解决复杂性和不确定性:应用于加拿大油砂候鸟的概念模型和专家判断

• 摘要
• 简介
• 方法
  • 概念模型开发
  • 技术专家的参与
• 结果
  • 概念模型
  • 模型权重
• 讨论
  • 代表的复杂性
  • 整合专家判断
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

复杂性和不确定性是社会-生态系统所固有的。复杂系统往往具有大量的组件和它们之间的高度相互联系，通常涉及非线性相互作用和反馈，最终导致复杂的行为。重要的是，可观察到的行为是这些相互作用的结果，而不仅仅包含在单个组件中(Waltner-Toews等人，2008年，Cilliers等人，2013年)。不确定性也无处不在。对于系统的结构和行为，可能存在不完善的知识，不同地点和年份之间的巨大自然变化，人类观察中的错误，用于提供更广泛推论的数据方式的不同假设，以及对于应该如何管理系统缺乏清晰的认识(Suter et al. 1987, Morgan and Henrion 1990)。对于科学家和决策者来说，这些现实为理解社会-生态系统和管理其控制范围内的行动带来了挑战，因为在存在难以分离和难以归因的巨大未知和混杂因素的情况下，很难可靠地确定因果途径。尽管存在这些挑战，但鉴于今天迫切需要作出决策，它们不能成为拖延研究和管理的原因。

近几十年来，为了应对这些挑战，有两种策略得到了广泛应用。尽管出于不同的目的有不同的框架，但第一种策略是系统思维，它代表了一种更全面的方法来提高对复杂系统的理解和管理(Grant et al. 1997, Meadows 2008)。它基于这样一个前提:通过将系统作为一个整体来检查，可以更好地理解系统各部分的行为。这种观点表明，在进行环境评估时，人们对累积效应的兴趣越来越大(Duinker和Greig 2006年，Canter和Ross 2010年)，从单一物种渔业管理转向基于生态系统的方法(Browman和Stergiou 2004年)，以及在评估未来气候变化脆弱性的框架中越来越多地考虑当前的环境压力源(Staudt等人，2013年)。beplay竞技专家诱导是第二种策略，在复杂性和不确定性很高的情况下越来越多地使用，尽管存在这些现实，但迫切需要做出决定(Donlan等人2010,McDaniels等人2010,Teck等人2010,Martin等人2012,Wittmann等人2015)。有人担心专家的判断可能有偏见或校准不当(Tversky和Kahneman 1974);然而，当这些担忧得到解决时，专家意见可以被证明对估计模型参数、表征不确定性、验证其他研究的结果以及填补决策的知识空白有价值(Martin et al. 2012)。在复杂性和不确定性的背景下，系统思维鼓励更多样化的考虑来表示复杂的系统，而专家判断的考虑使得“硬”知识形式(即基于科学的观察和分析方法)和“软”知识形式(即基于个人判断、优先级和价值观)在面对不完全信息时都能被包括在内。

明确涉及系统思维和专家判断的分析方法体现在各种参与式建模技术中(Lynam et al. 2007, Gray et al.，在新闻)．这些方法都有一个共同的倾向，即使用概念模型，结合现有证据和专家/利益相关者的投入，来描述感兴趣的特定系统中的组成部分和联系。不同的方法在描述复杂程度不同的关系方面各不相同。方法包括提供生态系统相互作用的定性表示的概念模型(DiGennaro等人，2012)，半定量方法，如模糊认知映射，它使用模糊逻辑来分配影响方向和关系权重(Papageorgiou和Kontogianni 2012)，贝叶斯信念网络，它使用经验或专家推导的相互作用变量及其自然状态的概率分布来提供结果的概率预测(Marcot et al. 2001)。

根据我们的经验，在某些情况下应用这种技术可能会有局限性。例如，尽管这些方法为鼓励系统如何运作的机械表示提供了强有力的框架，但它们在允许专家基于对系统内路径的更全面理解来量化联系方面的能力可能受到限制。许多实地研究和专家的心智模型是基于从经验关系中获得的知识，这些经验关系往往将许多个体联系嵌入到更丰富的效应途径中(Rastetter et al. 2003, Shochat et al. 2006)。因此，以一种更全面的方式引出专家的判断，而不是采用一种更简化的方法，这种方法迫使只考虑几个单独的组件，而不考虑与其他组件的相互作用。解决这一限制的一种方法是结合使用结构化练习和明确的技术信息基础。通过封闭式问题，研究人员可以从参与者那里得到标准化的信息，从而促进几个人的反应的组合(Hofer 1986)，同时仍然允许他们对整个系统做出直观的判断。此外，源自选择建模领域的多属性方法允许分析师从更全面的评估中联合估计单个组件的参数(Louviere et al. 2000)，通过在相同的区间尺度上提供数值权重来为盒箭头概念模型增加价值(Flynn et al. 2007)。

我们探讨了应用概念建模和专家启发作为解决特定自然资源环境中的复杂性和不确定性的方法和限制，以及机会和挑战。特别是，我们讨论了围绕概念模型开发的策略和结果，这些模型有助于澄清对不同人类压力源对一个感兴趣的行会(迁徙森林鸟类)的多重和相互作用的影响的理解。然后，我们讨论了来自技术专家的启发策略和信息输出，这有助于加强对概念模型中不同影响的重要性的理解。这项研究的最终目标是指导加拿大阿尔伯塔省北部监测项目的设计和扩展，在那里，了解油砂开发对生物多样性的影响非常重要(Gosselin et al. 2010，加拿大环境部2011,GOC 2012)。

