中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

文/牛書麗 1,2,*, 王松 1,2, 汪金松 1, 夏建陽(yáng) 3, 于貴瑞 1,2（1.中國(guó)科學(xué)院地理科學(xué)與資源研究所, 生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測(cè)與模擬重點(diǎn)實(shí)驗(yàn)室;2.中國(guó)科學(xué)院大學(xué)資源與環(huán)境學(xué)院;3.華東師范大學(xué)生態(tài)與環(huán)境科學(xué)學(xué)院）

來(lái)源：中國(guó)科學(xué): 地球科學(xué)（2020年8月）

1 引言

隨著生態(tài)學(xué)觀測(cè)手段的發(fā)展和全球生態(tài)環(huán)境問(wèn)題的出現(xiàn), 生態(tài)學(xué)正從相對(duì)孤立的站點(diǎn)和局部尺度研究逐步向區(qū)域、國(guó)家及全球尺度發(fā)展. 當(dāng)今生態(tài)學(xué)已經(jīng)發(fā)展到大科學(xué)、大數(shù)據(jù)、大理論時(shí)代, 如何整合生態(tài)大數(shù)據(jù)、發(fā)現(xiàn)有價(jià)值的生態(tài)學(xué)規(guī)律和機(jī)理并將其逐步拓展到解決與人類發(fā)展密切相關(guān)的諸多生態(tài)環(huán)境問(wèn)題是該領(lǐng)域面臨的重大機(jī)遇和挑戰(zhàn)(于貴瑞等, 2018). 目前全球范圍內(nèi)與生態(tài)學(xué)相關(guān)的各種觀測(cè)和實(shí)驗(yàn)數(shù)據(jù)已累積超過(guò)百萬(wàn)億兆, 且數(shù)據(jù)量還在快速增加. 這些總量大、速度快、種類多、真實(shí)性不斷提高的生態(tài)大數(shù)據(jù)給我們提供了很好的整合研究機(jī)遇, 從大尺度生態(tài)學(xué)的規(guī)律揭示、過(guò)程理解、假說(shuō)驗(yàn)證和理論發(fā)展等方面都提供了無(wú)限可能(Reichstein等, 2019).

整合生態(tài)學(xué)(Integrative ecology)就是在這種研究背景下應(yīng)運(yùn)而生. 作為一個(gè)新興研究領(lǐng)域, 整合生態(tài)學(xué)是從分子、個(gè)體、生態(tài)系統(tǒng)、區(qū)域到全球尺度上, 對(duì)多個(gè)生態(tài)學(xué)過(guò)程以及多個(gè)生態(tài)要素進(jìn)行融合、對(duì)多尺度生態(tài)學(xué)認(rèn)知進(jìn)行整合的一門生態(tài)學(xué)分支學(xué)科(圖1). 因?yàn)樯鷳B(tài)學(xué)研究涉及多個(gè)組織層次和時(shí)空尺度, 它的研究對(duì)象可以是動(dòng)物、植物、微生物中的任一生物類群或整體, 研究層次跨越個(gè)體、種群、群落、生態(tài)系統(tǒng)、景觀乃至全球, 研究尺度從微觀到宏觀, 導(dǎo)致眾多分支學(xué)科或者研究領(lǐng)域間長(zhǎng)期隔離. 整合生態(tài)學(xué)的核心在于“整合”, 它利用整體與系統(tǒng)的視角, 可以融合不同的生物類群、組織層次和研究領(lǐng)域, 從分子到生態(tài)系統(tǒng), 從微生物到宏觀世界, 將生態(tài)學(xué)不同領(lǐng)域有機(jī)地結(jié)合在一起. 當(dāng)今人類社會(huì)所面臨的一系列生態(tài)環(huán)境問(wèn)題, 絕大多數(shù)需要在生態(tài)系統(tǒng)、流域、區(qū)域、甚至全球尺度來(lái)解決, 因此本文主要側(cè)重于大尺度或宏觀尺度的生態(tài)系統(tǒng)整合研究, 旨在實(shí)現(xiàn)全球生態(tài)環(huán)境治理的美好愿景和服務(wù)人類社會(huì)的可持續(xù)發(fā)展.

整合生態(tài)學(xué)的基本概念和研究范疇

2 整合生態(tài)學(xué)的發(fā)展需求

2.1 現(xiàn)實(shí)需求——生態(tài)環(huán)境問(wèn)題需要大尺度解決方案

生態(tài)與環(huán)境自身帶有大尺度屬性. 以生態(tài)系統(tǒng)為例, 作為生物群落與無(wú)機(jī)環(huán)境構(gòu)成的統(tǒng)一整體, 生態(tài)系統(tǒng)的范圍可大可小, 相互交錯(cuò), 生態(tài)系統(tǒng)越大, 其內(nèi)部各組成成分的相互關(guān)系越復(fù)雜, 物質(zhì)循環(huán)與能量流動(dòng)的途徑亦更多. 因此在更大的空間尺度上, 需要通過(guò)整合研究, 構(gòu)建更復(fù)雜的生態(tài)系統(tǒng)模型和理論框架來(lái)滿足更加真實(shí)的生態(tài)系統(tǒng)模擬和預(yù)測(cè). 另一方面, 包括全球變暖、氮沉降變化、降水格局改變等在內(nèi)的多種全球變化因子導(dǎo)致的各種生態(tài)環(huán)境問(wèn)題都是全球性的, 各種因子的作用強(qiáng)度及其對(duì)生態(tài)系統(tǒng)服務(wù)的影響存在很大的空間變異, 只有整合生態(tài)學(xué)才能更好地探究大尺度上的生態(tài)環(huán)境變化. 例如在全球降水格局改變的背景下, 未來(lái)全球降水將呈現(xiàn)高緯度和部分熱帶地區(qū)增加, 而在中低緯度和部分亞熱帶地區(qū)減少的趨勢(shì)(Harper等, 2005), 這種降水格局的改變, 在不同區(qū)域尺度上的表現(xiàn)具有很大區(qū)別, 而研究對(duì)象的區(qū)域尺度不足則有可能得到不全面甚至錯(cuò)誤的結(jié)論. 整合生態(tài)學(xué)強(qiáng)調(diào)使用包括遙感、長(zhǎng)期生態(tài)系統(tǒng)聯(lián)網(wǎng)觀測(cè)、全球變化控制實(shí)驗(yàn)等在內(nèi)的多源異構(gòu)數(shù)據(jù), 通過(guò)Meta分析、數(shù)據(jù)挖掘及數(shù)據(jù)模型融合等整合研究方法, 揭示生態(tài)與環(huán)境問(wèn)題在全球尺度上的格局及變異規(guī)律, 可以真實(shí)全面地展現(xiàn)全球生態(tài)與環(huán)境狀況, 滿足生態(tài)環(huán)境治理的現(xiàn)實(shí)需求.

2.2 學(xué)科發(fā)展需求——宏觀生態(tài)學(xué)成為研究熱點(diǎn)

當(dāng)今生態(tài)學(xué)已經(jīng)發(fā)展到“大數(shù)據(jù)”“大科學(xué)”時(shí)代, 如何組織、處理、分析這些數(shù)據(jù)并從中發(fā)現(xiàn)有價(jià)值的生態(tài)學(xué)現(xiàn)象和規(guī)律是該領(lǐng)域面臨的一個(gè)重大機(jī)遇和挑戰(zhàn). 要解決一些宏觀生態(tài)學(xué)問(wèn)題, 生態(tài)學(xué)家必須從大量無(wú)序的數(shù)據(jù)中提取有用的、普適性的生態(tài)系統(tǒng)過(guò)程規(guī)律(Heffernan等, 2014; McGill等, 2019). 比如, 為了研究陸地生態(tài)系統(tǒng)生物地球化學(xué)循環(huán)的地理分異及其對(duì)全球變化的響應(yīng)和適應(yīng), 由于生態(tài)系統(tǒng)過(guò)程的復(fù)雜性和生態(tài)系統(tǒng)類型的多樣性(圖2), 需要綜合不同站點(diǎn)的氣象條件、不同類型生態(tài)系統(tǒng)關(guān)鍵過(guò)程的基本參數(shù)等多點(diǎn)、多年、多要素?cái)?shù)據(jù), 深入進(jìn)行生態(tài)系統(tǒng)關(guān)鍵過(guò)程的研究. 系統(tǒng)地認(rèn)知陸地生態(tài)系統(tǒng)關(guān)鍵過(guò)程以及與氣候變化和人類活動(dòng)的相互作用是宏觀生態(tài)學(xué)的科學(xué)基礎(chǔ), 而實(shí)現(xiàn)這一認(rèn)知, 已經(jīng)由傳統(tǒng)的單點(diǎn)研究拓展到與生物圈、大氣圈和信息科學(xué)的綜合與交叉, 需要科學(xué)思想、技術(shù)手段的突破與創(chuàng)新(Levy等, 2014), 包括多源數(shù)據(jù)如何整合、如何利用大數(shù)據(jù)與機(jī)器學(xué)習(xí)分析生態(tài)系統(tǒng)過(guò)程規(guī)律而不是簡(jiǎn)單地對(duì)現(xiàn)象或者格局進(jìn)行描述(Eme等, 2019). 另外, 有效利用和分析不斷增長(zhǎng)的生物多樣性大數(shù)據(jù)是認(rèn)知生物多樣性起源和維持機(jī)制的重要基礎(chǔ), 需要將宏觀生態(tài)學(xué)與宏進(jìn)化結(jié)合起來(lái)(McGill, 2019), 這也將對(duì)保護(hù)生物學(xué)、人類健康、社會(huì)政策制定等具有長(zhǎng)遠(yuǎn)意義(Fleishman和Brown, 2019).

