• 摘要
• 简介
• 最佳使用政策可靠评估建模的障碍
• 大规模管理实验的成本与风险
• 研究和管理组织的自身利益
• 生态价值的基本冲突
• 读者的结论和问题
• 反应
• 致谢
• 文献引用

许多河岸生态系统适应性管理规划的案例研究未能产生有用的政策比较模型或解决关键不确定性的良好实验性管理计划。建模工作一直受到跨尺度效应(从快速水文变化到长期生态响应)表示困难，缺乏难以研究的关键过程的数据，以及验证数据中的因素效应混淆的困扰。实验性政策被认为成本太高或风险太大，特别是在监测敏感物种的成本和风险方面。研究和管理利益相关者表现出可悲的利己主义，将适应性政策的发展视为对现有研究项目和管理制度的威胁，而不是改进的机会。关于实验性管理制度的建议暴露和突出了生态价值方面的一些真正根本的冲突，特别是在濒危物种在历史管理下繁荣昌盛，并将受到生态系统恢复努力的威胁的情况下。如果我们能找到绕过这些障碍的方法，未来的适应性管理有很大的潜力。

提交日期:1997年10月7日。录用日期:1997年11月11日。

关键词:适应性管理;沿海生态系统;生态系统管理;渔业;制度性的障碍;管理实验;建模;河岸生态系统;模拟。

在河岸和沿海海洋生态系统的适应性管理方面有越来越多的案例经验。大多数管理计划现在至少间接提到需要一种适应性办法，特别是在生态系统管理的任务已使我们注意到历史管理经验很少的“新”政策选择的情况下，例如调节河流流量。适应性管理在包括哥伦比亚河(Lee 1993)和科罗拉多河(Collier et al. 1997)在内的主要河流系统的政策规划中形成了一个非常明显的元素。一项适应性管理的主要规划工作正在密西西比河上游进行(S. Light，明尼苏达州DNR，个人沟通)，采用适应性环境评估与管理(AEAM)过程(Holling 1978, Walters 1986)。AEAM过程在当前佛罗里达大沼泽地的恢复计划中发挥了作用(Walters et al. 1992, Ogden and Davis 1994)。目前正在澳大利亚大堡礁进行一项大规模管理实验，采用AEAM方法开发的设计，目的是测试捕鱼对珊瑚礁生态系统的影响(Mapstone等人，1996年)。

尽管在一些情况下出现了一些对适应性管理的特殊和目光短暂的定义(见Halbert 1993年的综述)，但今天我们通常使用这个术语来指代“边做边学”的结构化过程，它不仅仅涉及更好的生态监测和对意外管理影响的反应。特别是，人们一再主张(Holling 1978, Walters 1986, Van Winkle等人1997)，适应性管理应从协调一致的努力开始，将现有的跨学科经验和科学信息整合到动态模型中，试图对替代政策的影响做出预测。该建模步骤旨在发挥三个功能:(1)问题澄清和加强科学家、管理人员和其他利益相关者之间的沟通;(2)政策筛选，剔除那些最有可能因影响规模或类型不足而无法带来多大好处的方案;(3)识别使模型预测产生怀疑的关键知识缺口。大多数情况下，知识缺口涉及生物物理过程和关系，由于各种原因，这些过程和关系已经挑战了传统的科学研究方法，而且最常见的情况是，在建模过程中，最快速、最有效的填补缺口的方法是通过集中的、大规模的管理实验，这些实验直接揭示了未来管理实际发生的时空尺度上的过程影响。

管理实验的设计因此成为适应性管理过程中的关键的第二步，关于如何处理大规模实验的成本和风险的一整套全新的管理问题出现了(Walters和Green 1996)。事实上，AEAM建模经常会为管理实验提供建议，以至于像我和英属哥伦比亚大学的同事这样的从业者已经开始使用术语“适应性管理”和“实验管理”作为同义词。简而言之，适应性管理规划中的建模步骤允许我们，至少在原则上，用仔细测试的学习(定向选择的过程)取代通过试错的管理学习(一个进化的过程)。

不幸的是，适应性管理规划很少从模型开发的初始阶段发展到实际的实地试验。在过去的20年里，我参与了25个河岸和沿海生态系统适应性管理的规划工作;其中只有7个实验进行了比较大规模的管理实验，其中只有2个实验在统计设计(适当的控制和重复)方面被认为是计划良好的。在另外两个案例中，我们无法确定可实际实施的实验性政策。其余的公司要么消失了，没有可见的产品，要么被困在明显无休止的模型开发和改进过程中。对实施适应性管理的低成功率提出了各种原因，主要与成本和制度障碍有关(Halbert 1993, Ludwig等人1993,Gunderson等人1995,Castleberry等人1996,Van Winkle等人1997)。

本文根据我的案例经验，讨论了适应性管理政策实施成功率低的四个原因。从某种意义上说，所有这些都是制度原因。此外，这些挑战是适应性管理的支持者在未来必须经常面对的。首先，适应性管理规划的建模经常被正在进行的建模练习所取代，显然是基于这样一种假设，即详细的建模可以取代确定“最佳使用”政策的实地实验。在这类工作中还有一个进一步的假设，即最佳使用政策可以在将来通过“被动地适应”使用改进的监测资料加以纠正。在这里，我指出了各种相当明显的原因，为什么这样的建模练习可能会失败。其次，与最佳使用基准选项相比，适应性管理的有效实验通常被认为过于昂贵和/或具有生态风险。尽管我在许多情况下都同意这种担忧，但我注意到，假定可以首先找到一些合理的基线选项通常是一种谬论。第三，在管理官僚机构中，保护各种自身利益的人常常强烈反对实验性政策。我建议，适应性管理的支持者必须大力将这些利益暴露在公众监督之下。 Fourth, there are some very deep value conflicts within the community of ecological and environmental management interests. These conflicts have become more of a barrier to policy change than the traditionally recognized conflicts between ecological and industrial (e.g., power production) values.

对一些读者来说，这篇论文提出的问题可能比它回答的要多;这当然是我写这本书的经验。在结语部分，我列出了一些尚未解决的问题，希望能促进进一步的讨论和分析。

在前面提到的七个适应性管理规划案例中，实验性管理政策尚未实施，在最初的AEAM模型开发之后，取而代之的是在基线信息收集和复杂的模拟建模方面进行非常大量和持续的投资。这些投资的范围从沿海平流的三维水动力模型，到种群动态的基于个体的模型，再到基于GIS信息的高分辨率景观模型。推动这些投资的可能是这样一种假设:通过更精确、更机械的细节、更多的变量和因素，可以找到合理的预测(因此，也就有了良好的基准政策)。

在最近的一次AEAM建模研讨会上，一位机构代表将研讨会上开发的模型称为“玩具模型”，这些模型可能是有价值的分析起点，但最终应该被“真实模型”所取代。如此奇特的术语(尤其是矛盾修饰法“真实模型”)无疑表明了一种信念，即模型在某种程度上不仅仅是帮助我们更清楚地思考问题的玩具。Van Winkle等人(1997)认为，将基于个体的鱼类种群模型与改进的物理栖息地模型相结合，可以“产生相对准确且远低于适应性管理方法的溪流流量评估”。然而，他们的这一论断是基于水流量实验变化所测试的模型结果，这是一个明显的适应性管理实验。

以下各小节提出了几个对我们在不久的将来用建模代替实地实验的能力感到悲观的理由。这些理由是对科学家和管理人员的警告，并扩展了Hilborn和Walters(1981)先前提出的警告。科学家们被警告说，更多的研究并不一定意味着更好的模型，或者其他人会知道如何将研究结果整合到一个有用的模型中，不管这些结果可能是多么零碎。经理们被警告说，仅仅通过在建模和研究方面投入更多资金，还不可能购买到健全的“最佳使用”政策。

