量化农业生态系统动态变量的瞬时冲击响应，以提高社会环境恢复力

• 摘要
• 简介
  • 定义弹性
  • 测量弹性
  • 建模能力
• 方法
  • 研究网站
  • 弹性指标
  • 模拟与分析程序
• 结果
• 讨论
• 结论
• 对本文的回应
• 作者贡献的声明
• 致谢
• 数据可用性
• 文献引用

介绍

定义弹性

“弹性”一词在狭义上是指受扰动系统恢复到平衡状态的速率;在稍广义的背景下，它被解释为扰动后反弹时间或功能恢复到性能基线的程度。最近，弹性已经成为一种认知框架，用来理解动态系统如何随着时间自我调节和进化。自Holling(1973)首次发表生态恢复力的定义以来，社会和自然科学领域的研究人员对“恢复力思维”的理解有了极大的提高，这为加强减灾战略、恢复力基础设施、个人和社区应对机制以及适应能力提供了信息。在这里，我们将弹性定义为系统组成变量抵御一系列社会环境冲击并有效恢复的综合能力(例如，变量行为中的干扰，迫使系统在正常功能范式之外运行)。

测量弹性

许多研究团队、特殊利益集团、官方政府实体和智库都采用了类似但略有不同的启发性方法来理解社会生态系统中的弹性(甘德森2002年，2010年，Walker等人2006年，安杰勒和艾伦2016年，Asadzadeh等人2017年，艾伦等人2018年，所罗门等人2019年，Cains和Henshel 2020年)。不同的团体使用其中的几个启发式来构建他们对系统弹性的专门定义;例如，Folke等人(2010)将复原力概述为社会-生态的持久性、适应性和可转换性，而Gallopín(2006)定义了脆弱性、复原力和适应能力之间的联系。尽管这些定义中的许多都有重叠的元素，但是对于系统的哪些方面或行为最好地举例说明弹性模式，似乎仍然缺乏共识。一些研究人员已经开始测量针对动态农业生态系统的恢复力。农业生态系统恢复力是通过应用基于生态恢复力的(如Peterson等，2018年)或基于行为的(如Cabell和Oelofse 2012年)指标框架进行评估的，或者像我们的情况一样，通过使用系统过程的稳定性、阻力(鲁棒性)和恢复作为恢复力监测的基本框架(如Hodgson等，2015年，Oliver等，2015年，Ingrisch和Bahn 2018年，Lamothe等人2019年，Bardgett和Caruso 2020年)。

定量测量方法

在这里，我们开发了一种方法来量化三个社会环境变量(农场收入、地下水位深度和作物收入;附录1)在巴基斯坦的Rechna Doab流域。该方法借鉴了之前研究团队的工作(例如，Hodgson等人2015年，Nimmo等人2015年，Ingrisch和Bahn 2018年)，他们开发了独立但相关的方法，成功量化了人为压力对生态系统的影响。Hodgson等人(2015)和Nimmo等人(2015)建议将行为响应度量映射到二元状态空间上，同时考虑系统的“阻力”和“恢复”特性。Ingrisch和Bahn(2018)提出了一种类似的扰动响应测量方法，利用扰动的归一化影响和归一化恢复率来定义二元空间。与前面的研究相似，我们使用可量化的度量来发展对给定系统或变量的弹性的全面理解。确定为弹性功能对扰动响应的显著特征(即回归程度、回归率、扰动、回归时间和校正影响)的五个指标是基于Cimellaro等人(2010)、Todman等人(2016)和Ingrisch和Bahn(2018)用于分析系统弹性(使用土壤的物理模型、工业和生态系统的计算和统计模型)的指标。分别)和系统组成部分对不同的外生和内生冲击。这些特征可以应用于任何时间序列数据集，测量扰动后变量功能的变化。事实上，当涉及到识别用于量化弹性行为的稳健、可复制方法时，最可靠的方法之一涉及到冲击场景模拟的监测应用(例如，霍奇森等人2015年，Nimmo等人2015年，Bitterman和Bennett 2016年，Todman等人2016年，Meyer等人2018年，Schibalski等人2018年)。

冲击情景应用程序

冲击是能够降低动态系统中任何或所有组件的基线(即正常功能状态)的扰动事件。使用冲击响应机制测量和分析弹性的过程在概念上并不复杂，但需要系统的方法和对相关变量的充分了解。当一个系统或实体受到“冲击”时，它的响应可以根据其组成输出在已知时间序列中的行为来量化。换句话说，当系统组件的平均行为已知时，该行为的明显偏差(由于冲击应用)掩盖了固有的系统脆弱性(Carpenter等人2009,Angeler等人2010,Anderies等人2013,Choularton等人2015,Todman等人2016,Ingrisch和Bahn 2018)。Sagara(2018)认为，将基于冲击的测量纳入综合弹性评估的监测和评估过程有两个主要好处。首先，冲击情景分析提高了对干扰、临界能力和社会环境福祉之间复杂关系的概念理解。第二，冲击和压力源对发展成果构成重大业务威胁;因此，承认和理解有效的灾害应对能力是评估任何复杂系统的整体复原力的关键一步(Sagara 2018年)。我们采用的冲击情景包括(1)市场通胀和(2)运河供水减少(附录2)的不同持续时间和强度。

建模能力

定量弹性评估方法通常涉及到使用统计或计算建模技术(Cimellaro等人2010,Cumming 2011, Tyler和Moench 2012, Hodgson等人2015,Nimmo等人2015,Polhill等人2015,Bitterman和Bennett 2016, Todman等人2016,Ingrisch和Bahn 2018, Meyer等人2018,Schibalski等人2018)。这些方法允许显式描述系统流程，使用户能够获得具体的、可复制的数据，这些数据与系统内个别变量的特定漏洞和适应能力有关。几位作者通过应用系统动力学(SD)模型(例如，Simonovic和Peck 2013, Candy等人2015,Gotangco等人2016,Herrerra 2017, Herrera和Kopainsky 2020)和基于物理的模型(例如，Fowler等人2003,Cox等人2011,Miller-Hooks等人2012)探索了可量化弹性特征的概念。然而，可以认为，使用耦合物理-SD建模方法可以最可靠地表示复杂社会环境系统的动态性质，因为耦合模型能够将物理数据建模的具体性质与SD模型的连通性和反馈流结合起来。

