the real system, the model system
and the hypothesised system. The real system includes the components, their
interactions, the causal linkages between those components and the resulting behaviour
of the system in reality. The model system is the system built by the modellers to
simulate the real system, which may be used to support the decision-making process.
The hypothesised system is the counterpart of the real system, which is constructed for
the purpose of model validation. It is created from readily available data, available
knowledge of the system experts (scientific researchers and decision-makers) and the
experience of stakeholders. With this classification, we can carry out two categories of
validation tests: empirical and rational. These tests are selected and designed to answer
three research questions: how can the validity of the ISM elements and structure be
determined? How can the validity of ISM future behaviour be determined qualitatively?
How can the validity of ISM quantitative behaviour be determined if measured data are
available to a limited extent?
A realisation of the conceptual framework in the form of a general validation procedure
is organised in sixteen steps, ordered in four phases (Fig. 2.3, Chapter 2). Phase 1 is
aimed at specifying the inputs, parameters, sub-models and clusters of processes that are
relevant to the Management Objective Variables (MOVs) of concern. This is done by
Summary 131
using screening sensitivity analysis. Phase 2 is related to collecting and evaluating
validation data from the field, expert knowledge, experience of stakeholders and
literature. A special aspect is the formulation of system experts’ hypotheses with which
validation can be carried out in the absence of field data. Phase 3 is the testing phase,
where the concepts of performance criteria and validity criteria are important. A set of
appropriate tests for ISM validation is selected, developed and applied. The procedure
ends with Phase 4, assessing and reporting. This general procedure helps to reduce the
workload and overcome the problem of the complexity of ISMs.
To determine the validity of the model elements and structure, it is necessary to find an
appropriate approach to solve several typical problems, such as the lack of field data for
model calibration and validation, the uncertainty of these data and the differences in
perception between resource managers, stakeholders and modellers about the problems
of concern. The ultimate purpose of this validation is to obtain an ISM with a complete
set of relevant elements (key issues and causally linked components) that are important
to stakeholders and decision-makers, and a sound structure. A validation procedure,
which has the above-mentioned characteristics, is described in Chapter 3. The approach
is based on the Morris sensitivity analysis, a simple expert elicitation technique, and
Monte Carlo analysis to facilitate three validation tests, namely Parameter-Verification,
Behaviour-Anomaly and Policy Sensitivity. Two management variables, the living coral
reef area and the total pollution load into the coastal waters, expressed in the Biological
Oxygen Demand (BOD), are selected as case examples. The application of this
validation procedure shows that omitting poison fishing limits the ability of RaMCo as a
discussion tool for describing the future state of the living coral.
To determine qualitatively the validity with respect to the system’s future behaviour, it
is necessary to find an appropriate approach to solve a number of particular problems.
The system under consideration is open, which is characterised by the uncertain future
exogenous variables, for example the effect of an advance in fishing techniques or the
changing subsidy policy for rice culture. Human behaviour is complex and therefore the
social sciences are largely qualitative by nature. This limits the predictive value of
historical data for describing the future state of the system. Agreement between
simulated behaviour and historical data does not guarantee agreement between the
simulated behaviour and future data. The purpose of this validation approach is to
obtain a model which serves well as a tool for facilitating discussions between system
experts about the future behaviour of the system. The model should be sound and
complete enough to reflect the system experts’ consensus about the behaviours of the
system, under a chosen set of possible socio-economic and policy scenarios. Chapter 4
describes such an approach. Within this approach, expert knowledge is elicited in the
form of qualitative scenarios. These qualitative scenarios are translated into quantitative
projections using fuzzy set theory, which is very suitable to deal with the ambiguity and
imprecision related to humanistic systems. Trend line comparison between the
behaviour projections made by the model and projections based on expert knowledge
can reveal structural faults of the model. This is demonstrated by the example discussed
in Chapter 4. Due to the too coarse aggregation level of the land-use model (reflected by
a lack of erosion-sensitive land-use types), RaMCo fails to describe the consequences of
possible future changes in socio-economic factors and policy options on the sediment
yield to a storage lake.
