基于公众参与和人工智能技术的上海草本植物多样性监测实践探索

杨 博 郭陶然 郑思俊 徐洲锋 吴奕辰 张 浪*

国内外大都市普遍缺少生物多样性监测数据，都市生态修复工作面临生物多样性监测技术瓶颈。研究创新应用公众参与和人工智能APP生命观察（Biotracks），开展上海市域草本植物多样性监测，其主要过程为监测者按技术规程拍摄一定范围内各种草本植物的照片，基于Biotracks进行植物识别，获得草本植物的属、种和空间坐标。基于公众志愿者大量、持续的监测，可形成植物多样性监测大数据。该方法简单灵活，尤其适用于景观破碎化程度高、空间异质性强的城市化地区。公众志愿者数量众多、覆盖范围广，监测工作一般为公益性质，通常利用闲暇时间，可进行长期监测。该方法具有成本低、范围广、可持续性强等特点，有助于储备都市生物多样性监测大数据。研究基于已获得的数据进行了初步分析，得出草本植物种类的城乡差异与群落高度的梯度变化，验证了该方法的可行性，具有未来应用潜力。该方法尚处于探索阶段，监测实验规模较小，数据积累较为有限，不可避免存在一定的误差，经检验，误差符合统计学要求。研究成果对开发生物多样性监测技术、开展都市生态修复工作具有积极的借鉴意义。

公众参与；人工智能；乡土草本植物多样性；监测技术；种类；频次；上海

城乡生物多样性监测因难度极高、意义重大已成为生态环境、城乡规划、风景园林等学科的交叉研究热点问题[1]。中国各大城市均已建立了成熟的生态环境监测系统，但普遍缺少生物多样性监测数据，这是未来重点发展方向之一[2-3]。本研究目标在于探索一种应用于都市环境，基于公众参与和人工智能技术的生物多样性监测方法，旨在通过公众智慧和力量，积累都市生物多样性大数据，促进都市生态保育与修复工作。当前研究处于探索性阶段，文章重点在于探讨该监测方法的技术特点和应用潜力。

草本植物是城乡生态系统的构成要素，在城乡生物多样性方面具有极为重要且无可替代的生态功能[4]，掌握草本植物多样性数据是开展都市生态修复工作的必要信息基础。草本植被监测难度较高，传统监测技术在该领域存在技术瓶颈：植株较小、易受乔灌木遮挡，遥感技术很难进行拍摄和分辨；分布广、差异大，开展样方调查的人力成本高、耗时长；生长周期较短、变化快，进行动态监测的成本极高。该技术瓶颈长期未受到重视，目前仍未得到有效解决，这造成中国各大城市普遍缺少城乡草本植物多样性、空间分布、动态趋势等基础数据，严重限制了人们深入开展草本植被监测研究和生态修复工作，故亟待开发有针对性的监测技术。此外，《国务院办公厅关于科学绿化的指导意见》（国发办〔2021〕19号）明确要求“科学选择绿化树种草种，积极采用乡土树种草种进行绿化”“全面监测林草资源状况变化、构建空天一体化综合监测评价体系”，因此，开展城乡草本植被监测研究工作意义重大。

本研究团队创新应用公众参与科学研究方法，基于已广泛使用的植物识别智能App生命观察（Biotracks）[5]，依托“都市生境研究志愿者”团队，开展了上海市域范围的草本植物多样性监测工作，探索形成基于公众参与（Public Participation）和人工智能（Artificial Intelligent）的生物多样性监测技术方法（简称公众智慧监测法）。文章对公众智慧监测法的技术特点、应用潜力等展开深入探讨。

1 生态环境监测研究现状与发展趋势

20世纪60年代至80年代，国际上相继建设生态环境监测网络及数据库管理系统，如联合国陆地生态系统监测网络（TEMS）、中国生态系统研究网络（CERN）、欧洲森林生态系统研究网络（CRLTER）、美国长期生态学研究网络（USLTER）等，相关网络基本由政府机构、大学和科研单位联合架构，由分布各地的监测台站组成[6]。目前世界上最大的生物多样性保育项目是泛欧洲生态网络（Pan-European Ecological Network，PEEN），监测对象主要包括土壤、温度、植被、鸟类和哺乳类动物等，监测技术主要采用遥感结合实地监测的方法[7]。

中国环境监测起步较晚，20世纪70年代以前，只有重点城市建有环境监测站，开展环境污染调查和区域环境质量评价。生态环境监测主要依靠天、空、近地遥感技术，结合地面监测站，形成一体化监测网络。在生物监测方面，监测对象目前多为森林植被或绿化植被，除内蒙古、新疆等省（自治区）外，很少开展草本地被监测。各大城市现有监测平台（尤指进行实时动态监测的数据平台，不包括基于历史文献整理的专类数据库）很少具有除乔木植被以外的生物多样性监测数据。