從單點(diǎn)觀測(cè)和實(shí)驗(yàn)到區(qū)域和全球尺度上的生態(tài)系統(tǒng)整合研究

隨著生態(tài)系統(tǒng)生態(tài)學(xué)理論知識(shí)的發(fā)展和海量數(shù)據(jù)的積累, 生態(tài)系統(tǒng)生態(tài)學(xué)未來(lái)的一個(gè)主要發(fā)展方向就是借助于數(shù)據(jù)挖掘和整合分析技術(shù), 利用現(xiàn)有的生態(tài)網(wǎng)絡(luò)及數(shù)據(jù)庫(kù)信息, 闡明主要生態(tài)系統(tǒng)的物質(zhì)循環(huán)、能量流動(dòng)及其對(duì)全球環(huán)境變化的響應(yīng)和適應(yīng)機(jī)制; 提供區(qū)域和全球陸地生態(tài)系統(tǒng)關(guān)鍵過(guò)程和生產(chǎn)力變化的時(shí)空演變動(dòng)態(tài)、預(yù)測(cè)和分析陸地生態(tài)系統(tǒng)的未來(lái)情景; 探索應(yīng)對(duì)全球變化的陸地生態(tài)系統(tǒng)適應(yīng)性管理以及區(qū)域生態(tài)系統(tǒng)可持續(xù)發(fā)展的途徑和戰(zhàn)略(圖2).

2.3 生態(tài)預(yù)測(cè)的困境和需求——如何降低模型模擬不確定性是主要瓶頸

生態(tài)模型的普遍問(wèn)題就是預(yù)測(cè)性差, 造成該結(jié)果的根本原因之一就是過(guò)去數(shù)據(jù)獲取耗時(shí)費(fèi)力且量小; 而現(xiàn)在的數(shù)據(jù)獲取方法可以跨越多個(gè)組織層次獲得大規(guī)模同步觀測(cè)數(shù)據(jù), 從而能夠有效降低模型模擬預(yù)測(cè)的不確定性. 比如, 為了預(yù)測(cè)未來(lái)的生態(tài)系統(tǒng)狀態(tài)及氣候變化狀態(tài), 科學(xué)家們發(fā)展了包括CLM(Community Land Model)和SHAW(Simultaneous Heat and Water)等多種陸面過(guò)程模式, 嘗試對(duì)未來(lái)的氣候及環(huán)境進(jìn)行預(yù)測(cè), 以制定相應(yīng)的應(yīng)對(duì)措施. 但目前的多種陸面模式仍然存在很多問(wèn)題, 主要包括不確定性大、模型數(shù)據(jù)匹配差等. 這些模型的不確定性主要來(lái)自三個(gè)方面: 氣候情景的不確定性、模型結(jié)構(gòu)的不確定性及氣候系統(tǒng)本身自然變率的不確定性(Hawkins和Sutton, 2009). 聯(lián)合國(guó)政府間氣候變化專門委員會(huì)(IPCC)第五次評(píng)估報(bào)告(IPCC-AR5)中使用的地球系統(tǒng)模式, 在不同的全球變化情景下, 各項(xiàng)指標(biāo)在時(shí)間維度上均存在很大的不確定性, 因此成為政府制定相應(yīng)氣候變化政策的阻礙. 對(duì)陸面生態(tài)系統(tǒng)過(guò)程而言, 最大的模擬不確定性表現(xiàn)為不同地球系統(tǒng)模式對(duì)陸地碳循環(huán)的預(yù)測(cè)結(jié)果差異極大(圖3). 由于陸地碳循環(huán)涉及生態(tài)系統(tǒng)中幾乎所有生物學(xué)過(guò)程, 因此Bonan和Doney(2018)呼吁地球系統(tǒng)模式需要吸收更多生態(tài)學(xué)原理并提高對(duì)陸地生態(tài)系統(tǒng)的模擬能力. 此外, 當(dāng)把陸地碳循環(huán)知識(shí)整合到不同模型中時(shí), 它們的表現(xiàn)亦差異很大, 且很難很好地匹配觀測(cè)結(jié)果(Schaefer等, 2012; Todd-Brown等, 2013). 例如, 參與第五次氣候模型比對(duì)項(xiàng)目(CMIP5)的11個(gè)地球系統(tǒng)模型(ESM)都無(wú)法準(zhǔn)確預(yù)測(cè)全球陸地表面的土壤碳分布(Todd-Brown等, 2013). 類似地, 對(duì)美國(guó)和加拿大39個(gè)渦度塔站點(diǎn)數(shù)據(jù)與26個(gè)模型模擬的總初級(jí)生產(chǎn)力(Gross Primary Productivity, GPP)進(jìn)行比較, 結(jié)果顯示, 在觀察到的不確定性范圍內(nèi), 模型估計(jì)的GPP與渦度相關(guān)數(shù)據(jù)匹配不佳(Schaefer等, 2012). 在東亞季風(fēng)區(qū), 當(dāng)前的陸地生態(tài)系統(tǒng)模型無(wú)法準(zhǔn)確刻畫與凈初級(jí)生產(chǎn)力相關(guān)聯(lián)的一系列植被功能性狀(Cui等, 2019). 在大的空間尺度上, 除了要充分理解生態(tài)學(xué)過(guò)程機(jī)理, 還需要利用大數(shù)據(jù)來(lái)服務(wù)未來(lái)的生態(tài)預(yù)測(cè), 從而揭示能夠用于全球預(yù)測(cè)的大尺度過(guò)程機(jī)理和普遍規(guī)律. 通過(guò)整合研究的方法, 生態(tài)學(xué)家可以通過(guò)Meta分析、數(shù)據(jù)挖掘、數(shù)據(jù)-模型融合等整合研究方法來(lái)充分理解大尺度生態(tài)學(xué)過(guò)程機(jī)理, 盡可能多地獲取數(shù)據(jù)和改進(jìn)模型, 進(jìn)而實(shí)現(xiàn)大尺度高精度的生態(tài)預(yù)測(cè).

IPCC評(píng)估報(bào)告中的地球系統(tǒng)模式對(duì)陸地碳循環(huán)的模擬存在極大不確定性

3 整合生態(tài)學(xué)的發(fā)展契機(jī): 生態(tài)大數(shù)據(jù)蓬勃發(fā)展

3.1 全球新一代生態(tài)系統(tǒng)觀測(cè)研究網(wǎng)絡(luò)逐漸形成

一系列全球研究計(jì)劃的興起支撐和推動(dòng)了大尺度生態(tài)系統(tǒng)整合研究的快速發(fā)展. 20世紀(jì)70年代建立的國(guó)際生物圈計(jì)劃(International Biology Plans, IBP)是較早成立的大尺度生態(tài)系統(tǒng)研究計(jì)劃, 其主要研究對(duì)象是生物圈的結(jié)構(gòu)和功能(Hagen, 1992). IBP在宏觀系統(tǒng)生態(tài)學(xué)的建立和發(fā)展過(guò)程中起著舉足輕重的作用, 催生了長(zhǎng)期生態(tài)學(xué)研究網(wǎng)絡(luò)(Long Term Ecosystem Research, LTER)的建立與逐步發(fā)展. 自國(guó)際地圈生物圈計(jì)劃(International Geosphere-Biosphere Program, IGBP)啟動(dòng)后的10~15年, 又陸續(xù)涌現(xiàn)出其他一些國(guó)際研究計(jì)劃. 其中, 較為重要的一個(gè)研究計(jì)劃是全球變化和陸地生態(tài)系統(tǒng)(Global Change and Terrestrial Ecosystems, GCTE)研究, 該計(jì)劃主要針對(duì)全球變化如何影響陸地生態(tài)系統(tǒng)以及陸地生態(tài)系統(tǒng)如何反饋調(diào)節(jié)氣候變化等關(guān)鍵問(wèn)題進(jìn)行研究.