方法

本案例研究的兴趣区域代表了加拿大阿尔伯塔省北部北方森林的复杂社会生态系统(图1)。人类活动包括约14.2万平方公里的油砂矿床，以及常规油气矿床、商业林业、农业、城市化、支持这些工业的交通网络和其他较小的经济利益(见附录1中的表A1.1)。大规模和自然驱动因素，如活跃的火灾制度、昆虫干扰和气候变化也有重要影响。beplay竞技这片土地上生活着丰富的陆地和淡水物种的生物多样性。

概念模型开发

我们通过文献回顾开始开发概念模型，以确定适合我们需求的关键特征和方法类型。我们选择的模型类型将最好地服务于不同的受众、感兴趣的系统和过程、特异性水平和信息可用性。为了表示研究区域的复杂性，我们在从生态系统到景观到公会到物种级别的层次上开发了概念模型。在这些模型中，从层次结构的最高级别移动到最低级别，在广度上有故意的减少，而在特异性上有故意的增加。开发模型的目的是与其他模型相互独立和相互依赖，以便较高级别的模型通知较低级别的模型。

在其他人的指导下，概念模型的开发分为五个步骤(见图2;Grant et al. 1997, Noon 2002, Fischenich 2008)。首先，根据预期用途和受众(从知识渊博的决策者到生态学家和鸟类专家)明确了模型目标。接下来，根据感兴趣的子系统和相关的空间/时间边界对模型进行限定，这需要明确每个模型的重点和特异性水平。这种清晰度包括理解每个模型中所代表的发展部门、人类活动、压力源、自然驱动力和有价值的生态系统组成部分。第三步需要具体说明模型组成部分，特别是总结与相关尺度的驱动因素、结果和联系有关的证据。驱动因素包括影响生态系统组成部分的行为或状态的自然影响和人类压力。结果包括直接和间接的结果、影响或特定驱动因素的后果。联系代表了驱动因素和结果之间的联系，每一个联系都与一个“效果”相关，从最初的驱动因素到最终结果的一系列联系被认为是一个“效果途径”。第四步包括在层次结构的每个层次上说明驱动因素、结果和联系之间的关系，以开发每个系统的图形表示。 All models were mechanistic in nature to illustrate the sequence of causal linkages or pathways of effect between a driver and an outcome of interest. Finally, models were evaluated in several stages for comprehensiveness, consistency, robustness, and importance of components. These evaluation stages involved a combination of internal and external peer review, resulting in many iterations of the models to address the breadth and/or depth required. More details around conceptual model development are available in Appendix 1.

技术专家的参与

概念模型开发的第一阶段是基于对描述研究领域的现成证据的回顾，换句话说，就是“硬”知识形式。为了有效地利用和重视专家的集体智慧，或知识的“软”形式，我们有意设计了一个过程，让科学家在模型开发的高级阶段进行审查、验证、改进，并围绕概念模型中的不同组件制定重要性的“权重”。

为此，我们在模型开发阶段采用了各种参与策略(图2)。第一个输入点涉及由政府机构内部的鸟类生态学家专家进行的内部审查，以完善和验证模型，这些专家为更广泛的监测计划提供输入，但对我们的模型构建过程一无所知。接下来，召开了为期2天的面对面研讨会，以提供“同行评审”，以提高模型的准确性、相关性和清晰度，并为开发结构化调查以引出科学家的判断提供指导。来自北美各地的大约30名鸟类专家和生态学家最初被考虑参与这项研究。这些专家来自学术界和政府部门，熟悉概念建模、监测、候鸟、石油和天然气开发、与森林鸟类相关的其他发展影响，或两者结合。我们故意排除了行业代表，因为之前发表的评论强调了油砂领域的监测缺陷，指出了对影响的批评。有12名外部专家参加了讲习班。一份背景文件描述了工作的背景和概念模型，在研讨会之前分发了。最后，利用电话会议、桌面共享和实时在线调查工具召集了为期1天的远程研讨会，邀请8位专家参与。这些参与者包括来自学术界、政府和非政府组织的鸟类专家和生态学家，其中许多人参加了早先的亲自研讨会。为鼓励专家参与并补偿他们的时间，提供了经济奖励。 A background document describing the meeting task process, forest bird model, and its components was distributed prior to the workshop. An overview of materials and an explanation of survey questions were provided at the meeting.

在远程研讨会之前，制定了一项调查，作为一种结构化的过程，以促使专家对森林鸟类概念模型中不同组成部分和影响途径的重要性作出判断。在部署之前，该调查由两名独立专家进行试点，以测试问题框架的清晰度和准确性。考虑到需要提供访问和展示各种复杂的技术信息，以及快速总结结果以便在研讨会期间立即讨论，该调查使用了一个设计独特的网站进行部署。

调查分为三个部分，由五个部分组成，采用了多种参与工具，例如封闭式问题、德尔菲法和“一拳对五”投票。调查的组织方式是故意的，要求受访者考虑增加对候鸟的影响从广泛到具体的特异性水平。第一部分要求参与者说明他们对加拿大各地和油砂地区北方生态的熟悉程度;影响该区域的发展部门;以及五个主要的森林鸟类协会，用五分制从完全不熟悉到非常熟悉。提出这些问题是为了评估小组的经验，并在小组参加远程讲习班之前部署这些问题。