弹性分析方面的耦合建模(即使用一个由两个或多个模型组成的集成系统，在该系统中，组成模型之间的信息交流和交换在计算上得到便利)仍处于发展初期;然而，有几位作者在风险脆弱性评估的耦合模型应用方面处于领先地位(例如，Schibalski等人，2018年)。通过在恢复力和稳定性景观领域内使用耦合建模方法，Bitterman和Bennett(2016)能够使用扰动前和扰动后的比较功能程序来测量农业生态系统恢复力的选定方面。我们采用了类似的基线参考方法来分析弹性，有五个重要区别:首先，我们的方法是在参与性背景下开发的，也就是说，弹性评估程序的设计最终目标是鼓励不受约束的、非专家的、利益相关者使用;因此，本文所描述的方法是有意使用户友好的。其次，比特曼和班尼特(2016)采用的方法直接关注与稳定性景观相关的系统级别弹性，而我们试图具体量化系统组件变量弹性，使用与变量的瞬态冲击响应相关的离散值，而不是行为的平均流域。第三，我们采用的集成模型是通过使用动态耦合软件将利益相关者建立的SD模型与生物物理模型耦合开发的Tinamit,允许模型在运行时交换信息(马拉德等，2017年)。这种模型耦合的创新形式允许改进对各种系统元素之间的复杂关系的探索，以及由此产生的系统行为动力学，同时保留利益相关者的价值和输入(Inam等人，2017一个)．第四，Bitterman和Bennett(2016)基于一组当代农场数据进行了重复场景模拟，而我们提取了30年的历史动态和趋势，以阐明系统变量是如何随时间相互作用的，以及它们可能如何对未来的干扰作出反应。最后，尽管Bitterman和Bennett(2016)主要感兴趣的是理解社会和生态领域内部及之间的跨尺度过程如何有助于整体系统弹性，但我们试图在比较背景下分析特定系统变量的弹性(即，在相同冲击条件下，某些变量与其他变量相比显示弹性的程度)。我们所使用的耦合模型已被用于表明某些变量对整个系统的稳定性比其他变量(例如，运河供水、政府补贴)更关键，并且应用于这些关键变量的冲击对系统整体的影响比应用于相邻连接或动态反馈较少的变量的冲击更强。这种方法是有益的，因为它允许模型用户在冲击或扰动事件期间确定系统中特定的、可变级别的故障，从而促进量身定制的损害缓解和适应性能力措施的开发和应用。

我们的主要目标是应用动态耦合建模框架，开发一种对利益相关者友好的、可复制的方法，在经历一系列社会环境冲击的动态农业生态系统中量化弹性指标。该目标包括将这些度量用于:(1)比较可变弹性分析，以及(2)识别潜在的制度转移、转换和以前未识别的系统漏洞。应用动态耦合的P-GBSDM(物理-群体构建的系统动力学模型)来量化社会环境恢复力是特别独特的，选择分析复杂系统中的特定变量而不是仅仅评估系统本身(例如，Bitterman和Bennett 2016, Todman等人2016,Ingrisch和Bahn 2018)。这里使用的耦合模型提供反馈，并结合了其他模型无法可靠产生的复杂变量联系，而五个指标的结合允许对其他社会环境系统或变量的弹性评估程序具有显著的延展性和适应性(附录3)。

方法

研究网站

Rechna Doab是位于巴基斯坦中东北部印度河平原的一个小流域。研究区域位于纬向30°32 ' N至31°08 ' N，经向72°14 ' E至71°49 ' E的区域内。研究区域覆盖约732.50平方公里，被划分为215个离散多边形(图1)，每个多边形都有其独特的拓扑结构、农业区划和土壤成分。Rechna Doab(“两水”)流域位于Ravi河和Chenab河汇合处上方，位于Haveli运河指挥区内(图2)。由于土壤含盐量高，Rechna Doab流域约30%的潜在可耕地目前尚未开发。该地区的文化和经济高度依赖农业，许多居民的生计直接受到气候或社会经济干扰导致的社会环境变化的影响(Inam等人，2017年b)．

弹性指标

为了确定每个变量在每个独特的冲击场景中所表现出的弹性程度，我们将五个指标(每个指标都描述了对扰动的弹性响应的独特特征)应用于每个强度和持续时间组合的归一化数据。选择的五个指标是基于几位作者(例如，Cimellaro等人2010年，Todman等人2016年，Ingrisch和Bahn 2018年)使用的指标，以基于功能响应曲线量化弹性。

在分析函数响应曲线(即在不同冲击情景下计算表示系统输出的函数)时，可以使用几个指标来评估弹性环境中特定变量的响应。我们将以下5个指标及其相关方程应用于冲击模拟过程后得到的归一化数据集(图3):(1)基线水平恢复时间(Rt)，(2)基线回归率(Rr)，(3)基线回归度(Rd)，(4)扰动后总体扰动(Rp)，(5)扰动校正影响(Rci)。我们选择了这五个指标，因为它们的组合潜力可以准确描述基于瞬态冲击响应的研究变量的弹性。单独考虑，这些指标只能部分解释一个受冲击实体的整体弹性;然而，当同时检查时，这五个指标描述了一个完全弹性冲击响应的三个重要方面。首先，这些指标展示了一个变量承受和抵抗压力的能力。其次，它们表明了一个变量从干扰中恢复的效率。第三，它们解释了一个变量将不会返回到扰动前的函数平衡的非常现实的可能性，允许识别感兴趣的变量的潜在状态转移和转换。