Summary 132
In order to determine the validity of the model behaviour quantitatively, i.e. if
quantitative observations are available, an appropriate approach has been formulated to
address two problems: the uncertainty of the data for the model calibration and
validation, and the problem of defining quantitative criteria for measuring the validity of
an ISM. The ultimate purpose of this kind of validation is to obtain a model which can
provide a correct trend and a reasonable magnitude of change in the key management
variables under a selected combination of measures and scenarios. This means that the
ISM should be good enough to provide plausible and accurate behaviour to satisfy these
requirements. Chapter 5 is devoted to the development of a procedure for this purpose,
which is tested for the fisheries model of RaMCo. This model is chosen as a case
example because the empirical data needed for quantitative validation are easier to
obtain for a small-scale model. Residual analysis is proposed to examine the pattern
replication ability of the model. The Mitchell (1997) test is used to test the predictive
accuracy, and the extreme behaviour test is adopted to test the plausibility of the model
behaviour. The example given in Chapter 5 demonstrates that a good fit between
observed data and predicted data does not guarantee the plausibility of a model. When
the model lacks plausibility, it fails to be a useful tool for policy formulation.
Summarising, this thesis presents a methodology to validate Integrated Systems Models,
with three innovative aspects. An appropriate procedure has been established to test the
completeness and the soundness of the model structure and elements based on
sensitivity and uncertainty analyses. A new approach has been developed to test
integrated models using qualitative scenarios, dealing with the problem of uncertain
future conditions and the qualitative nature of social sciences and human behaviour.
Finally, a procedure has been formulated to test the validity of the quantitative model
behaviour when measured data are only available to a limited extent.
Although the proposed methodology has been applied to validate RaMCo, it is expected
to be applicable to other ISMs which have the same characteristics as RaMCo. These
characteristics include: model complexity, the inclusion of social science, the lack of
and large uncertainty of field data for model calibration and validation and the high
level of aggregation. The proposed methodology is not only applicable to the validation
of ISMs but it can also contribute to the quality assurance guidelines for integrated
modelling. The two approaches proposed in Chapter 3 and Chapter 4, which allow for
the participation of system experts and stakeholders during the model design, can be
used to select and refine the conceptual model and to calibrate a site-specific model.
The quantitative testing procedure, which is described in Chapter 5, can be applied to
validate process models, such as ecological models, hydrological models and
hydrodynamic models.
Nevertheless, this thesis is not expected to provide a full guideline for ISM validation
with a complete set of tests. Taking the philosophical standpoint, it does not matter how
many tests a model has passed, the very next test and/or next data may falsify a model.
The tests proposed in this thesis can be considered as the minimum necessary prior to
any practical application of an ISM.
Samenvatting
Waarschijnlijk zijn de validatie, verificatie, en evaluatie van wetenschappelijke
modellen net zo oud als de wetenschap zelf. Desalniettemin is er nog geen einde
gekomen aan de controverse m.b.t. de terminologie en methodologie voor het bepalen
van het waarheidsgehalte, de bruikbaarheid, betrouwbaarheid en validiteit van
wetenschappelijke modellen. De accentverschuiving van het doel van modellen van
beschrijving van de natuur naar de ondersteuning van de regulering en beheersing
daarvan is duidelijk noodzakelijk, omdat het aantoonbaar onmogelijk is om
voorspellingen te doen over open systemen. Het beschrijven van de natuur en bereiken
van overeenstemming met metingen is noodzakelijk, maar niet voldoende. Nieuwe
omstandigheden en toekomstige veranderingen, welke het model dient te beschrijven,
zouden in acht genomen moeten worden om tot een oordeel te komen over de validiteit
van een model.
Reeds gedurende een aantal decennia zijn er Integrale Systeem Modellen (ISMs)
ontwikkeld om de beleidsvorming en het beheer van natuurlijke hulpbronnen en het
milieu te ondersteunen. De ontwikkeling van deze modellen is gebaseerd op concepten
ontleend aan de systeembenadering en integrale benadering. Desondanks leiden het
gebrek aan een algemeen geaccepteerde definitie van model validiteit en model
validatie, de complexiteit die inherent is aan ISMs, de slechte voorspellingswaarde van
historische gegevens m.b.t. het natuur-mens systeem, de schaarsheid van veldgegevens
en het hoge aggregatieniveau van ISMs ertoe dat de validatie van ISM's een zeer
moeilijke taak is (Hoofdstuk 1). Deze problemen roepen een aantal belangrijke vragen
op, zoals: "In welke mate kunnen dergelijke modellen een bijdrage leveren aan onze
kennis en ons vermogen om de natuur te beheren?", "Hebben deze modellen een
toegevoegde waarde in vergelijking met conventionele procesmodellen?". Besloten in
deze vragen zijn de twee onderliggende vragen: "Hoe kan de validiteit van een ISM
worden gedefinieerd?", "Hoe kan deze validiteit worden bepaald?". Het doel van dit
proefschrift is een antwoord te vinden op deze twee vragen.
