合成

整合研究工具，支持气候变化下的社会-生态系统管理beplay竞技

• 摘要
• 简介
• 物种分布建模
• 情景规划
• 仿真建模
  • 相关的模型
  • 基于代理模型
  • 模拟挑战与机遇
• 集成
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

制定适应气候变化的战略不仅需要区域和当地相关的气候预测，还需要关于气候变化对beplay竞技一系列关键社会和生态变量的预期影响的信息。制定管理计划尤其具有挑战性，因为社会-生态系统是复杂的和适应性的，表现出异质性、非线性、跨尺度的相互作用和对初始条件的敏感性(Malanson et al. 2006, Portugali 2006)。这些系统还产生聚合模式，这是从单个组件之间的简单交互中产生的(Holland 1995, Manson 2001, Abel和Stepp 2003)。突发属性、反馈、意外后果和阈值都对测量和预测系统行为及其对潜在管理行动的响应提出了挑战。

这些挑战的广泛性和相互关联的性质要求各种评估和规划工具被用于决定如何在气候变化下管理社会-生态系统。beplay竞技我们遵循这样的建议，即研究应专注于开发评估气候变化影响及其与其他压力源相互作用的分析框架(Staudt et al. 2013)。beplay竞技我们首先回顾了三种工具，它们被推广为在气候变化下指导自然资源管理决策的有用工具:物种分布建模、情景规划和模拟建模。beplay竞技虽然每一种都被证明是有用的，但它们的使用和开发是相当孤立的，即使在集体考虑时有潜在的强大协同作用。因此，我们提出了一个新的分析框架，将这些工具整合起来，并利用它们的互补优势，为气候变化下的自然资源管理提供信息。beplay竞技然后，我们讨论了该工作流程如何有助于产生“可操作”的气候科学(ACCCNS 2013, Asrar等人2013)的目标，并通过强调与利益相关者的互动，为气候数据提供附加值，并为信息定制提供机会，从而将气候信息从“有用”转变为“可用”(Lemos等人2012)。

物种分布建模

生态学、保护生物学和资源管理的一个基本方面是了解适合特定物种栖息的环境条件和地理区域。物种分布模型(SDM)是确定此类区域的常用方法。在这些模型中，环境变量被用作解释(自变量)来估计给定物种的潜在栖息地(因变量)(Guisan and Zimmermann 2000, Guisan and Thuiller 2005)。这些模型是建立在野外数据的基础上的，这些数据包括某一特定物种已知存在和可能消失的位置，以及用于定义该物种在这些位置的栖息地适宜性的环境或气候协变量的值。这些协变量数据通常从遥感图像、插值/网格化的历史气候数据或缩小的气候模式输出中提取。

有人认为，气候通常是物种基本生态位的最基本决定因素，因为它在最广泛的空间尺度上限制了物种的活动范围(Araújo和Peterson 2012)。beplay竞技气候变化和SDMs可以通过探索气候变量或气候衍生品(如BIOCLIM摘要(Nix 1986))作为解释变量来联系起来。因此，该模型提供了一种数据驱动的方法，以当代或以前(即历史)的信息为基础，探索物种发生地点与气候之间的关系。如果模型的诊断结果显示出良好的拟合度和强大的预测能力，那么将未来的气候预估应用于模型的关系，从而推导出潜在生境的相应预估是合理的。在这种耦合建模和预测分析中存在着重要的假设和不确定性(Heikkinen等人2006年，Thuiller 2007年)，包括当代和未来预测变量的不确定性，以及模型普遍无法完全捕捉物种相互作用、迁移、扩散、时间滞后或适应机制(Sinclair等人2010年)。考虑到SDM的诸多警告，以及它们整合和关联重要气候和物种位置信息的能力，在最大程度上利用这些建模技术作为一种开发(而不是测试)关于气候如何影响当前和未来物种分布的假设的手段，似乎是谨慎的。

因此，在气候变化的情况下，SDMs在自然资源管理决策中的实际应用，留给我们的是强大的统计数据驱动模型，具有相当大的不确定性和一长串的警告。有许多论文(上面只引用了一小部分样本)描述了这些模型的局限性和正确使用(摘要请参见Araújo和Peterson 2012)。在这一点上，这些限制似乎是统计的、数据驱动的sdm的基本概念所固有的。也就是说，即使在统计学、机器学习或任何其他技术方面取得了重大进展，也不能允许基于当前观测的模型来预测复杂的社会-生态-气候耦合条件的未来状态。

这些模型的适当应用在很大程度上取决于将sdm置于一个清晰的概念框架内，从而确定它们的目的和假设(Araújo和Peterson 2012)。事实上，SDMs作为解决与气候和土地利用变化等其他动态的相互作用的“方法论工具包的一部分”可能更令人信服(Franklin 2013:1220)。换句话说，“将SDM与其他数据和方法相结合，如空间明确的人口和社区动态模型，可以改善更大空间尺度的环境变化预测和影响评估”(Elith and Franklin 2013:704)。基于此结论，我们建议将SDM与场景规划和仿真建模相结合。我们将继续提供关于这些主题的背景信息，并为这种集成提出一个分析框架。

提出的工作流程基于先前的建议，即在估计未来物种分布时使用多种气候变化情景来处理气候模型的不确定性(Araújo和New 2007, Wang et al. 2012, Tbeplay竞技albert et al. 2013)。其他研究使用SDMs在气候不确定性下进行保护或恢复的优先排序(Kujala等人2013,Veloz等人2013)，并评估在不同排放情景下分配保护资源的替代方案(Carvalho等人2011)。尽管这些方法在解决与气候变化预测相关的不确定性方面取得了相当大的进展，但SDM研究通常不会与各种利益相关者一起制定未来情景，以考虑可能与气候变化相互作用的其他动态。beplay竞技在接下来的章节中，我们将详细介绍SDM如何与以地方为基础的参与式发展、社会-生态-气候情景和模拟模型相结合，以帮助克服SDM面临的一些剩余挑战。

情景规划

对当地气候和环境的预估变化有很大的不确定性。此外，气候变化正在大beplay竞技的空间和时间尺度上发挥作用，并与各种社会和生物物理因素相互作用，这些因素不包括在可持续发展机制中，使其在当地或区域资源管理的背景下很大程度上不可控。情景规划是在这种不确定性和很大程度上不可控的外部驱动下创建管理计划的有效工具(Peterson et al. 2003)一个)．

场景规划是为给定系统开发一套合理的未来的过程。在这种情况下，情景并不一定等同于气候情景，气候情景捕捉了一组基于不同假设的模拟未来情景(即代表降水或温度偏差范围的排放情景)，而是合理未来的结构化描述，开发这些情景是为了更好地理解当前的轨迹、变化的驱动因素和应对选项(Peterson et al. 2003)一个)．每个场景都是基于一组关于特定区域或地点的重要关系和驱动力的假设;不同的情景反映了不同的经济、环境、社会和技术条件(Walker et al. 2003)。因此，场景规划可以合并各种数据类型和透视图(Peterson等，2003一个)．它对于纳入难以建模或难以纳入定量方法的因素特别有用。例如，价值和代理是场景开发的中心，这些在sdm中并不容易体现(Kass et al. 2011)。

情景规划已应用于各种部门，包括能源(Wack 1985)、广告(Schoemaker 1995)、治理(Kahane 1998)和自然资源管理(Weeks等，2011;有关环境决策场景开发的最新综述，请参见Mahmoud et al. 2009)。它也可以应用于多个地点和地理尺度(Rotmans等人2000年，Foran等人2013年)。情景规划已被证明是在不确定情况下创建战略的一个有用工具，它可以有让社区参与规划(Tompkins等人2008年)和自然资源管理(Dowsley等人2013年)的额外好处，它可以提高组织弹性和创新的采用(Cobb和Thompson 2012年)。

