合成

社会生态系统的迭代场景

• 摘要
• 简介
• 适应性管理:适应性和局限性
• 场景规划:适用性和局限性
• 定位迭代场景:范围，不确定性，可控性，迭代
• 迭代场景过程
• 案例:在美国俄亥俄州克利夫兰测试不同的绿色基础设施方案
  • 常态
  • 城市的草地
  • 低成本雨花园
  • 高预算雨花园
• 结论
• 对本文的回应
• 致谢
• 数据可用性
• 文献引用

介绍

生态系统管理通常需要高不确定性的决策(Polasky等人，2011年，Memarzadeh等人，2019年，Ulibarri 2019年)。对于高度不确定性的情况，有两种主要的生态系统管理方法:适应性管理(AM)和情景规划(SP;Peterson et al. 2003, Allen et al. 2011)。在实现预期的自然资源未来方面，每一种都有其优势和局限性，给生态系统管理者带来了巨大的挑战。生态系统服务的供应管理就是一个例子。

面对加速的环境变化，了解生态系统服务以及如何对其进行管理变得越来越重要。生态系统服务的特点是生态动力学(Bennett et al. 2009)、社会估值(Barnaud and Antona 2014)和决策过程(Polasky et al. 2011)的高度不确定性。管理多个生态系统服务被证明特别具有挑战性(Birgé等人，2016年，Dade等人，2019年)。生态系统服务往往难以管理，因为不同的服务往往不是彼此独立的，因为服务的提供在规模内部和跨规模不同，选择一套服务意味着在其他竞争服务之间进行权衡(例如，Feng等人，2020年)。因此，很难引导社会生态系统(SES)走向理想的生态系统服务结果，甚至很难定义理想的结果是什么。生态系统服务管理的某些方面是可控的，这意味着相关行为体可以操纵已知的影响系统利益组成部分的生态系统必要部分，并具有这样做的社会能力，而其他方面的可控程度较低或可控制性本身是不确定的，特别是在跨尺度管理或社会阻力(例如土地使用政策或文化预期)是一个因素的管理情况下(Birgé等人，2016年)。对于生态系统管理而言，当SES的不确定性和管理干预的可控性较高时，AM是一个合适的管理选择(Gregory et al. 2006, Allen and Garmestani 2015)。然而，在不确定性高但可控性低的情况下，SP被用作最合适的生态系统管理替代方案(Peterson et al. 2003)。然而，SP有自己的局限性，因为它的框架中没有内置学习组件;SP中没有结构化的迭代过程，可以通过监测来改善生态系统管理(Butler等人，2020年)。

在这里，我们通过提出一种方法迭代场景(IS)来解决这个问题——它集成了AM和SP的优点，同时解决了它们的局限性。迭代场景适用于这样的情况:围绕可减少的不确定性进行主动学习是可能的，并且需要告知未来，但学习必须告知管理层关于未来不可减少的不确定性、非平稳性和期望的社会生态系统的复杂性。为了说明这一点，我们首先定义了AM和SP，然后通过强调我们将绿色基础设施融入城市和管理多种生态系统服务的经验，提出了IS的框架(green et al. 2016)。

适应性管理:适应性和局限性

自适应管理(Holling 1978)是一个结构化的迭代过程，旨在在决策点将信息(如监控数据)反馈到管理过程中，以减少不确定性和随着时间的推移改进管理，即学习(Williams 2011)。适应性管理被用于测试绿色基础设施(GI)的性能，从而指导俄亥俄州克利夫兰的绿色基础设施的使用。克利夫兰和美国中西部的许多老城市一样，使用的是下水道-雨水收集系统。当收集系统在潮湿天气中溢出时，例如，暴风雨，积雪融化，下水道-雨水收集系统将未经处理的污水(每年数十亿加仑)排放到克利夫兰的水体中，违反了美国清洁水法(CWA)的水质要求。克利夫兰在联邦法律授权下减少未经处理的污水排放，同时经历了巨大的人口损失(Chaffin et al. 2016)。与这种人口损失相关的是城市的社会、政治和经济重组，通过房地产的废弃和空置建筑的拆除，这造成了空置地段高度集中的社区。克利夫兰与美国环境保护署(U.S. Environmental Protection Agency)达成了一项协议，通过整合绿色基础设施(即生态组件提供的功能)和灰色基础设施来满足他们的污水排放减少要求，以减少雨水流向联合收集系统，从而减少未经处理的污水溢出(Shuster和Garmestani 2015年)。

