• 摘要
• 简介
• 建立最佳使用政策可靠评估模型的障碍
• 大规模管理实验的成本与风险
• 研究和管理组织中的自我利益
• 生态价值的根本冲突
• 给读者的结论和问题
• 反应
• 致谢
• 文献引用

河岸生态系统适应性管理规划的许多案例研究未能产生有效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。由于难以表示跨尺度效应(从快速的水文变化到长期的生态响应)，缺乏难以研究的关键过程的数据，以及验证数据中因素影响的混淆，建模工作一直受到困扰。实验政策被认为过于昂贵或有风险，特别是在监测敏感物种的成本和风险方面。研究和管理的利益相关者表现出了可悲的利己主义，他们将适应性政策的发展视为对现有研究项目和管理体制的威胁，而不是改进的机会。实验性管理制度的建议暴露和突出了生态价值中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发展，但会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，未来的适应性管理就有很大的潜力。

提交日期:1997年10月7日。接受日期: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。现在，大多数管理计划至少包含了一种适应性方法的必要性，特别是在生态系统管理的强制要求引起了对“新”政策选择的注意的情况下，我们几乎没有历史管理经验，例如河流流量的调节。适应性管理在主要河流系统的政策规划中形成了一个高度可见的元素，包括哥伦比亚河(Lee 1993)和科罗拉多河(Collier et al. 1997)。适应性管理方面的一项重大规划工作正在密西西比河上游(S. Light，明尼苏达州DNR，个人沟通)，利用适应性环境评估和管理(AEAM)过程(Holling 1978, Walters 1986)。AEAM进程在目前的佛罗里达大沼泽地恢复计划中发挥了作用(Walters等人1992年，Ogden和Davis 1994年)。目前正在澳大利亚大堡礁进行一项大规模的管理试验，使用AEAM程序开发的设计，旨在测试捕鱼对珊瑚礁生态系统的影响(Mapstone et al. 1996)。

虽然适应性管理的一些特殊和短视的定义出现在一些环境中(见Halbert 1993年的综述)，但今天我们通常使用这个术语来指“做中学习”的结构化过程，它涉及的远不止是更好的生态监测和对意外管理影响的反应。特别是，人们一再提出(Holling 1978, Walters 1986, Van Winkle et al. 1997)，适应性管理应该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，这些模型试图对替代政策的影响进行预测。该建模步骤旨在服务于三个功能:(1)澄清问题，加强科学家、管理者和其他利益相关者之间的沟通;(2)筛选政策，以排除那些由于规模或影响类型不充分而极有可能无法发挥太大作用的方案;(3)识别使模型预测可疑的关键知识差距。在大多数情况下，知识空白涉及生物物理过程和关系，这些过程和关系由于各种原因已经挑战了传统的科学研究方法。在大多数情况下，在建模过程中，最明显的填补空白的最快、最有效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。

管理实验的设计成为适应性管理过程中关键的第二步，一套全新的管理问题出现了，如何处理大规模实验的成本和风险(Walters和Green 1996)。事实上，AEAM建模如此频繁地为管理实验提供建议，以至于像我和我在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，适应性管理计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)来取代试错的管理学习(一个进化的过程)。

不幸的是，适应性管理计划很少超越模型开发的初始阶段，发展到实际的实地试验。在过去20年里，我参与了25次河岸和海岸生态系统适应性管理的规划工作;其中只有七次产生了比较大规模的管理实验，而且只有两次实验在统计设计方面(充分的控制和复制)被认为是计划良好的。在另外两种情况下，我们无法确定可能实际执行的实验政策。其余的要么消失了，没有可见的产品，要么被困在一个明显无休止的模型开发和改进过程中。实施适应性管理成功率低的原因有很多，主要与成本和制度障碍有关(Halbert 1993, Ludwig等，1993,Gunderson等，1995,Castleberry等，1996,Van Winkle等，1997)。

本文根据自己的案例经验，探讨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，所有这些都是制度性的原因。此外，它们是适应性管理的支持者在未来必须经常面对的挑战。首先，适应性管理计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，即详细的建模可以代替现场试验来定义“最佳使用”政策。在这类工作中还有一个进一步的假设，即未来可以通过“被动地自适应地”使用改进的监测资料来纠正最佳使用政策。在这里，我指出了各种各样非常明显的原因，为什么这种建模练习可能会失败。第二，与最佳使用基准选择相比，适应性管理的有效实验往往被视为过于昂贵和/或生态风险。虽然我在很多情况下都同意这种担忧，但我注意到，假设在一开始就能找到一些合理的基准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往往强烈反对实验性政策。我建议，适应性管理的支持者必须强有力地将这些利益置于公众监督之下。 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问题更多;这就是我写这本书的经验。我在结论部分列出了一些未回答的问题，希望能激发进一步的讨论和分析。

在前面提到的适应性管理规划案例中，有7个还没有实施实验性管理政策，在最初的AEAM模型开发之后，反而在基线信息收集和复杂的模拟建模方面进行了大量和持续的投资。这些投资包括沿海平流的三维水动力模型，人口动态的个体模型(IBMs)，以及基于GIS信息的高分辨率景观模型。推动这些投资的可能是一种假设，即通过更精确、更机械地观察更多变量和因素，可以在某种程度上找到合理的预测(以及良好的基线政策)。

在最近的一次AEAM建模研讨会上，一个机构代表将在研讨会上开发的模型称为“玩具模型”，这可能是有价值的分析起点，但最终应该被“真实的模型”所取代。这种特殊的术语(尤其是“真实模型”这个矛盾修辞法)无疑表明了一种信念，即模型在某种程度上可以不仅仅是帮助我们更清楚地思考问题的玩具。Van Winkle等人(1997)提出，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河流流量评估”。然而，他们的这一论断是基于水流实验变化所测试的模型的结果，这是一个明显的适应性管理实验。