Rose and Star(2013)描述了一个过程，通过这个过程，资源管理者可以开发和应用场景来管理自己的系统。这一过程改编自全球商业网，包括五个阶段和相关任务:

1. 定位——确定核心挑战、问题、目标和团队
2. 探索——确定与中心问题相关的关键力量、变量、趋势和不确定性
3. 综合——产生三到五个似是而非的、发人深省的、不同的场景
4. 应用——基于场景创建动作和策略
5. 监测——确定用于监测的变化指标

情景规划过程已被用来指导面临大量不确定性的自然资源管理决策。例如，Peterson等人(2003年)b)开发了三个不同的社会-生态场景，描述了威斯康星州北部高地湖区的潜在未来。这些场景捕捉了该地区未来发展和生态服务使用的关键不确定性，并作为在这些不确定性下如何规划的参与性讨论的起点。场景制定过程本身将不同群体的人聚集在一起，并使他们更好地了解正在发生的变化和环境管理的新工具(Peterson 2007)。

通过这一过程，通常包括一系列的研讨会，场景规划帮助参与者克服偏见，识别不确定性，并将各种信息提炼成可管理的可能状态(Schoemaker 1995)。通过这种方式，它可以帮助识别意外的未来，但它受限于我们整合信息的能力。换句话说，情景的发展仍然会受到参与者偏见的影响(Schoemaker 1995)。

仿真建模

尽管情景规划是在面对大量不确定性时描述系统未来可能状态的有效工具，但它不太适合预测复杂的动态(如阈值、相互作用、突发模式)、自然资源管理的次要影响或气候变化缓解计划。beplay竞技社会-生态系统是复杂的、自适应的，其特征是不同的和独立的组成部分、组成部分之间的相互作用、非线性和选择过程，这些都产生变异和新颖性(Levin 1998)。因此，假设我们能够基于对单个系统组件的理解来预测整个系统的行为是不合理的(Walker和Salt 2006)。此外，系统阈值只能通过跨越它们来检测，这是一种相对罕见和意想不到的情况，可能是不可预测的、极端的，而且是在大型复杂系统上进行实验的一种不可逆形式(Carpenter 2003，引用Carpenter et al. 2005)。但是，确定阈值对于防止突然的不良变化是必要的。

基于计算机的模拟模型被认为是再现复杂动态和实现“如果”情景的方法(Axelrod 1997, Erlien等人2006)，也被认为是识别阈值的有效方法。我们回顾了两种模拟工具，它们的使用和多样性不断增加，我们认为它们是应对气候变化下管理社会-生态系统挑战的关键:基于主体的模型和状态与过渡的模拟模型。beplay竞技此外，我们还提供了如何将这些模拟工具相互结合、与SDM和场景规划相结合的建议;虽然模拟模型可以有效地用于探索管理和气候情景，但它们并不适合于情景本身的开发(Peterson et al. 2003)一个)．

相关的模型

状态-过渡模型(State-and-transition model)起源于牧场植被的概念模型，它代表了植被群落的类群及其间的转移(Westoby et al. 1989)。这一观点被认为是牧场的一种替代观点，在这种观点中，演替稳定地向顶极群落发展。在状态与过渡模型中，国家可以被宽泛地定义为“……包含大量物种组成变化的气候/土壤/植被域，或者更狭义地说，“作为植被发展的连续阶段或阶段”(Stringham等，2001:2)。一般来说，状态是植被群落的集合，它们具有不同的功能群和生态系统过程，以及相关的植被结构和管理要求(Bestelmeyer et al. 2003)。转型可以由自然事件、管理干预或两者的结合导致(Stringham et al. 2001)，并且可以是可逆的或单向的。概念状态和转换模型通常使用框和箭头图来表示，其中框或嵌套框表示植被状态，箭头表示它们内部和之间的转换。

最近，出现了一种基于计算机的定量状态和过渡模型。这些状态-转换模拟模型是基于植被类型及其在不同可能状态之间的转换的概念模型。在stsm中，转换可以是确定性的，也可以是概率的。确定性转变是发生在特定时期之后的转变，比如衰老和成长。概率转移以给定的概率发生，包括火灾、入侵和恢复等过程。

空间显式STSMs可以为定量模拟提供相当大的好处。这些类似于联合元胞自动机-马尔可夫模型(Parker et al. 2003)、混合元胞自动机模型(Li和Reynolds 1997)以及时空马尔可夫链(Balzter et al. 1998)。正如Bestelmeyer等人(2011)所描述的，空间明确的stsm是有用的，因为空间动力学，如传染、斑块之间的反馈、历史遗产的空间模式，以及土壤、地形和气候的变化，都可以影响转变的可能性和位置。就实际意义而言，考虑空间模式和过程可以通过识别更容易发生转变的预警指标和地点来改善库存和监测(Bestelmeyer et al. 2011)。

总的来说，STSMs已被证明在比较和评估不同的资源管理场景方面是有用的(Forbis等人2006年，Provencher等人2007年，Frid和Wilmshurst 2009年，Strand等人2009年，Costanza等人2012年)。它们也可以包含气候对植被的影响(Keane et al. 2008, Strand et al. 2009, Halofsky et al. 2013)，但包括直接影响植被的动态气候输入的stsm尚未开发出来。最后，虽然STSM可以用来吸引资源管理者和专家(Forbis等人2006年)，但仍然需要澄清和标准化STSM术语、开发和验证，以改进参与式建模(Knapp等人2011年)。

基于代理模型

基于代理的模型(ABMs)是另一种基于计算机的模拟，在资源管理研究中得到了越来越多的应用。基于代理的模型由三个交互组件组成:环境、代理和规则。环境可以从一个简单的网格到一个详细的景观，它反映了现实世界的模式和过程。代理是自治单位，如动物、牲畜或人，它们通过一组用户定义的规则与彼此和环境进行交互。ABMs的一个基本好处是它们可以纳入个体层面的变化，这更准确地反映了人类与环境交互的异质性(DeAngelis和Mooij 2005)。基于智能体的模型不仅可以包括资源利用决策的细节和变化，还可以纳入特定变量或过程的不确定性(例如，气候和人口预测)。

基于agent的模型已被推广为研究复杂自适应系统特性的工具，如反馈和涌现(Berry et al. 2002;参见PNAS的特刊)。最近的研究表明，abm也有助于评估弹性(Schlüter和Pahl-Wostl 2007, Schlüter et al. 2009, Schouten et al. 2013)。这些模型的范围从基本和抽象的模拟(可用于探索支撑复杂模式的简单规则)，到对特定地点和人口的复杂和高度参数化的模拟(Walsh等人2013年)。基于agent的模型已被应用于许多领域，在探索政策和管理选项方面尤其有用(Boone等人2002、2006、Walsh等人2006、2013、Anselme等人2010、Miller等人2010)。

