陆地生态系统生境信息感知技术研究进展

陈永明等

摘要：研究陆地生态系统生境信息感知技术，对于分析陆地生物生存环境和预测陆地生态系统生境变化具有重要意义。介绍了传统的基于视域和认知域的陆地生态系统生境信息感知技术研究现状，综述了近期探索性的视域与认知域关联的陆地生态系统生境感知技术研究现状，探讨了前沿的跨媒体感知技术被用于陆地生态系统生境信息交互感知研究的可行性，分析了上述相关感知技术存在的局限性，对陆地生态系统生境信息感知关键技术研究进行了展望。

关键词：陆地生态系统；生境信息；感知技术

中图分类号：Q948 文献标识码：A 文章编号：0439-8114（2015）17-4117-05

DOI：10.14088/j.cnki.issn0439-8114.2015.17.002

陆地生态系统为人类以及其他大量生物创造了生存条件和提供了物质基础，陆地生态环境也成为人类和其他大量生物主要赖以生存的生态环境[1-3]。然而，目前陆地生态系统却不断遭到破坏，例如：过度砍伐森林资源，过度草场放牧，不合理的工业、城市布局和用地，这些行为导致全球植被面积剧烈减少，许多天然绿色植物和生物物种大量消失，各地区不断出现极端厄尔尼诺现象，生物系统的多样性和生态系统的平衡被严重破坏，全球气候变暖、水旱灾害频发，进一步引发全球性的陆地生态系统的退化和区域性变异等现象，这些现象都已经严重威胁到人类和其他各种陆地生物的生存[4-6]。

这些问题的产生很大程度上是由于陆地生态系统生境的多样性和复杂性，导致人们无法宏观准确理解陆地生态系统生境所处的各种状态及内部成分相互作用机制，无法清晰地认识自身在进行陆地生态资源利用过程中过度的行为带来的破坏性影响。陆地生态系统生境信息交互感知研究为解决这一问题提供了一种新的途径，该研究可以被用于深入理解陆地生态系统变化和其内部成分作用机理，进而可以被用于解释和预测生态环境变化，估计生态系统产生的价值，进而指导人类合理利用陆地生态资源，从而保护陆地生态系统。由此可见，这项研究工作的展开，将对维持陆地生态系统平衡，保持陆地生态系统可持续发展，保护人类和其他大量生物赖以生存的环境起重要的作用，因此研究具有重要的现实意义[7-11]。

1 国内外研究现状

1.1 基于视域的感知研究

基于视域的陆地生态系统生境信息感知主要借助于卫星、飞行器、雷达等的装备捕获大范围陆地生态系统影像，宏观上感知陆地上各种地形、植物等的形态与分布。

目前，基于视域的陆地生态系统生境感知仍然是国际学术社会研究的重点：庞立东等[12]结合遥感影像信息和地理图件建立草原区景观生态分类模型，并用来判别西乌珠穆沁草原生态系统景观类型。杨浩等[13]利用雷达极化指数监测小麦倒伏的方法，并使用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的数据对提出方法进行验证，结果表明该方法能有效辨识和监测小麦倒伏状况。Johansen等[14]使用QuickBird卫星影像数据光谱和纹理来感知河岸及其周边的森林生态系统植被结构状态。Mathieu等[15]结合用面向对象分类方法和超高分辨率多光谱Ikonons影像来了解新西兰达尼尔城市生态系统特征和园林生态系统的多样性。Antonarakis等[16]利用遥感技术和波形激光雷达对森林冠层结构和组成空间进行综合估计，可以提高陆地生态环境模型碳通量预测的准确度。

从上述相关的研究中可以看出，基于视域的陆地生态系统感知技术宏观上探测了陆地生态系统的各种状态与变化属性，一定程度上揭示了陆地生态系统内部成分之间的关联性，但要从影像中获取有效信息还必须借助图像处理、模式识别、机器学习等其他学科的知识才能实现，然而目前的这些计算技术手段受本身发展的限制，还无法将图像中有效信息完整表达。另外，图像数据往往反映陆地生态系统生境的具体形态，而具体形态无法揭示物理细节成分之间相互作用机理，因此要全面认识陆地生态系统还必须借助其他技术手段。