以下几部分对我们在不久的将来用模型代替现场试验的能力提出了几个悲观的理由。这些原因对科学家和管理者都提出了警告，并延伸了Hilborn和Walters(1981)之前提出的警告。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，或者其他人将知道如何将研究结果整合到一个有用的模型中，无论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上投入更多，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海岸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子模型;(2)关键化学变量(如营养盐和沉积物)的水化学子模型;(3)初级、无脊椎和小型“饲料”鱼类生产的“低营养级”亚模型;(4)关键动物指示物种种群动态子模型，以IBMs或至少以年龄-空间结构的丰度表示。在某些情况下，我们还开发了植物群落组成变化的演替子模型。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，或者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。一般而言，这些模型仅限于将特定的水管理行动(流量、化学物质输入、收获规则等)与生态性能的特定指标(植物群落结构、“有价值”的脊椎动物指标物种的丰度)联系起来的过程和机制。通常，水动力学和水化学子模型不仅模拟物理和化学过程，而且还模拟在短时空尺度上操作水调控结构、污水排放管等的人的“战术”或“操作”行为。

开发和使用这些模型的最困难的技术问题是物理/化学和生态过程之间的跨尺度联系。一般来说，为了在计算中保持基本的物理连续性(质量平衡)，我们必须在极短的时间步(分钟到小时)内在精细的空间尺度(几十米到几公里)上求解流体动力学和化学方程。在海洋和河口环境中，由于需要考虑潮汐造成的运输和混合，计算更加复杂。因此，在更长的生态时间尺度(年、几十年)运行一个相互关联的整体模型时，物理子模型造成了巨大的计算负担。有时，我们可以将物理/化学和生态子模型解耦，“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)使用这种方法筛选佛罗里达大沼泽地的水管理备选方案。然而，物理和生态子模型的解耦使得使用模型变得非常困难，即测试其对各种参数的敏感性，并通过试错探索管理方案。根据我的经验，这样的游戏对于理解一个复杂的模型和寻找更好的管理策略是至关重要的。通过磨出几个非常详细的管理场景，并使用各种量化的绩效指标对它们进行比较，我们根本学不到多少东西。

即使我们能够找到绕过技术困难的方法，但在表示快速、局部的物理和化学变化如何“向上”影响更大的生态尺度的变化方面，仍然存在基本的概念上的困难。西蒙•莱文(1992)很好地表达了建模中的跨尺度问题:“在某些情况下，模式必须被理解为从较小尺度单元的大集合的集体行为中产生的。在其他情况下，这种模式是由更大的规模限制强加的。”例如，当我们看到一条鱼的生长速度时，我们必须明白，它是由许多猎物捕获事件和复杂的代谢率变化的时间机制造成的，受温度变化、水流、鱼类的选址选择等因素的驱动。我们不能假装模拟这一系列事件中的每一个成员，即使是在最详细的鱼类生长“机械”模型中。在实践中，我们通过模型来表示许多微观生态事件的集体效应，这些模型(1)计算时空平均值或至少在某个最小平均尺度上的总和，(2)选择性地忽略许多事件，将注意力集中在我们认为至关重要的情况子集上，例如当鱼卵存在时鱼类产卵区的物理化学条件。简而言之，我们假设我们试图模拟的生物在其环境中表现得像自然的平均者、平滑者和事件选择者。我们必须依靠经验，而不是建模或物理原理，来告诉我们平均和选择在多大程度上是安全的。

迄今为止，没有一个物理/生态联系模型能接近于“完整”地描述这种联系，即使是对生长这样的简单过程。随着自然死亡和招募等过程的出现，情况变得更加糟糕，这些过程源于分布在(产生、积累)更大范围内的更复杂的行为互动。在旧的建模术语中，假装有“黑盒”和“白盒”模型是愚蠢的;我们的模型是现象的黑箱表示的集合，这些现象发生在太小(或太大)的尺度上，无法进行实际观察和模拟。显然，我们不能向政策制定者保证我们的模型将给出准确的预测:它们是管理系统的不完整表示。

此外，我们不能假设增加模型的细节(更完整的时空事件结构表示)会导致越来越准确的预测和/或降低做出非常糟糕的预测的风险。比起简单模型，详细模型至少有三个理由不被信任。首先，关键的相互作用或事件可能在我们忽略的尺度/地点/时间上高度集中在空间和时间上，或者我们错误地认为是一个简单的平均过程。例如，Bakun(1996)指出，海洋鱼类的补充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变条件决定的。其次，增加更多的细节会给模型结构增加更多的参数，但这些参数可能不太能得到现场数据的很好支持;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导致正反馈，可以在更大的尺度上传播局部事件的影响，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。虽然我们可能能够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处理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的结果。

根据仔细的实地实验结果来检验一个详细的模型与任何其他模型一样重要;建模不能代替实验。然而，对模拟模型的关注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。许多生态过程在小空间尺度上并不明显或表现出来，但在大尺度上可能对整体动态响应至关重要。这对于扩散和迁徙来说尤为重要。例如，适应性管理计划的一个早期案例是红鲑鱼(雄鱼nerka)加拿大不列颠哥伦比亚省弗雷泽河渔业(Walters和Hilborn 1976)。这种渔业收获了许多不同的遗传种群，并且由于捕捞而大大减少了丰度。根据最近的历史数据，沃尔特斯和希尔本假设，减少捕捞将使鱼类恢复到更高、更多产的水平;他们推荐了一项管理实验来验证这一假设。加拿大渔业和海洋部的生物学家们反驳了一项建议，即在一个或几个产卵点操纵鱼类产卵密度，以检验这一假设，同时减少对商业渔业的影响。Walters和Hilborn认为，这个试点实验可能会产生误导，因为它不会测试大规模的产卵再分配和历史产卵区域的再殖民(跨尺度繁殖问题)。许多产卵点在系统中不再被占据，可能需要大幅增加整体产卵密度，以刺激这些地点的密度依赖性扩散和再定植。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基于对粉鲑(雄鱼gorbuschka)。由于本世纪初的一次山体滑坡阻止了产卵鱼向上游迁徙，该物种几乎从河流流域的上游灭绝了;在20世纪50年代早期，在一条上游支流中发现了几千只产卵鱼(这些鱼可能是从较低的系统产卵区分散到那里的)。到20世纪80年代末，数百万条粉红鲑鱼回到了上游支流。在短期种群动态中，一个“微小”的扩散事件对种群的丰度产生了深远的长期影响。