与stsm一样，ABMs在气候变化研究方面也有一些初步应用。beplay竞技在适应气候变化方面，“适应能力可以被认为是一种突现性beplay竞技质，ABM是一个适合的分析工具”(Patt和Siebenhüner 2005:317)。基于agent的模型已被用于探索一系列主题，如气候变化与当地机构之间的关系(Wang et al. 2013)、适应性决策(Janssen和de Vries 1998, Ziervogel et beplay竞技al. 2005, Aurbacher et al. 2013)、迁移(Smith et al. 2008, Kniveton et al. 2011, Hassani-Mahmooei和Parris 2012)以及土地利用(Yan et al. 2013, Zhang et al. 2013)。然而，目前还没有将气候数据作为动态输入纳入ABMs的明确策略。尽管基于智能体的气候变化问题建模仍处于起步阶段，但它是一个有前途的beplay竞技研究领域，特别是因为ABMs在空间调查适应能力和可能的系统未来(包括可能的气候未来)方面很有用(Patt和Siebenhüner 2005)。

模拟挑战与机遇

仿真模型已被应用于各种系统和问题，但它们面临着与模型规范和验证相关的重要挑战。首先，建模者必须平衡模型抽象和规范。高度参数化的模型可以用于评估针对特定地点和人口的政策建议，而抽象的模型可以产生关于复杂模式下的系统动力学的更广义的信息。程式化模型寻求在复杂性中达成妥协，并有助于探索场景、细化复杂系统的概念化和发现数据差距(Miller et al. 2010)。

验证是基于计算机模拟的另一个主要挑战(Cooley和Solano, 2011)。高度指定的模型可以通过将模型输出与总体统计数据进行比较，并将个体agent行为与可比人群中的观察行为进行比较来验证(Bruch和Atwell 2013;经验验证方法的总结，见Berk 2008)。另一方面，抽象模型可以与观察到的模式(Grimm et al. 2005)或基于观察到的机制的假设的经验关系(Bruch和Atwell 2013)进行比较。运行仿真模型的时间周期也与验证过程相关。仿真模型通常在当前初始化，并及时向前移动以模拟未来的条件和动态。更合适的做法是在一段历史时期内运行模型，将模型输出与历史和当前的观察结果进行比较，然后将模型预测到未来。然而，模型验证可能受到数据可用性的限制。在没有数据进行验证的情况下，另一种策略是将模型输出与文献中的信息(Evers et al. 2013)或更广泛应用和测试的模型(Yan et al. 2013)进行比较。

尽管在模型规范和验证方面存在共同的挑战，但集成ABMs和STSMs是一个可行的和潜在的有价值的前景。状态-过渡模拟模型擅长表达空间显性生态动态，并结合阈值，这是复杂自适应系统的关键方面。基于智能体的模型特别适用于表示智能体的决策，尽管是以一种简化的形式，并考虑可变性和不确定性。常用的细胞自动机(即，一个网格的细胞，每个存在一个定义的状态，可以根据转换规则和每个细胞的邻域条件改变;Parker et al. 2003)在abm和stsm中表示动态环境的方法表明，可以通过一个通用的建模平台将它们结合起来。一些研究人员已经开始朝这个方向发展;Millington等人创建了一个基于agent的模型(2008)和一个状态和过渡模型(2009)，目的是结合这些方法。ABMs和stsm都被应用于气候变化问题，但纳入气候数据需要进一步改进。beplay竞技虽然ABMs和stsm已被证明对实验和场景测试有用，但两种模拟方法都可以通过更透明和参与性的场景开发加以改进。

将场景与模拟连接起来面临几个挑战。首先，模拟可以用作与利益相关者独立开发的场景进行比较的基础，也可以通过参与式建模来共同开发模拟。在这两种情况下，使用模拟来探索未来的场景通常会得到与预期相反的结果;很难确定这些意外是由未预料到的复杂系统动态引起的，还是模型规范的工件没有反映真实的过程。其次，参与式建模方法可能会有问题，因为与时间、成本、偏差和验证相关的限制(Matthews et al. 2007)。然而，参与式建模是一个不断发展的研究领域，它可以采取多种形式(Voinov和Bousquet, 2010)，而且鉴于更容易访问的软件平台(如NetLogo, ST-Sim)的出现，它尤其有希望。许多研究已经证明了将各种形式的参与式场景开发与仿真建模相结合的可行性和实用性(Gurung等人2006年，Bousquet等人2007年，Smajgl 2010年，Flaxman和Vargas-Moreno 2011年，Vargas-Moreno和Flaxman 2012年，Smajgl和Ward 2013年)。

集成

目前，在气候模拟输出、对气候强迫的生态响应的分析和与这些生态影响相关的管理方案之间存在着相当长的、有时不相连的链条。物种分布模型有助于提供物种和资源未来分布的假设，但这些信息本身不足以指导在动态和不确定的未来条件下如何最好地管理资源的决策，在这种情况下，这些条件将依赖于SDM中包含的预测层多得多。研究人员和管理人员越来越多地通过情景规划来合作探索潜在的未来。虽然场景规划工作经常与一系列利益攸关方一起进行，以鼓励广泛的创造性思维，但它们往往缺乏严格的数据驱动的生态应对模型。目前，情景分析更多地反映了一种思维练习，尽管这是一种非常有用和富有成效的练习，而不是一种结合了气候科学、生态响应模型和管理选项的可重复分析方法。因此，对于意外结果，场景很少进行彻底的验证或测试。通过考虑复杂的系统动力学，仿真模型可以为场景探索增加定量的严谨性。然而，到目前为止，模拟的管理选项可能由管理者自己指定，也可能没有指定，而且在气候模式输出和不确定性以及相关的生态系统响应之间缺乏明确的经验关系。

我们将这些优势和劣势视为整合这三种工具的机会，特别是在气候变化规划的背景下(表1)。我们认为这三种工具是互补的，这与“场景需要生态学家”和“生态学家需要场景”的想法是一致的(Bennett等人，2003年)。beplay竞技研究人员已经描述了场景规划对特定建模方法的好处和定量方法的一般效用(Westhoek等人2006年，Rinaudo等人2013年)，但还没有证明模拟模型如何有助于场景规划过程，并最终有助于资源管理。因此，尽管有人呼吁将情景规划与定量方法结合起来，但对于如何做到这一点并没有明确的共识(Kemp-Benedict 2004)。我们提出了一个更具体的分析框架，以互惠互利的方式集成SDM、情景规划和模拟建模，可以更好地服务于应对气候变化的资源管理者(图1)。需要注意的是，这不是一个管理框架(如适应性管理、保护规划)，也不是一个理解更广泛概念的概念性框架(如社会-生态系统、脆弱性)。beplay竞技应用拟议的分析框架或工作流的最终结果将是一套耦合的、可重复的、预期社会-生态对气候变化响应的定性和定量情景，以及实施适应行动的空间明确含义。beplay竞技

我们认识到，气候和社会科学是包含大量不同研究主体的术语。为了限制文献综述的范围，我们很少讨论它们，但我们在下面描述它们在我们的框架和气候变化规划中的重要作用。beplay竞技事实上，图1中的所有方框都是复杂方法的简化;嵌套在每个框内的是一组数据收集和处理工作。例如，SDM是一个多步骤过程，它利用各种输入数据，涉及一系列预处理和后处理步骤，通常包括一组建模选项和输出，而不是单一的模型和输出(Morisette et al. 2013)。

气候科学为该框架内的多种方法提供了关键输入(图1，箭头A、B、C)。这些数据输入包括历史、后推和预估网格气候数据，以及预估气候未来的摘要。需要网格化的气候数据来参数化可持续发展机制，需要气候预测来为气候暴露和适应的社会科学提供信息。通常，必须对这些数据进行汇总，以匹配感兴趣的物种、系统或过程的时间和空间分辨率。关于气候数据有许多不确定性和越来越多的选择。选择合适的气候情景(即气候模型、排放情景和集合成员)取决于当地的气候驱动因素、数据源和感兴趣的目标(Snover等，2013年)。因此，社会和环境科学家、利益相关者和气候科学界之间需要明确的沟通和伙伴关系，以确保数据产品的选择、应用和解释的适当。

