Change search
ReferencesLink to record
Permanent link

Direct link
Strategies for Sustainable Renewable Resource Management During Environmental Change
Stockholm University, Faculty of Science, Stockholm Resilience Centre.ORCID iD: 0000-0003-1546-0934
Stockholm University, Faculty of Science, Stockholm Resilience Centre.ORCID iD: 0000-0003-1206-4864
(English)Article in journal (Refereed) Submitted
Abstract [en]

As a consequence of global environmental change, enhanced management strategies for sustainable use of renewable resources must be developed. Here we undertake a novel approach to solving resource growth problems using a computational form of learning-by-doing to support optimal strategies for prevalent natural resource management dilemmas. We investigate discount rates, exploration versus exploitation, and updating versus retaining knowledge, to inform decision-making with respect to optimal actions (harvest efforts) for sustainable resource management. To operationalize these issues we use an artificially intelligent agent-based model and analyze how different trends and fluctuations in resource growth rates affect different management strategies. We find that resources with decreasing trends in growth rate demand higher adaptation rates and more exploration compared to increasing trends, for optimal efficiency. However, sustainable management strategies with both high efficiency and robustness to endogenous and exogenous disturbances can be obtained by striving for: higher update rates of new knowledge, high valuation of future outcomes, and modest exploration around what is perceived as the optimal management strategy.

Keyword [en]
Learning By Doing, Natural Resource Management, Growth, Reinforcement Learning, Neural Networks, Global Environmental Change, Mental Model
National Category
Social Sciences Interdisciplinary Ecology Other Natural Sciences
Research subject
Sustainability Science
Identifiers
URN: urn:nbn:se:su:diva-128599OAI: oai:DiVA.org:su-128599DiVA: diva2:915867
Funder
Mistra - The Swedish Foundation for Strategic Environmental Research
Available from: 2016-03-31 Created: 2016-03-31 Last updated: 2016-04-28Bibliographically approved
In thesis
1. Learning-by-modeling: Novel Computational Approaches for Exploring the Dynamics of Learning and Self-governance in Social-ecological Systems
Open this publication in new window or tab >>Learning-by-modeling: Novel Computational Approaches for Exploring the Dynamics of Learning and Self-governance in Social-ecological Systems
2016 (English)Doctoral thesis, comprehensive summary (Other academic)
Abstract [en]

As a consequence of global environmental change, sustainable management and governance of natural resources face critical challenges, such as dealing with non-linear dynamics, increased resource variability, and uncertainty. This thesis seeks to address some of these challenges by using simulation models. The first line of research focuses on the use of learning-by-doing (LBD) for managing a renewable resource, exemplified by a fish stock, and explores LBD in a theoretical model using artificial intelligence (Paper I and II). The second line of research focuses on the emergence of different forms of self-governance and their interrelation with the dynamics of trust among fishers when harvesting a shared resource, using an agent-based model. This model is informed by qualitative data based on small-scale fisheries in Mexico (Paper III and IV). Paper I and II find that the most sustainable harvesting strategy requires that the actor values current and future yields equally, cautiously experiments around what is perceived as the best harvest action, and rapidly updates its ‘mental model’ to any perceived change in catch. More specifically, Paper II reveals that understanding these aspects in relation to the type of change can yield not only increased performance, but also, and more importantly, increased robustness to both fast and slow changes in resource dynamics. However, when resource dynamics include the possibility of a more fundamental shift in system characteristics (a regime shift), LBD is problematic due to the potential for crossing a threshold, resulting in possible persistent reductions in harvests (Paper I). In Paper III, results indicate that cooperative forms of self-governance are more likely to establish and persist in communities where fishers’ have prior cooperative experience, fishers’ trustworthiness is more or less equal, and that this likelihood increases when resource availability fluctuates seasonally. Finally, to achieve a transformation toward more cooperative forms of self-governance, interventions are required that can strengthen both financial capital and trust among the members of the cooperatives (Paper IV). The unique contribution of this thesis lies in the method for ‘quantitatively’ studying LBD, the stylized model of a small-scale fishery, and the analysis of the two models to advance our understanding of processes of learning and self-governance in uncertain and variable social-ecological environments. Together, the results shed light on how social and ecological factors and processes co-evolve to shape social-ecological outcomes, as well as contributing to the development of novel methods within the emerging field of sustainability science.