人们可能会直觉地认为，由于对任何一个模型参数的估计错误，更详细的模型不太容易做出糟糕的预测，因为每个参数直接关系到总体结构中较小的一部分。人们还可以预期，当使用多种数据来估计模型参数时，人口动态评估对如何解释或使用每一观察结果的假设误差应不那么敏感。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连续产物，而不是总和;当一个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，每条成鱼在1岁时的复渔量表示为成鱼繁殖力x卵存活率x鱼苗存活率x早期幼鱼存活率的乘积。在栖息地管理模型中，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被进一步分解为产品。要让整个招聘预测变得非常错误，所需要做的就是歪曲其中一个增长率。在传统的种群动态收割管理模型中，通常依靠总体招募/成年丰度关系的实证分析来避免这一问题;当管理部门感兴趣的是操纵特定生境因素的影响时，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募与生境因素直接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，每个主体都面临单独的风险，都会产生产品效应。

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来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(例如，单位努力的渔获量)的历史趋势统计数据。即使已经有了非常详细的生活史信息，例如历史上的人口年龄组成，但人们发现，一些关键的人口参数(当前的人口规模、人口的净变化率)的估计在很大程度上依赖于对粗趋势数据的解释。特别是，使用单位努力捕获量趋势会以一种令人讨厌的方式高估丰度和生产力(Hilborn and Walters 1992, Walters and McGuire 1996);即使有详细的辅助信息，例如人口年龄构成，也不会稀释或阻止这种影响。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控项目，也需要许多年的时间来纠正这种情况。

适应性管理计划的建模练习总是揭示关键过程和功能关系的知识方面的重大差距。当模型旨在预测具体政策选择和行动的影响时，这可能是不可避免的。这种预测所涉及的具体的因果关系通常涉及到生物物理关系，而这些关系并不是科学家们特别感兴趣的。其他的关键关系是普遍感兴趣的，但逃避了传统科学方法的调查。这种困难的关系通常描述的是在相对较大的时空尺度上积累的事件和相互作用的“突发”影响，因此衡量这些影响是昂贵的和/或缓慢的。典型的例子是当动物丰度降低时存活率的代偿性变化，招募率随亲代丰度的变化而变化，以及慢性应激对存活率的影响。例如,偶尔的洪水。

科学家在面对这种困难的关系时有三种选择:(1)尝试将关系简化为一组组成子关系或过程，并对其进行研究;(2)从历史经验或不同情境空间数据的比较分析中寻求关系的实证数据;(3)在部分控制条件下，尝试设计大规模的现场试验，直接测量二者之间的关系。还原论的方法在某些情况下是有用的:例如，ibm已经被用来理解鱼类存活率中的“突发性”补偿性变化(Van Winkle等人1993年)。然而，由于跨尺度问题，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，几乎从不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实地实验在生态学中越来越受欢迎，但事实证明在技术上非常困难(否则我们很久以前就会这么做了)。

河岸生态系统建模中经常出现的一种困难关系的一个很好的例子是泛滥平原植被的生存-洪水关系。在许多河流系统中，上游水坝对流量的稳定使得木本植被侵入河岸地区，而定期的季节性洪水本可以阻止或限制自然植被的发展。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流动的自然季节性。为了比较流量管理的选项，模型必须预测洪水的持续时间/深度，需要杀死(或基本上稀薄)植被。这种死亡率是由一系列复杂的生理反应造成的，这些反应包括:淹没期间光合作用和呼吸作用的抑制、根区化学物质的变化、水的机械损伤以及伴随而来的植物对病虫害易损性的变化等。如果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，对这种复杂反应如何随着死亡而展开的建模几乎没有希望。此外，历史数据不太可能有太大帮助。现场调查人员对建模者的典型评论可能是:“嗯，我们最近几年只看到了两次洪水;1983年的洪水是一次巨大的洪水，杀死了大多数植物，但1978年的洪水只持续了几个星期，似乎没有什么影响。”显然，从如此有限的经验中，建模者无法建立一个可靠的泛函关系来进行洪水选项的一般探索。 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.

适应性管理的一个紧急原则是，对于每一种困难的功能性关系，如果你愿意提供足够的研究资金来测量关系产生的细节，就会有一位科学家愿意声称自己有能力为你测量它。在几个项目获得资助并失败之前，管理和研究管理者没有办法知道这些说法什么时候是无稽之谈，什么时候是一厢情愿。只要科学家能够在资助方面领先于管理者一步，许多稀缺的研究资金就会继续被浪费。

最终，对建模可以替代实验管理这一假设最有力的谴责不是来自于关于模型开发困难的争论，而是来自于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声称自己有能力开发出如此精确和完整的模型，以至于无需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，许多模型用户似乎没有意识到“有效”模型(与历史经验相一致或符合的模型)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，发现各种各样的替代模型是常见的，也许是普遍的，这些模型同样有效，但对各种管理政策的影响做出了截然不同的预测。可供选择的有效模型涉及对其影响在历史经验记录中被混淆的因素的不同假设(即，随着时间的推移，因素一起变化，而不是采取明显相反的值，如果它们已经被实验改变)。这个问题不是关于“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械基础。

佛罗里达大沼泽地涉禽的数量大幅下降，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，详细的模型正在开发中，以帮助规划这一生态系统的恢复，包括IBM模拟涉禽对水管理政策变化的反应(南佛罗里达水管理区的S. Davis和迈阿密国际大学的D. DeAngelis)。个人沟通)．详细的模型可能会表明，下降可以用水管理的历史变化和湿地的历史排水来解释。然而，对于在模拟区域之外发生的事件的重要性，这一演示至少不能拒绝两个有效的假设:涉禽的分布可能正在发生变化，因为“远处的磁铁”吸引繁殖的鸟类到大西洋海岸的替代筑巢地点，繁殖的成功可能受到湿地系统河口边缘和邻近的佛罗里达湾的变化的影响。