1.2 基于认知域的感知研究

多数时刻所描述的生态系统内部成分之间联系的有效手段是借助语料知识表达，针对此项研究，国内外学者也积极开展了相关研究：文健等[17]将生物类文档用本体库中的概率来表达，数据集的主题用聚类结果的输出表示，并用期望最大化算法计算主题产生项的概率实现生物文献检索。孙敏等[18]利用模糊数学和评估学中多比例法将诊断知识数值化，将“对象-属性-值三元组法”与产生式规则相结合对知识推理模型进行了优化，最终实现对果菜病害诊断知识有效表达。陈叶旺等[19]通过获取用户输入的农业信息语言，计算词汇与本体知识之间的关联程度建立词汇到知识的映射关系，实现本体知识与数据库文档关联，从而实现基于文档的农业信息感知。陈燕红等[20]提出一种基于随机索引语义空间和隐语义空间的农业信息检索模型，实验使用了120万张中文网页和2 000张分为4类的小规模中文农业网页进行了验证。Sun等[21]研究了知识表示和描述、知识链、知识转化的方法和知识检索和集成的关键技术，建立了农业知识语义检索原型系统。Chen[22]用实现了农业知识本体库语义标注、推理和检索，并给出了知识表示和评估，建立的系统和框架可以用于管理农业本体论知识。Zeng等[23]针对性解决农业生产的问题，建立了自动知识问答推荐系统，在一定程度上可以针对农民知识问题进行解答。

从上述的基于自然语言处理的陆地生态系统语义信息的相关研究中可以看出，通过借助自然语言处理算法和机器学习相关算法构成的智能系统，实现了生态系统文档知识自动推理和分类功能，但目前该项研究主要还是遵循进行文本特征提取、文本建模和文本分类识别的研究方向。陆地生态系统知识表达虽然在一定程度上对生态系统特征进行了补充，但是目前并没有将文本特征与其他生态特征交互使用，研究手段与研究领域相对还比较单一。

1.3 视域与认知域关联感知研究

目前，国际上使用机器视觉技术和自然语言处理技术对陆地生态系统感知的研究方向基本趋于平行，即两个研究之间基本没有建立交集。从图像和文本提取的特征仅仅输入自身的模型进行推理和分类，没有实现信息之间的传递和共享。研究方向的单一性使得目前相应的研究技术无法对生态系统进行全面、精准的表达。为使生态系统信息得以最大限度地挖掘和精确地感知，近几年国内外学者开展了相关方面的探索性研究，并提出了交互感知的研究设想（图1）。

Liu等[24]分析了地理信息空间属性和非空间属性的语义关系，提出了描述地理信息的空间关系属性关系图，并利用地理本体的生成算法建立地理本体实例，在大连湾土地利用上进行了验证。Zhu等[25]提出了基于用户需求的遥感图像检索系统，建立了用户的卫星图像和其自然语言描述需求之间的联系，自然语言处理和语义推理用于生成的用户语义需求模型，由本体、规则和词典知识数据库开发出来，以支持自然语言处理和语义推理，从而获得遥感影像。Liu和Zhu的研究虽然应用了自然语言处理获得图像信息，但是并没有交互使用语料特征信息与图像特征信息，而是利用自然语言得到了陆地生态系统生境的图像标签，说明他们的主要研究工作解决的还是自然语言分类问题。Vogel等[26]将自然场景语义建模方法用于基于内容的图像检索，在图像局部区域提取水、岩石或树叶等的语义概念类，并用这些地方出现的频率来表示图像，试验结果证明该方法适合于异质场景类别的语义内容建模、图像分类与检索。Jamil等[27]介绍使用图语义相似法访问和测量自然场景的相似性，该方法是基于语义的概念和边缘检测的自适应图像分类，该方法学习的语义概念，如水、草、天空和树木等的概念共生矢量图像信息，这些信息被用于构建图像，并用连接边缘之间来解释相似性。孙显等[28]将自然场景图像以语义概率进行分解，分别提取每幅图像的特征进行空间金字塔匹配，构建包含层次数据和语义信息的中间向量，运用判别式学习方法对语义对象进行识别。通过分析Vogel、Jamil和孙显等的研究工作可以看出：虽然多词汇语义的概念被运用于自然场景图像的分类研究中，但是这些研究并没有将图像特征与文档特征进行交互，而仅仅提取了图像底层特征，然后根据底层图像特征对应的词汇标签进行分类，说明他们的研究工作还是在图像特征识别范畴。