返回时间，或基线恢复时间(Rt):基线恢复时间是指在冲击事件发生后，系统或相关变量恢复到扰动前的功能状态所需的时间。回归时间与Holling(1996)对工程弹性的原始定义相似;这个度量量化了观察到的函数的瞬态响应周期的长度。如果一个变量在对干扰情景的响应中表现出相对较高的弹性水平，那么我们可以预期看到相对较低的时间返回到基线功能水平(图4)。

收益率(Rr)一个有弹性的系统或变量将比一个没有弹性的系统或变量更快地(以更快的速度或更陡峭的梯度)恢复到稳定的功能水平。收益率是对瞬时响应期间函数的返回时间和影响大小的综合度量(图4;Cimellaro等人2010年，Hodgson等人2015年，Todman等人2016年，Ingrisch和Bahn 2018年)。

回归函数度(Rd):表现出弹性反应(相对于基线功能状态)的变量用曲线(即数据集)表示，该曲线返回到接近参考水平的稳定功能水平。更明确地说，回归程度是对观察到的函数回到规定的参考水平的程度的度量;这个参考水平可以是扰动之前的基线函数水平(如本研究中确定的)，也可以是完全受控的假设系统的水平。回归程度以基线情况(即未受冲击、扰动前状态)功能值与30年模拟后最终输出值之间的差值来衡量(图4;Todman等人。2016)。

Post-disturbance扰动(Rp):使用输出响应曲线以上但基线病例数据线以下的区域测量扰动。使用这个指标，更有弹性的系统在功能响应曲线和基线边界之间产生的面积更小(Cimellaro等人2010年，Todman等人2016年)。如果受到冲击的变量从未返回到功能的基线状态，则在变量进入新平衡的点绘制摄动度量的垂直边界。为了我们的目的，新平衡被定义为至少连续两年(即四季)出现相同的变量输出(最接近的100度)(最大扰动后)。如果从未达到新的平衡，则在观察窗口的末端绘制边界，即经过30年的模拟(图4)。该方法的发展是基于这样一个前提，即变量扰动导致的函数的瞬态变化是不可取的;因此，如摄动度规所描述的，最具弹性的响应是产生不受扰动干扰的函数的响应，即摄动= 0。对于Rp，如果有变量功能的损失，则功能响应输出曲线上方的面积为负，表明系统在受冲击时功能的损失是累积的(图4)。

纠正影响(Rci):这个指标说明扰动后返回基线时一个变量的潜在超调。Rci计算为功能行为扰动后增加时，功能响应基线曲线以上的任何区域(图4;Bahn和Ingrisch 2018, Yeung和Richardson 2018)。在初步检查中，高Rci可能是对休克事件的建设性反应;然而，如果这种反应意味着有限的资源被更快地利用，那么它也可能掩盖着系统的低效。在分析弹性特征的社会环境数据时，记住这些复杂的反馈动态是很重要的。

变量表现出的抗冲击程度影响响应数据集的Rr和Rp;因此，这两个指标充分体现了抗扰性的关键后果和结果。当分别考虑所有五个指标时，Rt与系统或变量弹性最一致;然而，Rr、Rp和Rci提供了一个更可靠的整体可变弹性度量(相对于单独计算Rr)，因为它们利用了所有可用数据，而不是单个点。他们还否定了确定用于测量系统脆弱性的额外脆弱性度量的必要性(Todman等，2016年)。Rd通过考虑受冲击变量不返回到扰动前功能状态的非常真实的可能性，使五个指标的集合更加完善。

模拟与分析程序

耦合P-GBSDM中的冲击节点与三个研究变量(农场收入、地下水位深度和作物收入)之间的链接最初使用Vensim软件(Ventana Systems, Harvard, USA)手动测试，以确保相邻变量之间的反馈和连接循环是健全和合理的。使用这种人工测试方法，我们首先注意到这样一种趋势，即降水量严重减少加上土壤盐分，而没有政策变化导致运河供应量减少。Vensim图中的变量最初根据利益相关者建立的因果循环图以及巴基斯坦政府的最新社会经济数据编写了自己的方程和值。为了提高数据在Vensim模型和Tinamit编程接口之间传输的便便性，Vensim中加入了冲击开关，允许手动调整冲击持续时间和强度。强度开关是通过建立新的无量纲常数来创建的，这些常数随后被写入它们所修改的系统组件的方程中。在Vensim模型中，以季节性时间为单位建立了持续时间开关作为新常数。分配给每个冲击因子的初始方程被修改为包含if-then-else语句，考虑到当强度和持续时间值被修改时变量所经历的变化。原始的、未修改的激波变量方程被写回修改后的方程中，以解释变量的基线情况状态;这些回路还包括了冲击需要策略性地“关闭”的次数，即强度= 1(图5)。在Vensim中再次手动测试了冲击和变量连接，以确保修改后方程的准确性，并测试了链接和反馈。一旦在Vensim中自信地评估了冲击开关，新的持续时间和强度指标就会使用简单的Python脚本编码到Tinamit编程接口中。

为了简化模拟和数据获取过程，编写了4个Python代码与Tinamit包进行接口，以自动修改数据。第一个代码涉及最初在Vensim中建立的强度和持续时间冲击开关。当使用P-GBSDM运行时，该脚本创建唯一的CSV文件，其中包含交换场景的每个模拟的冲击数据输出。编写第二个代码是为了将震惊数据规范化为感兴趣变量的基线大小写状态，这允许读取、组织使用第一个代码创建的CSV文件，并随后将其转换为基线大小写规范化数据帧。所有215个多边形的所有数据点都包含在整个30年的时间范围内。时间作为一种跨越所有变量和冲击类型的惟一度量标准，并没有标准化为基线情况，而是记录为每次运行的原始数据数字。

