利用大数据思维的湖泊湿地生态研究

(长江水资源保护科学研究所，湖北 武汉 430051)

湿地是全球最具经济价值和生物多样性最为丰富的生态系统之一[1]，在气候调节、水源涵养、水质净化、洪水调蓄和生物多样性保护等方面发挥着重要的作用[2]。根据湿地公约首次发表的全球湿地展望(Global Wetland Outlook, GWO)报告，1970～2015年期间，世界湿地面积减少了35%[1]。自1992年加入《湿地公约》以来，我国相继采取了一系列加强湿地保护与恢复的重大举措，但由于巨大的人口压力和快速的经济发展，湿地受威胁因素持续增加[3]。第二次全国湿地资源调查成果显示，近10 a来我国湿地面积以约33万hm2/a的速度在减少[4]。

随着信息技术的快速发展，以大数据为主导的数据科学已成为学术界关注的焦点[5]。大数据依赖全面的数据来系统解决复杂的科学问题，为各种生态学问题的科学解决提供了新思路[6-9]。对湿地生态系统结构、过程、功能、环境因子及人为干扰进行长期监测，是揭示湿地生态系统发生、发展、演替的作用机理与调控方式，湿地生态系统研究、科学保护和发展的重要保障[5]。湿地动态监测将催生湿地生态大数据，为湿地生态保护提供新思路。

本文以湖泊湿地生态系统为例，针对水利工程运行对湖泊湿地影响研究、湖泊湿地生态系统保护与修复的理论研究、湖泊生态补偿制度研究存在的数据匮缺问题，探讨利用湖泊湿地生态监测积累生态大数据，揭示湖泊水位-候鸟生境-候鸟种群数量的动态关联特征，并帮助制定耦合生态系统各要素和主要生态过程的生态修复技术方案和链接生态系统服务供给者和受益者的生态补偿制度，为水利工程水位优化调控、湖泊湿地生态系统管理和生态修复、生态补偿措施实施提供依据。

1 湖泊湿地生态研究中的数据匮缺

1.1 水利工程运行对湖泊湿地影响研究

水利工程作为调蓄水资源分配，保障供水安全和防洪安全的重大工程措施，在产生巨大经济效益和社会效益的同时，也不可避免地对江湖连通与河湖水文情势产生影响，进而影响湖泊湿地生态水文过程、湖泊湿地生境及生物多样性[10-11]。在水利工程建设新形势的背景下，水利工程建设对湖泊水文情势的影响及其带来的候鸟生境变化(包括湿地组成、水深、湿地植被类型、湿地植被覆盖度等)和候鸟种群数量的空间分布格局变化等成为广大学者争相研究的重大课题。为缓解水利工程运行对湖泊湿地生态系统的不利影响，需要优化水利工程调度方式，促进社会经济和生态保护协调发展。但回顾目前水利工程的生态效应研究，其往往片面性地将水利工程运行-湖泊水位-候鸟生境-候鸟种群数量这个关联性极强的科学问题剥离进行分析，且因为数据匮缺，现有研究缺乏系统性和完整性。因此，应结合水利工程调度运行原则，加强数据收集工作，开展水利工程运行-湖泊水位-候鸟生境-候鸟种群数量和生物多样性的动态关联研究，为水利工程水位优化调度提供重要依据。

1.2 湖泊生态系统保护与修复理论研究

湖泊湿地生态系统结构、过程、功能及生物多样性关联研究，是根据湖泊湿地生态保护与修复目标确定湖泊生态系统结构组成与配置方式的科学基础[12]。湖泊湿地生态系统保护与修复机理研究重点包括[12]：① 主要生态限制因子对湖泊湿地生态系统要素的影响及湖泊湿地生态系统要素对其耐受限度。② 构成湖泊湿地生态系统的动植物群落中各物种的生态位及其基质条件。③ 湖泊湿地生态系统内各要素之间及其生态系统功能、生物多样性之间的相互关系。④ 湖泊湿地生态系统结构、过程对生态系统功能、服务的影响。现有研究主要基于生态监测数据或生物物理模型分析环境因子对湖泊湿地生态系统要素的影响[13-16]、湖泊湿地生态系统要素之间的相互关系[17]及湖泊湿地水生植物多样性对生态功能的影响[18]，对于外界环境因子的调控具有一定意义，但在湖泊湿地生态系统修复的应用方面还存在一定的局限性。因此，应开展湖泊湿地生态系统监测和野外调查，积累湖泊湿地生态大数据，为构建关联湖泊湿地生态系统结构-过程-功能-生物多样性的模型、优化湖泊湿地生态系统的组成与配置提供重要依据。