正如其他人所指出的，将参与式场景开发与定量方法相结合的过程可以通过确定特定的问题并在一开始就缩小要建模的主题来加强(Walz et al. 2007)。Rose和Star(2013)所描述的情景规划过程的第一阶段通过强调识别战略挑战和焦点问题来解决这一需求。在第二阶段，情景构建可以探索气候变化的生物物理影响和社会动态之间的相互作用，从而确定与各种可能的未来相关的关键社会和环境指标(Cumming et al. 2005)。beplay竞技这些信息可以用于指导SDM开发(箭头D)和参数化仿真模型(箭头G)。

基于计算机的模拟通过提供定量和空间明确的场景验证，为场景规划练习增加了价值(箭头H)。模拟社会-生态动态将允许识别与场景相关的惊人动态，并验证每个场景的内部一致性，从而细化系统功能的概念化。这些模拟模型可以作为“风洞”场景的工具;也就是说，形式化场景和测试政策、行动或策略(Rose and Star 2013)。

特别是，stsm可以操作气候变化的生物物理影响，并提供一个动态和空间明确的环境，模拟因子(如野生动物、牲畜和人)在其上运行。beplay竞技气候变化的潜在生物物理影响可以通过SDMs来估计，SDMs是将物种分布影响beplay竞技因素的历史和当前数据转化为气候变化下未来物种范围预测的最佳工具。SDMs的输出可以作为stsm的关键输入(箭头E)，它可以反映未来气候变化和资源管理条件下的物种动态。beplay竞技然后，研究人员可以在模拟中加入agent交互，如果这种交互与通过场景规划过程开发的场景相关。

在这种模拟中包括社会动态将需要了解人类的决策过程，包括了解当地的限制和机会，以准确地描述个体变化。情景规划可以确定关键的代理人和机构，附加的社会科学可以确定和描述控制其相互作用和环境的“规则”(例如，决策过程、机构背景、机会和限制;例如，民族志决策模型可用于识别资源使用者或管理者在对气候和环境变化做出反应的时间和类型决策时使用的指标和过程(Miller et al. 2014)，这将使研究人员能够更准确地模拟潜在管理反应的时间和应用。这个工作流程还可以利用社会经济模型，从确定性的统计模型到更定性的方法。

程式化的abm与stsm相结合，将特别适用于场景模拟，因为它们在高度抽象和高度参数化的abm之间达成了妥协。场景本身包含大量的不确定性，很难根据有限的量化信息创建高度指定和完全参数化的ABM。程式化模型的另一个好处是，它们不需要大量的时间、金钱和专业知识的投入，而这些是高度参数化模型所需要的(Miller et al. 2010)。此外，程式化的abm更容易为非专业人士所接受，并提供可视化结果，从而允许多个利益相关者之间进行讨论(Erlien et al. 2006)。参与式建模是一个很有前途的研究领域(Parker et al. 2003)，可以与场景开发过程结合使用。

总的来说，集成这些工具的目标不是简单地生成基于场景的模型计算，并获得场景结果的数值估计(Döll 2004)，而是在这些场景下验证场景和测试管理选项。值得强调的是，尽管模拟可以用于测试场景和管理选项，但模拟模型并不适合于开发场景本身(Peterson et al. 2003)一个)．这些模拟在场景规划中的作用类似于决策支持系统，其中量化模型可以提供附加价值，揭示不一致性，并提供场景构建过程中描述的空间可视化(Kok和van Delden 2009)。最终，这种方法的组合有望产生对气候变化预期的社会-生态反应的创造性而严格的情景，以及一套适应这些变化的策略。beplay竞技特别是，遵循这个分析框架将产生一组经过验证的系统期货、针对这些期货进行测试的管理选项，以及针对这些场景量身定制的监控策略。

据我们所知，目前还没有任何研究或组织将所有这些方法系统化地结合在一起，以解决气候变化适应问题，因此我们提供了一个借鉴了同一物种(水牛草、beplay竞技狼尾草ciliare)，以简单说明该方法。2011年，17名研究人员聚集在一起探讨澳大利亚野火的情景(Cary等人，2012年)。这些参与者认为，气候变化、包括水牛草在内的入侵物种和土地使用beplay竞技变化是对其所在地区未来火灾频率和强度产生重大影响的因素。这些因素的相互作用和可能的管理响应可以通过物种分布和模拟模型的结合来研究，类似于Frid等人(2013)所做的，其中栖息地适宜性地图被开发为亚利桑那州南部圣卡塔利纳山脉buffelgrass空间显式STSM的输入。这样的模拟可以帮助完善野生动物和水牛草传播的原始场景，用于测试潜在的管理应对措施和目标监测工作。

我们并不是说这些特定的研究应该作为场景规划、SDM或仿真建模的模型。Cary等人(2012)描述的场景规划过程将受益于更广泛的利益相关者和更清晰定义的过程。Frid等人(2013)的工作可以建立在将气候变化作为影响buffelgrass未来分布的一个因素，以及在模拟模型中与火灾和土地beplay竞技利用变化的相互作用的基础上。尽管如此，这些研究共同说明了将上述三种分析工具结合起来的起点。

结论

情景规划、模拟建模和SDM能够考虑到关键的社会和生态动态，同时也解决了在气候变化下制定自然资源管理计划时固有的不确定性。beplay竞技场景规划通过跨不同的小组和机构工作，为开发场景提供了一个结构化和标准化的框架。模拟模型可以重现与这些情景相关的复杂系统动力学(例如，反馈、出现、阈值)，从而允许研究人员和利益相关者识别气候变化规划的意外结果。beplay竞技在规划过程的早期确定令人惊讶的发现可以帮助资源管理人员避免(或至少为)这些意想不到的后果，并更有效地分配有限的资源。物种分布模型可以通过严格分析气候、生物物理条件和物种范围之间的关系来增强模拟模型。

尽管这些领域的方法都取得了进步，但气候信息的生产和使用之间存在差距，因此需要将气候信息从有用转变为可用(Lemos et al. 2012)。通过强调与利益相关者的互动，为气候数据提供附加值，并提供定制机会，可以促进这一转变(Lemos等人2012)。我们试图通过上述分析框架来解决这些理想中的每一个问题。利益相关者的互动是情景规划过程的核心，通过确定应通过模拟实验评估的关键社会和生物物理特征，为气候数据增加价值。通过将气候数据与未来有管理价值的物种分布联系起来，也可以实现增值。这些数据可以根据用户需求进行定制，这在场景规划过程中已经确定。

实施这一分析框架和实现产生可操作的气候科学的目标需要多方的参与。来自众多领域的科学家、资源管理者以及其他利益攸关方和社区成员(例如，资源用户、当地专家、土著群体)之间需要仔细协调。诸如内政部的气候科学中心、国家海洋和大气管理局的区域综合科学与评估(NOAA RISAs;例如，西部水资源评估)和美国农业部的区域气候中心处于有利地位，可以实施这一战略，将气候信息翻译和传播给用户，并根据不同用户群体(如零售业)的需求定制这些信息。

综上所述，物种分布建模、情景规划和模拟建模是完善社会-生态系统概念、吸引一系列利益相关者、结合多种数据类型(即社会、生态和气候)以及探索未来各种情景下气候变化适应策略的有效性的补充工具。beplay竞技我们希望，提出的分析框架将促进这些和其他研究工具的整合，并为气候变化规划产生可操作的信息。beplay竞技