一旦数据归一化为每个变量的基线情况场景，就会编写第三个代码，用于为每个变量和冲击场景组合(共32个文件)获取5个弹性指标输出。该代码将五个度量方程分配给每个冲击组合的变量集中的每个多边形数据序列;换句话说，32个基线归一化冲击文件(包含过去30年215个多边形中所有3个研究变量的数据)中的每一个都被5个弹性度量方程修改，每个文件中的3个变量数据集中的每一个都接收到与该多边形的弹性度量相关的5个新输出值。然后，根据理想值对产出的相对复原力水平进行评估。完美弹性系统的理想度量值为Rt = 0, Rr > 0, Rd = 0, Rp = 0, Rci≥0。对于一个完全抗冲击的系统，Rci将为零，但在一个变量不是完全鲁棒的情况下(不抗冲击损伤，这很可能是情况)，那么一个高的Rci是理想的。这些度量值与我们的定义一致，即完全弹性的结果将表现出与未受冲击的系统类似的行为模式，即扰动前状态。然而，Rd或Rci值异常大很可能表明发生了制度转移;根据具体的冲击条件和所涉及的变量，制度转移可能会产生积极或消极的后果。相反，如果Rt的值非常大，而Rd的值也非常大，则可能表明系统已经完全失去了功能，可能受到了不可挽回的损坏。 Once the final simulation had been run, 32 files containing the five resilience metric values for each variable type and shock combination were available for further analysis (Fig. 6).

结果

正如预测的那样，评估的三个变量对不同持续时间和强度的冲击都表现出独特的反应。我们为下游流域(图7和8)、中部流域(图9和10)和上游流域(图11和12)提供了基于每个变量(即用于量化弹性指标的曲线)对两种不同冲击类型(10年的市场通胀× 10和5年的50%运河供应减少)的归一化时间序列响应的这些输出的精选示例。选择这些冲击场景是因为它们在现实世界中发生的真实概率，而且它们的输出代表了各自冲击类型的整体可变行为。

农业收入表现出高扰动值和长回报时间，即使在最不严重的通货膨胀情况下(×2 1年)。5年来，在通货膨胀系数为×5的情况下，地下水位和作物收入开始表现出脆弱性;在这些冲击条件下(图7、图9和图11)，所有三个变量都显示出非常高的Rp值，主要来自上分水岭多边形(图7和图8)，表明它们在回到基线之前都被推得远远超出了正常的功能模式。在这一点上，也有非常高的实例为61 Rt(表明该变量在60个季节后没有回到基线情况下的功能状态)和0 Rci(表明在该试验中，地下水位的总体表现非常糟糕)。在通货膨胀系数为×10的情况下，出现了作物收入表现出高Rp值和极高Rci值的模式，回报程度非常高;这些结果表明，对于这种类型的冲击，这些变量具有很高的脆弱性和不稳定性。在这种冲击情景下，地下水位开始在三个变量中表现最好，而两个社会经济变量在更高强度的通胀冲击类型下变得越来越脆弱。在20年的通货膨胀强度为×10的情况下，农场收入变量在冲击应用后失去了返回基线的能力，也就是说，农场收入永远无法从这种强度和持续时间的通货膨胀中恢复。就理想的弹性值而言，在通货膨胀冲击条件下，农业收入表现最差。作物收入是最不一致的变量，而地下水位深度是最稳定的变量，尽管后者也在名义上随着持续时间的增加而动摇。 All five metrics of water-table depth increased as the duration of the shock increased; this trend included the Rci value, indicating that the shock induced erratic variable behavior and that shock duration has a greater effect on water-table depth than intensity. Rci decreased notably for crop revenue as the shock duration increased.

在运河供应冲击条件下(图8、图10和图12)，高Rp和Rci值经常出现在分水岭的头部，这表明这些多边形既非常善于从冲击中恢复，但在所有的运河供应冲击过程中也非常不稳定。所有“最低”度量值实际上都从运行S2,10,01下降到运行S2,10,10(即，由于运河供水减少10%，冲击持续时间从1年增加到10年)，而大多数，但不是所有，在高端的度量值从运行S2,10,01上升到S2,10,10;这一结果表明，随着冲击持续时间的增加，变量在功能上的波动或不稳定率更高。与其他两个变量相比，运河供给冲击对农场收入产生了较大的Rt和Rp值，这表明在冲击事件后，农场收入最难恢复到扰动前的状态。与其他两个变量相比，作物收入的Rci值也非常高，在这种冲击类型的所有强度和持续时间内，作物收入的回报率和回报率值都相对较高。这些高值表明，在这些冲击条件下，作物收入通常是有弹性的，但一些多边形是不可预测的不稳定的，可能经历了功能机制的转移。在这一冲击中，所有三个变量的Rci低值都为0，而在任何强度的通胀冲击中都不是这样;这一结果表明变量较好 能够在这些冲击条件下保持一定水平的内稳态而不是在通货膨胀冲击下。地下水位的所有公制数值从S2,50,01增加到S2,50,20(即，从1年到20年，运河供水持续减少50%);作物收入和农场收入没有出现这种趋势，它们在运行S2、50,01到S2、50,20期间Rci都有所下降，而在运行S2、50,01到S2、50,20期间，农场收入在所有指标上都出现了负变化(即Rp、Rt和Rd增加，Rci和Rr减少)。从运行S2,90,01到运行S2,90,20，所有变量的Rci都降低了，Rp都增加了(即，运河供水减少90%，持续1至20年)。因此，强度的增加似乎降低了变量做出足够纠正行为的能力。在运行S2、90、01和S2、90、20之间，作物收入和农场收入的每一个指标都出现了负变化(即Rt、Rp、Rd增加，Rr和Rci减少)。在所有的运河供水过程中，地下水位深度保持了显著的一致性，这表明该变量具有很强的弹性，特别是考虑到这是一个物理冲击(运河供水减少)。