调查的第二部分在远程研讨会期间完成，重点是了解繁殖、迁徙和越冬生命阶段对支持研究区域森林鸟类种群丰度和分布的相对重要性。提出这些问题是为了更好地了解影响对繁殖范围、监测重点领域的影响，以及相对于不会进行监测的其他生命阶段和机构几乎没有影响力的其他生命阶段，哪些机构具有某种程度的管理控制。使用层次分析法(AHP)评估了生命阶段的相对重要性，该方法要求给出生命阶段的所有两两比较，然后请专家使用标准化的五分制量表指出哪些更重要，以及重要性的程度，从同等重要到极其重要(Pavlikakis and Tsihrintzis 2003)。通过计算所有受访者中每对专家的重要性几何平均值，将多位专家的回答组合在一起。然后将专家评分输入成对比较矩阵，以方便计算每个个体生命阶段的权重。调查的这一部分还包括评估19个压力源的相对重要性，这些压力源被确定为对繁殖栖息地的质量有潜在影响。这些评分采用5分制，从完全不重要到极其重要。

调查的最后一部分要求参与者对16种影响途径中的每一种的相对重要性进行排名。考虑到该任务的复杂性，我们应用了最大差分联合方法(MDC;Finn和Louviere 1992)。像AHP一样，MDC是一种迭代方法;但是，它依靠实验设计原则来减轻受访者的负担。通过这种方法，受访者被要求从16组4种途径中确定他们认为最重要和最不重要的途径。为了确保每个参数估计的独立性，每个路径组合都由实验设计确定(Raktoe et al. 1981)。为了减少与学习或疲劳效应相关的偏差的可能性(Louviere et al. 2000)，问题的顺序随机分配给每个参与者。

MDC调查的统计分析基于随机效用理论(McFadden 1974)，该理论假设人们选择使他们的利益最大化的单一选项。在此假设下，个人选择一个选项(我)可以遵循多项logit (MNL)函数(Louviere和Woodworth 1983)。在MDC的情况下，假设最不重要路径的选择概率与其收益成反比(Cohen 2003)。由此产生的统计模型通过比较相对于指定基数的每个特定属性值来估计基础偏好。在我们的例子中，效果编码用于将结果参数集中在平均值为零的周围(Bech and Gyrd-Hansen 2005)。由此产生的模型在区间尺度上为每个路径提供了偏好估计，其中常量解释了列表顺序的影响(Cohen 2003)。

调查的MDC部分采用德尔菲法(Linstone and Turoff 2002)进行管理，首先要求专家独立回答一组结构化问题。数据是实时分析的，调查结束后不久，小组成员就会被召集在电话上回顾调查结果，并被鼓励与他人分享他们为什么以及如何回答问题。然后，他们被要求再次分开，重新审视自己最初的反应，并允许他们根据其他人的反馈进行调整。

通过这一过程，专家们在概念模型中确定了两种不同类型的途径，这两种途径最初并不是这样构建的:森林鸟类栖息地受到各种形式的人类发展干扰的途径，以及与森林鸟类对栖息地压力的生态反应有关的因果机制。为了解决这些反馈，我们制定了额外的问题，并在大约两周后完成回答。这些额外的问题要求专家对影响的强度和证据的确定性进行评级，这些证据与八种栖息地影响途径中的每一种的因果机制有关。对于每一种途径，因果机制都使用五点量表来评估，以代表影响的强度，从无到占主导地位，以及与理解因果机制相关的证据的确定性，这在理论上被评为一个问题，证据是模糊的，证据是初步的，证据是强有力的，或广泛同意。在调查的所有部分，都使用了拳头对五的投票系统来衡量群体对新出现的反应的一致程度，拳头代表不支持，五个手指代表最强烈的支持。

结果

概念模型

为了代表系统的复杂性，在一个尺度层次上开发了14个概念模型:一个生态系统、两个景观、两个鸟类行会和9个物种模型。系统模型用于生态系统层面，以说明影响研究区域的人类压力源和自然驱动因素的广度。景观层面采用状态和过渡模型来表征影响栖息地动态的栖息地状态和过渡过程，而栖息地迁移和定居物种的种群动态则采用生命周期模型来表征。生命周期模型也用于行业和物种水平，以代表环境与所有依赖森林和湿地的鸟类之间的相互作用，这些鸟类每年从研究区域或通过研究区域迁徙。我们关注与森林鸟类相关的结果，即行会级模型，因为它为结构化调查练习和模型权重的确定提供了基础。其他模型在附录1中提供。

森林鸟类模型如图3所示。左上部分显示了每年的生命周期，分为关键的生命阶段:繁殖、秋季迁徙、越冬和春季迁徙。一个内环代表到幼崽开始繁殖的时期。外圈代表成年的寿命，有七个不同的方面:繁殖力、夏季生长/状况、夏季存活、秋季迁徙存活、越冬条件、越冬存活和春季迁徙存活。生存和繁殖力对种群有直接影响(中间的箭头)，而条件的变化则通过对后续生命阶段的影响产生间接影响(指向其他生命阶段的箭头)。例如，夏季生长/条件影响夏季生存，秋季迁移生存，并最终影响越冬条件(由夏季生长到越冬条件的箭头表示)。另一方面，鸟类越冬归来时的状态和繁殖地本身的条件都影响着繁殖力。与大陆结果相反，区域种群结果是兴趣的终点，因为许多迁徙物种在北方森林中具有广泛的夏季繁殖范围，受到不同压力源的影响。人类压力源和自然驱动力在模型的右边部分进行了说明。这些影响可能会对夏季繁殖、迁徙和越冬产生影响，这些影响是由对栖息地、健康和行为的影响所介导的。

