以自然为重点的联合研究和监测（2007 年、2011 年和 2015 年）的目的之一是统一各国截然不同的方法。统一方法有利于数据交换、管理和解释，为公园管理战略提供信息，以保护这些种群。目标物种/种群包括公园管理部门关注的物种/种群：棕熊、金雕、水禽、蝴蝶和蚂蚁。 棕熊是一个重要的例子，它影响着驯鹿牧民的生计，而驯鹿牧民是帕斯维克-伊纳里地区重要的利益相关者。 这三个国家都有猎杀棕熊的活动，在确定狩猎许可证数量时使用的是棕熊的估计数量。现代 DNA 采样方法是对跨境熊种群数量的最佳估计。通过分布在各地的毛发采集站采集毛发进行 DNA 分析。此外，还鼓励当地居民，特别是猎人和野外工作的同事收集粪便样本。由于各年采用的方法相同，因此可以对各年的结果进行比较。

入侵植物出现在塔亚河两岸，塔亚河是国际边界，也是两个国家公园的分界线。 两个公园的工作人员分别从河两岸清除植物，并在监测工作发现植物后将其清除。 最初由波迪伊国家公园提出联合清除项目时，塔亚塔尔国家公园的工作人员对清除入侵植物工作的效率持怀疑态度，因为他们了解到在其他地区曾多次尝试清除入侵植物，但都没有成功。因此，塔亚塔尔国家公园只愿意在初期投入少量资源，以检验根除工作是否有效。在取得初步成功后，塔亚塔尔国家公园投入资源，与波迪伊国家公园联合开展了更大规模的清除措施。由于这两个公园都反对使用杀虫剂，因此需要人工清除单株植物，而且最好是在种子萌发前的幼苗期清除。否则，种子可能会在清除成株时传播。不过，事实证明，在存量较大的地方，除草措施非常有效。

两个国家公园的负责人每年会晤 4-5 次，讨论入侵植物监测和清除情况等问题。在他们的共同努力下，该项目获得了资金，并采取了必要的行动。此外，两个公园的其他工作人员也会在需要时随时会面，分享有关监测和清除工作的信息。

波迪伊国家公园全权负责监测河谷中喜马拉雅香蒲和其他入侵植物的侵扰情况。国家公园的工作人员使用船只沿河岸监测植物的生长情况，尤其是在陆路难以到达的地区。如今，塔亚塔尔国家公园的工作人员也加入了船员队伍，每年从河面上进行一次监测。消灭入侵物种的措施在一年中会实施多次（2 到 6 次）。 喜马拉雅香脂树在边界两侧都有分布，但波迪吉国家公园更有能力实施这些措施。因此，根据两个国家公园的能力，对监测和管理的参与进行了划分。

第一步是组建一个核心团队，由两名具备决策分析和研讨会促进技能的结构化决策 (SDM) 教练员和一名代表跨境地区每个保护区的权威人士组成。经与公园负责人协商，确定一名主要联系人，该联系人应具备参与整个决策过程所需的知识和时间。然后，核心小组召开一系列电话会议或会议，以确定联合跨界管理问题。在两次电话会议之间，核心小组会审查两个保护区的任何现有管理计划以及公园之间跨境合作的指导文件，以确定共同的管理主题。然后，核心团队制定一个简明扼要的一句话跨界保护问题，概括重点决策、相关目标和时间范围："在未来 10 年内，特里格拉夫国家公园和朱利安普雷阿尔卑斯自然公园的管理者如何分配资源，才能最好地满足所有关注朱利安阿尔卑斯山棕熊的利益相关者？