文献引用

Abel, T.和J. R. Stepp, 2003。人类学的新生态系统生态学。保护生态7(3): 12。(在线)网址:http://www.consecol.org/vol7/iss3/art12/

气候变化与自然资源科学咨询委员会(ACCCNbeplay竞技RS)2013.ACCCNRS第一次会议总结报告(2013年9月)。(在线)网址:https://nccwsc.usgs.gov/acccnrs

Anselme, B.， F. Bousquet, A. Lyet, M. Etienne, B. Fady和C. Le Page, 2010。法国Lure山的空间动态和生物多样性保护模型。环境模拟及软件25(11): 1385 - 1398。http://dx.doi.org/10.1016/j.envsoft.2009.09.001

Araújo，硕士，硕士，2007。物种分布的集合预测。生态学和进化趋势22(1): 42-47。http://dx.doi.org/10.1016/j.tree.2006.09.010

Araújo, m.b.， and a.t. Peterson. 2012。生物气候包络线模型的使用和误用。生态93(7): 1527 - 1539。http://dx.doi.org/10.1890/11-1930.1

Asrar, g.r.， J. W. Hurrell和A. J. Busalacchi, 2013。对“可行动”的气候科学和信息的需求:WCRP开放科学会议摘要。美国气象学会公报94: ES8-ES12。http://dx.doi.org/10.1175/BAMS-D-12-00011.1

Aurbacher, J.， P. S. Parker, G. A. C. Sanchez, J. Steinbach, E. Reinmuth, J. Ingwersen, S. Dabbert。2013。气候变化对农田作物短期管理beplay竞技的影响——一种建模方法。农业系统119:44-57。http://dx.doi.org/10.1016/j.agsy.2013.04.005

阿克塞尔罗德,r . 1997。合作的复杂性:基于智能体的竞争与合作模型．普林斯顿大学出版社，美国新泽西州普林斯顿。

巴尔茨特，H.， P. W.布劳恩，和W. Köhler。1998.植被动态的元胞自动机模型。生态模型107(2 - 3): 113 - 125。http://dx.doi.org/10.1016/s0304 - 3800 (97) 00202 - 0

本内特，E. M.， S. R.卡朋特，G. D.彼得森，G. S.卡明，M.祖雷克，P.平阿里。2003。为什么全球场景需要生态。生态与环境前沿1(6): 322 - 329。http://dx.doi.org/10.1890/1540 - 9295 (2003) 001 (0322: WGSNE) 2.0.CO; 2

伯克,r . 2008。你怎么知道计算犯罪学的模拟是否有用。实验犯罪学杂志4(3): 289 - 308。http://dx.doi.org/10.1007/s11292-008-9053-5

贝瑞，B. J.基尔，E.埃利奥特，2002。自适应代理、智能和紧急的人类组织:通过基于代理的建模捕获复杂性。美国国家科学院学报99(增刊):7187 - 7188。http://dx.doi.org/10.1073/pnas.092078899

贝斯特梅尔，B. T.， J. R.布朗，K. M. Havstad, R. Alexander, G. Chavez和J. E. Herrick, 2003。草地状态与过渡模型的开发与使用。牧场管理杂志56(2): 114 - 126。http://dx.doi.org/10.2307/4003894

贝斯特梅尔，b.t.， D. P.古尔斯比，S. R.阿彻，2011。状态与过渡模型中的空间视角:土地管理缺失的一环?应用生态学杂志48(3): 746 - 757。http://dx.doi.org/10.1111/j.1365-2664.2011.01982.x

布恩，r.b.， M. B. Coughenour, K. A.高尔文和J. E.埃利斯。2002。利用SAVANNA建模系统解决坦桑尼亚恩戈罗恩戈罗保护区的管理问题。非洲生态学杂志40:138 - 150。http://dx.doi.org/10.1046/j.1365-2028.2002.00357.x

布恩，r.b.， K. A.加尔文，P. K.桑顿，D. M.斯威夫特，M. B. Coughenour。2006。坦桑尼亚恩戈罗恩戈罗自然保护区的种植和保护。人类生态学34(6): 809 - 828。http://dx.doi.org/10.1007/s10745-006-9031-3

J.-C Bousquet F。Castella, G. Trébuil, C. Barnaud, S. Boissau, S. P. Kam. 2007。在东南亚农业生态系统管理的伙伴建模方法中使用多智能体系统。对农业的看法36(1): 57 - 62。http://dx.doi.org/10.5367/000000007780223650

Bruch, E.和J. Atwell, 2013。实证社会研究中的基于代理的模型。社会学方法与研究10月24日2013:1-36。http://dx.doi.org/10.1177/0049124113506405

卡朋特，s.r. 2003。湖泊生态系统的形态变化．德国陆河奥登多夫生态研究所

卡朋特，S. R.， F.韦斯特利，M. G.特纳，2005。社会-生态系统弹性的替代品。生态系统8(8): 941 - 944。http://dx.doi.org/10.1007/s10021-005-0170-y

Carvalho, s.b.， j.c. Brito, e.g. Crespo, m.e. Watts, h.p. Possingham, 2011。气候变化下的保护规划:考虑预测物种分布的不确定性以增加空beplay竞技间和时间上的保护投资的信心。生物保护144(7): 2020 - 2030。http://dx.doi.org/10.1016/j.biocon.2011.04.024

Cary, G. J.， E. Collett, m.a. Gill, H. Clayton, S. Dovers, 2012。澳大利亚森林大火的未来情景:森林大火CRC研讨会报告。澳大利亚应急管理杂志27(3): 34-40。

Cobb, A. N.和J. L. Thompson, 2012。beplay竞技气候变化情景规划:环境决策中科学与管理一体化的模式。环境模拟及软件38:296 - 305。http://dx.doi.org/10.1016/j.envsoft.2012.06.012

Cooley, P.和E. Solano, 2011。基于代理的模型(ABM)验证注意事项。126 - 131页2011年，第三届系统仿真进展国际会议10月23日至28日，西班牙巴塞罗那。

科斯坦扎，J. K, J. Hulcr, F. H. Koch, T. Earnhardt, A. J. McKerrow, R. R. Dunn, J. A. Collazo. 2012。模拟南方松甲虫对未来60年区域动态的影响。生态模型244:93 - 103。http://dx.doi.org/10.1016/j.ecolmodel.2012.06.037

2005年，G. S. Cumming、G. Barnes、S. Perz、M. Schmink、K. E. Sieving、J. Southworth、M. Binford、R. D. Holt、C. Stickler和T. Van Holt。弹性实证测量的探索性框架。生态系统8(8): 975 - 987。http://dx.doi.org/10.1007/s10021-005-0129-z

DeAngelis, d.l.和W. M. Mooij, 2005。基于个体的生态和进化过程建模。生态学、进化与系统学年度评论36(1): 147 - 168。http://dx.doi.org/10.1146/annurev.ecolsys.36.102003.152644

娃娃,p . 2004。定性-定量情景作为支持面向可持续发展的区域规划的一种手段。页面47-60在a . Marquina编辑器。2000-2050年地中海的环境挑战．北约科学系列，施普林格，阿姆斯特丹，荷兰。http://dx.doi.org/10.1007/978-94-007-0973-7_3

Dowsley, M.， R. H. Lemelin和Washaho First Nation在塞文堡。2013。通过自然资源管理情景规划发展社区能力:以北极熊为例。社会与自然资源26(8): 977 - 986。http://dx.doi.org/10.1080/08941920.2012.724522