克利夫兰制定了一项适应性管理计划，将绿色基础设施整合到现有的污水处理基础设施中。该项目以斯拉夫村社区为中心，这是城市中一个历史悠久的社区，在2008年的抵押贷款危机后，遭受了巨大的社会政治变化，被视为美国这场危机的“归零地”(Shuster and Garmestani 2015)。斯拉夫村的特点是有大量的空地和社会资本，社会资本的形式是参与和积极的合作伙伴，如斯拉夫村发展公司(NEORSD)。该项目最初被设计为一个GI测试案例，包括在积极的适应性管理应用中使用雨水花园，以减少进入联合下水道的水流为目标。该项目不断发展，越来越多的合作伙伴参与其中，这是社会生态系统健全治理的一个关键方面(Green et al. 2016)。项目伙伴为项目带来了具体的目标(来自资金来源的授权和要求)。这些目标围绕多种生态系统服务，包括美学、绿色空间、传粉者、有益节肢动物和植物-土壤相互作用(Schifman等，2017年)。随着时间的推移，很明显，只关注雨水管理是站不住的，因此重点转移到管理城市生态系统的多种生态系统服务(Chaffin et al. 2016)。这种重点的转移增加了原有研究计划的复杂性和不确定性，并降低了可能的管理干预措施的可控性，考虑到更广泛的生态和社会目标和关注。由于项目中的这种转变，实现变成了基于场景的方法(高不确定性和低可控性)。

场景规划:适用性和局限性

当代形式的情景规划最初是由跨国石油化工服务集团荷兰皇家壳牌公司的规划者在20世纪60年代构思出来的。壳牌的情景规划风格创造了可选的未来，也就是看似合理的情景，即事情可能以不同于当前情况或通过“一切照旧”的方式发展的方式发展。壳体式情景规划已被用于管理SES，其中社会和环境驱动因素被识别，基于通往未来的不同路径构建合理的定性叙事，对情景的评估在理想情况下告知要采取哪些行动来实现所需的情景(例如，Peterson等人2003年，Sala等人2005年，Allington等人2018年，Iwaniec等人2020年)。

在克利夫兰，对空地上绿色基础设施表现的了解是由实际的场景规划所激发的。具体来说，克利夫兰通过谈判制定了一项符合CWA要求的计划，为未来下水道和雨水管理以及高空置社区的城市土地使用设定了一个总体愿景。该愿景是通过将GI整合到土地利用中来缓解污水和雨水的溢出(NEORSD 2012)。管理雨水流量的绿色基础设施与克利夫兰的历史实践和土地使用目标有了明显的突破。因此，新的愿景需要大量的努力来确定必要的绿色基础设施要求，以满足cwa规定的减少下水道溢流的要求，确定利益相关者和合作伙伴(例如，居民、受监管的公用事业、非政府特殊利益组织、营利性和非营利开发商)，并评估绿色基础设施的类型，以满足这些众多利益相关者的目标和愿望。传统的自适应管理不足以将广阔的愿景转化为有效的实践，传统的场景方法也是如此。

定位迭代场景:范围、不确定性、可控性、迭代

AM和SP都是SESs的管理方法，非常适合于特定的环境，但是它们都受到限制，从而产生了管理需求的差距。场景规划缺乏迭代过程，因此不适合学习。然而，当由于复杂性、非平稳性和不确定性的性质而缺乏可控性时，场景规划是有效的，这妨碍了主动学习。如果通过实验学习如何管理自然资源以达到理想的结果是合理的，那么适应性管理是最好的方法;然而，如前所述，AM最适合于低不确定性和高可控性的SES问题。也存在一些管理环境，在这些环境中，学习是必要的，通过行为者可用的手段，结果是可控的，但理想的结果是不确定的，而且由于人类价值观的变化，未来可能会有所不同。这两种方法的局限性在管理情况方面留下了一些悬而未决的问题，管理行动是否会导致预期的结果或产生意想不到的后果具有高度的不确定性，预期的利益是众多的，不能在管理系统内完全解释，而且很难评估和解释自然资源管理行动的社会影响。为了消除这些限制，我们引入迭代场景作为一种集成场景规划和自适应管理的优点的方法。

迭代场景是AM和SP的范围、与不确定性的关系和可控制性与AM的迭代特性和SP的“未来”的混合(表1)。自适应管理使用学习来通知其核心范围，以实现或维持期望的自然资源结果的系统状态(例如，改善水质)。情景规划涉及远景未来，理想情况下是一组三到五个具有主要差异的未来，在多个空间、时间和组织尺度上处理社会和生态系统的许多方面。迭代方案将AM和SP的范围集成在一起，并专注于管理一个自然资源系统的多种效益，考虑到多种和实质上不同的未来的潜力。信息系统中的主动学习发生在信息系统通知管理层和过程中所涉及的参与者可以影响管理层的范围内。

