洞察力

结合参与式情景规划和系统建模，确定蒙古高原未来可持续性的驱动因素

• 摘要
• 简介
• 背景
  • 系统动力学建模
  • 情景规划
• 方法和结果
  • 场景规划工作坊参与者
  • 场景规划工作坊
  • 驱动程序和场景开发的排序
  • 系统动力学模型
  • 场景在SDM中的应用
  • 模型预测和洞察
  • 评价与反思
• 讨论
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

理解和解决社会环境问题的复杂性和“邪恶”(Rittel and Webber 1973)需要来自多个学科的研究人员的专业知识，以及来自多个社会部门的利益相关者的参与，以产生新的跨学科知识和解决方案(Brown etal . 2010)。此外，要解决复杂和空间广泛的挑战，从而产生可处理的政策建议，需要跨学科的方法，将来自不同社会部门的非科学家利益攸关方与研究人员结合起来，将问题框架和寻求解决方案作为研究过程的一部分(Lang et al. 2012)。这种类型的合作和跨学科对话面临的挑战包括不同学科之间的认识论、方法论、词汇、价值观和文化，研究人员对其他领域和非研究人员的假设(Lélé and Norgaard 2005, Stokols et al. 2008)，以及不同学科内部和不同学科之间的差异力量(Cobb and Thompson 2012)。这些合作经常面临跨学科知识整合的挑战(Pennington 2008)，但有可能导致对这些系统中发生的动态和反馈的新见解(Chen等人，2015年)一个， Hull等人。2105)。实现这些见解需要整合跨学科和部门的不同知识的方法和工具(Lang et al. 2012, Chen和Liu 2014)。

尽管更多跨学科合作的需要正在获得关注和动力(Ledford 2015)，但实现有效的跨学科科学和解决问题的最佳实践仍然需要解决固有的挑战(Heemskerk等人，2003年，Pennington等人，2013年)，包括在跨学科团队内部和之间建立沟通能力(Thompson 2009年，Palmer等人，2016年)。由于术语和认识论的差异，这种跨学科对话可能具有挑战性(Stokols et al. 2008)。成功的跨学科合作的一个重要基础是由参与的团队成员共同定义问题和整合现象的概念框架(Pennington 2008, Knapp et al. 2011, Lang et al. 2012)。结构化对话(Pennington 2008)、参与式概念建模(Heemskerk等人，2003年，Knapp等人，2011年)和情景规划研讨会(Winowiecki等人，2011年，Voinov等人，2014年)已被用于促进跨学科交流，并发展对复杂系统的共同理解，以便更有效地研究问题。两种互补的方法已被证明有助于促进对话:使用物质工件，如心智模型和示意图作为边界对象，共同创造研究问题和阐明问题(Pennington 2010);以及参与式建模，将利益相关者的知识整合到量化评估中(Van den Belt 2004, Voinov和Bousquet 2010, Voinov等人2016,Basco-Carrera等人2017)。

我们使用参与式场景规划和系统动力学建模(SDM)来帮助一个跨学科研究小组，以及其他非科学家利益相关者，确定蒙古高原复杂跨界社会生态系统(SES)的关键驱动因素和相互作用。该演习的主要研究问题是:什么因素将影响蒙古高原SES的未来可持续性?在研究未来政策决策和气候变化对系统的潜在影响的过程中，我们将情景开发和模型预测作为独立的、同等重要的步骤来实施(Kok et al. 2015, Withycombe Keeler et al. 2015)。beplay竞技蒙古高原社会环境背景的一个关键方面源于蒙古国和毗邻的中国内蒙古省之间的显著差异(图1)。尽管这两个地区拥有相似的文化和生态历史，但它们经历了非常不同的人口增长率、市场准入水平和土地所有制改革(Chen et al. 2015)一个)．与此同时，他们也面临着类似的可持续发展挑战，包括草地退化和沙漠化、干旱和水资源短缺，以及日益频繁的干旱暴风雪，这是一种导致牲畜灾难性损失的冬季天气灾害(Chen et al. 2015一个)．这项工作的更广泛动机来自于需要阐明整个高原和特定区域关于未来潜在问题和变化驱动因素的知识，以便就重要的研究方向建立共识，并为中蒙两国正在进行的政策讨论提供信息。

尽管在环境科学中参与式建模的例子越来越多，但一些作者最近指出，缺乏对该过程的充分反思(Seidl 2015, Elsawah et al. 2017)。在这里，我们报道了一个结合参与式场景规划和系统动态建模的项目，以产生关于蒙古高原系统的跨学科知识，并建立对这个复杂系统的共同理解。我们的参与者来自不同的学术学科(生态学、自然科学、经济学、社会科学)、民族/文化、学术层级中的职位(硕士和博士生、初级和高级研究员和教师)，以及不同的社会部门(例如，牧民、地方政府、企业、非政府组织和学术界)。我们预计，在这种情况下，场景规划的主要价值将是扩展参与者对系统驱动和动态的思考，即培养系统思维，并帮助综合参与者关于系统的各种知识。我们预测这一过程将促进团队中不同成员的参与和讨论。我们还旨在获得关于如何构建我们的系统动力学的量化和计算模型的见解，基于这个参与场景规划活动的输出和参与者在我们开发模型时的后续输入。我们期望这些输入将采取描述系统驱动、考虑最不确定的驱动和可能的替代场景的形式，在这种情况下，我们可以随后使用模型模拟来评估场景的生态和社会结果。

关于参与式场景开发和建模的文献在很大程度上强调了在构建研究问题和概念模型时包含利益相关方知识的好处，以培养知识用户和决策者易于处理的模型输出(Kok 2009)。定量建模或迭代模型开发过程也可以指出在最初的概念框架中被忽略的系统驱动因素，但它们是未来动态的重要潜在贡献者。

我们在本文中的目标如下:(a)明确地报告和反思我们的参与式场景开发和定量建模的迭代过程，(b)突出从我们的方法中获得的知识。具体地说，我们追踪在该过程的四个阶段获得的见解。首先，我们展示了参与式场景开发在促进跨学科知识生产和诱导系统驱动和交互以通知量化建模方面的价值。其次，我们提请注意由两组生成的场景细节的差异，强调在开发建模场景时征求专家知识的重要性。第三，我们强调了在这些场景中识别的系统驱动的一些相似之处，尽管场景的连接方式不同，并且为了细化量化预测，模型开发和叙述场景之间迭代的效用不同(Mallampalli等人，2016年)。最后，我们还演示了这种迭代方法的一个未被重视的好处。除了导致系统模型细化的定性场景之外，定量建模过程还揭示了在场景开发过程中被参与者忽略的系统方面。