我们制作了流域级别的热图(图13 - 16)和区域弹性度量表(表1)，使用的是持续10年的市场通胀强度为×10(图13和图15)或5年的运河供应减少50%(图14和图16)。相对比例尺显示了在每个多边形中进行的精确测量(图13和图14)，而标准化比例尺允许在流域之间进行比较(图15和图16)。在相同的冲击条件下，基于三个研究变量的比较指标，出现了一个区域模式。在流域上游，地下水位深度在社会经济和物理冲击条件下表现出最具弹性的行为。在这两种冲击情景中，农场收入都无法完全恢复到基线水平，而且对于市场通胀冲击类型，农场收入和作物收入都显示出巨大的扰动值。在运河供应冲击条件下，农业收入表现最差，而在运河供应冲击条件下，作物收入显示出过度补偿的迹象，表明潜在的功能制度转移;在市场通胀冲击下，这两个社会经济变量都显示出了相当水平的弹性(或缺乏弹性)。在上游流域的两次冲击试验中，地下水位深度都非常稳定。这些趋势也适用于中流域多边形，在市场通胀冲击条件下，农场收入表现不佳，而在运河供应冲击条件下，作物收入表现出强烈的过度校正模式。只有对下游流域进行了检查，才能确定地下水位的变化规律。 In the lower watershed (i.e., polygons farthest from the head or source of the watershed) water-table depth begins exhibiting higher values for perturbation, degree of return, and return time, all indicating a general loss in resilience for the water-table depth variable for both shock types. In the lower watershed, farm income continued to perform poorly under both shock conditions, whereas crop revenue actually exhibited the greatest robustness (resistance to shock influence) for the shocks in this region. Interestingly, the data (Table 1) indicate regional differences between each of the regions from North to South, and the heat maps indicate additional differences between East and West (particularly the southwestern corner of the watershed, where crop revenue exhibits particularly high resilience). These results reinforce the importance of analyzing regional trends from multiple perspectives. The clear difference in resilience of the study variables based on watershed regions and individual polygons is a textbook example of spatial resilience whereby trends and outcomes at different scales both affect, and are affected by, local system resilience (Cumming 2011).

讨论

通过每次冲击试验和每个分水岭区域，地下水位深度与理想弹性度量值最一致。这一结果在社会经济冲击条件下(即市场通货膨胀)是意料之中的，但值得注意的是，即使在运河供应冲击情况下，地下水位深度仍然表现出最大的弹性和健壮性。这种看似固有的鲁棒性的一个原因是，地下水位深度是一个“慢”变量，这意味着它对社会-生态驱动因素的反应不那么显著(至少在最初)，而且它也有能力影响“快”变量(例如，农场收入、作物收入)，这些变量在系统中相邻，并经历相同的系统级压力(Walker et al. 2012)。我们的研究解决了与内部驱动因素相关的问题，这些驱动因素被纳入可变级别的规模，但由于耦合模型的动态特性，它们作为影响系统中大多数变量的系统级驱动因素。显示每种变量类型对每种不同冲击类型的显著响应的时间序列图证明了这个函数。然而，地下水位深度在流域下游表现出最大的恢复力损失迹象。这个结果是有直观意义的，因为较低的区域距离源头流最远，最不可能获得足够多的水，以备缺水时使用。流域上游和中部地区的地下水位深度所表现出的极端稳稳性(即抗冲击性)，可以用这些地区基于其在流域中更靠近源头的有利位置而采取蓄水措施的能力来解释 分水岭。这些结果表明在流域供水分配、灌溉基础设施和水银行政策方面有改进的地方;Inam等人(2015,2017)的研究结果支持了这些需要改进的特定部门的识别b)在Rechna Doab盆地。

有趣的是，在三个研究变量中，无论冲击类型、持续时间或强度如何，农业收入表现出最低的弹性和抗冲击能力。这一结果表明，农业收入本身是一个非常脆弱的变量，受流域层面的社会经济和生物物理干扰事件的影响。同样，作物收入，另一个社会经济变量，在扰动值上表现出极端的波动，同时也始终保持较大的校正影响值。这种不稳定的行为表明，作物收入是最可能在压力时期经历制度转变的变量。过渡到不同的基线水平的功能可能是一个极端的功能丧失和巨大的适应能力的指标;是前者还是后者取决于系统中相邻变量的响应。然而，就社会经济变量而言，可能是前者。也就是说，如果由于高通货膨胀或供水减少而导致农作物收入显著增加，这种收入增加在很长一段时间内是相当不可持续的。研究变量表现出的空间恢复力(图7-14，表1)源于几个社会经济和生态过程，最显著的是，从上游到下游流域的水资源分布不平等。不仅上游流域的农民比下游的农民有更可靠的淡水来源，而且政府补贴鼓励所有地区的农民增加种植强度，导致地下水资源不可持续的减少，特别是在中部流域(Inam et al. 2015)。 The depletion of groundwater resources exacerbates the fragility of variables in the middle and lower watershed regions by reducing the adaptive capacities of these regions in times of systemic stress. The inability to adapt effectively to changing conditions is reflected in the observed spatial trends. Keeping these trends of resource allocation in mind, it is highly likely that the observed resilience metrics would hold true (on average) for the Rechna Doab at both finer and courser scales. It is worth noting that even within the current polygonal structure, there is variation in the resilience of individual farms, and the trend of reduced resilience from upper to lower watershed is not linear; however, the methodology described herein could easily be used at such a scale as to determine the resilience of individual agricultural operations, which is useful information.

