• 摘要
• 简介
• 最佳使用政策可靠评估建模的障碍
• 大规模管理实验的成本与风险
• 研究和管理组织中的自身利益
• 生态价值的基本冲突
• 给读者的结论和问题
• 反应
• 致谢
• 文献引用

许多关于河岸生态系统适应性管理规划的案例研究未能为政策比较提供有用的模型，也未能为解决关键的不确定性提供良好的实验性管理计划。建模工作一直受到跨尺度效应(从快速水文变化到长期生态响应)的表征困难、缺乏难以研究的关键过程的数据以及验证数据中因子效应的混淆等问题的困扰。实验性政策被认为成本太高或风险太大，特别是在监测成本和敏感物种的风险方面。研究和管理利益相关者表现出了令人遗憾的自我利益，将适应性政策发展视为对现有研究项目和管理制度的威胁，而不是改进的机会。关于实验性管理制度的建议暴露和突出了生态价值方面的一些真正根本的冲突，特别是在濒危物种在历史管理下繁荣昌盛，并将受到生态系统恢复努力的威胁的情况下。如果我们能找到绕过这些障碍的方法，适应性管理在未来有很大的潜力。

提交日期:1997年10月7日。录用日期:1997年11月11日。

关键词:适应性管理;沿海生态系统;生态系统管理;渔业;制度性的障碍;管理实验;建模;河岸生态系统;模拟。

在河岸和沿海海洋生态系统的适应性管理方面有越来越多的案例经验。大多数管理计划现在至少附带提到需要一种适应性办法，特别是在生态系统管理任务使人们注意到我们几乎没有历史管理经验的“新的”政策选择的情况下，例如河流流量的管理。适应性管理在主要河流系统的政策规划中是一个非常明显的因素，包括哥伦比亚河(Lee 1993年)和科罗拉多河(Collier et al. 1997年)。一项适应性管理的重大规划工作正在密西西比河上游(S. Light, Minnesota DNR，个人沟通)，使用适应性环境评估和管理(AEAM)过程(Holling 1978, Walters 1986)。AEAM过程在目前佛罗里达大沼泽地的恢复计划中发挥了作用(Walters et al. 1992, Ogden and Davis 1994)。目前正在澳大利亚的大堡礁进行一项大规模管理试验，采用了采用AEAM工艺开发的设计，目的是测试捕鱼对珊瑚礁生态系统的影响(Mapstone等人，1996年)。

尽管适应性管理的一些特殊的和缺乏远见的定义出现在一些情况下(见Halbert 1993年的评论)，今天我们通常使用这个术语指的是“在实践中学习”的结构化过程，它涉及的不仅仅是更好的生态监测和对意想不到的管理影响的反应。特别是，人们一再主张(Holling 1978, Walters 1986, Van Winkle et al. 1997)，适应性管理应该从协调一致的努力开始，将现有的跨学科经验和科学信息整合到试图预测替代政策影响的动态模型中。这个建模步骤旨在服务于三个功能:(1)问题澄清和加强科学家、管理人员和其他利益相关者之间的沟通;(2)政策筛选，以剔除最可能因影响规模或类型不足而无法发挥多大作用的方案;(3)识别使模型预测可疑的关键知识缺口。最常见的情况是，知识缺口涉及生物物理过程和关系，这些过程和关系由于各种原因已经挑战了传统的科学调查方法。最常见的情况是，在建模过程中，最明显的是，填补这些缺口的最快、最有效的方法是通过集中的、大规模的管理实验，直接揭示未来管理实际发生的时空尺度上的过程影响。

管理实验的设计成为适应性管理过程中关键的第二步，关于如何处理大规模实验的成本和风险，出现了一整套新的管理问题(Walters和Green 1996)。事实上，AEAM建模经常导致对管理实验的建议，以至于像我和英属哥伦比亚大学的同事这样的实践者已经开始使用术语“适应性管理”和“实验管理”作为同义词。简而言之，适应性管理规划中的建模步骤至少在原则上允许我们用仔细测试(定向选择的过程)的学习来取代通过试错的管理学习(一个渐进的过程)。

不幸的是，适应性管理规划很少在模型开发的初始阶段之后进行到实际的实地试验。在过去的20年里，我参与了25次河岸和沿海生态系统的适应性管理规划工作;其中只有7个实验产生了相对大规模的管理实验，其中只有2个实验从统计设计(适当的控制和复制)方面被认为是计划良好的。在另外两个案例中，我们无法确定可能实际执行的实验性政策。其余的要么消失了，没有可见的产品，要么被困在明显无休止的模型开发和改进过程中。人们提出了实施适应性管理的低成功率的各种原因，主要与成本和制度障碍有关(Halbert 1993, Ludwig等人1993,Gunderson等人1995,Castleberry等人1996,Van Winkle等人1997)。

本文根据笔者的实践经验，探讨了适应性管理政策实施成功率低的四个原因。从某种意义上说，所有这些都是制度上的原因。此外，适应性管理的支持者在未来将不得不经常面对这些挑战。首先，适应性管理规划的建模经常被正在进行的建模练习所取代，显然是基于这样一种假设:详细的建模可以取代实地试验，以确定“最佳使用”政策。在这类工作中，还有一种进一步的假设，即最佳使用政策将来可以通过“被动地适应”使用改进的监测资料加以纠正。在这里，我指出了各种相当明显的原因，为什么这样的建模练习可能会失败。第二，与最佳使用基线方案相比，适应性管理的有效实验往往被视为过于昂贵和/或具有生态风险。尽管在许多情况下我同意这种担忧，但我注意到，假设可以在第一时间找到一些合理的基线选项通常是一种谬论。第三，管理官僚机构中保护各种自身利益的人所采取的实验性政策往往遭到强烈反对。我认为，适应性管理的支持者必须在将这些利益暴露于公众监督方面采取有力措施。 Fourth, there are some very deep value conflicts within the community of ecological and environmental management interests. These conflicts have become more of a barrier to policy change than the traditionally recognized conflicts between ecological and industrial (e.g., power production) values.

对一些读者来说，这篇文章提出的问题可能比回答的问题更多;这就是我写这本书的经验。我在结束语部分列出了一些未回答的问题，希望能引起进一步的讨论和分析。

在前面提到的七个适应性管理规划案例中，试验管理政策尚未实施，在最初的AEAM模型开发之后，在基线信息收集和复杂的模拟建模方面进行了非常大量和持续的投资。这些投资的范围从海岸平流的三维水动力模型，到人口动态的个体模型(ibm)，再到基于GIS信息的高分辨率景观模型。推动这些投资的可能是这样一种假设:通过更精确地、更机械地观察更多的变量和因素，可以找到合理的预测(以及良好的基线政策)。

在最近的一次AEAM建模研讨会上，一位机构代表将研讨会上开发的模型称为“玩具模型”，这些模型可能是有价值的分析起点，但最终应该被“真正的模型”所取代。这种奇特的术语(尤其是矛盾修饰法“真实模型”)无疑表明了这样一种信念:模型可以在某种程度上不仅仅是帮助我们更清楚地思考问题的玩具。Van Winkle等人(1997)提出，将基于个体的鱼类种群模型与改进的物理栖息地模型相结合，可以“产生相对准确且远低于适应性管理方法的河流流量评估”。然而，他们的这一论断是建立在由水流变化实验测试的模型的结果上的，这是一个明显的适应性管理实验。

