内陆小型水产养殖系统走向可持续性或崩溃的路径：来自社会-生态系统模型的见解

《Ecological Modelling》：Pathways to sustainability or collapse in inland small-scale aquaculture systems: insights from a social–ecological systems model

本文开发了一个社会-生态系统模型，分析内陆小型水产养殖系统中经济与生态反馈的相互作用，揭示了六个动态情景（平衡效率、超载、流量、刀刃边缘、倾斜池塘、衰变），并探讨了可持续 intensification 的路径和干预措施的有效性。

　　### 小规模内陆水产养殖系统长期动态的结构理解

内陆小规模水产养殖系统在改善粮食安全和缓解贫困方面具有巨大潜力，但这些系统的长期可持续性仍存在不确定性。这种不确定性主要源于经济和生态过程之间的相互作用，这些过程可能会增强或削弱系统的稳定性。本文提出了一种简化模型，用于描述小规模水产养殖系统中生产者财富、鱼类生物量和营养动态之间的反馈关系。该模型揭示了这些相互关联的反馈如何塑造系统的长期动态，并可能导致单稳态、双稳态或多稳态。这些状态分别对应系统崩溃、高产但高风险以及可持续的鱼类生产。

模型通过分岔和稳定性分析，识别了六种不同的动态情景：平衡效率、过载、波动、刀刃、倾倒池和衰减。这些情景代表了系统可能经历的不同长期结果。与预测具体结果不同，该模型提供了一种对小规模水产养殖系统动态的结构性理解，并强调了当地环境和生产者异质性在塑造系统结果中的重要性。此外，该模型还为情景化管理提供了理论基础，并有助于实证模型的开发。

### 模型的背景与研究动机

水产养殖作为全球增长最快的食品生产部门之一，提供了超过一半的鱼类供人类消费。然而，水产养殖的发展也与多种可持续性挑战相关，包括社会问题如不平等和公共资源困境，以及生态问题如富营养化和疾病爆发。关于谁从水产养殖中受益以及受益多少的讨论仍在继续，研究支持的观点是，水产养殖主要对那些有能力负担的人有益，但也可能对最贫困的人群产生积极影响。

越来越多的水产养殖产出来自内陆小规模生产者。许多小规模生产者生活在贫困率高、非农业收入和就业机会少、对市场中断高度脆弱的地区。他们经常面临财务、气候和环境风险，以及食物不安全、社会和监管问题。有时，小规模生产者对水产养殖池的生态知识有限，这些池塘由许多相互依赖的物理、化学和生物过程组成，并受到人为和环境因素的影响。此外，小规模生产者通常缺乏改进的农场技术和生产实践。因此，许多小规模生产系统并未得到改善，导致生产者无法实现高产和高收入，从而陷入贫困。

在这一背景下，主要关注的问题是，小规模水产养殖系统是否能够避免低产量、低投资的陷阱，并向可持续的高产量、高收入状态过渡。与农业研究相比，水产养殖研究很少采用社会-生态系统的视角来探索从长期动态的角度出发的发展路径。大多数研究集中在传统的商业单一种植系统，仅有少数研究关注小规模生产者。

此外，更广泛的内陆水产养殖研究通常集中在生产技术方面以及定量和定性影响评估上。在水产养殖研究中应用的数学和模拟模型通常研究生物物理动态，并探索影响鱼类生长和生态种群行为的生物和非生物因素。这些模型包括动态能量预算模型、热生长系数模型、基于生物量的模型或基于个体的模型。有时，水产养殖模型关注生物经济动态、优化问题或气候变化的影响。例外的是Filipski和Belton（2018）的工作，他们使用一般均衡模型研究小规模商业水产养殖对贫困的影响。

总体而言，人们对小规模内陆水产养殖系统中社会和生态过程如何塑造长期动态并创建结构性低产量陷阱知之甚少。很少有模型包括能够生成多稳态、分岔引起的转折点或滞后效应的内生经济和生态动态。为了弥补这一不足，我们开发了一个简化动态模型，以探索内生经济和生态反馈如何影响内陆小规模水产养殖系统的长期动态。