大范围监测旨在提供关于各种因素对候鸟的作用和相对影响的信息:采矿、林业、农业、城市化、常规石油和天然气开发，以及油砂开发和支持这些部门的广泛运输网络。为了促进这种理解，我们采用了国际自然威胁保护联盟分类系统(Salafsky et al. 2008)，列出了19个压力源，作为研究区域变化的基本因素(图3右侧，见附录1表A1.3)。将发展部门与这些压力源进行协调，可以澄清与候鸟的许多重叠相互作用(见附录1表A1.4)。例如:“斑块清理”和“线性清理”包括从森林采伐、路权开发和地震线中以多边形或线性模式移除地表植被。这些压力源的主要来源包括森林采伐、油砂开发、常规石油和天然气以及运输网络，次要来源包括采矿、农业和其他形式的人类使用。

这些压力源对栖息地和/或个体有直接和间接的影响，最终影响候鸟(图3的中间部分)。对栖息地的影响包括丧失、转变和退化。对行为和健康的影响包括干扰一个物种进行正常活动的能力，特别是觅食和在栖息地之间移动的能力，或者可能导致压力、伤害、疾病、营养不良和中毒。对生存的影响包括人类引起的不同死亡来源，例如故意和偶然的捕食，以及自然死亡，例如捕食、衰老/失去活力、疾病和饥饿，这些也可能因人类引起的栖息地变化而改变。对筑巢的影响受到栖息地的可用性和干扰成功筑巢的过程的影响。潜在的影响机制包括对巢穴的捕食或寄生，人类行为或恶劣天气对巢穴的破坏，栖息地质量的有害变化，或人类入侵造成的干扰。

由于其广度，森林鸟类模型缺乏专家告知模型加权过程所需的专一性。利用这一通用模型，我们确定了影响生命阶段和种群水平响应的8种不同栖息地效应途径(表1)和11种相关因果机制(表2)。根据影响的空间尺度、生境影响类型和生境干扰形式对影响的生境路径进行了区分。附录1的表A1.5详细总结了整套生境路径。

模型权重

与专家进行的一系列结构化练习的结果被用于推导森林鸟类模型中不同组成部分的重要性权重，以确定监测的优先事项。在0 - 1之间的线性尺度上，3个生命阶段的加权表明，专家们总体上对影响繁殖鸟类栖息地的途径(0.44)的重视程度高于影响越冬栖息地的途径(0.35)和影响迁徙生命阶段的途径(0.21;(见图4)。一拳对五的投票显示出对这些结果的支持程度有些不同和温和，平均支持3.1(满分5分)，投票范围从1到5。专家的支持程度与综合权重与个人原始反应的一致程度有关。这一发现导致了对数据的重新分析，揭示了两种截然不同的专家意见，第1组将繁殖生命阶段加权为最重要的(0.63)，第2组将越冬栖息地加权为最重要的(0.57)。

在一个从不重要到极其重要的线性5分制量表上，专家根据对研究区域繁殖栖息地质量的预期影响，对19个压力因素进行了评级(图5)。最重要的压力因素是斑块清理，专家一致认为它非常重要，因为它有可能直接损失筑巢地点。下一个重要的压力源，被评为比一些重要，包括植被提取、水资源管理和线性清理，因为它们对筑巢地点的可用性有影响;农药、土壤扰动和水污染，因为它们对觅食活动和食物来源的影响;线性基础设施和交通，因为它们直接影响生存。所有其他压力源都被评为不太重要，特别是人类入侵、引入、动物提取、噪音、灰尘、光、空气排放、土壤污染、固体废物和结构。对于一些压力源，专家们的反应存在很大差异，包括植被提取、线性清理、农药、土壤扰动和水管理。投票结果显示，专家对这些排名的支持程度相对较强且一致，平均为3.6分(满分为5分)，投票从2到4分不等。

利用最佳-最差标度计算的数据建立了MNL模型，以估计每个路径对研究区候鸟丰度和分布的影响的重要性。模型中的参数估计被重新缩放，以获得从1(最不重要)到8(最重要)的重要性区间尺度。为了鼓励专家们分享信息并互相学习，我们在3个场合重复了排名过程。专家之间的回答差异(标准误差)下降，路径的相对排名随着练习的每次迭代而变化(图6)。在最后的迭代中，农业和林业导致的栖息地改变被认为具有最强的相对重要性，林分水平的影响(路径D和F)比景观水平的影响(路径E和G)更重要。与工业发展相关的路径(路径A和B)的重要性被评为略低于最高等级的路径，但显著高于林分水平对栖息地质量的影响(路径C)和由火灾动态变化引起的景观水平转变(路径H)。

尽管有微小的差异，不同因果机制影响的相对强度模式在8个生境路径中基本相似。对林分水平转换背后最具影响力的因果机制的专家判断图7所示为工业发展的结果(路径a)。以生境为媒介的导致流离失所和完全(机制a)或部分(机制b)丧失的机制一直被认为具有重大影响。繁殖力的减少(机制k)被认为具有中等影响，而分散(机制c)、食物(机制i)、直接死亡率(机制j)和不同年龄的捕食(机制d和e)被认为影响较小。寄生(机制f)、天气(机制g)和气候(机制h)被认为对这一途径的影响最弱。