Het Rapid Assessment Model for Coastal-Zone Management (RaMCo) is ontwikkeld
door een nederlands-indonesisch, multidisciplinair team, en dient als gevalsstudie voor
dit proefschrift. De theoretische rechtvaardiging voor deze keuze is dat RaMCo de
typische kenmerken van een Integraal Systeem Model heeft. In de eerste plaats biedt
RaMCo de mogelijkheid om de interacties tussen sociaal-economische ontwikkelingen,
biofysische omstandigheden, en beleidsopties in beschouwing te nemen. In de tweede
plaatszijn in het model dwarsverbanden tussen vele processen, zoals de vervuiling van
zeewater, verandering van landgebruik, verstedelijking, de hydrologie van
stroomgebieden, de kusthydrodynamica, de visserij, en regionale economische
ontwikkeling, opgenomen. Een practische rechtvaardiging voor de keuze voor dit model
Samenvatting 134
isdat gedurende het project geen validatie plaatsvond. Daarnaast biedt de
beschikbaarheid van nieuwe meetgegevens (vanaf 1996 tot nu toe) de mogelijkheid om
kwantitatieve technieken, die geschikt zijn voor de validatie van ISMs, toe te passen.
In Hoofdstuk 1 worden de principes en concepten van de systeembenadering,
systeemdynamisch modelleren en de integrale aanpak uiteengezet tegen de achtergrond
van integraal waterbeheer. Samen met een overzicht van de functies van ISMs
(Hoofdstuk 2) vormen deze concepten de achtergrond, van waaruit een definitie van
validiteit en validatie van ISMs is ontwikkeld. Het fundamentele kenmerk van de
benadering van integrale systeemmodellering, die verschilt van de traditionele wijze van
modelleren, is dat de nadruk ligt op modelstructuur, de wisselwerking tussen
systeemelementen en het gedrag(spatroon) van het systeem. De functie van een ISM
kan variëren van gegevensopslag en bibliotheek, waarvoor validatie minder belangrijk
is, tot een systeemanalyse en beslissingsondersteuning, waarvoor validatie voorafgaand
aan enige practische toepassing van het model van wezenlijk belang is.
In het licht van de concepten uit de systeemmodellering en de doelen van ISMs wordt
voorgesteld de validiteit van ISMs te koppelen aan vier aspecten: de juistheid en
compleetheid van de modelstructuur, de aannemelijkheid en correctheid van het
modelgedrag. Onder de juistheid van een model wordt verstaan dat de modelstructuur
gebaseerd is op geldige redeneringen en gevrijwaard is van logische tekortkomingen.
Compleetheid van de structuur betekent dat het model alle elementen omvat, welke
relevant zijn voor de gedefinieerde problemen en onderliggende oorzaken, die voor
besluitvormers en belanghebbenden van belang zijn.. Aannemelijkheid van modelgedrag
betekent dat het modelgedrag niet in strijd mag zijn met de regels der wetenschap en
gevestigde kennis. Onder de correctheid van het modelgedrag wordt de mate waarin het
berekende en het waargenomen gedrag overeenstemmen verstaan. Daarom wordt de
validiteit van een Integraal Systeem Model gedefinieerd als de juistheid en compleetheid
van de modelstructuur, samen met de aannemelijkheid en correctheid van het
modelgedrag. Daaruitvolgend wordt de validatie van ISMs gedefinieerd als het proces
dat leidt tot een bepaling van de modelvaliditeit.
Met het oog op de definitie van modelvaliditeit en de zojuist genoemde problemen met
betrekking tot de validatie van ISMs, zijn een conceptueel raamwerk en een
gedetailleerde procedure voor de validatie van ISMs opgezet. Deze weerspiegelen het
filosofische uitgangspunt van dit proefschrift, dat zich ergens tussen het objectivisme (in
de zin dat er een ultieme waarheid is) en het relativisme (het ene model is net zo goed
als enig ander model), en voorbij rationalisme en empirisme, bevindt. Binnen het
conceptuele raamwerk (Fig 2.2, Hoofdstuk 2), worden drie soorten systemen
onderscheiden: het werkelijke systeem, het modelsysteem, en het gehypothetiseerde
systeem. Het werkelijke systeem omvat de bestaande componenten met hun interactiesen
causale verbanden tussen deze componenten, en het daaruit volgende gedrag van het
systeem, zoals dat in werkelijkheid bestaat. Het model systeem is het systeem, dat door
de modelontwikkelaars geconstrueerd is om het werkelijke systeem te simuleren, en kan
worden ingezet om de besluitvorming te ondersteunen. Het gehypothetiseerde systeem
is de tegenhanger van het werkelijke systeem, en is geconstrueerd voor modelvalidatie.