根据Max-Neef(2005)和Pennington(2016)的讨论，我们在本文中使用术语“跨学科”和“跨学科”来指代工作的不同方面。我们将领导这个项目的研究团队(我们自己)称为跨学科的，因为我们来自不同的学科基础，但正在跨我们的专业协调研究，以回答关于系统行为的更高层次的问题。我们使用“跨学科”来表示我们在这里描述的过程已经使专家和利益相关者以系统的方式询问潜在的未来，并产生对系统的新理解，该理解结合了实用主义和以价值为中心的观点(Max-Neef 2005)。例如，场景故事的生成需要参与者利用经验和技术知识和见解，同时也要做出基于价值判断的主张和预测。综上所述，我们用“跨学科”来指参与工作的人，用“跨学科”来指过程和结果。

在简要介绍了系统动力学建模和参与式场景规划的概念之后，我们描述了我们如何实现它们，并报告了场景开发的输出和带有场景和参与者的模型的迭代。然后，我们将展示研讨会参与者对开发场景过程的反思，以及我们自己对主持研讨会和通过模型迭代工作过程的反思。在本文中，我们回到我们最初的目标，强调在这个过程中获得的四个知识途径:参与者知识集成、场景差异、系统驱动程序相似性和对驱动程序的突发洞察。

背景

系统动力学建模

系统动力学模型(SDMs)可以用来理解复杂系统的不同子集中变量的相互作用所导致的紧急的系统级行为。该方法是为解决工业制造中的问题而开发的(Forrester 1961, 1994)，但现在越来越多地应用于经济和生态动力学模型，特别是在变量之间表现出复杂反馈的社会生态系统(Holmberg 2000, Rasmussen et al. 2012)。SDM可用于综合不同的数据类型，以理解反馈如何在复杂系统中产生非线性(Forrester 1961, 1994)。它们对牧场等SESs尤其有用，在这些SESs中，气候变化和社会经济力量相互作用，影响人类在土地使用和资源管理方面的决策(Shen等人，2009年，Rasmussen等人，2012年)。一旦将经验数据和变量之间的关系参数化，sdm可用于评估不同潜在未来的生态和社会经济结果，如我们研讨会参与者概述的那些(阿林顿等人，2017年)。基于模型场景的模拟可以随着时间的推移揭示关键系统变量的反直觉行为，这可能是最初的研讨会参与者所没有预料到的。因此，人们可以通过对不同场景的模拟、关键变量随时间的轨迹以及系统不同部分变量之间的相互作用来了解系统本身。

情景规划

情景规划是在高度复杂、不确定性和低可控性的情况下对未来进行战略性思考的一种方法(Peterson et al. 2003一个)．该方法起源于商业和军事(Shoemaker 1995)，但已被应用于一系列部门，包括最近的保护和自然资源管理。在这些背景下，在千年生态系统评估中，情景规划被用来探索未来的生态系统服务(Peterson et al. 2003)b， Bohensky et al. 2006)，用于国家公beplay竞技园(Ernst and van Riemsdijk 2013)和北极社区(Picketts et al. 2012)的气候变化适应规划，并考虑以自然资源为基础的生计系统的未来，如西班牙的流动畜牧业(Oteros-Rozas et al. 2013)和澳大利亚的牲畜牧场(Puig et al. 2011)。在这些情况下，情景规划的一个特点是，它将来自不同学科、社会部门或角色、具有不同专业知识和认知方式的不同利益攸关方聚集在一起，共同思考一个共同感兴趣的问题。参与者合作制作相关驱动的图表，作为协商的边界对象来描述有问题的系统，这个过程本身已经被证明可以改善群体动态(Pennington 2010)。我们预计，当在跨学科研究的背景下使用时，参与式场景规划将通过促进跨学科和部门的对话和知识整合(Harris和Lyon 2013, Palmer等人2016)，以及发展定量系统建模的跨学科框架(tretreal . 2005)，发挥有价值的功能。协同场景开发过程迫使来自不同背景和经验的参与者明确他们对系统的假设和隐性知识(Seidl和Le 2012)，并解释他们基于重要性和不确定性对系统因素进行排序的基本原理和逻辑。在组织环境中，情景规划通过各种理论视角进行了评估，包括组织学习(Haeffner等人，2012年)和组织弹性和系统创新(Cobb和Thompson 2012年)等。在这里，我们报告了参与式场景规划和相关的场景开发作为促进跨学科和跨部门沟通与协作的工具的应用，并展示了它在促进跨学科知识生产和诱导系统驱动和交互以通知系统动态建模方面的价值。我们使用得到的场景描述作为在模型中为未来场景设置参数的基础，同时也作为解释模型预测的框架。

方法和结果

场景规划工作坊参与者

情景规划研讨会于2014年6月在蒙古乌兰巴托举行。与会者是一个较大的科学综合会议的与会者，他们被邀请参加该会议是因为他们参与了该区域正在进行的若干研究项目之一，或因为他们对该区域的了解。这些项目都涉及该地区社会生态动态的某些方面，并涉及包括该地区研究人员和利益攸关方在内的国际合作。邀请了项目负责人、合作者和参与的学生。有资金支持旅行，从而提高被邀请者参加的能力。26人参加了研讨会，其中19名男性和7名女性。大多数是中国(11)和蒙古(9)民族，其次是来自美国(3)，俄罗斯(1)，德国(1)和印度(1)的研究人员。22名参与者是来自生命科学(8)，地理/规划/遥感(6)，经济学(5)和物理科学(2)的研究人员。1名研究人员没有按学科确定。四名参与者(均为蒙古人)来自学术界以外的社会部门，包括地方和省政府以及农业(即畜牧业)。

参与者被分为四组，每组由6到8人组成(图2)。根据参与者的主要语言(蒙古语、汉语、英语或双语)和学科背景进行分配，并试图在每组中有生物、物理和社会科学的代表。每组至少有一名女性参与者。只会说一种蒙古语的人，包括所有非科学家，被分为一组，并被指示将他们的场景集中在蒙古。这群人中也有一位不会说蒙古语的人，但此人过去在蒙古有丰富的经验。因此，尽管研讨会总体上由研究人员主导，但在SDM使用的两种场景中，蒙古小组的成员中有一半不是科学家。第二组由以中文为母语的人组成，他们被指导把他们的场景集中在中国内蒙古自治区(IMAR)。剩下的两组包括不同国家/语言背景的人(美国、德国、俄罗斯、中国、蒙古)，他们都关注整个蒙古高原地区，包括蒙古共和国和IMAR，并使用英语。调解人是研究小组的成员，具有促进情景规划的经验。调解人始终保持过程指导的作用，但不直接参与任何小组，除了澄清指示、回答问题和必要时重新定向。房间里的桌子被排列成四个长方形的大群，每一组围着自己的桌子一起工作。