情景规划和适应性管理都适用于高度不确定性的情况;然而，在经典框架中，它们处理不确定性的方式不同(表1)。自适应管理特别寻求了解系统如何运行。因此，自适应管理认为至少有一些管理不确定性是可减少的，并认为减少不确定性和学习可以改善管理结果。适应性管理是在不可约的不确定性存在的现实中进行的，但可以通过对什么是可约的更深入的了解来适应。相比之下，情景规划创造了未来的情景，因为存在不可减少的不确定性。因此，情景规划与适应性管理不同，因为它寻求在持续的不确定性下识别策略。

迭代场景，也为高不确定性的情况设计，采用了在围绕关键的不可约不确定性构建的实质性不同的未来愿景中学习可约不确定性的策略。为了实现这一目标，信息系统必须将未来的愿景转化为对所涉及的参与者来说重要和可访问的、关于SES如何演变为有形的管理实践的不可减少的不确定性。可以通过主动学习来测试可减少的不确定性，从而生成管理一系列可能未来的知识。

可控性是参与者管理系统一般状态的能力，是AM和SP对比的一个定义特征(表1)。场景规划考虑的情况是，相关参与者对系统的重要控制不可用。这种缺乏可控性可能是生态的(例如，在超出行为体影响的范围内进行控制，例如气候)或社会的(例如，相关行为体没有管理关键方面的权力，例如违反市政土地使用政策的社区团体要求使用土地)。相比之下，适应性管理的前提是，管理者可以通过管理干预来影响利益系统中的资源状态。迭代场景明确地考虑感兴趣的系统的可控和不可控方面(表1)，并且适用于技术上可操作的SESs，以便实现和维护所需的状态，但是所需和支持的状态是不可控的。迭代场景通过考虑哪些管理操作可以控制给定的可选期货的系统，将AM扩展到不容易控制的范围。例如，场景可以设想未来不同的社会偏好会影响我们如何管理可控资源，而这些偏好和它们的管理方式是不可控的。

在不确定性条件下，有效管理的一个核心特征是随着环境和理解的演变而适应的能力(Levin 1999, Angeler等人。2020a)。因此，管理制度是否采用结构化的、迭代的框架是至关重要的。AM的一个特点是主动学习减少了AM过程中的不确定性和反馈，为后续的管理行动提供信息(表1)。通过后续迭代，AM可以在越来越精细的系统细节上减少不确定性(Uden et al. 2015)。场景规划不需要迭代过程，但持续的场景规划活动适应迭代实践，包括主动和被动的(Butler等人，2020年)。积极主动地，可以评估构建的场景的假设和合理性，并将发现用于优化场景(Allington等人，2018年)。这个过程的方法包括涉众调查和系统建模。在反应性方面，可以随着设想情景的社会生态环境的演变而重新考虑情景(Kok等人，2017年)。迭代场景应用AM的迭代和SP的迭代。具体来说，IS参与主动学习系统如何工作，并根据先前学习的经验教训和来自不断发展的社会生态环境的反馈改进学习目标。

迭代场景过程

有了这样的理解，我们可以构建迭代场景的实现框架(图1):一个用于迭代管理的结构化过程，它说明了多个或跨尺度的目标，不允许直接的评估，适应社会的不确定性和非平定性，并告知一组不可控的可能未来的正交集合。实现的基础是建立在一个理想化的主动自适应管理方案上，即赛马(Allen et al. 2011)。赛马的特点是多重实验管理干预，同时实施和监测;在这种情况下，管理干预是实时相互竞争的，就像“赛马”。通过有直接可比的管理干预，学习是基于高度的推理。在传统的自适应管理方案中，每个实验设置都试图了解影响目标变量的关键不确定性，例如，物种的丰度，水储存，同时可能跟踪非目标变量，以评估共同产生的特征。赛马的“胜利者”是能够达到目标变量的最理想水平或能够将系统保持在理想的自然资源状态的设置。为实现这一结果所吸取的经验教训将纳入今后的政策和管理中。