下面的小节提出了对我们在不久的将来用建模代替现场实验的能力感到悲观的几个原因。这些原因对科学家和管理者都是警告，并扩展了Hilborn和Walters(1981)之前提出的警告。科学家们被警告说，更多的研究并不一定意味着更好的模型，或者其他人将知道如何将研究结果集成到一个有用的模型中，不管这些结果可能是多么零碎。经理们被警告说，仅仅通过在建模和研究方面投入更多资金，还不可能购买到健全的“最佳使用”政策。

为适应管理规划而开发的河岸和海岸生态系统模型通常至少有四个基本子模型:(1)水流动时空变化的水动力子模型;(2)营养物质和沉积物等关键化学变量的运输和转化的水化学子模型;(3)初级、无脊椎和小型“草料”鱼类生产的“较低营养水平”子模型;(4)主要动物指标种的种群动态子模型，用ibm或至少用年龄-大小-空间结构丰度表示。在某些情况下，我们还开发了植物群落组成变化的连续子模型。一般来说，这些模型不假设有能力使用任何单一货币(如能源)来描述生态系统，或完全描述构成生态系统“功能”的所有物理-化学-生物特征和相互作用。一般来说，这些模型局限于将具体的水管理行动(流量、化学品投入、收获规则等)与具体的生态性能指标(植物群落结构、“有价值”的脊椎动物指标物种的丰富程度)联系起来的过程和机制。最常见的是，水动力学和水化学子模型不仅模拟物理和化学过程，还模拟在短时空尺度上操作水调节结构、排污管道等的人的“战术”或“操作”行为。

开发和使用这些模型的最困难的技术问题是物理/化学过程和生态过程之间的跨尺度联系。一般来说，为了在计算中保持基本的物理连续性(质量平衡)，我们必须在非常短的时间步(几分钟到几小时)内在精细的空间尺度(几十米到几公里)上求解水动力和化学方程。在海洋和河口环境中，由于需要考虑潮汐造成的运输和混合，计算更加复杂。因此，物理子模型在运行一个长得多的生态时间尺度(年、几十年)的关联整体模型时产生了巨大的计算负担。有时我们可以将物理/化学和生态子模型解耦，“脱机”运行物理场景，然后用这些场景的结果“驱动”生态子模型。Walters等人(1992)使用这种方法筛选佛罗里达大沼泽地的水管理替代方案。然而，物理和生态子模型的解耦使得模型非常难以操作，即测试其对各种参数的敏感性，并通过试错来探索管理方案。根据我的经验，这样的游戏对于发展对复杂模型的理解和寻找更好的管理政策是至关重要的。通过打磨出一些非常详细的管理场景，并使用各种量化绩效指标进行比较，我们根本学不到太多东西。

即使我们能够找到绕过技术困难的方法，在表示快速、局部的物理和化学变化如何“向上”影响更大生态尺度上的变化方面，也存在基本的概念上的困难。Simon Levin(1992)很好地表达了建模中的跨尺度问题:“在某些情况下，必须将模式理解为来自较小尺度单元的大型集成的集体行为。在其他情况下，这种模式是由更大的规模限制造成的。”例如，当我们看到一条鱼的生长速度时，我们必须理解它是由许多猎物捕获事件和代谢率变化的复杂时间机制所产生的，由温度、水流、鱼的选址选择等变化所驱动。我们不能假装模拟这一系列事件中的每一个成员，即使是在鱼生长的最详细的“机械”模型中。在实践中，我们用这样的模型来表示许多微观生态事件的集体效应:(1)计算至少在某种最小平均尺度上的时空平均值或总数，(2)有选择地忽略许多事件，将注意力集中在我们认为是关键的情况的子集上，如产卵时鱼类产卵区的物理化学条件。简而言之，我们假设我们试图模拟的生物体表现得像自然的平均者、平滑者和环境事件的选择者。我们必须依靠经验，而不是建模或物理原理，来告诉我们可以安全地做多少平均和选择。

迄今为止开发的任何物理/生态联系模型都不能接近于对这种联系的“完整”描述，即使对于像生长这样的简单过程也是如此。在自然死亡和招募等过程中，情况会变得更加糟糕，这些过程来自分布在更大范围内(产生、积累)的更复杂的行为交互作用。在较早的建模术语中，假装存在“黑盒”和“白盒”模型是愚蠢的;我们的模型是发生在规模太小(或太大)的现象的黑箱表示的集合，无法进行实际观察和模拟。显然，我们不能向政策制定者保证我们的模型将给出准确的预测:它们是管理系统的不完全表示。

此外，我们不能假设增加模型细节(更完整的时空事件结构表示)将导致越来越精确的预测和/或降低做出非常糟糕的预测的风险。与简单模型相比，我们至少有三个理由不相信详细模型。首先，关键的相互作用或事件可能高度集中在我们忽略的尺度/地点/时间上，或者我们错误地假设了一个简单的平均过程。例如，Bakun(1996)指出，海洋鱼类的补充可能是由非常局部的锋面、涡流和海洋中其他集中结构的瞬态条件所决定的。其次，增加更多的细节将增加更多的参数到模型结构中，然而这些参数中的每一个都很可能得不到现场数据的很好支持;这种“过度参数化”会以完全相同的方式降低机械模型的预测，它会导致统计预测模型失败。第三，一些生态交互作用会导致正反馈，这种正反馈可以跨尺度传播局部事件的影响，在更大的尺度上产生高度可变的、不可预测的空间模式(Holling 1992)。明显的例子是森林火灾的蔓延，落叶昆虫和外来物种。尽管我们可能能够预测这种跨尺度传播事件的发生，但我们很少有足够准确的处理速率和初始空间模式数据来准确模拟每个事件的传播将导致哪里。

测试一个详细的模型和任何其他模型对仔细的实地实验的结果一样重要;建模不能代替实验。然而，对模拟模型的关注同样适用于基于小规模实地试验(试点研究)直接外推的管理预测。许多生态过程在小空间尺度上并不明显或表现出来，但在更大尺度上可能对整体动态响应至关重要。这在种群扩散和迁移方面尤为重要。例如，适应性管理规划的一个早期案例是红鲑鱼(雄鱼nerka)加拿大不列颠哥伦比亚省弗雷泽河的渔业(Walters和Hilborn 1976)。这种渔业捕捞许多不同的遗传鱼类，它们的数量因捕捞而大大减少。根据最近的历史数据，沃尔特斯和希尔伯恩假设，减少捕捞将使鱼类数量恢复到更高、更高产的水平;他们推荐了一个管理实验来验证这个假设。加拿大渔业和海洋部的生物学家提出了一项建议，即仅在一个或几个产卵地点操纵鱼类产卵密度，以在对商业渔业影响小得多的情况下检验这一假设。Walters和Hilborn认为这个试点实验是有误导性的，因为它不会测试大规模的产卵再分配和历史产卵区域的再定居(一个跨尺度繁殖问题)。许多产卵点在系统中已不再被占用，可能需要大幅度增加总体产卵密度，以刺激这些地点密度依赖性的分散和再定居。这个例子说明了跨尺度响应的高度非线性和戏剧性。Walters和Hilborn基于对粉红鲑鱼(雄鱼gorbuschka)。在本世纪初，由于一场滑坡阻止了产卵鱼的上游迁徙，该物种几乎从河流流域的上游灭绝了;在20世纪50年代早期，在一个上游支流(鱼类可能从较低的系统产卵区分散到那里)发现了几千条产卵鱼。到20世纪80年代末，数百万条粉鲑鱼回到了上游系统支流。短期种群动态中的一个“小”分散事件对种群数量有深远的长期影响。