Abstract [sv]

I vårt antropocena tidevarv är ett långsiktigt förvaltarskap av naturresurser inom social-ekologiska system av yttersta vikt. Detta kräver en djup förståelse av människan, ekologin, interaktionerna sinsemellan och deras utveckling över tid. Syftet med denna avhandling är att nå en djupare och mer nyanserad förståelse kring två av grundpelarna inom forskningen av hållbar förvaltning av naturresurser–kontinuerligt lärande genom learning-by-doing (LBD) för att förstå naturresursens dynamik, samt vad som kan kallas socialt kapital, i detta sammanhang i betydelsen tillit mellan individer, som naturligtvis ligger till grund för framgångsrik gemensam förvaltning. Denna föresats operationaliseras genom att använda två olika simuleringsmodeller. Den ena modellen undersöker hur en hållbar förvaltning av en förnyelsebar resurs, i denna avhandling exemplifierad av en fiskepopulation, kan uppnås genom LBD. Den andra modellen söker blottlägga det komplexa sociala samspel som krävs för att praktisera gemensam förvaltning genom att använda ett fiskesamhälle som fallstudie. Tidigare forskning på båda dessa två områden är relativt omfattade. Emellertid har den forskning som specialiserat sig på LBD i huvudsak inskränkt sig till empiriska fallstudier. Vad som bryter ny mark i denna avhandling är att vi konstruerar en simuleringsmodell av LBD där vi kan studera lärandeprocessen i detalj för att uppnå en mer hållbar förvaltning över tid. Beträffande modellen som behandlar socialt kapital så har tidigare forskning fokuserat på hur en organisation, eller grupp, kan uppnå hållbar förvaltning. Dock saknas ett helhetsgrepp där som tar hänsyn till alla nivåer; från individnivå (mikro), via gruppnivå (meso), till samhällsnivå (makro). Detta är något som denna avhandling försöker avhjälpa genom att undersöka betydelsen av individers egenskaper, uppbyggnaden av socialt kapital, samt hur detta påverkar emergens av ett samhälle dominerat av mer kooperativa förvaltningsformer respektive mer hierarkiska diton.

papper I and II studeras kärnan av LBD som återkoppling mellan en aktör och en resurs, där aktören lär sig genom upprepade interaktioner med en resurs.  Resultaten visar att LBD är av avgörande betydelse för en hållbar förvaltning, speciellt då naturresursens dynamik är stadd i förändring. I den mest hållbara strategin bör aktören värdera nuvarande och framtida fångster lika högt, försiktigt experimentera kring vad aktören upplever som bästa strategi, för att sedan anpassa sin mentala modell till upplevda förändringar i fångst relativt dess insats någorlunda kraftigt. I papper III och IV behandlas uppbyggnaden av förtroende mellan individer och grupp, samt själv-organiserat styre. Genom att använda småskaligt fiske i Mexiko som en illustrativ fallstudie, utvecklades en agent-baserad modell av ett arketypiskt småskaligt fiskesamhälle. Resultaten indikerar att kooperativa förvaltningsformer är mer dominanta i samhällen där de som utför fisket har liknande pålitlighet, starkt gemensamt socialt kapital vid kooperativets start, och då resursen fluktuerar säsongsmässigt (papper III). Papper IV visar att för att uppnå en transformation från hierarkiska förvaltningsformer till kooperativa diton krävs interventioner som inriktar sig på både socialt och finansiellt kapital. Denna avhandling bidrar således till en djupare förståelse kring hur socialt kapital växer fram, samt hur mer strategiska LBD processer bör utformas när abrupta och osäkra förändringar i ekosystemen blir allt vanligare på grund av människans ökade tryck på planeten.

Place, publisher, year, edition, pages
Stockholm: Stockholm Resilience Centre, Stockholm University, 2016. 44 p.
Keyword
Complex adaptive systems, Renewable resources, Adaptive management, Small-scale fisheries, Artificial intelligence, Reinforcement learning, Agent-based modeling, agent-baserade modeller, artificiell intelligens, social-ekologiska system, komplexa adaptiva system, förnyelsebara naturresurser, adaptiv förvaltning
National Category
Other Natural Sciences Ecology Environmental Sciences Social Sciences Interdisciplinary
Research subject
Sustainability Science
Identifiers
urn:nbn:se:su:diva-122395 (URN)978-91-7649-357-1 (ISBN)
Public defence
2016-05-19, Gröjersalen, hus 3, Kräftriket, Roslagsvägen 101, Stockholm, 09:30 (English)
Opponent
Supervisors
Funder
Mistra - The Swedish Foundation for Strategic Environmental Research
Note

At the time of the doctoral defense, the following papers were unpublished and had a status as follows: Paper 2: Submitted. Paper 3: Submitted. Paper 4: Manuscript.

Available from: 2016-04-26 Created: 2015-10-29 Last updated: 2016-04-28Bibliographically approved

Open Access in DiVA

No full text

Search in DiVA

By author/editor
Lindkvist, EmilieEkeberg, ÖrjanNorberg, Jon
By organisation
Stockholm Resilience Centre
Social Sciences InterdisciplinaryEcologyOther Natural Sciences

Search outside of DiVA

GoogleGoogle Scholar
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 81 hits
ReferencesLink to record
Permanent link

Direct link