合成，部分进行了专题介绍可持续发展研究中的原型分析

可持续性研究中的原型分析:方法组合和分析前沿

• 摘要
• 简介
• 方法
• 结果与讨论
  • 原型分析方法概述
  • 分析领域
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

发展的经济、社会文化和生物物理方面的协调是实现可持续发展的先决条件。可持续性的概念是一种范式，用于思考一个世界，在这个世界中，人类的基本需求和愿望得到满足，同时不破坏自然环境，无论是现在还是将来(联合国，2015年)。通过认识到与土地、水、物种和其他自然资源的(过度)使用、不平等获取和(错误)管理相关的有问题的发展路径，该概念基本上将地球系统动力学与规范假设、价值观和权力关系联系起来(Reid等人，2010年，Schmieg等人，2018年)。这一联系有助于推断哪种发展被认为是更可取的，以及实现这种发展的方式，从而为《2030年议程》及其可持续发展目标提供基础(联合国2015年)。可持续发展要求在地方、区域和全球范围内做出有针对性的努力，以促进人类和非人类实体与环境相互作用和共同进化的协调方式。耦合的人与自然系统被框定为社会-生态系统，也称为社会-生态系统;即人类与自然内在联系在一起的复杂综合系统(Berkes和Folke 1998)。社会与自然之间的特定互动是由复杂的原因和不同的背景条件和动态造成的。然而，在众多的社会-生态系统中，不同的相互作用反复出现，激发了对原型的广泛研究。

在可持续性研究中，原型描述了人与自然相互作用的代表性模式。这一研究领域的原型分析已被用于理解反复决定社会-生态系统(非)可持续性的因素和过程。这包括与生计脆弱性、土地利用、经济发展、粮食安全和气候适应等相关的发展驱动因素和结果(例如，Jäger等人2007年，Oberlack等人2016年，Frey 2017年，Sietz等人2017年，Vidal Merino等人2019年)。原型方法也有助于情景分析，将社会-生态系统在未来可能采取的周期性发展轨迹分类为典型情景(例如，Bina和Ricci 2016，衣柜等人2016)。关于可持续性研究中原型分析的核心特征和多种含义的全面概述，请参见Oberlack et al.(2019)。

可持续性研究中的原型分析为评估人与自然相互作用的经常性因果关系提供了机会，将其作为一组完整的过程，而不是孤立的因素，考虑到它们演化的特定时空背景。这允许对与可持续性研究相关的共同进化过程的关键相互联系和动态进行概括(Kates et al. 2001, Chapin et al. 2011)。这种概括有助于从更广泛的角度理解功能的相似性和差异，并为需要在不同空间尺度上做出的决策提供信息(Miller et al. 2014, Verburg et al. 2015)，将本地现实与全球变化过程联系起来。重要的是，认识到相似之处可以加强学习，并为扩大可持续发展解决方案提供信息。然而，塑造(非)可持续性的因素、过程和反馈的最佳概括方式仍然是一个关键的方法学问题。

原型分析作为一个新兴的研究领域，目前还没有一套被普遍接受的分析方法。用于评估和评估社会-生态系统原型的方法在过去十年中迅速发展，范围从元分析和人工神经网络到定性动态建模。然而，这些方法在具体的分析目的、数据要求以及认识论和规范基础上都有所不同，这对原型分析方法的选择提出了挑战。我们的目标是促进在未来的原型分析方法的选择基于一个合理的理解方法的含义和潜力，使用和组合适合模式识别的方法。我们回顾了一套不断发展的方法，借鉴了广泛的研究和应用领域，讨论了原型方法的优点和局限性，并强调了可以推进未来原型研究设计的分析前沿。

方法

本文源于2017年和2018年举行的两次国际研究研讨会、一系列后续会议以及本研究作者进行的文献检索。研讨会参与者包括来自欧洲、亚洲、北美和南美的46位原型分析(生态学、地理学、环境科学、应用数学、社会学、经济学、气候学和农业科学)的多学科专家。他们的选择基于(i)他们在推进原型分析的概念基础方面的参与，以及(ii)他们的方法学经验。

为了选择研究，我们采用了两步方法。首先，我们确定了所有作者都认为是原型文献核心的关键出版物，包括第一届国际研究研讨会筹备调查中收集的参考文献(Oberlack et al. 2017)。其次，为了补充最初的原型研究集，我们使用以下关键词在Web of Science和Scopus数据库(最后访问时间为2017年11月30日)上进行了文献搜索(“原型*”或“典型模式*”)和(“可持续*”或“全球变化”或“土地”或“弹性*”或“脆弱性*”或“适应”或“社会*-生态*”或“社会-环境*”或“人类-自然*”或“人类-环境*”)。考虑到交替使用的术语，我们还纳入了涉及“典型模式”分析的研究。此外，我们的目标是捕捉“综合征”方法(Petschel-Held等人，1999年，Lüdeke等人，2004年)作为原型分析的先驱，使用以下关键词:综合征和(持续或“全球变化”)，不包括主题领域“医学”。这些搜索产生了994篇文章。我们选择了符合以下纳入标准的研究:同行评审，提供关于框架、数据和所使用方法的全面信息，用于识别原型的合理方法，以及对结果的严格解释。通过这个选择过程，我们确定了84项研究。

从选定的研究中，我们收集了这些方法，并讨论了它们的优点和缺点、认识论背景、规范的证实、数据的先决条件以及对特定研究目标的适用性。我们根据捕捉可持续性研究中原型分析的关键方面的四个梯度组织了已确定方法的讨论。我们选择这些渐变有两个原因。首先，这两个国际讲习班的与会者和熟悉原型分析并参与后续讨论的其他研究人员都同意这些建议。其次，在文献回顾中，梯度中捕获的方面被独立地确定为原型分析的关键，并且我们回顾的每一种方法都可以分配给四个梯度中的每一个或几个部分。我们使用这些梯度来呈现方法组合，并评估每种方法的适用性，以解决可持续性研究中原型分析的关键方面。

1. 梯度I:因果关系的处理(从描述、深度描述、因果因素配置到因果机制)，以了解(非)可持续发展模式的性质和因果关系为动机;


2. 梯度II:规范化处理(从非评估目的到规范目的)，其动机是需要制定判断和行为标准，以改善人类福祉，同时保持生态系统的健康;


3. 梯度III:空间处理(从没有空间参考的方法到空间隐式和显式方法)出于了解社会生态过程在何处展开以及它们如何在空间上相互作用的必要性;而且


4. 梯度IV:时间处理(从没有时间考虑的方法到有隐含和具体时间考虑的方法)，动机是需要了解社会生态条件如何随时间变化。

此外，我们将注意力转向了主要的分析前沿，这些前沿已经推进或有望推进原型分析，考虑到因果关系、规范性、空间和时间方面。这些前沿突出的方法学方向可以激发未来原型分析的新方法。

结果与讨论

原型分析方法概述

本节概述了可持续性研究中用于分析原型的方法。我们明确地关注适合于在一组实体或分析单元中识别经常性特征或模式的方法。分析单位的范围可以从因果因素的社会生态属性到因果机制(例如，观察到的或建模的)，并与特定的功能或空间尺度(例如，家庭或网格单元)和时间尺度(例如，时间点或时间序列)相关。也可获得关于各利益攸关方对这些实体的看法的资料。表1总结了定量和定性方法，以及它们的主要特点、优点和局限性。其中大多数是处理数据的定量方法;即，基于统计分析、基于规则的分类、机器学习算法和系统动力学建模的可测量或可数的特征。相比之下，定性方法使用定性分类、专家和利益相关者评估、定性比较分析和定性模拟模型来分析非数值信息。原型分析之前的信息收集和准备程序取决于研究的目的和研究问题，并涉及各种各样的方法(欲了解更多细节，我们建议读者参阅具体的方法学文献)。

表1中描述的方法在原型分析中的因果关系、正态性、空间和时间处理上有所不同，因此每种方法至少部分涵盖了所有梯度(图1)。在我们回顾的所有方法中，大多数定量方法最适合于对模式的深入描述和因果因素配置的识别(见图1中的因果关系梯度)。所有定性方法都能够识别因果机制和因果因素配置。专家和利益相关者的定性评估可以用非评估和规范的方式来评估原型(见图1中的归一化梯度)。空间显式原型分析主要依赖于定量方法(见图1中的空间梯度)，而时间可以通过大多数方法隐式或显式地捕获(见图1中的时间梯度)。关于方法适用性的更具体细节将在以下子节中沿着因果关系，归一化，空间和时间梯度。对于每个渐变，我们讨论了适合于说明渐变的特定部分的示例方法。在本讨论中，我们强调原型分析方法的最重要特征，并特别注意梯度的中心和终点，因为它们对可持续性研究最重要。表1和图1包含了比下面的讨论更详细的信息，并作为补充资源。