P-GBSDM是建立在多个反馈循环和复杂的社会环境关系中，将系统中的变量联系起来。因此，对一种冲击类型反应强烈的变量在面对另一种甚至完全不同的冲击类型时也会发生变化，这就不足为奇了。这一创新的恢复力评估方案将使利益攸关方和模型用户更好地了解动态农业生态系统中某些变量的独特脆弱性和适应能力。用于开发动态耦合模型的GBSDM部分的利益相关者知识对于理解研究系统及其组成变量和反馈绝对是至关重要的。我们开发的方法旨在测试动态耦合模型的能力，以产生可用于现实世界弹性评估的现实场景。利益相关者对该方法的应用是我们研究的一个延续，将在未来的出版物中详细探讨。

本文描述的方法和结果与经典弹性理论直接适用并相关，在经典弹性理论中，弹性被理解为系统吸收或承受摄动、干扰和各种压力源的能力，使系统保持在同一状态(或稳定景观)内，基本上保持其结构和功能(Holling 1973年，Gunderson和Holling 2002年，Walker等人2004年)。使用利益相关者知情的动态耦合模型进行可变级别弹性量化，为弹性文献提供了有价值的贡献，因为它结合了生态和工程弹性的概念(Holling 1996, Walker等人2004)和综合社会-生态指标框架(例如，弹性联盟2010,Schipper和Langston 2015, Bizikova等人2017)，以及参与式建模的额外好处(Stave 2003，Renger等人2008,Simonovic 2009, Beall和Ford 2010, Halbe和Adamowski 2011, Butler和Adamowski 2015, Inam等人2015,2017一个)和可复制的、可量化的度量分析。

结论

利用综合P-GBSDM，模拟了离散的可变水平冲击情景，以确定Rechna Doab盆地每个独特区域多边形的农业收入、地下水位深度和作物总收入的动态响应模式。在冲击场景模拟之后，使用描述对扰动的弹性响应的五个指标来分析每个变量的输出数据。随后，在相同的冲击条件下，对三个兴趣变量的五个弹性度量输出进行了分析。对流域的每个多边形分别进行了评估，每个多边形都根据5个计算出的弹性指标对研究变量的相对弹性进行了综合分析。基于每个变量的度量分析结果，在每个冲击条件下，在每个独特的多边形中，对区域和流域级别的恢复力进行了全面评估。我们的结果表明，该方法允许用户检查对社会经济和环境物理变量和冲击场景的压力反应之间的复杂差异和差异。由于动态耦合模型提供了现实的产出，这种可变级别复原力量化方法在减灾政策、脆弱性和适应能力评估以及长期风险分析等领域具有一些有益的实际应用。

我们方法的实际局限性可能会给该方法在其他系统的广泛应用带来一些挑战。这些限制包括建立所选研究系统的精确模型所需的数据的潜在缺陷，以及在耦合模型中包含利益相关者定义的变量和过程的任何困难，耦合模型严重依赖于准确的反馈。考虑到这些局限性，我们研究的几个要素可以为进一步的科学研究提供基础。例如，我们从离散的角度探讨了冲击情景，即没有考虑到同时发生的扰动。我们建议未来的研究，应用类似的方法，应该使用复合扰动场景，在不同的地区，气候和附加的焦点变量。

文献引用

艾伦，c.r.， H. E. Birge, D. G. Angeler, C. A. Arnold, B. C. Chaffin, D. A. DeCaro, A. S. Garmestani和L. Gunderson. 2018。在弹性评估中量化不确定性和权衡。生态和社会23(1): 3。https://doi.org/10.5751/ES-09920-230103

安德里斯，J. M.， C. Folke, B. Walker和E. Ostrom. 2013。调整全球变化政策的关键概念:健壮性、弹性和可持续性。生态和社会18(2): 8。https://doi.org/10.5751/ES-05178-180208

安吉尔，D. G.和C. R.艾伦，2016。量化的弹性。应用生态学杂志53(3): 617 - 624。https://doi.org/10.1111/1365-2664.12649

安吉尔，D. G.特里格尔，S.德拉卡雷，R. K.约翰逊，W.戈德库普。2010。识别对循环生态系统扰动的恢复机制。环境科学164:231 - 241。https://doi.org/10.1007/s00442-010-1640-2

Asadzadeh, A.， T. Kötter, P. Salehi和J. Birkmann. 2017。一个概念的操作化:衡量社区抗灾能力的综合指标构建的系统回顾。国际减少灾害风险杂志25:147 - 162。https://doi.org/10.1016/j.ijdrr.2017.09.015

Bahn, M.和J. Ingrisch. 2018。考虑弹性比较中的复杂性:对杨和理查德森的回答，以及进一步的考虑。生态学与进化趋势“，33(9): 649 - 651。https://doi.org/10.1016/j.tree.2018.06.006

巴吉特博士和T.卡鲁索，2020年。土壤微生物群落对极端气候的反应:抗性、恢复力和向不同状态的过渡。英国皇家学会哲学学报B375(1794): 20190112。https://doi.org/10.1098/rstb.2019.0112

比尔，A. M.福特，2010。实地报告:评估参与式环境建模的艺术和科学。国际信息系统与社会变革杂志1(2): 72 - 89。https://doi.org/10.4018/jissc.2010040105

比特曼，P.和D. A.班尼特，2016。构建稳定景观以识别基于耦合的社会-生态代理模型中的替代状态。生态和社会21(3): 21。https://doi.org/10.5751/ES-08677-210321

比兹科娃，L.， R.瓦尔迪克和P.拉金。2017。我们能衡量弹性吗?减少农业对气候变化的脆弱性。beplay竞技国际可持续发展研究所，加拿大温尼伯。(在线)网址:https://www.iisd.org/publications/can-we-measure-resilience-reducing-agricultures-vulnerability-climate-change

C. Butler和J. Adamowski. 2015。增强边缘化社区在水资源管理方面的能力:在参与式模式建设中解决不公平做法。环境管理杂志153:153 - 162。https://doi.org/10.1016/j.jenvman.2015.02.010

卡贝尔，J. F.和M. Oelofse. 2012。农业生态系统恢复力评估指标框架。生态和社会17(1): 18。https://doi.org/10.5751/ES-04666-170118

Cains, m.g.和D. Henshel, 2020。综合风险和弹性评估的参数化框架和量化方法。综合环境评估与管理17(1): 131 - 146。https://doi.org/10.1002/ieam.4331

S. Candy, C. Biggs, K. Larsen和G. Turner, 2015。粮食系统恢复能力建模:基于场景的模拟建模方法，探索澳大利亚粮食系统未来的冲击和适应。环境研究与科学杂志5(4): 712 - 731。https://doi.org/10.1007/s13412-015-0338-5