迭代场景方法从一个未来的远景开始，这个远景创建了关于什么条件将与SES的管理相关的场景(图1)。在构建场景时，关于未来的叙述确定了不可控的关键因素，但这将影响理想的和支持的管理结果。然后将场景转换为管理方案。设计这些方案的目的是为了实施和评估，以增加对系统功能的了解，从而通知管理层。在这种情况下，方案必须满足一些标准。它们应:(1)在有关行为体及其计划行动可利用的空间尺度上加以管理;(2)涉及比所告知的长期目标更细的时间尺度的评估;(3)关注一系列结果，如多种生态系统服务，以及它们如何在空间和时间尺度上实现;(4)为一系列似是而非的未来提供信息。标准1和2基于适应性管理的方案的主要目标:通过结构化实验学习。这些标准与场景规划所考虑的条件形成对比，在场景规划中，参与者无法获得关键控制。 Schemes for adaptive management should consider complexity not traditionally accommodated in adaptive management schemes, i.e., criteria 3 and 4, but the schemes must be tied to specific controllable and testable management actions. Criterion 3 situates adaptive management as addressing the complexity faced by managers when addressing real-world problems and opportunities, namely providing multiple benefits as a target outcome, navigating trade-offs, and leveraging or mitigating cross-scale interactions. Criterion 4 instructs scheme designs to consider social uncertainty and non-stationarity by designing future-minded testable schemes. Social uncertainty means what is desirable in the future could be different than what it is now, or that what is possible evolves. Non-stationarity means that baseline conditions—social or ecological—shift. Hence, being future minded regarding social uncertainty and non-stationarity requires the scheme design and implementation phase to first engage in the practice of identifying plausible futures, as they would impact societal needs from the system being evaluated through an adaptive approach.

通过资源管理操作实现可测试方案是基于自适应管理的过程的标准。在标准的自适应管理中，目标变量的结果集中在对管理行为的评价中，对该目标最有效而又不产生不适当的互补效应的管理方案被认为是“赢家”(例如，方案C，图1)。在迭代场景方案中，评估包括对对照的管理制度评估多个利益结果，其中结果可能相同、不同或混合。重要的是，这一评估还考虑了推动这一过程的社会生态环境是如何演变的(图1)。具体来说，未来是如何实现的，或者合理的未来是如何变化的?通过这种方式，方案评估考虑了先前社会不确定性的变化和自方案最初开发以来观察到的非平稳性。

评估完成后，必须选择一个方案来追求类似于传统的适应性管理赛马方案中的“赢家”。考虑到被管理的系统的复杂性和场景方案的多个评估标准，结果可能不是二元的——成功或不成功。根据收集到的信息、当前的条件和决策者在决策点对未来的期望，可以对方案进行满意或不满意的评估，即是否产生了理想的结果，以及满意方案的相对可取程度。将选择一个在当时令人满意和非常可取的方案，以便为进一步的管理行动提供资料。然而，不断发展的社会目标，从预测的未来观察到的变化，即非平稳性，或新的环境，可能意味着其他方案变得相对更可取。因此，每一个方案都可以产生在当前活动之外可能有用的学习。

最初的方案测试高度反差的情景，以表明社会-生态系统的理想轨迹。为了朝着理想的未来前进，一个结构化的、迭代的过程对于is和学习SESs是必不可少的。这是因为，如果不这样做，这个过程就会陷入向固定端点和虚假的确定性移动的陷阱(图1)。迭代是对特定的有利场景的更深入的探索，通过以下方式完成:(1)从之前的迭代中为SES开发存在于所需方案中的更精细的场景叙述，(2)从之前的迭代中受益，从而了解SES，(3)考虑更广泛的社会生态系统是如何进化的(图1)。

案例:在美国俄亥俄州克利夫兰测试不同的绿色基础设施方案

开发迭代场景方法来管理SESs的动机源于从传统自适应管理和美国俄亥俄州克利夫兰绿化城市空地的互补实验学习中吸取的经验教训(Shuster和Garmestani 2015, Green等人2016,Herrmann等人2016a,b, Chaffin等人2016)。在这里，我们评估了克利夫兰斯拉夫村项目中的实际活动，采用了我们重新设想的方法，采用了迭代场景。

这里给出的例子是迭代场景的理想概念证明，因为它具有自然资源管理程序的可控和可测试结果，嵌套了由重新想象城市空间产生的社会生态复杂性。此外，伴随而来的社会不确定性是什么是可取的，以及新形成的和动态的资源管理伙伴关系，以及其他复杂性的来源，这些都是在远景设定和资源管理的导航过程中产生的。

利益相关者将克利夫兰的绿色基础设施愿景转化为具体的、可实施的绿色基础设施，围绕着四个不同的管理方案，这些方案与社区的未来和未来实施的绿色基础设施类型的场景或叙述相对应。重要的是，每一个方案都需要进行测试，以确定它是否能很好地实现减少雨水径流进入污水-雨水收集系统的目标。同时，每个方案还需要进行测试，以检查相应的结果套件，包括每个方案感兴趣的生态系统服务。迭代场景的标准1和标准2在所有方案中以通用的方式得到满足。每个方案将只在数百个现有空地中的少数空地上实施，并在一到两年的时间内进行监测，为扩大实施提供时间，并在既定的时间表内满足同意令的条款，以实现遵守。标准3和标准4在每个方案中都是唯一的。