梯度I:因果关系的处理

描述-厚描述-原因因素配置-原因机制

在原型分析中，因果关系的处理范围从单纯描述社会生态系统的原型特征，如脆弱性、适应性或土地管理，到分析将原型特征和结果联系起来的因果机制。在这个梯度的一个极端，描述社会-生态系统的典型特征。这种特征描述提供了关于周期性特征的性质的结构化知识，而不涉及这些特征可能出现的原因。在描述之外，厚重的描述可以提供更多的定量见解，或者对反复出现的特征和背景进行详细的定性叙述。因果因素配置增加了对原型决定因素模式的洞察。它代表了导致特定结果的一系列因果因素(例如，高度干旱敏感性加上政策执行效率低下和缺乏生计替代品导致农业系统的脆弱性)。在这个梯度的另一个极端，因果机制解释并明确提及将因果因素和(非)可持续性结果联系起来的过程(Meyfroidt 2016, Magliocca et al. 2018)。

定量和定性方法(表1，图1)都用于描述典型特征和分析社会-生态系统中的因果模式。例如，聚类分析已被广泛应用于原型描述和原型因果因素配置的评估。应用包括对人们风险感知和气候适应行为的原型分类(Lim-Camacho等人，2017)，描述周期性人与自然相互作用的人为生物群落(Ellis和Ramankutty 2008)，以及脆弱性的原型模式(Kok等人，2016,Sietz等人，2017,Vidal Merino等人，2019)。特别是，建立关于因果机制的假设，例如限制旱地人民福祉的低初级生产力和社会政治偏远性(图2)，为因果分析提供了桥梁(Sietz 2011)。在聚类中，关于最优聚类数量的决策、外围指标值的处理以及特定聚类算法和距离度量(例如，欧几里得距离)的使用(Janssen et al. 2012)决定了聚类结果可以为密集原型描述和因果因素配置识别提供的详细程度和意义。聚类支持识别复杂的因果因素配置，因为它可以适应高维数据空间，并且适用于任何空间或时间尺度(表1;在其他研究领域，聚类被称为模式识别中的无监督学习，社会科学中的类型学构建，以及生物学中的数值分类学发展(Theodoridis和Koutroubas 1999)。

在可用于模式识别的机器学习算法中，自组织地图已用于识别土地系统原型和土地利用变化的原型轨迹，而不直接捕获因果机制(Václavík等人，2013年，van der Zanden等人，2016年，杠杆等人，2018年)。自组织映射是一种竞争学习算法，特别适合于聚类高维数据空间(表1)，支持厚原型描述和多变量因果因素配置的识别。虽然一些聚类方法需要对参数阈值的决策来帮助区分聚类，但自组织映射具有无监督学习算法的优势，它不依赖于这些决策，因此不太容易产生潜在的偏差。这些特征使得自组织映射更适合于数据驱动的原型分析，尽管没有揭示因果关系。然而，研究已经使用自组织地图的结果来产生关于所研究现象的至少可测试的假设;例如，土地系统原型的潜在驱动因素及其时间动力学(Václavík等人，2013年，lever等人，2018年)。

人工神经网络是另一套机器学习算法，在过去几年中取得了重大进展，并继续在机器学习领域取得飞跃。已经克服并有助于分析因果因素配置的挑战包括添加隐藏层以解决复杂问题而不过度拟合，建立大内存存储，以及减少大型数据集的执行时间。然而，需要特殊的算法来提取相关信息(表1)。社会-生态系统研究首次尝试将变量和可持续性结果之间的隐性(黑箱)关系转化为明确的模式(Frey和Rusch 2013)。这种可能性使得人工神经网络适合将其在原型分析中的应用转移到评估因果模型。其他研究通过叠加原型(i)与可能的解释因素，以讨论土地利用变化的原因(等人，2018)，以及(ii)与武装冲突，以调查脆弱性的后果(Sterzel等人，2014)，产生了关于因果关系的假设。

案例研究的元分析使用频率分析来评估重复出现的因果变量或过程，作为原型识别的手段。以变量为中心的元分析倾向于考虑大样本量(例如，> 30个案例研究)(Geist和Lambin 2004年，Keys和McConnell 2005年，Sietz和van Dijk 2015年)，但没有明确地捕捉变量的相互作用(表1)。这最多将因果推理限制在因果因素配置上。相比之下，以过程为中心的方法在案例研究信息合成过程中考虑变量的配置来保留因果关系或模型(Rudel等人2009,Meyfroidt等人2014,Oberlack等人2016)。以过程为中心的元分析通常限于小样本量，以管理所需的分析准确性水平(表1)，从而缩小了可以得出广义因果推论的观察空间。缺乏可比较的案例研究限制了这两种类型的元分析，而在以过程为中心的方法中，对因果机制的编码和模式的验证要求特别高(表1)。

定性分类也提供了揭示因果模式的机会。例如，该方法已用于确定中美洲和加勒比地区易受水文气象灾害影响的经常性因果机制，这种机制可能构成一种易受灾害影响的综合征(Manuel-Navarette et al. 2007)。在这一分类中，报告的因果关系在一个迭代过程中进行了分类，该过程朝着因果关系的饱和方向发展，突出了脆弱性评估领域的新兴知识(表1)。然而，与特定因果机制相关的脆弱性的严重程度仍然需要以空间显式的方式进行调查，以了解哪些机制可能触发或加强给定区域的综合征。

在原型研究中，更复杂的因果关系分析受益于考虑两个维度:相等性和因果不对称(Rihoux 2006, Wagemann和Schneider 2010)。这些可以通过定性比较分析(QCA)来捕捉(Rudel 2008, Fiss 2011, Meurer 2014)，这是一种定性方法，将案例分组为相似的因果因素集，并检查决定某个结果的多个条件的配置。相等性意味着原型特征的不同组合可能导致相同的结果;例如，实现高性能的不同业务原型(Fiss 2011)。因果不对称意味着解释某一结果存在的因果机制与导致该结果不存在的因果机制不同。例如，特定的业务原型始终如一地实现高性能，而没有典型业务功能的配置始终如一地导致低性能(Fiss 2011)。定性比较分析通过(i)描述联合因果效应和(ii)报告异常案例(表1)提供分析好处。然而，QCA分析师需要就案例选择和因果因素、过程和相关结果的编码达成一致，以确保原型的可靠性。一些用于原型分析的QCA研究不符合良好QCA实践的标准(Schneider和Wagemann 2010);例如，在很少的情况和太多的变量之间的不平衡。

梯度II:规范化处理

非评价目的-规范目的

原型分析在规范性的处理上也有所不同，从非评价的方法到规范的方法。非评价性原型研究描述了原型模式，但对这些模式的可取性或因果机制可能或应该如何调整以产生更可取的模式没有任何判断。更倾向于这一梯度的规范一端的研究往往采用问题导向的方法，并倾向于从应该采取的规范措施或从具有固有规范内容的前提开始。

鉴于可持续性的规范性性质，在该研究领域应用的原型研究通常位于梯度的规范端，尽管大多数典型的原型分析方法可以在不评估某些原型模式是否比其他原型模式更可取的情况下应用(图1)。例如，元分析方法适用于描述原型模式或分析其因果机制。但它们也有助于更好地理解如何朝着更可持续的结果迈进。作为一个具体的例子，从案例研究的元分析中得出的旱地开发的典型驱动因素为设计政策干预措施以实现更可持续的发展提供了基础(Geist和Lambin 2004)。在另一个例子中，元分析被用于对生计脆弱性和可持续性潜力的原型进行分类(Oberlack et al. 2016)，其中可持续生计框架为评估生计结果提供了规范基础。另一项案例研究的元分析将与水资源短缺相关的福祉结果分为六个典型类别，称为“综合征”(Srinivasan et al. 2012)。作者从资源(不)可持续性、脆弱性和水资源短缺方面讨论了这些综合征。

专家和利益相关者评估是最适合进行规范性原型分析的方法(图1)，因为它们通过对可持续性过程的不同看法来支持规范性评估。例如，专家和利益相关者参与评估世界各地常见的人与自然相互作用(Schellnhuber等人，1997年，Lüdeke等人，2004年，Jäger等人，2007年)。其中，缺水、土壤退化、偏远和治理薄弱的相互作用被认为是旱地脆弱性的典型触发因素(Jäger等人，2007年)。参与过程首先在专家和利益攸关方之间建立一致的原型理解，并考虑到克服可持续性挑战的目标，同时在更广泛的范围内抓住机遇，确定适当的抽象级别(表1)。此外，跨学科专家讨论为农业土地利用症状的定性分类和评估提供了基础(Manuel-Navarette等人，2009年)。在另一个例子中，利益相关者通过讨论，根据对土地使用选项和限制的具体认识，改进了作物和牲畜管理所提议的典型机制(Moraine et al. 2017)。此外，还与行业伙伴讨论了定性分类确定的商业模式原型，以促进企业创新(Bocken et al. 2014)。通过提供一种共同的语言，这种方法可以支持参与式创新，但由于它依赖于历史创新证据，因此无法激发全新的业务设计(表1)。