與此同時(shí), 生態(tài)系統(tǒng)生態(tài)學(xué)區(qū)域/全球尺度的聯(lián)網(wǎng)觀測(cè)與聯(lián)網(wǎng)實(shí)驗(yàn)蓬勃發(fā)展. 國(guó)際上國(guó)家尺度的生態(tài)系統(tǒng)聯(lián)網(wǎng)觀測(cè)研究有美國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(National Ecological Observatory Network, NEON)、澳大利亞陸地生態(tài)系統(tǒng)觀測(cè)研究網(wǎng)絡(luò)(Terrestrial Ecosystem Research Network, TERN)、英國(guó)環(huán)境變化監(jiān)測(cè)網(wǎng)絡(luò)(Environment Change Network, ECN)和加拿大生態(tài)監(jiān)測(cè)與分析網(wǎng)絡(luò)(Ecological Monitoring and Assessment Network, EMAN)等. 中國(guó)也建立了覆蓋全國(guó)范圍的生態(tài)系統(tǒng)研究網(wǎng)絡(luò), 比如中國(guó)國(guó)家生態(tài)系統(tǒng)觀測(cè)研究網(wǎng)絡(luò)(Chinese National Ecosystem Research Network, CNERN)、中國(guó)科學(xué)院中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(Chinese Ecosystem Research Network, CERN)、中國(guó)生物多樣性監(jiān)測(cè)網(wǎng)絡(luò)(China Biodiversity Observing Network, China BON)、中國(guó)森林大樣地監(jiān)測(cè)網(wǎng)絡(luò)(Chinese Forest Biodiversity Network, CForBio)與中國(guó)通量網(wǎng)聯(lián)盟(ChinaFlux)等, 這些既相對(duì)獨(dú)立又互相補(bǔ)充的研究網(wǎng)絡(luò)迅速地將中國(guó)的生態(tài)系統(tǒng)生態(tài)學(xué)研究提高到一個(gè)嶄新的水平(李文華等, 2009). 聯(lián)網(wǎng)觀測(cè)和實(shí)驗(yàn)不僅為宏觀生態(tài)學(xué)研究提供網(wǎng)絡(luò)化長(zhǎng)期科學(xué)觀測(cè)和實(shí)驗(yàn)研究平臺(tái), 同時(shí)也促進(jìn)了中國(guó)生態(tài)系統(tǒng)生態(tài)學(xué)研究觀測(cè)儀器和技術(shù)手段的現(xiàn)代化進(jìn)程(孫鴻烈, 2009; 張黎等, 2009). 區(qū)域尺度的聯(lián)網(wǎng)觀測(cè)研究有亞洲通量觀測(cè)系統(tǒng)(AsiaFlux)、歐洲集成碳觀測(cè)系統(tǒng)(Integrated Carbon Observation System, ICOS)、歐洲物候網(wǎng)(PEP725)、泛美全球變化研究網(wǎng)絡(luò)(Inter-American Institute for Global Change Research, IAI)、亞太全球變化研究網(wǎng)絡(luò)(Asia-Pacific Network for Global Change Research, APN)和歐洲全球變化研究網(wǎng)絡(luò)(European Network for Research in Climate Change, EN-RICH). 全球尺度上有國(guó)際長(zhǎng)期生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(International Long-Term Ecosystem Research Network, ILTER)、全球通量觀測(cè)研究計(jì)劃(FLUXNET)、全球生物多樣性監(jiān)測(cè)網(wǎng)絡(luò)(Group on Earth Observations Biodiversity Observation Network, GEO BON)、全球陸地觀測(cè)系統(tǒng)(Global Terrestrial Observing System, GTOS)、國(guó)際關(guān)鍵帶研究網(wǎng)絡(luò)(Critical Zone Exploration Network, CZEN)和全球海洋觀測(cè)系統(tǒng)(Global Ocean Observing System, GOOS)等. 另外在全球尺度上還建立了一些專項(xiàng)生態(tài)系統(tǒng)實(shí)驗(yàn)網(wǎng)絡(luò), 比如營(yíng)養(yǎng)元素添加控制實(shí)驗(yàn)網(wǎng)絡(luò)(Nutrient Network)、國(guó)際干旱實(shí)驗(yàn)網(wǎng)絡(luò)(Drought Network)等. 據(jù)統(tǒng)計(jì), 目前關(guān)于陸地碳循環(huán)對(duì)全球變化響應(yīng)的全球控制實(shí)驗(yàn)就達(dá)到了近1200個(gè)(Song等, 2019). 全球生態(tài)大數(shù)據(jù)的規(guī)模已經(jīng)超過(guò)了100拍字節(jié), 并且每年幾乎呈指數(shù)增長(zhǎng), 同時(shí)數(shù)據(jù)獲取的頻率也達(dá)到了10Hz(Reichstein等, 2019). 這些區(qū)域/全球尺度觀測(cè)、實(shí)驗(yàn)網(wǎng)絡(luò)的建立以及規(guī)模不斷增加的生態(tài)大數(shù)據(jù)為大尺度生態(tài)系統(tǒng)的研究提供了數(shù)據(jù)基礎(chǔ)和平臺(tái), 在整合生態(tài)系統(tǒng)尺度、要素、過(guò)程及其相互作用、生態(tài)系統(tǒng)模型創(chuàng)建和改進(jìn)等方面都極大地提高了我們對(duì)生態(tài)系統(tǒng)生態(tài)學(xué)的理解和認(rèn)知能力.

這些聯(lián)網(wǎng)觀測(cè)和聯(lián)網(wǎng)實(shí)驗(yàn)的目的是探索大尺度的生態(tài)環(huán)境問(wèn)題, 其根本目標(biāo)之一是揭示單個(gè)站點(diǎn)所無(wú)法回答的科學(xué)問(wèn)題, 它們的建立促進(jìn)了生態(tài)系統(tǒng)整合研究和宏觀生態(tài)學(xué)的發(fā)展. 比如FLUXNET的建立是為了量化碳收支在空間和時(shí)間上的變異, 以及地球上主要植被碳、氮、水、能量交換對(duì)氣候變化和人類干擾的響應(yīng). 這些聯(lián)網(wǎng)觀測(cè)研究使得科學(xué)家能夠回答一些生態(tài)系統(tǒng)生態(tài)學(xué)的關(guān)鍵科學(xué)問(wèn)題, 例如生態(tài)系統(tǒng)碳、氮、水循環(huán)的時(shí)空變異如何受氣候、植被類型、物候、土地利用類型、管理方式和干擾歷史所影響? 氣候變化如何引起不同植被類型生態(tài)系統(tǒng)能量、CO2、水和氮循環(huán)的變化? 目前, 還有更多的研究計(jì)劃和國(guó)際網(wǎng)絡(luò)正在興起或處于醞釀階段. 縱觀生態(tài)系統(tǒng)科學(xué)的發(fā)展歷史, 從來(lái)沒(méi)有哪一個(gè)時(shí)期像現(xiàn)今這樣如此關(guān)注大尺度生態(tài)學(xué)的整合和發(fā)展.

3.2 天-空-地觀測(cè)技術(shù)迅猛發(fā)展, 海量多源異構(gòu)數(shù)據(jù)快速膨脹

生態(tài)系統(tǒng)數(shù)據(jù)穩(wěn)定、有效的獲取依賴于生態(tài)系統(tǒng)長(zhǎng)期定位觀測(cè)和實(shí)驗(yàn). 進(jìn)入21世紀(jì)以來(lái), 隨著網(wǎng)絡(luò)和信息技術(shù)的快速發(fā)展, 生態(tài)觀測(cè)技術(shù)有了長(zhǎng)足的進(jìn)步, 已逐漸從人工采集生態(tài)數(shù)據(jù)的1.0時(shí)代、由儀器設(shè)備采集并長(zhǎng)期存儲(chǔ)數(shù)據(jù)的2.0時(shí)代逐漸過(guò)渡到今天結(jié)合“互聯(lián)網(wǎng)”概念的實(shí)時(shí)數(shù)據(jù)傳輸云存儲(chǔ)的3.0時(shí)代. 同時(shí), 新技術(shù)和新方法如穩(wěn)定同位素、核磁共振、生物標(biāo)記物、高通量基因組測(cè)序、基因芯片、渦度相關(guān)、高分衛(wèi)星等技術(shù)的發(fā)展, 極大地提升了生態(tài)觀測(cè)數(shù)據(jù)在分子尺度和全球尺度的獲取能力. 隨著生態(tài)學(xué)向著微觀和宏觀這兩個(gè)尺度逐漸拓展研究領(lǐng)域, 借助于物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)和人工智能等新一代信息技術(shù), 融合衛(wèi)星、無(wú)人機(jī)和地面觀測(cè)的天-空-地一體化生態(tài)觀測(cè)體系逐漸形成, 實(shí)現(xiàn)了生態(tài)系統(tǒng)多尺度、多要素、多過(guò)程海量生態(tài)觀測(cè)數(shù)據(jù)的集成獲取(于貴瑞等, 2018; Li X等, 2019). 尤其是大量遙感數(shù)據(jù)的產(chǎn)生, 彌補(bǔ)了傳統(tǒng)地面調(diào)查空間觀測(cè)尺度有限的缺點(diǎn), 已逐漸成為生態(tài)學(xué)研究中必不可少的數(shù)據(jù)來(lái)源. 遙感平臺(tái)按觀測(cè)高度可分為低空遙感和高空遙感. 低空遙感主要通過(guò)無(wú)人機(jī)(Unmanned Aerial Vehicle, UAV)完成, 具有便捷、靈活、高效的特點(diǎn). 高空遙感主要通過(guò)衛(wèi)星與航空完成, 相對(duì)于低空觀測(cè), 高空遙感具有觀測(cè)范圍大, 時(shí)間序列長(zhǎng), 數(shù)據(jù)獲取成本低等優(yōu)點(diǎn). 經(jīng)過(guò)幾十年的發(fā)展, 不同衛(wèi)星的遙感分辨率已從公里級(jí)(MODIS)進(jìn)入米級(jí)(IKONOS, OrbView)、亞米級(jí)(QuickBird, WorldView), 且實(shí)現(xiàn)了不同波段全覆蓋. 這些涵蓋地面樣方觀測(cè)數(shù)據(jù)、控制實(shí)驗(yàn)數(shù)據(jù)、遙感數(shù)據(jù)、模型數(shù)據(jù)的快速膨脹成為了“生態(tài)大數(shù)據(jù)時(shí)代”的重要特征, 并為生態(tài)系統(tǒng)整合研究的發(fā)展提供了契機(jī).

