宏观生态系统科学整合研究的多学科知识融合及其技术途径

综合认识大尺度的宏观生态系统结构功能、空间变异和动态演变的过程机理和模式机制,实现对生态系统变化及其对人类福祉影响的定量模拟、科学评估和预测预警,服务生态系统的利用保护及调控管理,是当代宏观生态系统科学的重要发展方向,正在孕育并形成大尺度的宏观生态系统科学整合生态学(IEMES)研究新领域。本研究通过对宏观生态系统科学整合生态学研究的基础理论、多学科知识融合途径及其关键技术问题的系统分析,形成以下几个基本认识: 1)宏观生态系统科学整合生态学研究是以区域、大陆和全球尺度的宏观生态系统为研究对象,采用多学科知识融合方法和技术,致力于解决人类社会发展的食物安全、资源安全、生态安全、环境安全等重大资源环境问题。2)宏观生态系统科学整合生态学研究的基本科技任务是: 理解宏观生态系统的结构功能基本属性,监测生态系统状态变化,解释生态系统时空演变规律,认知生态系统运维过程机理,定量评估生态系统功能状态及服务能力,预测生态系统动态演变及地理格局,预警生态系统变化及生态环境灾害。3)宏观生态系统科学整合生态学研究需要重新构造“多源数据分析-多模型模拟-多学科知识融合”的理论和方法学体系,发展“多尺度观测、多方法印证、多过程融合、跨尺度模拟”的多学科知识融合关键技术。4)大陆尺度的地基-空基-天基多时空尺度生态系统观测试验网络是承载多学科知识深度融合研究的基础科技设施,需要围绕区域、大陆和全球尺度的宏观生态系统科学问题,发展多要素-多过程-多界面-多介质-多尺度-多方法的多学科维度生态学知识融合关键技术。     

空间信息技术在国内生态学研究中的应用

遥感技术、地理信息系统、全球定位系统、地面自动观测网络等信息技术的应用, 既为生态学研究提供了丰富的数据源, 又为时空异质性数据的管理、分析、展示, 提供了技术手段。它们为生态学研究提供了前所未有的机遇。综述了空间信息技术在生态学要素获取、生态健康评价、生态安全评价、生态过程分析和生态系统管理中的应用现状,并在此基础上提出若干今后需要进一步加强研究的领域, 期望能对相关领域研究者有所帮助。     

我国区域尺度生态系统管理中的几个重要生态学命题

生态系统管理学是研究生态系统管理的理论与实践技术,相关政策和管理策略的综合性应用生态学。当前,综合研究全球或区域尺度生态系统管理模式及其相关的重大科学问题不公是人类社会可持续发展的迫切需要,也是生态系统管理学的重要发展方向和科学任务,为此,本文系统地论述了生态服务功能、可持续性、复杂性和不确定性的综合评价与生态学机制,自然资源保护、生态系统健康以及退化生态系统恢复的生态学基础,生态系统管理的基础生态学过程,生态系统适应性管理的理论与实践,生态系统网络研究,监测和成果集成,区域尺度生态系统管理的综合性专题研究等一系列重要生态学命题,讨论了这些生态学命题的国内外研究进展及其发展方向。     

面向生态系统评估的多源数据融合体系

基于生态系统服务功能的生态系统评估是识别生态环境问题、开展生态系统恢复和生物多样性保护、建立生态补偿机制的重要基础,也是保障国家生态安全、推进生态文明建设的重要环节。生态系统评估涉及生态系统多个方面,需要多要素、多类型、多尺度的生态系统观测数据作为支撑。地面观测数据和遥感数据是生态系统评估的两大数据源,但是其在使用时常存在观测标准不一、观测要素不全面、时间连续性不足、尺度不匹配等问题,给生态系统评估增加了极大的不确定性。如何融合不同尺度的观测数据量化生态系统服务功能是实现生态系统准确评估的关键。为此,从观测尺度出发,阐述了地面观测数据、近地面遥感数据、机载遥感数据和卫星遥感数据的特点及其在问题,并综述了这几类数据源进行融合的常用方法,并以生产力、固碳能力、生物多样性几个关键生态参数为例介绍了“基于多源数据融合的生态系统评估技术及其应用研究”项目的多源数据融合体系。最后,总结面向生态系统评估的多源数据融合体系,并指出了该研究的未来发展方向。     