场景规划工作坊

我们使用了Chermack(2011)概述的情景规划过程的简化版本，该版本已广泛应用于商业和组织变革，以及最近的自然资源管理规划，特别是与气候变化相关的规划(Cobb和Thompson 2012)。beplay竞技促进者有使用这个过程向高级本科生教授系统思维和自然资源管理规划的经验，但没有与研究人员或其他利益相关方促进它。然而，她在促进参与式建模、知识集成和适应性管理规划的多方利益相关方研讨会方面经验丰富。

场景规划研讨会包括以下步骤，简称为阶段1至3(图2):

阶段1:

1. 简要介绍情景规划的目的和过程;
2. 识别焦点问题。研讨会负责人提前确定了以下焦点问题，以指导各小组的规划:什么样的政策将支持蒙古高原社会生态系统的长期可持续性?

阶段2:

1. 对影响焦点问题的潜在因素进行头脑风暴。参与者被要求广泛思考，想出尽可能多的不同因素，确保每个小组成员在讨论中至少贡献了三个因素;
2. 根据对焦点问题的影响对因素进行排序。参与者对其对焦点问题的影响从大到小的因素进行了排序;
3. 根据不确定性对因素进行排序。参与者对每个因素进行了从高度不确定到高度确定的排序;

阶段3:

1. 识别“关键不确定因素”:在影响-不确定因素矩阵中处于高影响-高不确定象限的因素(附录1);
2. 通过组合成对不相关的关键不确定性来探索潜在的场景，以思考系统可能的替代未来。参与者被要求为每个不确定性定义轴的极端值，并选择两个关键的不确定性，这两个不确定性会导致一系列不同但可信的场景，这些场景与传统智慧有本质区别。目的是确定“值得思考”的场景;而且
3. 描述在四种结果组合下未来会是什么样子。参与者被要求避免识别“最好的情况”、“最坏的情况”和“现状”情景，而是尝试描述每种可能未来的积极和消极方面(图2)。

这些步骤大致近似于Alcamo场景开发方法的前三个步骤(Alcamo 2008)。在使用许多索引卡和大张纸的互动和参与过程中，每个子小组生成了一个关键的不确定性列表。从这个列表中，他们选择并使用其中的两个不确定性来确定四种截然不同的似是而非的未来情景。然后，每一组在图表上描述他们的每个情景的关键特征，其中垂直和水平轴代表每个选择的关键不确定性的两个极端，每个结果象限代表一个不同的未来选择(图2，阶段3，附录1)。例如，一个轴可能代表气候变化，而另一个可能不同的农村发展政策选项。在子小组起草了他们的场景大纲之后，他们向整个小组展示了这些大纲，然后对每个大纲进行了简短的问答和评论。

对于IMAR组，第一个轴与未来气候下的降水趋势有关，范围从更潮湿到更干燥。第二个轴描述了侧重于短期与长期发展结果的政策决定。前一套政策侧重于短期经济增长，而不是将长期能力发展作为关键目标的发展战略。

对于蒙古集团，坐标轴集中于确定未来经济发展和资本投资的方向(图2，阶段3)。第一个坐标轴涉及当前关于发展工业和矿业部门的经济与优先发展农业生计和畜牧业的辩论。第二个轴将期货集中在私人市场和继续融入全球资本市场，与通过对社区牧区系统和农村机构的投资实现可持续资源开发的期货区分开来。

由每对轴定义的象限为每组产生了四个不同的情景(图2，阶段3)。IMAR组由完全来自社会科学和环境领域的研究人员组成，给他们的情景命名为:草原天堂、草原钟摆、荒漠化和主动适应。《草原乐园》描述了这样一个未来:充足的降雨和长期的政策将改善生态条件，优化牲畜数量，增加繁荣和社会和谐，吸引移民，最终可能导致人口过剩和社会不稳定。在“积极适应”中，面对水分下降的前瞻性政策导致保守的储备政策和强大的社会安全网，在面对频繁的自然灾害时提供了社会稳定。当高降雨与短期政策观点相结合，导致环境的周期性过度开发，以及不稳定和不可预测的经济形势时，草原钟摆就会出现。在荒漠化中，环境退化使畜牧业无法继续，导致贫困、社会不稳定和移民。从长远来看，经济结构的变化可能会导致技术创新——关注教育和经济多样化。

蒙古小组由研究人员、当地政府和企业代表组成，他们还描述了四种截然不同的情景。从未来矿业在面向社会的绿色发展政策下主导经济，导致繁荣、生态恢复和废物管理，但缺乏强大的畜牧业;到未来农业在资本主义市场驱动条件下主导经济，导致更专业化的畜牧业企业、农作物农业和畜牧业生产之间的冲突、土壤流失、沙尘暴、污染、以及温室气体排放的增加。在以绿色发展政策下的农业经济为特征的情况下，小规模畜牧业持续存在，改善了农村生活条件和牧场管理。在以采矿为导向的经济中，市场驱动的政策占主导地位的情况下，该小组预测，在国内生产总值(GDP)上升的推动下，未来将出现恶化、污染和城乡人口迁移加剧的情况。在所有的情况下，该小组关注的是对生活条件和环境健康的影响。

驱动程序和场景开发的排序

情景规划活动的主要目标之一是确定青藏高原主要社会环境驱动因素的“短名单”，作为研究小组进一步定量模拟活动的基础。场景规划过程生成了一个包含8个实际优先级驱动因素的驱动因素的长列表，每个组选择两个关键的不确定性作为其场景的轴。然而，该小组表示，这些选择可能忽略了该地区的其他关键驱动因素，包括那些具有高确定性和高影响力的因素。因此，我们使用了一个完整的小组讨论来征求其他主要的驱动因素，这些因素被从8个驱动因素列表中遗漏了。研究小组首先回到主列表，推荐关键驱动因素。这一过程产生了23名司机的名单(附录2)。为了对这些司机进行排名，我们使用了一种改进的名义分组技术，并要求每个参与者以他们选择的任何方式在23名司机中分配5票。他们可以为五个不同的司机每人投一票，也可以为更少的司机投多票(但总数不超过五票)。通过这个过程，我们确定了那些被小组成员认为最重要的驱动因素，以及那些被认为最不重要的驱动因素。