该模型借鉴了社会-生态系统研究（SES）的概念，并采用了应用于SES的动态系统建模方法。我们的目标不是开发一个能够准确反映内陆小规模水产养殖系统日常运营的预测模型，也不是将其校准到特定的实证案例研究，而是探索系统的定性行为和结构条件，这些条件可能影响系统经历的不同长期结果。从这个意义上说，该模型可以作为理论工具，用于识别可能的动态状态，如系统崩溃、贫困陷阱和高产但高风险的吸引子，并澄清内生经济和生态动态如何塑造这些结果。该模型还探索了系统内部的杠杆点，这些点可能是干预措施的有效实施地点，并确定了可能引发系统不稳定的关键点。在本文的语境中，干预措施指的是有意的外部短期影响，例如由机构或非政府组织提供的短期资产、营养或培训输入。

与经典模型不同，其中努力或资本投资是外生的，我们的模型允许财富在过去的生产结果基础上内生地演变。允许财富内生地演变捕捉了生产结果与未来投资能力之间的反馈，这是小规模生产系统贫困陷阱动态的核心机制。贫困陷阱指的是由自我强化机制形成的系统状态，这些机制使个体保持在低收入和低产量的均衡状态。

在包含经济、文化和生态变量的多维模型中，可以探索反馈驱动的陷阱，其中生产力可能无法逃脱低收入、低产量的均衡状态，如果再投资受限、环境退化或个体生产者与社区之间的跨层互动传播陷阱。

为了应对这些挑战，我们开发了一个动态模型，以探索内陆小规模水产养殖系统在这些反馈下的行为。本文的目的是双重的。首先，我们旨在探索由交织的社会-生态过程形成的内陆小规模池塘水产养殖系统的长期动态。其次，我们旨在识别系统内的杠杆点，以确定干预措施的有用性，并确定可能引发系统不稳定的关键点。

### 模型的构建与分析

本文开发了一个简化模型，用于研究内陆小规模池塘水产养殖系统。模型基于社会-生态系统研究（SES）的概念，并结合了对SES的动态系统建模方法。我们并不试图开发一个准确反映内陆小规模水产养殖系统日常运营的预测模型，也不将其校准到特定的实证案例研究，而是旨在探索系统的定性行为和结构条件，这些条件可能影响系统经历的不同长期结果。从这个意义上说，该模型可以作为理论工具，用于识别可能的动态状态，如系统崩溃、贫困陷阱和高产但高风险的吸引子，并澄清内生经济和生态动态如何塑造这些结果。该模型还探索了系统内部的杠杆点，这些点可能是干预措施的有效实施地点，并确定了可能引发系统不稳定的关键点。

与经典模型不同，其中努力或资本投资是外生的，我们的模型允许财富在过去的生产结果基础上内生地演变。允许财富内生地演变捕捉了生产结果与未来投资能力之间的反馈，这是小规模生产系统贫困陷阱动态的核心机制。贫困陷阱指的是由自我强化机制形成的系统状态，这些机制使个体保持在低收入和低产量的均衡状态。

在包含经济、文化和生态变量的多维模型中，可以探索反馈驱动的陷阱，其中生产力可能无法逃脱低收入、低产量的均衡状态，如果再投资受限、环境退化或个体生产者与社区之间的跨层互动传播陷阱。

为了应对这些挑战，我们开发了一个动态模型，以探索内陆小规模水产养殖系统在这些反馈下的行为。本文的目的是双重的。首先，我们旨在探索由交织的社会-生态过程形成的内陆小规模池塘水产养殖系统的长期动态。其次，我们旨在识别系统内的杠杆点，以确定干预措施的有用性，并确定可能引发系统不稳定的关键点。