四个应急方案是:(1)照常工作，(2)城市草甸，(3)低预算雨花园，(4)高预算雨花园(图2)。方案不是基于资源功能的关键不确定性而出现的，这是适应性管理的标准推荐实践。相反，方案的区别类似于情景规划，基于未来的可取和可能，这是无法通过适应性管理控制的。探讨了不可控期货的两个主轴。第一个轴更传统，即在历史上，当地的景观方言:修剪过的vs更生态或自然化的，即野生的外观，景观。未来的社区是支持生态景观，还是认为这些景观不受欢迎?第二个轴是关于土壤和植物系统的改造/工程和维护的水平，通常实现为财务成本，即廉价vs昂贵。因此，高度资本化的实践和实现它们的正式机构是未来绿色基础设施规划和实施的一部分，还是依赖最小干预、小预算的操作?除了为这些未知的未来做好准备外，还将监测每个方案对减少雨水径流的跨规模贡献以及相应的生态系统服务或特定于每个方案的有害服务。总体而言，通过对方案的监测获得的新理解，通过将监测数据扩展到对方案可取性的更全面的定量和定性诊断，以及最终出现的财政和制度安排，为促进理想的绿色基础设施的规划和实施提供持久支持，为未来提供了信息。例如，城市农业(Herrmann等，2018年)。

理解每一个方案(图1)都需要一个社会生态叙事。这些叙述，再加上生物物理条件、管理要求和一整套生态系统服务和权衡，将在下面介绍。

常态

一切照旧预示着未来的社会和政治力量将限制空地改造，有利于低成本的传统景观及其相关管理制度。管理空地的标准做法是定期修剪，使其保持为草坪。它创造的景观模仿了社区的传统景观。因此，它是社会普遍接受的。它还以适合经济发展的方式维护该物业，这使其在政治上符合当前新自由主义城市改造的锈带治理范式(Hackworth 2019)。因此，其非水文、跨尺度的效益是其作为城市生态系统的作用，吸引或不限制空置地块的潜在再开发，以促进区域经济活动。从生态学上讲，经常修剪的草坪不支持丰富的植物群落或野生动物的栖息地。割过的空地确实有能力渗透雨水径流，但城市化实践带来的土壤扰动和置换，包括最近的建筑拆除，意味着标准模型无法准确预测这些土壤吸收雨水的能力(Herrmann等，2017年，Schifman和Shuster 2019年，Stewart等，2019年)。对少数空地的水文监测将告知定期修剪空地对雨水滞留的跨尺度目标(防止下水道-雨水联合溢出)的贡献程度。

城市的草地

城市草地为未来广阔的草原般的自然景观融入城市基质做好了准备。城市草甸的实施包括通过播种、插植或通过减少割草频率来招募志愿者，在空地上引入新的植物。最少的场地改造和较低的维护制度意味着草甸通常不贵;然而，它们的外观相对狂野，标志着与传统上被认为是安全和诱人的城市景观指标的视觉明显护理的国内景观明显不同(Nassauer等人，2009年)。将空地转变为草甸的主要预期效益是通过其作为野生动物栖息地的潜在作用在景观到全球层面实现的，例如，传粉者网络中的节点，以及在土壤发展中，例如，碳储存。在克利夫兰，一所对实验测试城市草甸提供的生物多样性支持感兴趣的大学是将这一情景方案纳入适应性管理组合的关键合作伙伴。雨水滞留受到土壤上的城市遗产和草地在景观中的水文位置的限制。然而，它可以改善雨水管理，通过更大的拦截和减缓降水，增加土壤表面的入渗能力，通过蒸散发增加水分损失，减少污水溢流。

低成本雨花园

低预算的雨水花园预计，未来雨水花园将被用于管理雨水，因为它们在雨水滞留方面的空间效率，但这种做法是通过合作伙伴的组合来支持的，专门用于雨水管理的资金非常有限。作为混合伙伴关系的结果，所需的互补，即非雨水管理，结果在流域的各个花园之间是异质的，并随着合作伙伴及其利益的变化而变化。例如，由克利夫兰植物园(Cleveland Botanical garden)领导的雨园装置，对突发性流域健康广泛感兴趣，也有为区域自然历史保护目标种植本地植物的补充目标(Chaffin等人，2016年)。在缺乏主要和专门的资金用于雨水花园的情况下，设施必然是基本的。以克利夫兰为例，我们挖掘了小洼地，并尽可能利用现有的水文路线来拦截地面雨水流动。工程土壤和水文连接以及具有美学意识的景观建筑设计和管理制度没有被使用。在很多情况下，低成本的雨花园会显得狂野而凌乱，需要社区的支持，因为在历史上，它可能被视为不吸引人，甚至是危险的，是忽视的象征。