梯度III:空间处理

无空间参考-空间隐式评估-空间显式评估

在原型分析中考虑空间的方法从非空间到空间隐式和空间显式。用最简单的方法，社会生态现象的典型模式可以在不参考它们发生的地理位置的情况下被描述出来。这种方法可以基于对非空间数据的检查，但也可以是纯概念性的。例如，Fischer等人(2017)为粮食-生物多样性挑战提出了一个定性的概念框架，描述了社会-生态系统状态的四种原型。该框架将社会-生态系统与典型的极端情况联系起来，并提供了机会来测试与每个原型相关的驱动因素和反馈是否在一系列情况下都成立，而不考虑其地理位置。相比之下，非空间数据的定量分析，如案例研究的元分析，可以证明所研究现象的区域差异(Oberlack and Eisenack 2014, Messerli et al. 2015, Sietz and van Dijk 2015)。然而，这些研究要么没有考虑到空间方面，要么只是含蓄地承认了案例研究的位置，有时在结果中有具体的考虑。

在原型分析中应用的大多数方法都可以使用空间结构变量(图1)，并引用其地理位置(sensu Peters and Herrick 2004)，从而实现空间隐式原型分析和地图可视化(Ellis and Ramankutty 2008, Stellmes et al. 2013)。其中一种方法是基于规则的分类，其中某些规则的应用(例如，来自对回归分析结果进行分类，将其投射到地图上，并将其与一般土地变化过程相关联)导致了空间洞察力(Stellmes等人，2013年)。自组织地图在机器学习和聚类方法中脱颖而出，因为它们在将数据点分配到聚类时保留了数据点的拓扑结构，从而使相似的聚类彼此更接近(表1)。这允许在相似性方面比较典型变量组合，如果使用空间数据，则可以比较地理接近性。这种方法已用于各种目的;例如，分析国家层面的生态系统服务束(Dittrich et al. 2017)和开发欧洲农业景观类型学(van der Zanden et al. 2016)。此外，在多个尺度上进行的原型分析可以支持区域差异化的可持续发展战略讨论。例如，使用定性动态建模和聚类分析相结合的混合方法，考虑到巴西东北部的区域农业特殊性，已经对全球旱地原型进行了细化(Sietz 2014)。此外，非洲旱地的嵌套脆弱性原型来源于在大陆和区域尺度上进行的聚类分析(Sietz et al. 2017)。

虽然简单的原型映射有时可以被称为空间显式的努力，但真正的空间显式方法考虑空间依赖或邻里效应(Peters和Herrick 2004)。明确地解释空间方面是具有挑战性的，但很重要，因为它可以提供研究地点和周围地区之间地理相互作用的见解。空间统计对原型分析很有希望，因为它们不仅可以显示典型变量组合在哪里出现，而且还可以表明这些组合在统计上是显著的还是仅仅是偶然出现的。然而，很少有原型应用程序是基于空间统计的。例如，应用空间关联的局部指标(LISA) (Anselin 1995)来了解生物多样性和农业生产潜力的全球典型组合(图3)(Delzeit et al. 2017)。该研究确定了具有统计意义的空间热点，在这些热点地区，生物多样性可能受到未来潜在耕地扩张的威胁。在网格单元对网格单元的基础上比较空间变量时，引入邻域效应是很重要的，因为简单的地图叠加可能会受到空间分辨率差异、错配或数据噪声的影响(Fotheringham和Rogerson 2013)。

梯度IV:时间处理

无时间对价-隐含时间对价-具体时间对价

这个梯度区分了原型分析中对时间的处理，从没有时间参考的方法到时间隐式方法，再到特定时间的方法(图1)。在这个梯度的一个极端，原型分析不考虑时间变化。例如，原型的构建被提出作为一种形式概念来定性分析社会-自然相互作用(Eisenack et al. 2006)。使用这种概念方法，气候变化的典型障碍(例如，道德风险，贫困陷阱)已经在没有具体时间参考的定性分类的基础上进行了讨论beplay竞技(Eisenack 2012)。此外，聚类分析已被用于识别基于财务生产力、所有者目标和其他特征的私人土地保护的时间独立商业模式(Clements et al. 2016)。

具有隐式时间考虑的原型分析侧重于将过程作为分析单位。这种类型的原型分析不是单个事件，而是捕获随时间变化的事件、活动和结果链。例如，以过程为中心的元分析特别适合于分析一段时间内的过程，因为它允许量化因果因素的趋势和变化(表1)。这种类型的案例研究元分析用于描述热带地区森林砍伐和生物多样性下降驱动因素的典型相互作用和趋势，包括国家支持的小农和企业作为森林砍伐驱动因素(Rudel et al. 2009)。此外，QCA的几个方面可以进行调整，以便在分析中包括时间，特别是在事件的顺序方面(Caren和Panofsky 2005年，Ragin和Strand 2008年)。然而，在撰写本文时，还没有与时间相关的QCA应用于原型分析。

在这个梯度的另一个极端，研究调查了关键原型模式的时间动态(图1)。这些方法使用时间序列数据和信息，反映了一个阶段或几个时间点，以调查社会-生态系统的发展轨迹。例如，自组织地图已被用于识别欧洲土地系统的典型变化(lever et al. 2018)。此外，聚类有助于揭示1970年至2050年之间旱地脆弱性原型的动态(Lüdeke等人，2014年)、依赖于土地利用强度的生态系统服务的不同轨迹(Locatelli等人，2017年)和典型的土地利用动态(van Vliet等人，2012年)。

系统动力学建模和定性动力学建模是特别适合捕捉原型分析中特定时间方面的方法之一(图1)。特别是，它们可以揭示非线性动力学，使推理原型模式的因果机制成为可能(另见梯度I)。例如，考虑到与农业用地改造相关的系统原型，系统动力学建模已被用于预测美国农业用地利用的变化和相关土壤影响(Turner等人，2017年)。系统动力学建模适合于理解复杂系统的动态行为，通过表示系统的结构和耦合的，有时是其组件之间的时滞关系。当整个系统的行为不能用其组成部分的行为来解释时，它特别适合定量地模拟系统的动力学。系统动力学方法还提供了有价值的定性工具，以支持趋势识别，并深入了解(非)可持续发展的相互关联原因，从而能够确定可持续解决方案的目标杠杆点;例如，可持续水资源管理(Mirchi et al. 2014)。然而，这些在原型分析中仍未充分利用。对于所有类型的模型，敏感性分析对于测试哪些组件对结果的影响最大，哪些反馈环在特定时间和特定情况下占主导地位，以及系统如何对组件和反馈环的变化做出反应是重要的。

此外，结合定性动态建模、模糊逻辑和专家评价的综合混合方法已被用于评估“全球变化综合征”(Schellnhuber等人，1997年，Petschel-Held等人，1999年，Lüdeke等人，2004年)。在这些研究中，全球变化综合症代表了全球环境和发展过程的典型亚动力学，捕捉了复杂的因果关系，通常包括强烈的反馈机制。通过定性动力学建模评估了这些综合征的动力学(Petschel-Held等人，1999年，Sietz等人，2006年)。这是可能的，因为定性微分方程捕捉了变量之间的关系，包含大量的定量微分方程，其中许多参数仍然未知，具有必要的分辨率和覆盖范围(表1)。该建模揭示了变量的典型趋势组合轨迹的非线性及其与临界阈值的关系(图4)。然而，定性动态建模并没有提供干预的紧迫性的洞察。因为它不能反映动态展开的速度或到临界阈值的距离。

分析领域

考虑到前一节中讨论的原型分析的方法挑战和潜力，本节概述了我们在研讨会、后续会议和回顾文献中确定的最重要的分析前沿。在这里，分析前沿代表了对原型分析领域的理解和成就的最大限度。因此，我们强调了处于研究领域前沿的现有研究，并展示了几个有前景的方向，以进一步推动原型分析在未来的边界。关于因果关系、标准化、空间和时间梯度，其中四个边界与特定的梯度有关，而三个交叉边界捕捉了总体的视角。特别是，在捕捉因果关系强度方面的进展(前沿I)有助于识别导致(非)可持续性结果的典型因素和过程，并直接提高我们对因果关系的理解。此外，克服偏见的具体方法(前沿II)被讨论为与因果关系和规范性有关的关键主题。此外，在多个空间尺度上探索原型(Frontier III)揭示了原型因素和过程的不同表现形式和嵌套性，增强了空间内隐和外显的洞察力。此外，采用快速增长的高分辨率数据(Frontier IV)可以改进在高空间和时间分辨率下的因果机制分析。最后，跨领域前沿强调了在更细致的决策(前沿V)、验证(前沿VI)和可持续性解决方案的升级(前沿VII)中代表不确定性的作用。以下小节详细介绍了七个分析前沿。

前沿I:捕捉因果关系的力量

虽然因果分析在可持续性研究中至关重要，但它才刚刚开始受到必要的关注(Meyfroidt 2016)。我们回顾的大多数最适合识别典型因果机制的方法都是定性的(见图1中的因果梯度)。虽然这些方法揭示了积极或消极因果关系的复发(例如，基于QCA或元分析)(Rudel 2008, Fiss 2011)或评估其后果(例如，定性动态建模)(Sietz et al. 2006)，但它们没有提供这些关系强度的定量度量。这也适用于案例研究的基于频率的元分析，侧重于因果机制。相比之下，统计分析提供洞察因果因素之间的关联强度，作为讨论因果关系的基础。为了加强从多元统计分析中得出的结论，关于因果关系的定义明确的假设。关于潜在机制的有根据的想法很重要(van Asselen和Verburg 2012, Kok等人2016,Vidal Merino等人2019)。假设的精确定义不仅对适当量化潜在过程至关重要，而且对始终如一地解释和验证所确定的模式至关重要。例如，Sietz等人(2012)根据用于定义和量化相关过程的因果假设，解释和验证了农民脆弱性的典型模式。这项研究表明，模式所隐含的脆弱性产生机制与利益相关者关于极端天气造成的特定原型损害的报告一致。定性和定量方法的结合突出了在原型分析中使用混合方法的价值(Vidal Merino et al. 2019)。