Het is gebaseerd op eenvoudig beschikbare gegevens, de beschikbare kennis van
systeemdeskundigen (wetenschappers en besluitnemers) en de ervaring van
belanghebbenden. Met deze indeling kunnen we twee categorieën van validatietoetsen,
Samenvatting 135
empirische en rationele, uitvoeren. Deze testen zijn gekozen en ontworpen om drie
onderzoeksvragen te beantwoorden: "Hoe kan de validiteit van de elementen en
structuur van een ISM worden bepaald?", "Hoe kan kwalitatief de validiteit van het
toekomstgedrag als beschreven door een ISM worden bepaald?", en "Hoe kan de
validiteit van het kwantitatieve modelgedrag worden bepaald, indien meetgegevens in
beperkte mate beschikbaar zijn?".
Een realisatie van het conceptueel raamwerk binnen een algemene validatie procedure is
gevormd rond zestien stappen, die in vier fasen zijn geordend (Fig 2.3, Hoofstuk 2). De
eerste fase is erop gericht de ingangsvariabelen, parameters, submodellen, en clusters
van processen te specificeren, die relevant zijn voor de betreffende Management Doel
Variabelen (MDVs). Dit gebeurt door een gevoeligheidsanalyse op basis van screening.
De tweede fase houdt verband met het verzamelen en waarderen van validatiegegevens
op basis van veldbezoek, expertkennis, de ervaring van belanghebbenden, en literatuur.
Een bijzonder aspect is het formuleren van systeemhypotheses door experts, waarmee
validatie zonder veldgegevens mogelijk wordt. De derde fase betreft het toetsen, waarbij
de concepten van doelmatigheidscriteria en validiteitscriteria belangrijk zijn. Voor de
validatie van Integrale Systeem Modellen zijn een aantal geschikte toetsen uitgekozen,
ontwikkeld, en toegepast. De procedure eindigt met de vierde fase, die bestaat uit het
waarderen en rapportage. Deze algemene procedure draagt bij aan de verlichting van de
werklast en aan de aanpak van het probleem van de complexiteit van ISMs.
Teneinde de validiteit van de elementen en structuur van modellen te bepalen, is het
noodzakelijk een geschikte benadering te vinden, waarmee een aantal kenmerkende
problemen, zoals het gebrek aan veldgegevens voor de calibratie en validatie van
modellen, de onzekerheid van deze gegevens, en het verschil in perceptie tussen de
beheerders van hulpbronnen, belanghebbenden en de modelontwikkelaars met
betrekking tot de problemen, die van belang zijn. Het uiteindelijke doel van deze
validatie is te komen tot een ISM met een complete verzameling relevante elementen
(hoofdkwesties en de oorzakelijk gekoppelde componenten), die voor belanghebbenden
en besluitvormers een rol spelen, en een juiste structuur. In Hoofdstuk 3 wordt een
validatie procedure met bovengenoemde eigenschappen beschreven. De benadering is
gebaseerd op de gevoeligheidsanalyse volgens Morris, een eenvoudige techniek om
informatie aan experts te onttrekken, en Monte Carlo analyse, waarmee drie
validatietoetsen, namelijk Parameterverificatie, Gedragsanomalie, en
Beleidsgevoeligheid, kunnen worden uitgevoerd. Twee beheersvariabelen, het
oppervlak levend koraalrif, en de totale uitstoot van afvalstoffen in de kustwateren,
uitgedrukt in de Biologische Zuurstofbehoefte (BZB), zijn als voorbeeld uitgekozen. De
toepassing van deze validatie procedure toont aan dat het weglaten van gifvisserij het
vermogen van RaMCo om als discussieinstrument voor de beschrijving van de
toekomstige toestand van het levend koraal te dienen beperkt.