1.4 跨媒体感知研究

虽然国际社会近期已经开始探索建立异构生态特征之间的联系和合理使用异构生态环境信息，但受到研究理论体系、研究方法和研究技术手段等诸多方面的限制，多源异构陆地生态系统生境信息交互感知技术的研究还处在萌芽状态，许多研究工作还无法完全展开。近年来随着子空间分析技术、语义关联技术[11]发展，建立异构感知数据之间的联系成为了可能，这有助于充分利用异构信息，增强对陆地生态系统生境信息的感知能力。

目前国际上可供借鉴的技术是先进的互联网跨媒体检索技术。互联网跨媒体检索技术是近几年发展起来的一项研究不同模态多媒体特征之间联系和转换的技术，该研究在互联网检索技术研究中还是一个较新的研究方向，由于该技术能提升搜索引擎的理解性能，因而被认为是很有价值和前景的研究领域[29-32]，多媒体国际学术社区近期开展了相关理论和方法方面的探讨：胡涛等[33]提出用Ontology方式来组织多媒体信息，并分析音频和图像之间的内容和语义，在语义层次实现媒体之间的跨越。杨易等[34]利用多媒体对象的共生关系信息、不同模态多媒体对象的互补信息和伪相关反馈信息来实现多媒体语义信息的检索。

典型相关分析也被运用于多媒体检索技术的研究，它通过对偶综合变量之间的相关性联合降维的方法，将不同模态的数据降到相同的维数关联子空间，然后在恒等子空间内直接进行信息交互[35，36]；后续还提出了一些与典型相关分析组合的模型，如典型相关分析+高斯混合模型、典型相关分析+多分类Logistic回归模型等，来建立不同模态媒体在语义层面上的联系[37，38]。

从上述相关的互联网跨媒体研究中可以看出，语义关联技术一定程度上建立了互联网上异质媒体之间的底层特征之间的联系，通过建立高层语义映射模型，实现了异构信息在异构模型之间的传递，从而完成了异构媒体之间的交互表达。

虽然互联网异构媒体检索研究技术和方法为开展多源异构陆地生态系统生境信息交互感知研究开辟了新的研究方向和提供了新的思路，但是目前研究理论基础不完善，该项研究还仅仅从多媒体检索实现的可行性层面上进行探讨，也没有针对特定的领域具体对象开展研究，因此相关的研究方法和技术路线并不能直接运用于陆地生态系统信息的交互感知研究中，例如，其没有针对陆地生态影像特征和生态语料特征的提取方法，用互联网异构媒体检索技术特征提取方法获得的影像或语料特征并不能完全表征陆地生态系统特性，这时必须借助生态学相关知识对提取到的特征进行分析和筛选，进而才能作为语义抽象模型输入，否则这些不相关的特征将会作为噪声引入系统模型，并且噪声的影响将会在交互感知中倍增，反而会降低系统的感知性能。

目前，互联网异构媒体检索研究技术在建立子空间映射关系时，主要还是运用典型相关分析方法建立异构媒体之间的语义关系，只是运用了子空间映射的特殊情况，并没有考虑子空间映射的真实映射关系，因此特征在该模型间传递的过程中一般存在信息泄露的问题[37-40]，生态特征信息在其中的传递过程中效果如何还无法把握，这都需要进一步开展针对性的理论和方法研究才能最终建立合适的感知模型。

2 结论

第一，传统的的基于视域或认知域的陆地生态系统感知空间被制约于各自有限的生态数据空间中，信息之间无法交互，因此传统的感知技术无法充分揭示陆地生态系统生境内部成分相互成分作用机理。

第二，近期探索性的视域与认知域关联的陆地生态系统生境感知研究虽然将多词汇语义的概念运用于自然场景图像的分类研究中，但是这些研究并没有将图像特征与文档特征进行交互，而仅仅提取了图像底层特征，然后根据底层图像特征对应的词汇标签进行分类，因此他们的研究方法属于图像分类范畴，也无法准确地刻画陆地生态系统生境的具体形态。