采用其他学科的因果分析技术是支持原型研究中多元统计分析的因果推断的另一种方法。准实验设计使用共变量相似性或倾向分数来测试平均处理效果，将控制和处理观察相匹配，已被用于评估可持续性政策，如建立保护区以停止森林砍伐(例如，Blackman等，2015)。其他依赖于时间序列分析的方法，如格兰杰因果检验(例如，Seto和Kaufmann 2003)或生存分析(例如，Irwin和Geoghegan 2001, An和Brown 2008)，已成功应用于土地利用变化研究，以建立土地利用转变的因果解释。在可持续性研究中更广泛地应用这些方法的主要障碍是数据的可用性。准实验和时间序列方法都需要大量的空间和/或时间数据来匹配观测和检测有意义的信号。当不得不考虑可持续性的社会和生态层面时，这种数据要求就会加剧。在这方面，混合方法也会有所帮助。例如，Magliocca等人(2019)结合时空统计数据(例如，生存分析和倾向得分匹配)和案例研究的QCA，构建了柬埔寨经济土地特许权导致的商品作物、社会影响以及直接土地利用变化的时间和程度的典型路径。本研究表明，由于数据的局限性，没有单一的方法能够完全解释社会影响和土地转换的时空格局。然而，利用联合方法之间的协同作用来确定形成由土地让让引发的典型发展路径基础的经常性因果关系。 This example shows that mixed methods clearly have the potential to bridge data gaps and support causal inference in archetype analysis.

Frontier II:克服偏见

原型分析中的偏差可以从方法和数据限制中引入。例如，使用案例研究的元分析程序可能具有很强的偏差，因为案例研究倾向于揭示具有显著系数的主要变量(Sietz和van Dijk 2015)，这可能会导致推断中的偏差。通过控制不显著的因素和过程，元分析原型分析将变得更加稳健。定性比较分析可以作为一个例子，其中良好实践的标准要求区分导致特定结果的积极案例和不导致该结果的消极案例(Rihoux 2006, Schneider和Wagemann 2010)。此外，统计原型分析对异常值非常敏感。离群值会扭曲整体数据分布，并可能扭曲模式识别，特别是在使用基于距离度量的聚类和机器学习算法时。这与小数据集尤其相关。Winsorization-i.e。，replacing the outlying values with the next available, less extreme value (Barnett and Lewis 1994)—is a way to deskew data sets and more adequately focus on most cases investigated (Sietz et al. 2012).

此外，机器学习方法通过降低高维数据空间的维数来实现数据处理。例如，t分布随机邻居嵌入(t-SNE)已被用于探索高维数据空间中的模式，以对复杂数据产生新的假设(van der Maaten和Hinton 2008)。它是一种算法，提供了一种更公正的方法来分析和比较数据空间，而不依赖于先前的知识。通过清晰地划分分组和引入较少的偏差，该方法优于其他降维方法。然而，由于算法适应分析的数据并在分析过程中转换数据，因此对结果的解释通常要求很高。此外，t-SNE结果可以受到所选参数化的强烈影响。例如，“perplexity”是估计每个数据点拥有的邻居数量的一个重要参数(van der Maaten and Hinton 2008)。通过仔细研究t-SNE在简单数据集上的表现可以避免误读，并且应该测试不同的参数以深入了解结果的稳健性。从统计分析中得出的结论也可以通过在同一样本中应用不同的分析方法来检测特定变量的显著性变化来加强(Kazianga和Masters 2002)。

专家和利益相关者评估提供了更密切地参与相关社会行动者的机会，并评估原型分析中潜在的不同观点。例如，北美的当地利益相关者比全球场景开发人员更频繁地将社会价值观视为未来变革的典型驱动力(衣柜等人，2016年)。了解各利益相关者对环境或生计风险、潜在损害及其自身适应能力的看法对克服偏见非常重要。

前沿III:在多个空间尺度上探索原型

社会-生态系统是由在多个空间尺度上或跨多个空间尺度上运作的各种生态和人为过程所形成的。然而，原型分析主要集中在单一尺度上，包括局部(例如，Vidal Merino等人2019)、区域(例如，Cullum等人2017,lever等人2018)或全球尺度(例如，Crona等人2015,Kok等人2016)。多尺度方法可以加强原型分析，因为(i)在一个尺度上观察到的原型模式可能在另一个尺度上表现不同，并且(ii)当原型模式和过程之间的关系在不同尺度上是恒定的时，上尺度是可行的。这对于在特定背景下设计中级水平的政策尤其重要(Campbell et al. 2006, Andersen et al. 2007, Vetter 2013);例如，反映特定的社会群体或暴露于特定的压力。

实施多尺度方法的一种方法是将原型分析集中在不同的空间尺度范围上。Sietz等人(2017)在两个空间尺度范围内确定了撒哈拉以南非洲干地的脆弱性嵌套原型。这使得在区域范围内就可持续集约化的机会进行更有区别的讨论成为可能。另一种选择是对感兴趣的因素使用更细粒度的信息(Sietz 2014, Václavík等人，2016)。多尺度原型分析展示了在不同空间尺度上得出的发现如何相互补充，而不是任何一个尺度被认为是最重要的(另见Eisenack等人，2019年)。为案例研究提供反馈，在多个尺度上确定的典型机制可能会激发在特定环境下的进一步研究。

前沿IV:拥抱快速增长的高分辨率数据

来自传统(如遥感)和新兴来源(如Twitter、Flickr、手机痕迹)的高分辨率空间和时间数据的最近改进为克服分散的经验证据所产生的限制提供了机会。利用新获得的“大数据”，在粗略解析的数据中可能无法观察到的快速区域变化和不常见的标准化测量(例如，人口普查数据)现在可能成为原型分析的目标。例如，陆地卫星档案的开放与多传感器融合工作相结合，使得对典型土地利用模式的时间序列分析成为可能，即使是在持续多云的地点(Hansen et al. 2013)或特别难以探测的地表变化(例如，植树)(Hurni et al. 2017)。这些新的数据源可以通过在高时间和空间分辨率下进行因果分析，并更精确地评估变化的原型路径，从而帮助推动因果原型分析的边界。然而，新的数据源带来了自己独特的挑战，包括用户/贡献者的动机不确定，地理空间信息不完整或模糊，以及评估内容真实性的困难(Jackson et al. 2013，见et al. 2016)。这些限制是可以解决的;例如，通过对照传统来源验证众包数据(Mislove等人，2011年，Edwards等人，2013年，Sloan等人，2013年)。

人工神经网络等机器学习算法非常适合在如此庞大且经常有噪声的数据集中找到模式。除了潜在的高解释力，进一步的发展，包括深度学习和强化学习，显示出特别有希望加强人工神经网络在原型研究中的应用。然而，机器学习在原型分析领域的应用仍然很少。使用完全或半自动化(即无监督或部分监督)机器学习技术进行数据收集、管理和分析也带来了挑战。一般来说，随着数据量和异构性的增加，训练数据集需要更加全面和健壮，才能产生用于数据过滤、分类和分析的可靠算法。一个潜在的解决方案是对多种方法和数据源进行三角测量，以填补经过验证的训练数据中的空间和时间空白(Mertens和hese - biber 2012)，从而在应用于完整的数据集之前对算法进行彻底检查。

前沿V:代表更微妙决策的不确定性

社会生态状况和决策与概念模糊、知识不完整、缺乏清晰的空间边界、测量误差和固有的可变性所产生的不确定性有着内在的联系。这些不确定性对原型分析提出了挑战，以支持制定可持续发展政策。模糊集理论(Zadeh 1965)是未来原型分析的一个很有前途的工具，可以调和现实世界现象的持续不精确性。在模糊集理论中，分析单元在两个或多个类中具有一定的隶属度。例如，模糊聚类(Zadeh 1977)提供了一个机会来调查一个对象(例如，区域或家庭)具有两种或两种以上影响脆弱性、土地管理或其他可持续性方面的典型机制的程度(Rao和Srinivas 2006)。此外，模糊集QCA允许表示从高到低值的典型条件的梯度，而不仅仅是条件的存在或不存在。例如，模糊集QCA已被应用于研究区分治理系统应对气候变化挑战能力的因素的反复配置(Pahl-Wostl和Knieper 2014)，以及管理生物多样性保护的机构中地方自治的出现和持久性(Basurto 2013)。beplay竞技此外，模糊分类已被用于克服绘制缺乏明确空间边界的连续生态条件的挑战(Cullum et al. 2017)。模糊集QCA和模糊分类与模糊聚类的一个重要区别是，它们通过特定分类问题的隶属度函数(校准)规定分类的结构特征。模糊集方法反映了现有知识和数据的不确定性，为原型分析的定量和定性方法之间的桥梁提供了宝贵的机会，并有助于更细致的决策和设计适当的干预方案。