为适应性管理规划而开发的河岸和沿海生态系统模型通常至少有四个基本子模型:(1)水流时空变化的水动力学子模型;(2)营养物质和沉积物等关键化学变量的运输和转化水化学子模型;(3)初级、无脊椎和小型“饲料”鱼类生产的“低营养水平”子模型;(4)关键动物指标物种的种群动态子模型，以ibm表示，或至少以年龄-大小-空间结构丰度表示。在某些情况下，我们还开发了植物群落组成变化的连续子模型。一般来说，这些模型并不假定能够使用任何单一货币(例如能源)来描述生态系统，也不假定能够完全描述构成生态系统“功能”的所有物理-化学-生物特征和相互作用。一般来说，这些模型仅限于将特定的水管理行为(流量、化学物质投入、收获规则等)与生态性能的特定指标(植物群落结构、“有价值”脊椎动物指标物种的丰度)联系起来的过程和机制。大多数情况下，水动力学和水化学子模型不仅模拟物理和化学过程，而且还模拟人们在短时空尺度上操作水调节结构、排污口等的“战术”或“操作”行为。

在开发和使用这些模型时，最困难的技术问题是物理/化学过程和生态过程之间的跨尺度联系。通常，我们必须在很短的时间步长(几分钟到几小时)在精细的空间尺度(几十米到几公里)上求解流体动力学和化学方程，以保持计算中的基本物理连续性(质量平衡)。在海洋和河口环境中，由于需要考虑潮汐引起的运输和混合，计算更加复杂。因此，物理子模型在运行一个长得多的生态时间尺度(年、几十年)的关联整体模型时产生了巨大的计算负担。有时我们可以解耦物理/化学和生态子模型，“离线”运行物理场景，然后用这些场景的结果“驱动”生态子模型。Walters等人(1992)使用这种方法为佛罗里达大沼泽地筛选水管理备选方案。然而，将物理子模型和生态子模型解耦后，很难对模型进行操作，即测试其对各种参数的敏感性，并通过试错法探索管理替代方案。根据我的经验，这样的游戏对于发展对复杂模型的理解和寻找更好的管理政策是至关重要的。通过打磨出一些非常详细的管理场景，并使用各种量化绩效指标进行比较，我们根本学不到太多东西。

即使我们能够找到解决技术难题的方法，在表述快速、局部的物理和化学变化如何“向上”影响更大生态规模的变化方面，也存在根本性的概念难题。Simon Levin(1992)很好地表达了建模中的跨尺度问题:“在某些情况下，模式必须被理解为来自较小尺度单元的大集合的集体行为。在其他情况下，这种模式是由更大规模的约束所强加的。”例如，当我们看到鱼的生长速度时，我们必须理解它是由许多猎物捕获事件和复杂的代谢速率变化的时间机制产生的，这些变化由温度、水流、鱼的地点选择等变化驱动。我们不能假装模拟这一系列事件中的每一个成员，即使是在鱼生长的最详细的“机械”模型中。在实践中，我们通过以下模型来表示许多微观生态事件的集体效应:(1)计算至少某个最小平均尺度上的时空平均值或总数，(2)选择性地忽略许多事件，将注意力集中在我们认为是关键的情况的子集上，例如鱼类产卵时的物理化学条件。简而言之，我们假设我们试图模拟的生物就像自然的平均者，平滑者和环境事件的选择者。我们必须依靠经验，而不是建模或物理原理来告诉我们，我们可以安全地做多少平均和选择。

迄今为止开发的任何物理/生态联系模型都不接近于对这种联系的“完整”描述，即使对于像生长这样简单的过程也是如此。在自然死亡率和招聘等过程中，情况变得更加糟糕，这些过程源于更复杂的行为互动，分布在更大的范围内(产生，积累)。在旧的建模术语中，假装存在“黑盒”和“白盒”模型是愚蠢的;我们的模型是发生在实际观测和模拟尺度太小(或太大)的现象的黑箱表示的集合。显然，我们不能向政策制定者保证我们的模型会给出准确的预测:它们是托管系统的不完整表示。

此外，我们不能假设，增加模型细节(更完整的时空事件结构表示)将导致逐步更准确的预测和/或降低做出非常糟糕预测的风险。比起简单模型，我们至少有三个理由不相信详细模型。首先，关键的相互作用或事件可能高度集中在我们忽略的空间和时间尺度/位置/时间上，或者我们错误地假设了一个简单的平均过程。例如，Bakun(1996)指出，海洋鱼类的招募可能是由非常局部的锋面、涡流和海洋中其他集中结构的瞬态条件决定的。其次，增加更多的细节会给模型结构增加更多的参数，然而这些参数中的每一个都可能得不到字段数据的很好支持;这种“过度参数化”会降低机械模型的预测，就像它会导致统计预测模型失败一样。第三，一些生态相互作用会导致正反馈，这种正反馈可以跨尺度传播局部事件的影响，从而在更大的尺度上产生高度可变的、不可预测的空间模式(Holling 1992)。明显的例子是森林火灾的蔓延，落叶昆虫和外来物种。虽然我们可以预测这种跨尺度传播事件的发生，但我们很少有足够准确的过程速率和初始空间模式数据来准确模拟每个事件的传播将导致哪里。

与任何其他模型相比，根据仔细的现场实验结果来检验一个详细的模型是同样重要的;建模不能代替实验。然而，对模拟模型的担忧同样适用于基于小规模现场实验(试点研究)的直接外推的管理预测。许多生态过程在小的空间尺度上并不明显或表现出来，但在更大的尺度上可能对整体动态响应至关重要。这在传播和迁徙方面尤其重要。例如，适应性管理规划的早期案例是红鲑(雄鱼nerka)加拿大不列颠哥伦比亚省弗雷泽河的渔业(Walters和Hilborn 1976)。这种渔业收获了许多独特的遗传种群，而捕捞大大降低了它们的丰度。根据最近的历史数据，沃尔特斯和希尔伯恩假设，减少捕捞将使鱼类种群重建到更高、更有生产力的水平;他们推荐了一个管理实验来检验这一假设。加拿大渔业和海洋部的生物学家提出了一项建议，即仅在一个或几个产卵点操纵鱼类产卵密度，以测试这一假设，同时对商业渔业的影响要小得多。Walters和Hilborn认为，这个试点实验会产生误导，因为它不会测试大规模的产卵重新分配和历史产卵区域的重新殖民(跨尺度传播问题)。许多产卵点在系统中已不再占用，可能需要大幅度提高总的产卵密度，以刺激这些地点依赖密度的分散和重新定居。这个例子说明了跨尺度响应的高度非线性和戏剧性。Walters和Hilborn基于对粉红鲑鱼(雄鱼gorbuschka)。本世纪初，由于山体滑坡阻止了产卵者向上游迁移，该物种几乎从流域上游消失;在20世纪50年代早期，在一条上游支流中发现了几千条产卵鱼(鱼可能是从下游产卵区分散到那里的)。到20世纪80年代末，数百万的粉红鲑鱼回到了上游系统的支流。短期种群动态中的一个“小”扩散事件对丰度有深远的长期影响。

人们可能会直觉地认为，更详细的模型不太容易因为估计任何一个模型参数的错误而做出糟糕的预测，因为每个参数直接涉及整个人口结构的一小部分。人们还可能期望，当许多类型的数据被用于估计模型参数时，种群动态评估应该对如何解释或使用每个观测值的假设错误不那么敏感。这种直觉是危险的错误。