哈德逊河核电站对鱼类幼虫的诱捕对鱼类数量的影响一直存在激烈的争论(Barnthouse et al. 1988)。至少有条纹鲈鱼(马龙saxatilis)，幼虫后存活率的代偿性改善可以从本质上消除夹带的影响。最近，R. Hilborn和他的同事(华盛顿大学，个人沟通)已发展出人口模型，显示补偿效应可能非常强;在1980年代中期渔业关闭后，条纹鲈鱼幼鱼数量的大幅增加显然没有导致幼鱼数量的增加或招募到较老的年龄。R. B. Deriso(美洲热带金枪鱼委员会，个人沟通)指出，Hilborn将幼虫后存活率的下降归因于代偿效应，事实上，这是一种强烈的时间模式(在20世纪80年代一直在下降)，同样可以很好地归因于哈德逊河的其他变化，如污水处理的改善导致生育率下降。

湖鳟鱼种群急剧减少(Salvelinus湖红点鲑)通常是由海七鳃鳗(Petromyzon绿)入侵和过度捕捞。湖泊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无法明确区分(捕鱼和七鳃鳗数量几乎在同一时间急剧增加)，其他变化(如富营养化)也可能是重要因素。关于七鳃鳗作用的不确定性可能成为未来一个重要的政策问题，特别是考虑到公众对化学品控制项目的效果和副作用的关注。

在不列颠哥伦比亚省，孵化出银鲑和支奴干鲑鱼的海洋成活率(Oncorhynchus kisutch, o)自20世纪70年代中期以来大幅下降(Cross et al. 1991)。银鲑在俄勒冈海岸的数量也有所下降(Nickelson 1986, Emlen et al. 1990)。下降与两个主要因素的变化有关:(1)载畜率的增加(可能导致补偿性的生存减少)和(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，而其他人则担心可能存在海洋承载力，增加孵化场生产不仅可能无效，而且可能降低野生鲑鱼的存活率(Walters, 1994年)。在这种情况下，对孵化场释放的实验操作被认为是一种可能的方法来区分关于存活率下降的替代假设(Peterman and 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，或者可能构建机械模型来表示每个因素的“可能”影响是没有帮助的。这种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速率做出合理的假设，通常可以使所有因素同样地符合数据)。承认混合因素可能很重要，就是承认任何影响某一特定因素的政策(例如七鳃鳗控制政策或五大湖的捕鱼政策)的影响比已知某一特定因素占主导地位或根本不重要时所承认的影响更加不确定。假设机械建模在这种情况下会有所帮助，这将导致浪费和适得其反的“模型之战”。

无法区分基于历史数据的备选假设并不意味着对历史数据建模和分析是无用的练习。建模是一种强大的工具，可以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。在AEAM过程中的一个关键概念是，建模可以帮助筛选替代方案，以形成一个可管理的集合，以便进行进一步的测试和评估。建模可以指导更有效的实地测试过程，从而使自适应管理从根本上不同于进化自适应过程，后者是政策创新的产生和测试或多或少是随机的。例如，目前正在哥伦比亚河上游的Kootenai河进行一项AEAM建模演习，以寻求恢复濒危白鲟鱼(鲟鱼属transmontanus)和其他物种受到利比水坝的影响。在本研究中，我们(卡尔·沃尔特斯和乔什·科曼)已经证明，大坝建设后鲟鱼招募失败的时间模式与卵子和幼虫存活率与夏季流量减少有关的假设一致，但与利比大坝以下营养物质负荷减少或大坝下游河滩回水栖息地丧失的假设不一致。在这种情况下，AEAM模型相当令人信服地表明，如果死水栖息地的丧失是罪魁祸首，招募失败应该发生得早许多年，或者如果营养物质的丧失是罪魁祸首，招募失败应该发生得晚几年。仅这一发现就可以节省可观的管理费用，避免在施肥计划或死水栖息地恢复方面的浪费投资。(当然，为了满足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实地试验。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，试验性的选择往往涉及重大成本和沿岸经济利益造成的收入损失，这些投资的最终收益在未来会积累到其他利益。几乎总是需要大量投资来改善监测项目。最后，与环境利益集团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，而且对于如何评价或权衡可能的实验结果也没有普遍的共识(Walters和Green 1996)。

当然，在某些情况下，为了解决关键的不确定性而需要改变比额表的实验性管理，其代价之大或风险之大是不可接受的。例如，Parma和Deriso(1990)评估了重要的太平洋大比目鱼(Hippoglossus stenolepis)渔业，长期以来一直就渔业与环境因素在造成征聘波动方面的相对重要性进行辩论(所谓的"汤普森-伯肯路辩论"，见Skud 1975)。在这种情况下，关键的实验制度将是在鱼类数量下降期间保持较高的捕捞压力，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辩论并没有那么充分的依据，反而似乎主要是拖延决策的借口。下一节回顾了在一些主要河岸案例中使用的关于成本论证的一些谬论。

一些关于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，对科罗拉多河或上哥伦比亚河等河流的季节性流量峰值进行恢复的建议，将导致每个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)．哈德逊河上的核电站要实现燃料补给周期的同步，以提供一个2年周期的电站停运周期，并因此带来鱼幼鱼的夹带率，每年也将花费数百万美元(包括燃料损失和外部电力购买)。不列颠哥伦比亚省海岸孵化场放生鲑鱼的实验减少(Perry 1995年)可能导致每年损失的商业和娱乐收获价值总计1000万至1亿美元，具体取决于用于评价娱乐收获价值的方法。

虽然这种费用表面上看来很大，但必须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的案例中，来自环境和濒危物种利益的强大压力要求大规模改变(甚至拆除)水电站的运行。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，成本可能高达10亿美元。在太平洋西北部，人们越来越担心鲑鱼孵化场的效果和副作用，并面临完全关闭孵化场生产的压力。因此，经济利益集团能否依靠公众支持或权威来维持“一切照旧”的时间更长一点也不清楚。如果，在列出的每个例子中，立法或法律决定导致大规模和永久性政策变化的几率甚至为10%，那么试图维持当前政策的预期成本(0.1 x大规模变化的成本)将大大高于证明根本没有必要进行彻底改变的实验的成本。

