生态信息学 本文关键词：信息学，生态
生态信息学 本文简介：目录一、概念二、产生背景1、现代生态学的发展趋势和信息需求2、信息技术的进步及其在生态学研究中的应用三、发展历程四、生态信息科学的理论框架1、学科基础2、研究手段3、研究领域3.1时间系列生态信息的采集与挖掘3.2生态信息的栅格化和空间数据库构建3.3生态信息资源管理3.4生态信息分析3.5生态模型
生态信息学 本文内容：
目录
一、概念
二、产生背景
1、现代生态学的发展趋势和信息需求
2、信息技术的进步及其在生态学研究中的应用
三、发展历程
四、生态信息科学的理论框架
1、学科基础
2、研究手段
3、研究领域
3.1
时间系列生态信息的采集与挖掘
3.2
生态信息的栅格化和空间数据库构建
3.3
生态信息资源管理
3.4
生态信息分析
3.5
生态模型与数值模拟
3.6
生态信息传播
3.7
数据管理政策和管理机制
3.8
生态知识的发现
4、应用
五、生态信息技术及其应用
1、生态信息采集技术
2、生态数据管理技术
3、生态信息模拟分析技术
4、生态信息传播技术
六、面临的主要问题
1、数据来源的一致性
2、生态元数据标准的统一
3、生态信息技术的推广
4、生态信息的共享
5、资金
生态信息学
一、概念
生态信息科学是一门以充分利用现代计算技术(如人工神经网络、进化计算和代理等)进行生态学分析、综合和预测为重点，综合研究生态信息提取、生态信息管理和生态信息分析的科学，成为生态学、信息科学和信息技术相交叉的生态学的一个重要分支学科。
二、产生背景
作为生态学与信息科学交叉的产物,生态信息科学可以为现代生态学研究提供有效的理论方法和技术支持;在多学科协作的研究计划中,可以将不同来源、不同类型的数据进行综合,从而为不同学科和不同地区的科研工作者和决策者提供数据与信息支持;现代信息(计算)技术以及复杂性理论,可以对生态信息进行提炼与升华,加工和再生以获得某一生态问题解决的目的、计划和策略。现代生态学的发展要求需要生态信息科学的支持,而信息技术的进步为生态信息科学发展提供了技术保障。
1、现代生态学的发展趋势和信息需求
近20年来,生态科学与环境保护、全球变化和可持续发展等重大问题的综合研究相结合取得了长足的发展,主要表现出以下几个新的趋势：
(1)研究问题趋于复杂化和综合化
随着世界人口和社会经济的增长,科学技术进步和人类开发资源能力的增强,全球生态系统所承受的压力日益增大,生态平衡不断受到破坏,人们所面临的生态危机层出不穷,各种生态问题相互交织,生态学的研究问题日趋复杂化和综合化。
(2)研究对象的时空尺度趋于长期化和全球化
面对当前日趋复杂和综合化的生态与环境问题,过去的那种短时间尺度的生态学研究已经不足以解释这些复杂的综合的生态环境问题和现象,要求进行长期的生态学定位和网络研究。为此,世界上相继建立了美国长期生态研究网络(LTER)、中国生态系统研究网络(CERN)和英国环境变化网络(ECN)等。当前人们所关心的热点问题主要是区域或全球性的环境问题(如全球变暖,生物多样性和可持续发展等),生态学研究也逐渐把空间尺度扩展到区域和全球,一些基于全球变化的国际协作项目也相继建立,如全球陆地观测系统/全球陆地观测网络(GTOS/GT-NET)、国际长期生态研究计划(ILTER)、国际地圈-生物圈计划(IGBP)、千年生态系统评价(MEA)等。
(3)研究手段趋于定量化和现代化
过去的生态学研究除个体生态学研究外,基本上是以定性的描述为主,随着生态学研究问题的复杂化和综合化、研究对象时空尺度的不断扩展以及信息系统和计算技术的进步,基于生态系统和区域乃至全球的生态学研究也逐渐趋于定量化,科研工作者希望借助数学模型来模拟与预测生态系统的现状和未来发展趋势;希望利用现代的地理信息和遥感等技术来监测和分析生态现象。
(4)研究目的转向生态系统管理