人们可能会直观地认为，更详细的模型不太容易因为估计任何一个模型参数的错误而做出糟糕的预测，因为每个参数直接涉及总体结构的更小部分。人们还可能期望，当使用多种类型的数据来估计模型参数时，种群动态评估应该对如何解释或使用每个观察结果的假设错误不太敏感。这种直觉是危险的错误。

人口动态计算通常涉及生产和生存因素的顺序乘积，而不是总和;当产品中的任何一个数字出错时，整个产品都会受到相应的影响。例如，每成鱼招募1岁鱼可以用成鱼繁殖力x卵存活率x鱼苗存活率x早期幼鱼存活率的乘积表示。在生境管理模式中，这些存活率可能进一步分解为特定时间内的产品和可能产生管理影响的地点。要使整个招聘预测变得非常错误，只需要歪曲其中一个比率。在传统的收获管理种群动态建模中，通常依靠总体招募/成虫丰度关系的实证分析来避免这一问题;当管理人员感兴趣的是操纵特定生境因素的影响时，这种简单的经验选择是不可用的(除非适应性管理实验已经提供了如何将征聘直接与生境因素联系起来的经验信息)。无论模型状态表示的是动物的数量，还是个体的集合，随着时间的推移，每个个体都面临不同的风险，都会产生乘积效应。

为了建立鱼类种群动态模型，人们通常需要使用有关相对丰度趋势的历史信息来进行参数估计和模型验证。通常，这种趋势数据很难收集。在大多数情况下，必须使用基于商业或娱乐收获的历史趋势统计数据(例如，每单位努力的渔获量)。即使有非常详细的生活史资料，例如历史人口年龄组成，对一些关键人口参数(当前人口规模、人口净变化率)的估计仍然严重依赖于对粗略趋势数据的解释。特别是，使用每努力渔获量的趋势有一种严重高估丰富性和生产力的方式(Hilborn and Walters 1992, Walters and McGuire 1996);虽然有详细的辅助信息，例如人口年龄构成，但并不会稀释或阻止这种影响。就大多数河岸管理情况而言，我们目前的历史数据都很薄弱;即使立即启动更好的监测项目，纠正这种情况也需要很多年的时间。

适应性管理规划的建模练习总是揭示出关键过程和功能关系知识的实质性差距。当建模的目的是预测特定政策选项和行动的影响时，这可能是不可避免的。在这种预测中所涉及的具体因果关系往往涉及到科学家们并不特别感兴趣的生物物理关系。其他关键的关系是普遍感兴趣的，但一直未能通过传统的科学方法进行研究。这种困难的关系通常描述的是在相对大的时空尺度上积累的事件和相互作用的“突发”效应，因此测量这些效应是昂贵的和/或缓慢的。典型的例子是，当动物数量减少时，存活率的补偿性变化，随着亲代数量的变化，招募率的变化，以及慢性压力对生存的影响。例如，偶尔淹水。

当科学家们面对这种困难的关系时，有三种选择:(1)试图将关系简化为一组组成的子关系或过程，并对其进行研究;(2)从历史经验或不同情况下空间数据的比较分析中寻找关系的经验数据;或者(3)尝试设计一个大规模的现场实验，直接测量在部分控制条件下的关系。还原论的方法在某些情况下是有用的:例如，ibm被用于理解鱼类存活率的“紧急”补偿性变化(Van Winkle et al. 1993)。然而，由于跨尺度问题，作为一种通用方法是危险的。对历史数据和比较数据的分析通常是模型开发过程的一部分，而且几乎从来没有提供所需数据的范围和分辨率。针对特定过程和关系的大规模现场实验在生态学中越来越受欢迎，但事实证明在技术上非常困难(否则我们早就做了)。

河岸生态系统建模中经常出现的困难关系的一个很好的例子是漫滩植被的生存-洪水关系。在许多河流系统中，上游水坝的稳定水流使木本植被侵入河岸地区，而这些地区经常发生的季节性洪水会阻止或限制自然植被的生长。在这种情况下，一个常见的政策问题是，是否至少要恢复一些自然的季节性流动。为了比较流量管理选项，模型必须预测杀死(或基本上变薄)植被所需的洪水持续时间/深度。造成这种死亡的原因包括:淹水期间光合作用和呼吸受到抑制的一系列复杂的生理反应、根区化学物质的变化、水的机械破坏以及随之而来的植物对病虫害脆弱性的变化等。如果一个人简单地将建模问题简化为一组特定的生理关系，那么在现场条件下，正确地建模这种复杂的反应如何作为死亡率展开是几乎没有希望的。此外，历史数据不太可能有多大帮助。现场调查人员对建模师的典型评论可能是:“嗯，近年来我们只看到过两次洪水;1983年的洪水是一场巨大的洪水，杀死了大多数植物，但1978年的洪水只持续了几个星期，似乎没有什么影响。”显然，建模者不会根据如此有限的经验建立可靠的函数关系来进行注水方案的一般探索。 The last resort might be to try a field-scale flooding experiment, subjecting various experimental stream bank areas to different depths and durations of flooding. The reader may wish to ponder the logistics needed to carry out (and the political acceptability of) such an experiment in, say, the Grand Canyon, without subjecting the whole Canyon to variable flooding regimes.

适应性管理的一个紧急原则是，对于每一种困难的功能性关系，如果你愿意提供足够的研究资金来测量关系产生的细节，就会有一位科学家愿意宣称有能力为你测量它。管理和研究管理员没有办法知道什么时候这种说法是无稽之谈或一厢情愿，直到几个项目获得资助并失败。只要科学家能够在资助游戏中领先于管理者一步，许多稀缺的研究资金就会继续被浪费。

最终，对建模可以取代实验管理这一假设最有力的谴责不是来自于关于模型开发困难的争论，而是来自于关于使用历史数据来测试模型的更基本的争论。没有一个模型构建者会愚蠢到宣称有能力开发如此精确和完整的模型，以至于使用历史数据进行验证是不必要的，而且很少有模型用户会naïve足够相信这样的声明。不幸的是，许多模型用户似乎没有意识到“有效”模型(与历史经验一致或符合的模型)和做出正确预测的模型之间的明显区别。在应用生态建模中，找到一系列同样有效的替代模型，但对各种管理政策的影响做出截然不同的预测，这是很常见的，也许是无处不在的。可供选择的有效模型涉及到对历史经验记录中影响被混淆的因素的不同假设(例如，随着时间的推移而一起变化的因素，而不是经过实验变化后所预期的明显不同的值)。这个问题不是关于“机械的”vs。“统计”模型;每个有效的模型通常都有一个完全合理的机械基础。

佛罗里达大沼泽地涉禽的数量大幅下降，人们提出了各种模型或假设来解释这种下降(Walters et al. 1992)。目前正在开发详细的模型，以帮助规划这一生态系统的恢复，包括IBM模拟涉禽对水管理政策变化的反应(S. Davis，南佛罗里达水管理区，D. DeAngelis，迈阿密国际大学，个人沟通)．详细的模型可能会证明，湿地的水管理和历史排水的历史变化可以解释下降。然而，这一论证将不允许拒绝至少两个关于发生在被模拟区域之外的事件的重要性的有效假设:涉禽的分布可能由于“遥远的磁铁”吸引繁殖的鸟类到大西洋沿岸的其他筑巢地点而发生变化，繁殖的成功可能受到湿地系统河口边缘和邻近佛罗里达湾的变化的影响。