生态系统管理的概念及其要素

生态系统管理起源于传统的自然资源管理和利用领域,形成于本世纪９０年代。它是指基于对生态系统组成、结构和功能过程的最佳理解,在一定的时空尺度范围内将人类价值和社会经济条件整合到生态 营中,以恢复或维持生态系统整体性和可持续性。生态系统管理要求收集被管理系统核心层次的生态学数据并监测生态系统的变化过程。生态系统管理的要素包括：有明确的管理目标,有确定的系统边界昨单元,基于对生态 深刻理解,有适宜的尺度     

基于文献计量的生态系统观测研究网络长期观测数据应用研究

基于CNKI数据库,采用文献计量和知识图谱的方法,通过对应用生态系统观测研究网络长期定位观测数据的文献进行分析,探讨长期观测数据的应用领域、具体用途、用户特点及不同生态站数据的应用状况与研究主题,以期为提高生态系统观测研究网络长期观测数据的共享服务能力、充分发挥长期观测数据的价值提供参考。分析结果表明:生态系统观测研究网络长期观测数据受到越来越多学者的关注,其应用学科领域以林业、农业基础科学为主,同时不断扩展到其他学科中,呈多元化态势;数据主要在生态系统服务研究、模型模拟、人工林研究、水污染研究、生物多样性研究、小麦玉米研究、土壤水分研究等方面发挥作用;数据的主要用户群体为高等院校和科研院所,不同机构应用长期观测数据开展的研究各有侧重;各生态站的长期观测数据能够为揭示其所代表生态区和生态系统类型的生态系统结构与功能、能量流动与养分循环的变化规律,分析主要生态环境问题的现状、动态变化及驱动机制等方面提供重要支撑。最后,对生态系统观测研究网络长期观测数据应用的相关方面提出几点建议:(1)健全数据引用机制,制定相应的科学数据引用和著录标准;(2)发挥生态网络长期观测数据优势,开展专题数据产品的生产,充分开发生态网络长期观测数据的潜在价值;(3)加大和稳定生态站的经费投入,提高生态站的观测能力和水平,同时还要完善、优化生态站布局。     

新一代遥感技术助力生态系统生态学研究

随着气候变化和人类活动的加剧, 生态系统正处于剧烈变化中, 生态学家需要从更大的时空尺度去理解生态系统过程和变化规律, 应对全球变化带来的威胁和挑战。传统地面调查方法主要获取的是样方尺度、离散的数据, 难以满足大尺度生态系统研究对数据时空连续性的要求。相比于传统地面调查方法, 遥感技术具有实时获取、重复监测以及多时空尺度的特点, 弥补了传统地面调查方法空间观测尺度有限的缺点。遥感通过分析电磁波信息从而识别地物属性和特征, 反演生态系统组成、能量流动和物质循环过程中的关键要素, 已逐渐成为生态学研究中必不可少的数据来源。近年来, 随着激光雷达、日光诱导叶绿素荧光等新型遥感技术以及无人机、背包等近地面遥感平台的发展, 个人化、定制化的近地面遥感观测逐渐成熟, 新一代遥感技术正在推动遥感信息“二维向三维”的转变, 为传统样地观测与卫星遥感之间搭建了尺度推绎桥梁, 这也给生态系统生态学带来了新的机遇, 推动生态系统生态学向多尺度、多过程、多学科、多途径发展。因此, 该文从生态系统生态学角度出发, 重点关注陆地生态系统中生物组分, 并分别从生态系统类型、结构、功能和生物多样性等方面, 结合作者在实际研究工作中的主要成果和该领域国际前沿动态, 阐述遥感技术在生态系统生态学中的研究现状并指出我国生态系统遥感监测领域发展方向及亟待解决的问题。     