### 模型的结构与分析

模型基于社会-生态系统研究（SES）的概念，并结合了对SES的动态系统建模方法。我们的目标不是开发一个能够准确反映内陆小规模水产养殖系统日常运营的预测模型，也不是将其校准到特定的实证案例研究，而是旨在探索系统的定性行为和结构条件，这些条件可能影响系统经历的不同长期结果。从这个意义上说，该模型可以作为理论工具，用于识别可能的动态状态，如系统崩溃、贫困陷阱和高产但高风险的吸引子，并澄清内生经济和生态动态如何塑造这些结果。该模型还探索了系统内部的杠杆点，这些点可能是干预措施的有效实施地点，并确定了可能引发系统不稳定的关键点。

### 模型的长期动态与情景分析

通过开发动态系统模型，我们使用了两种数学技术：稳定性分析和分岔分析。稳定性分析研究了在固定参数值下系统的存在和性质，而分岔分析揭示了当参数变化时系统的不同行为。稳定性分析提供了在固定参数组合下可能结果的快照，而分岔分析帮助我们探索这些结果如何在不同的生态或经济背景下演变。为了组织稳定性分析的见解，我们开发了一组情景，这些情景代表了不同的长期状态。这些情景捕捉了吸引子的组合，并在本文中呈现。接下来的第5节将更详细地探讨分岔，并追踪系统向可持续性转变的路径。由于本文的观察和结果需要以线性方式呈现，我们请求读者在阅读本文时保持耐心，因为某些结果可能需要同时阅读本节和第5节才能完全理解。

本节的目的在于使用稳定性分析来探索模型的长期动态。第3节的分析表明，模型（6）在不同的参数值下可以具有一个或多个稳定的平衡点。我们使用数值方法来识别吸引子，并分析它们在相空间中的位置（图2，图3）。表3包含了模型（4）中使用的参数的标准值。

吸引子位于原点附近代表不太理想的系统状态。这是因为原点附近的吸引子具有低资产、低鱼类生物量和低营养水平。低资产和鱼类生物量表明贫困和低生产力，而低到中等的营养水平则表明生态平衡状态。然而，如果营养水平过高，水质可能会恶化，从而减少生长甚至增加鱼类死亡率。为了捕捉这两种效应，我们将鱼类生长率建模为营养水平的函数。因此，经典的逻辑鱼类生长方程被修改为：通过营养水平和鱼类生物量的相互作用，我们能够研究系统在不同参数值下的行为，并识别吸引子的结构条件。

### 不同情景的分析

我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

这些情景不是对具体结果的预测，而是对系统在合理变化的关键驱动因素下可能行为的风格化描述。它们的目的是引导对系统长期动态、管理选项、风险和杠杆点的思考。情景总结在表5中。

表5列出了可能的长期情景，这些情景取决于生态和经济条件。情景包括平衡效率、过载、波动、刀刃、倾倒池和衰减。这些情景在图2、图3、图5、图6和图7中得到了进一步的解释。每个情景代表了系统可能经历的不同长期结果，并与参数值的变化相关联。

### 建模方法与参数分析

模型基于社会-生态系统研究（SES）的概念，并结合了对SES的动态系统建模方法。我们的目标不是开发一个能够准确反映内陆小规模水产养殖系统日常运营的预测模型，也不是将其校准到特定的实证案例研究，而是旨在探索系统的定性行为和结构条件，这些条件可能影响系统经历的不同长期结果。从这个意义上说，该模型可以作为理论工具，用于识别可能的动态状态，如系统崩溃、贫困陷阱和高产但高风险的吸引子，并澄清内生经济和生态动态如何塑造这些结果。该模型还探索了系统内部的杠杆点，这些点可能是干预措施的有效实施地点，并确定了可能引发系统不稳定的关键点。