与会者确定的驱动因素分为六个主题:气候、环境条件、国家或区域规模的经济发展、家庭规模的社会和经济流动性、基础设施和技术。在这些类别中，个人驾驶者的划分因利益相关者群体而异。对于蒙古人来说，最常见的驱动因素是环境和社会条件，占榜单的60%。对于IMAR，社会和政策驱动因素被认为是未来最重要的因素，其次是经济(附录2，图2)。

系统动力学模型

在情景规划练习之后，几位参与研究人员(包括本文的两名作者)利用研讨会的产出制定了蒙古高原的SDM(表1)。研讨会上的对话了解了最初的模型结构，而情景开发的结果是应用于该模型的未来情景的基础。我们的工作基于整个高原的概念模型，基于三个相互作用的子部门(图3):人类、环境和土地使用。基于这一概念模型，我们利用蒙古高原两个不同地区的数据建立了独立的系统动力学模型:内蒙古锡林郭勒盟;以及蒙古的Suhkbaatar Aimag(图1)。sdm将系统表示为一组种群(例如，人口或总草原面积)和流量(例如，单位进出种群的移动)。独立的外生变量，如降水或政策，代表模型的输入，而因变量连接各个子系统并产生反馈循环。模型与一系列微分方程拟合，在所有后续场景模拟中保持相同;常数和系数等参数根据个别情景的假设进行了修改(表1，附录3)。因此，我们能够在下一阶段的备选未来情景之间比较关键系统变量的预测，如草地面积、牲畜数量。我们使用来自出席研讨会的几位研究人员的综合数据，从第一手资料、现有文献和我们自己从经验数据中得出的函数来估计参数(Allington等人，2017年)。

场景在SDM中的应用

我们将参与者生成的故事情节转化为离散的未来场景，这些场景可以表示为模型参数集和输入集，以探索由小组确定的政策和气候驱动因素的潜在结果(表1)。我们沿着四个轴分离出不同的轨迹，通过改变模型参数可以近似(图2;关于如何在每个模型中修改特定参数以将每个场景预测到未来的详细信息，请参见附录3和Allington等人(2017)。对于每个场景，我们将模型预测到2050年，以检验关键系统变量(如草地面积、牲畜数量)的时间动态和最终模型预测的差异。模型模拟不打算成为经验预测;相反，它们是一种比较牧场系统在不同的政策、气候或经济变化下的表现的方法。因为我们的目标是在第一轮建模中直接比较蒙古和内蒙古的动态，我们只使用了那些组的故事线;我们没有使用关注整个高原的小组开发的故事。我们应用到模型的模拟未来场景如图2所示。根据每个场景修改的具体参数详见附录3。2015年夏天在乌兰巴托举行的一次会议上提出了初始系统动力学模型的细节，许多最初参与式场景规划讲习班的参与者，以及其他研究人员、利益攸关方和非政府组织都参加了这次会议。 Input gleaned from feedback at the meeting was used to further refine the model structure (Fig. 2; Stage 5), which was discussed with a subset of workshop participants at subsequent smaller meetings throughout 2015 and 2016. The final model outputs based on simulations for each scenario were then used as a starting point for a discussion at a final project meeting in May 2016. This final meeting aimed at synthesis understanding of the dynamics of social-ecological systems on the Mongolian Plateau, and was attended primarily by researchers with backgrounds in rangeland ecology, remote sensing, economics, ecosystem modeling, and rural sociology, as well as a staff member of the Mongolian Academy of Science Institute of Geography and Geoecology.

模型预测和洞察

我们使用最终模型来检验关键系统变量的时间变化和最终模型预测的差异，例如每种情景下的草地面积和牲畜数量，直到2050年。随着时间的推移，各个场景预测之间变化的最重要驱动因素与研讨会参与者所确定的一致。在IMAR中，关于土地使用和恢复的环境保护政策的继续对系统的长期稳定产生了最显著的影响。对蒙古来说，对农村基础设施的投资相对于工业部门的优先顺序构成了草原的长期动态。这些与故事线发展中确定的一些主轴相对应(图2)。有趣的是，与政策的影响相比，气候趋势(如降水)并不是IMAR草原长期可持续性的重要决定因素;这与情景规划过程确定的预测关键不确定性相反。

在IMAR和蒙古，模式预测的结果揭示了对系统因素的洞见，这些因素不是这两个区域情景描述的重点。这些在很大程度上被忽视的方面包括未来城市化趋势的不确定性以及农村外迁和牲畜人口动态之间的关系。对于IMAR，一些情景预测了可用生物量的增加，尽管草地继续减少，这最初是违反直觉的。这是由于农村地区牧民的流失和相关牲畜数量的下降造成的。蒙古生物量和牲畜数量的初步预测趋势也揭示了农村外迁对未来放牧强度的重要性。然而，蒙古的这些趋势是基于牧民数量和放养率之间的历史关系，最近这一关系已脱钩，因为尽管城市化率很高，但全国牲畜数量正达到历史新高。2015年与会议参与者的对话促使我们对模型规范进行改进，以更准确地代表当代牲畜种群动态(图2和图4)。

对从模型模拟中得到的投影的全面介绍超出了本文的范围;图4给出了一些摘要，详细信息见Allington等人(2017)。我们在这里的重点不是每个模拟的具体结果，而是定性故事线和定量模型预测之间的相互作用，以及模拟结果反映故事线本身的方式。

评价与反思

在展示和讨论了情景大纲草案之后，2014年6月参与式情景规划研讨会的参与者被要求回答五个关于情景规划过程的评估问题，探讨他们从该过程中学到了什么。评估问题集中在过程中最有趣和最有价值的部分;他们如何在未来的工作中应用过程或场景;最大的挑战;最大的挫折;以及如何改进这一过程。书面评估之后，小组进行了简短的反思讨论。

在研讨会评估中，参与者注意到他们发现过程中最有趣或最有信息的两个方面。首先是体验本身;参与者认为进行场景规划练习的过程是有价值和有趣的。其次，一些参与者指出，他们对系统的观点通过接触其他具有不同经验的小组成员提出的观点得到了扩展。他们指出，看到由小组其他成员确定的影响焦点问题的具体因素或因素数量是有信息的(表2)。参与者还提到，获得对系统复杂性和动态的理解，如路径依赖，了解其他人如何看待世界和思考未来。