J. Elith和J. Franklin, 2013年。物种分布模型。692 - 705页在s·a·莱文，编辑。生物多样性的百科全书．美国马萨诸塞州沃尔瑟姆学院。http://dx.doi.org/10.1016/B978-0-12-384719-5.00318-X

J. M. Epstein和R. L. Axtell, 1996。成长中的人工社会:自下而上的社会科学．麻省理工学院出版社，剑桥，马萨诸塞州，美国。

厄连，c.m.， j.p.塔特尔，a.l.麦克里，c.f.米纳，s.j.沃尔什，2006。土地利用/土地覆盖动态的复杂性理论和空间模拟:在教育、土地管理和决策中使用“如果”情景。Geocarto国际(4): 67 - 74。http://dx.doi.org/0.1080/10106040608542404

埃弗斯，l.b.， R. F.米勒，P. S.多斯彻，M.赫姆斯特罗姆，R. P.尼尔森。2013。利用状态-过渡模型框架模拟多扰动下蒿属生态系统当前的演替轨迹。牧场生态与管理66(3): 313 - 329。http://dx.doi.org/10.2111/REM-D-11-00220.1

弗莱克斯曼，M，和j。c。瓦格斯-莫雷诺。2011.在国家野生动物行动规划中beplay竞技考虑气候变化:空间恢复力规划方法．报告没有。fwc - 2011。美国麻省理工学院城市研究与规划系，剑桥，马萨诸塞州。

Foran, T.， J. Ward, E. J. kamp - benedict和A. Smajgl, 2013。发展详细的远见叙述:湄公河地区的一种参与式技巧。生态和社会18(4): 6。http://dx.doi.org/10.5751/ES-05796-180406

Forbis, t.a.， L. Provencher, L. Frid和G. Medlyn, 2006。利用生态模型进行大流域土地管理规划。环境管理38(1): 62 - 83。http://dx.doi.org/10.1007/s00267-005-0089-2

富兰克林,j . 2013。保护生物地理学中的物种分布模型:发展与挑战。多样性和分布19日(10):1217 - 1223。http://dx.doi.org/10.1111/ddi.12125

弗里德、L.、T.霍尔库姆、J. T.莫里塞特、A. D.奥尔森、L.布里格姆、T. M.宾、J. L.贝当古和K.布莱恩。利用状态-过渡模型来解释入侵物种管理中检测不完善的问题。《入侵植物科学与管理6(1): 36-47。http://dx.doi.org/10.1614/IPSM-D-11-00065.1

弗里德，L.和J. F.威尔姆赫斯特，2009。评价冠状麦草防治策略的决策分析Agropyron cristatum)在加拿大草原国家公园。《入侵植物科学与管理2(4): 324 - 336。http://dx.doi.org/10.1614/IPSM-09-006.1

格林，V.， E. Revilla, U. Berger, F. Jeltsch, W. M. Mooij, S. F. Railsback, H.-H。Thulke, J. Weiner, T. Wiegand和D. L. DeAngelis。2005.基于主体的复杂系统的面向模式建模:生态学的教训。科学310(5750): 987 - 991。http://dx.doi.org/10.1126/science.1116681

Guisan, A.和W. Thuiller, 2005。预测物种分布:提供比简单的栖息地模型更多的东西。生态学通讯8(9): 993 - 1009。http://dx.doi.org/10.1111/j.1461-0248.2005.00792.x

Guisan, a.e. Zimmermann, 2000。生态学中的预测生境分布模型。生态模型135(2 - 3): 147 - 186。http://dx.doi.org/10.1016/s0304 - 3800 (00) 00354 - 9

Gurung, t.r.， f.b ousquet和G. Trébuil。2006.伙伴模型、冲突解决和制度建设:在不丹的Lingmuteychu流域共享灌溉用水。生态和社会11(2): 36。(在线)网址://www.dpl-cld.com/vol11/iss2/art36/

Halofsky, j.e.， m.a. Hemstrom, d.r. Conklin, j.s. Halofsky, b.k. Kerns, D. Bachelet。2013。使用关联模型方法评估气候变化对植被的潜在beplay竞技影响。生态模型266:131 - 143。http://dx.doi.org/10.1016/j.ecolmodel.2013.07.003

Hassani-Mahmooei, b.w. Parris, 2012。beplay竞技孟加拉国的气候变化和内部移民模式:基于主体的模型。环境与发展经济学17:763 - 780。http://dx.doi.org/10.1017/S1355770X12000290

海基宁，R. K.， M. Luoto, M. B. Araúo, R. Virkkala, W. Thuiller, M. T. Sykes. 2006。气候变化下生物气候包络线模拟的方法和不确定性。beplay竞技自然地理学进展30(6): 751 - 777。http://dx.doi.org/10.1177/0309133306071957

霍兰德，j.h. 1995。隐藏的秩序:适应如何构建复杂性．柏修斯，纽约，纽约，美国。

杨森，M.和B.德弗里斯。1998。视角之战:对气候变化作出适应性反应的多主体模型。beplay竞技生态经济学26(1): 43 - 65。http://dx.doi.org/10.1016/s0921 - 8009 (97) 00062 - 1

a·卡赫纳出版,1998年。从Mont Fleur学习:把场景作为发现共同点的工具。更深层次的新闻7(1): 1 - 4。

卡斯，g.s.， R. F. Shaw, T. Tew和D. W. Macdonald, 2011。确保自然环境的未来:利用场景来预测生物多样性、景观和公众参与自然的挑战。应用生态学杂志48(6): 1518 - 1526。http://dx.doi.org/10.1111/j.1365-2664.2011.02055.x

基恩，r.e.， L. M.霍尔辛格，r.a.帕森斯和K.格雷。2008。beplay竞技气候变化对美国蒙大拿州西部两大景观的历史范围和变率的影响。森林生态与管理254(3): 375 - 389。http://dx.doi.org/10.1016/j.foreco.2007.08.013

Kemp-Benedict, e . 2004。从叙述到数字:情景分析中定量模型的作用。765 - 770页在C. Pahl-Wostl, S. Schmidt, A. E. Rizzoli和A. J. Jakeman编辑。复杂性和综合资源管理，《国际环境模型和软件学会第二届两年一次会议会刊》，iems，瑞士曼诺。

克纳普，C. N.， M. E. Fernandez-Gimenez, D. D. Briske, B. T. Bestelmeyer, Wu x.b B. 2011。对状态和过渡模式的评估:二十年发展和实施后的看法。牧场生态与管理64(6): 598 - 606。http://dx.doi.org/10.2111/REM-D-10-00188.1

克尼韦顿，D. C.史密斯和S.伍德，2011。基于agent的模型模拟未来布基纳法索移民流动的变化。全球环境变化21: S34-S40。http://dx.doi.org/10.1016/j.gloenvcha.2011.09.006

Kok, K.和H. van Delden, 2009。将两种综合情景发展方法结合起来，在西班牙瓜达伦丁流域防治荒漠化。B:规划设计36(1): 49 - 66。http://dx.doi.org/10.1068/b32137

H. Kujala, A. Moilanen, M. B. Araújo, M. Cabeza, 2013。气候变化预测不确定的保护规划。beplay竞技《公共科学图书馆•综合》8 (2): e53315。http://dx.doi.org/10.1371/journal.pone.0053315

M. C. Lemos, C. J. Kirchhoff, V. Ramprasad. 2012。缩小气候信息可用性差距。自然气候变化beplay竞技2(11): 789 - 794。http://dx.doi.org/10.1038/nclimate1614

莱文博士，1998年。生态系统和生物圈是复杂的适应系统。生态系统1(5): 431 - 436。http://dx.doi.org/10.1007/s100219900037