种群动态计算通常涉及生产和生存因素的顺序乘积，而不是总和;当产品中的任何一个数字出错时，整个产品都会受到相应的影响。例如，每条成鱼的1龄鱼的摄取量可以表示为成鱼繁殖力x卵存活率x苗存活率x早期幼鱼存活率的乘积。在栖息地管理模式中，这些存活率可能会在可能发生管理影响的特定时间和地点进一步细分为产品。要使整个招聘预测非常错误，只需要歪曲其中一个比率。在传统的收获管理种群动态建模中，通常通过依赖于整体种群/成虫丰度关系的实证分析来避免这一问题;当管理人员对操纵特定生境因素的影响感兴趣时，这种简单的经验选择是不可用的(除非适应性管理实验已经提供了如何将招聘直接与生境因素联系起来的经验信息)。无论模型状态表示是动物的数量，还是个体的集合，随着时间的推移，每个个体都面临不同的风险，产品效应都会发生。

为了模拟鱼类种群动态，通常需要使用相对丰度趋势的历史信息进行参数估计和模型验证。通常，这样的趋势数据很难收集。在大多数情况下，有必要使用基于商业或娱乐收获的历史趋势统计数据(例如，单位努力的渔获量)。即使有非常详细的生活史资料，如历史人口年龄构成，一些关键人口参数的估计(当前人口规模，人口净变化率)也被发现严重依赖于对粗略趋势数据的解释。特别是，利用每次努力的渔获量趋势会严重高估丰富性和生产力(Hilborn和Walters 1992年，Walters和McGuire 1996年);有详细的辅助资料，例如人口年龄构成，并不会稀释或防止这种影响。对于大多数河岸管理情况，我们今天有一个薄弱的历史数据遗产;即使立即启动更好的监测项目，也需要许多年才能纠正这种情况。

适应性管理规划的建模练习总是揭示关键过程和功能关系知识的巨大差距。当建模的目的是预测特定政策选项和行动的影响时，这可能是不可避免的。这种预测所涉及的具体因果关系往往涉及科学家们并不特别感兴趣的生物物理关系。其他一些关键的关系是普遍感兴趣的，但却未能通过传统科学方法进行研究。这种困难的关系通常描述了在相对较大的时空尺度上积累的事件和相互作用的“涌现”效应，这样测量效果是昂贵的和/或缓慢的。典型的例子是动物数量减少时存活率的补偿性变化，随亲代数量变化而增加的比率的变化，以及慢性压力对生存的影响。例如，偶尔进水。

面对这种困难的关系，科学家有三个选择:(1)试图将关系简化为一组组成子关系或过程，并研究这些关系;(2)从历史经验或不同情况下空间数据的比较分析中寻找关系的实证数据;或者(3)尝试设计一个大规模的现场实验，直接测量部分控制条件下的关系。还原论方法在某些情况下是有用的:例如，ibm已被用于理解鱼类存活率的“紧急”补偿性变化(Van Winkle et al. 1993)。然而，由于跨尺度的问题，作为一种通用方法是危险的。对历史数据和比较数据的分析通常是模型开发过程的一部分，并且几乎从来没有提供所需数据的范围和分辨率。针对特定过程和关系的大规模现场实验在生态学中越来越流行，但在技术上已被证明非常困难(否则我们早就做了)。

河岸生态系统建模中经常出现的困难关系的一个很好的例子是漫滩植被的生存-洪水关系。在许多河流系统中，上游大坝使水流稳定，使得木本植被侵入河岸地区，而在这些地区，常规的季节性洪水会阻止或限制自然植被的生长。在这种情况下，一个常见的政策问题是，是否至少在一定程度上恢复人口流动的自然季节性。为了比较流量管理选项，模型必须预测杀死(或相当薄的)植被所需的洪水持续时间/深度。这种死亡是由于淹水期间光合作用和呼吸受到抑制的一系列复杂生理反应、根区化学物质的变化、水的机械损伤以及随之而来的植物对病虫害脆弱性的变化等造成的。如果一个人简单地将建模问题简化为一组特定的生理关系，那么在野外条件下，这种复杂的反应将如何演变为死亡率，几乎没有希望正确建模。此外，历史数据不太可能有多大帮助。现场调查人员对建模人员的典型评论可能是:“嗯，近年来我们只看到了两次洪水;1983年的洪水是一场巨大的洪水，杀死了大部分的植物，但1978年的洪水只持续了几个星期，似乎没有什么影响。”显然，建模者不会根据如此有限的经验建立可靠的函数关系，用于普遍探索驱油方案。 The last resort might be to try a field-scale flooding experiment, subjecting various experimental stream bank areas to different depths and durations of flooding. The reader may wish to ponder the logistics needed to carry out (and the political acceptability of) such an experiment in, say, the Grand Canyon, without subjecting the whole Canyon to variable flooding regimes.

适应性管理的一个新兴原则是，对于每一个困难的功能关系，如果你提供足够的研究资金来测量关系如何产生的细节，就会有科学家愿意声称有能力为你测量它。管理人员和研究人员没有办法知道这种说法是无稽之谈或一厢情愿，直到几个项目获得资助并失败。只要科学家能在资助游戏中领先管理人员一步，许多稀缺的研究资金将继续被浪费。

最终，对建模可以取代实验管理这一假设最有力的谴责，并非来自对模型开发困难的争论，而是来自一个更基本的关于使用历史数据来测试模型的争论。没有哪个模型构建者会愚蠢到宣称自己有能力开发出如此精确和完整的模型，以至于不需要使用历史数据进行验证，而且很少有模型用户会naïve到相信这样的说法。不幸的是，许多模型使用者似乎没有意识到“有效”模型(与历史经验一致或吻合的模型)和做出正确预测的模型之间的明显区别。在应用生态建模中，找到大量同样有效的替代模型，但对各种管理政策的影响做出截然不同的预测，这是很常见的，也许是无处不在的。可供选择的有效模型涉及对影响在历史经验记录中混淆的因素的不同假设(即，随着时间的推移一起变化的因素，而不是在实验中变化时所预期的明显相反的值)。问题不在于“机械”vs。“统计”模型;每个有效的模型通常都有一个完全合理的机制基础。

佛罗里达大沼泽地的涉禽数量大幅下降，人们提出了各种模型或假设来解释这种下降(Walters et al. 1992)。目前正在开发详细的模型，以帮助规划恢复这一生态系统，包括IBM模拟的涉禽对水管理政策变化的反应(S. Davis，南佛罗里达水管理区，D. DeAngelis，迈阿密国际大学)。个人沟通)．详细的模型可能会证明，下降可以用水管理和湿地历史排水的历史变化来解释。然而，这一演示将不允许拒绝至少两个关于发生在被模拟区域之外的事件的重要性的有效假设:由于“遥远的磁铁”正在吸引繁殖鸟类到大西洋沿岸的替代筑巢地点，而繁殖成功可能受到湿地系统河口边缘和邻近佛罗里达湾的变化的影响。

关于哈德逊河核电站的幼虫携带对鱼群数量的影响一直存在激烈的争论(Barnthouse et al. 1988)。至少对于条纹鲈鱼(马龙saxatilis)，幼虫后存活率的代偿性改善可能基本上抵消了夹带的影响。最近，R. Hilborn和他的同事(华盛顿大学，个人沟通)已经建立了种群模型，显示补偿效应可能非常强;20世纪80年代中期渔业关闭后条纹鲈鱼幼虫数量的大幅增加显然没有导致幼鱼数量的增加或招募到更大的年龄。R. B. Deriso(美洲热带金枪鱼委员会，个人沟通)指出，希尔伯恩将幼虫后存活率的下降归因于补偿效应，事实上，这是一种强烈的时间模式(在20世纪80年代下降)，同样可以很好地归因于哈德逊河的其他变化，例如由于污水处理的改进而导致的生育率下降。