讨论

代表的复杂性

开发可视化来表示研究领域的复杂性是非常具有挑战性和耗时的。尽管系统思维鼓励对系统进行更全面的表示，但模型的完整性和复杂性必须与支持清晰沟通的理解和简单性需求相平衡。技术专家通过提倡简单的概念模型，同时要求这些模型反映观察到的复杂性来证明这种二分法。更广泛地说，自然资源管理的现实也表明，应该以更全面和综合的方式管理复杂的系统，但需要简化和确定优先级，以确定导致大多数变化的关键变量(Mitchell et al. 2014)。在我们的研究中，概念模型的开发提供了一个清晰的框架，可以使用科学的坚实基础来表示生态系统证据和专家意见。正如所强调的宗旨“简单往往是在复杂的另一边”(E. Berlow, TED演讲，http://www.ted.com/talks/eric_berlow_how_complexity_leads_to_simplicity?language=en)，模型的复杂性在这些阶段中不断发展，最初随着模型的广度和深度的发展而增加复杂性，然后随着我们的理解和用来表示系统的艺术性的提高而降低(图2)。没有任何层次的复杂性被认为是最好地服务于所有受众和目的。相反，开发了具有一系列复杂性的多个模型，以提供一个强大的基础，以此构建专家判断的引出，并满足其他受众的交流需求，满足使用模型为监测方案设计提供信息的主要目的。

概念模型的层次结构被证明对描述生态系统是有用的，因为它迫使模型在每个层次上减少广度，增加特异性，并允许在不同尺度上使用不同的模型。例如，物种级模型是最详细的，但也是最容易开发的，因为它们在范围上受到限制，以行业级模型的结构为基础，并且有现成的证据摘要作为支持。从生态系统层面到物种层面，我们这套模型的同时开发创造了几个优势。内部一致性是主要的设计优势，特别是景观级模型与物种级模型之间的明显联系。这种一致性通过确保一个共同的类型学和框架来准确地表示生态系统中的许多物种、栖息地、驱动因素和压力源，有助于加强所有模型的全面性和严谨性。

模型的相对详细的机制结构阐明了在研究区域内外影响候鸟的因素的累积和相互作用性质。在研究区域内，这种方法强调了多个行业如何产生相同类型的压力源。正如大多数科学的因果调查所需要的那样，这些相互作用强调需要在受影响地区和未受影响地区之间进行分区监测，以将人口分布和/或丰度的变化归因于个别行业。然而，发展的空间范围、研究区域的大小，以及土地用途有时重叠，有时在空间上聚集，意味着很难找到合适的参考区域来进行区域人口推断。该方法还能够清晰地反映出跨生命阶段的遗留效应(Norris 2005年)，以及油砂区以外的因素对大多数候鸟的重大影响，包括迁徙期间的重大死亡率(Sillet和Holmes 2002年)。尽管这种机制方法促进了在繁殖季节内产生影响的个别途径的发展，这在短期内需要专家参与，并为长期监测计划提供优先事项，但缺点是几乎没有数据可用于支持详细的系统分区建模。因此，与包含鸟类的现有景观模拟模型的直接联系是有限的，但正日益成为该地区监测工作的一个新兴属性(L. Mahon，个人沟通)．

整合专家判断

在我们的研究中，有选择地聘请技术专家来促进和加强概念模型的发展(图2)。这种方法基于这样一种观点，即许多人的集体智慧优于少数人的集体智慧(Fisher和Fisher 1998)。与其他观众(Nelitz和Beardmore)相比，在新闻)，科学家的观点需要独特的考虑，考虑到他们强大的技术理解水平，他们通常需要提供有意义的输入的细节，以及他们有时缺乏校准或自私的观点(Tversky和Kahneman 1974)。这些考虑影响了我们参与的方法、所引出的知识的形式以及使用专家判断的方式。当与概念模型相结合时，这些判断与更传统形式的科学证据相兼容。科学家的参与有助于在开发的早期阶段改进和验证概念模型，正如传统同行评审所期望的那样。在后期阶段，专家们最初不愿意使用结构化启发技术来表示他们的判断，部分原因是一些固有的挑战和偏差可能会引入到结果中(Martin et al. 2012)。虽然已经努力解决他们的担忧，但专家们倾向于以高度不确定和略有不同的方式来看待生态系统，这意味着不可能以一种满足所有观点的方式来构建调查。在最初的框架中，我们能够克服一个意想不到的挑战，专家们难以从影响候鸟的影响途径中解开因果机制。这个困难导致了对MDC实践的设计和迭代部署的调整。尽管存在这些挑战，正式整合专家判断还是有增值的好处，因为它们提供了研究团队所进行的研究和综合之外的额外信息。

使用结构化调查练习，即成对比较、李克特缩放和多数据中心，为整合专家判断提供了显著优势。最重要的是，我们能够根据唯一的信息输入定制每个任务，这样就可以生成作为输出的定量加权和方差度量。这种方法使讨论和分析专家的不同意见的共同框架得以发展，每个专家都为每项任务带来了不同的思维模式和参考点。例如，尽管对现有证据的获取和了解相似，但专家们对研究地区不同生命阶段对候鸟种群水平生产的重要性持不同意见(图4)。这种二元对立的定量表示比通过不那么结构化的方式(即对话和参与形式)所揭示的更有说服力。对压力源的评级有助于将项目分为三个重要的类别，尽管考虑到专家之间的反应差异，这对于更精细的辨别水平来说信息量较小(图5)。迭代的MDC练习有助于提高整个小组的一致程度，并将林业、农业、从导致对栖息地质量产生影响的途径和与野火等自然过程相关的途径(图6)和工业发展(图6)。最后，确定影响强度和证据确定性的评级任务有助于确认许多影响途径背后的关键机制，并说明了一种相关性，其中影响力更大的机制也倾向于被评为证据确定性更大的机制(图7)。总的来说，这些练习有助于量化专家的平均意见和意见差异，并提供衡量不同影响对候鸟重要性的相对权重的方法。

