摘要

在科学活动中,由于对象的复杂性和人类认知的局限,通常通过"理想化"来研究现象。理想化是对系统"刻意"的错误表征,主要有伽利略式理想化、最低限度理想化和多重模型理想化三种形式。它不仅是出于实用主义的角度获得数学上的易处理性,更多的是为了探究复杂自然界背后可重复的"模式",并对之进行有效的解释和预测。在生态学研究中,"去理想化"在理论上完全可能,它增加了模型的"真实性"。但带来的认知代价乃至损失是不容小觑的,增加了模型的不确定性,不仅难以解释生态学系统层面复杂的涌现属性,而且模型的预测力也会降低。鉴于此,"理想化"依旧是生态建模中一个重要的方法论原则。