关于哈德逊河中核电站的鱼苗夹带对鱼类数量的影响一直存在激烈的争论(Barnthouse et al. 1988)。至少条纹鲈鱼是这样(马龙saxatilis)，幼虫后存活率的代偿性改善可能从根本上消除夹带的影响。最近，R. Hilborn和他的同事(华盛顿大学，个人沟通)已经开发了人口模型，表明补偿效应可能非常强;20世纪80年代中期渔场关闭后条纹鲈鱼幼体数量的大幅增加显然并没有导致幼鱼数量的增加或幼鱼进入老年。R. B. Deriso(美洲热带金枪鱼委员会，个人沟通)指出，希尔伯恩将幼虫后存活率的下降归因于补偿性效应，事实上，这是一种强烈的时间模式(整个20世纪80年代都在下降)，同样可以很好地归因于哈德逊河的其他变化，例如由于污水处理的改进而导致的生育率下降。

湖鳟的数量急剧下降(Salvelinus湖红点鲑)通常被归因于海七鳃鳗(Petromyzon绿)入侵和过度捕捞。湖鳟恢复的模型假设两者都很重要(Walters et al. 1980)。然而，Milliman等人(1987)指出，这两个因素的相对影响不能被清楚地分开(渔业和七鳃鳗的数量几乎在同一时间急剧增加)，其他变化，如富营养化也可能是重要的。海洋七鳃鳗作用的不确定性可能是未来一个重要的政策问题，特别是考虑到公众对七鳃鳗化学控制项目的有效性和副作用的关注。

在不列颠哥伦比亚省，孵卵生产的银鲑和支奴干鲑鱼的海洋存活率(Oncorhynchus kisutch, O. namaycush)自20世纪70年代中期以来大幅下降(Cross et al. 1991)。俄勒冈海岸的银鲑数量也在减少(Nickelson 1986, Emlen et al. 1990)。下降与两个主要因素的变化有关:(1)寄存率增加(这可能导致生存的代偿性减少)和(2)海洋温度和上升流模式的变化。孵化场生产的支持者将其归咎于环境变化，而另一些人则担心由于海洋的承载能力，增加孵化场生产不仅可能无效，而且可能会降低野生鲑鱼的存活率(Walters 1994)。在这种情况下，对孵卵场放生的实验操作被认为是一种可能的方法来区分关于存活率下降的其他假说(Peterman和Routledge 1983, Perry 1995)。

在这样的例子中，指出所有确定的因素可能都是重要的，或者有可能构建机械模型来表示每个因素的“可能”影响是没有帮助的。这种模型不允许对每个因素的相对重要性进行评估(通过对历史数据不充分的过程和比率作出合理假设，通常可以使所有因素都同样很好地符合数据)。承认多种因素可能是重要的，就是承认任何影响某一特定因素的政策(例如七鳃鳗控制政策或五大湖渔业政策)的影响比已知某一特定因素起主导作用或根本不重要时所承认的影响更不确定。假设机械建模将在这些情况下有所帮助是一种浪费和适得其反的“模型之战”的邀请。

无法区分基于历史数据的备选假设并不意味着对历史数据的建模和分析是无用的练习。建模可以成为筛选不太可能产生现有数据的假设和未来不太可能有效的政策的有力工具。AEAM过程中的一个关键概念是，建模可以帮助将备选方案筛选为可管理的集合，以便进一步测试和评估。建模可以指导更有效的现场测试过程，因此，使自适应管理从根本上不同于进化的自适应过程，在进化的自适应过程中，政策创新的产生和测试或多或少是随机的。例如，AEAM目前正在哥伦比亚河上游的库特奈河(Kootenai River)进行建模工作，以寻求恢复濒危白鲟(鲟鱼属transmontanus)及其他受利比水坝影响的物种。在这项研究中，我们(Carl Walters和Josh Korman)证明了水坝建设后鲟鱼招募失败的时间模式与卵和幼虫存活与夏季流量减少有关的假设是一致的，但与利比大坝以下营养物质负荷减少或大坝下游漫滩回水栖息地消失的假设不一致。在这种情况下，AEAM模型非常令人信服地表明，如果回水栖息地的丧失是罪魁祸首，那么招募失败应该比发生的时间早许多年，如果是营养损失的原因，则应该比发生的时间晚几年。仅这一发现就可以节省大量的管理开支，避免在施肥计划或死水栖息地恢复方面的浪费投资。(当然，为了达到库特奈河的其他生态系统管理目标，做这些事情可能是值得的。)

自适应管理通常被认为是相对昂贵的，特别是如果它涉及到大规模的现场实验。增加的成本从需要定义明确的假设和政策选择的建模工作开始。因此，试验方案往往涉及大量成本和沿岸经济利益的收入损失，而这些投资的最终收益将在未来很长一段时间内积累到其他利益。几乎总是需要大量投资来改进监测程序。最后，与环境利益集团青睐的非常保守的选择相比，操纵实验总是至少会增加一些生态风险。对实验管理方案进行客观、经济比较的方法还不完善，而且对于如何评估或衡量可能的实验结果也没有普遍的共识(Walters和Green 1996年)。

当然，在某些情况下，解决关键不确定性所需的大规模实验性管理变革的成本或风险将是不可接受的。例如，Parma和Deriso(1990)评估了针对重要的太平洋大比目鱼(Hippoglossus stenolepis渔业，渔业与环境因素在造成招聘波动方面的相对重要性长期以来一直存在争论(所谓的“汤普森-伯肯路辩论”，见Skud 1975)。在这种情况下，关键的试验办法将是在鱼群减少期间维持较高的捕鱼压力，这是一项非常昂贵和危险的政策。然而，大多数关于成本和风险的争论都没有充分的根据，反而似乎主要是拖延决策的借口。下一节将回顾一些在一些主要的河岸案例中使用的关于成本论证的谬误。

一些关于实验操作或限制用水的建议对经济利益的代价是相当大的。例如，建议恢复科罗拉多河或上哥伦比亚河等河流的季节性流量峰值，每座受影响的大坝的年发电量损失将达数百万美元(Collier等，1997;c·j·沃尔特斯和j·科曼未发表的数据)．哈德逊河上核电站的燃料循环同步，以提供2年的工厂停机周期，因此，幼虫鱼的夹带率，每年也将花费数百万美元(损失燃料，外部电力购买)。在不列颠哥伦比亚省海岸试验减少孵育鲑鱼的放生(Perry 1995年)可能导致商业和休闲收获价值每年损失1 000万至1亿美元，具体取决于用于评估休闲收获价值的方法。

虽然这种成本表面上看起来很大，但将其与用户在其他政策选择或建议下可能面临的成本进行比较是很重要的。在哥伦比亚和科罗拉多的案例中，来自环境和濒危物种利益的强大压力要求对水电站运营进行大规模改革(甚至拆除)。在哈德逊河的案例中，环保人士要求纽约电力局(New York Power Authority)安装冷却塔，这可能耗资高达10亿美元。在太平洋西北部，人们越来越担心鲑鱼孵化场的功效和副作用，以及完全关闭孵化场的压力。因此，经济利益集团能否依靠公众支持或权威在更长时间内维持“一切如常”，这一点一点也不清楚。如果在列出的每一个例子中，立法或法律决定导致大规模和永久性政策改变的几率甚至为10%，那么试图维持当前政策的预期成本(0.1 x大规模改变的成本)将远远高于证明根本没有必要进行根本性改变的实验成本。

不幸的是，对于经济利益来说，没有一个简单、客观的方法来决定被迫进行激进政策改变(例如，10%)的几率是否足够高，以证明转向合作的、实验性的方法是合理的。试验性管理的支持者向经济利益方指出，近年来保护环境利益的立法和司法记录已大大改善，这是无益的，因为随着公众认识到改善环境管理的间接成本，这一趋势随时可能逆转。此外，尚不清楚环境利益是否会支持实验性政策形式的妥协。例如，澳大利亚的环保组织强烈反对测试捕捞对大堡礁影响的实验计划，认为应该向消费用户关闭更多的珊瑚礁，并且可以用计算机模型来评估捕捞的影响(Mapstone et al. 1996)。

