The Anthropocene affects how we manage the environment in many ways, perhaps most importantly by undermining how past conditions act as baselines for future expectations. In a period when historical analogues become less meaningful, we need to forge new practices and methods of environmental monitoring and management, including how to categorize, manage, and analyze the deluge of environmental data. In particular, we need practices to detect emerging hazards, changing baselines, and amplified risk. Some current data practices, however, especially the designation and dismissal of outliers, might mislead efforts to better adapt to new environmental conditions. In this article we ask these questions: What are the politics of determining what counts as “abnormal” and is worthy of exclusion in an era of the ever-changing “normal”? What do data exclusions, often in the form of outliers, do to our ability to understand and regulate in the Anthropocene? We identify a recursive process of distortion at play where constructing categories of abnormal–normal allows for the exclusion of “outliers” from data sets, which ultimately produces a false rarity and hides environmental changes. To illustrate this, we draw on a handful of examples in regulatory science and management, including the Exceptional Event Rule of the Clean Air Act, beach erosion models for nourishment projects, and the undetected ozone hole. We conclude with a call for attention to the construction of “normal” and “abnormal” events, systems, data, and natures in the Anthropocene.

人类世以多种方式影响着我们如何管理环境，也许最重要的是破坏了过去的条件如何作为未来期望的基准。在历史类似物变得不那么有意义的时期，我们需要寻求新的环境监测和管理实践和方法，包括如何对环境数据进行分类，管理和分析。尤其是，我们需要采取措施来检测新出现的危险，不断变化的基准线和放大的风险。但是，当前的一些数据实践，尤其是异常值的指定和排除，可能会误导为更好地适应新的环境条件所做的努力。在本文中，我们提出以下问题：在不断变化的“正常”时代，确定什么算作“异常”并值得排除的政治因素是什么？数据排除（通常以异常值的形式）对我们在人类世理解和调控的能力有什么影响？我们确定了失真的递归过程，其中构造异常-正常类别可以从数据集中排除“异常值”，这最终会产生错误的稀有性并隐藏环境变化。为了说明这一点，我们借鉴了监管科学和管理领域的一些例子，包括《清洁空气法》的“例外事件规则”，营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。通常以离群值的形式出现，这会影响我们在人类世间的理解和调控能力吗？我们确定了失真的递归过程，其中构造异常-正常类别可以从数据集中排除“异常值”，这最终会产生错误的稀有性并隐藏环境变化。为了说明这一点，我们借鉴了监管科学和管理领域的一些例子，包括《清洁空气法》的“例外事件规则”，营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。通常以离群值的形式出现，这会影响我们在人类世间的理解和调控能力吗？我们确定了失真的递归过程，其中构造异常-正常类别可以从数据集中排除“异常值”，这最终会产生错误的稀有性并隐藏环境变化。为了说明这一点，我们借鉴了监管科学和管理领域的一些例子，包括《清洁空气法》的“例外事件规则”，营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。我们对人类世代的理解和调节能力如何？我们确定了失真的递归过程，其中构造异常-正常类别可以从数据集中排除“异常值”，这最终会产生错误的稀有性并隐藏环境变化。为了说明这一点，我们借鉴了监管科学和管理领域的一些例子，包括《清洁空气法》的“例外事件规则”，营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。我们对人类世代的理解和调节能力如何？我们确定了失真的递归过程，其中构造异常-正常类别可以从数据集中排除“异常值”，这最终会产生错误的稀有性并隐藏环境变化。为了说明这一点，我们借鉴了监管科学和管理领域的一些例子，包括《清洁空气法》的“例外事件规则”，营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。我们在监管科学和管理中借鉴了一些示例，包括《清洁空气法》的“例外事件规则”，用于营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。我们在监管科学和管理中借鉴了一些示例，包括《清洁空气法》的“例外事件规则”，用于营养项目的海滩侵蚀模型以及未发现的臭氧空洞。最后，我们呼吁注意人类世间“正常”和“异常”事件，系统，数据和自然的构造。