除了结构化的练习，支持工具的创新组合帮助我们有效地参与团队。虚拟会议过程，即电话会议、在线投票、桌面共享和网络部署调查，通过限制来自北美各地的地理分布的个人组所需的旅行来鼓励参与。还提供了财政奖励。尽管它的重要性在很大程度上被视为象征意义，并且在某些情况下不被接受，但它帮助个人在许多其他限制他们时间的活动中优先考虑这项工作。鉴于所需专家的专业化程度和可能对这项工作作出贡献的个人人数相对有限，促使参与的因素是重要的。与民意调查相比，这些考虑很重要，因为民意调查的潜在样本人口要大得多。使用一个独特设计的网络平台部署调查，为我们提供了展示丰富复杂技术信息的能力，并与团队发展对研究领域的共同理解。该平台还为我们提供了灵活性，可以轻松克服一组问题框架的初始问题，从而重新构建和快速重新部署调查。在一项练习中使用德尔菲法，利用了小组的学习潜力，并通过鼓励专家和研究人员之间的信息共享，帮助避免个体偏见。这种方法导致在练习的迭代中反应的变化更少(图6)。最后，共识投票系统比简单的是-否投票系统更具信息性，因为它促进了独立意见的表达，并阐明了专家之间的一致和不同意见的领域(图4)。这种附加工具和技术的组合被证明是强大的，可以利用小组的集体智慧。

结论

迄今为止，这项工作已经影响了研究领域中因果问题的假设驱动研究的设计和收集。具体来说，研究人员指出，这些模型强调了研究在空间和时间上重叠的多部门和多压力源系统的重要性，阐明了跨部门累积效应的本质，而不是试图将其调查孤立于石油和天然气。研究人员还关注了对繁殖地的栖息地干扰，因为它被确定为优先影响。预期反应的变化突出表明，需要同时调查物种和群落的反应。这些模型还有一个额外和重要的功能，即向管理人员解释来自多个行业的干扰的一般性质的许多方面，例如，线性特征，这些特征不一定被划分为与其他活跃行业相比的“油砂”效应。这些概念模型既是指导研究的试金石，也是一种交流工具。

将我们的研究应用于加拿大阿尔伯塔省北部的油砂，为其他复杂的社会生态环境提供了有趣的见解。研究区域具有自然动态和生物多样性的景观，覆盖着广泛领域的高水平人类发展和经济强度，以及有争议的政治和利益相关者监督。尽管有大量关于研究区域的具体信息，但对系统如何运作的理解仍然相对薄弱，这体现在对过去监测的批评中，即无法发现重大影响(Dowdeswell等人，2010年，Kelly等人，2010年，Kvisle等人，2011年)，以及围绕油砂对该地区生物多样性影响的争议尚未解决(Wasser等人，2011年，2012年，Boutin等人，2012年)。这些因素的一些组合导致政府承诺提供“世界级的油砂监测计划，以确保对资源的环境负责任的开发”，具体目标是“支持合理的决策”，“确保透明度”和“加强基于科学的监测”，这是任何有效监测计划的理想愿望(GOC 2012:2)。

加拿大和其他地方的资源开发正在受到更彻底的审查，要求科学家提供强有力的证据，要求管理者在日益复杂的环境中做出艰难的决定，这些环境中“事实不确定，价值观有争议，风险很高，决策紧急”(Funtowicz和Ravetz 1992, Jones 2011:15)。在这种情况下，不可避免地需要应对复杂性和不确定性的挑战。通过本案例研究，解决这些挑战，告知监测的优先事项，需要代表系统的复杂性，以提供影响候鸟的广度和深度的更全面的观点，以及整合专家判断，以帮助解决对系统行为的不完整理解。我们认为，在这种情况下，可以使用概念建模和专家启发作为提高透明度和增加输入多样性的方法，以支持开发更科学、更合理的监测项目。这些战略的组合是创新的，并被证明是有用的。

文献引用

贝克，M.和D.格罗德-汉森。2005.离散选择实验中的效应编码。卫生经济学14(10): 1079 - 1083。http://dx.doi.org/10.1002/hec.984

布廷，S. M. S.博伊斯，M.赫布尔怀特，D.赫维欧，K. H.克诺夫，M. C.莱瑟姆，A. D. M.莱瑟姆，J.纳吉，D.塞普，R.瑟鲁亚，2012。为什么油砂地区的驯鹿数量在减少?生态与环境前沿“，10(2): 65 - 67。http://dx.doi.org/10.1890/12.WB.005

布朗曼，H. I.和K. I.斯特吉欧，编辑。2004.基于生态系统的海洋资源管理方法的展望。海洋生态进展系列274:269 - 303。http://dx.doi.org/10.3354/meps274269

坎特，L.和B.罗斯，2010。累积效应评估与管理的实践现状:好的、坏的和丑陋的。影响评估与项目评估28(4): 261 - 268。http://dx.doi.org/10.3152/146155110x12838715793200

P.希利尔，H. C.比格斯，S. Blignaut, A. G. Choles, J. S. Hofmeyr, G. P. W. Jewitt和D. J. Roux, 2013。复杂性、建模和自然资源管理。生态与社会18(3): 1。http://dx.doi.org/10.5751/es-05382-180301

科恩，s.h. 2003。最大差异缩放:改进了分割的重要性和偏好度量．研究论文系列。Sawtooth软件公司，Sequim，华盛顿，美国。

迪根纳罗，B.， D.里德，C.斯旺森，L.黑斯廷斯，Z.海曼森，M.希利，S.西格尔，S.坎特雷尔，B.赫伯德，2012。使用概念模型和决策支持工具指导生态系统恢复规划和适应性管理:以加利福尼亚州萨克拉门托-圣华金三角洲为例。旧金山河口与流域科学10(3): 1 - 15。