前沿VI:验证

验证是提供可信的原型分析的关键，可持续发展决策将采用这种分析。然而，验证很少应用于原型研究。经验有效性和应用有效性(Bossel 1994)对于说明原型的相关性和可信度都很重要。如果原型与报告的(不)可持续性结果相对应，并且导致这些结果的机制是一致的和合理的，则认为原型在经验上是有效的。例如，秘鲁安第斯山脉的一项当地研究表明，确定的脆弱性原型与独立报告的因果机制和小农因极端天气所遭受的损害是一致的(Sietz et al. 2012)。这一实证验证证实了研究结果与决策的相关性。在地方一级开展工作具有明显的优势，因为区域或全球观测数据的局限性往往限制了在更大范围内进行这种验证。作为替代方法，尽管不太严格，但专家评估(lever等人，2018年)和结果与独立案例研究知识的比较(Sietz等人，2017年)已用于测试大陆和全球研究中原型的经验有效性。更系统地使用独立数据集和多种验证方法是未来原型分析的一个有前途的途径。本研究中涉及的一些方法可以提供这些方面的示例，例如使用案例研究探索QCA结果(Schneider和Rohlfing 2016)，以及最近将QCA和过程跟踪联系起来的贡献(Schneider和Rohlfing 2013)，并将其嵌入混合方法研究(Rohlfing和Schneider 2018)。

此外，如果可以在一个给定的原型模式中显示加强可持续发展战略的可转移性，原型就显示出应用有效性。例如，独立的案例研究证明了原型在全球旱地的应用有效性(Sietz et al. 2011, Kok et al. 2016)。这些案例研究报告说，在西非成功地降低了脆弱性的水土保持措施后来被扩大到属于同一原型的其他地点。这一报告的转移证实了在可比的社会生态条件下，适当的干预措施是相似的假设。更系统地收集证据，包括高分辨率数据(见Frontier IV)，对于在未来的原型评估中证明经验和应用有效性(另见Eisenack等人，2019)是扩大可持续性解决方案的先决条件(见Frontier VII)。

前沿七:可持续性解决方案的规模化

原型分析支持以系统的方式将知识从一个地方转移到另一个地方。社会生态条件的相似性与干预措施的相似性相关联的假设直接导致了关于可持续性解决方案可扩展性的辩论。当以空间隐式或显式方式评估时，原型有助于识别潜在的缩放域(Coe et al. 2014);也就是说，成功的干预措施可能被推广和扩大的地点。一种方法是量化可持续发展战略的可转移潜力。例如，Václavík等人(2016)计算了地点与相关项目原型的统计相似性，以估计扩大规模或转移从基于地点的可持续土地管理研究中获得的见解的潜力。这些作者使用土地使用强度以及环境和社会经济条件的原型(Václavík et al. 2013)来评估可转移性，并为大型基于地点的研究项目的见解的可伸缩性提供线索。最佳实践的扩展还可以通过对社会-生态系统之间相似性的空间洞察来获得信息。例如，从聚类分析得出的脆弱性特征描述了类似问题结构的位置，表明对集水和土壤肥力改善等干预措施的类似反应(Kok等人，2016年，Sietz等人，2017年)。聚类和统计相似性方法都可以应用于任何规模，从而能够识别嵌套的原型，因此非常适合为在本地、区域或全球规模上做出的决策提供信息。

从原型分析中获得的见解使决策者能够评估一个地区在更广泛的背景下扩大成功干预措施的潜力(另见Oberlack等人，2019年)。这是一个基本步骤，因为向农民提供咨询、财政或物质支持的决策主要是在地方一级以上做出的。评估提供了广泛的切入点，其实施需要详细了解影响社会和生态系统之间相互作用的社会-生态条件、协同作用和权衡。

结论

利用两次国际研究研讨会、一系列后续讨论和文献综述的结果，我们展示了可用于分析社会-生态系统原型的方法的多样性，以及这些方法已应用于的各种可持续性领域。我们综合了这些方法，为更好地理解特定原型背后的因果机制及其在适当的空间和时间尺度上的(不)可取性提供了基础。定量方法包括案例研究的元分析、基于规则的分类、聚类分析、机器学习算法、统计距离/相似度分析、空间统计和系统动力学建模。定性方法包括定性分类、专家与利益相关者评估、定性比较分析和定性动态建模。这一综合揭示了在获得有助于实现《2030年议程》的可持续性机会和挑战的更全面视角方面的主要优势和弱点。

我们提供的原型方法的概述有助于对具体方法含义的反思，使研究者能够根据他们的研究目的和具体的研究问题来评估一种方法对原型分析的适用性。例如，如果定量数据可以覆盖大量(非)可持续发展驱动因素和相关结果，如果目标是识别复杂的模式，机器学习将提供一个合适的方法方法。然而，如果很少有案例研究要评估导致(非)可持续性结果的因果因素配置，定性比较分析将是一个合适的候选。根据概念的特殊性和数据的可用性，不同的方法可以适应不同的跨学科和跨学科的要求。

我们的综合为未来的原型分析提供了三个主要领域的动力。首先，应该更深入地探索因果分析技术，以证明在地方、区域和全球范围内，反复出现的生物物理和社会经济(不)可持续性驱动因素和后果是如何共同演变和相互作用的。这将有助于克服可持续性研究中缺乏因果分析的问题。其次，需要更详细地分析原型中的时间动态。我们讨论了一系列定量和定性的方法，这些方法明确地捕获随时间变化的变化，以促进它们在未来的使用。第三，原型需要经过严格的验证，考虑到相关涉众的感知、期望和需求。这将提高原型调查结果的可信度，将其作为可持续发展解决方案设计和跨地点系统地扩大可持续发展干预的决策的先决条件。总的来说，这种综合将支持可持续发展研究界有效地结合方法，设计创新的研究方法，在单个案例的特殊性和万能视角之间的中间水平上推进比较和概括。

文献引用

安·l·布朗，2008。土地变化科学中的生存分析:与GIScience集成以解决时间复杂性。美国地理学家协会年鉴，98(2): 323 - 344。https://doi.org/10.1080/00045600701879045

安徒生，E. B.埃尔伯森，F.哥德沙克和D.韦尔胡格。2007。农场管理指标和农场类型作为在不断变化的政策环境中进行评估的基础。环境管理杂志82:353 - 362。https://doi.org/10.1016/j.jenvman.2006.04.021

安瑟林，1995。空间联想局部指标- lisa。地理分析27:93 - 115。https://doi.org/10.1111/j.1538-4632.1995.tb00338.x

巴尼特，V.和T.刘易斯，编辑。1994.统计数据中的异常值．第三版。威利，奇切斯特，英国。https://doi.org/10.1063/1.2995737

巴苏托，2013年。使用模糊集定性比较分析将多层次治理与地方公共池资源理论联系起来:来自哥斯达黎加20年生物多样性保护的见解。全球环境变化23:573 - 587。https://doi.org/10.1016/j.gloenvcha.2013.02.011

贝尔克斯，F.和C.福尔克，编辑。1998.连接社会和生态系统:建立复原力的管理实践和社会机制．剑桥大学出版社，英国剑桥。

比娜，O.， A.里奇，2016。探索可持续城市未来的参与性情景和故事情节构建——以2050年的中国为例。远见18(5): 509 - 534。https://doi.org/10.1108/FS-06-2015-0033

布莱克曼，A.普法夫，J.罗巴利诺，2015。纸公园表现:20世纪90年代的墨西哥自然保护区。全球环境变化31:50 - 61。https://doi.org/10.1016/j.gloenvcha.2014.12.004

博肯，s.w.肖特，P.拉纳，S.埃文斯，2014。文献和实践回顾，以发展可持续的商业模式原型。清洁生产杂志65:42-56。https://doi.org/10.1016/j.jclepro.2013.11.039

博塞尔，1994。建模与仿真．正义与发展党。彼得斯，韦尔斯利硕士和Vieweg，布伦瑞克，威斯巴登，德国。

布热吉娜，N.， K.比利，A.赫尔夫戈特，B.科佩恩斯基，J. Vervoort, E. Mathijs, 2017。处于十字路口的欧洲有机农业的发展:通过系统原型镜头寻找前进的道路。可持续性9(5): 821。https://doi.org/10.3390/su9050821

B. M.坎贝尔，I. J.戈登，M. K. Luckert, L. Petheram, S. Vetter, 2006。在半干旱放牧地寻找最佳放养制度:一个尺寸不适合所有。生态经济学60:75 - 85。https://doi.org/10.1016/j.ecolecon.2006.05.010

卡伦，N.和A.帕诺夫斯基，2005。TQCA:在定性比较分析中加入时间性的一种技术。社会学方法与研究34:147 - 172。https://doi.org/10.1177/0049124105277197

查平，F. S.， M. E.鲍尔，S. T. A.皮克特，A.弗雷塔格，J. A.雷诺兹，R. B.杰克逊，D. M.洛奇，C.杜克，S. L.柯林斯，A. G.鲍尔，A.巴图斯卡，2011。地球管理:以科学为行动维持人地系统。生态球2(8): 1。https://doi.org/10.1890/ES11-00166.1

