生态（三）

一方面，关于研究质量的一定程度的内省和关注是良好做法的指标，因为它有助于维持标准和改进纪律的方法。 然而，另一方面，太多的关注可能是适得其反的，因为它可以破坏执业科学家的努力。 实际上，对统一性理论，预测力和数学模型的重要性有时被描述为“物理嫉妒”（EGLER 1986; Kingsland 1985 [1995：234];麦金托斯1987; Shrader-Frechette＆McCoy 1993：34）。 此外，这些理论问题可能对某些子学科进行不成比例地破坏，其中泛化和预测特别困难（见§3.2）。 例如，已经呼吁消除入侵生物学作为自治小学科（Valéry等，2013），以及呼吁减少分配给应用生态研究的资金，支持基本（或纯）生态研究（见§3.6讨论区分）（CourChamp，Dunne等人。2015）。

3.2复杂性

生态学的复杂性是一个棘手的话题，因为没有任何无可争议的复杂性定义，既不在生态范围内，也不是外部的（Elliott-Graves，2023）。 当生态学家谈论复杂性时，它们通常会指的是生态系统的一个或多个特征，这有助于复杂性。 这些特性包括具有多个部件（Levins 1966; Miller＆Page 2007），部件之间的相互作用（根据相互作用的数量（连接）和这些相互作用的强度（互动强度）（Odenbaugh 2011; PIMM 1991），非线性或反馈（一个因素的变化可能导致系统行为中的不成比例变化）和路径依赖（系统后来的状态取决于其先前的状态）（Levin 1998）。

3.2.1生态复杂性的特征

在生态学内和外部的复杂性具有特别重要的特征，是它们的行为量超过其部分的总和（Mitchell 2003; Simon 1962）。 换句话说，它们具有紧急属性。 一些紧急的属性被认为是他们自己的复杂性的特征。 例如，系统的分层组织有助于自组织和因果自主权，即系统调节自己状态并创建和维护使能够运到功能的流程的能力（Levin 2002,2005）。 出现在更广泛的条件下是重要的，因为它形成了复杂系统研究的反还原剂方法（Mitchell 2009）的基础。 这一想法是，因为这些属性不仅仅是其部分的总和，因此应在这些行为发生的级别而不是较低级别的级别发生调查复杂系统。

与生态系统特别相关的复杂性的特征是异质性（Elliott-Graves 2018; Levins 1966; Matthewson 2011）。 简单地，当它们的部件不是均匀的时，系统是异构的，但是以一种或多种方式变化。 考虑一套连锁帆船：它由许多相互作用的金属环组成，但环是均匀的，因为每个环几乎与其余部分相同。 相比之下，生态系统显示系统内的异质性：每个系统由许多不同的物种和非生物组分组成。 事实上，就它们的行为方式（Elliott-Graves 2018,2023; Levins 1966）而言，相同物种的个体之间甚至存在甚至存在差异。 生态系统还显示系统间异质性，即系统之间存在差异（Elliott-Graves 2018,2023; Matthewson 2011）之间存在差异。 例如，森林和草原生态系统可能具有相似的营养级别，但它们由非常不同类型的物种组成。 甚至两个相同“类型”的生态系统，例如两个森林，通常具有截然不同的物种和/或显示出非常不同的动态和相互作用。

3.2.2复杂性的影响

复杂性以两种不同的生态方式重要。 第一个是积极的，这意味着它解释了一些生态学的基本问题：生态系统如何成为可能？ 他们怎样才能在面对无数的内部和外部干扰方面坚持？ 这个想法是复杂的社区（即，具有多样化/异构互动部件的社区）更稳定，能够适应诸如火灾，新竞争对手，新捕食者或突然气候变化的变化，而不会分开。 这种观点由罗伯特可能（1973年）是着名的，他使用数学模型表明我们应该期望复杂的社区不太稳定。 辩论持续到今日，生态学家和生态学哲学家使用越来越成熟的复杂性，多样性和稳定的概念，争论或反对“多样性 - 稳定”假设（McCann 2000; Odenbaugh 2011）。 然而，尽管有关于这一假设的差异，但生态学家似乎已经达成了一定的共识，同意复杂性是健康和成熟的生态系统的特征，尽管这些系统可能易于特殊的干扰（Hooper等，2005; Loreau等人。2001; MCCANN 2000;帕罗特2010）。