对实验性管理制度的生态响应通常发生在一个广泛的时间尺度上，从季节性到年代际。一些有用的观测结果可能会在几天或几周内出现，例如，在大峡谷最近的洪水中看到的泥沙运输和海滩形成效应(Collier等，1997年)。更多的时候，管理关注的是脊椎动物的种群动态反应，这很少在不到10年或20年的时间里得到充分展示。因此，大多数管理实验都涉及到价值上代际权衡的强烈元素。今天开始的处理通常需要花费大量的费用来呈现资源用户和公众，但是这些处理所遗留的响应信息将主要对下一代的管理人员和用户有用。当预期效益以经济发展规划中通常使用的相对较高的贴现率(3%或更高)计算时，管理实验很少显得有经济价值(Walters和Green 1996)。

对于反对长期试验的短视的成本效益论点，最好的反击方式就是简单地指出，我们认为为子孙后代管理可再生资源和生态系统是一种道德责任，即使这种管理迫使我们今天在使用资源方面有相当大的限制。在制定法律要求可持续利用缓慢更新的资源(森林、长寿的鱼类)方面，以及在为购买土地和关闭使用以扩大北美公园和保护区的基础而进行大量公共支出方面，这些伦理争论是至关重要的。据推测，为未来的管理收集更好的信息与为管理提供栖息地基础一样重要，特别是如果我们不能指望仅通过持续的研究投资来积累更好的理解(见前一节)。

精心设计的管理实验可能有极高的监测成本，特别是需要复制和对比处理的比较。此外，生态系统管理目标通常导致需要监测的响应变量比渔业和野生动物种群管理的传统方法广泛得多。物理和化学变量通常是相当便宜的测量，但生态系统“支持服务”变量，如初级生产，净CO₂对稀有和濒危物种的吸收和趋势进行监测可能非常昂贵，即使是仅适用于比较实验处理的简单趋势指数也是如此。在多个地点和时间尺度上监测多个响应变量确实会产生一些规模经济，但如果使用传统的生态场测量方法进行监测，成本往往仍然令人望而却步。

开发可负担得起的适应性管理监测方案通常涉及大量的、科学上有风险的方法和方法创新。随着遥感和卫星信息收集能力的提高，空间监测正在迅速扩大。许多时间监测方法，如娱乐使用计数，现在可以使用数字控制系统(如机器人)、视频记录和事件传感的新技术实现自动化。在需要人工观察和判断的情况下，科学家必须学会更好地利用机会，与各种各样的人，主要是资源使用者和其他利益相关者，发展合作工作安排，他们已经在该领域的大量人员。例如，对珊瑚礁鱼类密度变化的实验监测可能涉及训练来自运动潜水俱乐部的当地人进行标准化的样带计数，并按计数方式向他们支付报酬(Walters和Sainsbury, 1990年，Mapstone等，1996年)。在目前一项关于改善不列颠哥伦比亚省小湖泊运动捕鱼方法的实验研究中，钓鱼小屋的所有者获得报酬，收集>12个实验湖泊的捕鱼努力、收获、鱼的大小分布和标记信息。

用遥感和自动化方法取代传统的实地观测通常会增加实验项目的启动和资金成本，与机构工作人员和顾问进行传统监测相比，这增加了此类项目的明显风险。同样，用实地现场用户的当地非全时劳动代替专业实地工作人员的劳动会造成各种明显的风险(例如，故意不正确或不稳定的报告)和一些复杂的后勤问题，从现场培训到核查抽样。迄今为止，自然资源管理者和科学家对这些成本和风险相当保守，一般倾向于减少实验规模(治疗的种类、复制、持续时间、监测集的复杂性)，而不是投资于创新的监测方法。不幸的是，未来几代人将为这种虚假的经济付出代价。

在佛罗里达大沼泽地这样的环境中进行的管理实验被认为是有风险的，因为这些物种足够幸运，能够很好地适应当前管理环境(例如，大沼泽地的蜗牛风筝;Ogden and Davis 1994)，或者是非常罕见的物种，它们受到任何可能影响栖息地或繁殖成功的变化的威胁。通常，所谓的“敏感”物种有非常特殊的栖息地需求;无法保证旨在恢复自然生境结构的试验(例如，代表复杂洪水历史的河岸植被类型的马赛克)将在整体结构中增强特定的生境类型。在某种程度上，管理实验几乎总是威胁到至少一些敏感物种。

对于敏感物种风险增加的争论，也许管理实验的支持者能给出的最好的答案是比较风险:在没有实验的情况下将遵循的基线政策或默认政策往往在保护敏感物种方面高度不确定。通常情况下，最初进行实验的最佳理由是缺乏明显的最佳行动方案。近年来，随着管理目标的扩大，包括“生物多样性”等考虑因素，这一点在历史上几乎没有管理经验。在许多河岸环境中，最终可能无法避免在生态系统恢复、消费使用和一些稀有物种保护之间的基本价值冲突方面做出艰难的决定。

许多人认为“实验”是一种简单的方式，即比较处理单元和控制单元之间的测量结果，并认为建模和实验是获得理解的独特的、相互排斥的方式。这样的观点促使我们考虑，实验只能在复制良好的系统中进行(怎么可能在大沼泽地进行实验;只有一个吗?)，并假设建模是处理独特系统的唯一方法。

要理解为什么这样的观点会误导人，请考虑我们在实验研究中所说的“对治疗的反应”是什么意思。在实验单元中，它是区别在那个病房发生的事和没有治疗就会发生的事之间。原则上，我们不能确定如果不进行治疗会发生什么(我们不能既治疗又不治疗一个单位)。为了解释或衡量任何对治疗的反应，我们必须从事模特工作在某种程度上预测了如果不进行治疗会发生什么。在传统的设计设置中，我们使用对照或参考实验单元的测量值作为模型来预测将会发生什么。在单一系统的前后比较中，我们使用治疗前的行为来预测会发生什么。一般来说，没有特别的理由相信空间预测器(空间控制)比时间预测器好得多，除非在极少数情况下，我们可以“保证”有代表性的预测，从一个大的单位宇宙中随机选择大量的处理单位和参考单位。对于应用生态学家来说，在大多数实际环境中，一开始就没有多少自由去从事令人羡慕的随机化实践;实验管理者有很大的责任使用最好的模型来预测可能发生的事情。

认识到建模是实验分析中不可分割的、必要的部分，打开了对设计选项和预测基线方法的更广泛思考之门，以预测基线来衡量响应效果。重要的是，它还打开了一扇门，让我们理解没有没有风险的实验:对不进行治疗会发生什么情况的预测可能是错误的，无论我们如何做(许多参考单位，时间比较，等等)。

从这个更广泛的观点来看，真正糟糕的情况不是只有一个系统需要管理(没有空间复制)，而是建议的管理处理是有效的不可逆转的在美国，没有办法比较治疗方案，即使是在时间块内，任何治疗错误的实验单元都将永远“丢失”。在这种情况下，我们别无选择，只能通过某种建模来预测不可逆的影响。在我看来，处理这种情况的方法首先不是通过建模;相反，我们应该在一开始就寻找创造性的方法来避免不可逆处理，如果有必要的话，找到至少在某种程度上“模拟”不可逆处理的可逆处理(参见哈德逊河的例子:同步燃料循环提供了一种替代大规模、有效不可逆的建造冷却塔的选择)。