4 整合生態(tài)學(xué)的研究方法及進(jìn)展

利用生態(tài)大數(shù)據(jù)進(jìn)行整合生態(tài)學(xué)研究的焦點(diǎn)是在區(qū)域和全球尺度上整合研究生態(tài)系統(tǒng)過(guò)程、結(jié)構(gòu)和功能及其對(duì)全球變化的響應(yīng)和適應(yīng)機(jī)制, 主要目標(biāo)是定量評(píng)估和科學(xué)預(yù)測(cè)生態(tài)系統(tǒng)組分及關(guān)鍵過(guò)程對(duì)氣候環(huán)境變化的響應(yīng)(于貴瑞等, 2018). 研究途徑主要包括全球變化控制實(shí)驗(yàn)的整合分析(Meta Analysis)、觀測(cè)數(shù)據(jù)的數(shù)據(jù)挖掘(Data Mining)和數(shù)據(jù)-模型融合(Data-model Fusion)(圖4). 以下根據(jù)不同的整合研究方法, 對(duì)生態(tài)大數(shù)據(jù)研究在生態(tài)系統(tǒng)生態(tài)學(xué)中的應(yīng)用案例做一些總結(jié).

生態(tài)大數(shù)據(jù)整合研究的途徑和對(duì)應(yīng)的研究范圍

4.1 Meta分析

Meta分析作為一種定量綜合分析的方法, 主要是對(duì)多個(gè)有共同研究目地但相互獨(dú)立的多個(gè)研究結(jié)果給予定量合并, 剖析研究間差異特征, 綜合評(píng)價(jià)研究結(jié)果. 其早期被用于教育、心理等領(lǐng)域, 于1976被Glass命名為“Meta-Analysis”(Glass, 1976). Meta分析主要包含以下五個(gè)步驟: ① 提出問(wèn)題與假設(shè); ② 搜索與假設(shè)有關(guān)的資料, 包括論文、數(shù)據(jù)庫(kù)、報(bào)告等, 并根據(jù)標(biāo)準(zhǔn)對(duì)文獻(xiàn)進(jìn)行篩選; ③ 整理數(shù)據(jù), 從符合納入要求的文獻(xiàn)中摘錄用于系統(tǒng)評(píng)價(jià)的數(shù)據(jù)信息, 所提取信息必須是可靠、有效、無(wú)偏的; ④ 選擇適當(dāng)?shù)姆治瞿Ｐ秃托?yīng)值進(jìn)行計(jì)算, 模型根據(jù)數(shù)據(jù)類型選擇固定效應(yīng)模型或隨機(jī)效應(yīng)模型, 而效應(yīng)值是為了將研究結(jié)果標(biāo)準(zhǔn)化, 它反映單個(gè)研究的效應(yīng)大小, 應(yīng)根據(jù)文獻(xiàn)中數(shù)據(jù)選擇不同的效應(yīng)值指標(biāo), 包括Glass估計(jì)值Δ、Hedges估計(jì)值g、Hedges估計(jì)值d、反應(yīng)比(response ratio, ln RR)等; ⑤ 結(jié)果與分析, 合并單個(gè)研究的效應(yīng)值, 得到平均效應(yīng)值及其置信區(qū)間, 進(jìn)而進(jìn)行相關(guān)的分析. 近幾十年來(lái), 由于生態(tài)學(xué)家們?cè)谌澜绶秶鷥?nèi)開(kāi)展了大量的控制實(shí)驗(yàn)及觀測(cè)研究, Meta分析越來(lái)越多地被用于生態(tài)學(xué)研究, 并對(duì)整合生態(tài)學(xué)的發(fā)展起到了至關(guān)重要的作用(雷相東等, 2006).

陸地生態(tài)系統(tǒng)與氣候變化研究在全球已經(jīng)發(fā)展到有一千余個(gè)全球變化控制實(shí)驗(yàn)(Song等, 2019), 單個(gè)控制實(shí)驗(yàn)對(duì)于理解具體生態(tài)系統(tǒng)的響應(yīng)非常關(guān)鍵, 但陸地生態(tài)系統(tǒng)響應(yīng)的普遍規(guī)律需要使用整合研究的手段, 這種普遍響應(yīng)規(guī)律可以直接為陸面模型提供參數(shù)和理論依據(jù). 對(duì)這些全球變化控制實(shí)驗(yàn)進(jìn)行Meta分析是生態(tài)系統(tǒng)生態(tài)學(xué)領(lǐng)域近20年來(lái)非?；钴S的一個(gè)方向. 尤其是在全球陸地生態(tài)系統(tǒng)對(duì)CO2濃度升高、全球變暖、氮沉降、降水改變等的響應(yīng), 以及土地利用變化對(duì)氣候變化影響等方面的應(yīng)用發(fā)展迅速. 該方法在全球變化方面的應(yīng)用案例具體體現(xiàn)在:

(1) 生態(tài)系統(tǒng)響應(yīng)大氣CO2濃度升高的整合研究. 目前大氣中CO2濃度已經(jīng)超過(guò)了410ppm(1ppm=1mg L–1), 達(dá)到了幾百萬(wàn)年以來(lái)一個(gè)前所未有的水平, 大氣CO2濃度升高如何影響陸地生態(tài)系統(tǒng)結(jié)構(gòu)和功能一直以來(lái)都是全球變化研究的前沿和焦點(diǎn). 全球Meta分析主要發(fā)現(xiàn)CO2濃度升高使得陸地植物總生物量顯著增加(Feng等, 2015), 但CO2對(duì)植物生長(zhǎng)的“施肥效應(yīng)”受土壤氮、磷養(yǎng)分的限制(Terrer等, 2019), 并受植物菌根類型的影響(Terrer等, 2016). 相比于CO2濃度升高對(duì)地上植物生物量的影響, 其如何影響地下過(guò)程包括根系生長(zhǎng)、土壤碳氮循環(huán)、微生物生物量與功能還不清楚(Kuzyakov等, 2019). CO2濃度升高對(duì)根系形態(tài)生長(zhǎng)、根系生物量均具有顯著的促進(jìn)作用(Nie等, 2013), 使得植物碳、氮庫(kù)增加(Luo等, 2006), 土壤微生物量碳和氮庫(kù)分別增加14%和7.4%(Liu等, 2018), 但對(duì)土壤碳和氮庫(kù)影響不大(Liu等, 2018; Luo等, 2006). 所以, 現(xiàn)有的全球整合分析表明, CO2濃度升高對(duì)生態(tài)系統(tǒng)地下碳、氮庫(kù)沒(méi)有顯著影響, 但顯著促進(jìn)了碳、氮循環(huán)過(guò)程中的各個(gè)通量(Kuzyakov等, 2019).

(2) 生態(tài)系統(tǒng)響應(yīng)氣溫升高的整合研究. 全球溫暖化正顯著改變陸地生態(tài)系統(tǒng)的組成、結(jié)構(gòu)和功能(方精云等, 2018). 陸地生態(tài)系統(tǒng)對(duì)全球變暖的響應(yīng)表現(xiàn)為多個(gè)尺度和多個(gè)方面, 如溫度升高導(dǎo)致生物個(gè)體的物候提前(Root等, 2003), 植物生物量顯著增加(Lin等, 2010); 極地增溫導(dǎo)致落葉灌木和禾本草類在極地苔原擴(kuò)張, 而苔蘚和地衣的高度和蓋度下降, 降低了物種多樣性, 引起生態(tài)系統(tǒng)物種組成和結(jié)構(gòu)發(fā)生顯著變化(Walker等, 2006), 并可能影響生態(tài)系統(tǒng)碳循環(huán)(Cheng等, 2017; Rustad等, 2001; van Gestel等, 2018; Wang等, 2020)、氮循環(huán)(Bai等, 2013)、食物網(wǎng)結(jié)構(gòu)和營(yíng)養(yǎng)級(jí)聯(lián)效應(yīng)(Marino等, 2018). 增溫引起的土壤碳丟失與土壤背景碳含量有關(guān), 到21世紀(jì)末約丟失86(±53)Pg的土壤表層碳(Crowther等, 2016). 另外全球Meta分析還發(fā)現(xiàn)變暖在低降水量下顯著降低凈生態(tài)系統(tǒng)生產(chǎn)力(Net Ecosystem Productivity, NEP), 但在高降水量下增加NEP(Quan等, 2019), 這種水分及溫度對(duì)生態(tài)系統(tǒng)碳通量的共同控制, 揭示了不同生態(tài)系統(tǒng)碳循環(huán)溫度敏感性的差異及其控制因素, 為模型預(yù)測(cè)提供量化參數(shù)和理論依據(jù).