复杂性也很重要，因为它阻碍了生态系统的研究，创造了对数据集合的困难，实验的设置和解释，模型的建设和解释，系统动态的可预测性以及所以的可行性和成功干预措施。 生态系统的复杂性，尤其是动态相互作用，非线性，反馈和异质性的形式，使每个生态现象或系统特质，阻碍了概括和预测的构建。 换句话说，知识科学家从学习一个生态系统中获得没有转移到其他系统或未来的同一系统（Elliott-Graves 2023; Levins 1966; Matthewson 2011）。 例如，基于Keystone物种概念的社区结构的解释随后被证明是假的，因为它结果在不同系统（Cottee-Jones＆Whittaker 2012）上以相同的方式表现不同样的方式。 同样，当底层模式改变或打破时，预测可能会失败。 例如，物种分发模型（SDMS）通常用于通过将物种本国利基的变量投影到新区域（Sobek-Swant等，2012）来预测集殖民地定植新区域的种类范围（Sobek-Swant等。2012）。 然而，气候变化可以使这些预测不准确，例如意外的更高温度或更少的极端冷事件可以将物种的范围增加到通常能够殖民（Cuddington等，2018）。

3.3法律

相关问题是法律。 在传统的科学哲学账户中，揭示自然法律是科学研究的重要目标和成熟，成功的科学纪律（Colyvan＆Ginzburg 2003; Mitchell 2000）。 如何定义自然定律有很多和不同的账户（参见大自然的法律）。 简单地重建了传统的法律观点：性质规律是必然是真实的概括（即，不是偶然的），并且在没有任何例外的所有空间和时间内持有（Mitchell 2000）。 生态学法规的候选人包括竞争排斥，密度依赖性人口调节，岛屿生物地理，最优性模型，供应侧生态学理论和同种异数缩放法律的原则（Beck 1997; Justus 2021; Raerinne 2011）。

问题在于，在生物领域，大多数概括的“失败”就是所有三个计数。 对于开始，生物实体及其互动在进化历史上取决于进化历史，即，他们是历史事故，因此对他们或其因果关系的任何概括都不是必要的真理（Mitchell 2003）。 其次，生物系统的复杂性意味着概括远非含糊，但只能在某些情况下保持（见§3.2）。 第三，概括往往适用于生物体的子群，因此它们远非普遍。 由于经验监察器的出现（Beck 1997; Raerinne 2011）出现，前一段中提到的所有律法的候选人都被推翻了。

如何在生态学中解释这些“故障”的三种方式。 首先是这些都是确实失败，没有法律的纪律不是真正的科学（Lawton 1999; Peters 1991）。 第二个观点是承认生态没有传统意义上的法律，但这并没有减少学科的科学状态（Beck 1997; Shrader-Frechette＆Mccoy 1993）（见§3.1。）。 第三次观点是争辩说，如果在这种自然定律的定义，生态没有法律，那么故障就在于法律的定义，因为它不必要的强大（Colyvan＆Ginzburg 2003; Linquist等，2016）。 经典的二分法（必要/偶然，普遍/偶然）对练习科学家无用，因为概括的观点是他们帮助科学家达到各种目标，例如解释和预测世界的自然现象或干预世界。 在这种情况下，生态法律的最重要特征是它们是不变的，稳定或有弹性的，即它们持续到足够长，在要检测到的某些情况下并用于制定预测（但是到达的时间恰好等于这也是一个辩论问题）（Colyvan＆Ginzburg 2003; Linquist等，2016.关于生态学法律的更详细讨论，请参阅Elliott-Graves 2023）。 最后，Raerinne（Raerinne 2011,2013,2015）合并了所有三个观点的方面，认为我们应该关心的法律方面是他们是不变和外推的概括。 如果生态概括是不变的，那么他们就足以产生解释，因此他们是否是法律是在问题旁边。

3.4级别

关于科学哲学级别的辩论和讨论是非常复杂的，因为它们带来了哲学和许多不同科学的本体，认识和方法论问题（Brooks等，2021）。 有关生态学的问题可以位于生物学中组织层面（生物学水平）的更一般性讨论范围内。 与生态相关的主要视图是传统的“层蛋糕”账户。[1] 从历史上看，这一观点在科学哲学中举行了多年，在许多科学（包括生态）（生物学水平）中仍然普遍存在。 粗略地，它指出了世界层次组织，每个大自然级别对应于研究它的科学。 当我们试图确定作为一个水平的计数时，事情变得复杂，无论是各个层面是否相等或是否有些是更基本的或者应该在科学中优先考虑。 因此，例如，还原剂倾向于优先考虑较小的水平，而抗还原剂倾向于看待更高的水平，以解释和预测科学现象。 由于空间考虑，这是所有这些观点的非常松散的表征; 有关更详细的解释（生物学，科学减少，生物学，单位和选择水平，科学级别，科学机制，科学机制，突出物业，易等级）的减少。