克莱门茨，H. S.鲍姆，G. S.卡明，2016。金钱与动机:私人利益与保护的组织生态学视角。生物保护197:108 - 115。https://doi.org/10.1016/j.biocon.2016.03.002

科，R.， F.辛克莱，E.巴里奥斯，2014。扩大农林业规模需要研究“在发展中”而不是“为了发展”。环境可持续性的当前观点6:73 - 77。https://doi.org/10.1016/j.cosust.2013.10.013

克罗纳，B. I.， T.范·霍尔特，M.彼得森，T. M.道，E.布卡里，2015。利用社会-生态综合征来了解国际海产品贸易对小规模渔业的影响。全球环境变化35:162 - 175。https://doi.org/10.1016/j.gloenvcha.2015.07.006

Cullum, C.， G. Brierley, G. L. W. Perry, E. T. F. Witkowski, 2017。用于生态分类和制图的景观原型:模糊性的优点。自然地理学进展:地球与环境41:95 - 123。https://doi.org/10.1177/0309133316671103

德尔泽特，F.扎贝尔，C.迈耶，T. Václavík。2017.解决未来生物多样性和耕地扩张之间的平衡问题，以改善粮食安全。区域环境变化17:1429 - 1441。https://doi.org/10.1007/s10113-016-0927-1

迪特里希，A.， R. Seppelt, T. Václavík, A. F. Cord, 2017。整合生态系统服务包和社会环境条件——来自德国的国家尺度分析。生态系统服务28:273 - 282。https://doi.org/10.1016/j.ecoser.2017.08.007

爱德华兹，A.， W.豪斯利，M.威廉姆斯，L.斯隆和M.威廉姆斯，2013。数字社会研究，社交媒体和社会学想象:代孕，增强和重新定位。国际社会研究方法论杂志16:245 - 260。https://doi.org/10.1080/13645579.2013.774185

艾森纳克，K. 2012。适应气候变化的原型。beplay竞技107 - 122页在M.格拉泽，G.克劳斯，B. M.拉特和M.韦普，编辑。人类世的人与自然的相互作用。社会生态系统分析的潜力．劳特利奇，纽约，美国。

艾森ack, K.， M. Lüdeke，和J. Kropp. 2006。原型构建是分析社会-生态系统的形式化方法。在全球环境变化综合会议的制度层面论文集．(巴厘岛)(第六卷第九期，2006年12月)。

艾森ack, K.， S. Villamayor-Tomás, G. Epstein, C. Kimmich, N. Magliocca, D. Manuel-Navarrete, C. Oberlack, M. Roggero和D. Sietz. 2019。原型分析的设计和质量标准。生态与社会24(3): 6。https://doi.org/10.5751/ES-10855-240306

埃利斯，2012年。GLOBE项目:加速土地变化科学地方研究的全球综合。全球土地计划通讯: 5 - 6。

埃利斯，E. C.和N.拉曼库蒂，2008。把人放在地图上:世界的人为生物群落。生态与环境前沿“，6:439 - 447。https://doi.org/10.1890/070062

菲舍尔，J.， D. J.阿布森，A.伯格斯滕，N.弗伦奇·科利尔，I.多雷斯泰因，J.汉斯帕奇，K.海兰德，J.舒尔茨和F.森贝塔。2017。重新审视粮食-生物多样性挑战。生态学与进化趋势32:335 - 345。https://doi.org/10.1016/j.tree.2017.02.009

菲斯，2011年。建立更好的因果理论:组织研究中类型学的模糊集方法。管理学会杂志54:393 - 420。https://doi.org/10.5465/amj.2011.60263120

佛斯林汉姆，S.和P.罗杰森，编辑。2013.空间分析与GIS．泰勒和弗朗西斯，伦敦，英国。

弗雷，2017年。社会-生态系统可持续性关键因素的综合。可持续性科学12:507 - 519。https://doi.org/10.1007/s11625-016-0395-z

弗雷，U. J.和H.鲁斯奇，2013。利用人工神经网络进行社会-生态系统分析。生态与社会18(2): 40。https://doi.org/10.5751/ES-05202-180240

弗雷，U. J.和H.鲁斯奇，2014。利用大数据集对公共池资源系统的生态成功进行建模。世界发展59:93 - 103。https://doi.org/10.1016/j.worlddev.2014.01.034

盖斯特，H. J.和E. F.兰宾，2004。沙漠化的动态因果模式。生物科学54:817 - 829。https://doi.org/10.1641/0006 - 3568 (2004) 054 (0817: DCPOD) 2.0.CO; 2

汉森，M. C.， P. V.波塔波夫，R.摩尔，M.汉彻，S. A.图鲁巴诺娃，A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, C. O. Justice, J. R. G. Townshend. 2013。21世纪森林覆盖变化的高分辨率全球地图。科学342:850 - 853。https://doi.org/10.1126/science.1244693

希尔，J. M.斯特尔梅斯，T.乌德霍文，A. Röder和S.萨默，2008。地中海荒漠化和土地退化:基于卫星观测绘制相关土地利用变化综合征。全球和行星变化64:146 - 157。https://doi.org/10.1016/j.gloplacha.2008.10.005

胡尼，K.， A.施耐德，A.海尼曼，H. D.农，J.福克斯，2017。利用陆地卫星数据的密集时间堆栈绘制东南亚大陆繁荣作物的扩张图。遥感9(4): 320。https://doi.org/10.3390/rs9040320

欧文，e.g.， J.盖根，2001。理论、数据、方法:开发土地利用变化的空间明确经济模型。农业、生态系统与环境85(1 - 3): 7-24。https://doi.org/10.1016/s0167 - 8809 (01) 00200 - 6

杰克逊，s.p.， W.马伦，P.阿古里斯，A.克鲁克斯，A.克罗伊托鲁，A.斯特凡尼迪斯，2013。自愿地理信息特征完整性与空间误差评估。国际地理信息杂志2(2): 507 - 530。https://doi.org/10.3390/ijgi2020507

Jäger, J.， M. Kok, J. C. mohammad - katerere, S. I. Karlsson, M. K. B. Lüdeke, G. D. Dabelko, F. Thomalla, I. de Soysa, M. Chenje, R. Filcak, L. Koshy, M. Long Martello, V. Mathur, A. R. Moreno, V. Narain, D. Sietz. 2007。人与环境的脆弱性:挑战与机遇。301 - 360页在全球环境展望:环境促进发展(GEO-4)．联合国环境规划署，进步出版社，瓦莱塔，马耳他。

杨森、C.瓦尔特、M. K. B. Lüdeke。2012.理解社会生态系统的聚类分析:指导方针．pik报告，波茨坦气候影响研究所。

凯茨，R. W.克拉克，R.科雷尔，J. M.霍尔，C. C.耶格尔，I.洛，J. J.麦卡锡，H. J.舍尔恩胡伯，B. Bolin, N. M.迪克森，S. Faucheux, G. C. Gallopin, A. Grübler, B.亨特利，J. Jäger, N. S. Jodha, R. E. Kasperson, A. Mabogunje, P. Matson, H. Mooney, B. Moore, T. O 'Riordan, U. Svedin. 2001。可持续性科学。科学292:641 - 642。https://doi.org/10.1126/science.1059386

卡齐安加，H.和W. A.马斯特斯，2002。土壤投资:布基纳法索的农田边界和小流域。环境与发展经济学7:571 - 591。https://doi.org/10.1017/S1355770X02000335

Kehoe, L.， T. Kuemmerle, C. Meyer, C. lever, T. Václavík, H. Kreft, 2015。农业土地利用强度和脊椎动物多样性的全球格局。多样性和分布21:1308 - 1318。https://doi.org/10.1111/ddi.12359

凯斯，E.和W. J.麦康奈尔。2005.全球变化和热带农业的集约化。全球环境变化15:320 - 337。https://doi.org/10.1016/j.gloenvcha.2005.04.004

Kok, M. Lüdeke, P. Lucas, T. Sterzel, C. Walther, P. Janssen, D. Sietz, I. de Soysa. 2016。一种分析脆弱性社会生态模式的新方法。区域环境变化16:229 - 243。https://doi.org/10.1007/s10113-014-0746-1

杠杆，C. D. Müller, K. Erb, H. Haberl, M. R. Jepsen, M. J. Metzger, P. Meyfroidt, T. Plieninger, C. Plutzar, J. Stürck, P. H. Verburg, P. J. Verkerk, T. Kuemmerle. 2018。欧洲土地系统的典型模式和轨迹。区域环境变化18:715 - 732。https://doi.org/10.1007/s10113-015-0907-x

林-卡马乔，L.， A. Ariyawardana, G. K. Lewis, S. J. Crimp, S. Somogyi, B. Ridoutt和S. M. Howden, 2017。食品价值链的气候适应:不同消费者接受度的影响。区域环境变化17:93 - 103。https://doi.org/10.1007/s10113-016-0976-5