不幸的是，经济利益没有简单、客观的方法来决定被迫进行激进政策改变(例如10%)的可能性是否高到足以证明转向合作性、实验性的方法是正确的。实验管理的支持者向经济利益人士指出，近年来环境利益的立法和司法记录有了相当大的改善，这对他们没有好处，因为随着公众认识到改善环境管理的间接成本，这种趋势随时可能逆转。此外，环境利益是否会支持实验性政策形式的妥协，目前尚不清楚。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，并且可以用计算机模型评估捕捞的影响(Mapstone et al. 1996)。

对实验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。一些有用的观测可能会在几天或几周内发生，例如，最近在大峡谷洪水中看到的泥沙运输和海滩形成效应(Collier et al. 1997)。更多的时候，管理人员关注的是脊椎动物的种群动态反应，而这种反应很少在不到10年或20年的时间内完全展现出来。因此，大多数管理实验都涉及到一种强烈的代际价值权衡因素。今天开始的治疗方法在向资源使用者和公众介绍方面通常要付出很大的代价，但这些治疗方法所遗留的反应信息将主要对下一代管理人员和用户有用。当预期收益是用经济发展规划中通常使用的相对较高的贴现率(3%或更高)来计算时，管理实验在经济上很少显得有价值(Walters和Green 1996)。

也许，反驳反对长期实验的短视成本效益论点的最佳方法，就是简单地指出，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有相当大的限制。在制定法律要求可持续地使用缓慢更新的资源(森林、长寿的鱼类)时，在为购买土地和利用关闭土地来扩大北美公园和保护区基础的大量公共支出提供理由时，这些伦理争论一直至关重要。据推测，为未来管理收集更好的信息进行投资与为管理提供栖息地基地一样重要，特别是如果我们不能指望仅通过正在进行的研究投资来积累更好的理解(见前一节)。

设计良好的管理试验可能有极高的监测成本，特别是需要对不同处理进行重复和比较。此外，生态系统管理目标通常导致需要监测比传统的渔业和野生动物种群管理更广泛的一组反应变量。物理和化学变量通常是相当便宜的测量，但生态系统“支持服务”变量，如初级生产，净CO₂珍稀和濒危物种的吸收和趋势的监测可能非常昂贵，即使使用只适合于比较实验处理的简单趋势指数。在多个地点和时间尺度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实地测量方法进行监测，成本往往仍然很高。

为适应性管理制定负担得起的监测计划通常涉及方法和方法上的重大的、有科学风险的创新。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，现在可以通过数字控制系统(如机器人)、视频记录和事件感知的新技术实现自动化。在需要人类观察和判断的情况下，科学家必须学会更好地利用与各种各样的人发展合作工作安排的机会，主要是资源使用者和其他利益攸关方，这些人已经大量地出现在这个领域。例如，对大堡礁鱼类密度变化的实验性监测可能涉及训练来自潜水运动俱乐部的当地人员进行标准化的样带计数，并按计数支付他们(Walters and Sainsbury 1990, Mapstone et al. 1996)。在一项针对不列颠哥伦比亚省小湖泊中改善运动钓鱼方法的实验研究中，捕鱼小屋的业主获得报酬，收集捕鱼成果、收获、鱼的大小分布以及标记>12实验湖泊的信息。

用远程和自动传感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金成本，这与机构工作人员和顾问进行的传统监测相比，增加了此类项目的明显风险。同样，用现场用户的本地兼职劳动来代替专业现场工作人员的劳动，会产生各种明显的风险(例如，故意错误或不稳定的报告)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、复制、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，未来几代人将为这种错误的经济付出代价。

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对那些幸运地很好地适应了当前管理环境的物种是有风险的(例如，大沼泽地的蜗牛风筝;奥格登和戴维斯1994年)，或者是由于任何可能影响栖息地或繁殖成功的变化而受到威胁的稀有物种。通常，所谓的“敏感”物种有非常特殊的栖息地要求;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镶嵌)会在整体结构中增强特定栖息地类型。在某种程度上，管理实验几乎总是至少威胁到少数敏感物种。

对于敏感物种面临的风险增加的争论，管理实验的支持者所能给出的最好答案或许是比较风险:在缺乏实验的情况下所遵循的基准或默认政策，在它们能为敏感物种提供的保护方面往往是高度不确定的。通常，实验的最佳理由首先是缺乏一个明显的最佳行动方案。近年来，随着管理目标的扩大，包括诸如“生物多样性”这样的考虑因素，这种情况变得特别普遍，因为在这方面，历史管理经验很少。在许多河岸环境中，最终可能无法避免在生态系统恢复、消费利用和保护一些稀有物种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”是一种简单的方式，即比较处理单元和控制单元之间的测量值，并认为建模和实验是独特的、相互排斥的，以获得理解的方式。这样的观点让我们想到，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;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会产生误导，考虑一下我们在实验研究中所说的“治疗反应”。在实验单位中，它是区别在那个病房里发生的事和没有治疗会发生的事之间。原则上，我们不能确定如果没有采用治疗会发生什么(我们不能同时治疗和不治疗一个单位)。要解释或衡量对治疗的反应，我们必须进行建模在某种程度上预测如果没有治疗会发生什么。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作为模型来预测会发生什么。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和参考单位来“保证”具有代表性的预测。对于应用生态学家来说，在大多数实际环境中，他们一开始就没有太多自由去从事令人羡慕的随机化实践;实验管理者有很大的责任使用最好的模型来预测可能会发生什么。

认识到建模是实验分析的一个不可或缺的、必要的部分，为更广泛的思考设计选项和方法打开了大门，以预测基线来衡量响应效果。重要的是，它也打开了理解没有无风险的实验的大门:无论我们如何预测，如果没有治疗会发生什么，都可能是错误的(许多参考单位，时间比较等)。