卡朋特，s.r.， C.福尔克，M.谢弗，F.韦斯特利，2009。弹性:考虑不可计算。生态和社会14(1): 13。https://doi.org/10.5751/ES-02819-140113

Carper, J.和m.r. Alizadeh. 2021。弹性指标量化。(软件)。figshare,雅西,罗马尼亚。https://doi.org/10.6084/m9.figshare.13656893.v1

R. Choularton, T. Frankenberger, J. Kurtz和S. Nelson, 2015。测量冲击和压力源作为弹性测量的一部分。技术5系列。粮食安全信息网，意大利罗马。(在线)网址:https://www.fsnnetwork.org/sites/default/files/1_FSIN_TechnicalSeries_5.pdf

西米拉罗，G. P.， A. M. Reinhorn, M. Bruneau. 2010。抗灾能力分析量化框架。工程结构32(11): 3639 - 3649。https://doi.org/10.1016/j.engstruct.2010.08.008

考克斯，A.， F.普拉格，A.罗斯，2011。运输安全和弹性的作用:运营度量的基础。交通政策18(2): 307 - 317。https://doi.org/10.1016/j.tranpol.2010.09.004

卡明，2011。空间弹性:整合景观生态学、弹性和可持续性。景观生态学26(7): 899 - 909。https://doi.org/10.1007/s10980-011-9623-1

C.福尔克，S. R.卡彭特，B.沃克，M.谢弗，T.查宾，J. Rockström。2010.弹性思维:集弹性、适应性和可改造性于一体。生态和社会15(4): 20。https://doi.org/10.5751/ES-03610-150420

福勒，h·J, c·g·基尔斯比，p·e·奥康奈尔。2003.模拟气候变化和变率对水资源系统可靠性、恢复力和脆弱性的影响。水资源研究39(8): 1222。https://doi.org/10.1029/2002WR001778

Gallopín, G. C. 2006。脆弱性、复原力和适应能力之间的联系。全球环境变化16(3): 293 - 303。http://dx.doi.org/10.1016/j.gloenvcha.2006.02.004

Gotangco, C. K. J. See, J. P. Dalupang, A. M. Ortiz, E. Porio, G. Narisma, A. Yulo-Loyzaga，和J. Dator-Bercilla。2016.利用系统动力学量化家庭和地方政府单位对洪水的抵御能力:大马尼拉的一个案例研究。洪水风险管理杂志9:196 - 207。http://dx.doi.org/10.1111/jfr3.12222

甘德森l . 2002。适应性舞蹈:社会弹性与生态危机的相互作用。页面33-52在F.伯克斯，J.科尔丁，C.福尔克，编辑。引导社会生态系统:建立对复杂性和变化的适应能力。剑桥大学出版社，英国剑桥。https://doi.org/10.1017/CBO9780511541957.005

甘德森l . 2010。生态和人类社区应对自然灾害的恢复力。生态和社会15(2): 18。https://doi.org/10.5751/ES-03381-150218

甘德森，L. H.和C. S.霍林，编辑。2002.Panarchy:理解人类和自然系统的转变。岛屿出版社，华盛顿特区，美国。

Halbe和J. Adamowski. 2011。在加拿大Québec流域协同管理中使用参与式系统动力学模型。农业工程学报48(2):。(在线)网址:https://www.indianjournals.com/ijor.aspx?target=ijor:joae&volume=48&issue=2&article=004

埃雷拉,h . 2017。从隐喻到实践:利用系统动力学模型将弹性分析操作化。系统研究与行为科学“，34(4): 444 - 462。https://doi.org/10.1002/sres.2468

埃雷拉，H.和B.科潘斯基，2020年。使用系统动力学来支持参与式的弹性评估。环境系统与决策40:342 - 355。https://doi.org/10.1007/s10669-020-09760-5

霍奇森，J. L.麦克唐纳，D. J.霍斯肯。2015。你说的“适应力”是什么意思?生态学与进化趋势“，30(9): 503 - 506。https://doi.org/10.1016/j.tree.2015.06.010

霍林，1973年。生态系统的恢复力和稳定性。生态学与系统学年评4(1): 1。https://doi.org/10.1146/annurev.es.04.110173.000245

霍林，c.s. 1996。工程恢复力与生态恢复力的对比。页面31-44在p·c·舒尔茨，编辑。在生态约束下进行工程。国家学院出版社，华盛顿特区，美国。(在线)网址:https://www.nap.edu/read/4919/chapter/4

Inam, A.， J. Adamowski, J. Halbe和S. Prasher. 2015。利用因果循环图初始化利益相关者参与发展中国家农业流域土壤盐分管理:巴基斯坦Rechna Doab流域的一个案例研究。环境管理杂志152:251 - 267。https://doi.org/10.1016/j.jenvman.2015.01.052

Inam, A.， J. Adamowski, S. Prasher, J. Halbe, J. Malard和R. Albano. 2017一个。利益相关者建立的分布式系统动态社会经济模型与sahyysmod的耦合，用于可持续土壤盐分管理。第1部分:模型开发。《水文551:596 - 618。https://doi.org/10.1016/j.jhydrol.2017.03.039

Inam, A.， J. Adamowski, S. Prasher, J. Halbe, J. Malard和R. Albano. 2017b。一个由利益相关者建立的分布式系统动态社会经济模型与sahyysmod的耦合，用于可持续的土壤盐分管理。第2部分:模型耦合和应用。《水文551:278 - 299。https://doi.org/10.1016/j.jhydrol.2017.03.040

英格里什，J.和M.班恩，2018。对复原力的量化。生态学与进化趋势“，33(4): 251 - 259。https://doi.org/10.1016/j.tree.2018.01.013

拉莫特，K. A, K. M.萨默斯和D. A.杰克逊，2019。把球和杯的类比和排序轨迹联系起来，来描述生态系统的稳定性、抵抗力和恢复力。生态球10 (3): e02629。https://doi.org/10.1002/ecs2.2629