(3) 生態(tài)系統(tǒng)響應(yīng)氮沉降的整合研究. 自工業(yè)革命以來(lái), 大氣氮沉降持續(xù)增加. 氮沉降速率的加快將對(duì)陸地生態(tài)系統(tǒng)碳過(guò)程產(chǎn)生極大的影響, 并通過(guò)改變碳循環(huán)進(jìn)而影響未來(lái)氣候的變化軌跡(Crowther等, 2016). 因此, 研究持續(xù)增加的大氣氮沉降對(duì)全球碳循環(huán)的生態(tài)影響, 成為全球變化生態(tài)學(xué)中的一個(gè)關(guān)鍵科學(xué)問(wèn)題. 如果不考慮碳氮耦合, 大氣氮沉降將會(huì)造成碳庫(kù)高估40%(Zaehle等, 2014), 因此IPCC已經(jīng)要求在2022年的第6次評(píng)估報(bào)告中所有模型都要實(shí)現(xiàn)碳氮耦合, 而目前的第五次報(bào)告中只有2個(gè)模型考慮了碳氮耦合, 所以當(dāng)前亟需摸清全球尺度上碳氮耦合的過(guò)程機(jī)理. 全球Meta分析結(jié)果表明, 氮沉降導(dǎo)致陸地生態(tài)系統(tǒng)多樣性喪失(De Schrijver等, 2011)、增加了全球生態(tài)系統(tǒng)生產(chǎn)力(Elser等, 2007; Liu和Greaver, 2010)、促進(jìn)CO2的固定但同時(shí)刺激了N2O和CH4的排放(Deng等, 2019; Liu和Greaver, 2009)、微弱地增加了土壤碳庫(kù)(Deng等, 2019)、顯著的加速了氮循環(huán)和磷循環(huán)(Deng等, 2017; Lu等, 2011; Marklein和Houlton, 2012)、以及加快了土壤酸化和陽(yáng)離子的流失(Tian和Niu, 2015). Niu等(2016)在整合分析全球206個(gè)氮添加實(shí)驗(yàn)和44個(gè)氮梯度實(shí)驗(yàn)后, 提出了基于土壤氮基質(zhì)的“碳氮”耦合新的假說(shuō), 為全球氮循環(huán)的模型模擬提供了理論基礎(chǔ).

(4) 生態(tài)系統(tǒng)響應(yīng)降雨格局改變的整合研究. 多個(gè)氣候模式預(yù)測(cè)結(jié)果顯示, 未來(lái)氣候變化會(huì)帶來(lái)全球或局部降水格局的變化(Fischer等, 2013). 同時(shí), 在全球變暖的影響下, 極端干旱和極端降水事件時(shí)有發(fā)生, 對(duì)自然生態(tài)系統(tǒng)和人類社會(huì)發(fā)展都帶來(lái)了深刻的影響(樸世龍等, 2019). 研究和預(yù)測(cè)全球降水格局變化所產(chǎn)生的生態(tài)影響以及生態(tài)系統(tǒng)對(duì)其響應(yīng)的敏感性和恢復(fù)力, 成為全球變化研究的重大科學(xué)問(wèn)題之一. 由于改變降雨實(shí)驗(yàn)在處理強(qiáng)度和實(shí)驗(yàn)方法上差異太大, 采用統(tǒng)一的標(biāo)準(zhǔn)量化降水幅度比較困難, 使得整合分析降水變化對(duì)生態(tài)系統(tǒng)影響的研究比較稀缺. 至今為止, 整合分析生態(tài)系統(tǒng)對(duì)改變降水響應(yīng)的研究主要包括植物生長(zhǎng)和碳平衡(Wu等, 2011)、生物量、物種組成及豐富度(Garssen等, 2014)、土壤呼吸(Liu等, 2016)、微生物量和土壤酶(Ren等, 2017)、生態(tài)系統(tǒng)碳庫(kù)(Zhou等, 2014)、土壤N循環(huán)(Homyak等, 2017)等方面的研究. 總體上, 主要發(fā)現(xiàn)包括增雨促進(jìn)植物生長(zhǎng)和生態(tài)系統(tǒng)碳通量, 增加地上植物生產(chǎn)力, 而減少降水正好相反(Wu等, 2011). 降水改變對(duì)土壤呼吸及其溫度敏感性的影響主要受土壤濕度和干旱指數(shù)的調(diào)節(jié)(Liu等, 2016), 干旱和增加降水對(duì)土壤碳庫(kù)影響不大(Zhou等, 2014). 這些全球整合研究促進(jìn)了我們更好地理解全球變化對(duì)陸地生態(tài)系統(tǒng)的影響和過(guò)程機(jī)理, 并為未來(lái)生態(tài)預(yù)測(cè)提供了理論基礎(chǔ)和參數(shù)驗(yàn)證.

綜上所述, Meta分析在全球變化研究中應(yīng)用廣泛, 并且取得了豐碩的研究成果. 但同時(shí)Meta分析也有其自身的局限性, 不同實(shí)驗(yàn)之間的方法差異比如處理方法和測(cè)定頻度的不同給總體結(jié)果帶來(lái)了不確定性, 另外, 效應(yīng)值的選擇、單個(gè)研究之間的非獨(dú)立性等都會(huì)直接影響整合分析的結(jié)論.

4.2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘主要是指從大量的數(shù)據(jù)中通過(guò)條件學(xué)算法搜索隱藏于其中信息的方法, 比如對(duì)區(qū)域或全球聯(lián)網(wǎng)觀測(cè)或聯(lián)網(wǎng)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行挖掘分析, 揭示大尺度生態(tài)系統(tǒng)過(guò)程規(guī)律, 數(shù)據(jù)挖掘技術(shù)主要包括數(shù)據(jù)匯總、分類、機(jī)器學(xué)習(xí)、決策樹、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等有效手段(Reichstein等, 2019), 具體包含以下四個(gè)步驟: ① 提出問(wèn)題與假設(shè); ② 建立數(shù)據(jù)挖掘庫(kù), 包括數(shù)據(jù)收集、數(shù)據(jù)描述、數(shù)據(jù)篩選與整合; ③ 數(shù)據(jù)挖掘過(guò)程, 根據(jù)數(shù)據(jù)庫(kù)中的數(shù)據(jù)信息, 選擇合適的分析工具, 處理信息, 得出有用的知識(shí); ④ 結(jié)果評(píng)估, 對(duì)所獲得的數(shù)據(jù)挖掘信息進(jìn)行評(píng)估, 判斷其正確性.

在生態(tài)學(xué)研究中, 數(shù)據(jù)挖掘可以幫助研究人員對(duì)生態(tài)系統(tǒng)長(zhǎng)期觀測(cè)數(shù)據(jù)所表現(xiàn)出來(lái)的信息進(jìn)行分析研究. 隨著大空間、長(zhǎng)時(shí)間、高分辨率的生態(tài)觀測(cè)數(shù)據(jù)的積累, 我們需要從海量數(shù)據(jù)中獲取其隱藏的信息, 并在不斷認(rèn)識(shí)自然規(guī)律的同時(shí)運(yùn)用數(shù)據(jù)挖掘的方法從海量數(shù)據(jù)中獲得信息. 這些前所未有的數(shù)據(jù)源, 增強(qiáng)的計(jì)算能力以及統(tǒng)計(jì)建模和機(jī)器學(xué)習(xí)等最新技術(shù)的結(jié)合, 為我們提高對(duì)生態(tài)系統(tǒng)的認(rèn)知提供了新的機(jī)會(huì), 特別是機(jī)器學(xué)習(xí)和人工智能領(lǐng)域給我們提供了許多新方法, 在將其進(jìn)一步開(kāi)發(fā)并適應(yīng)于生態(tài)學(xué)分析后, 將發(fā)揮巨大作用.