绝大多数参与者表示，情景规划研讨会最有价值的方面是表达的观点和观点的多样性，以及学习其他学科(如文化和部门)的观点和思维方式的机会。一位受访者特别关注与跨学科团队分析多个相互作用过程的价值，强调了将不同的学科知识引入理解系统复杂性的过程的价值(Schoemaker 1991, Schmitt Olabisi et al. 2010)。有些人特别提到了活动的排名部分的价值。

大多数参与者希望将他们从研讨会中学到的知识应用到未来的工作中。研究人员希望以多种方式应用这一过程，包括作为促进跨不同学科的全面讨论的一种方式，为未来的研究确定关键因素和问题，以及作为思考问题的一种有用的方式。政府和从业人员参与者期望利用与当地利益相关方合作的过程，促进公众参与规划和制定更现实的管理计划。

参与者所报告的挑战在很大程度上是价值观的镜像:在结合或调和不同学科和文化视角以及在重要性和不确定性轴线上安排因素方面的困难。一些关键术语的含义，特别是“不确定性”的含义带来了挑战，设想每个场景及其结果也是如此。改进的主要建议包括需要为与会者提供更多的会前材料和准备工作，包括其他情况计划的例子;使参与者更加多样化;聚焦于一个较窄的焦点问题的;并为关键术语提供更具体的定义。

讨论

让具有不同科学和部门专业知识的小组参与系统动力学对话，是产生评估当前复杂系统所需的系统级理解并开始考虑未来变化和干预的影响的一种方法(Schmitt Olabisi等人2010,Alberti等人2011,An 2012)。我们结合了参与式场景规划和系统动力学建模，生成了关于复杂系统的新知识，同时也揭示了研究人员和政策制定者未来应该考虑的重要知识缺口。我们在本次研讨会中应用的场景规划被证明是综合多种知识系统的有用过程，包括学科科学知识和来自不同国家和职业的个人的嵌入的文化和经验知识，并激发基于这些不同的科学和文化视角的有意义的讨论。通过这些对话，我们确定了蒙古高原一系列可能的未来情景，为进一步的动态系统建模提供了依据。从跨学科合作与交流的角度来看，参与者在头脑风暴、排名和探索场景的结构化互动过程中发现了价值，使他们能够以新的方式看待问题，并揭示了他们的学科盲点。该过程的另一个价值是，通过与来自不同学科和文化的个人的互动，参与者有机会了解对围绕蒙古高原系统未来可持续性的焦点问题的不同思考方式。情景规划对话的参与性、讨论性和以问题为中心的性质不同于跨学科科学会议中传统的知识交流形式，例如演讲者演讲之后是问答。场景规划过程为所有参与者提供了一个分享和讨论相关信息的机会，这些信息基于科学、以前的知识、经验或文化。这使得该过程在整合非科学家知识以及来自不同学科的科学知识方面特别有效，因为它为建立在参与者真实经验基础上的有意义的学习创造了机会(Novak 2010, Baival和Fernández-Giménez 2012)。由于这个原因，包括非研究者在内的一些参与者抓住了它作为利益相关者参与过程的价值，以及它对当地土地使用和资源管理规划的突出作用。 Indeed, based on the feedback from this exercise, one of the coauthors subsequently applied the same process in two regional workshops in Mongolia to facilitate the application of research results together with local knowledge to community conversations about the future of Mongolian rangelands, and policy and management options for community resilience building.

我们预计，过程的新颖性和结构化的便利可能会在参与者中产生一些阻力。例如，我们预计物理科学家可能会抵制这一过程的定性性质。此外，根据之前与来自其中一个代表国家的研究人员的讨论，我们预计一些非西方参与者可能会发现这个过程与他们当地的环境和互动规范格格不入，从而导致较少的参与。因此，场景开发的这种使用也代表了它如何在解决SES复杂动态的跨学科、国际合作研究背景下有效地作为研究和参与工具的一个例子。

值得注意的是，我们采用了一种场景规划过程，该过程是为企业、政府或非政府组织(Chermack 2011)设计的，但在不同的背景下，目的不同。因此，我们的场景规划过程必然是整个过程的一个非常简短的版本，因此没有完全探索场景的含义或开发完整的场景叙述。我们没有通过“风洞”(Chermack 2011)的过程来测试政策，以确定各种情况下的风险和收益，而是使用动态系统建模来探索政策的含义。此外，按照惯例，情景规划将让整个团队开发一个单一的计划。为了促进所有研讨会参与者的讨论和参与，我们将参与者分成更小的小组，从而产生了各种各样的场景。尽管这在实际的规划过程中作用不大，但在促进跨学科和跨文化对话，以及引出更广泛的驱动因素、关键的不确定性和潜在的未来系统轨迹方面，它在我们的环境中是有帮助的。

比较不同场景下的未来预测可以提供非常丰富的信息，但具体的教训取决于场景本身的假设以及它们在模型中实现的方式。在没有研讨会的情况下，建模团队探索的未来场景可能会有所不同，而不是作为涉众经验的代表，并且可能会在两个案例研究领域中更加相似。事实上，尽管这两组人在生态和环境方面有相似之处，但他们对未来的设想却截然不同。系统动力学模型允许我们评估在研讨会期间生成的故事线的结果。模型预测是进一步探索场景中概述的故事含义的一种方法(Alcamo 2008)。同时，他们还通过进一步验证某些因素和策略确实对系统功能有影响，递归地通知场景规划练习。通过将这种模型开发与利益相关者生成的场景集成，它使我们能够超越简单地报告模型输出的技术细节，并促进更有效的沟通(Elsawah et al. 2017)。

通过将未来的假设建立在特定的利益相关者产生的场景之上，我们确保我们应用到模型中模拟高原未来的脉冲或趋势反映了(a)可能发生的事件，或(b)在被建模的社会中当前被明确表达/正在辩论的关注和问题，而不是由我们作为外部研究人员的叠加。值得注意的是，我们并不打算将模型预测本身视为预测(Peterson et al. 2003一个， Schmitt Olabisi et al. 2010)。相反，我们使用模型预测的端点作为一种有用的方法来探索关键系统变量的相对变化，例如，草或牲畜，这可能是未来可选条件的结果。更具体地说，该模型是一种细化和形式化利益相关者概述的场景的定性概念化的方法，并探索场景之间的差异如何导致相似或不同的未来(Voinov et al. 2014)。

模拟可以帮助识别模型中可能需要额外细化的区域，以便更好地表示参与者识别的驱动程序。例如，内蒙古小组的参与者确定的未来变化的一个驱动因素是自然灾害的频率，如干旱或干旱暴风雪在美国，夏季干旱之后的严冬常常导致大量牲畜损失，这是该地区特有的现象。我们基于偶发自然灾害导致牲畜死亡的假设，在基准牲畜死亡率中引入一个随机元素，从而对这部分系统进行建模(Allington等人，2017年)，但未来的工作应该通过将死亡率变量与特定气候变量和生物量(即对暴风雪．