高预算雨花园

高预算的雨花园预计未来将有专门的财政和正式的制度支持来创建雨花园，以设计、工程和维护长期的绿色基础设施和社区资产。高预算雨花园集水文路线、土壤塑造和置换于一体，生态而非野生的外观定期保持。因此，它需要大量的初始资本投资和专门的长期投资来维护。在我们的克利夫兰案例中，负责下水道和雨水管理的公用事业公司投资用户费用，建造了几个高预算的雨花园。高预算的雨花园预计将提供最大程度的空间强度，以留住雨水，同时作为一个公园空间或一般视觉上吸引人的功能，成为一个理想的社区资产。监测和其他评价决定了其相对绩效，当未来对此类绿色基础设施项目是否支持用户付费的情况更加了解时，可以考虑这一绩效。对于这些决定来说，重要的是如何更广泛地实施将为社区带来预期的社会结果。

基于生物物理性能和在社会和政治上可行的变化，研究小组得出结论，低预算的雨花园是这两个方面最成功的结果(Chaffin等人，2016年)。因此，在迭代场景过程的下一个阶段，低预算的雨花园将是向前选择的场景，而IS过程的后续迭代将以低预算的雨花园为中心。低预算雨花园的变化将在一个结构化的迭代过程中进行测试，该过程将向利益相关者提供反馈，并允许学习(图1)。低预算雨花园将迭代测试集水区不同位置的生物物理能力，以及它们与落水管和街道排水沟的连接程度。同时探索未来哪些群体将参与其中，以及什么样的景观规划和政策将支持这些群体的目标(图1)。然而，激励环境的重大变化可能会改变所需的方案，使其更加完善。例如，公共设施下水道和雨水管理的计划和政策的变化可能会极大地影响最理想的方案。这样的改变可能是计划安装分开的雨水和下水道收集系统或一个更大容量的联合下水道系统。这将降低雨花园相对于较少空间密集的雨水管理方案的可取性，特别是城市草甸。

结论

在本文中，我们介绍了用于管理SESs的迭代场景，并通过一个管理城市中绿色基础设施实施的示例演示了该方法的实用性。开发迭代场景的动力来自于在俄亥俄州克利夫兰的一项近10年的绿色基础设施实施和城市转型研究中应用适应性管理和场景规划所遇到的挑战，以及更普遍的需要，即理解管理强制社会生态系统机制以实现可持续性(Angeler等人，2020b)。开发迭代场景是为了解决与自适应管理和场景规划相关的一些限制。另外，重要的是要清楚迭代场景并不局限于这里介绍的情况。例如，一个大型研究团队最近开展了一个雄心勃勃的项目，让全球多个城市的利益攸关方参与其城市的愿景规划，为其城市的未来进行合理的规划(Iwaniec et al. 2020)。在走向理beplay官网世界杯想的未来场景时，一个反复出现的问题是必须解决更直接的需求，这将导致进一步锁定不希望的过去路径(Cook等人，2021年)。迭代场景可以用于测试解决短期问题的选项，这些选项是根据解决方案如何引导SES走向期望的未来场景来设计和评估的。beplay竞技气候变化是一个全方位激励因素的例子，并为在SES管理中广泛采用信息系统提供了紧迫性。管理者必须了解他们的系统如何在应对全球驱动因素的环境控制的多重持续的和潜在的突然变化的情况下工作，他们这样做是在当地乃至全球范围内气候变化治理如何展开的不可减少的不确定性中进行的。beplay竞技

社会-生态系统的复杂性和从管理资源中获得多种生态系统服务的日益增长的需求限制了适应性管理和场景规划在许多现实案例中的应用。迭代场景通过将场景规划的经验与自适应管理方案相结合，适应了管理者所面临的现实世界的复杂性。迭代场景明确地考虑了一系列可能的社会生态未来，但在一个结构化的迭代过程中，允许通过时间来学习社会经济系统。通过采用这样一个过程，信息系统可以通过改进现有知识来揭示新的见解，而且还有助于发现本过程中未预见到的管理选项。随着管理者努力导航和协调多个已知和未知因素，这些新选项可能会进一步推动计划的发展(Angeler等人，2020a)，这些因素在多个尺度上挑战SESs的弹性。

文献引用

C. R.艾伦，J. J.方丹，K. L.波普，A. S.加尔梅斯塔尼。2011。适应动荡未来的管理。环境科学学报32(5):359 - 359。https://doi.org/10.1016/j.jenvman.2010.11.019

艾伦，C. R.和A. S.加尔梅斯塔尼，2015。适应性管理。C. R.艾伦和A. S.加尔梅斯塔尼编辑的1-10页。社会生态系统的适应性管理。施普林格，Dordrecht，荷兰。https://doi.org/10.1007/978-94-017-9682-8_1