洛卡特利，B.拉沃雷尔，S.斯隆，U.塔佩纳和D.杰内莱蒂，2017。山地生态系统服务功能特征轨迹。生态与环境前沿“，15:150 - 159。https://doi.org/10.1002/fee.1470

Lüdeke, M. K. B. G. Petschel-Held, h . j .;舍恩胡贝尔》2004。全球变化综合征:第一个全景。盖亚-科学与社会的生态观点13:42-49。https://doi.org/10.14512/gaia.13.1.10

Lüdeke, M. K. B.， C. Walther, T. Sterzel, M. Kok, P. Lucas, P. Janssen和H. Hilderink. 2014。理解脆弱性模式的变化．pik报告127，波茨坦气候影响研究所。

Magliocca, n.r.， e.c. Ellis, G. R. H.阿林顿，A. de Bremond, J. Dell 'Angelo, O. Mertz, P. Messerli, P. Meyfroidt, R. Seppelt, P. H. Verburg, 2018。缩小全球知识差距:从社会-生态系统的案例研究中产生广义知识。全球环境变化50:1-14。https://doi.org/10.1016/j.gloenvcha.2018.03.003

Magliocca, n.r.， Q. van Khuc, E. A. Ellicott, A. de Bremond, 2019。柬埔寨经济土地特许权导致土地使用直接和间接变化的典型路径。生态与社会24(2): 25。https://doi.org/10.5751/ES-10954-240225

马努埃尔-纳瓦雷特，D.， G. C. Gallopín, M.布兰科，M. Díaz-Zorita, D. O.费拉罗，H. Herzer, P. Laterra, M. R. Murmis, G. P. Podestá， J. Rabinovich, E. H. Satorre, F. Torres, E. F. Viglizzo. 2009。可持续发展的多原因和综合评估:阿根廷潘帕斯草原农业的案例。环境、发展与可持续性11:621 - 638。https://doi.org/10.1007/s10668-007-9133-0

曼努埃尔-纳瓦雷特，D.， J. Gómez和G. Gallopín。2007.评价人-环境耦合系统脆弱性的发展可持续性综合征。中美洲和加勒比水文气象灾害的情况。全球环境变化17:207 - 217。https://doi.org/10.1016/j.gloenvcha.2006.07.002

默滕斯，D. M.和S.海塞-比伯。2012.三角测量和混合方法研究:挑衅性的立场。混合方法研究杂志6:75 - 79。https://doi.org/10.1177/1558689812437100

梅瑟利，P.， A.彼得斯，O.舍恩韦格，V.南塔翁，A.海尼曼，2015。边际土地还是边际人口?分析东南亚大规模土地征用的模式和过程。国际发展政策6:136 - 171。

Meurer, J. 2014。管理创新实施中的企业间关系原型:中国生物制药行业的集论研究。组织研究35(1): 121 - 145。https://doi.org/10.1177/0170840613495339

Meyfroidt, P. 2016。土地系统科学中因果分析的方法和术语。土地利用科学杂志11:501 - 522。https://doi.org/10.1080/1747423X.2015.1117530

Meyfroidt, P.， K. M. Carlson, M. E. Fagan, V. H. Gutiérrez-Vélez, M. N. Macedo, L. M. Curran, R. S. DeFries, G. A. Dyer, H. K. Gibbs, E. F. Lambin, D. C. Morton, V. Robiglio. 2014。热带森林景观中商品作物扩张的多种途径。环境研究通讯9:074012。https://doi.org/10.1088/1748-9326/9/7/074012

米勒，T. R.， A.威克，D.萨雷维茨，J.罗宾逊，L.奥尔森，D.克里贝尔，D.卢巴赫，2014。可持续发展科学的未来:以解决方案为导向的研究议程。可持续性科学9(2): 239 - 246。https://doi.org/10.1007/s11625-013-0224-6

米基，小D. W.沃特金斯，C. J.哈克金斯，K.马达尼和P.赫约斯，2014。同质化世界中的水资源管理:避免增长和投资不足的轨迹。水资源研究50:7515 - 7526。https://doi.10.1002/2013WR015128

米斯洛夫，A.， S. L.约根森，Y.-Y.。安,j。奥内拉，j·n·罗森奎斯特，2011。了解Twitter用户的人口统计数据。AAAI新闻: 554 - 557。

莫赫塔尔，A.和S.阿兰姆，2017。农业地下水管理的系统洞察:伊朗菲鲁扎巴德平原的案例。水政策19(5): 867 - 885。https://doi.org/10.2166/wp.2017.159

莫莱恩，M.杜鲁，O.瑟隆德，2017。一个社会生态框架，用于分析和设计从农场到领土层面的作物-牲畜综合系统。可再生农业和粮食系统32:43-56。https://doi.org/10.1017/S1742170515000526

奥伯拉克，C. 2017。诊断适应气候变化的制度障碍和机会。beplay竞技全球变化减缓和适应战略22:805 - 838。https://doi.org/10.1007/s11027-015-9699-z

奥伯拉克，C.和K.艾森纳克，2014。通过国际合作减轻城市适应气候变化的障碍。beplay竞技全球环境变化24:349 - 362。https://doi.org/10.1016/j.gloenvcha.2013.08.016

奥伯拉克，C.， D. Sietz, E. Bürgi博纳米，A. de Bremond, J. Dell 'Angelo, K. Eisenack, E. Ellis, G. Epstein, M. Giger, A. Heinimann, C. Kimmich, M. T. J. Kok, D. Manuel-Navarrete, P. Messerli, P. Meyfroidt, T. Václavík和S. Villamayor-Tomás。2019.可持续发展研究中的原型分析:意义、动机和基于证据的政策制定。生态与社会24(2): 26。https://doi.org/10.5751/ES-10747-240226

奥伯拉克，C.， L.特哈达，P.梅塞利，S.里斯特，M.吉格尔。2016。全球土地热潮中的可持续生计?生计脆弱性和可持续性潜力的原型。全球环境变化41:153 - 171。https://doi.org/10.1016/j.gloenvcha.2016.10.001

奥伯拉克，C.， A.维尼格，P.库普弗施米德，D.西茨，K.爱森纳克，2017。可持续发展研究中的研究工作坊原型分析。研讨会报告(2017年5月2-4日)。伯尔尼大学，瑞士。

Pahl-Wostl, C.和C. Knieper, 2014。应对气候变化挑战的水治理能力:使用模糊集定性比较分析来区分多中心、碎片化和集中化制度。beplay竞技全球环境变化29:139 - 154。https://doi.org/10.1016/j.gloenvcha.2014.09.003

彼得斯，D. P. C.和J. E.赫里克，2004。生态外推的策略。Oikos106(3): 627 - 636。https://doi.org/10.1111/j.0030-1299.2004.12869.x

G. Petschel-Held, A. Block, M. cas塞尔- gintz, J. Kropp, M. K. B. Lüdeke, O. Moldenhauer, F. Reusswig和H. J. Schellnhuber. 1999。全球变化综合征:协助全球环境管理的定性建模方法。环境模拟与评估4:295 - 314。https://doi.org/10.1023/A:1019080704864

拉金，C. C.和S. I.斯特兰德，2008。使用定性比较分析研究因果顺序:对Caren和Panofsky(2005)的评论。社会学方法与研究36(4): 431 - 441。https://doi.org/10.1177/0049124107313903

拉奥，R. A.和V. V.斯里尼瓦斯，2006。基于模糊聚类分析的流域区划。水文杂志318(1 - 4): 57 - 79。https://doi.org/10.1016/j.jhydrol.2005.06.004

里德，W. V.， D. Chen, L. Goldfarb, H. Hackmann, Y. T. Lee, K. Mokhele, E. Ostrom, K. Raivio, J. Rockström, H. J. Schellnhuber和A. Whyte。2010。地球系统科学促进全球可持续发展:重大挑战。科学330(6006): 916 - 917。https://doi.org/10.1126/science.1196263

Rihoux, B. 2006。定性比较分析(QCA)及相关系统比较方法:社会科学研究的最新进展与挑战国际社会学21:679。https://doi.org/10.1177/0268580906067836

罗尔芬，我，c·q·施耐德，2018。集论多方法研究中因果分析的统一框架。社会学方法与研究47(1): 37 - 63。https://doi.org/10.1177/0049124115626170

鲁德尔，t.k.， 2008。案例研究的元分析:研究区域和全球环境变化的方法。全球环境变化18:18-25。https://doi.org/10.1016/j.gloenvcha.2007.06.001

吕德尔，t.k.， R.德弗里，G. P.阿斯纳，W. F.劳伦斯，2009。改变森林砍伐的驱动力和保护森林的新机会。保护生物学23(6): 1396 - 1405。https://doi.org/10.1111/j.1523-1739.2009.01332.x

Schellnhuber, H. J. Block, M. cas塞尔- gintz, J. Kropp, G. Lammel, W. Lass, R. Lienenkamp, C. Loose, M. K. B. Lüdeke, O. Moldenhauer, G. Petschel-Held, M. Plöchl，和F. Reusswig. 1997。全球变化综合症。盖亚6:19-34。https://doi.org/10.14512/gaia.6.1.4