值得注意的是，尽管这些小组在描述青藏高原的方式上有一些相似之处，如突出荒漠化，并且在主要驱动力方面有一些共识，但他们描述该系统和潜在未来的方式却有很大的不同。这可能是由于群体成员学科背景的差异，以及当前和历史政治经济因素的实际差异。尽管存在这些差异，而且在一些关键变量(如牲畜数量)的预测轨迹方向上也存在差异，但两个sdm强调了两个地区的几个相似动态:(1)近期和遥远未来城市化动态的不确定性，以及(2)国家和区域尺度上农村人口和牲畜数量之间的关系演变。有趣的是，这并不是两组的不确定性的重点。尽管考虑内蒙古问题的研讨会与会者认为未来的社会和经济政策很重要，考虑蒙古问题的与会者认为经济发展也很重要，但这两个小组都没有具体指出，这些政策对城市化率的影响可能有助于构建未来的动态。由于模式结构需要考虑到人口规模，因此需要说明作为农村地区人口的关键决定因素的农村-城市移徙率。将其转化为定量模型结构所必需的定性情景形式化是加强这两种方法的互补性的一个重要环节。定量建模过程，连同评估结果，揭示了未预料到的系统行为和未被涉众识别或忽视的关键驱动因素。

建模过程还揭示了系统中的关键敏感性和脆弱性，这是场景规划工作的参与者没有发现的。最初的模型运行表明，城市化与其他变量，如生物量可用性和牲畜种群动态，有很强的相互作用。在随后的小型会议中，我们与来自最初规划研讨会的小组成员讨论了这些互动，并收集了有关推动农村外迁的社会政治动态的反馈。这些讨论表明，未来的实证工作需要更具体地关注于更好地理解农村牧民总人口和牲畜总人口之间的变化关系(Fernández-Giménez et al. 2017)。基线模型假设农村人口和牲畜数量之间历史性的密切关系将在未来继续下去。然而，近年来，随着牲畜数量增长速度越来越快，而农村人口在下降，这种关系已经脱钩(Chen et al. 2015b)．模型预测和实地趋势之间的差异突出表明需要进行更多的研究来了解这一现象。尽管这一现实限制了我们对未来牲畜数量进行预测的能力，但这一发现本身强调了这种迭代的参与式建模过程的效用，以揭示未经检验的假设以及快速变化和不确定性的领域。

尽管这种迭代方法有一些批评，基于定性和定量方法之间的“方法不平衡”(例如，Kosow和Gaßner 2008)，我们的经验强调了如何创建一个格式来连接两者(Klein 2008)。定性的情景为模型测试和模拟提供了信息，而未来的预测也揭示了需要更多关注的知识差距(Peterson等，2003年一个)，要么通过额外的对话和综合，要么通过新的实证研究。如果没有这种结构和相关的过程，建模团队很可能只是简单地将整个高原的未来场景应用到每个国家的模型中。然而，通过明确寻求知识渊博的个人的投入，我们揭示了与未来动态相关的特定国家的兴趣和关注的驱动因素。然后我们根据这些细节调整模型和模拟。

结论

蒙古高原等动态社会生态系统的未来可持续性需要利益攸关方与社会科学和自然科学研究人员之间的跨学科对话和合作，也需要这些系统的利益攸关方的参与，即参与。通过生态梯度和制度设置对系统动态进行比较，为学习和试验可能的解决方案提供了机会(Brown et al. 2013)。

我们使用场景规划作为促进跨学科对话的一种方式，为个人提供一个跨边界对象分享想法的平台，并为参与者提供一个处理他们自己关于个人变化驱动因素如何影响未来高原的想法的平台，而无需强制要求达成共识(Star 2010)。场景规划练习有助于在小组成员之间建立一种富有成效的动力，这促进了协作过程的向前发展。因此，这一经验证明了情景规划作为一个促进跨学科、跨文化和跨部门对话的过程的价值，如果其目的是引出和交流对一个问题的不同观点，并促进对基于不同学科或文化经验的不同思考方式的更多认识。它还确保了将基于地点的知识集成到后续定量建模练习的场景开发中。从这个过程中获得的紧急知识强调了将定性场景与定量模拟相结合的效用，以揭示未预料到的系统行为或未被涉众识别或忽略的关键驱动因素。

文献引用

Alberti, M, H. Asbjornsen, L. A. Baker, N. Brozovic, L. E. Drinkwater, S. A. Drzyzga, C. A. Jantz, J. Fragoso, D. S. Holland, T. A. Kohler, J. Liu, W. J. McConnell, H. D. G. Maschner, J. D. A. Millington, M. Monticino, G. Podestá， R. G. Pontius, C. L. Redman, N. J. Reo, D. Sailor, G. Urquhart. 2011。人与自然耦合系统研究:方法、挑战和策略。美国生态学会公报92:218 - 228。http://dx.doi.org/10.1890/0012-9623-92.2.218

阿尔卡莫，2008。SAS方法 :在环境场景中结合定性和定量知识。123 - 150页在j·阿尔卡莫，编辑。环境未来:环境情景分析的实践．爱思唯尔，阿姆斯特丹，荷兰。http://dx.doi.org/10.1016/s1574 - 101 x(08年)00406 - 7

阿林顿，G. R. H, W.李，D. G.布朗。2017。城市化和环境政策对蒙古高原未来放牧资源可得性的影响:社会环境系统动力学建模。环境科学与政策68:35-46。http://dx.doi.org/10.1016/j.envsci.2016.11.005

安。L. 2012。在耦合的人类和自然系统中建模人类决策:基于代理的模型综述。生态模型229:25-36。http://dx.doi.org/10.1016/j.ecolmodel.2011.07.010

贝瓦尔，B.和M. E. Fernández-Giménez。2012.为蒙古牧民建立复原力提供有意义的学习。游牧民族16(2): 53 - 77。http://dx.doi.org/10.3167/np.2012.160205

Basco-Carrera, L.， A. Warren, E. van Beek, A. Jonoski和A. Giardino. 2017。协作建模还是参与式建模?水资源管理框架。环境建模与软件91:95 - 110。http://dx.doi.org/10.1016/j.envsoft.2017.01.014