李H.和J. F. Reynolds, 1997。空间格局、干旱和放牧对牧场退化速率的影响建模:结合马尔可夫和元胞自动机方法211 - 230页在D. A. Quattrochi和M. F. Goodchild编辑。遥感和地理信息系统的尺度．路易斯，博卡拉顿，美国佛罗里达州。

Mahmoud, M.， Y. Liu, H. Hartmann, S. Stewart, T. Wagener, D. Semmens, R. Stewart, H. Gupta, D. Dominguez, F. Dominguez, D. Hulse, R. Letcher, B. Rashleigh, C. Smith, R. Street, J. tiehurst, M. Twery, H. van Delden, R. Waldick, D. White, L. Winter. 2009。为环境决策提供正式的方案发展框架。环境模拟及软件24(7): 798 - 808。http://dx.doi.org/10.1016/j.envsoft.2008.11.010

Malanson, G. P.， Zeng, S. J. Walsh, 2006。推进过渡带和前沿的复杂性。环境与规划A38(4): 619 - 632。http://dx.doi.org/10.1068/a37340

Manson, S. M. 2001。简化复杂性:复杂性理论综述。Geoforum32(3): 405 - 414。http://dx.doi.org/10.1016/s0016 - 7185 (00) 00035 - x

马修斯，R. B.， N. G.吉尔伯特，A.罗奇，J. G.波尔希尔和N. M.戈茨。2007。基于代理的土地利用模型:应用综述。景观生态学22:1447 - 1459。http://dx.doi.org/10.1007/s10980-007-9135-1

米勒，b.w.， i.b Breckheimer, a.l. McCleary, L. Guzmán-Ramirez, s.c Caplow, j.c Jones-Smith, s.j Walsh。2010。使用风格化的基于代理的模型进行人口-环境研究:一个来自Galápagos群岛的案例研究。人口与环境31日(6):401 - 426。http://dx.doi.org/10.1007/s11111-010-0110-4

米勒，b.w, P. W.莱斯利和J. T.麦凯布。2014.在保护环境下应对自然灾害:马赛家庭在近期和历史干旱期间的资源利用决策。《人类生态学》，出版中．http://dx.doi.org/10.1007/s10745-014-9683-3

米灵顿，J.， R. Romero-Calcerrada, J. Wainwright和G. Perry, 2008。一个基于agent的地中海农业土地使用/覆盖变化模型用于检查野火风险。人工社会与社会模拟杂志11(4): 4。(在线)网址:http://jasss.soc.surrey.ac.uk/11/4/4.html

米灵顿、J. D. A.、J.温赖特、G. L. W.佩里、R.罗梅罗-卡尔塞拉达和B. D.马拉默德。地中海景观演替-扰动动力学模型:景观火灾演替模型。环境模拟及软件24(10): 1196 - 1208。http://dx.doi.org/10.1016/j.envsoft.2009.03.013

莫里塞特、J. T.、C. S. Jarnevich、T. R. Holcombe、C. B. Talbert、D. Ignizio、M. K. Talbert、C. Silva、D. Koop、A. Swanson和N. E. Young。VisTrails SAHM:物种栖息地建模的可视化和工作流管理。描述生态学36(2): 129 - 135。http://dx.doi.org/10.1111/j.1600-0587.2012.07815.x

拒绝,h . 1986。澳大利亚elapid蛇的生物地理分析。页面4-15在r·朗莫编辑器。澳大利亚的蛇类图集．澳大利亚动植物丛书，澳大利亚政府出版社，堪培拉，澳大利亚。

帕克，D. C.， S. M.曼森，M. A.詹森，M. J.霍夫曼，P. Deadman. 2003。模拟土地利用和土地覆盖变化的多智能体系统研究进展。美国地理学家协会年鉴93(2): 314 - 337。http://dx.doi.org/10.1111/1467-8306.9302004

帕特，A.和B. Siebenhüner。2005.基于agent的气候变化建模与适应。beplay竞技Vierteljahrshefte苏珥Wirtschaftsforschung74(2): 310 - 320。http://dx.doi.org/10.3790/vjh.74.2.310

彼得森，g.d.， 2007年。在威斯康辛州北部高地湖区，使用情景规划实现适应性协同管理过程。286 - 307页在D. Armitage, F. Berkes和N. Doubleday编辑。适应性共同管理:协作、学习和多层次治理．UBC出版社，温哥华，不列颠哥伦比亚，加拿大。

彼得森，G. D.比尔德，Jr. B. E.贝斯纳，E. M.班尼特，S. R.卡朋特，G.卡明，C. L.登特，T. D.哈夫利切克。2003b．评估未来的生态系统服务:威斯康星州北部高地湖区的案例研究。生态和社会7(3): 1。(在线)网址:http://www.consecol.org/vol7/iss3/art1/

彼得森，G. D.卡明，S. R.卡朋特，2003一个．情景规划:在不确定的世界中保护环境的工具。保护生物学17(2): 358 - 366。http://dx.doi.org/10.1046/j.1523-1739.2003.01491.x

Portugali, j . 2006。复杂性理论作为空间和地方之间的联系。环境与规划A38(4): 647 - 664。http://dx.doi.org/10.1068/a37260

普罗文彻，L. A.福比斯，L.弗里德和G.梅德林2007。利用空间模型比较火灾、放牧和杂草控制的替代管理策略。生态模型209(2 - 4): 249 - 263。http://dx.doi.org/10.1016/j.ecolmodel.2007.06.030

里纳乌多,j。， L. Maton, I. Terrason, S. Chazot, A. Richard-Ferroudji和Y. Caballero. 2013。将情景研讨会与建模相结合，以评估未来的灌溉用水需求。农业水管理130:103 - 112。http://dx.doi.org/10.1016/j.agwat.2013.08.016

罗斯，M.和J.星。2013。用情景探索气候变化:从业人员手册beplay竞技．国家公园管理局，美国内政部，华盛顿特区，美国。(在线)网址:http://climate.calcommons.org/bib/using-scenarios-explore-climate-change-handbook-practitioners

罗特曼斯，J.， M. van Asselt, C. Anastasi, S. Greeuw, J. Mellors, S. Peters, D. Rothman和N. Rijkens. 2000。欧洲可持续发展的愿景。期货32(9): 809 - 831。http://dx.doi.org/10.1016/s0016 - 3287 (00) 00033 - 1

t.c.谢林1971年。分离动力学模型。数学社会学杂志1(2): 143 - 186。http://dx.doi.org/10.1080/0022250X.1971.9989794

Schlüter, M.， H. Leslie，和S. Levin, 2009。在半干旱的河流三角洲管理用水权衡以维持多种生态系统服务:一种建模方法。生态研究24(3): 491 - 503。http://dx.doi.org/10.1007/s11284-008-0576-z

Schlüter, M.和C. Pahl-Wostl。2007.公共池资源管理系统的弹性机制:一个基于代理的流域用水模型。生态和社会12(2): 4。(在线)网址://www.dpl-cld.com/vol12/iss2/art4/

肖梅克，P. J. H. 1995。情景规划:战略思考的工具。斯隆管理评论36:25-40。(在线)网址:http://sloanreview.mit.edu/article/scenario-planning-a-tool-for-strategic-thinking/

Schouten, M.， P. Opdam, N. Polman和E. Westerhof, 2013。基于弹性的乡村景观治理:使用空间显性主体模型的农业环境方案实验。土地使用政策30(1): 934 - 943。http://dx.doi.org/10.1016/j.landusepol.2012.06.008