在河岸和沿海生态系统中进行的适应性管理实验主要涉及相对简单的制度设置，只有一个领导管理机构和几个专门组织和维护实验倡议的人。实验性管理规划在复杂的制度环境中举步维艰，如佛罗里达大沼泽地、哥伦比亚河和密西西比河上游，在这些环境中，管理、研究和政策变化涉及多个具有复杂、重叠的历史责任和法律授权的机构之间的合作。冈德森等人(1995)对这种环境下的社会学习和适应性管理的制度“障碍和桥梁”进行了出色的回顾。在实际操作中，几乎每一个管理建议或变更通常都会威胁到至少一些组织利益集团。此外，复杂的管理环境似乎会产生大量的研究投资，这既是因为科学工作提供了确定决策的可能性，也是因为“需要更多的研究”总是一个方便的答案，在官僚和行政部门的利益最好是通过推迟艰难的管理决策来满足的情况下。

实验管理的领导应该来自成熟的管理机构，那里的知识集中，人们最敏锐地意识到深层次的不确定性。这并没有发生;相反，适应性管理的压力和领导力主要来自非政府利益团体，通过法院判决和立法法案等机制或多或少迫使机构转向新的方向。

哥伦比亚河流域可能是错过试验机会的最好例子，在那里，通过AEAM等流程进行适应性管理规划已经进行了十多年。为了提高下游洄游鲑的存活率，水坝的运作已经进行了修改，允许更高的春季清流，这应该会减少幼鲑的过境时间，从而减少捕食死亡率(Lee, 1993年)。这一“水资源预算”政策每年造成4000万美元的发电量损失，其结果极其不确定。也许这项政策被一些人视为适应性管理试验，但很难想象还有比这更糟糕的计划。该政策的影响将与海洋存活率、系统内生境和孵化场管理做法以及其他用水对水质和水流的影响方面正在发生的各种其他变化相混淆。为了避免这种混淆和减少电力生产损失，一个明显的实验方法是在计划的处理序列中每年有意地改变淡水流量(或至少在2年的时间块中使用治疗和基线流量的开关配对)。

为什么管理机构会错过这样明显的双赢实验机会?根据我的经验，至少有三个组织因素阻止了这样的政策被提出，以支持“全有或全无”的政策变化:(1)相信假装确定是维持机构信誉的必要条件;(2)促进科学家的过程研究方法;(3)不作为是官僚决策者的理性选择。

政府机构经常为特定的政策计划辩护，仿佛这些计划一定会产生理想的结果，即使这种辩护包括压制机构内部的科学异议等极端措施(Hutchings et al. 1997)。尽管这种防御性立场可能涉及个人自豪感和担任机构领导职位的人的坚定信念等简单因素，但机构工作人员通常表示，他们必须满怀信心和肯定地提出各种选择，以保持在其他机构的政治决策者和参与者中的可信度。也就是说，许多机构人士显然将承认不确定性视为承认弱点，并假定承认弱点的结果将是不作为或无效的妥协政策。例如，渔业种群评估小组通常以比数据所证明的更有信心的方式提出评估结果，假设提供广泛的种群规模估计将导致渔业利益的压力，要求使用最乐观的估计(让我们捕鱼，直到你能证明存在保护问题)。这种压力确实存在，但随着管理机构在决策中采取“预防原则”(在不确定的情况下，做最坏的打算，或至少寻求一个规避风险的选择)的做法，这种压力正变得不那么常见。

很难让持这种观点的人相信，通过公开承认不确定性，然后通过管理实验提出积极(有时成本更低)的方法来处理这种不确定性，他们会获得政治决策者更多的信任。我们几乎没有公开承认不确定性的经验，以至于那些考虑采取这一举措的人无法从其他案例中寻找决策者将如何反应的经验证据。像1996年大峡谷水流泄漏(Collier et al. 1997)这样被广泛宣传的案例，现在证明了官僚们通过明智地处理不确定性可以获得很多好处。

科学家们很容易说服自己和官僚资助机构，对他们所研究的过程或机制的“基本理解”对于预测生态系统管理政策的影响是很重要的。对于这些科学家来说，他们所研究的东西只有与其他复杂的机制相结合，才能有效地纳入管理预测，这似乎并不重要，至少其中一些机制因为资金或技术原因不会被研究。因此，物理海洋学家认为，详细的水动力学分析是必要的，以了解从鱼的幼虫分散到terragenic的运输和稀释的过程。浮游植物生态学家认为，初级生产是水生食物链的基础，必须了解初级生产，以便预测食物链对施肥或污水处理等干预措施的反应。渔业生物学家指出，生命史模式中的个体变异对于理解“突发性”种群动态现象(如幼鱼死亡率的密度依赖性)至关重要。社会科学家指出，必须从价值和决策程序发展的复杂社会环境的角度来理解资源价值和决策。在任何层次和规模的大型管理问题中，人们都会说:“我关心的问题很重要，所以资助我的研究。”

在管理导向研究的适应性管理规划和资源配置中，应对科学自利的方法有两种:合作和对抗。合作的方法使科学家参与开发模型和实验政策，使模型揭示明显的差距(很明显，单靠详细的研究不足以提供管理的答案)，并使大规模实验显然将为科学家创造机会，通过对这些实验中产生的现场情况的比较研究来获得更好的理解。对抗的方法指出，实地规模的实验可以直接揭示政策和重要的管理绩效指标之间的全面联系，往往比研究和综合预测所需的所有组成部分更快和更便宜，因此，从管理的角度来看，过程研究的许多工作将是浪费精力。通过消除将实验和过程研究视为竞争利益的动机，利用科学家的创造力和经验设计更好的实验，合作的方法可能会更好地服务于所有利益。

官僚和政治决策者经常面临一个艰难的选择:是果断采取行动发起实质性的政策改变(对用户的重大限制、对修复的投资、进行大型的、有风险的管理实验)，还是等着看当前的问题是会自动纠正，还是通过研究得到解决。认为果断行动是这些人的“最佳”选择是错误的，不管有多少客观证据表明行动的紧迫性。果断行动通常会带来直接而明显的代价，从受到影响的经济利益集团的强烈抗议，到如果政策未能达到预期效果而陷入尴尬的风险。另一方面，不作为的代价很少会如此直接:一些利益集团可能会发出更大的抗议，但如果指出拖延可以让人们有更多的时间进行研究和仔细规划，这些抗议往往可以得到缓解。此外，生态问题往往会自我纠正(例如，最初归因于过度捕捞的招募失败实际上可能是由于不利于幼鱼生存的环境条件)。对于许多决策者来说，即使是很短的延迟也足以确保其他人必须做出决定。我们不应该感到惊讶的是，有很多借口被用来推迟实施一个重要的实验性管理计划所需的艰难决定。

在不作为或拖延是决策者的理性选择的情况下，实验管理的支持者面临着一个非常困难的选择:接受拖延，并希望一些自然事件产生更明显的、不可忽视的危机，或进入政治舞台，试图通过公开信息、倡导要求改变的立法，甚至威胁采取法律行动，使不作为的代价更大(至少更尴尬)。这些都是困难的选择，特别是对负责任的管理者和科学家来说，他们已经成为通过仔细分析进行适应性管理的倡导者，并认为分析的结果将被同样负责任的决策者合理地使用。我的本意并不是建议负责任的科学家和管理人员成为实验管理的政治倡导者，但我们应该明白，在许多情况下，投入更多的精力来发展更精确、更合理的理由是浪费时间，而这些理由只会被置若罔闻。我们还应该明白，从分析到倡导，这一步是多么巨大和危险。