马拉德，J. J.， A. Inam, E. Hassanzadeh, J. Adamowski, H. A. Tuy, H. Melgar-Quiñonez。2017.开发一种软件工具，用于系统动力学和基于物理的模型的快速、可复制和利益相关者友好的动态耦合。环境建模及软件96:410 - 420。https://doi.org/10.1016/j.envsoft.2017.06.053

梅耶，K.， A.霍耶-莱策尔，S. Iams, I. Klasky, V. Lee, S. Ligtenburg, E. Bussmann和M. L. Zeeman. 2018。利用流踢动力学量化对循环生态系统扰动的恢复力。自然的可持续性1:671 - 678。https://doi.org/10.1038/s41893-018-0168-z

张晓明，张晓明。2012。衡量和最大化货物运输网络的弹性。计算机与运筹学39(7): 1633 - 1643。https://doi.org/10.1016/j.cor.2011.09.017

尼姆，D. G.， R.麦克纳利，S. C.坎宁安，A.哈斯勒姆，A. F.班尼特，2015。万岁résistance:恢复对21世纪环境保护的抵抗。生态学与进化趋势“，30(9): 516 - 523。https://doi.org/10.1016/j.tree.2015.07.008

奥利弗，T. H, M. S.希尔德，N. J. B.艾萨克，D. B.罗伊，D.普罗克特，F.本特布罗德，R.弗雷克顿，A.赫克托，C. D. L.奥姆，O. L.佩奇，V. Proença, D.拉菲利，K. B.萨特尔，G. M.梅斯，B. Martín López, B. A.伍德科克，J. M.布洛克。2015。生物多样性与生态系统功能恢复力。生态学与进化趋势“，30(11): 673 - 684。https://doi.org/10.1016/j.tree.2015.08.009

彼得森，C. A.， V. T.埃文纳，A. C. M.高丁。2018。农业生态系统恢复力研究的未来方向。农业系统162:19-27。https://doi.org/10.1016/j.agsy.2018.01.011

波尔希尔，J. G.， T. Filatova, M. Schlüter，和A. Voinov. 2015。在耦合的社会环境系统中模拟系统变化。环境建模及软件75:318 - 332。https://doi.org/10.1016/j.envsoft.2015.10.017

M. Renger, G. L. Kolfschoten和G. J. de Vreede. 2008。协同建模的挑战:文献综述。模拟与过程建模国际杂志e263 4(3 - 4): 248。https://doi.org/10.1504/IJSPM.2008.023686

弹性联盟。2010。评估社会生态系统的弹性:从业者工作手册2.0。韧性联盟，沃尔夫维尔，加拿大。(在线)网址:https://www.resalliance.org/files/ResilienceAssessmentV2_2.pdf

Sagara, b . 2018。测量冲击和应力。弹性测量实用指南系列2。美慈组织，美国俄勒冈州波特兰。(在线)网址:https://www.fsnnetwork.org/sites/default/files/GN02_ShocksandStressesMsmt_Final4-11508_0.pdf

所罗门，A. K.昆兰，G. H.庞，D. K.冈本，L.巴斯克斯-维拉。2019.衡量社会-生态恢复力揭示了转变环境治理的机遇。生态和社会24(3): 16。https://doi.org/10.5751/ES-11044-240316

希巴尔斯基(A.)， K. Körner; M.迈尔(M. Maier)， F.耶尔奇(F. Jeltsch)， B. Schröder。2018.海岸带植物群落恢复力分析的模型耦合新方法。生态应用程序28(6): 1640 - 1654。https://doi.org/10.1002/eap.1758

Schipper, L.和L. Langston, 2015。弹性测量框架的比较概述:分析指标和方法。海外发展研究所，伦敦，英国。(在线)网址:https://odi.org/documents/4886/9754.pdf

西蒙诺维奇，s.p 2009。水资源管理:系统方法的方法和工具。趋势,阿宾顿,英国。

西蒙诺维奇，S. P.和A.派克，2013。沿海特大城市对气候变化引起的自然灾害动态恢复beplay竞技力的量化框架。英国环境与气候变化杂志beplay竞技3(3): 378 - 401。https://doi.org/10.9734/bjecc/2013/2504

斯塔夫，2003年。一个系统动力学模型，以促进公众了解内华达州拉斯维加斯的水管理方案。环境管理杂志67(4): 303 - 313。https://doi.org/10.1016/s0301 - 4797 (02) 00205 - 0

Todman, l.c.， F. C. Fraser, R. Corstanje, L. K. Deeks, J. A. Harris, M. Pawlett, K. Ritz, A. P. Whitmore. 2016。定义和量化对扰动响应的恢复力:来自土壤科学的概念和建模方法。科学报告6(1): 28426。https://doi.org/10.1038/srep28426

泰勒，S.和M.门奇，2012。城市气候弹性框架。气候和发展4(4): 311 - 326。https://doi.org/10.1080/17565529.2012.745389

沃克，B. H.， S. R.卡彭特，J.罗克斯托姆，a . s。Crépin, G. D.彼得森，2012。驱动因素、“慢”变量、“快”变量、冲击和弹性。生态和社会17(3): 30。https://doi.org/10.5751/ES-05063-170330

沃克，B. H.， L. H.甘德森，A. P.金泽格，C.福尔克，S. R.卡朋特，L.舒尔茨。2006。理解社会生态系统中的弹性的一些启发式和一些命题。生态和社会11(1): 13。https://doi.org/10.5751/ES-01530-110113

Walker, B.， C. S. Holling, S. R. Carpenter, A. Kinzig. 2004。社会生态系统的恢复力、适应性和可改造性。生态和社会9(2): 5。https://doi.org/10.5751/es-00650-090205

杨A. C. Y.和J. S.理查森。2018。扩大弹性比较以解决管理需求:对Ingrisch和Bahn的回应。生态学与进化趋势“，33(9): 647 - 649。https://doi.org/10.1016/j.tree.2018.06.005