Teneinde kwalitatief de validiteit van een model met betrekking tot het toekomstgedrag
te bepalen, is het noodzakelijk een geschikte benadering te vinden, waarmee een aantal
bijzondere problemen kunnen worden opgelost. Het beschouwde systeem is open, en
wordt gekenmerkt door onzekere, toekomstige, exogene variabelen, bijvoorbeeld het
effect van een vooruitgang in visvangsttechniek of een veranderd subsidiebeleid t.a.v.
de rijstcultuur.Het menselijk gedrag is complex en daarmee is de beschrijving daarvan
door de sociale wetenschappen grotendeels kwalitatief van aard. Dit beperkt de
Samenvatting 136
voorspellende waarde van historische gegevens voor het beschrijven van de toekomstige
systeemtoestand. Overeenstemming tussen het gesimuleerde gedrag en historische
waarnemingen waarborgt niet een overeenstemming tussen het gesimuleerde gedrag en
toekomstige waarnemingen. Het doel van deze validatiemethode is een model te
verkrijgen, dat goed als instrument kan dienen ter vereenvoudiging van discussies
tussen systeemexperts met betrekking tot het toekomstige gedrag van het systeem. Het
model dient voldoende correct en compleet te zijn om de overeenstemming weer te
geven, die onder deskundigen bestaat over de gedragspatronen van het systeem onder
een gekozen verzameling mogelijke sociaal-economische en politieke scenarios.
Hoofdstuk 4 beschrijft een dergelijke aanpak. Binnen deze aanpakwordt kennis in de
vorm van kwalitatieve scenarios aan experts onttrokken. Deze kwalitatieve scenarios
worden vertaald in kwantitatieve projecties door middel van de theorie van vage
verzamelingen. Deze is zeer geschikt om de dubbelzinnigheid en onnauwkeurigheid, die
samenhangen met menselijke systemen, aan te pakken. Structurele fouten van het model
kunnen worden blootgelegd door de trendcurves tengevolge van het geprojecteerde
modelgedrag te vergelijken met de projecties op basis van expertmeningen. Het
voorbeeld dat in Hoofdstuk 4 wordt beschreven vormt een voorbeeld hiervan.
Tengevolge van het te hoge aggregatieniveau van het landgebruiksmodel (weerspiegeld
door het ontbreken van erosiegevoelige landgebruiksklassen) is RaMCo niet in staat om
de gevolgen van toekomstige veranderingen in sociaal-economische factoren en
beleidskeuzes op de sedimentvracht naar een stuwmeer te beschrijven.
Teneinde de validiteit van het modelgedrag kwantitatief te beschrijven, d.w.z. indien
kwantitatieve waarnemingen beschikbaar zijn, is een geschikte methode geformuleerd,
waarmee twee problemen kunnen worden aangepakt: de onzekerheid die samenhangt
met de calibratie en validatie van modellen en het probleem dat samenhangt met de
definitie van kwantitatieve criteria om de validiteit van ISMs te meten. Het uiteindelijke
doel van dit type validatie is een model te verkrijgen, dat een correcte trend en een
redelijke orde van grootte in de verandering van belangrijke beheersvariabelen kan
geven, indien een bepaalde combinatie van maatregelen en scenarios wordt toegepast.
Dit betekent dat het ISM zo goed dient te zijn dat aannemelijk en nauwkeurig gedrag
wordt vertoond, zodat aan deze eisen voldaan kan worden. Hoofdstuk 5 is gewijd aan de
ontwikkeling van een procedure hiervoor, die getoetst wordt methet visserijmodel van
RamCo. Dit model is gekozen als voorbeeld omdat het voor kleinschalige modellen
eenvoudiger is om de empirische gegevens, die nodig zijn voor kwantitatieve validatie,
te vezamelen. Binnen deze methode wordt residuele analyse voorgesteld om het
vermogen van het model om gedragspatronen te reproduceren, onderzocht. De Mitchell
(1997) toets is ingezet om de voorspellende nauwkeurigheid te toetsen, en de extreme
gedrags toets is gebruikt om de aannemelijkheid van het modelgedrag te toetsen. Het
voorbeeld, dat in dit hoofdstuk wordt beschreven, toont aan dat een goede
overeenstemming tussen waargenomen en voorspelde gegevens de aanemelijkheid van
een model niet garandeert. Indien het model tekort schiet in aannemelijkheid is het niet
bruikbaar als instrument voor beleidsvoorbereiding.