过去的生态学研究,主要是以解释生态现象和规律,分析生态系统的结构和功能为主要目的,目前生态学研究越来越关注生态系统的价值和环境服务功能,生态资源的可持续利用与保护,在思想观念上已经开始从对生态系统的适应转向对生态系统的科学管理。
以上几个生态学发展新趋势,使现代生态学逐渐进入了一种以网络式长期定位观测为基础、以定量化和现代化信息技术为研究手段、以建立区域和全球可持续生态系统为目标、以大型国际科学行动计划为支撑的全新阶段。这种生态学的发展所面临的挑战就是海量的生态信息如何提取、如何存储和管理、如何共享和交流等问题。
2、信息技术的进步及其在生态学研究中的应用
生态信息技术的核心是将计算机技术应用到生态信息管理中,因此生态信息技术的发展过程是与计算机信息技术的进步紧密相连的,见图1。
在20世纪70年代以前,由于计算机形体庞大、成本较高,计算机技术主要应用于国家和政府等少数高级行政管理部门在科学、军事和财务等方面的计算,而在生态学领域的应用较少。当时的生态数据主要以文件系统的方式进行存取的,数据长期保存在外存(软盘)上,数据量很小。20世纪70年代微型计算机面世以来,由于计算机体积小、重量轻、功耗小、可靠性高、价格低廉,计算机技术在生态学领域的应用得到了普及。特别是1975年个人电脑的出现,促进了信息系统的自动化,也加快了生态信息自动化的进程。
20世纪80年代初,关系数据库管理系统(如SQL/DS、ORACLE、DBASE)的出现,以及1986年SQL标准查询语言的面世,为生态信息数据库系统的全面开发奠定了基础。同时,Intemet在80年代也得到了蓬勃的发展,特别是到了80年代后期,数据库技术与网络技术结合产生了分布式数据库,如ORACLE公司的SQL*NET,为生态数据的单个事件在多处地点的执行提供了技术支持。在此背景下,结合生态科学的发展,许多长期生态系统监测与研究网络应运而生,长期生态学研究依靠信息技术的进步而得到了长足的发展(Michener,1986)。
20世纪90年代,信息技术呈现出一片日新月异、热闹非凡的新景象。在技术上(特别是网络技术上)趋于成熟,数据量呈指数式上升,数据载体推陈出新,数据格式也日渐规范。元数据的提出是90年代生态信息技术发展最重要的里程碑,1993和1994年的IEEE第一次和第二次元数据研讨会上,对元数据进行了比较统一和系统的定义(FrondOrf
et
al.
1999;Michener
et
a1.1997;
Not-trott
et
a1.1997;
Porter
et
a1.
1999)。元数据的出现使生态数据在Internet上的科学查询已经成为可能,从而也就刺激了生态信息技术的迅猛发展。许多科学研究机构和生态系统研究网站相继开发了元数据工具,如元数据编译器、元数据模板等等,并在WWW网上发布。用户可以通过元数据的检索,直接从网上获取自己所需要的数据信息。
三、发展历程
生态信息科学是英文单词Eco-Informatics的中译名称。最初的生态信息科学是以研究生态数据的管理和发展生态元数据技术为其核心内容(Michener,1986);随着计算技术和复杂性理论的发展,生态信息科学已经发展成为一门以充分利用现代的计算技术(如人工神经网络、进化计算和代理等)进行生态学分析、综合和预测为重点,综合研究生态信息提取、生态信息管理和生态信息分析的科学;成为生态学、信息科学和信息技术相交叉的生态学的一个重要分支学科。
四、生态信息科学的理论框架
1、学科基础
生态信息机理是生态信息科学的基础。生态信息机理是指影响生态信息产生、采集、表达、存储、传输、分析和应用全过程的各种因素,以及这些因素影响信息过程的机制。其基础理论和核心内容包括：①生态信息的本质、结构、描叙、分类和表达；②生态信息的发生、提取、传播、重构和作用机制；③生态信息运动过程中的熵增、熵减、误导和不确定性问题；④生态信息运动过程的动力学机制；⑤生态信息获取与处理的应用基础理论。
2、研究手段