唐兰，C. J.， D. K.温菲尔德，L. B.克劳德，C.威尔科克斯，2010。利用专家意见调查对濒危物种的威胁进行排名:海龟的案例研究。保护生物学24(6): 1586 - 1595。http://dx.doi.org/10.1111/j.1523-1739.2010.01541.x

道德斯韦尔，L. P.狄龙，S.高沙尔，A.米尔，J.拉斯穆森和J. P.斯莫尔，2010。未来的基础:建立一个油砂环境监测系统．加拿大环境部，渥太华，安大略省，加拿大。

杜因克，P. N.和L. A.格雷格，2006。累积效应评估在加拿大的无能:疾病和重新部署的想法。环境管理37(2): 153 - 161。http://dx.doi.org/10.1007/s00267-004-0240-5

加拿大环境部，2011。综合监测方案为油砂、陆地生物多样性组成部分．加拿大政府，渥太华，加拿大安大略省。

芬恩，A.和J. J.卢维埃，1992。确定对公众关注的证据的适当反应:食品安全的例子。公共政策与市场营销杂志11:12-25。

费舍尼奇，J. C. 2008。概念模型在生态系统恢复中的应用．技术说明EMRRP-EBA-01。美国陆军工程研究和发展中心，维克斯堡，密西西比州，美国。

费雪，K.和M. D.费雪，1998。分布式思维:通过知识工作团队的集体智慧实现高绩效．AMACOM，纽约，纽约，美国。

弗林，J. J.卢维埃，T. J.彼得斯和J.海岸，2007。最佳-最差缩放:它能为医疗保健研究做什么以及如何做。卫生经济学杂志26:171 - 189。http://dx.doi.org/10.1016/j.jhealeco.2006.04.002

戈瑟林，S. E.赫鲁迪，M. A.奈斯，A.普ourde, R. Therrien, G. Van Der Kraak和Z. Xu, 2010。加拿大皇家学会专家小组:加拿大油砂工业对环境和健康的影响．加拿大皇家学会，渥太华，安大略省，加拿大。

加拿大政府(GOC)。2012.加拿大-艾伯塔省油砂监测联合实施计划．GOC，加拿大安大略省渥太华。

格兰特，E. K.佩德森，S. L.马林，1997。生态与自然资源管理:系统分析与模拟．约翰威利父子，纽约，纽约，美国。

格雷，S.， M.保利索，R.乔丹和S.格雷，编辑。在出版社。与利益相关者进行环境建模．施普林格国际，Cham，瑞士。

霍费尔，1986。专家意见调查。核工程与设计93(2 - 3): 153 - 160。http://dx.doi.org/10.1016/0029 - 5493 (86) 90214 - 1

琼斯，2011。对复杂性负责:在面对复杂问题时，实现如何实现结果．工作文件330。海外发展研究所，伦敦，英国。

凯利，E. N.， D. W.辛德勒，P. V.霍德森，J. W.肖特，R.拉德马诺维奇和C. C.尼尔森。2010。油砂开发为阿萨巴斯卡河及其支流提供了低浓度的有毒元素。美国国家科学院院刊107:16178 - 16183。http://dx.doi.org/10.1073/pnas.1008754107

Kvisle, H.， J. Doucet, W. kindinerski, A. Miall, D. Pryce, J. Rasmussen, G. Taylor, H. Tennant, R. Wallace, H. Wheater, D. Williams, 2011。世界一流的艾伯塔省环境监测、评估和报告系统:艾伯塔省环境监测小组的报告．艾伯塔省环境监测小组，埃德蒙顿，加拿大艾伯塔省。

林斯通，H. A.和M.特罗夫，编辑。2002.德尔菲法:技术与应用．Addison-Wesley, Reading，马萨诸塞州，美国。

卢维埃，J. J. J. A.亨舍尔和J. D.斯威特，2000。说明选择方法:分析和应用．剑桥大学出版社，英国剑桥。http://dx.doi.org/10.1017/cbo9780511753831

卢维埃，J. J.和G.伍德沃斯，1983。设计和分析模拟消费者选择或分配实验:一种基于聚合数据的方法。市场研究杂志20:350 - 367。http://dx.doi.org/10.2307/3151440

利纳姆，德容，希尔，库苏曼托和埃文斯，2007。将社区知识、偏好和价值观纳入自然资源管理决策的工具综述。生态与社会12(1): 5。(在线)网址://www.dpl-cld.com/vol12/iss1/art5/

马考特，B. G.， R. S.霍尔豪森，M. G.拉斐尔，M. M.罗兰，M. J. Wisdom, 2001。利用贝叶斯信念网络评估环境影响报告中土地管理替代方案下鱼类和野生动物种群的生存能力。森林生态与管理153:29-42。http://dx.doi.org/10.1016/s0378 - 1127 (01) 00452 - 2

马丁，t.g.， M. A.伯格曼，F.费德勒，P. M.库纳特，S. Low-Choy, M.麦克布莱德，K.孟格尔森，2012。引出保护科学方面的专家知识。保护生物学(1): 26。http://dx.doi.org/10.1111/j.1523-1739.2011.01806.x

麦克丹尼尔斯，S.威尔莫特，M.希利和S.欣奇，2010。弗雷泽河红鲑对气候变化的脆弱性:使用专家判断的生命周期视角。beplay竞技环境管理杂志91:2771 - 2780。http://dx.doi.org/10.1016/j.jenvman.2010.08.004