传统的层蛋糕方法与其关于每个级别的相对重要性的分歧在生态中显然是显而易见的（尽管生态学家倾向于使用不同的生态单位（个人，人群，社区和生态系统）开始的术语规模而不是级别）是不同的子学科与自己的方法（见§2.1＆§3.5）。 实际上，有影响力的保护生物学家芦苇恩斯声称

生态学中的许多最持久的争议可以追溯到观看不同空间或时间尺度的情况的不同方...观察性质的规模决定了检测到的模式和过程。 （NOSS 1992：240）。

规模的本体论点在生态学中具有悠久的历史。 例如，Odum的生态学教科书（Odum 1953），将人群和社区添加到生物学（细胞，组织，器官，有机体）的组织层次的层次结构中。 o'neill等人后来，o'neill等，将本体论层次结构扩展到生态系统（o'neill等，1986）。 如第2.1节所示，关于生态学哲学的辩论，关于各种生态单位的本体主义状态，例如人口，社区和生态系统，包括每个这些单位是否仅仅是一个整体或个人，以及它们是否反映了真正的自然类别（Lean 2018; Millstein 2009; Odenbaugh 2007,2010; Stegenga 2010）。 规模的生态讨论也集中在时间的重要性，即，现象或过程所需的时间需要多长时间。 生态学家开发了一个层次结构，其中时间尺度约束其他组织尺度，例如光合作用与树增长（o'neill等，1986）。 据詹姆斯·迪拉斯科（2017年）介绍，在其他组织尺度上的这种优先级排序是一个重要的概念创新，这使得整个组织的规模概念克服许多批评的批评（例如，由Angela Potochnik，2021）。

生态学家也关注生态规模的认知效果。 生态现象和过程发生在多种尺度（例如，人群，生态系统，季节，世代）和现象表现通常不容易进行调查的规模，因此必须在其他（通常更小）的尺度和结果中进行测量推断给兴趣水平（施耐德2001）。 “规模问题”的典型例子，因为它被命名为生物多样性损失（见§2.4），其中衡量生物多样性必然会发生在小区，但物种灭绝在生态系统水平上的影响。 随着物种数量不直接扩展地理区域的增加，生物多样性的样本措施与其外推到整个生态系统（Chase＆Knight 2013; Schneider 2001）之间存在差异。

3.5方法

生态学中使用的主要研究方法是数学和计算模型，实验，观察研究以及各种统计工具，用于数据收集，分析，解释和合成。 从历史上看，各种水平和类型的生态系统的研究主要与某些方法相关，例如，专注于人口或社区级模型，岛屿生物地图专注于现场实验等的水生生态系统（ResetArits＆Bernardo 1998; Hairston 1989; Kingsland 1985 [1995]，2005）。 然而，具有更大的识别的优点和缺点的每一个方法随着技术的进步数据收集和计算功率，方法是越来越集成在生态尺度和子学科（kareiva，帕克，与pascuel 1996; kareiva＆安徒生1988;啄2004）。

3.5.1型号

数学建模是生态研究的一个组成部分（Odenbaugh 2019b）。 事实上，对于许多生态学家来说，生态学只成为了一个真正的科学学科，随着数学模型的发展和广泛使用（Kingsland 1985 [1995]，2005）。 生态历史与有影响力的模型标点，如人口增长模型（Reed＆Pearl 1927），Lotka-Volterra捕食和竞争模型（Knuuttila和Loettgers 2017; Weisberg 2007b），物种分销模型（如Garp和Maxent; Sobek-Swant等，2012; Townsend Peterson等，2007年）和生态系统网络模型（如Ecopath和Ecosim; Heammans等，2016）。

模型复杂性

在生态建模的文献中的一个重要且持续的辩论涉及应纳入数学模型的适当复杂程度。 在第一个阵营是那些争辩的人应该简单的人，以减少系统的固有复杂性，使它们更具易行和更广泛（Hitchcock＆2004; Perretti，Munch＆Sugihara 2013）。 理由是减少复杂性允许科学家区分核心因果因素，这些因素导致现象类和仅仅是特殊系统的特殊的细节。 在第二个阵营是那些认为模型应该包含复杂性的人，以便提供更准确的复杂系统图片（Essington等，2017;埃文斯等人2013; Travis等，2014）。 这里的理由是镜像真实世界系统的复杂性确保模型将捕获所有相关的因果因素和动态，从而产生复杂现象。