湖鳟鱼数量灾难性下降(Salvelinus湖红点鲑)，通常归因于海七鳃鳗(Petromyzon绿)入侵和过度捕捞。湖鳟鱼恢复模型假设两者都很重要(Walters et al. 1980)。然而，Milliman等人(1987)指出，这两个因素的相对影响不能被清楚地分开(捕鱼和七鳃鳗数量几乎同时急剧增加)，而富营养化等其他变化也可能是重要的。海洋七鳃鳗作用的不确定性可能是未来一个重要的政策问题，特别是考虑到公众对七鳃鳗化学控制项目的有效性和副作用的关注。

在不列颠哥伦比亚省，孵化场养殖的银鲑和支奴干鲑鱼的海洋存活率(蛇嘴鳄，O. namaycush)自20世纪70年代中期以来大幅下降(Cross et al. 1991)。俄勒冈海岸的银鲑数量也有所下降(Nickelson 1986, Emlen等人1990)。它们的下降与两个主要因素的变化有关:(1)增加的载畜率(这可能导致生存的代偿性减少)，以及(2)海洋温度和上升流模式的变化。支持孵化场生产的人指责环境变化，而其他人则担心海洋的承载能力，增加孵化场生产不仅可能无效，还可能降低野生鲑鱼的存活率(Walters 1994)。在这种情况下，对孵化场释放的实验操作被认为是区分关于存活率下降的不同假设的一种可能方法(Peterman和Routledge 1983, Perry 1995)。

在这样的例子中，指出所确定的所有因素可能都是重要的，或者指出可以建立机械模型来表示每个因素的“可能”影响是没有帮助的。这样的模型不允许对每个因素的相对重要性进行评估(通过对历史数据不充分的过程和比率做出合理的假设，通常有可能使所有因素都能同样好地符合数据)。承认多种因素的组合可能很重要，就是承认影响某一特定因素的任何政策的影响(例如，七鳃鳗控制政策或五大湖的捕鱼政策)甚至比已知某一特定因素起主导作用或根本不重要时所承认的更不确定。假设机械建模在这种情况下会有所帮助，这是对浪费和适得其反的“模型之战”的邀请。

不能区分基于历史数据的备选假设并不意味着对历史数据的建模和分析是无用的练习。建模可以是一个强大的工具，用来筛选不太可能产生可用数据的假设和未来不太可能有效的政策。AEAM过程中的一个关键概念是建模可以帮助筛选可供进一步测试和评估的可管理集的备选方案。建模可以指导更有效的现场测试过程，因此，使自适应管理从根本上不同于进化自适应过程，在进化自适应过程中，政策创新或多或少是随机生成和测试的。例如，目前正在哥伦比亚河上游库特奈河进行AEAM模拟工作，以寻求恢复濒危白鲟鱼的水管理政策(鲟鱼属transmontanus)及其他受利比水坝影响的物种。在这项研究中，我们(卡尔·沃尔特斯和乔什·科曼)已经证明，大坝建设后鲟鱼繁殖失败的时间模式与卵和幼虫存活与夏季流量减少有关的假设是一致的，但与利比大坝以下营养负荷减少或大坝下游漫滩回水栖息地丧失的假设不一致。在这种情况下，AEAM模型非常令人信服地表明，如果回水栖息地的丧失是罪魁祸首，那么招募失败应该早发生许多年，或者如果是营养物质的丧失是罪魁祸首，那么应该晚发生几年。仅这一发现就可以节省大量的管理成本，避免在施肥计划或死水栖息地恢复方面的浪费投资。(当然，为了实现库特奈河的其他生态系统管理目标，无论如何做这些事情都是值得的。)

适应性管理通常被认为是相对昂贵的，特别是如果它涉及大规模的现场实验。成本的增加始于定义明确假设和政策选项所需的建模工作。然后，实验性的选择往往涉及巨大的成本和河岸经济利益的收入损失，这些投资的最终收益将在未来很长一段时间内累积到其他利益。几乎总是需要大量投资来改进监测项目。最后，与环境利益集团所青睐的非常保守的选择相比，操纵性实验总是至少会增加一些生态风险。对实验管理方案进行客观、经济比较的方法尚不完善，对于如何评估或衡量可能的实验结果也没有普遍共识(Walters和Green 1996)。

当然，在某些情况下，解决关键不确定性所需的实验性管理变革的代价或风险是不可接受的。例如，Parma和Deriso(1990)对重要的太平洋大比目鱼(Hippoglossus stenolepis在这方面，渔业与环境因素在造成招聘波动方面的相对重要性一直存在争议(所谓的“Thompson-Burkenroad辩论”;见Skud 1975)。在这种情况下，关键的试验制度将是在种群减少期间保持较高的捕鱼压力，这是一项非常昂贵和危险的政策。然而，大多数关于成本和风险的争论都没有充分的根据，而且似乎主要是拖延决策的借口。下一节将回顾一些在一些主要河岸案例中使用的关于成本论证的谬误。

一些实验性操纵或限制用水的建议对经济利益来说代价相当高昂。例如，在科罗拉多河或上哥伦比亚河等河流中，建议恢复季节性流量峰值，这将导致每座受影响的大坝每年损失数百万美元的电力生产(Collier et al. 1997;C.J. Walters和J. Korman，未发表的数据)．为哈德逊河上的核电站同步补充燃料循环，以提供2年周期的工厂停机，因此，幼虫鱼的夹带率，每年也将花费数百万美元(损失的燃料，不包括电力购买)。不列颠哥伦比亚省海岸孵化场鲑鱼放生的实验性减少(Perry 1995)可能导致商业和娱乐收获价值每年损失1000万至1亿美元，具体取决于用于评估娱乐收获价值的方法。

虽然这种费用表面上看来很大，但重要的是将其与用户在其他政策选择或建议下可能面临的费用进行比较。在哥伦比亚和科罗拉多州的案例中，来自环境和濒危物种利益的强大压力要求对水电站运营进行大规模改变(甚至拆除)。在哈德逊一案中，环保人士要求纽约电力局(New York Power Authority)安装冷却塔，费用可能高达10亿美元。在太平洋西北部，人们越来越关注鲑鱼孵化场的功效和副作用，以及完全关闭孵化场生产的压力。因此，经济利益集团能否指望公众的支持或权威在更长的时间内维持“一切如常”，这一点一点也不清楚。在列出的每一个例子中，如果立法或法律决定有10%的可能性导致大规模和永久性的政策改变，那么试图维持现行政策的预期成本(0.1倍大规模改变的成本)将远远高于证明根本没有必要进行彻底改变的实验成本。

不幸的是，对于经济利益来说，没有简单客观的方法来决定被迫进行激进政策改变(例如10%)的几率是否高到足以证明转向合作的实验方法是合理的。试验性管理的支持者向经济利益方指出，近年来有关环境利益的立法和司法记录已大大改善，这是没有好处的，因为随着公众认识到改善环境管理的间接成本，这一趋势随时可能逆转。此外，目前还不清楚环境利益是否会支持实验性政策形式的妥协。例如，澳大利亚的环保组织强烈反对测试捕捞对大堡礁影响的实验计划，认为更多的珊瑚礁应该对消费用户关闭，捕捞的影响可以用计算机模型评估(Mapstone et al. 1996)。