阿林顿，G. R. H, M.费尔南德斯-希门尼斯，J.陈，D.布朗。2018。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。生态与社会23(2):9。https://doi.org/10.5751/ES-10034-230209

安吉尔，D. G. C. R.艾伦，和A.狂欢节。2020a。人类世的聚合科学:探索已知与未知。人与自然2(1):96-102。https://doi.org/10.1002/pan3.10069

安吉尔，d.g.， B. C.查芬，S. M. Sundstrom, A. S. Garmestani, K. L. Pope, D. R. Uden, D. Twidwell, C. R. Allen. 2020b。强制性政权:人类世的管理挑战。生态与社会25(1):1-4。https://doi.org/10.5751/ES-11286-250104

Barnaud, C.和M. Antona. 2014。解构生态系统服务:社会建构概念的不确定性和争议。地理论坛:物理、人类和区域地球科学杂志56:13 -123。https://doi.org/10.1016/j.geoforum.2014.07.003

贝内特，E. M.彼得森，L. J.戈登，2009。了解多个生态系统服务之间的关系。生态学通讯12(12):1394-1404。https://doi.org/10.1111/j.1461-0248.2009.01387.x

Birgé， H. E.， C. R. Allen, A. S. Garmestani, K. L. Pope. 2016。生态系统服务的适应性管理。环境管理学报183:343-352。https://doi.org/10.1016/j.jenvman.2016.07.054

巴特勒，J. R. A, A. M. Bergseng, E. Bohensky, S. Pedde, M. Aitkenhead和R. Hamden, 2020。适应气候适应的情景:实践者对一种流行规划方法的看法。环境科学与政策104:13-19。https://doi.org/10.1016/j.envsci.2019.10.014

查芬，B. C.， W. D.舒斯特，A. S. Garmestani, B. Furio, S. L. Albro, M. Gardiner, M. Spring和O. O. Green. 2016。两个雨花园的故事:俄亥俄州克利夫兰城市雨水适应性管理的屏障和桥梁。环境管理学报183:431-441。https://doi.org/10.1016/j.jenvman.2016.06.025

E. M.库克，M. Berbés-Blázquez, L. M.曼内蒂，N. B.格林，D. M.伊万iec, T. A. Muñoz-Erickson。2021.为合拍片搭建舞台。Z. A. Hamstead, D. M. Iwaniec, T. mcpherson, M. Berbés-Blázquez, E. M. Cook和T. A. Muñoz-Erickson，第99-111页，编辑。弹性城市的未来。施普林格:Cham，瑞士。https://doi.org/10.1007/978-3-030-63131-4_7

戴德，m.c.， M. G. E.米切尔，C. A.麦卡尔平，J. R.罗兹。2019。评估生态系统服务的权衡和协同作用:需要一个更机械化的方法。中48(10):1116 - 1128。https://doi.org/10.1007/s13280-018-1127-7

冯强，赵伟，胡晓霞，刘赟，S. Daryanto, F. Cherubini. 2020。权衡生态系统服务促进生态修复:以黄土高原为例清洁生产杂志257:120469。https://doi.org/10.1016/j.jclepro.2020.120469

格林，O. O.， A. S.加尔梅斯塔尼，S.阿尔布罗，N. C.班，A.伯兰，C. E.伯克曼，M. M.加德纳，L.甘德森，M. E.霍普顿，M. L.舍恩，W. D.舒斯特。2016。适应性治理促进城市绿地生态系统服务。城市生态系统19(1):77-93。https://doi.org/10.1007/s11252-015-0476-2

Gregory, R.， D. Ohlson, J. Arvai. 2006。解构适应性管理:应用于环境管理的标准。生态应用16(6):2411-2425。https://doi.org/10.1890/1051 - 0761 (2006) 016 (2411: DAMCFA) 2.0.CO; 2

哈克沃思，J. 2019。制造业衰落:种族主义和保守主义运动如何摧毁美国铁锈地带。哥伦比亚大学出版社:美国纽约。

赫尔曼，D. L.，庄伟，K.施瓦茨，T. M.鲍尔斯，A. S.加尔梅斯塔尼，W. D.舒斯特，T.伊森，M. E.霍普顿，C. R.艾伦。2018。缩小城市的农业生态。可持续发展:科学、实践和政策10(3):675。https://doi.org/10.3390/su10030675

赫尔曼，D. L.， K.施瓦茨，W. D.舒斯特，A.伯兰，B. C.查芬，A. S.加尔梅斯塔尼，M. E.霍普顿。2016a。缩小城市的生态。生物科学66(11):965 - 973。https://doi.org/10.1093/biosci/biw062