生态环境大数据发展现状与趋势

随着大数据时代的到来生态环境大数据给生态环境领域研究带来了新的机遇与发展。本文回顾了生态环境大数据在收集、监测、分析与应用方面的发展现状。虽然生态环境大数据研究相对于其他领域起步较晚,但是目前正处于蓄势待发的状态。生态环境大数据研究未来的发展趋势为: 一、建立数据共享机制;二、需要跨区域的不同监测站点甚至不同观测网络进行联合观测与研究, 建立从样地到区域甚至到全球多尺度的、系统的观测与研究, 并且应该推进观测的标准化和规范化, 进一步统一不同生态环境观测网络的观测标准, 建立国际统一的观测标准和规范;三、需要开发针生态环境对大数据的统计分析软件, 尤其应该重视地理信息技术与统计分析技术的结合,特别是过程模型与大数据的结合。最后, 虽然生态环境大数据的应用研究相对薄弱但未来的发展空间是巨大的, 未来生态环境大数据的应用主要应该体现在生态环境资源管理、生态环境动态监测、生态环境评价等方面。     

生态系统管理学的概念框架及其生态学基础

系统地要领了生态系统管理学产生的历史背景和发展进程,讨论了生态系统管理的一些基本概念,生态学基础,管理目标及管理体制与实施方式,详细地论述了生态系统的生态学完整性与边界和时空尺度,生态系统的结构,功能与生态系统整体性,生态系统演替与系统动力学特性,生态系统的干扰与系统稳定性,生态系统的复杂性与不确定性,生态系统多样性与可持续生态系统,生态模型与数据收集和监测,人类活动对环境影响的双重性等生态学基础问题,阐述了在维持生态系统产品和服务功能的可持续性总体目标下,各类生态系统管理的具体目标。     

轻小型无人机低空遥感及其在生态学中的应用进展

无人机低空遥感系统弥补了航天和航空遥感在影像分辨率、重访周期、云层影响以及高成本等方面的不足,为中观尺度的生态学研究提供了新方法.本文介绍了轻小型无人机低空遥感系统的组成,从物种、种群、群落和生态系统尺度综述了其在生态学中的应用现状,并指出目前存在的不足和未来的发展方向,以期为无人机生态学的后续研究提供参考.无人机生态学当前面临的挑战和未来发展的方向主要有物种形态和光谱特征库的建立、物种自动识别、光谱数据与植物生理生态过程之间关系的进一步挖掘、生态系统三维立体监测、多来源多尺度遥感数据融合等.随着无人机平台技术、传感器技术以及数据传输处理技术的成熟,以无人机低空遥感技术为基础的无人机生态学将迎来发展的机遇和曙光.     

大数据在生态环境领域的应用进展与展望

随着互联网和移动通讯技术的发展,生态环境领域从信息采集到加工处理也进入信息化和数字化时代,数据量呈现爆发式增长,生态环境大数据受到越来越多的关注.生态环境大数据是在对生态环境要素“空天地一体化”连续观测的基础上,集成海量的多源多尺度信息,借助云计算、人工智能及模型模拟等大数据分析技术,实现生态环境大数据的集成分析和信息挖掘.生态环境大数据存在数据来源多样、涉及部门广;数据采集方式不统一;服务对象众多、对专业化服务要求高等特点.大数据已在生态环境领域得到了初步应用,如在全球气候变化预测、生态网络观测与模拟和区域大气污染治理等方面作用明显.目前我国生态环境大数据的发展还存在诸多问题,包括数据共享难、监测技术落后、传感器等监测设备严重依赖进口、数据集成和深度分析能力不足等.随着大数据技术的进步,未来大数据在解决生态环境健康问题、提高重大生态环境风险预警预报水平、提高生态环境领域科学研究水平等方面都将发挥巨大作用.大数据将最终实现生态环境管理决策定量化、精细化,生态环境信息服务多样化、专业化和智能化,为中国社会经济可持续发展和生态文明建设提供技术保障.     