近年來(lái), 數(shù)據(jù)挖掘研究作為一種有效的揭示大尺度生態(tài)學(xué)規(guī)律的探索性工具, 將生態(tài)系統(tǒng)生態(tài)學(xué)推向了一個(gè)新的研究高潮, 發(fā)表了大量的學(xué)術(shù)論文(圖5), 在國(guó)際頂級(jí)期刊上也不乏其身影, 比如Vellend等(2013)通過(guò)全球生物多樣性數(shù)據(jù)整合, 認(rèn)為點(diǎn)尺度上生物多樣性在時(shí)間序列上無(wú)明顯的變化. Wolkovich等(2012)通過(guò)對(duì)全球1634個(gè)物種所觀測(cè)到的物候進(jìn)行整合分析, 發(fā)現(xiàn)全球變化控制實(shí)驗(yàn)遠(yuǎn)遠(yuǎn)低估了增溫對(duì)植物物候期的改變, Steidinger等(2019)利用全球森林生物多樣性研究中心組建的森林?jǐn)?shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)挖掘, 確定了特定森林中與樹木密切相關(guān)的菌根真菌類型, 發(fā)現(xiàn)氣候是影響菌根真菌分布的重要因素, 氣候變暖將導(dǎo)致與外生菌根共生的樹種多樣性下降10%, 與外生菌根共生樹種的損失也會(huì)對(duì)氣候變化產(chǎn)生一定的影響. van den Hoogen等(2019)通過(guò)收集發(fā)表和未發(fā)表的全球線蟲數(shù)據(jù), 獲得了全球尺度6759份土壤樣本的線蟲豐度數(shù)據(jù)并進(jìn)行數(shù)據(jù)挖掘, 發(fā)現(xiàn)全球表層15cm土壤線蟲在亞北極地區(qū)豐度最高, 其次為溫帶和熱帶; 雖然氣候影響土壤線蟲豐度, 但與氣候因素相比, 土壤特征是影響線蟲豐度的最主要因素. 基于極地苔原地區(qū)7種植物功能性狀, Bjorkman等(2018)采用貝葉斯模型模擬的方法, 對(duì)植物功能性狀與溫度、土壤水分的關(guān)系進(jìn)行數(shù)據(jù)挖掘, 發(fā)現(xiàn)水分調(diào)節(jié)植物性狀與溫度的關(guān)系; 隨著氣候變暖, 極地苔原植物高度增加, 這主要?dú)w結(jié)于該地區(qū)物種周轉(zhuǎn), 即高大物種的侵入而不是矮小物種的丟失, 該研究表明氣候變暖導(dǎo)致的植物性狀以及群落結(jié)構(gòu)的改變將顯著影響極地苔原生態(tài)系統(tǒng)的功能. 動(dòng)物、植物、微生物都有溫度適應(yīng)性, 但作為生物體的集合體生態(tài)系統(tǒng)是否具有溫度適應(yīng)性仍然不得而知, Niu等(2012)采用數(shù)據(jù)挖掘的方法對(duì)全球分布的數(shù)百個(gè)渦度站點(diǎn)的碳通量數(shù)據(jù)進(jìn)行整合研究, 發(fā)現(xiàn)凈生態(tài)系統(tǒng)CO2交換(Net Ecosystem Exchange, NEE)隨溫度變化具有普遍的峰形曲線, 證明了在全球尺度上生態(tài)系統(tǒng)的溫度適應(yīng)性. 如果不考慮溫度適應(yīng)性, 生態(tài)系統(tǒng)模型模擬的碳通量會(huì)被高估38%(Smith和Dukes, 2013). 目前IPCC使用的模型中很少考慮生態(tài)系統(tǒng)水平上的溫度適應(yīng)性(Allison等, 2010), 因此全球模型正在考慮如何把適應(yīng)性加到模型中, 上述研究及時(shí)地為全球模型提供了理論依據(jù). Huang等(2019)綜合使用包括渦度和衛(wèi)星數(shù)據(jù)在內(nèi)的多源數(shù)據(jù)庫(kù), 得到生物群落中植被生產(chǎn)力最適氣溫的全球分布. 在全球變暖的背景下, 該研究對(duì)未來(lái)全球陸地生態(tài)系統(tǒng)碳收支的預(yù)測(cè)提供了理論依據(jù).

近20年來(lái)發(fā)表的生態(tài)系統(tǒng)生態(tài)學(xué)整合研究的文章數(shù)量

機(jī)器學(xué)習(xí)(Machine learning)、深度學(xué)習(xí)(Deep learning)等相關(guān)技術(shù)的快速發(fā)展為數(shù)據(jù)挖掘提供了更多的可能. 一些應(yīng)用已經(jīng)使全球碳通量和碳庫(kù)估計(jì)的準(zhǔn)確性有了極大的促進(jìn). Beer等(2010)采用了五種數(shù)據(jù)驅(qū)動(dòng)方法和五種過(guò)程驅(qū)動(dòng)模型對(duì)GPP的估計(jì)進(jìn)行比較和整合研究, 發(fā)現(xiàn)其中采用人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks)方法對(duì)GPP估計(jì)的不確定性最小. 在對(duì)全球土壤有機(jī)碳含量及其分布的研究中, 機(jī)器學(xué)習(xí)方法也展現(xiàn)了傳統(tǒng)數(shù)字土壤測(cè)繪(Digital soil mapping)難以企及的優(yōu)勢(shì). 采用機(jī)器學(xué)習(xí)方法制成的SoilGrids250m產(chǎn)品對(duì)全球土壤有機(jī)碳含量的估計(jì)可以解釋高達(dá)68.8%的空間變異性(Hengl等, 2017). 相較而言, 傳統(tǒng)的回歸制圖方法僅可解釋22.9%的空間變異性. 在最新的聯(lián)合國(guó)糧農(nóng)組織(FAO)牽頭進(jìn)行的國(guó)家驅(qū)動(dòng)全球土壤有機(jī)碳地圖(Country Driven GSOCmap)的繪制中, 機(jī)器學(xué)習(xí)方法也被作為推薦方法用于各國(guó)土壤碳清單的預(yù)測(cè)(Yigini等, 2018). 深度學(xué)習(xí)也已經(jīng)在包括物種分類、作物育種和植被制圖等多個(gè)領(lǐng)域中得到了充分的應(yīng)用(郭慶華等, 2020).

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法同樣促進(jìn)了全球碳循環(huán)的機(jī)理研究. Luo等(2019)利用觀測(cè)數(shù)據(jù)集重構(gòu)了全球土壤有機(jī)碳周轉(zhuǎn)時(shí)間地圖, 并通過(guò)增強(qiáng)回歸樹(Boosted regression tree)的方法揭示了盡管溫度與土壤有機(jī)碳周轉(zhuǎn)時(shí)間呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系, 但總體上土壤屬性因子對(duì)土壤有機(jī)碳周轉(zhuǎn)時(shí)間的控制作用大于氣候因子的影響, 因?yàn)樯疃葘W(xué)習(xí)可以自動(dòng)提取復(fù)雜的高維非線性特征, 可以發(fā)現(xiàn)常規(guī)方法難以發(fā)現(xiàn)的信息. 綜上所述, 更加精確的陸地碳通量和碳庫(kù)估計(jì)以及碳循環(huán)機(jī)理的認(rèn)識(shí)有助于我們?cè)谌虺叨壤斫怅懙靥佳h(huán)的各個(gè)過(guò)程, 同時(shí)也為地球系統(tǒng)模式的發(fā)展提供了更加可靠的比較基準(zhǔn)(Benchmark), 而機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)的不斷進(jìn)步為實(shí)現(xiàn)這一目標(biāo)提供了無(wú)限的可能. 當(dāng)然, 數(shù)據(jù)挖掘在應(yīng)用的過(guò)程中要注意多源數(shù)據(jù)間的獨(dú)立性以及復(fù)合因子的相互影響和自相關(guān)的問(wèn)題, 另外不同數(shù)據(jù)集之間時(shí)間尺度的相互轉(zhuǎn)換也會(huì)帶來(lái)很大的不確定性. 深度學(xué)習(xí)已逐步應(yīng)用于遙感數(shù)據(jù)分析中, 但較大的訓(xùn)練樣本量、復(fù)雜的遙感圖像、數(shù)據(jù)集之間的傳輸和對(duì)學(xué)習(xí)深度的把控也是未來(lái)需要解決的關(guān)鍵問(wèn)題(Zhang等, 2016). 整體上, 對(duì)于深度學(xué)習(xí)來(lái)說(shuō), 數(shù)據(jù)的標(biāo)準(zhǔn)化與共享, 算法的通用性與可解釋性以及應(yīng)用程序的豐富化和智能化將成為深度學(xué)習(xí)的三個(gè)最重要發(fā)展方向及發(fā)展機(jī)遇(郭慶華等, 2020).

4.3 數(shù)據(jù)-模型融合

除了對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行整合分析和挖掘, 揭示更大尺度上生態(tài)系統(tǒng)的基本規(guī)律外, 新時(shí)期生態(tài)系統(tǒng)生態(tài)學(xué)研究的一個(gè)主要任務(wù)是怎樣利用這些觀測(cè)和實(shí)驗(yàn)數(shù)據(jù)促進(jìn)生態(tài)系統(tǒng)生態(tài)學(xué)理論的構(gòu)建與過(guò)程模型的發(fā)展(圖6). 近年來(lái), 隨著數(shù)據(jù)同化(Data Assimilation)技術(shù)的快速發(fā)展, 生態(tài)系統(tǒng)的觀測(cè)數(shù)據(jù)與數(shù)值模型的融合成為了生態(tài)學(xué)的熱點(diǎn)研究領(lǐng)域. “數(shù)據(jù)-模型融合”旨在將模型和數(shù)據(jù)互相結(jié)合, 采用特定的算法來(lái)獲得模型參數(shù)的最優(yōu)估計(jì), 以期改進(jìn)對(duì)生態(tài)系統(tǒng)過(guò)程的預(yù)測(cè)精度(Lewis等, 2006). 與簡(jiǎn)單回歸分析不同, 數(shù)據(jù)-模型融合可以應(yīng)用于復(fù)雜的過(guò)程模型和多個(gè)異構(gòu)數(shù)據(jù)集, 可以同時(shí)優(yōu)化數(shù)十或數(shù)百個(gè)參數(shù)和狀態(tài)變量. 因此, 經(jīng)過(guò)數(shù)據(jù)-模型融合訓(xùn)練的過(guò)程模型不僅可以更好地描述觀察到的生態(tài)系統(tǒng)動(dòng)態(tài), 而且可以更準(zhǔn)確地預(yù)測(cè)生態(tài)系統(tǒng)的未來(lái)狀態(tài)(Keenan等, 2012; Luo等, 2011).