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)，而是建议的管理方法有效的情况不可逆转的在这种情况下，即使在短暂的时间块内，也没有办法比较治疗方案，任何治疗不当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，解决这种情况的方法一开始就不是通过建模;相反，我们应该首先寻找创造性的方法来避免不可逆的处理，如果有必要，可以找到可逆的处理方法，至少在某种程度上“模拟”不可逆的处理方法(参见哈德逊河的例子:同步补充燃料循环提供了一种替代选择，而不是建造大规模的、有效不可逆的冷却塔)。

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，只有一个主要的管理机构和少数专门的人组织和维护实验的主动性。实验性管理规划在复杂的机构环境中举步维艰，比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，这些机构有着复杂、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性“障碍和桥梁”进行了出色的回顾。在操作中，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会产生大量的研究投资，这一方面是因为科学工作提供了确定决策的可能性，另一方面是因为“需要更多的研究”总是一个方便的答案，在拖延艰难的管理决策以使官僚和行政利益得到最佳服务的情况下。

实验性管理的领导能力应该来自已建立的管理机构，那里知识集中，人们对深层次的不确定性最为敏锐。这并没有发生;相反，对适应性管理的压力和领导主要来自非政府利益集团，通过法院判决和立法等机制或多或少迫使这些机构进入新的方向。

哥伦比亚河流域可能是错失实验机会的最好例子，在那里，通过AEAM这样的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，水坝的运作已经被修改，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，从而减少被捕食的死亡率(Lee 1993)。这项“水预算”政策每年造成4000万美元的电力损失，其结果极不确定。也许这项政策被一些人视为适应性管理实验，但很难想象会有比这更糟糕的计划了。该政策的影响将与海洋存活率、生态系统内的栖息地和孵化场管理做法以及其他用水对水质和流量的影响等方面正在发生的各种变化相混淆。为了避免这种混淆和减少电力生产的损失，一个明显的实验方法是在计划处理序列中有意每年改变淡水流量(或至少在2年时间块中使用处理流量和基线流量的开关配对)。

为什么管理机构会错过这样明显的双赢实验机会?在我的经验中，至少有三个组织因素阻止这样的政策被提出来支持全有或全无的政策改变:(1)相信假装确定性是维持机构信誉的必要条件;(2)由科学家推动过程研究方法;(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进行辩护，仿佛这些举措一定会产生理想的结果，即使这种辩护涉及在机构内部压制科学异议等极端措施(Hutchings et al. 1997)。虽然这种防御立场可能涉及到机构领导职位人员的个人自豪感和根深蒂固的信念等简单因素，但机构工作人员通常表示，他们必须自信和确定地提出各种选择，以保持政治决策者和其他机构人员的信任。也就是说，许多机构人士显然将承认不确定性视为承认弱点，并假定承认弱点的结果将是不作为或无效的妥协政策。例如，渔业资源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，他们的假设是，提供范围广泛的资源规模估计数字将导致渔业利益压力，使其使用最乐观的估计数字(让我们捕鱼直到你能证明存在保护问题为止)。这种压力肯定会发生，但随着管理机构在决策中采用“预防原则”(在不确定的情况下，假设最坏的情况，或至少寻求风险规避选项)，这种压力正变得越来越不常见。

要让持这种观点的人相信，通过公开承认不确定性，然后通过管理实验提出处理不确定性的积极(有时成本更低)方法，他们将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此类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。被广泛报道的案例，如1996年大峡谷水流释放事件(Collier et al. 1997)，现在至关重要地表明，官员们可以通过明智地处理不确定性获得很多好处。

令人沮丧的是，科学家们很容易让自己和官僚资助机构相信，对他们所研究的过程或机制的“基本理解”对预测生态系统管理政策的影响是很重要的。对于这类科学家来说，他们所研究的东西只有与其他复杂的机制(至少其中一些不会因为资金或技术原因而被研究)结合起来，才能有效地纳入管理预测，这一点似乎并不重要。因此，物理海洋学家认为，详细的水动力分析是必要的，以了解从鱼类幼虫扩散到运输和稀释的陆生营养物质的过程。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，生活史模式的个体变化对于理解“涌现”种群动态现象(如幼鱼死亡率的密度依赖性)至关重要。社会科学家指出，资源价值和决策必须在价值和决策程序形成的复杂社会环境中加以理解。在大型管理问题的各个层面和规模上，人们都说“我关心的问题很重要，所以请资助我的研究。”

在规划适应性管理和管理型研究资源配置中，应对科学自利的方法有两种:合作与对抗。合作的方法包括科学家开发模型和实验政策，通过这种方式，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)，并表明大规模的实验将为科学家创造机会，通过对这些实验中产生的实地情况进行比较研究来获得更好的理解。相反的方法指出，实地规模的实验可以直接揭示政策和重要的管理业绩指标之间的净、全面联系，这往往比研究和综合预测所需的所有组成部分要快得多，成本也低得多，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激励机制，以及利用科学家的创造力和经验来设计更好的实验，合作的方法可能会更好地服务于所有利益。

官僚和政治决策者经常面临一个棘手的选择:是果断地采取行动，发起重大的政策变化(对用户的重大限制、恢复投资、进行大型、有风险的管理实验)，还是等待问题自然会得到纠正，还是通过研究解决。认为果断行动是这些人的“最佳”选择是错误的，无论关于行动紧迫性的客观证据有多重要。果断行动通常会带来直接而明显的代价，从受影响的经济利益集团的大声疾呼，到如果政策未能如预期般发挥作用而面临尴尬的风险。另一方面，不作为的代价很少是如此直接的:一些利益集团可能会发出更大的抗议，但这些抗议往往可以通过指出拖延会让研究和仔细规划有更多的时间来缓解。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，即使是很短的延迟也足以让其他人来做决定。我们不应该感到惊讶的是，有大量的借口被用来推迟实施一个重要的实验管理计划所需要的艰难决定。