第三，目前跨媒体感技术只是运用了子空间映射的特殊情况，并没有深入探究子空间的映射结构关系，特征信息在模型间传递的过程中容易发生泄露，陆地生态特征信息在交互感知模型中传递的效果还没有被验证，交互陆地生态系统生境信息感知模型还没有被建立。因此，如何抑制跨媒体感知技术的异构信息传递泄露问题，并将改进后的跨媒体感知技术运用到陆地生态系统生境信息感知机理研究中，提升陆地生态系统生境信息感知算法的总体性能，是将来陆地生态系统生境信息感知技术研究的发展方向和热点。

参考文献：

[1] WARDLE D A， BARDGETT R D， CALLAWAY R M， et al. Terrestrial ecosystem responses to species gains and losses[J]. Science，2011，332（6035）：1273-1277.

[2] 赖日文，刘 健， 汪 琴.闽江流域生态公益林林型对水源涵养的影响[J].西北农林科技大学学报（自然科学版），2014，42（10）：111-118.

[3] YIN R S， YIN G P. Chinas primary programs of terrestrial ecosystem restoration： initiation， implementation，and challenges[J].Environmental Management，2010，45：429-441.

[4] 翟治芬，严昌荣，张建华.气候变化背景下农业技术适宜性研究[J].中国农业大学学报，2015（1）：185-194.

[5] 牛 栋，李正泉，于贵瑞.陆地生态系统与全球变化的联网观测研究进展[J].地球科学进展，2006，21（11）：1119-1206.

[6] RUSTAD L E. The response of terrestrial ecosystems to global climate change： towards an integrated approach[J]. Science of the Total Environment，2008.404（2-3）：222-235.

[7] HEIMANN M， REICHSTEIN M. Terrestrial ecosystem carbon dynamics and climate feedbacks[J]. Nature，2008，451：289-292.

[8] 苏宏新，马克平.生物多样性和生态系统功能对全球变化的响应与适应：进展与展望[J].自然杂志，2010，32（6）：344-352.

[9] 胡 楠，范玉龙，丁圣彦，等.陆地生态系统植物功能群研究进展[J].生态学报，2008，28（7）：3302-3311.

[10] 武建双，沈振西，张宪洲.藏北高原草地生态系统研究进展[J]. 农业科学与技术，2009，10（3）：148-152.

[11] BRENT R， BRUCK J. 2020 computing： can computers help to explain biology[J]. Nature，2006，440：416-417.

[12] 庞立东，刘桂香，刘建强.遥感与GIS技术在草地景观分类与制图中的应用——以西乌珠穆沁为例[J].内蒙古农业大学学报（自然科学版），2010，31（2）：304-309.

[13] 杨 浩，杨贵军，顾晓鹤，等.小麦倒伏的雷达极化特征及其遥感监测[J]. 农业工程学报，2014，30（7）：1-8.

[14] JOHANSEN K， COOPS C N， GERGEL S E， et al. Application of high spatial resolution satellite imagery for riparian and forest ecosystem classification[J]. Remote Sensing of Environment， 2007， 110： 29-44.

[15] MATHIEU R， FREEMAN C， ARYAL J. Mapping private gardens in urban areas using object-oriented techniques and very high-resolution satellite imagery[J]. Landscape and Urban Planning， 2007， 81： 179-192.

[16] ANTONARAKIS A S， MUNGER J W， MOORCROFT P R. Imaging spectroscopy and Lidar-derived estimates of canopy composition and structure to improve predictions of forest carbon fluxes and ecosystem dynamics[J]. Geophysical Research Letters，2014，DOI：10.1002/2013GL058373.

[17] 文 健，李舟军.基于聚类语言模型的生物文献检索技术研究[J].中文信息学报，2008，22（1）：61-66.

[18] 孙 敏，罗卫红，相 林，等.设施果菜病害诊断的知识表达与推理模型[J].农业工程学报，2012，28（17）：149-156

[19] 陈叶旺，李海波，余金山. 一种基于农业领域本体的语义检索模型[J].华侨大学学报（自然科学版），2012，33（1）： 27-32.

[20] 陈燕红，张太红，冯向萍，等.基于双重语义空间的农业信息检索模型研究[J].新疆农业大学学报，2012，35（3）：253-258.