整合生態(tài)學(xué)的未來(lái)主要發(fā)展方向

數(shù)據(jù)-模型同化的實(shí)現(xiàn)主要包括以下四個(gè)步驟: ① 選擇或構(gòu)建模型, 確定需要通過(guò)約束的參數(shù)與變量; ② 數(shù)據(jù)的準(zhǔn)備和預(yù)處理, 包括觀測(cè)到的氣象驅(qū)動(dòng)數(shù)據(jù)和實(shí)驗(yàn)或觀測(cè)得到的地表觀測(cè)數(shù)據(jù)集; ③ 同化過(guò)程, 選擇效果較好的算法進(jìn)行同化, 運(yùn)用觀測(cè)數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行約束. 經(jīng)過(guò)不斷循環(huán), 反復(fù)調(diào)整參數(shù)與初值, 最終得到參數(shù)的最優(yōu)值; ④ 模型檢驗(yàn), 使用參數(shù)優(yōu)化后的模型結(jié)果, 與未經(jīng)過(guò)同化的模型與觀測(cè)值進(jìn)行對(duì)比, 以檢驗(yàn)?zāi)Ｐ偷耐Ч?

過(guò)去20余年中, 陸地碳循環(huán)模型已經(jīng)取得了很大的進(jìn)步, 這些模型現(xiàn)在已經(jīng)被廣泛地應(yīng)用于各國(guó)對(duì)氣候變化和環(huán)境評(píng)估的政府決策中(Arora等, 2011; Friedlingstein等, 2014). 但是, 關(guān)于這些陸地模型的基準(zhǔn)評(píng)估目前還知之甚少(Luo等, 2012; Randerson等, 2009; Xia等, 2013). 尤其是把這些陸地模型和其他大氣模型、海洋模型一起整合到地球模型系統(tǒng)中時(shí), 更需要評(píng)估這些陸地模型的具體表現(xiàn). 這些模型對(duì)典型生態(tài)系統(tǒng)碳循環(huán)模擬的準(zhǔn)確性直接決定了人類關(guān)于未來(lái)生態(tài)系統(tǒng)和氣候變化預(yù)測(cè)的正確性與否. 隨著數(shù)據(jù)-模型融合方法在碳循環(huán)研究中的初步嘗試和成功應(yīng)用, 生態(tài)學(xué)家開(kāi)始普遍關(guān)注和重視該項(xiàng)技術(shù)的應(yīng)用前景(Keenan等, 2012; Luo等, 2011; Peng等, 2011). 目前可用的越來(lái)越多的生產(chǎn)力觀測(cè)值涵蓋了廣泛的地理和氣候區(qū)域, 使得我們可以將站點(diǎn)級(jí)別的觀測(cè)值升級(jí)到區(qū)域乃至全球規(guī)模. 這些基于遙感的生產(chǎn)力產(chǎn)品為大尺度的數(shù)據(jù)-模型融合提供了充足的數(shù)據(jù)來(lái)源. 在保證精度的前提下, 這些數(shù)據(jù)將成為進(jìn)行區(qū)域和全球動(dòng)態(tài)模擬及校正的基礎(chǔ)數(shù)據(jù)(Li S等, 2019). 隨著全球生態(tài)數(shù)據(jù)集的不斷豐富, 越來(lái)越多的大尺度數(shù)據(jù)-模型融合方法正被用于全球生態(tài)系統(tǒng)對(duì)于氣候變化的響應(yīng)和預(yù)測(cè)研究中. 尤其是最近一些新生成的全球數(shù)據(jù)集對(duì)于模型參數(shù)化具有重要的價(jià)值, 比如Bloom等(2016)綜合利用衛(wèi)星觀測(cè)數(shù)據(jù)和全球土壤有機(jī)碳數(shù)據(jù)結(jié)合DALEC模型重構(gòu)了陸地碳分配、存儲(chǔ)和周轉(zhuǎn)等關(guān)鍵要素的全球分布, 揭示了洲際尺度的陸地碳循環(huán)過(guò)程(Process)和關(guān)鍵狀態(tài)量(State)之間的關(guān)系. 研究進(jìn)一步指出, 在傳統(tǒng)的地球系統(tǒng)模式中簡(jiǎn)單地以陸地覆蓋類型來(lái)區(qū)分陸地關(guān)鍵碳循環(huán)過(guò)程異質(zhì)性的做法遠(yuǎn)不能充分地表達(dá)觀測(cè)現(xiàn)實(shí), 這也為未來(lái)地球系統(tǒng)模型的改進(jìn)和發(fā)展指明了方向.

將觀測(cè)和實(shí)驗(yàn)數(shù)據(jù)與生態(tài)過(guò)程模型和遙感模型相融合是未來(lái)評(píng)估陸地模型表現(xiàn)、優(yōu)化模型參數(shù)、量化模型不確定性、提高區(qū)域碳收支預(yù)測(cè)準(zhǔn)確性的有效途徑(Luo等, 2012; Niu等, 2014). 例如, 一些研究利用數(shù)據(jù)-模型融合的方法評(píng)估模型的狀態(tài)變量和參數(shù), 從而改善模型的模擬及預(yù)測(cè)能力(Chen等, 2019; Liang等, 2018; Tang和Zhuang, 2008). 同時(shí), 也有一些研究使用數(shù)據(jù)同化技術(shù)研究碳、水或營(yíng)養(yǎng)元素的交換過(guò)程(Clark等, 2011; Hou等, 2019). 此外, 數(shù)據(jù)-模型融合方法還可以探究數(shù)據(jù)約束對(duì)系統(tǒng)的影響, 例如, Liang等(2018)將六個(gè)數(shù)據(jù)集同化到陸地生態(tài)系統(tǒng)(TECO)模型中, 對(duì)16個(gè)參數(shù)進(jìn)行優(yōu)化, 提高了模型與觀測(cè)數(shù)據(jù)之間的擬合優(yōu)度. 因此在對(duì)海量數(shù)據(jù)挖掘的基礎(chǔ)上, 將數(shù)據(jù)融合到模型中, 限定模型參數(shù), 進(jìn)而提高模型預(yù)測(cè)的準(zhǔn)確性是生態(tài)大數(shù)據(jù)整合研究的另一個(gè)主要功能. 同時(shí), 新興的大數(shù)據(jù)分析方法結(jié)合傳統(tǒng)的數(shù)據(jù)-模型融合技術(shù)也為未來(lái)地球系統(tǒng)模式的發(fā)展提供了新的可能. 在地球系統(tǒng)模式對(duì)土壤有機(jī)碳的準(zhǔn)確表達(dá)方面, Tao等(2020)將數(shù)據(jù)-模型融合方法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合, 利用神經(jīng)網(wǎng)絡(luò)將優(yōu)化后的模型關(guān)鍵過(guò)程參數(shù)與環(huán)境變量結(jié)合起來(lái), 并將通過(guò)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程參數(shù)應(yīng)用到CLM5(Community Land Model version 5)中, 極大地提高了地球系統(tǒng)模式對(duì)美國(guó)大陸土壤有機(jī)碳分布的準(zhǔn)確表達(dá), 同時(shí)也揭示了土壤碳循環(huán)過(guò)程中關(guān)鍵過(guò)程參數(shù)的空間異質(zhì)性. 目前有很多陸地模型來(lái)模擬生態(tài)系統(tǒng)生物地球化學(xué)循環(huán)及在未來(lái)不同情景下的生態(tài)系統(tǒng)響應(yīng), 數(shù)據(jù)-模型融合方法能夠改善模型性能, 更好地預(yù)測(cè)氣候變化及其對(duì)生態(tài)系統(tǒng)的影響, 借助于新興大數(shù)據(jù)分析技術(shù), 數(shù)據(jù)-模型融合方法將在未來(lái)發(fā)揮越來(lái)越大的作用. 數(shù)據(jù)-模型融合的不足之處在于數(shù)據(jù)同化的參數(shù)范圍的設(shè)定往往取決于設(shè)定者的經(jīng)驗(yàn), 另外該方法對(duì)于觀測(cè)數(shù)據(jù)有一定的要求, 數(shù)據(jù)的種類或量太少則效果較差, 數(shù)據(jù)-模型融合對(duì)于非狀態(tài)變量的同化比較困難.

5 整合生態(tài)學(xué)的前景展望

綜上所述, 基于生態(tài)大數(shù)據(jù)的整合生態(tài)學(xué)研究正在生態(tài)學(xué)研究中扮演著重要角色, 其將為更廣空間和更長(zhǎng)時(shí)間尺度上的生態(tài)學(xué)研究提供更多的檢驗(yàn)新假說(shuō)和發(fā)展新理論的科學(xué)途徑. 無(wú)論是發(fā)展傳統(tǒng)的生態(tài)系統(tǒng)生態(tài)學(xué), 還是迅速崛起的宏觀生態(tài)學(xué), 整合研究都將得到廣泛應(yīng)用并發(fā)揮巨大價(jià)值.