第一步是确定在解决跨境管理问题时应考虑的利益相关者群体，包括但不限于保护区工作人员本身。确定了六个利益相关者群体：自然保护、农业、林业、旅游业、研究以及当地社区和市政当局。然后，核心团队确定最多 8 名利益相关者代表，将其纳入决策分析过程。然后，每个参与的公园管理机构从每个利益相关者群体的角度独立确定 2-5 个关注问题和/或愿望。接下来，每个核心小组将愿望和关注点转化为目标声明，然后将最终目标与中间目标区分开来，中间目标只是实现最终目标的手段。然后，确定一套减少了的三个可量化的最终目标，以代表利益相关者群体的主要权衡和关切，同时作为衡量重点跨境保护工作成功与否的标准。将重点放在数量较少的最终目标上，可确保进行参与式决策分析的可行性和可理解性。

在教练的协助下，公园管理部门确定了一份对最终目标具有重大潜在影响的因素清单， 这些因素至少部分超出了公园工作人员的控制范围。然后，他们将外部因素的范围缩小到一组重点因素，这组重点因素的规模和对最终目标的影响具有高度的不确定性。 接下来，公园管理者会制定两个备选方案，代表外部因素未来可能的发展轨迹。 现状方案假定系统动态（即外部因素及其影响和管理活动对实现目标的有效性）将遵循最有可能的未来轨迹。 乐观情景假设系统动态比预期更有利于实现目标。 为保持参与式决策分析的可行性，可记录更多情景（如悲观情景），以备今后分析之用。在列出可能的管理活动后，公园管理者根据他们认为最有可能在各种外部因素情景下实现目标的方式，独立分配每项活动的百分比。

通过研讨会和电话会议，核心团队制定了一个简明的影响图，表示可能的行动、外部因素和最终目标之间的关键假设关系。 在开发贝叶斯决策网络时，教练们将此图作为概念基础，以便在影响图中分配利益相关者的价值和概率。 因此，贝叶斯决策网络提供了量化决策模型的可视化。 在另一个包括 8 位具有代表性的利益相关者和最多 2 位专家的工作坊中，教练要求每位参与者单独为模型提供数字输入。 在 0 到 100% 的范围内，有两种类型的问题可供选择：1) 在考虑其他外部因素和分配方案的情况下，特定外部因素或最终目标遵循特定轨迹的几率百分比；2) 对三个最终目标的每种可能结果组合的满意度百分比。 在接下来的讨论中，利益相关者就一组预测值和满意度得分达成一致，以代表决策分析参与者的平均值。

根据贝叶斯决策网络的输入和结构计算出的预期利益相关者满意度，即为推荐的分配方案。 分析人员认识到所得出的预测和满意度水平存在不确定性，因此进行了敏感性分析，以探索建议的分配方案是否会因分析所用的输入集合而发生变化。 具体而言，他们会运行两次分析：一次使用平均输入，第二次仅基于（来自个人的）对每个变量的输入，该输入最有利于对立的分配方案（即在平均输入下预期满意度较低的方案）。 如果建议在第二次模型运行后发生变化，分析师就会使用两次模型运行的结果来计算完 美信息的预期值。 这一计算结果代表了如果通过进一步研究完全解决了模型中变量和关系的不确定性，满意度的预期增长百分比。 这提供了一种检查建议分配对不确定性的稳健性的方法，并可为改进决策提出进一步研究的建议。

许多 "鱼翅斗士 "都不是科学家，也没有生物学或物种保护方面的背景。因此，我们创建了一个与科学家合作的系统，以产生一种切实的、合理的方法来促进物种保护行动。我们成立了一个鲨鱼科学家委员会，以分享技能并为鲨鱼保护，特别是摩洛哥的研究带来新技术。 与科学家合作，为他们的研究以及我们自己的报告收集数据，确保了一种基于需求的循环关系：科学家向我们提出数据需求，我们通过收集数据来满足这些需求，然后将这些数据用于他们的科学研究，并将研究结果提供给 Fin Fighters，用于推动实际的保护工作或努力实施执法/政策。 通过这种方式，我们都在共同努力，确保我们的需求得到满足，发表的任何论文都会将 Fin Fighters 称作数据收集机构，从而提高我们的可信度。