生态信息技术是生态信息科学的研究手段。它以GIS、GPS、数据智能化处理技术、现代数学方法、现代测试技术、数据管理方法、虚拟环境等多种技术综合应用的集成化技术体系,实现生态信息的获取、管理、分析与传播。
3、研究领域
生态信息科学的研究领域十分广阔。主要包括：时间系列生态信息的采集与挖掘；生态信息的栅格化和空间数据库构建；生态信息资源管理系统、生态信息分析、生态模型与数值模拟、生态信息传播、数据管理政策和管理机制；生态知识发掘等领域。
3.1
时间系列生态信息的采集与挖掘
生态信息采集的目的是获取相对于认知主体(人类),表征不同层次、不同类型生态系统之间的相互作用关系,以及生态系统各要素的特征和关系的数据。现代测试技术的发展为获得数量更多、精度更高和更具有科研价值的数据提供了新的技术手段,生态系统长期定位观测研究网络为获取区域性的时间系列的生态信息提供了保障,高分辨率的卫星和航空遥感技术的发展为获取同时具有时空特征的生态信息提供了快捷的技术手段。由于历史原因,过去的大量生态信息或是被分散在各种各样的信息载体(论文,著作,技术报告、各种历史档案和图鉴,等)中,或是被分散在不同的研究者手中,也有大量的信息已经被丢失,十分有必要利用各种生态信息挖掘技术,恢复和集成历史过程的时间系列的生态信息。考古发掘,树木年轮、植物花粉、冰芯,各种沉积物的剖面等分析技术是挖掘古代生态信息的有效手段,而解析过去的航空照片和卫星图像则是挖掘近代生态信息的新技术。
3.2
生态信息的栅格化和空间数据库构建
生态学研究的尺度扩展,空间仿真模型的发展,使得人们对栅格化生态数据的需求日益强烈。因此,生态信息的栅格化及其各要素的栅格空间数据库成为了近年研究的重点,尤其是气候(气象)要素的栅格化和空间数据库的建设。近10多年来,大量的区域性乃至全球规模的栅格化气象数据库不断地被建立和完善。其中著名的有基于PRISM(Parameter
elevation
regression
onindependent
slopes
models)模型建立或正在建立的美国、加拿大、中国、蒙古、欧洲等国家和地区的空间气象数据库,基于ANUSPLIN的澳大利亚、南非等国家的气象数据库,以及基于DAYMET的美国生物气象数据库。在其它国家和地区,由于科研人员研究目的的不同,也建立了不同分辨率的栅格气象数据集。如西班牙的加泰罗尼亚地区的30
m的生物气象数据集,印度卡纳塔克邦的栅格气象数据集,服务于VIC模型的美国与加拿大的栅格气象数据集,以及VEMAP2(Vegetation-EcosystemModeling
and
Analysis
Project)中的栅格气象数据集等。尽管基于生态学过程的生物地理和地球物理机制的生态信息的尺度扩展和栅格化技术是人们所追求的理想方法,但是由于现阶段的科学认识和观测站点空间分布和密度的局限,对于许多生态信息要素还不得不依靠基于数学方法的GIS空间内插方法,近年来的高分辨率卫星和航空遥感技术的发展为生态信息的空间尺度扩展提供了新的技术途径。
3.3
生态信息资源管理
随着生态学研究的时空尺度越来越大,人们可采集的生态数据日趋海量化,需要有效地管理数据资源,便于进行信息的分析和传播。生态数据管理包括数据的采集、维护、操纵、分析以及归档等几个部分。在生态数据管理中,元数据和生态信息系统建设是生态信息资源管理是否成功的关键。1993年和1994年的IEEE第一次和第二次元数据研讨会上,对元数据进行了比较统一和系统的定义。元数据的出现使生态数据在Internet上的科学查询已经成为可能,从而刺激了生态信息技术的迅猛发展。生态信息工作者要为科学家们提供利用方便、定义明确、准确可靠的信息服务,就必须研究生态数据资源的存储格式,数据的编码规范,数据的质量控制,数据的查询和数据提交以及数据库的安全等一系列问题。
3.4
生态信息分析