[21] SUN X， ZHU H J， GU J Q， et al. Research on the semantic web-based technology of knowledge integration for agricultural production[A]. CHEN Y X. Proceedings of the 6th International Conference on Fuzzy Systems and Knowledge Discovery[C]. LOS ALAMITOS：IEEE Computer Scoiety，2009. 361-366.

[22] CHEN H Y. Study of agricultural knowledge service system model based on semantic web[A]. ZHOU Q H. International Forum on Information Technology and Applications[C]. LOS ALAMITOS： IEEE Computer Scoiety，2010， 1： 381-383.

[23] ZENG Q， LIANG Z， NI W， et al. OAPRS： An Online Agriculture Prescription Recommendation System[M]. Berlin： Springer， 2014.

[24] LIU W， GU H H， PENG C M， et al. Ontology-based retrieval of geographic information[A]. LIU Y. Proceedings of the 18th International Conference on Geoinformatics[C]. LOS ALAMITOS： IEEE Computer Scoiety. 2010. 1-6.

[25] ZHU X Y， LI M， GUO W， et al. Semantic-based user demand modeling for remote sensing images retrieval[A]. MOREIA A. IEEE International Geoscience and Remote Sensing Symposium[C]. LOS ALAMITOS： IEEE Computer Scoiety， 2012.2902-2905.

[26] VOGEL J， SCHIELE B. Semantic modeling of natural scenes for content-based image retrieval[J]. International Journal of Computer Vision， 2007， 72（2）： 133-157.

[27] JAMIL N， KANG S. Natural scene retrieval based on graph semantic similarity for adaptive scene classification[J]. Lecture Notes in Computer Science， 2009， 5796： 676-684.

[28] 孙 显，付 琨，王宏琦.基于空间语义对象混合学习的复杂图像场景自动分类方法研究[J].电子与信息学报，2011，33（2）：347-353.

[29] ALEXANDER G H， MICHAEL G C. Successful approaches in the TREC video retrieval evaluations[A]. SCHULZRINNE H. Proceedings of the 12th Annual ACM International Conference on Multimedia[C]. New York： Association for Computing Machinery，2004.668-675.

[30] DATTA R， JOSHI D， LI J， et al. Image retrieval： ideas， influences， and trends of the new age[J]. ACM Computing Surveys，2008：40（2）：1-60.

[31] LIU J， XU C S， LU H Q. Cross-media retrieval： state-of-the-art and open issues[J]. International Journal Multimedia Intelligence and Security， 2010， 1（1）： 33-52.

[32] 吴 飞，庄越挺.互联网跨媒体分析与检索：理论与算法[J].计算机辅助设计与图形学学报，2010，22（1）：1-9.

[33] 胡 涛，武港山，任桐炜，等.基于Ontology的跨媒体检索技术[J].计算机工程，2009，35（8）：266-268.

[34] 杨 易，郭同强，庄越挺，等.基于综合推理的多媒体语义挖掘和跨媒体检索[J].计算机辅助设计与图形学学报，2009， 21（9）：1307-1314.

[35] ZHANG H，MENG F L.Multi-modal correlation modeling and ranking for retrieval[J]. Lecture Notes in Computer Science， 2009， 5879： 637-646.

[36] OHKUSHI H， OGAWA T， HASEYAMA M. Kernel CCA-Based music recommendation according to human motion robust to temporal expansion[A]. MASAO M. International Symposium on Communications and Information Technologies[C]. Los Alamitos：IEEE Computer Scoiety，2010.1030-1034.

[37] RASIWASIA N， MORENO P， VASCONCELOS N. Bridging the gap： query by semantic example[J]. IEEE Transactions on Multimedia， 2007， 9（5）： 923-938.

[38] RASIWASIA N， PEREIRA J C， COVIELLO E， et al. A new approach to cross-modal multimedia retrieval[A]. SCHULZRINNE H. ACM Proceedings of the 18th International Conference on Multimedia[C]. New York： Association for Computing Machinery， 2010.251-260.

[39] CHEN Y M， WANG L， WANG W， et al. Continuum regression for cross-modal multimedia retrieval[A]. ELI S.IEEE International Conference on Image Processing[C]. Los Alamitos： IEEE Computer Scoiety，2012.1949-1952.

[40] RADU I. Augmented reality in education： a meta-review and cross-media analysis[J]. Personal and Ubiquitous Computing， 2014，18（6）：1-11.