对实验性管理制度的生态响应通常发生在一个广泛的时间尺度上，从季节性到年代际。一些有用的观测结果可能会在几天或几周内出现，例如，在大峡谷最近的洪水中看到的沉积物运输和海滩形成效应(Collier et al. 1997)。更多的时候，管理关注集中在脊椎动物的种群动态反应上，这很少在不到十年或二十年的时间内完全表现出来。因此，大多数管理实验都涉及到价值的代际权衡的强大元素。今天开始的治疗对资源使用者和公众来说通常有很大的成本，但是这些治疗所遗留下来的反应信息将主要对下一代的管理人员和用户有用。当预期收益以经济发展规划中通常使用的相对较高的贴现率(3%或更高)计算时，管理实验很少显示出经济上的价值(Walters和Green 1996)。

对于反对长期试验的短视的成本效益论点，或许最好的反驳方法是简单地指出，我们认为为后代管理可再生资源和生态系统是一种道德责任，即使这种管理迫使我们在今天如何使用资源方面受到相当大的限制。在制定要求可持续利用缓慢更新的资源(森林、长寿鱼类)的法律，以及为扩大北美公园和保护区的基础而购买土地和关闭使用的大量公共支出的合理性方面，这些伦理论点一直至关重要。据推测，投资于为未来的管理收集更好的信息与为管理提供栖息地基础同样重要，特别是如果我们不能指望仅通过持续的研究投资来积累更好的理解(见前一节)。

精心设计的管理实验可能具有极高的监测成本，特别是需要对对照处理进行复制和比较。此外，生态系统管理目标通常导致需要监测比传统渔业和野生动物种群管理更广泛的一组响应变量。物理和化学变量通常相当便宜，但生态系统“支持服务”变量，如初级生产，净CO₂对珍稀和濒危物种的吸收和趋势进行监测可能是非常昂贵的，即使是简单的趋势指数，也只适用于比较实验处理。在多个地点和时间尺度上监测多个响应变量确实会产生一些规模经济，但如果使用传统的生态现场测量方法进行监测，成本往往仍然令人望而却步。

为适应性管理开发负担得起的监测项目通常涉及方法和途径方面的实质性的、在科学上有风险的创新。随着遥感和卫星信息收集能力的提高，空间监测正在迅速扩大。许多时间监测方法，如娱乐使用计数，现在可以使用数字控制系统(如机器人)、视频录制和事件感知中的新技术实现自动化。在需要人类观察员和判断的情况下，科学家必须学会更好地利用机会与各种各样的人(主要是资源使用者和其他利益相关者)发展合作工作安排，他们已经在该领域大量工作。例如，针对在大堡礁捕鱼而进行的礁鱼密度变化的实验监测可能涉及训练潜水运动俱乐部的当地人进行标准化的样带计数，并按次计数支付报酬(Walters和Sainsbury 1990, Mapstone等人1996)。在目前的一项关于改善不列颠哥伦比亚省小湖泊运动钓鱼方法的实验研究中，钓鱼小屋的主人被付钱来收集12个实验湖泊的捕鱼努力量、收获量、鱼的大小分布和标记信息。

用遥感和自动化方法代替传统的实地观测通常会增加实验项目的启动和资本成本，与机构工作人员和顾问进行传统监测相比，这增加了此类项目的明显风险。同样，用现场用户的当地兼职劳动力代替专业现场工作人员的劳动力会产生各种明显的风险(例如，故意不正确或不稳定的报告)和一些复杂的后勤问题，从现场培训到验证抽样。迄今为止，自然资源管理者和科学家对这些成本和风险相当保守，通常倾向于减少实验规模(处理的种类、重复、持续时间、监测集的复杂性)，而不是投资于创新的监测方法。不幸的是，后代将为这种错误的节约付出代价。

在佛罗里达大沼泽地这样的环境中进行的管理实验被认为是有风险的，因为这些物种足够幸运，能够很好地适应当前管理所创造的环境(例如，大沼泽地的蜗牛风筝;Ogden and Davis 1994)，或者它们非常罕见，任何可能影响栖息地或繁殖成功的变化都可能威胁到它们。通常，所谓的“敏感”物种有非常特殊的栖息地需求;不能保证旨在恢复自然栖息地结构的实验(例如，代表复杂洪水历史的河岸植被类型的马赛克)将在整体结构中增强特定的栖息地类型。在某种程度上，管理实验几乎总是威胁到至少几个敏感物种。

对于敏感物种风险增加的争论，管理实验的支持者能给出的最好答案也许是比较风险:在没有实验的情况下，所遵循的基准政策或默认政策在保护敏感物种方面往往高度不确定。通常，进行试验的最佳理由首先是缺乏明显的最佳行动方案。近年来，随着管理目标的扩大，包括“生物多样性”等考虑因素，这一点在历史上几乎没有管理经验，这种情况变得尤为普遍。在许多河岸环境中，最终可能无法避免在生态系统恢复、消费利用和一些稀有物种保护之间的基本价值冲突方面做出艰难的决定。

许多人认为“实验”很简单，就是比较处理单元和控制单元之间的测量结果，并认为建模和实验是不同的、相互排斥的、获得理解的方式。这种观点促使我们考虑，实验只能在复制良好的系统中进行(在大沼泽地上的实验怎么可能;它只有一个?)，并假设建模是处理独特系统的唯一方法。

要理解为什么这样的观点可能具有误导性，请考虑我们在实验研究中所说的“治疗反应”。在实验单元中，它是区别在病房里发生的事和没有治疗会发生的事之间。原则上，我们不能确定如果不进行治疗会发生什么(我们不能既治疗又不治疗一个单位)。为了解释或衡量对治疗的反应，我们必须从事建模以某种方式预测如果不进行治疗会发生什么。在传统的设计设置中，我们使用控制或参考实验单元的测量值作为模型来预测将会发生什么。在单一系统的前后比较中，我们使用治疗前的行为来预测会发生什么。一般来说，没有特别的理由相信空间预测器(空间控制)比时间预测器要好得多，除非在极少数情况下，我们可以通过故意从大量单位中随机选择大量处理单位和参考单位来“保证”具有代表性的预测。在应用生态学家的大多数实际环境中，首先没有太多的自由来从事令人羡慕的随机化实践;实验管理者有强烈的责任使用最好的模型来预测会发生什么。

认识到建模是实验分析不可或缺的必要组成部分，为更广泛地思考设计选项和预测基线的方法打开了大门，以衡量响应效果。重要的是，它也为理解没有无风险的实验打开了一扇门:无论我们如何预测(许多参考单位，时间比较等)，对没有治疗会发生什么的预测都可能是错误的。

从更广泛的角度来看，真正糟糕的情况并不是只有一个系统需要管理(没有空间复制)，而是那些提出的管理措施是有效的不可逆转的在美国，没有办法比较不同的治疗方案，即使是在时间块内，任何治疗错误的实验单元都将永远“丢失”。在这种情况下，我们别无选择，只能通过某种建模来预测不可逆的影响。在我看来，处理这种情况的方法并不是首先通过建模;相反，我们首先应该寻求创造性的方法来避免不可逆的治疗方法，如果有必要，可以找到至少在某种程度上“模仿”不可逆治疗方法的可逆治疗方法(参见哈德逊河的例子:同步加油循环提供了一种替代大规模的、实际上不可逆的建造冷却塔的选择)。