麦克法登，1974年。定性选择行为的条件logit分析。105 - 142页在P. Zarembka，编辑。计量经济学前沿．学术出版社，纽约，美国。

梅多斯，2008。系统思考:入门．美国佛蒙特州白河交界处的切尔西格林。

米切尔，B.， K.贝莱特，S.理查德森，2014。南澳大利亚州水和自然资源管理的“综合”方法。《国际水资源开发杂志》，正在印刷中．http://dx.doi.org/10.1080/07900627.2014.979399

摩根，M. G.和M.亨利恩，1990。不确定性:定量风险和政策分析中处理不确定性的指南．剑桥大学出版社，纽约，美国。http://dx.doi.org/10.1017/cbo9780511840609

奈利兹，m.a.， B. Beardmore。在新闻．使用结构化的调查方法得出判断、优先级和价值。在S.格雷，M.保利索，R.乔丹，S.格雷，编辑。与利益相关者进行环境建模．施普林格国际，Cham，瑞士。

努恩，2002年。监测生态资源的概念问题。27 - 72页在D. E.布希和J. C.特雷克斯勒，编辑。监测生态系统:评估生态区域倡议的跨学科方法．美国华盛顿特区岛。

诺里斯博士，2005年。迁移种群的遗留效应与栖息地质量。Oikos109:178 - 186。http://dx.doi.org/10.1111/j.0030-1299.2005.13671.x

Papageorgiou, E.和A. Kontogianni, 2012。模糊认知映射在环境决策和管理中的应用:方法学入门和应用。427 - 450页在S. S. Young和S. E. Silvern，编辑。全球环境变化的国际观点．InTech，里耶卡，克罗地亚。http://dx.doi.org/10.5772/29375

帕夫利卡基斯，G. E.和V. A. Tsihrintzis. 2003。一种在生态系统管理中计算人类意见、偏好和感知的定量方法。环境管理杂志68(2): 193 - 205。http://dx.doi.org/10.1016/s0301 - 4797 (03) 00067 - 7

拉克托，B. L.希达亚特和W. T.费德勒，1981。的阶乘设计．Wiley，纽约，纽约，美国。

拉斯泰特，E. B.， J. D.阿贝尔，D. P. C.彼得斯，D. S.大岛，和I. C.伯克，2003。利用机械模型来衡量跨越空间和时间的生态过程。生物科学53(1): 68 - 76。http://dx.doi.org/10.1641/0006 - 3568 (2003) 053 (0068: ummtse) 2.0.co; 2

萨拉夫斯基，N. D.萨尔泽，A. J. Stattersfield, C. Hilton-Taylor, R. Neugarten, S. H. M. Butchart, B. Collen, N. Cox, L. L. Master, S. O 'Connor, D. Wilkie, 2008。生物多样性保护的标准词汇:威胁和行动的统一分类。保护生物学22(4): 897 - 911。http://dx.doi.org/10.1111/j.1523-1739.2008.00937.x

肖查特，P. S.沃伦，S. H.费斯，N. E.麦金太尔和D.霍普，2006。从机制城市生态学的模式到新兴过程。生态学与进化趋势(4): 186 - 191。http://dx.doi.org/10.1016/j.tree.2005.11.019

T. S.西莱特和R. T.霍姆斯，2002。迁徙鸣禽在其全年周期内存活的变化。动物生态学杂志71:296 - 308。http://dx.doi.org/10.1046/j.1365-2656.2002.00599.x

斯陶特，A. K.莱德纳，J.霍华德，K. A.布劳曼，J. S.杜克斯，L. J.汉森，C. Paukert, J. Sabo和L. A. Solórzano。2013.气候变化的额外复杂性: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

苏特，g.w.， II, L. W.巴恩豪斯，R. V.奥尼尔。1987.环境影响评价中的风险处理。环境管理11(3): 295 - 303。http://dx.doi.org/10.1007/bf01867157

泰克，S. J.， B. S.哈尔彭，C. V.卡佩尔，F.米凯利，K. A.塞尔科，C. M.克莱恩，R.马托内，C.希勒，J.阿尔瓦伊，B.费什霍夫，G.默里，R.内斯洛和R.库克。2010。利用专家判断估算加州海流中的海洋生态系统脆弱性。生态应用程序20(5): 1402 - 1416。http://dx.doi.org/10.1890/09-1173.1

Tversky, A.和D. Kahneman, 1974。不确定性下的判断:启发式和偏见。科学185(4157): 1124 - 1131。http://dx.doi.org/10.1126/science.185.4157.1124

Waltner-Toews, D. J. J. Kay和n . m .。E. Lister，编辑。2008.生态系统方法:复杂性、不确定性和可持续性管理．哥伦比亚大学出版社，纽约，美国。

瓦塞尔，J. L.凯姆，M. L.锥度，S. R.乐乐。2011。狼捕食、栖息地丧失和人类活动对艾伯塔省油砂地区驯鹿和驼鹿的影响。生态与环境前沿“，9:546 - 551。http://dx.doi.org/10.1890/100071

瓦塞尔，J. L.凯姆，M. L.塔普尔，S. R.乐乐。2012。杀人还是不杀人，这是个问题。生态与环境前沿“，10:67 - 68。http://dx.doi.org/10.1890/12.wb.006

维特曼，M. E.， R. M.库克，J. D.罗斯利斯伯格，E. S.卢瑟福，张宏，D. M.梅森，D. M.洛奇，2015。利用结构化专家判断预测伊利湖鳙鱼和鲢鱼入侵。保护生物学29(1): 187 - 197。http://dx.doi.org/10.1111/cobi.12369