植物物候学研究进展

植物物候变化在研究陆地生态系统对气候变化的响应时被誉为"矿井中的金丝雀",全球气候变化愈演愈烈,重新引起了人们对植物物候研究的广泛关注。随着观测技术的发展,在各种空间和生态尺度上收集到的物候观测数据迅速累积,尽管已经在多个尺度上（物种、群落和景观尺度）观察到物候变化,但物候变化的机理仍然没有得到很好的理解。回顾了国内外植物物候研究的发展历程;总结了物候数据收集技术进展和全球物候变化的主要趋势;归纳了植物物候变化的机理与驱动因素;探讨了物候模型研究及物候对气候变化响应研究的主要方向。随着物候观测技术在不同尺度上应用的增加,物候研究进入了一个新的阶段。未来物候研究需要制定跨区域标准化观测指南,融合所有相关学科,改进物候模型,拓展研究区域;同时融合有效的历史物候资料,采用新技术和长期收集的物候数据为大数据时代植物物候学研究提供基础。     

中国土壤微生物多样性监测的现状和思考

土壤微生物多样性研究是整个生态系统研究中最薄弱的环节之一。高通量测序技术和生物信息学方法的快速发展极大地促进了土壤微生物多样性监测研究的深度和广度。目前世界范围内已经开展了一些综合的微生物多样性研究计划, 如地球微生物计划。这些计划存在的主要问题是缺少动态的监测、研究方法不统一、数据整合困难等。中国土壤微生物多样性监测网(Soil Microbial Observation Network, SMON)是中国生物多样性监测与研究网络(Chinese Biodiversity Monitoring and Research Network, Sino BON)的重要组成部分, 本文中我们对该监测网的建设提出了一些思考。在监测布局上建议选择我国南北水热梯度下的森林生态系统、东西降雨梯度下的草原生态系统、典型湿地生态系统及重要农田生态系统, 同时依托现已建成的生物多样性监测网络观测点或大样地, 布设监测样点, 利用现代环境基因组学和生物信息学技术, 重点围绕土壤微生物群落和功能基因组的组成与多样性, 开展长期定点的动态监测。监测的结果将以名录、数据集或图鉴的形式发布, 包括中国典型生态系统中土壤细菌、古菌、真菌与地衣、土壤宏基因组和重要功能基因的组成和多样性等数据, 同时建设土壤生物大数据平台, 达到监测数据的储存、查询、分析、下载、成图的功能。通过土壤微生物多样性监测, 将阐明我国重要森林、草地、湿地、农田生态系统中土壤微生物组成、多样性、功能基因的时空变化特征和驱动机制, 建立土壤微生物多样性变化与生态系统功能的关系及相关的模型, 预测全球环境条件变化下土壤微生物的演变规律, 为土壤微生物多样性资源的保护和利用提供科学依据。     

生态环境大数据面临的机遇与挑战

随着大数据时代的到来和大数据技术的迅猛发展,生态环境大数据的建设和应用已初露端倪。为了全面推进生态环境大数据的建设和应用,综述了生态环境大数据在解决生态环境问题中的机遇和优势,并分析了生态环境大数据在应用中所面临的挑战。总结和概括了大数据的概念与特征,又结合生态环境领域的特点,分析了生态环境大数据的特殊性和复杂性。重点阐述了生态环境大数据在减缓环境污染、生态退化和气候变化中的机遇,主要从数据存储、处理、分析、解释和展示等方面阐述生态环境大数据相较于传统数据的优势,通过这些优势说明生态环境大数据将有助于全面提高生态环境治理的综合决策水平。虽然生态环境大数据的应用前景广阔,但也面临着重重挑战,在数据共享和开放、应用创新、数据管理、技术创新和落地、专业人才培养和资金投入等方面还存在着许多问题和困难。在以上分析的基础上,提出了生态环境大数据未来的发展方向,包括各类生态环境数据的标准化、建设生态环境大数据存储与处理分析平台和推动国内外生态环境大数据平台的对接。     