赫尔曼，D. L.， W. D.舒斯特，A. S.加尔梅斯塔尼。2017。城市空地土壤及其支持生态系统服务的潜力。植物与土壤413:45-57。https://doi.org/10.1007/s11104-016-2874-5

赫尔曼，W. D.舒斯特，A. L.梅尔，A. S.加尔梅斯塔尼。2016b。缩小城市的可持续性。可持续性8(9):911。https://doi.org/10.3390/su8090911

Holling, c.s. 1978。适应性环境评估与管理。John Wiley & Sons:奇切斯特，英格兰。

Iwaniec, d.m.， E. M. Cook, M. J. Davidson, M. Berbés-Blázquez, M. Georgescu, E. S. Krayenhoff, A. Middel, D. A. Sampson，和N. B. Grimm. 2020。共同生产可持续的未来情景。景观与城市规划197:103744。https://doi.org/10.1016/j.landurbplan.2020.103744

郭，M. T. J.， K. Kok, G. D. Peterson, R. Hill, J. Agard和S. R. Carpenter. 2017。生物多样性和生态系统服务要求IPBES对情景采取新的方法。可持续发展科学12:17 -181。https://doi.org/10.1007/s11625-016-0354-8

莱文，1999年。走向生态管理科学。保护生态学3(2):6。https://doi.org/10.5751/ES-00125-030206

Memarzadeh, M.， G. L. Britten, B. Worm和C. Boettiger. 2019。在不确定性下重建全球渔业。美国国家科学院学报116(32):15985-15990。https://doi.org/10.1073/pnas.1902657116

王振华，王志华，戴瑞尔。2009。邻居们会怎么想?文化规范与生态设计。景观与城市规划33(3):1 - 6。https://doi.org/10.1016/j.landurbplan.2009.05.010

东北俄亥俄地区下水道区。2012.绿色基础设施计划。NEORSD，克利夫兰，美国俄亥俄州。(在线)网址:https://www.neorsd.org/I_Library.php?a=download_file&LIBRARY_RECORD_ID=5526

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。2003。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。保护生态学7(3):1。https://doi.org/10.5751/ES-00557-070301

Polasky, S. R. Carpenter, C. Folke和B. Keeler. 2011。巨大不确定性下的决策:全球变化时代的环境管理。生态与进化动态26(8):398-404。https://doi.org/10.1016/j.tree.2011.04.007

萨拉，O. E. D.范武伦，H. M.佩雷拉，D.洛奇，J.阿尔德，G.卡明，A.多布森，V.沃尔特斯，M. A. Xenopoulos, A. S. Zaitsev, M. G.波罗，I.戈梅斯，C.奎罗兹，J. A.鲁萨克。2005。不同情景的生物多样性。《千年生态系统评估:生态系统和人类福祉:情景》375-408页。岛屿出版社:华盛顿特区，美国。

希夫曼，l.a, D. L.赫尔曼，W. D.舒斯特，A.奥索拉，A. S.加尔梅斯塔尼，M. E.霍普顿。2017。将绿色基础设施置于环境中:城市适应性社会水文的框架。水资源研究，32(4):359 - 359。https://doi.org/10.1002/2017WR020926

希夫曼，洛杉矶，W. D.舒斯特，2019。城市土壤水文性质实测与模拟的比较。水利学报24(1):4018056。https://doi.org/10.1061/(第3期)he.1943 - 5584.0001684

Shuster, W. D.和A. S. Garmestani. 2015。城市水资源管理中的适应性资本交换:可持续发展的途径?清洁技术与环境政策17(6):1393-1400。https://doi.org/10.1007/s10098-014-0886-5

斯图尔特，R. D.， A. S.巴斯卡尔，A. J. Parolari, D. L. Herrmann, J. Jian, L. A. Schifman和W. D. Shuster. 2019。确定城市和参考景观中饱和过剩与渗透过剩地面流量的分析方法。水文过程33(26):3349-3363。https://doi.org/10.1002/hyp.13562

乌登，D. R.， C. R. Allen, D. G. Angeler, L. Corral和K. A. Fricke. 2015。适应性入侵物种分布模型:一种建模早期入侵的框架。生物入侵17(10):2831-2850。https://doi.org/10.1007/s10530-015-0914-3

乌利巴里，2019年。协同治理:管理环境管理中科学、行政和战略不确定性的工具?生态与社会24(2):15。https://doi.org/10.5751/ES-10962-240215

瓦克，P. 1985。场景:前方是未知的水域。哈佛商业评论63(5):72-89。(在线)网址:https://hbr.org/1985/09/scenarios-uncharted-waters-ahead

威廉姆斯，2011。自然资源的适应性管理——框架和问题。环境科学学报32(5):359 - 359。https://doi.org/10.1016/j.jenvman.2010.10.041