博亨斯基，E. L.， B. Reyers和A. S. Van Jaarsveld. 2006。南部非洲流域未来生态系统服务:不确定性情景规划方法。保护生物学20(4): 1051 - 1061。http://dx.doi.org/10.1111/j.1523-1739.2006.00475.x

布朗，D. G, A.阿格拉瓦尔，D. A.萨斯，王杰，华杰，谢宇。2013。跨越国家和生态边界对气候和经济风险及机遇的反应:蒙古高原家庭战略的变化。环境研究通讯8(4): 45011。http://dx.doi.org/10.1088/1748-9326/8/4/045011

布朗，J. A.哈里斯，J. Y.拉塞尔。2010。通过跨学科的想象力解决棘手的问题．地球扫描，伦敦，英国。

陈杰，邵辰，范宇，张宇，陈杰。2015b。政策的转变影响着蒙古高原CNH系统的功能变化。环境研究通讯10(8): 85003。http://dx.doi.org/10.1088/1748-9326/10/8/085003

陈杰，R. John，张颖，邵晨，D. G. Brown, O. Batkhishig, A. Amarjargal，欧阳铮，董国强，王东东，齐军。2015一个。蒙古高原人-自然耦合系统的差异。生物科学65(6): 559 - 570。http://dx.doi.org/10.1093/biosci/biv050

陈建华，刘勇。2014。自然与人文系统的耦合:景观生态学的视角。景观生态学29:1641 - 1644。http://dx.doi.org/10.1007/s10980-014-0125-9

切马克，2011。组织中的场景规划:如何创建、使用和评估场景;摘录。Berrett-Koehler，旧金山，加利福尼亚州，美国。

柯布，A. N.和J. L.汤普森，2012。beplay竞技气候变化情景规划:环境决策中科学和管理相结合的模式。环境建模与软件38:296 - 305。http://dx.doi.org/10.1016/j.envsoft.2012.06.012

埃尔萨瓦，S. A.皮尔斯，S. H.汉密尔顿，H.范·德尔登，D.哈斯，A.埃尔马赫迪，A. J.杰克曼。2017。社会生态系统综合建模的系统动力学过程概述:来自五个案例研究的良好建模实践的教训。环境建模及软件93:127 - 145。http://dx.doi.org/10.1016/j.envsoft.2017.03.001

恩斯特，K. M.和M. van Riemsdijk. 2013。beplay竞技阿拉斯加国家公园的气候变化情景规划:利益相关者参与决策过程。应用地理45:22-28。http://dx.doi.org/10.1016/j.apgeog.2013.08.004

Fernández-Giménez, M. E.， N. H. Venable, J. Angerer, S. R. Fassnacht, R. S. Reid, J. Khishigbayar. 2017。探索蒙古相关的生态和文化临界点。人类世17:46 - 69。http://dx.doi.org/10.1016/j.ancene.2017.01.003

福里斯特，1961。系统原理．生产力出版社，波特兰，俄勒冈，美国。

福里斯特，1994。系统动力学，系统思维和软或。系统动力学综述10(2 - 3): 245 - 256。http://dx.doi.org/10.1002/sdr.4260100211

Haeffner, M.， D. Leone, L. Coons, T. Chermack. 2012。情景规划对参与者感知学习型组织特征的影响。人力资源开发季刊23(4): 519 - 542。http://dx.doi.org/10.1002/hrdq.21147

哈里斯，F.和F.里昂，2013。跨学科环境研究:跨专业文化建立信任。环境科学与政策31:109 - 119。http://dx.doi.org/10.1016/j.envsci.2013.02.006

Heemskerk, M.， K. Wilson, M. Pavao-Zuckerman。2003.概念模型作为跨学科交流的工具。保护生态7(3): 8。http://dx.doi.org/10.5751/ES-00554-070308

Holmberg, S. 2000。供应链测量的系统视角。国际物流与物流管理杂志30(10): 847 - 868。http://dx.doi.org/10.1108/09600030010351246

赫尔，V.， m - n。团木，刘杰。2015。综合人与自然的反馈。生态学与社会20(3): 17。http://dx.doi.org/10.5751/ES-07404-200317

克莱因，2008。评估跨学科和跨学科的研究。文献综述。美国预防医学杂志35 (2): S116-S123。http://dx.doi.org/10.1016/j.amepre.2008.05.010

Knapp, c.n, M. Fernandez-Gimenez, E. Kachergis和A. Rudeen. 2011。利用参与性研讨会，整合利用当地知识和生态数据创建的国家和过渡模型。牧场生态与管理64(2): 158 - 170。http://dx.doi.org/10.2111/REM-D-10-00047.1

角。2009。模糊认知地图在半定量情景发展中的潜力，以巴西为例。全球环境变化19(1): 122 - 133。http://dx.doi.org/10.1016/j.gloenvcha.2008.08.003

K. Kok, I. Bärlund, M. Flörke, I. Holman, M. Gramberger, J. Sendzimir, B. Stuch，和K. Zellmer. 2015。欧洲参与式情景开发:加强故事和模型之间的联系。气候变化128(3 - 4): 187 - 200。http://dx.doi.org/10.1007/s10584-014-1143-y

科索沃，H.和R. Gaßner。2008.未来和情景分析方法．德国研究所für德国波恩Entwicklungspolitik。

朗，D. J, A. Wiek, M. Bergmann, M. Stauffacher, P. Martens, P. Moll, M. Swilling，和C. J. Thomas. 2012。可持续发展科学的跨学科研究:实践、原则和挑战。可持续性科学7 (S1): 25-43。http://dx.doi.org/10.1007/s11625-011-0149-x

莱德福德，H. 2015。如何解决世界上最大的问题。自然525(7569): 308 - 311。http://dx.doi.org/10.1038/525308a

Lélé， S.和R. B. Norgaard. 2005。练习跨学科性。生物科学55(11): 967�975。http://dx.doi.org/10.1641/0006 - 3568(2005) 055(0967:π)2.0.CO; 2

Mallampalli, V. R, G. Mavrommati, J. Thompson, M. Duveneck, S. Meyer, A. Ligmann-Zielinska, C. G. Druschke, K. Hychka, M. A. Kenney, K. Kok，和M. E. Borsuk. 2016。将叙述情景转化为土地利用变化定量评估的方法。环境建模及软件82:7-20。http://dx.doi.org/10.1016/j.envsoft.2016.04.011

马克斯-尼夫，2005年。跨学科的基础。生态经济学53:5-16。http://dx.doi.org/10.1016/j.ecolecon.2005.01.014