生态信息分析是对原始数据或简单信息进行深层次的加工和处理,生成更为直观和高度概括的生态信息,或形成对生态系统行为、生态学规律和生态学过程的科学认识。生态信息分析是生态信息科学的最为重要的组成部分,是原始的生态数据转化为生态知识的关键步骤。它主要是以已有的生态学知识为基础,综合利用现代数学、统计学、智能化数据处理等技术手段,分析和加工原始的生态数据,分析和认识生态学现象、规律和机理,提炼新的生态学知识、解决某些生态学问题,为制定生态系统管理计划服务。
3.5
生态模型与数值模拟
模型和模拟技术的应用是理解生态系统的结构与过程,预测生态系统的未来情景的有效方法。其中的生理生态学过程模型重点在于分析生态系统的生态学机制及其与外部环境的关系;宏观的生态学模型通常是用来分析生态系统的驱动机制和预测未来情景。人工智能与高性能的计算机数值模拟系统的发展,使通过计算机的彷真计算,生态知识的智能化发现成为可能。大规模的数值模拟和虚拟现实技术是科学家运筹和规划生态系统管理策略的重要辅助手段,是生态系统管理策略的预案研究、生态知识发现、模拟和预想的管理效果表达的重要工具。
3.6
生态信息传播
生态信息的传播是实现生态数据共享和交流的必须环节,GIS和WEBGIS技术的发展,为传播具有空间特征的生态数据提供了可能,网络数据库和高速信息公路的发展为生态信息的快速交换提供了技术保障。因此,现代的信息表达不再仅仅局限于模拟符号、文字和书稿形式,还实现了数字化、多媒体化,同时信息交换和转播也实现了实时性与网络化,促进了广泛意义上的信息共享。许多科学研究机构和生态系统研究网络都相继开发了元数据(元数据编译器、元数据模板)和生态模型工具,在WWW网页上发布共享。
3.7
数据管理政策和管理机制
生态学家要完成大尺度的、长期的生态学研究项目(如全球变化、生物多样性、可持续发展等问题),不仅需要多学科之间的协同合作,更需要共享已有的高质量的生态数据资源。然而,由于大多数生态信息的采集和挖掘工作是在不同的组织机构或利益集团的资助下完成的,除了单纯服务于科学研究目的之外,通常还带有某些政治或经济利益的色彩。即使是单纯服务于科学研究所获得的数据,也常常由于不同国家或不同科技团体以及科学家之间的科技竞争,也难以实现生态信息的无偿或完全的自由共享。这就需要不同国家或不同科技团体以及科学家之间的多边协商,需要数据管理部门的组织和协调,制定合理的数据管理政策和数据利用的行为规范,确定数据共享的经济调控和行政调节机制。
3.8
生态知识的发现
生态知识是更高层次的生态信息形式。生态系统的复杂性和多样性决定了仅仅通过简单的数量分析和生态学模型分析,还远远不能完全解决生态学中的许多问题。生态知识发现更严格的说是生态知识的管理,是生态信息科学发展的趋势之一,包括信息到知识的转换以及零散知识的高度综合。人工智能与高性能的计算机的发展,为智能化发现生态知识提供了工具,人工神经网络、演化计算、智能代理模拟系统、专家系统等信息技术都可以用于生态知识的发现研究工作,但是真正意义上的生态知识发现,还需要依赖于生态学家对各种生态学现象的归纳和总结,对生态规律和机理的逻辑推理和升华。
4、应用
区域和全球生态环境问题是生态信息科学的重要应用领域。区域和全球生态环境问题是当今生态学研究的前沿与热点。它是生态信息科学产生与发展的驱动力,是生态信息科学的重要应用领域,从而为人类更加合理管理和调控生态系统提供依据,促进生态系统的可持续发展;以生态信息技术为支撑,进行生态信息工程建设,为建立生态信息基础设施奠定基础。
五、生态信息技术及其应用
随着生态学和信息技术的发展,生态信息技术所关注的热点也由早期的生态数据管理、生态信息分析过渡到生态知识发现。早期的生态数据多源于短期的、小尺度的项目研究,大部分是孤立的、少量的、不成序列的,多为属性数据,其信息量极其有限。随着生态学研究的长期化、大尺度化,数据采集技术的多样化,以及生态学本身的多学科性、生态系统的复杂性,形成了生态数据的空间、结构和语义的差异,因此如何合理有效地进行生态信息采集、生态数据管理、生态信息分析和生态知识发现以及生态信息的传播,便成为生态信息技术的研究核心内容。