辛克莱，S. J.， M. D.怀特，G. R.纽维尔，2010。物种分布模型对未来气候下的生物多样性管理有多有用?生态和社会15(1): 8。(在线)网址://www.dpl-cld.com/vol15/iss1/art8/

Smajgl, a . 2010。在印尼通过多层次参与式模式挑战信念。环境模拟及软件25(11): 1470 - 1476。http://dx.doi.org/10.1016/j.envsoft.2010.04.008

Smajgl, A.和J. Ward, 2013。湄公河地区水-粮食-能源关系:评估发展战略，考虑跨部门和跨界影响．施普林格,荷兰阿姆斯特丹。

史密斯，C.， D. Kniveton, R. Black和S. Wood, 2008。预测模型。强制移民审查31:58-59。

斯诺弗，A. K.， N. J.曼图亚，J. S.利特尔，M. A.亚历山大，M. M.麦克卢尔和J.奈。2013。选择和使用气候变化情景进行生态影响评估和保护决策。保护生物学27(6): 1147 - 1157。http://dx.doi.org/10.1111/cobi.12163

斯塔德，A.， A. K.莱德纳，J.霍华德，K. A.布劳曼，J. S.杜克，L. J.汉森，C.波克特，J.萨波，和L. A. Solórzano。2013.气候变化增加的复杂性:理解和管理生物多样性和生态系统。beplay竞技生态与环境前沿11(9): 494 - 501。http://dx.doi.org/10.1890/120275

斯特兰德，e·K, l·a·维林，s·c·邦廷，p·e·盖斯勒，2009。西部白杨林地演替率的量化:当前条件，未来预测森林生态与管理257(8): 1705 - 1715。http://dx.doi.org/10.1016/j.foreco.2009.01.026

T. K.斯特林汉姆、W. C.克鲁格和P. L.谢弗。2001。第1024号特别报告:状态、转换和阈值:牧场应用程序的进一步细化。俄勒冈州立大学农业实验站，美国俄勒冈州科瓦利斯。

Talbert, C.， M. Talbert, J. Morisette和D. Koop, 2013。物种分布建模中的数据管理挑战。IEEE数据工程公报(4): 36 31-40。(在线)网址:http://sites.computer.org/debull/A13dec/p31.pdf

Thuiller, w . 2007。生物多样性:气候变化与生态学beplay竞技家。自然448(7153): 550 - 552。http://dx.doi.org/10.1038/448550a

汤普金斯，E. L.， R. Few和K.布朗，2008。基于场景的利益相关者参与:将利益相关者的偏好纳入应对气候变化的沿海规划。beplay竞技环境管理杂志88(4): 1580 - 1592。http://dx.doi.org/10.1016/j.jenvman.2007.07.025

Vargas-Moreno, j.c.， M. Flaxman, 2012。利用参与式情景模拟在大沼泽地景观的气候变化下规划保护。beplay竞技页面27-56在H. A. Karl, L. Scarlett, J. C. Vargas-Moreno和M. Flaxman编辑。恢复土地——协调科学、政治和行动:气候和治理的复杂性．施普林格,荷兰阿姆斯特丹。http://dx.doi.org/10.1007/978-94-007-2549-2_3

Veloz, S. D.， N. Nur, L. Salas, D. Jongsomjit, J. Wood, D. Stralberg和G. Ballard. 2013。模拟气候变化对潮汐beplay竞技沼泽鸟类的影响:面对不确定性的恢复和保护规划。生态球4 (4): art49。http://dx.doi.org/10.1890/ES12-00341.1

Voinov, A.和F. Bousquet, 2010。造型与利益相关者。环境模拟及软件25(11): 1268 - 1281。http://dx.doi.org/10.1016/j.envsoft.2010.03.007

瓦克,p . 1985。场景:前方未知水域。哈佛商业评论63:72 - 89。(在线)网址:http://hbr.org/1985/09/scenarios-uncharted-waters-ahead

沃克，B.和D. Salt, 2006。弹性思维:在不断变化的世界中维持生态系统和人类．一个小岛，华盛顿特区，美国。

沃克，W. E. P. Harremoës, J.罗特曼斯，J. P.范·德·斯卢吉斯，M. B. A.范·阿塞尔特，P.杨森，M. P.克瑞尔·冯·克劳斯。2003。定义不确定性:在基于模型的决策支持中，不确定性管理的概念基础。综合评估4(1): 5。http://dx.doi.org/10.1076/iaij.4.1.5.16466

Walsh, S. J.， B. Entwisle, R. R. Rindfuss和P. H. Page. 2006。泰国东北部土地利用/土地覆盖变化情景的空间模拟模型:细胞自动机方法。土地利用科学杂志1(1): 5-28。http://dx.doi.org/10.1080/17474230600604213

沃尔什，S. J.， G. P.马anson, B. Entwisle, R. R. Rindfuss, P. J.穆夏，B. W.休曼，P. M.麦克丹尼尔，B. G. Frizzelle, A. M. Verdery, N. E. Williams，姚X.和丁丁。2013。以泰国南容区为研究对象，设计一个基于智能体的模型。应用地理39:183 - 198。http://dx.doi.org/10.1016/j.apgeog.2012.12.010

Walz, A.， C. Lardelli, H. Behrendt, A. Grêt-Regamey, C. Lundström, S. Kytzia, P. Bebi. 2007。一体化区域建模的参与式场景分析。景观与城市规划81(2): 114 - 131。http://dx.doi.org/10.1016/j.landurbplan.2006.11.001

Wang, J.， D. G. Brown, R. L. Riolo, S. E. Page, A. Agrawal. 2013。蒙古草原地方适应气候变化制度的探索性分析:基于智能体的建模方法。beplay竞技全球环境变化23(5): 1266 - 1276。http://dx.doi.org/10.1016/j.gloenvcha.2013.07.017

王T.，坎贝尔E. M.，奥尼尔，艾特肯，2012。预测未来生态系统气候生态位的分布:不确定性和管理应用。森林生态与管理279:128 - 140。http://dx.doi.org/10.1016/j.foreco.2012.05.034

Weeks, D.， P. Malone, L. Welling, 2011。beplay竞技气候变化情景规划:管理公园走向不确定未来的工具。公园的科学28(1): 26-33。(在线)网址:http://www.nature.nps.gov/parkscience/index.cfm?ArticleID=475

Westhoek, H. J.， M. van den Berg和J. A. Bakkes, 2006。情景开发，探索欧洲农村地区的未来。农业、生态系统和环境114(1): 7-20。http://dx.doi.org/10.1016/j.agee.2005.11.005

韦斯托比，M, b，沃克，我。1989.牧场的机会主义管理不平衡。牧场管理杂志42(4): 266 - 274。http://dx.doi.org/10.2307/3899492

闫东，施耐德，施耐德，黄鸿强，潘丽玲，O. Dilly. 2013。1985 - 2035年鄱阳湖区土地利用变化、区域发展与气候变化的交互作用beplay竞技农业系统119:10-21。http://dx.doi.org/10.1016/j.agsy.2013.04.001

张涛，詹杰，黄杰，于锐，史辰。2013。基于agent的区域气候变化对三江源地区土地利用变化影响的推理beplay竞技气象学的进展2013:1-9。http://dx.doi.org/10.1155/2013/248194

齐尔沃格尔、比塞尔、华盛顿和唐宁，2005年。基于agent的社会模拟:一种评估小农季节性气候预测应用影响的方法。农业系统83(1): 1-26。http://dx.doi.org/10.1016/j.agsy.2004.02.009