一种更细微的生态建模概念框架来自理查德莱文的工作（Elliott-Graves 2020a; Levins 1966,1993; Weisberg 2007a）。 Levins认为，生物系统非常复杂，因此捕获单一模型中的所有复杂性是不切实际的。 即使构建这样的模型是可行的，它也会对我们产生几乎没有意义。 此外，模型用于不同的目的，例如了解现象，使预测和介入世界。 因此，而不是尝试确定模型复杂性的最佳水平，levins认为，在每种情况下，在每个案例中最佳的计数将取决于正在研究的系统和模型的预期用途。 更具体地说，Levins识别三个模型建筑的Desiderata：现实主义，一般性和精度。 现实主义是指模型如何准确地捕捉世界的因果结构; 模型是现实的，当它们没有过度简化或理想化时。 当它们适用于世界上许多系统并精确时，模型是一般的，当它们的产出精确指定时（Levins 1966,1993）。 由于生物系统的复杂性，科学家们可以最大化三个追逐数据中的两个。 这导致模型建筑的三种策略以及三种相应类型的模型。 I型模型（如Lotka-Volterra人口动态模型）牺牲了精密和一般性的型号，II型模型，（如物种分发模型和生态系统网络模型）牺牲了现实主义和精度和III型模型的一般性（如循环分析和循环分析模糊互动网）牺牲普遍性和现实主义的精度。

模型多元主义

据莱文称，科学家不需要在模型之间进行选择，但可以（并且应该）是多元主义的，并使用多种策略。 有两种方式可以概念化模型多元化。 首先涉及整体生态学的学科：不同的研究问题或不同的现象来呼吁不同的模型。 因此，将存在一般性更为重要的情况，其中预测准确性更为重要，依此类推。 在这些情况中的每一个中，不同类型的模型可能是最有用的。 模型多元化的第二次概念化（Levins也支持）更强大，并且担心每个特定的科学调查。 在这里，这个想法是科学家应该使用多种模型（理想的是来自不同的策略）来调查特定的现象。 只要模型彼此独立，那么它们就可以抵消，或者至少减轻彼此的错误和偏见。 如果我们非常幸运，模型输出将收敛，屈服于稳健性，这可以增加我们对模型的信心（Justus 2012）。 在Levins的自己的话语中，“真理在独立谎言”（1966：423）。

对于针对Levins拟议的替代框架的争论（Orzack 2005; Orzack＆Sob 1993）。 对于Levins对这些批评的回应，见（Levins 1993）。 韦林斯框架的讨论和改进（Elliott-Graves 2020A，2023; Justus 2005,2012; Odenbaugh 2003; Weisberg 2007a）。

3.5.2实验

与其他学科的情况一样，生态学的哲学家倾向于更多地关注科学实践的理论方面（生物学实验，另见§3.1），其中包括理论建设和测试，模型建设以及模型如何提供有关现实世界的信息（Elliott- Graves 2020B; Odenbaugh 2001; Weisberg 2007b）。 尽管如此，实验在生态研究中具有重要的位置，因为实验研究的纯粹数量，并且由于实验的认知意义。 正如其他学科的实验一样，担心可以绘制的认识结论（生物学实验）。 实验的目的是通过识别原因和效应之间的联系（Millstein 2019）进行因果推断。 问题是建立这些因果关系并不总是容易：实验可以简单地无法建立任何因果关系，可以限于实验设置，甚至是实验设置的伪像（生物学实验）。 在生态学中，就实验装置的类型和它们进行的水平而言，实验非常异质。 在这种情况下，异质性是有用的，它可以帮助我们理解并分类生态学实验所产生的认知问题。

生态实验可分为三类，实验室，现场和自然实验，每个实验室和天然实验都具有认识的优势和缺点（钻石1986; Millstein 2019）。 实验室实验是由实验室（Diamond 1986）中实验者产生扰动的那些。 实验室实验的主要优点是，实验者对生物和非生物环境具有更大的控制，这被认为对可以从实验（Millstein 2019）进行的因果推断提供更大的信心。 然而，该控制以成本为本：实验室设置是一个人工环境，隔离从复杂的因果网络调查的现象，它通常运行。这意味着在实验室设置中建立的因果推断可能不会在实验室之外延伸（有时候作为低外部有效性（Guala 2003）。