与经典模型不同，其中努力或资本投资是外生的，我们的模型允许财富在过去的生产结果基础上内生地演变。允许财富内生地演变捕捉了生产结果与未来投资能力之间的反馈，这是小规模生产系统贫困陷阱动态的核心机制。贫困陷阱指的是由自我强化机制形成的系统状态，这些机制使个体保持在低收入和低产量的均衡状态。

在包含经济、文化和生态变量的多维模型中，可以探索反馈驱动的陷阱，其中生产力可能无法逃脱低收入、低产量的均衡状态，如果再投资受限、环境退化或个体生产者与社区之间的跨层互动传播陷阱。

为了应对这些挑战，我们开发了一个动态模型，以探索内陆小规模水产养殖系统在这些反馈下的行为。本文的目的是双重的。首先，我们旨在探索由交织的社会-生态过程形成的内陆小规模池塘水产养殖系统的长期动态。其次，我们旨在识别系统内的杠杆点，以确定干预措施的有用性，并确定可能引发系统不稳定的关键点。

### 情景分析与模型动态

模型的动态可以通过稳定性分析和分岔分析来研究。稳定性分析研究了系统在固定参数值下的行为，而分岔分析揭示了参数变化如何导致系统的不同动态。稳定性分析提供了在固定参数组合下可能结果的快照，而分岔分析帮助我们探索这些结果如何在不同的生态或经济背景下演变。为了组织稳定性分析的见解，我们开发了一组情景，这些情景代表了不同的长期状态。这些情景捕捉了吸引子的组合，并在本文中呈现。接下来的第5节将更详细地探讨分岔，并追踪系统向可持续性转变的路径。由于本文的观察和结果需要以线性方式呈现，我们请求读者在阅读本文时保持耐心，因为某些结果可能需要同时阅读本节和第5节才能完全理解。

### 情景的分类与分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 建模方法与参数分析

模型基于社会-生态系统研究（SES）的概念，并结合了对SES的动态系统建模方法。我们的目标不是开发一个能够准确反映内陆小规模水产养殖系统日常运营的预测模型，也不是将其校准到特定的实证案例研究，而是旨在探索系统的定性行为和结构条件，这些条件可能影响系统经历的不同长期结果。从这个意义上说，该模型可以作为理论工具，用于识别可能的动态状态，如系统崩溃、贫困陷阱和高产但高风险的吸引子，并澄清内生经济和生态动态如何塑造这些结果。该模型还探索了系统内部的杠杆点，这些点可能是干预措施的有效实施地点，并确定了可能引发系统不稳定的关键点。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 建模方法与参数分析

模型基于社会-生态系统研究（SES）的概念，并结合了对SES的动态系统建模方法。我们的目标不是开发一个能够准确反映内陆小规模水产养殖系统日常运营的预测模型，也不是将其校准到特定的实证案例研究，而是旨在探索系统的定性行为和结构条件，这些条件可能影响系统经历的不同长期结果。从这个意义上说，该模型可以作为理论工具，用于识别可能的动态状态，如系统崩溃、贫困陷阱和高产但高风险的吸引子，并澄清内生经济和生态动态如何塑造这些结果。该模型还探索了系统内部的杠杆点，这些点可能是干预措施的有效实施地点，并确定了可能引发系统不稳定的关键点。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔分析，我们识别了六种情景，这些情景对应于不同的参数组合。每种情景代表了系统可能经历的不同长期结果，具体取决于吸引子的数量和类型。在某些情况下，系统有两个吸引子：贫困陷阱和可持续状态。在其他情况下，可能会出现第三个吸引子或稳定的极限环。系统也可能只有一个吸引子，但始终是不理想的，如崩溃或贫困陷阱。可持续吸引子从不单独存在，而是总是与至少一个不理想的替代状态共存。

这些情景是通过分岔分析识别的。我们研究了吸引子的数量和稳定性、参数区间宽度以及吸引子盆地的相对大小，以区分不同动态的系统。这些数学情景随后与现实世界的解释联系起来，例如刀刃情景反映了对冲击的高度敏感性。

### 情景的分析

通过分岔