在河岸和沿海生态系统中进行的适应性管理实验主要涉及相对简单的制度设置，只有一个领导管理机构和几个专门组织和维护实验计划的人。实验性管理规划在复杂的机构环境中举步维艰，如佛罗里达大沼泽地、哥伦比亚河和密西西比河上游，在这些地方，管理、研究和政策变化涉及多个机构之间的合作，这些机构具有复杂、重叠的历史责任和法律授权。Gunderson等人(1995)对这种环境下社会学习和适应性管理的制度“障碍和桥梁”进行了出色的回顾。在实际操作中，几乎每一个管理建议或变更通常都会威胁到至少一些组织利益集团。此外，复杂的管理环境似乎催生了大量的研究投资，这既是因为科学工作为决策提供了确定性的可能性，也是因为在官僚和行政利益最好的情况下，“需要更多的研究”总是一个方便的答案。

实验性管理的领导应该来自已建立的管理机构，那里的知识集中，人们最敏锐地意识到深刻的不确定性。这并没有发生;相反，适应性管理的压力和领导主要来自非政府利益，通过法院判决和立法等机制或多或少地迫使机构走上新的方向。

也许错过实验机会的最好例子是在哥伦比亚河流域，在那里通过AEAM等过程进行适应性管理规划已经进行了十多年。为了提高下游洄游鲑鱼的存活率，大坝的操作已经进行了修改，以允许更高的春季淡水流量，这应该会减少幼鱼的过境时间，从而减少捕食死亡率(Lee 1993)。这一“水预算”政策每年造成4000万美元的电力损失，其结果极其不确定。也许这项政策被一些人视为适应性管理实验，但很难想象还有比这更糟糕的计划了。该政策的影响将与发生在海洋存活率、系统内栖息地和孵化场管理实践以及其他用水对水质和流量的影响方面的各种其他变化相混淆。为了避免这种混淆并减少电力生产中的损失，一个明显的实验方法是在计划的处理顺序中逐年故意改变淡水流量(或者至少在2年的时间块中使用处理和基线流量的断断续续配对)。

为什么管理机构错过了这样明显的双赢实验机会?根据我的经验，至少有三个组织因素阻止了这样的政策被提出，以支持孤注一掷的政策变化:(1)相信假装确定是维持机构信誉的必要条件;(2)促进科学家的过程研究方法;(3)不作为是官僚决策者的理性选择。

政府机构经常为特定的政策举措辩护，仿佛这些举措一定会产生理想的结果，即使这种辩护涉及到压制机构内部的科学异议等极端措施(Hutchings et al. 1997)。尽管这种防御性立场可能涉及个人自豪感和机构领导人员根深蒂固的信念等简单因素，但机构工作人员通常表示，他们必须充满信心和肯定地提出选择，以保持政治决策者和其他机构参与者的信誉。也就是说，许多机构的人显然把承认不确定性视为承认软弱，并认为承认软弱的结果将是不作为或无效的妥协政策。例如，渔业种群评估小组通常以比数据所证明的更有信心的方式提出评估结果，其假设是，提供广泛的种群规模估计将导致渔业利益压力，迫使其使用最乐观的估计(让我们捕鱼，直到你能证明存在养护问题为止)。这种压力当然会发生，但随着管理机构在决策中采取“预防原则”(当不确定时，做最坏的打算，或至少寻求风险规避选项)的行动，这种压力变得不那么常见了。

要让持这种观点的人相信，公开承认不确定性，然后通过管理实验提出积极(有时成本更低)的方法来处理这种不确定性，他们会获得政治决策者的更多信任，这是非常困难的。我们几乎没有公开承认不确定性的经验，以至于那些考虑采取这种行动的人无法从其他案例中寻找决策者将如何反应的经验证据。广泛宣传的案例，如1996年大峡谷水流释放(Collier et al. 1997)，现在在证明官僚们通过明智地处理不确定性会获得很多好处方面至关重要。

令人沮丧的是，科学家们很容易说服自己和官僚资助机构，对他们所研究的过程或机制的“基本理解”对于预测生态系统管理政策的影响是很重要的。对于这些科学家来说，他们研究的东西只有与其他复杂的机制结合起来，才能有效地纳入管理预测，至少其中一些机制由于资金或技术原因不会被研究，这似乎并不重要。因此，物理海洋学家认为，详细的水动力学分析是必要的，以了解从鱼类的幼虫扩散到陆地营养物的运输和稀释等过程。浮游植物生态学家认为，初级生产是水生食物链的基础，为了预测食物链对施肥或污水处理等干预措施的反应，必须了解初级生产。渔业生物学家指出，生活史模式中的个体差异对于理解“突发”种群动态现象(如幼鱼死亡率的密度依赖)至关重要。社会科学家指出，必须从价值和决策程序发展的复杂社会环境的角度来理解资源价值和决策。在大型管理问题的每一个层面和规模上，人们都说“我关心的问题很重要，所以资助我的研究。”

在规划适应性管理和管理导向研究的资源分配中，有两种处理科学自利的方式:合作和对抗。合作的方法使科学家们参与开发模型和实验政策，使建模揭示了明显的差距(很明显，仅靠详细的研究不足以提供管理方面的答案)，并使大规模实验明显地为科学家们创造机会，通过对这些实验中产生的现场情况的比较研究来获得更好的理解。对抗方法指出，实地规模的实验可以直接揭示政策和重要管理绩效指标之间的整体联系，往往比研究和综合预测所需的所有组成部分更快、更便宜，因此从管理的角度来看，许多过程研究将是一种浪费。通过消除将实验和过程研究视为竞争利益的动机，通过利用科学家的创造力和经验设计更好的实验，合作的方法可能会更好地服务于所有人的利益。

官僚和政治决策者经常面临一个艰难的选择，是果断采取行动，启动实质性的政策变化(对用户的重大限制，投资恢复，进行大型的、有风险的管理实验)，还是等待，看看当前的问题是会自然纠正，还是会通过研究解决。认为果断行动是这些人的“最佳”选择是错误的，不管采取行动的紧迫性有多少客观证据。果断的行动通常会有直接而明显的代价，从受到影响的经济利益集团的大声疾呼，到政策未能达到预期效果的尴尬风险。另一方面，不作为的代价很少会如此直接:一些利益集团可能会发出更响亮的呼声，但这些呼声往往可以通过指出拖延可以有更多时间进行研究和仔细规划来缓解。此外，生态问题往往会自我纠正(例如，最初归因于过度捕捞的鱼类招募失败实际上可能是由于不利于幼鱼生存的环境条件)。对于许多决策者来说，即使是短暂的延迟也足以确保其他人必须做出决定。看到各种各样的借口被用来拖延实施一项重大的实验性管理计划所需的艰难决定，我们一点也不应该感到惊讶。

在决策者的理性选择是不作为或拖延的情况下，实验性管理的支持者面临着一个非常困难的选择:接受拖延，并希望一些自然事件会造成更明显的、不可忽视的危机，或者进入政治舞台，试图通过公开信息、倡导要求改变的立法，甚至威胁采取法律行动，让不作为付出更大的代价(至少更尴尬)。这些都是艰难的选择，尤其是对负责任的管理者和科学家来说，他们提倡通过仔细分析进行适应性管理，并认为分析的结果会被同样负责任的决策者合理地使用。我的本意并不是建议负责任的科学家和管理人员应该成为实验性管理的政治倡导者，但我们应该明白，在许多情况下，投入更多精力来发展更精确、更理性的理由是浪费时间，而这些理由只会被置若罔闻。我们还应该明白，从分析到倡导，这一步是多么巨大和危险。