在不作为或拖延是决策者理性选择的情况下，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，希望某种自然事件造成更明显的、不可忽视的危机，或者进入政治舞台，通过公开信息、倡导立法要求改变，甚至威胁采取法律行动，试图让不作为变得更昂贵(至少更尴尬)。这些都是艰难的选择，尤其是对那些提倡通过仔细分析进行适应性管理的负责任的管理者和科学家来说，他们认为分析的结果会被同样负责任的决策者理性地使用。我的本意并不是建议负责任的科学家和管理者应该成为实验管理的政治倡导者，但我们应该明白，在许多情况下，投入更多的精力来开发更精确和更合理的理由是在浪费时间，而这些理由只会被置于脑。我们还应该明白，从分析到倡导，这是多么巨大而危险的一步。

如果水电大坝等开发项目只会对河岸生态系统产生负面的生态影响，那么就应该相对容易地就为了减轻这些影响而放弃多少经济价值达成公众共识。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这样的重大案例中看到的。像AEAM这样的利益相关者参与过程往往显示出来自“发展”利益(电力生产商、运输利益、耗水用户)的相当大的灵活性和建设性态度，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为激烈。

季节性洪水模式的调控使濒危物种在一些地方得以繁衍;保护这些种群的强有力的法律规定可能会阻碍恢复自然水文制度和随之而来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)在保育区3的管制水池中有大量的雀鸟，而角貂(Ammodramus君子兰)入侵了鲨鱼河泥沼沿岸地区，那里的自然洪水阻碍了适合筑巢的植被群落的发展。在大峡谷，由于外来植物群落入侵了自然被洪水淹没的海岸线地区，昆虫产量增加，鸣鸟得以繁衍。法尔科peregrinus)变得丰富;维护这条新的食物链可能会与季节性洪水的恢复直接冲突，其目的是进行沉积物管理和维护濒危本地鱼类的栖息地需求。

在其他河岸地区，外来的或天然稀有的鱼类物种在水域管制后变得丰富，现在支持有价值的运动渔业。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)为了应对受管制的冷流，利比水坝下已发展了渔业;通过恢复春夏的淡水流量，为濒危的白鲟鱼提供更好的产卵条件，可以大大降低这种渔业的生产力。在大峡谷，春季淡水的恢复同样会影响虹鳟鱼渔业。在密西西比河上游，由于建立了许多稳定的供驳船航行的水池，各种鱼类的休闲渔业得到了改善;在这个系统中，常年保持稳定的水位可能会阻碍天然河岸植被群落的维持，并可能导致由于沉积而导致的池的更快损失。

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，短暂的影响可能会引起冲突。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动员起来，对下游池造成各种经济(如疏浚)和生态影响，至少持续数年。在大沼泽地，由于鲨鱼泥沼的流量减少，盐度增加，这可能让海草群落沿着佛罗里达湾西北海岸繁荣发展。通过Shark Slough恢复更高的径流可能会杀死这些群落，让海浪和风的作用来调动沉积在床上的泥灰岩。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。

有相当大的危险是，基于水文恢复和物种反应之间存在一种平滑的权衡的假设，行政官员和政治家将寻求通过采用折衷的恢复政策来处理相互冲突的生态价值。因此，我们可以看到利比大坝管理的适度淡水流量足以大大降低虹鳟鱼的产卵成功率，但不足以让鲟鱼成功产卵。同样，大峡谷的小风暴可能足以恢复海滩对划船者来说，但对本地鱼类来说完全不够。“修补”大沼泽地的水管理可能会降低濒危物种的风险，但甚至没有接近恢复季节性生态系统功能，足以让许多涉禽物种恢复。简而言之，妥协的选择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，管理者很可能会尽可能拖延行动。这种延误可能威胁到在目前的水管理政策下已经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开发令人信服的模型和趋势分析，以证明这些替代威胁的紧迫性。

因此，关于生态价值的冲突可能是适应性管理和生态系统恢复政策设计的主要障碍之一。但还有另一种可能。这些冲突越来越明显，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发表在最近一期的《科学》杂志上国家地理(长1997)。随着关于替代生态价值的争论愈演愈烈(在接下来的几年中几乎肯定会如此)，它可能会产生一种危机或催化剂来促进变革，Gunderson等人(1995:489 ff.)认为这可能对制度变革和响应能力的“适应性周期”至关重要。

事后看来，我们很容易看到将管理视为实验的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来购买答案，以及对实验政策的生态副作用和风险的担忧。这些反对意见为那些可以从中获利或从中获得保护的人提供了一套丰富的借口，来推迟采取果断行动。也许这里提出的一些论点将有助于实验管理的支持者反驳最肤浅和自私的反对意见。

今天的关键需要不是更好地为理性辩论提供弹药，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、官僚行政人员、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计划实践都至少暗示了这种结果的存在，通常以诊断“探针”或现场试验的形式提供了大量明确的响应信息，而无需承诺对管理策略进行任何永久性的改变。也许当我们积累并无耻地宣传这些结果的例子时，公众将会意识到，要维持和恢复河岸生态系统的价值，照旧经营不再是可行的选择。

本文讨论了广泛的问题，显然留下了许多未解之谜。下面的问题列表，我还不能回答，可能会形成进一步讨论的基础，使用的互动形式保护生态．

1)即使任何模型最终都需要实地实验测试，难道我们不应该至少尝试建立尽可能详细的模型，以便最大限度地确定关键的时空尺度和事件吗?

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，我们被驱使着试图理解困难的过程，把它们分解成便于研究的细节;为什么我们要在应用环境中接受一种不同的理解标准(例如，通过现场尺度的实验对过程影响进行直接的“黑箱”测量)?

4)通过原始的现场实验来研究复杂的现场过程，是否存在这样的风险:实验揭示的过程效应范围太窄，而更详细的研究分析可能会揭示功能结构，用于构建适用范围更广的此类过程“子模型”?

5)当效应在验证数据中被混淆时，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)我们常常无法“倒转时钟”来收集那些历史上不被认为是重要的或被认为收集起来太昂贵的验证数据;对于这种情况，有一个机械模型不是比没有更好吗?