施米格，G.， E.迈耶，I.施里克，J.赫伯格，G.卡尼利亚，U.维尔斯迈尔，M.劳比克勒，E. Hörl, D.朗。2018。可持续性规范建模:可持续发展目标、《巴黎协定》和教皇通谕的比较。可持续性科学13(3): 785 - 796。https://doi.org/10.1007/s11625-017-0504-7

施耐德，C. Q.和I.罗尔芬，2013。QCA与过程跟踪在集论多方法研究中的结合。社会学方法与研究42(4): 559 - 597。https://doi.org/10.1177/0049124113481341

施耐德，C. Q.， I. Rohlfing, 2016。案例研究嵌套在充分性的模糊集QCA中:形式化案例选择和因果推断。社会学方法与研究45(3): 526 - 568。https://doi.org/10.1177/0049124114532446

施耐德，C. Q.和C.瓦格曼，2010。定性比较分析(QCA)和模糊集的良好实践标准。比较社会学9:397 - 418。https://doi.org/10.1163/156913210X12493538729793

参见，L.， P. Mooney, G. Foody, L. Bastin, A. Comber, J. Estima, S. Fritz, N. Kerle, B. Jiang, M. Laakso和H. y Liu, 2016。众包、公民科学还是自愿提供地理信息?众包地理信息的现状。国际地理信息杂志5(5): 55。https://doi.org/10.3390/ijgi5050055

濑户，K. C.和R. K.考夫曼，2003。中国珠江三角洲城市土地利用变化驱动因素的建模:遥感与社会经济数据的集成。土地经济学79(1): 106 - 121。https://doi.org/10.2307/3147108

希茨，D. 2011。旱地脆弱性:支持减少脆弱性努力的典型模式和动态．论文。波茨坦大学，德国。http://opus.kobv.de/ubp/volltexte/2012/5809/

希茨，D. 2014。旱地脆弱性的全球洞见区域化:更好地反映巴西东北部小农的脆弱性。全球环境变化25(1): 173 - 185。https://doi.org/10.1016/j.gloenvcha.2014.01.010

D.西茨，M. K. B. Lüdeke, C.瓦尔特，2011。全球旱地典型脆弱性模式分类。全球环境变化21(2): 431 - 440。https://doi.org/10.1016/j.gloenvcha.2010.11.005

西茨，S. E.马马尼·乔克，m.k.b. Lüdeke。2012.秘鲁高原地区小农在极端天气下粮食安全脆弱性的典型模式区域环境变化12(3): 489 - 505。https://doi.org/10.1007/s10113-011-0246-5

希茨，D.， J. C. Ordoñez, M. Kok, P. Janssen, H. Hilderink, P. Tittonell, H. van Dijk. 2017。非洲旱地脆弱性的嵌套原型:可持续农业集约化的潜力在哪里?环境研究通讯12:095006。https://doi.org/10.1088/1748-9326/aa768b

席茨，D.， B. Untied, O. Walkenhorst, M. K. Lüdeke, G. Mertins, G. Petschel-Held, H. J. Schellnhuber. 2006。巴西东北部的小农农业:异质人-环境动态评估。区域环境变化6(3): 132 - 146。https://doi.org/10.1007/s10113-005-0010-9

希茨，D.和H.范戴克，2015。以陆地为基础的全球变化适应:是什么推动了西非的水土保持?全球环境变化33:131 - 141。https://doi.org/10.1016/j.gloenvcha.2015.05.001

斯隆，L.， J.摩根，W.豪斯利，M.威廉姆斯，A.爱德华兹，P.伯纳普和O.拉纳，2013。了解推特用户:从推特上获得与社会相关的人口统计数据。网络社会学研究十八7。https://doi.org/10.5153/sro.3001

斯里尼瓦桑，E. F.兰宾，S. M.戈雷利克，B. H.汤普森，S.罗泽尔，2012。全球水危机的性质和原因:来自人-水耦合研究的荟萃分析的综合征。水资源研究48:10。https://doi.org/10.1029/2011WR011087

Stellmes, M. A. Roder, T. Udelhoven, J. Hill, 2013。利用遥感时间序列、人口和气候数据绘制西班牙土地变化综合征。土地使用政策30:685 - 702。https://doi.org/10.1016/j.landusepol.2012.05.007

斯特泽尔，T.， M. Lüdeke, M. Kok, C. Walther, D. Sietz, I. de Soysa, P. Lucas, P. Janssen. 2014。从社会生态脆弱性类型学的角度看全球旱地武装冲突的分布。区域环境变化14:1419 - 1435。https://doi.org/10.1007/s10113-013-0553-0

Theodoridis, S.和K. Koutroubas. 1999。模式识别．学术出版社，纽约，美国。

特纳，B. L.， M.维尔纳，T.尼科尔斯，R.盖茨，L. O.特德斯基，B. H.邓恩，2017。2012-2062年，美国中北部地区经济、政策和文化情景下农业用地转型和土壤环境风险的系统预测方法。国际农业可持续发展杂志15(2): 102 - 123。

联合国，2015年。改变我们的世界:2030年可持续发展议程。联合国A/RES/70/1。https://sustainabledevelopment.un.org/post2015/transformingourworld

Václavík, T.， F. Langerwisch, M. Cotter, J. Fick, I. Häuser, S. Hotes, J. Kamp, J. Settele, J. H. Spangenberg，和R. Seppelt. 2016。研究土地系统科学中基于地点的研究的潜在可转移性。环境研究通讯11:095002。https://doi.org/10.1088/1748-9326/11/9/095002

Václavík, T.， S. Lautenbach, T. Kuemmerle和R. Seppelt, 2013。绘制全球土地系统原型。全球环境变化23:1637 - 1647。https://doi.org/10.1016/j.gloenvcha.2013.09.004

范·阿瑟伦，S.和P. H.维伯格，2012。用于全球评估和土地使用建模的土地系统表示法。全球变化生物学18(10): 3125 - 3148。https://doi.org/10.1111/j.1365-2486.2012.02759.x

范德玛顿，L. J. P.和G. E.欣顿，2008。使用t-SNE可视化高维数据。机器学习研究杂志9:2579 - 2605。

van der Zanden, e.h.， C. lever, P. H. Verburg, T. Kuemmerle, 2016。代表欧洲农业景观的构成、空间结构和管理强度:一种新的类型学。景观与城市规划150: 36-49。https://doi.org/10.1016/j.landurbplan.2016.02.005

van Vliet, N.， O. Mertz, A. Heinimann, T. Langanke, U. Pascual, B. Schmook, C. Adams, D. Schmidt-Vogt, P. Messerli, S. J. Leisz, J. C. Castella, L. Jørgensen, T. Birch-Thomsen, C. Hett, T. beck - bruun, A. Ickowitz, K. C. Vu, K. Yasuyuki, J. Fox, C. Padoch, W. Dressler, A. D. Ziegler, J. C. Castella。2012。热带森林-农业前沿地区宽耕变化的趋势、驱动因素和影响:全球评估。全球环境变化22(2): 418 - 429。https://doi.org/10.1016/j.gloenvcha.2011.10.009

Verburg, P. H.， N. Crossman, E. C. Ellis, A. Heinimann, P. Hostert, O. Mertz, H. Nagendra, T. Sikor, K. H. Erb, N. Golubiewski, R. Grau, M. Grove, S. Konaté， P. Meyfroidt, D. C. Parker, R. R. Chowdhury, H. Shibata, A. Thomson, L. Zhen. 2015。土地系统科学与地球系统可持续发展:全球土地项目视角。人类世12:29-41。https://doi.org/10.1016/j.ancene.2015.09.004

维特尔，2013。牧场公地的开发和可持续管理——使政策符合南非农村景观的现实。非洲牧场与草料科学杂志30(1 - 2): 1 - 9。https://doi.org/10.2989/10220119.2012.750628

维达尔·梅里诺，M.， D.西茨，F.约斯特，U.伯杰，2019。气候脆弱性的原型:应用于秘鲁安第斯山脉的混合方法。气候与发展11(5): 418 - 434。https://doi.org/10.1080/17565529.2018.1442804

瓦格曼，C. Q.施耐德，2010。定性比较分析(QCA)和模糊集:研究方法和数据分析技术的议程。比较社会学9:376 - 396。https://doi.org/10.1163/156913210X12493538729838

C. B .吉伦，A. S.梅斯，E. A.麦金尼，S. R.卡朋特和A. R.里斯曼，2016。场景开发中的局部视角和全局原型。生态与社会21(2): 12。https://doi.org/10.5751/ES-08384-210212

魏斯坦纳，C. J.， M.博舍蒂，K. Böttcher, P.卡拉拉，G.博尔多尼亚，P. A.布里维奥，2011。地中海地区农村土地撂荒的空间显式评价。全球和行星变化79(1 - 2): 20-36。

扎德，洛杉矶，1965。模糊集。信息与控制8(3): 338 - 353。https://doi.org/10.1016/s0019 - 9958 (65) 90241 - x

扎德，洛杉矶，1977年。模糊集及其在模式分类和聚类分析中的应用。251 - 299页在分类和聚类。数学研究中心高级研讨会论文集．(1976年5月3-5日)。美国威斯康辛大学麦迪逊分校。https://doi.org/10.1016/B978-0-12-714250-0.50014-0