如果诸如用于发电的水坝之类的发展只对河岸生态系统产生负面的生态影响，那么为了减轻这些影响而放弃多少经济价值，可能相对容易形成公众共识。这种相对简单的权衡并不是我们今天在哥伦比亚河、密西西比河、科罗拉多河和佛罗里达大沼泽地等重大案例中所看到的。像AEAM这样的利益相关者参与过程经常显示出相当大的灵活性和来自“发展”利益集团(电力生产商、运输利益集团、耗水用户)的建设性态度，但代表不同“生态”价值观的利益集团之间的不妥协和争吵。在历史发展创造了“新的”生态价值的地方，生态利益之间的冲突尤其激烈。

季节性洪水模式的调节使得濒危物种在一些地方繁盛;保护这些种群的强有力的法律授权可能会阻碍恢复自然水文制度及其伴随的自然生态系统结构的努力。在佛罗里达大沼泽地，蜗牛风筝(Rostrhamus sociabilis)在第3保育区的管制水池中数量丰富，而黑貂角麻雀(Ammodramus君子兰)已侵入鲨鱼河泥沼一带，在那里，由于自然洪水泛滥，适宜筑巢的植被群落无法生长。在大峡谷，外来植物群落入侵了自然淹没的海岸线地区，昆虫产量增加，鸣禽在那里茁壮成长，游隼(法尔科peregrinus)变得丰富;维持这一新的食物链可能与恢复季节性洪水的目的是为了沉积物管理和维持濒危本地鱼类的栖息地需求直接冲突。

在其他河岸地区，外来的或天然稀有的鱼类种类在水域管理后变得丰富起来，现在支持着宝贵的体育渔业。在不列颠哥伦比亚省和蒙大拿州的库特奈河，一条虹鳟鱼(雄鱼mykiss)利比水坝下方的渔业已发展起来，以应付有调节的冷流;如果恢复春夏季的淡水流量，为濒危的白鲟鱼种群提供更好的产卵条件，这种渔业的生产力可能会大大降低。在大峡谷，春季淡水的恢复同样会影响虹鳟鱼的渔业。在密西西比河上游，为驳船航行开发了许多稳定的水池，为各种物种的休闲渔业得到了改善;在这一系统中，常年保持稳定的水位可能会阻止自然河岸植被群落的维持，并可能导致由于沉积而更快地损失水池。

物种组成的变化不是历史管理实践的唯一遗产;当该实践的其他累积效应被逆转时，短暂的影响就会产生冲突。在密西西比河上游，恢复季节性流量/水位模式可能会导致运输池中积累的沉积物被动员起来，对下游池产生至少几年的各种经济(例如，疏浚)和生态影响。在大沼泽地，由于鲨鱼沼泽的流量减少导致盐度增加，这可能使海草群落沿着佛罗里达湾西北海岸繁荣发展。通过鲨鱼泥恢复更高的径流可能会杀死这些群落，让波浪和风的作用调动堆积在河床上的泥灰岩沉积物。由此产生的浑浊羽流可能会向东南延伸到佛罗里达湾，影响海草群落和渔业。

有相当大的危险，行政人员和政治家将寻求通过采取妥协的恢复政策来处理相互冲突的生态价值，基于水文恢复和物种反应之间的平稳权衡的假设。因此，我们可能会看到利比水坝管理适度的淡水流量，足以大幅降低虹鳟鱼产卵的成功率，但不足以让鲟鱼产卵成功。同样，大峡谷的少量淡水可能足以恢复海滩上的划船者，但对本地鱼类来说却完全不够。“修修补补”大沼泽地的水调节可能会降低濒危物种的风险，但甚至没有恢复足够多的季节性生态系统功能，使许多涉禽物种得以恢复。简而言之，折中方案很可能会给所有生态利益带来双输的结果。

面对这样的危险，如果做出更果断和极端的政策改变，生态利益集团(如休闲渔民)肯定会大声疾呼，管理者可能会尽可能地推迟行动。这种拖延可能会威胁到在目前的水管理政策下已经在下降的物种和系统功能。然而，我们通常没有足够好的历史数据来建立令人信服的模型和趋势分析来证明这些替代威胁的紧迫性。

因此，关于生态价值的冲突似乎可能成为适应性管理和生态系统恢复的政策设计的主要障碍之一。但还有另一种可能性。这些冲突正变得越来越明显，并暴露在公众的监督之下;例如，一篇关于大峡谷生态问题的雄辩的评论出现在最近一期的国家地理(长1997)。随着关于替代生态价值的辩论愈演愈烈(几乎可以肯定在未来几年内必然如此)，它可能会制造某种危机或催化剂，以促进Gunderson等人(1995:489 ff.)认为，这可能对制度变革和响应的“适应周期”至关重要。

事后看来，很容易看出为什么将管理视为实验这一简单而有吸引力的想法如此难以付诸实践的各种原因。反对大规模实验的理由包括相信我们有能力通过过程研究和建模获得答案，以及担心实验政策的生态副作用和风险。这些反对意见提供了一系列丰富的借口，以拖延那些可以从这种拖延中获利或获得保护的人的果断行动。也许这里提出的一些论点将有助于实验管理的支持者反对最肤浅和最自私的反对意见。

今天的关键需求不是为理性辩论提供更好的弹药，而是创造性地思考如何使管理实验成为不可抗拒的机会，而不是对各种既定利益的威胁。也就是说，我们需要证明积极的适应性管理可以为科学家、官僚管理者、政治家和资源/环境利益集团创造双赢的结果。几乎每一个AEAM规划工作都至少暗示了这种结果的存在，通常以诊断“探测”或现场试验的形式提供了大量明确的响应信息，而不承诺在管理策略上做出任何永久性的改变。也许随着我们不断积累和厚颜无耻地宣传这些成果的例子，公众将逐渐意识到，一切照旧不再是维持和恢复河岸生态系统价值的可行选择。

这篇论文讨论了广泛的问题，显然有许多问题没有得到解答。以下我无法回答的问题列表可能会成为使用交互式格式进行进一步讨论的基础保护生态．

1)即使任何模型最终都需要现场实验测试，我们不应该至少尝试尽可能详细地建模，以便我们最大限度地识别关键时空尺度和事件的机会吗?

2)为什么跨尺度问题不仅仅是现代超级计算机可以克服的计算不便?

3)作为科学家，我们被驱使着去理解困难的过程，方法是把它们分解成便于研究的细节;为什么我们应该在应用环境中接受不同的理解标准(例如，通过现场规模的实验对过程影响进行直接的“黑盒”测量)?

4)在通过粗糙的现场实验研究困难的现场过程时，是否存在这样一种风险:实验揭示的过程效应范围太窄，而更详细的研究分析可能揭示的功能结构可用于为此类过程构建更广泛适用的“子模型”?

5)当验证数据中出现混淆效应时，为什么不进行管理，使用最坏情况或预防性假设，通常是效应的可加性?

6)我们经常不能“倒转时间”来收集历史上不被认为重要或被认为收集成本太高的验证数据;在这种情况下，机械模型不是比没有好吗?

7)实验管理合作是一场经济利益的赌博，实验结果可能比预期的更糟糕;我们如何让经济利益集团相信，这场实验性的赌博比上法庭为“使用权”而战更好呢?科学在提供这一建议中扮演了什么角色?

8)解决环境和生态规划适当贴现率问题的一个方法是通过立法或宪法指令在石头上刻下特定的贴现率;我们应该从公共立法领域来解决这个问题吗?

9)有没有办法加快大规模的实地实验以避免折扣障碍?

10)为什么开发大规模监测的创新方法通常不被认为是一个好的研究课题，尤其是对有抱负的研究生来说?