如果用于发电的水坝等发展只对河岸生态系统产生负面的生态影响，那么就为了减轻这些影响而放弃多少经济价值可能相对容易形成公众共识。这种相对简单的权衡与我们今天在哥伦比亚河、密西西比河、科罗拉多河和佛罗里达大沼泽地等重大案例中看到的不同。像AEAM这样的利益相关者参与过程往往显示出来自“发展”利益集团(电力生产者、运输利益集团、耗水用户)的相当大的灵活性和建设性态度，但代表不同“生态”价值观的利益集团之间的不妥协和争吵。在历史发展创造了“新的”生态价值的地方，生态利益之间的冲突尤其激烈。

季节性洪水模式的调控使得濒危物种在一些地方繁盛;保护这些种群的强有力的法律授权可能会阻碍恢复自然水文状况和伴随的自然生态系统结构的努力。在佛罗里达大沼泽地，蜗牛风筝(Rostrhamus sociabilis)在自然保育区三的管制水池内大量繁殖，而黑貂角麻雀(Ammodramus君子兰)已侵入鲨鱼河泥滩沿岸地区，那里的自然洪水阻碍了适合筑巢的植被群落的发展。在大峡谷，由于外来植物群落入侵了自然被洪水淹没的海岸地区，昆虫的产量增加了，因此鸣鸟得以繁衍生息。法尔科peregrinus)变得丰富;维持这一新的食物链可能与恢复季节性洪水发生直接冲突，目的是管理泥沙和维持濒危本地鱼类的栖息地需求。

在其他沿岸地区，外来的或天然稀有的鱼类种类在水管理后变得丰富，现在支持着有价值的体育渔业。在不列颠哥伦比亚省和蒙大拿州的库特奈河中，一条虹鳟鱼(雄鱼mykiss)利比水坝下游的渔业发展，以因应受调节的冷水流;恢复春夏淡水流，为濒临灭绝的白鲟种群提供更好的产卵条件，可大大降低这种渔业的生产力。在大峡谷，恢复春季淡水也会对虹鳟鱼渔业产生同样的影响。在密西西比河上游，由于建立了许多供驳船航行的稳定水池，各种鱼类的休闲渔业得到了改善;在这个系统中，常年保持稳定的水位可能会妨碍河岸自然植被群落的维持，并可能导致由于沉积而更快地失去池。

物种组成的变化并不是历史管理实践的唯一遗产;当该实践的其他累积效应发生逆转时，可能会产生暂时的影响。在密西西比河上游，恢复季节性流量/水位模式可能会调动在运输池中积累的沉积物，对下游池造成至少几年的各种经济(例如，疏浚)和生态影响。在大沼泽地，由于来自鲨鱼泥沼的水流减少而增加的盐度可能使佛罗里达湾西北沿岸的海草群落繁荣起来。通过鲨鱼沼恢复更高的径流可能会杀死这些群落，让海浪和风的作用调动在河床上积累的泥灰质沉积物。由此产生的浑浊羽流可能会向东南延伸到佛罗里达湾，影响海草群落和渔业。

有相当大的危险是，行政人员和政治家会根据水文恢复和物种反应之间有一个顺利的权衡的假设，寻求采用折衷的恢复政策来处理相互冲突的生态价值。因此，我们可以看到利比水坝管理适度的淡水流量，这足以大幅减少虹鳟鱼的产卵成功，但不足以允许成功的鲟鱼产卵。同样地，大峡谷的少量淡水可能足以恢复海滩，让乘船的人去游玩，但对本地鱼类来说却完全不够。“修修补补”大沼泽地的水资源管理可能会减少濒危物种的风险，但甚至无法完全恢复季节性生态系统功能，使许多涉水鸟类得以恢复。简而言之，妥协方案很可能会给所有生态利益带来双输的结果。

面对这样的危险，如果做出更果断和极端的政策改变，生态利益集团(如休闲渔民)肯定会大声疾呼，管理者很可能会尽可能拖延行动。这种拖延可能会威胁到在目前的水管理政策下已经在下降的物种和系统功能。然而，我们通常没有足够好的历史数据来开发令人信服的模型和趋势分析，以证明这些替代威胁的紧迫性。

因此，关于生态价值的冲突似乎很可能是适应性管理和生态系统恢复政策设计的主要障碍之一。但还有另一种可能性。这些冲突正变得越来越明显，并暴露在公众的监督之下;例如，最近一期的《自然》杂志上刊登了一篇关于大峡谷生态问题的雄辩评论国家地理(长1997)。随着关于替代生态价值的辩论越来越激烈，几乎可以肯定，在未来几年，它可能会产生某种危机或催化剂，以促进变革，冈德森等人(1995:489 ff.)认为，这可能对制度变革和响应的“适应周期”至关重要。

事后看来，很容易看出为什么把管理当作实验的简单而有吸引力的想法如此难以付诸实践的各种原因。反对大规模实验的理由包括相信我们有能力通过过程研究和建模获得答案，以及担心实验政策的生态副作用和风险。这些反对意见为那些可以从这种拖延中获利或获得保护的人提供了一系列丰富的借口来拖延果断的行动。也许这里提出的一些论点将有助于实验管理的支持者反驳那些最肤浅和自私的反对意见。

今天的关键需求不是为理性辩论提供更好的弹药，而是创造性地思考如何使管理实验成为不可抗拒的机会，而不是对各种既定利益的威胁。也就是说，我们需要证明积极的适应性管理可以为科学家、官僚管理人员、政治家和资源/环境利益集团创造双赢的结果。几乎每一项AEAM规划工作都至少暗示了这种结果的存在，通常以诊断“探测”或现场试验的形式提供了大量明确的响应信息，而无需承诺在管理战略上进行任何永久性改变。也许当我们不断积累并无耻地宣传这些结果的例子时，公众会意识到，一切照旧不再是维持和恢复河岸生态系统价值的可行选择。

这篇论文讨论了广泛的问题，显然有许多问题没有得到解答。下面这些我无法回答的问题可能会成为使用交互式格式进行进一步讨论的基础保护生态．

1)即使任何模型最终都需要现场实验测试，我们难道不应该至少尝试建模尽可能多的细节，以便最大限度地确定关键时空尺度和事件的机会吗?

2)为什么跨尺度问题不仅仅是现代超级计算机能够克服的计算不便?

3)作为科学家，我们被驱使着将困难的过程分解为便于研究的可管理的细节来试图理解它们;为什么我们应该在应用设置中接受不同的理解标准(例如，通过现场规模的实验对过程影响进行直接的“黑箱”测量)?

4)通过粗糙的现场实验来研究复杂的现场过程，是否存在这样的风险:实验揭示的过程效应范围太窄，而更详细的研究分析可能揭示功能结构，可用于构建更广泛适用的这些过程的“子模型”?

5)当效果在验证数据中被混淆时，为什么不进行管理，使用最坏情况或预防假设，通常是效果的可加性?

6)我们经常无法“让时间倒流”来收集历史上不被认为重要或被认为收集成本太高的验证数据;在这种情况下，机械模型不是比没有好吗?

7)合作实验管理是一场经济利益的赌博，因为实验可能会产生比预期更糟糕的影响;我们如何让经济利益集团相信，实验性的赌博比上法庭为使用“权利”而战要好?科学在提供这方面的建议中扮演什么角色?

8)解决环境和生态规划适当贴现率问题的一个方法是通过立法或宪法指令在石头上刻下特定的贴现率;要解决这个问题，我们应该去公共立法领域吗?

9)有没有办法加快大规模现场实验以避免折现障碍?