Samengevat wordt in dit proefschrift een methodologie voor de validatie van Integrale
Systeem Modellen gepresenteerd, met drie vernieuwende aspecten. Op basis van
gevoeligheids- onzekerheidsanalyses is een geschikte procedure voor het toetsen van de
compleetheid en juistheid van de modelstructuur en elementen opgezet. Daarnaast is een
nieuwe benadering ontwikkeld om integrale modellen met kwalitatieve scenarios te
Samenvatting 137
toetsen, waarmee het probleem van onzekere toekomstige omstandigheden en de
kwalitatieve aard van de sociale wetenschappen en het menselijk gedrag kan worden
aangepakt. Tenslotte is een procedure geformuleerd om de validiteit van het
kwantitatieve modelgedrag te toetsen indien meetgegevens beperkt beschikbaar zijn.
Hoewel de voorgestelde methodologie is toegepast om RaMCo te valideren is de
verwachting dat deze inzetbaar zal zijn voor andere ISMs, die dezelfde kenmerken
hebben als RaMCo. Deze kenmerken zijn: model complexiteit, de rol van de sociale
wetenschappen, het gebrek aan en de grote onzekerheid omtrent de veldgegevens voor
de modelcalibratie en modelvalidatie, en het hoge aggregatieniveau. De voorgestelde
methodologie is niet alleen toepasbaar voor de validatie van ISMs, maar kan ook een
belangrijke bijdrage leveren aan richtlijnen ter waarborging van de kwaliteit van het
integraal modelleren. De twee benaderingen die in Hoofdstuk 3 en Hoofdstuk 4 worden
voorgesteld om systeemexperts en belanghebbenden bij de modelontwikkeling te
betrekken, kan worden ingezet om het conceptuele model te kiezen en te verfijnen,
alsmedeeen locatieafhankelijk model te calibreren. De kwantitatieve procedure voor het
toetsen, die in Hoofdstuk 5 wordt beschreven, kan worden toegepast om andere soorten
modellen, zoals ecologische, hydrologische, en hydrodynamische modellen, te
valideren.
De verwachting is echter niet dat dit proefschrift een volledige richtsnoer voor de
validatie van ISMs biedt met een complete verzameling toetsen. Filosofisch beschouwd
maakt het geen verschil hoeveel toetsen een model doorstaat, de eerstvolgende toets
en/of gegevens kunnen een model falsifiëren. De toetsen, die in dit proefschrift worden
voorgesteld, zouden moeten worden beschouwd als het minimum dat noodzakelijk is,
voorafgaand aan enige practische toepassing van een ISM.
Samenvatting 138
About the author
Nguyen Tien Giang was born in Hanoi, Vietnam. He received his Engineering Degree,
with distinction, majoring in Hydrology and Environment from Hanoi Water Resources
University in 1997. His bachelor thesis was entitled ‘Water balance in the Upper
Serepok Basin for socio-economic development up to the year 2010’. From 1997 to
1998 he worked as a lecturer at the Faculty of Hydro-meteorology and Oceanography of
the University of Science, Hanoi National University.
He enrolled at the Asian Institute of Technology (AIT), in Bangkok, Thailand to follow
a master programme, and majored in Water Resource Development (1998-2000). The
fund for this two-year study period was granted by the Danish International
Development Agency (DANIDA). The topic of his master thesis was ‘Sediment
transport balance and bank erosion in the Son Tay curved bend, Red River, Vietnam’.
He was awarded the M.E. degree in April, 2000, with an excellent grade for his thesis.
After completing the master programme, he received a grant from the Japan
International Cooperation Agency (JICA) and worked at AIT for one year (2000-2001)
as a research assistant in the department of Water Engineering and Management at the
School of Civil Engineering. His research was involved with the development of a Two-
dimensional Riverbed Evolution Model constructed in general non-orthogonal
curvilinear coordinate system.
In August, 2001 he joined the group of Water Engineering and Management as a PhD
student, at Twente University, Enschede, The Netherlands. The PhD programme has
been funded by both the Netherlands Foundation for the Advancement of Tropical
Research (WOTRO) and the University of Twente. Four years of working mainly with
integrated systems models, uncertainty and sensitivity analyses, fuzzy logics, expert
elicitation and regression analysis have resulted in this thesis.
After the completion of this PhD research, he will return to Vietnam and work at the
Faculty of Hydro-meteorology and Oceanography as a lecturer.
Các file đính kèm theo tài liệu này:
- ThesisNTGiang.pdf