中國(guó)地域遼闊, 從南到北跨越的氣候帶、植被類型和土地利用類型復(fù)雜多樣, 因此在整合生態(tài)學(xué)研究方面存在很大的發(fā)展?jié)摿? 長(zhǎng)期以來(lái), 全國(guó)的科研工作者們?cè)谏鷳B(tài)系統(tǒng)結(jié)構(gòu)和功能等方面都進(jìn)行了大量觀測(cè)和研究, 整合研究可進(jìn)一步挖掘這些數(shù)據(jù)的價(jià)值. 比如CERN和CNERN收集了大量的長(zhǎng)期野外監(jiān)測(cè)與實(shí)驗(yàn)、模型模擬和遙感數(shù)據(jù), ChinaFlux進(jìn)行了長(zhǎng)期連續(xù)的CO2和水熱通量數(shù)據(jù)監(jiān)測(cè), 在土壤普查基礎(chǔ)上建立的《中國(guó)土壤數(shù)據(jù)庫(kù)》對(duì)中國(guó)主要土壤類型的質(zhì)量動(dòng)態(tài)、養(yǎng)分循環(huán)等提供了詳實(shí)的研究. 這些生態(tài)數(shù)據(jù)庫(kù)的存在為開(kāi)展全國(guó)尺度的生態(tài)資源、環(huán)境演變趨勢(shì)預(yù)測(cè)和重大科學(xué)問(wèn)題的整合研究提供了很好的機(jī)會(huì)(陳發(fā)虎等, 2019), 我們可以在這些數(shù)據(jù)庫(kù)的基礎(chǔ)上開(kāi)展生態(tài)系統(tǒng)的生產(chǎn)力與碳氮過(guò)程、生態(tài)系統(tǒng)的水分循環(huán)和水分利用、生態(tài)系統(tǒng)的功能評(píng)價(jià)與管理、區(qū)域和全國(guó)尺度資源、生態(tài)和環(huán)境重大科學(xué)問(wèn)題的綜合研究等.

(1) 生態(tài)系統(tǒng)關(guān)鍵過(guò)程、結(jié)構(gòu)和功能的時(shí)空格局和演變動(dòng)態(tài): 基于生態(tài)系統(tǒng)長(zhǎng)期連續(xù)觀測(cè)和實(shí)驗(yàn)數(shù)據(jù), 結(jié)合氣候和地表過(guò)程數(shù)據(jù), 定量分析和解釋典型區(qū)域或主要陸地生態(tài)系統(tǒng)的生物地球化學(xué)循環(huán)的空間格局、年際變異、長(zhǎng)期趨勢(shì)和成因, 尤其是溫室氣體源匯動(dòng)態(tài)變化; 評(píng)價(jià)不同區(qū)域陸地生態(tài)系統(tǒng)對(duì)全球碳收支的貢獻(xiàn); 結(jié)合生物和非生物因子, 解釋主要陸地生態(tài)系統(tǒng)關(guān)鍵過(guò)程的時(shí)空變化機(jī)理, 揭示碳、氮、水循環(huán)及其耦合關(guān)系的區(qū)域特征及生物與環(huán)境控制機(jī)制, 為陸地生態(tài)系統(tǒng)的模型模擬、尺度擴(kuò)展及未來(lái)氣候變化的情景預(yù)則等研究提供理論依據(jù).

(2) 陸地生態(tài)系統(tǒng)對(duì)全球變化的響應(yīng)和適應(yīng): 通過(guò)對(duì)長(zhǎng)期觀測(cè)數(shù)據(jù)、樣帶數(shù)據(jù)、全球變化控制實(shí)驗(yàn)數(shù)據(jù)等的整合研究, 揭示生態(tài)系統(tǒng)內(nèi)關(guān)鍵生物、生態(tài)系統(tǒng)碳、氮、水循環(huán)等關(guān)鍵生態(tài)學(xué)和生物學(xué)過(guò)程對(duì)全球變化的響應(yīng); 準(zhǔn)確評(píng)估全球變化所造成的生態(tài)系統(tǒng)功能的演變; 解析極端氣候?qū)﹃懙厣鷳B(tài)系統(tǒng)的影響和生態(tài)系統(tǒng)的反饋機(jī)制, 以及生態(tài)系統(tǒng)在干擾后的恢復(fù)過(guò)程; 揭示陸地生態(tài)系統(tǒng)結(jié)構(gòu)和功能對(duì)全球變化的響應(yīng)和適應(yīng)普遍規(guī)律及機(jī)理.

(3) 生態(tài)系統(tǒng)適應(yīng)性管理以及可持續(xù)發(fā)展: 整合分析不同尺度和范圍的生態(tài)系統(tǒng)功能及其變化動(dòng)態(tài), 評(píng)估區(qū)域污染物對(duì)植物、微生物及動(dòng)物的活性和人類健康的影響; 定量不同生態(tài)系統(tǒng)的臨界負(fù)荷閾值, 解析區(qū)域環(huán)境變化對(duì)生物區(qū)系和功能的影響, 以及物種資源在空間上的變化對(duì)區(qū)域環(huán)境變化的適應(yīng); 評(píng)估區(qū)域生態(tài)環(huán)境變化對(duì)區(qū)域可持續(xù)發(fā)展的風(fēng)險(xiǎn).

(4) 對(duì)陸地模型進(jìn)行基準(zhǔn)評(píng)估、參數(shù)估計(jì)和驗(yàn)證: 利用上述數(shù)據(jù)庫(kù)及整合分析的結(jié)果, 采用數(shù)據(jù)-模型融合的方法對(duì)中國(guó)的生態(tài)系統(tǒng)模型及IPCC評(píng)估報(bào)告所使用的地球系統(tǒng)模式進(jìn)行基準(zhǔn)評(píng)估、參數(shù)估計(jì)和驗(yàn)證. 模型是否需要提高的依據(jù)是評(píng)估模型在不同時(shí)間和空間尺度上對(duì)生態(tài)系統(tǒng)過(guò)程、功能和結(jié)構(gòu)的模擬是否表現(xiàn)良好. 盡管已有一些研究案例利用渦度相關(guān)數(shù)據(jù)來(lái)驗(yàn)證和評(píng)估碳循環(huán)模型(Bonan等, 2012; Richardson等, 2012), 但到目前為止, 很少有研究系統(tǒng)地利用區(qū)域和全球聯(lián)網(wǎng)觀測(cè)和聯(lián)網(wǎng)實(shí)驗(yàn)數(shù)據(jù)去評(píng)估IPCC所使用的陸地模型, 并通過(guò)數(shù)據(jù)-模型融合的手段來(lái)優(yōu)化全球陸地模型的參數(shù)和提高模型預(yù)測(cè)的準(zhǔn)確性. 針對(duì)中國(guó)特有或典型生態(tài)系統(tǒng), 提出原創(chuàng)的生態(tài)系統(tǒng)生態(tài)學(xué)理論并開(kāi)發(fā)相應(yīng)的數(shù)值模型是未來(lái)發(fā)展的一個(gè)方向.

6 總結(jié)

生態(tài)觀測(cè)、實(shí)驗(yàn)和模型數(shù)據(jù)的快速積累對(duì)整合生態(tài)學(xué)研究提出了迫切要求, 基于生態(tài)大數(shù)據(jù)的整合研究, 以期發(fā)現(xiàn)生態(tài)學(xué)的普遍規(guī)律, 揭示多過(guò)程耦合、多尺度效應(yīng)、多要素調(diào)控的生態(tài)系統(tǒng)過(guò)程的復(fù)雜性, 認(rèn)知生態(tài)系統(tǒng)的演變規(guī)律和機(jī)理, 定量評(píng)估生態(tài)系統(tǒng)健康狀況, 進(jìn)行科學(xué)預(yù)測(cè)和監(jiān)管, 是新時(shí)期生態(tài)學(xué)發(fā)展的一個(gè)重要方向. 實(shí)踐證明, 數(shù)據(jù)挖掘和Meta分析提供了一種縱觀全局的工具, 是一套科學(xué)的、有效的定量整合研究方法, 在揭示關(guān)鍵生態(tài)系統(tǒng)過(guò)程的時(shí)空變化格局、對(duì)生態(tài)系統(tǒng)生態(tài)學(xué)傳統(tǒng)理論進(jìn)行檢驗(yàn)、對(duì)重要的生態(tài)學(xué)現(xiàn)象進(jìn)行解釋, 以及在全球變化生態(tài)學(xué)領(lǐng)域中都得到廣泛有效的應(yīng)用. 數(shù)據(jù)-模型融合的手段對(duì)優(yōu)化全球陸地模型的參數(shù)、基準(zhǔn)評(píng)估模型、降低模型不確定性、提高模型預(yù)測(cè)的準(zhǔn)確性具有重要作用. 未來(lái)的研究中, 在保證各個(gè)獨(dú)立研究數(shù)據(jù)質(zhì)量的前提下, 加強(qiáng)標(biāo)準(zhǔn)化聯(lián)網(wǎng)監(jiān)測(cè)和實(shí)驗(yàn); 在大數(shù)據(jù)的支持下, 進(jìn)一步發(fā)展和完善數(shù)據(jù)整合研究的技術(shù)和方法論; 借助整合生態(tài)學(xué)的整體思想與分析技術(shù), 將會(huì)獲得更高質(zhì)量的、具有普適性的整合研究結(jié)果, 整合生態(tài)學(xué)將會(huì)在新時(shí)期得到更快的長(zhǎng)足發(fā)展, 進(jìn)而實(shí)現(xiàn)從觀測(cè)到預(yù)測(cè)的跨越.