10)为什么开发大规模监测的创新方法通常不被认为是一个好的研究课题，尤其是对有抱负的研究生来说?

11)大多数生态监测项目的结果都是“做对的事”(精确的、局部的测量)，而不是“做对的事”;我们能做些什么来改变这种科学文化?

12)在历史管理下繁荣发展的敏感物种是否应该首先被列入濒危物种名单，除非这些物种在明显的情况下，因为管理而改变了栖息地，以致没有自然种群仍然占据原来的栖息地?

13)在我的印象中，最努力维护信誉的人和机构实际上是最后信誉最少的人。大家都有这种印象吗?

14)作为科学家，我们有什么责任让不作为变得更令人不舒服，也就是说，在什么情况下，科学家应该故意试图策划公众对不作为的强烈反应?

15)在河岸恢复方面，有许多明显的双赢选择的例子(例如，大峡谷的水流可以被管理来维持一个比自然生态系统丰富得多的生态系统);为什么今天这么多的生态学家和环保主义者把“自然”等同于“最好”?

欢迎对本文进行回复。如果被接受发表，您的回复将被超链接到文章。要提交评论，请关注这个链接．要阅读已接受的评论，请关注这个链接．

Bakun,。1996.海洋模式:海洋过程和海洋种群动态．加州大学海洋基金(与墨西哥南下加利福尼亚拉巴斯诺罗埃斯特生物研究中心合作)，加州圣地亚哥，美国。

巴恩豪斯，l.w.， R. J.克劳达，D. S.沃恩，R. L.肯德尔，编辑。1988.科学，法律和哈德逊河发电厂。环境影响评价案例研究。美国渔业协会，专著4。

卡斯蒂尔贝里，d.t.，小J.J.切赫，d.c.埃尔曼，d.j.汉金，m.m.希利，g.m.康多夫，m.m.曼格尔，m.m.莫尔，p.b.莫伊尔，J.J.尼尔森，t.p.斯皮德，j.c.威廉姆斯。1996.不确定度和水流标准。渔业21(8): 20日至21日。

科利尔，m.p, R. H.韦伯，E. D.安德鲁斯。1997.大峡谷的实验性洪水。科学美国人1997年1月。

克罗斯，c·l, l·拉皮，e·a·佩里。1991.1971年至1989年，英属哥伦比亚孵化场生产奇努克和银鲑。加拿大渔业和水产科学技术报告Number1816。

Emlen, j.m.， R.R. Reisenbichler, A.M.麦吉和T.E.尼克尔森。1990.银鲑在海上的密度依赖性(雄鱼kisutch)．加拿大渔业和水产科学杂志47: 1765 - 1772。

甘德森，l.h。、c·s·霍林和s·s·莱特。1995.生态系统和制度更新的障碍和桥梁。哥伦比亚大学出版社，美国纽约。

哈尔伯特，c.l.。1993.适应性管理有多强?在华盛顿州和不列颠哥伦比亚省实施适应性管理。鱼类生物学与渔业综述1: 261 - 283。

希尔本，R.和C.沃尔特斯。1981.环境基线和过程研究的缺陷。环境影响评估检讨2: 265 - 278。

希尔本，R.和C. J.沃尔特斯。1992.鱼类数量评估和管理:选择、动态和不确定性。查普曼和霍尔，纽约，纽约，美国。

霍林，c.s.，编辑。1978.适应性环境评估与管理。约翰·威利，纽约，纽约，美国。

________。1992.生态系统的跨尺度形态、几何和动力学。生态专著62: 447 - 502。

哈钦斯，j.a.， C.沃尔特斯，R. L.海德里希。1997.科学探究与政府信息控制不相容吗?加拿大渔业和水产科学杂志54: 1198 - 1210。

李k . N。1993.罗盘和陀螺仪:为环境整合科学和政治。岛屿出版社，华盛顿特区，美国。

莱文(Simon A。1992.生态学中的格局与尺度问题。生态73: 1943 - 1976。

长,机械工程师1997.大峡谷。国家地理192(1) 1997年7月:117-135。

路德维希，希尔伯恩，c·j·沃尔特斯。1993.不确定性、资源开发和保护:历史的教训。科学260(4月2日):17,36。

Mapstone, B. D.， R. A. Campbell和A. D. M. Smith。1996.设计用鱼线和鱼叉捕鱼对大堡礁影响的实验调查。CRC珊瑚礁研究技术报告7号，澳大利亚昆士兰州汤斯维尔詹姆斯库克大学珊瑚礁研究中心。

米利曼，s.r.， A.P.格里玛，还有C.J.沃尔特斯。1987.在适应性管理框架内制定政策，并应用于鳟鱼(Salvelinus湖红点鲑)管理。加拿大渔业和水产科学杂志44(2)补充:425 - 430。

Nickelson,式样1986.上升流、海洋温度及含盐量对银鲑海洋生存的影响(雄鱼kisutch)在俄勒冈生产地区。加拿大渔业和水产科学杂志43: 527 - 535。

奥格登，j.c.和S.M.戴维斯，编辑。1994.大沼泽地:生态系统及其恢复。圣露西出版社，德尔雷，佛罗里达州，美国。

帕尔马，a.m.，和R.B. Deriso。1990.面对替代招募假设的循环股票的实验收获。加拿大渔业和水产科学杂志47: 595 - 610。

佩里，E. A。1995.鲑鱼种群的恢复和增强:不列颠哥伦比亚省的策略和经验。美国渔业学会研讨会15: 152 - 160。

彼得曼，r.m.，和D.M.劳特利奇。1983.俄勒冈银鲑的实验管理:信息产量设计。加拿大渔业和水产科学杂志40: 1212 - 1223。

Skud, B.E.1975.大比目鱼数量的修正估计和汤普森-伯肯路辩论。国际太平洋大比目鱼委员会科学报告56.

范·温克尔，W, c·c·库坦特，h·i·耶格尔，j·s·马蒂斯，d·j·奥斯，r·g·奥托，s·f·瑞尔贝克，m·j·塞尔。1997.不确定度和水流标准;基于水电研究与评价的展望。渔业22(7): 21 - 22。

范·温克尔，W·k·a·罗斯和r·c·钱伯斯。1993.鱼类种群动态的个体研究方法综述。美国渔业学会学报122: 397 - 403。

沃尔特斯，c.j。1986.可再生资源的适应性管理。；麦克米兰，纽约，纽约，美国。

________。1994.在管理实验评价中使用博弈程序。加拿大渔业和水产科学杂志51: 2705 - 2714。

沃尔特斯，c。J。和r。格林。1997.生态系统试验管理方案的评估。野生动物管理杂志，出版中。

沃尔特斯，C. J. L.甘德森，C. S.霍林。1992.大沼泽地水资源管理的实验性政策。生态应用程序2: 189 - 202。

沃尔特斯，c。J。和r。希尔本。1976.捕鱼系统的自适应控制。加拿大渔业研究委员会杂志33: 145 - 159。

沃尔特斯，c。J。和J。J。麦奎尔。1996.从北方鳕鱼数量锐减中吸取的教训。鱼类生物学与渔业综述6: 125 - 137。

沃尔特斯，c。J。和k。J。塞恩斯伯里。1990.设计一个测量捕鱼对大堡礁影响的大型实验。手稿报告，大堡礁海洋公园管理局，汤斯维尔，澳大利亚昆士兰。

沃尔特斯，c.j.， g·斯蒂尔，g·斯潘格勒。1980.湖鳟的反应(Salvelinus湖红点鲑)到收割、放养和减少七鳃鳗。加拿大渔业和水产科学杂志37(11): 2133 - 2145。