7)合作进行实验管理是一场经济利益的赌博，因为实验可能会带来比预期更糟糕的后果;我们怎样才能让经济利益集团相信，试验性的赌博比上法庭争取使用“权利”要好?科学在提供这些建议方面发挥了什么作用?

8)解决环境和生态规划适当贴现率问题的一种方法是通过立法或宪法指令在石头上刻上特定的贴现率;我们应该到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现场实验的速度，以避免折现障碍?

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，特别是对有抱负的研究生而言?

11)大多数生态监测项目最终都是“做正确的事”(精确的、局部的测量)而不是“做正确的事”;我们能做些什么来改变这种科学文化?

12)在历史管理下繁荣发展的敏感物种是否应该首先被考虑列入濒危物种名单，除非这些物种在明显的情况下改变了栖息地，以响应管理，以致没有自然种群仍然占据原来的栖息地?

13)在我的印象中，最努力维持信誉的人和机构实际上是那些最后得到最少的人。这种印象是否得到了广泛认同?

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

15)关于河岸恢复，有许多明显的双赢选择(例如，可以通过管理大峡谷的水流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”?

欢迎对本文作出回应。如果被接受发表，您的回复将被超链接到文章。要提交评论，请关注这个链接．要阅读已经接受的评论，请关注这个链接．

Bakun,。1996.海洋模式:海洋过程和海洋种群动态．加州大学海洋基金(与Centro de Investigaciones Biologicas de Noroeste合作，La Paz，下加利福尼亚Sur，墨西哥)，圣地亚哥，美国加州。

巴恩豪斯，L. W.， R. J. Klauda, D. S. Vaughn和R. L. Kendall，编辑。1988.科学，法律和哈德逊河发电厂。环境影响评价中的案例研究。美国渔业协会,专著4。

卡斯尔贝里、D. T.、小J.J.切赫、D. C. Erman、D. Hankin、M. Healey、G. M. Kondolf、M. Mangel、M. Mohr、P. B. Moyle、J. Nielsen、T. P. Speed和J. C. Williams。1996.不确定度和河流流量标准。渔业21(8): 20日至21日。

科利尔，硕士，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.， l·拉皮和e·a·佩里。1991.1971 - 1989年不列颠哥伦比亚省孵化场的奇努克鲑和银鲑产量。加拿大渔业和水产科学技术报告Number1816。

Emlen j.m. R.R. Reisenbichler A.M.麦吉和t·e·尼克尔森。1990.银鲑在海上的密度依赖性(雄鱼kisutch)．加拿大渔业和水生科学杂志47: 1765 - 1772。

甘德森L . h。c.s. Holling和s.s. Light。1995.生态系统和制度更新的障碍和桥梁。美国纽约哥伦比亚大学出版社。

戟,c . L。1993.适应性管理的适应性如何?在华盛顿州和不列颠哥伦比亚省实施适应性管理。《鱼类生物学与渔业评论1: 261 - 283。

R. Hilborn和C. Walters。1981.环境基线和过程研究的缺陷。环境影响评估及检讨2: 265 - 278。

R. Hilborn和C. J. Walters。1992.渔业资源定量评估和管理:选择、动态和不确定性。查普曼和霍尔，纽约，纽约，美国。

c.s.霍林，编辑。1978.适应性环境评价与管理。约翰·威利，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。

J. A. C. Walters和R. L. Haedrich。1997.科学探究与政府信息控制不相容吗?加拿大渔业和水生科学杂志54: 1198 - 1210。

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

莱文,西蒙。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) 7月1997:117 - 135。

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

Mapstone, b.d.， r.a. Campbell和a.d. m.s mith。1996.在大堡礁鱼线和鱼叉捕鱼影响的实验研究设计。珊瑚礁研究技术报告7号，澳大利亚昆士兰州汤斯维尔詹姆斯库克大学C.R.C.珊瑚礁研究中心。

米莉曼，s.r.， A.P.格里玛和C.J.沃尔特斯。1987.在适当的管理架构内制定政策，并适用于湖鳟鱼(Salvelinus湖红点鲑)管理。加拿大渔业和水生科学杂志44(2)补充:425 - 430。

Nickelson,式样1986.上升流、海洋温度和熏蒸丰度对银鲑海洋生存的影响(雄鱼kisutch)。加拿大渔业和水生科学杂志43: 527 - 535。

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

上午的帕尔马和R.B.德里索。1990.面对替代招募假设的循环种群的试验采伐。加拿大渔业和水生科学杂志47: 595 - 610。

佩里,大肠。1995.鲑鱼种群恢复和增强: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.俄勒冈银鲑的试验管理:信息产量设计。加拿大渔业和水生科学杂志40: 1212 - 1223。

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

W. Van Winkle, C. C. Coutant, H. I. Jager, J. S. Mattice, D. J. Orth, R. G. Otto, S. F. Railsback和M. J. Sale。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。

范·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。美国渔业协会学报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.运用博弈程序评估管理实验。加拿大渔业和水生科学杂志51: 2705 - 2714。

Walters, c.j.和R. Green。1997.生态系统实验管理方案的评估。野生动物管理杂志，出版中。

Walters, c.j, l.g underson和c.s Holling。1992.沼泽地水资源管理的实验政策。生态应用程序2: 189 - 202。

Walters, c.j.和R. Hilborn。1976.捕鱼系统的自适应控制。加拿大渔业研究委员会期刊33: 145 - 159。

Walters, c.j.和J。J。McGuire。1996.从北方鳕鱼崩溃中获得的种群评估教训。《鱼类生物学与渔业评论6: 125 - 137。

Walters, c.j .和K. J. Sainsbury。1990.设计了一项大型实验来测量捕捞对大堡礁的影响。原稿报告，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.，斯蒂尔，斯潘格勒。1980.湖鳟的反应(Salvelinus湖红点鲑)到采收、放养和减少七鳃鳗。加拿大渔业和水生科学杂志37(11): 2133 - 2145。