1、生态信息采集技术
数据是信息载体,生态信息获取技术的目的是获取相对于认知主体(人类),表征不同层次、不同类型的生态系统之间以及生态系统各要素的特征和关系的数据。长期定位观测技术的发展,促进了长期生态学的发展。GIS、RS、GPS三者的有机集成为获取区域、国家乃至全球尺度的生态信息奠定了基础。现代测试技术的发展为获得更多、精度更高和更具有科研价值的数据提供了新的技术手段。
2、生态数据管理技术
随着生态学研究的时空尺度越来越大,人们可采集的生态数据日趋海量化。同时,生态学家要完成大尺度的、长期的生态学研究项目(如全球变化、生物多样性、可持续发展等问题),不仅需要多学科之间的协同合作,更需要以高质量的生态数据共享为研究基础。生态数据的管理也日趋重要,它是进行信息模拟分析和传播的保证。数据库技术和元数据技术是生态数据管理技术的基础。生态数据管理包括数据的采集、维护、操纵、分析以及归档等几个部分。其核心技术主要包括：
(1)合理设计和组织数据技术。一个良好的数据设计和组织,可以避免野外采样和进行时间序列分析所面临的困难;提高具有空间属性的生态数据在GIS中的应用与组织的效率;有利于生态数据在网络环境下的查询、发布等。
(2)数据采集和处理过程中的质量控制与质量保证技术。生态数据的采集由于各种原因,可能将错误的数据引入数据集中,造成数据污染。人们必须采用质量控制和质量保证等多种程序来消除数据污染,以提高数据的精度与质量。
(3)元数据标准和元数据工具技术。元数据是关于数据的数据,是关于数据的信息。它是数据管理技术的核心和关键,常被用于数据文档建立、数据发布、数据测览、数据转换等,是数据管理和数据共享的基础之一。
(4)数据的归档与存取技术。生态数据经过设计、采集、质量控制、分析和解译后,获得有用的信息。这些生态数据和信息需要归档,以便为将来的研究提供服务。生态信息价值的大小,不仅决定数据转换技术,也决定于其他研究人员对信息的可存取性。信息越易被人们存取,利用的频率越高,信息的价值越大。因此,信息归档时不仅要考虑数据存贮的方式,如存贮格式、存贮器的类型等,还需要考虑到数据的可存取性。宽度网络技术、分布式数据库技术的发展为合理的数据存档与存取技术提供了基础。
3、生态信息模拟分析技术
生态信息模拟分析是对数据或简单信息进行较为深层次的处理。它是生态信息技术的最为重要的组成部分,是生态数据演变为生态信息乃至生态知识的关键步骤。它以现代数学技术、计算机技术、网络技术、数据库技术、智能化数据处理技术为基础,对生态信息进行加工、再生以及获得某一生态问题解决的目的、计划和策略信息——知识。可分为基于数量分析方法信息处理技术、基于生态学模型信息处理技术和智能化知识发现技术。
(1)基于数量分析方法的信息处理技术。将数量分析方法引人生态信息分析,是生态学由定性描述走向定量分析的重大突破。随着数量分析理论的迅速发展,所采用的分析手段也丰富多彩。例如,图形分析方法广泛应用于生态数据的质量控制,数据净化、探索性数据分析和数据管理：常规的统计方法(多变量分析、线性回归和多元回归分析等)可以应用于存在预先假设的生态学问题分析;解释性的统计方法(多样性指标、聚类、主成分分析、相关分析和各种分类技术)常用来描述和阐述自然界已存在的模式研究;时间序列分析方法(移动平均、自相关分析、自相关移动平均方法)应用于分析生态现象的时间系列变化特征;空间统计学(地统计学方法等)应用于分析景观生态的空间格局特征。
(2)基于生态学模型的信息处理技术。模型和模拟技术的应用为理解生态系统的结构与过程以及对系统未来的预测提供了有效方法。生理生态模型重在探讨生态系统的生理和生态学机制及其与外在环境的关系。生态系统模型可以分为匀质斑块系统模型和空间异质系统(景观、区域)模型。匀质斑块系统模型没有考虑空间异质性因素的影响,适合于在空间范围较小时使用;空间异质系统模型考虑了空间的耦合作用,可以在较大范围使用。由于宏观生态学的研究的需要,空间仿真模型迅速发展起来,成为目前计算机模型的前沿和热点。