诺瓦克，2010。学习、创造和使用知识:概念图作为学校和公司的便利工具。电子学习与知识社会杂志6(3): 21 - 30。

E. Oteros-Rozas, B. Martín-López, C. A. López, I. Palomo和J. A. González。2013.通过参与式情景规划设想转业畜牧业的未来:西班牙的一个案例研究。牧场》杂志35:251 - 272。http://dx.doi.org/10.1071/RJ12092

帕尔默，J. G.克莱默，J.博伊德，D.霍桑，2016。促进跨学科综合研究的实践:国家社会环境综合中心(sessync)。环境可持续性的最新观点19:111 - 122。http://dx.doi.org/10.1016/j.cosust.2016.01.002

潘宁顿博士，2008年。跨学科合作与学习。生态学与社会13(2): 8。http://dx.doi.org/10.5751/ES-02520-130208

彭宁顿博士，2010年。协同研究团队中材料工件的动力学。计算机支持的协同工作19(2): 175 - 199。http://dx.doi.org/10.1007/s10606-010-9108-9

彭宁顿·D. 2016。跨学科团队中知识整合的概念模型:统筹个人学习和团队过程。环境研究与科学杂志6:300 - 312。http://dx.doi.org/10.1007/s13412-015-0354-5

彭宁顿，G. L.辛普森，M. S.麦康奈尔，J. M.费尔，R. J.贝克。2013。跨学科研究，变革学习和变革科学。生物科学63(7): 564 - 573。http://dx.doi.org/10.1525/bio.2013.63.7.9

彼得森，G. D.比尔德，B. E.贝斯纳，E. M.班尼特，S. R.卡朋特，G. S.卡明，C. L.登特，T. D.哈夫利切克。2003b。评估未来生态系统服务:威斯康星州北部高地湖区的案例研究。保护生态7(3): 1。http://dx.doi.org/10.5751/ES-00557-070301

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

Picketts, i.m.， A. T. Werner, T. Q. Murdock, J. Curry, S. J. Déry, D. Dyer. 2012。规划适应气候变化:从社区讲beplay竞技习班吸取的经验教训。环境科学与政策17:82 - 93。http://dx.doi.org/10.1016/j.envsci.2011.12.011

普伊格，C.J, R.格雷纳，C.胡奇瑞，I.帕金斯，L.鲍文，N.科利尔，S. T.加内特。2011。牛以外:北领地牧业的潜在未来。牧场》杂志33:181 - 194。http://dx.doi.org/10.1071/RJ10043

拉斯穆森，L. V.， K.拉斯穆森，A. Reenberg, S. Proud. 2012。萨赫勒沙漠边缘农牧系统土地利用变化的系统动力学方法。农业系统107:56 - 64。http://dx.doi.org/10.1016/j.agsy.2011.12.002

里特尔，H. W. J. M. M.韦伯，1973。一般规划理论中的困境。政策科学4(2): 155 - 169。http://dx.doi.org/10.1007/BF01405730

施密特·奥拉比西，L. K, A. R.卡普钦斯基，K. A.约翰逊，P. B.赖希，B.斯坦奎斯特，K. J.德尔格。2010。使用情景设想和参与式系统动力学建模来调查未来:来自明尼苏达州2050的教训。可持续性2(8): 2686 - 2706。http://dx.doi.org/10.3390/su2082686

肖梅克。1991。何时以及如何使用场景规划:一种带有插图的启发式方法。预测杂志10(6): 549 - 564。http://dx.doi.org/10.1002/for.3980100602

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。

塞德尔，R. 2015。建模项目中参与性过程的功能动态反思。中记录44(8): 750 - 765。http://dx.doi.org/10.1007/s13280-015-0670-8

Seidl, R.和Q. B. Le. 2012。跨学科过程中的人-环境系统建模。1811 - 1818页在R. Seppelt, A.A. Voinov, S. Lange, D. Bankamp，编辑。iEMSs 2012 -有限星球的资源管理:国际环境建模和软件学会第六届两年一次会议论文集．国际环境建模和软件学会，曼诺，瑞士。

沈强、陈强、唐波、杨硕、胡勇。张. 2009。土地可持续利用规划与开发的系统动力学模型。栖息地的国际33(1): 15 - 25。http://dx.doi.org/10.1016/j.habitatint.2008.02.004

明星，S. L. 2010。这不是一个边界对象:对概念起源的反思。科学、技术和人的价值35(5): 601 - 617。http://dx.doi.org/10.1177/0162243910377624

D.斯托科尔斯，S.米斯拉，R. P.莫泽，K. L.霍尔，B. K.泰勒。2008。团队科学的生态学:理解环境对跨学科合作的影响。美国预防医学杂志35 (2): S96-S115。http://dx.doi.org/10.1016/j.amepre.2008.05.003

汤普森，j.n. 2009。共同进化的生命之网。美国博物学家173(2): 125 - 40。http://dx.doi.org/10.1086/595752

崔斯，B, G.崔斯和G.弗莱，2005。整合研究中的概念界定与知识生产过程。从景观研究到景观规划:整合、教育和应用的几个方面12:13-26。

Van den Belt, M. 2004。中介建模:建立环境共识的系统动力学方法。美国华盛顿特区岛。

Voinov和F. Bousquet, 2010。与利益相关者一起建模。环境建模与软件25(11): 1268 - 1281。http://dx.doi.org/10.1016/j.envsoft.2010.03.007

Voinov, N. Kolagani, M. K. McCall, P. D. Glynn, M. E. Kragt, F. O. Ostermann, S. A. Pierce, P. Ramu. 2016。与利益相关者一起建模-下一代。环境建模及软件77:196 - 220。http://dx.doi.org/10.1016/j.envsoft.2015.11.016

Voinov, R. Seppelt, S. Reis, J. E. M. S. Nabel和S. Shokravi. 2014。社会环境模型的价值:说服采取行动或为不作为找借口。环境建模及软件53:207 - 212。http://dx.doi.org/10.1016/j.envsoft.2013.12.005

Winowiecki, L.， S. Smukler, K. Shirley, R. Remans, G. Peltier, E. Lothes, E. King, L. Comita, S. Baptista和L. Alkema. 2011。加强跨学科交流的工具。可持续发展:科学、实践和政策7(1): 74 - 80。http://dx.doi.org/10.1080/15487733.2011.11908067

威科姆·基勒，L.， A.维克，D. D.怀特，D. A.桑普森，2015。结合利益攸关方调查、情景分析和模拟建模，探索区域水治理机制的长期影响。环境科学与政策48:237 - 249。http://dx.doi.org/10.1016/j.envsci.2015.01.006