协同分布式实验2.0 (CDE 2.0):生态学野外研究新方法

全球野外实验网络是近年来兴起的生态学实验方法,产生了“协同分布式实验”(CDE)、“分布式协作实验”(DCE)的野外实验网络和英国生物学记录中心(BRC)的野外观察网络等具体方法,但均存在尺度小、周期短或数据偏差问题.野外实验网络的协议设计应秉持实验优于观察测量、数据数量优于数据质量和尺度优于操作的原则.综合上述方法,本研究提出利用公众科学(citizen science)获得大范围、多尺度和长周期的数据,采用环境因子作为协变量对公众参与者的实验数据集进行验证后,将其作为后验概率与作为主观概率的生态学家实验数据集进行比对,以完成数据有效性验证,克服公众参与者数据质量瑕疵,并提出了相应的统计学模型.讨论了生态学实验数据中应用先验概率、先验与后验概率的逻辑关系以及后验概率发现演化过程新关系的可能性.这种方法更符合统计学采样规范,并增加了大尺度时空的样本量.该方法有望为生态学研究所寻找的一般性理论提供方法支持,新方法可称之为“协同分布式实验2.0”(CDE 2.0).     

大尺度陆地生态系统状态变化及其资源环境效应的立体化协同联网观测

环境变化和人类活动的双重驱动正在快速地改变地球生态系统状态,呈现出了众多级联的资源环境问题,生态系统的状态变化和时空演变驱动因素以及相应的资源环境效应是大尺度陆地生态系统科学研究的永恒主题.观测和评估生态系统状态变化,发现和理解生态系统响应机制,认知和描述生态系统演变规律,预测和预警生态系统演变趋势,都依赖于大陆及全球...     

Sampling method influences the structure of plant–pollinator networks

The search for general properties in the structure of ecological networks is currently a very active area of research. Meta‐analyses of published networks are a widely used technique. To have the best chance of discovering common properties though, networks should be constructed using a standardized approach. However, this is rarely the case, and pollination networks are constructed using two main methods: transects and timed observations. To investigate the potential for variation in network structure arising from different construction techniques we constructed plant–pollinator networks using two different methods at a single site, repeating our protocol over three field seasons. Transects and timed observation methods differ in the evenness of observation effort allocated among plant species in the observed community. We show that the uneven allocation of observation effort significantly affects the number of unique interactions in the network, and we reveal a strong trend in effects on web asymmetry and evenness of marginal abundance distributions. However, these effects do not appear to extend to the higher‐order properties of connectance and nestedness.     

森林碳计量方法研究进展

森林是陆地生态系统的主体,不仅是巨大的碳库而且对减缓气候变暖具有积极作用。科学有效的森林碳计量方法,有助于加深对全球碳循环过程的理解。然而,由于森林生态系统结构复杂,对森林碳计量的估算结果普遍存在精度低、不确定性高的问题。近年来,国内外发展了大量对森林碳计量进行估算的方法,主要有基于样地清查的森林植被和土壤碳估算、基于生长收获的经验模型估算、基于定量遥感雷达观测的遥感估测、基于多尺度森林生态系统网络的通量观测和陆地生态系统过程模型模拟等方法。在实际的森林碳计量中,根据不同的森林类型特征和数据获取情况,往往采取不同的碳计量方法,甚至不止一种。以生态过程模型模拟、遥感反演和数据同化技术为主要手段,基于碳通量观测数据、控制实验数据和遥感影像数据,发展多学科、多过程、多尺度的综合联网观测,充分认识森林碳循环过程中碳源/汇的时空分布特征,开展区域、洲际乃至全球尺度碳循环及其对全球变化和人类活动响应的系统性、集成性研究,以便建立高效、可靠的碳计量体系是未来林业碳计量的发展趋势。随着世界各国温室气体排放清单的编制,中国迫切需要科学的方法体系计量森林碳源/汇,提升我国在生态环境问题上的国际发言权和主导权,同时对我国森林可持续经营、生态环境保护以及美丽中国建设提供建议与支持。分析了各类森林碳计量方法的主要特征、优缺点,同时探讨了目前的森林碳计量方法存在的问题和未来的发展趋势,为不同时空尺度下森林碳计量提供参考。