(3)生态知识的发现技术。知识是更高层次的信息。生态系统的复杂性和多样性决定了通过简单的数量分析和生态学模型分析,远远不能完全解决生态学问题。人工智能与高性能的计算机的发展,使智能化发现生态知识成为可能。生态知识发现更严格的说是生态知识的管理,是生态信息科学发展的趋势之一,包括信息到知识的转换以及知识的综合。这里的“知识”不仅是描述和解释生态系统运动规律的知识,而是从人的需要出发,用于指导人类保育生态环境实践活动的知识,可称之为“方案知识”。其主要内容包括:1)人工神经网络技术、演化计算、智能代理模拟、细胞自动机、专家系统等高级计算技术与生态学研究综合应用技术;2)发展更好的管理生态系统和反映生态系统机理的计算技术;3)应用计算技术进行生态数据挖掘、知识发现、模拟和动画等,为宏观决策和政策制定服务。
4、生态信息传播技术
用来实现生态数据的传递和信息的传播。GIS和WEBGIS技术的发展,为传播具有空间特征的生态数据提供了可能:网络数据库和高速信息公路的发展,使得生态信息的交换发生了革命性的变化;信息表达不再仅仅是模拟符号,实现了数字化、多媒体化;信息交换的实时性与网络化,促进了广泛意义上的信息共享。
六、面临的主要问题
1、数据来源的一致性
我们这里要说的一致性不是指数据的来源必须相同,而是指相同类型数据之间的可比性和可靠性。就我国而言,已建成的野外试验站有600余个,这些试验站遍布全国,所处的生态环境状况相差悬殊,开展监测工作的条件存在较大差异,且其监测项目规程、试验和测定方法、数据采集和管理等均不一致,相互之间缺乏可比性。如何确保来自各试验站大量数据的可靠性和可比性,除了操作方法应当规范化和标准化外,不容忽视的是要认真做好对监测工作和数据的质量管理,保证数据来源的一致性。这无疑是摆在我们面前的一项艰巨的任务,需要生态研究工作者和信息技术人员的共同协作才能完成。
2、生态元数据标准(EML)的统一
生态学元数据标准是源自生态学原理,又服务于生态学研究的,对于充分体现生态数据的内容,方便用户编写元数据和建立元数据操作系统,以及对元数据的管理是很重要的。目前与生态学有关的元数据标准有许多,如FGDC、GLIS和CIESIN的元数据标准。一方面,不同的元数据标准之间不统一;另一方面,同一元数据标准也没有定型,尚处于发展过程中。这需要对过去和现有的工作进行总结,同时结合用户的需求,不断地对生态无数据的标准进行统一和完善,确保元数据语法的统一或相互兼容。另外,由于生态元数据量大,还包含了一些空间信息,开发稳定有效、资源消耗小的元数据工具,方便用户在Internet上对元数据的查询也是当前面临的挑战。
3、生态信息技术的推广
由于生态信息技术发展迅速、更新很快。这一方面方便了生态学的研究,同时也加大了生态信息技术本身在全球范围内的推广和应用。为了保证生态学研究对海量数据的需求,需要适时地推广和传播各种生态信息技术。
4、生态信息的共享
一个国家或者研究机构如果没有较完善的生态数据和信息共享政策,容易导致盲目的生态数据壁垒现象,造成许多科学数据不能充分利用,或者导致低水平的重复工作。虽然现在开发了许多生态数据的Internet网上查询工具,但是并不是所有生态数据和信息都可以免费和自由共享的,这其中牵涉了许多数据和信息所有权和使用权的问题。将生态数据和信息进行分类和用户分级,采用合理的数据发布方式,实施合理的收费制度,这对于生态信息技术的开发和发展都是非常重要的。
5、资金
随着生态学研究和计算机技术的发展,以及生态学数据的拓展和积累,生态学对信息技术的要求也越来越高,而当前计算机设备更新换代很快,所须投入的资金也相应的不断增加。而生态信息科学作为一门公益性的学科,要求政府和一些非政府机构不断的增加资金投入,才能保证它的正常研究和发展。