11)大多数生态监测项目最终都是“做对了”(精确的局部测量)，而不是“做对了”;我们能做些什么来改变这种科学文化呢?

12)在历史管理下茁壮成长的敏感物种是否应该首先被列入濒危物种名单，除非这些物种已经根据管理改变了栖息地，这样就没有自然种群仍然占据原始栖息地了?

13)在我的印象中，那些最努力维护信誉的人和机构实际上最终得到的信任最少。这种印象被广泛接受吗?

14)作为科学家，我们有什么责任让不作为变得更不舒服，也就是说，在什么情况下，科学家应该故意试图策划公众对不作为的强烈反应?

15)河岸恢复有许多明显的双赢选择的例子(例如，大峡谷的水流可以被管理来维持一个比自然生态系统丰富得多的生态系统);为什么今天这么多生态学家和环保主义者把“自然”等同于“最好”?

欢迎对本文进行回复。如果被接受发表，您的回复将被超链接到文章。要提交评论，请遵循这个链接．阅读已接受的评论，请跟随这个链接．

Bakun,。1996.海洋模式:海洋过程和海洋种群动态．加利福尼亚大学海洋基金(与墨西哥南下加利福尼亚拉巴斯的诺罗斯特生物研究中心合作)，加利福尼亚州圣地亚哥，美国。

巴恩豪斯，L. W.， R. J.克劳达，D. S.沃恩，R. L.肯德尔，编辑。1988.科学，法律和哈德逊河发电厂。环境影响评价案例研究。美国渔业学会，专著4。

卡斯尔伯里，D. T.，小J.J.切赫，D. C.埃尔曼，D.汉金，M.希利，G. M.康多夫，M.曼格尔，M.莫尔，P. B.莫伊尔，J.尼尔森，T. P.斯毕德和J. C.威廉姆斯。1996.不确定性和河流流量标准。渔业21(8): 20日至21日。

科利尔，M. P.， R. H.韦伯和E. D.安德鲁斯。1997.大峡谷的实验性洪水。科学美国人1997年1月。

克罗斯，c。l。拉皮，e。a。佩里。1991.1971年至1989年不列颠哥伦比亚省孵化场生产的支努干鲑鱼和鲑鱼。加拿大渔业和水产科学技术报告Number1816。

Emlen, j.m.， R.R. Reisenbichler, A.M.麦基和T.E.尼克尔森。1990.银鲑在海上的密度依赖关系(雄鱼kisutch)．加拿大渔业和水产科学杂志47: 1765 - 1772。

甘德森，l.h.C. S.霍林和S. S.莱特。1995.生态系统和制度更新的障碍和桥梁。哥伦比亚大学出版社，纽约，美国。

哈伯特，c.l.。1993.适应性管理有多大的适应性?在华盛顿州和不列颠哥伦比亚省实施适应性管理。鱼类生物学和渔业评论1: 261 - 283。

希尔伯恩，R.和C.沃尔特斯。1981.环境基线和过程研究的缺陷。环境影响评估检讨2: 265 - 278。

希尔伯恩，R.和C. J.沃尔特斯。1992.量化渔业资源评估和管理:选择、动态和不确定性。查普曼和霍尔，纽约，纽约，美国。

霍林，c.s.，编辑。1978.适应性环境评估与管理。John Wiley，纽约，纽约，美国。

________。1992.生态系统的跨尺度形态、几何和动力学。生态专著62: 447 - 502。

哈钦斯，J. A. C.沃尔特斯和R. L.海德里奇。1997.科学研究与政府信息控制不相容吗?加拿大渔业和水产科学杂志54: 1198 - 1210。

李，k。N。1993.指南针和陀螺仪:为环境整合科学和政治。岛屿出版社，华盛顿特区，美国。

莱文，西蒙A。1992.生态学中的格局与尺度问题。生态73: 1943 - 1976。

长,机械工程师1997.大峡谷。国家地理192(1) 1997年7月:117-135。

路德维希，D. R.希尔伯恩和C. J.沃尔特斯。1993.不确定性、资源开发和保护:历史的教训。科学260(4月2日):17,36。

马普斯通，B. D.， R. A.坎贝尔，A. D. M.史密斯。1996.设计绳索和鱼叉捕鱼对大堡礁影响的实验调查。珊瑚礁研究技术报告7号，澳大利亚昆士兰汤斯维尔詹姆斯库克大学C.R.C.珊瑚礁研究中心。

米里曼，s。r。a。p。格里玛，c。j。沃尔特斯。1987.在适应性管理框架内制定政策，并应用于湖鳟鱼(Salvelinus湖红点鲑)管理。加拿大渔业和水产科学杂志44(2)补充:425 - 430。

Nickelson,式样1986.上升流、海洋温度和鲑鱼丰度对银鲑海洋生存的影响(雄鱼kisutch)在俄勒冈生产区。加拿大渔业和水产科学杂志43: 527 - 535。

奥格登，j.c.和S.M.戴维斯，编辑。1994.大沼泽地:生态系统及其恢复。美国佛罗里达州德尔雷的圣露西出版社。

帕尔玛，a.m.，和R.B.德里索。1990.面对替代补充假设的循环种群的实验收获。加拿大渔业和水产科学杂志47: 595 - 610。

佩里，E. A。1995.鲑鱼种群的恢复和增强:不列颠哥伦比亚省的策略和经验。美国渔业学会研讨会15: 152 - 160。

彼得曼，r.m.和D.M.劳特利奇。1983.俄勒冈银鲑的实验管理:信息产量设计。加拿大渔业和水产科学杂志40: 1212 - 1223。

Skud, B.E.1975.大比目鱼数量的修正估计和汤普森-伯肯路之争。国际太平洋大比目鱼委员会科学报告56.

范·温克尔，W, c·c·科坦特，h·i·耶格，j·s·马蒂斯，d·j·奥斯，r·g·奥托，s·f·雷斯贝克和m·j·塞尔。1997.不确定度和河流流量标准;基于水电研究与评价的展望。渔业22(7): 21 - 22。

凡·温克尔，W. K. A.罗斯和R.C.钱伯斯。1993.基于个体的鱼类种群动态研究综述。美国渔业学会会刊122: 397 - 403。

沃尔特斯，c.j.。1986.可再生资源的适应性管理。；麦克米兰，纽约，纽约，美国。

________。1994.运用博弈程序评价管理实验。加拿大渔业和水产科学杂志51: 2705 - 2714。

沃尔特斯，c.j.和R.格林。1997.生态系统实验性管理方案的评估。野生动物管理杂志，正在印刷中。

沃尔特斯，c·J·l·甘德森和c·s·霍林。1992.大沼泽地水管理的实验性政策。生态应用程序2: 189 - 202。

沃尔特斯，C. J.和R.希尔本。1976.渔业系统的自适应控制。加拿大渔业研究委员会杂志33: 145 - 159。

沃尔特斯，C. J.和J. J.麦奎尔。1996.北部鳕鱼大灭绝对种群评估的启示。鱼类生物学和渔业评论6: 125 - 137。

沃尔特斯，C. J.和K. J.塞恩斯伯里。1990.设计一个大规模的实验来测量捕鱼对大堡礁的影响。手稿报告，大堡礁海洋公园管理局，汤斯维尔，昆士兰，澳大利亚。

沃尔特斯，c.j.， g·斯蒂尔，g·斯潘格勒。1980.湖鳟的反应(Salvelinus湖红点鲑)到收获、放养和减少七鳃鳗。加拿大渔业和水产科学杂志37(11): 2133 - 2145。