Sensitivity analysis (SA) in spatially explicit agent-based models (ABMs) has emerged to address some of the challenges associated with model specification and parameterization. For spatially explicit ABMs, the comparison of spatial or spatio-temporal patterns has been advocated to evaluate models. Nevertheless, less attention has been paid to understanding the extent to which parameter values in ABMs are responsible for mismatch between model outcomes and observations. In this paper, we propose the use of multiple scale space-time patterns in variance-based global sensitivity analysis (GSA). A vector-borne disease transmission model was used as the case study. Input factors used in GSA include one related to the environment (introduction rates), two related to interactions between agents and environment (level of herd immunity, mosquito population density), and one that defines agent state transition (mosquito extrinsic incubation period). The results show parameters related to interactions between agents and the environment have great impact on the ability of a model to reproduce observed patterns, although the magnitudes of such impacts vary by space-time scales. Additionally, the results highlight the time-dependent sensitivity to parameter values in spatially explicit ABMs. The GSA performed in this study helps in identifying the input factors that need to be carefully parameterized in the model to implement ABMs that well reproduce observed patterns at multiple space-time scales.

中文翻译：

---

在基于方差的全局敏感性分析中使用多尺度时空模式对基于空间显性代理的模型进行分析

空间显式基于代理的模型 (ABM) 中的敏感性分析 (SA) 已经出现，以解决与模型规范和参数化相关的一些挑战。对于空间显式 ABM，提倡比较空间或时空模式来评估模型。然而，很少有人关注了解 ABM 中的参数值在多大程度上导致模型结果和观察结果之间的不匹配。在本文中，我们建议在基于方差的全局敏感性分析 (GSA) 中使用多尺度时空模式。以病媒传播疾病传播模型作为案例研究。GSA 中使用的输入因素包括一个与环境有关（引入率），两个与代理与环境之间的相互作用（群体免疫水平，蚊子种群密度），以及定义代理状态转换（蚊子外在潜伏期）。结果表明，与代理与环境之间的交互相关的参数对模型重现观察到的模式的能力有很大影响，尽管这种影响的大小因时空尺度而异。此外，结果突出了空间显式 ABM 中参数值的时间依赖性敏感性。本研究中执行的 GSA 有助于确定需要在模型中仔细参数化的输入因素，以实施能够在多个时空尺度上很好地再现观察到的模式的 ABM。结果表明，与代理与环境之间的交互相关的参数对模型重现观察到的模式的能力有很大影响，尽管这种影响的大小因时空尺度而异。此外，结果突出了空间显式 ABM 中参数值的时间依赖性敏感性。本研究中执行的 GSA 有助于确定需要在模型中仔细参数化的输入因素，以实施能够在多个时空尺度上很好地再现观察到的模式的 ABM。结果表明，与代理与环境之间的交互相关的参数对模型重现观察到的模式的能力有很大影响，尽管这种影响的大小因时空尺度而异。此外，结果突出了空间显式 ABM 中参数值的时间依赖性敏感性。本研究中执行的 GSA 有助于确定需要在模型中仔细参数化的输入因素，以实施能够在多个时空尺度上很好地再现观察到的模式的 ABM。