1.3 湖泊生态补偿标准制定存在的数据匮缺

生态补偿是以经济手段来调节和改善生态系统服务时空不平衡，协调生态系统服务供给区域及其受益群体之间利益关系的政策设计手段[19-20]。除通过湖泊生态系统保护宣传教育等手段增加社会资本投入外，生态补偿是发挥市场机制增加经济资本投入的另一种手段。然而，受限于生态系统服务评估存在的数据匮缺问题[21]，生态补偿机制往往很难发挥其市场调节作用。因此，应全面开展湖泊生态系统服务监测，并以此为基础，系统地开展湖泊生态系统服务评估和生态系统服务供需耦合机制研究，明确湖泊生态系统服务供给者和受益者之间的空间关联特征并建立横向生态补偿制度。

2 湖泊湿地生态大数据的积累与应用

随着信息化的发展和科学技术水平的提高，湿地生态大数据来源日益丰富。数据库数据的增多和数据聚合力的增强会大幅提升生态研究工作者的工作效率，使研究人员更容易基于大数据去揭示生态学本身的发展、演替规律，提高生态系统的管理效率[6]。湖泊湿地生态大数据主要包括：湿地定点(定线)监测数据、水位监测数据、卫星遥感监测数据、地理信息数据、无人机测绘数据等(见图1)。

图1 大数据在湖泊湿地研究中的应用框架Fig.1 Framework for applying big data in lake wetland research

2.1 湖泊湿地生态大数据监测

对于不同区域和不同尺度的湖泊湿地生态系统研究来说，其最大制约性往往是数据可获得性，致使大多数研究结果难以有效地指导管理实践。湖泊湿地生态系统监测往往针对湿地生态系统结构与组分(如湿地面积、湿地植被、湿地景观格局、水鸟种类及数量)、环境因子(包括水文情势、湿地地形)及人为干扰等的某一个方面开展监测，难以为湖泊水位-候鸟生境-候鸟种群数量-生物多样性的动态关联研究、湖泊湿地生态修复研究及湖泊湿地生态补偿制度建立提供有效支撑。通过跨部门跨学科合作，将宏观监测和定位连续监测相结合的监测手段应用于多区域、多尺度的湿地生态系统结构、过程、功能和生物多样性的生态大数据积累，能弥补湖泊湿地生态系统研究存在的数据匮缺。根据《国家林业局陆地生态系统定位研究网络中长期发展规划(2008-2020年)》总体规划，到2020年我国将建成覆盖沼泽、湖泊、河流、滨海和人工湿地等五大类37个湿地类型中的典型湿地类型的湿地生态站50个，对我国主要湿地生态系统的水分、土壤、大气环境要素和生物等进行长期联网观测。规划站点和监测站点是否能服务于典型湖泊湿地研究还存在一定不确定性。因此，需要结合湖泊湿地的重要性和研究目标，构建跨尺度、跨区域的湖泊湿地生态监测指标体系，并在考虑监测的整体布局的情况下建立湖泊湿地生态系统定位监测站。各领域的专家、学者应全面合作，根据水利工程的调度目标、湖泊湿地生态修复目标、生态补偿机制建立的数据需求，构建全面的监测指标体系并开展数据监测。

2.2 湖泊湿地生态大数据应用

通过湖泊湿地生态监测，对湖泊水位、候鸟生境(包括湿地组成、湿地植被类型、湿地植被覆盖度、水深、人为干扰等)、候鸟种群数量等生态大数据进行积累和耦合，能掌握不同水位情况下湖泊湿地生态系统的动态变化情况，定量化揭示湖泊水位-候鸟生境-候鸟种群数量-生物多样性的动态关联特征。大数据的耦合能帮助优化水利工程调度方式，缓解水利工程运行对湖泊生态系统的不利影响，促进社会经济和生态保护协调发展。基于大数据分析，也可以确定湖泊湿地生态修复区域的地理位置、地形、植被生长特性等，帮助制定耦合生态系统各要素和主要生态过程的生态修复技术方案(包括地形修复、植被修复等)，为湖泊湿地生态系统修复和生态系统管理提供重要依据。大数据的耦合，能进一步提高生态系统服务评估的精度，帮助识别生态系统服务供给者和受益者的空间异质性，为生态补偿主客体界定、生态补偿标准制定提供重要支撑。

3 结 语

本文以当前湖泊湿地生态研究中因数据匮缺而导致的研究片面性和理论难以指导生态修复和管理实践的问题，探讨了利用湖泊湿地生态监测积累生态大数据，强化湖泊湿地生态研究的基本思路。生态大数据耦合能为湖泊湿地研究提供数据支撑，为水利工程水位优化调控、湖泊湿地生态系统管理和生态修复、生态补偿措施实施提供依据。