20世纪末至今，随着互联网应用技术的发展，国际生态环境监测领域上出现了公民参与科学研究的热潮。国外以鸟类监测为主要特色，已形成国际性的鸟类监测网络平台E-Bird，公众可获取该平台监测数据，包括物种、地理信息、照片等，还可在该平台组建监测团队，基于手机APP进行监测记录。国内发展也极为迅猛，近10年来出现了多种植物识别手机APP，鸟类、昆虫声音识别APP等。中科院昆明植物研究所开发的“生命观察”（Biotracks）软件平台，对草本植物识别的精度很高，只要拍摄到清晰的花、果、叶或植株照片，一般能准确识别，识别结果还提供两个额外的可能备选项，辅助识别人进行现场判断，因此能够支撑公众参与生物多样性研究，具有先进性和代表性。本研究团队基于该软件平台开展了上海市域范围的草本植物多样性监测，在国内尚属首次，研究工作具有应用创新性和实践探索性。

2 公众智慧监测法的技术特点

2.1 适用场景

公众智慧监测法适用于专业科学研究、公民科学研究和自然教育等场景。依托人工智能图像识别技术和软件平台，非生物学专业的公众志愿者也能够快速开展生物识别和坐标定位，特别适用于缺乏足够人力物力、需要进行长期监测的工作场景。公众志愿者能够主动搜寻生物多样性高的生境，开展重点抽样调查时的效率更高，其监测记录带有空间信息坐标，特别适用于国土生态空间规划、都市生态修复等领域。

2.2 技术流程

公众智慧监测法的主要流程分为三部分：（1）组建公众志愿者团队。团队规模无特别限制，以人员监测范围能够覆盖整个重点研究区域为宜。（2）培训公众志愿者监测技术。本研究制定三步监测技术规程，即在拍摄草本植物时，至少拍摄三张照片：第一张是植物特征细节照片，如花、果、叶；第二张是植物全株照片，同时可以拍摄到相邻植株；第三张是植物生长的环境背景照片，便于了解植株生长环境。培训可采用网上培训、现场示范等方式，后者效果最佳，志愿者在现场会提出操作细节问题，有助于讲师结合实际场景讲解监测技术规程。（3）开展实地监测，监测时间一般为公众志愿者闲暇时间，也可组织志愿者团队开赴样地进行集中调查。

2.3 技术特点

公众智慧监测法的优势主要为成本低、效率高、可持续性强。该方法无需专业设备，仅用智能手机联网即可开展工作；监测工作具有公益性质，志愿者一般在居住或工作地附近开展监测，因此人力、通勤、餐饮和时间成本都较低，但团队组织者需投入较多精力维护好团队监测研究热情。经过培训的公众志愿者会主动遴选监测对象及生境，避免大量监测常见草本植物，有针对性地搜寻少见、不易被发现的草本植物，因此调查效率较高。志愿者基于兴趣和热情，会主动进行调查，在不同季节进行监测记录，因此该方法的可持续性较强。

3 公众智慧监测法的应用潜力

3.1 监测基本情况

本研究监测范围为上海市域，监测从2021年4月正式开始，截至7月29日，已形成6 008条监测记录。监测到草本植物837种、145科。监测志愿者106人，30条以上记录者共35人。志愿者常住地分布于全市各地，中心城居多，郊区相对较少，但监测记录数郊区较多，中心城相对较少，因此将外环内五区合并计算。由于崇明区监测数据过少，且属于岛屿，地理环境特殊，故本文未将其纳入研究范畴（图1）。

1. 监测点范围示意图

虽然软件识别准确度较高，但监测数据仍存在一定误差，如使用者拍摄的照片不够清晰，会造成无法识别或识别错误。为减小误差，课题组事先专门制定了监测技术规程，要求分三步拍摄植物照片（花果叶细部特征、植株整体、背景环境），并多次开展线上、线下志愿者培训活动，在工作中也进行了现场示范，而后才开始实地监测。监测数据形成后，还设置了系统后台识别纠正环节，由专业人员结合上传的照片及识别结果进行纠正，进一步减少了错误，因此具有较高的可靠性。

表1 监测记录统计表

本文采用变异系数法对监测数据进行统计学可用性检验详见表1，检验对象为平均每次记录的植物种数，为便于直观理解，按平均10次记录的植物种数进行计算。只有一次记录的物种可能不够准确，为保障记录的可靠性，挑选具有2次以上记录数的种类进行计算，变异系数计算方法见公式（1）。

式中，CV为变异系数，SD为标准偏差，Mn为平均值。在进行数据统计分析时，如果变异系数大于15%，则要考虑该数据可能不正常，应该剔除。根据表1中的每10次记录种数，标准差为0.4，平均值为3.6，变异系数为11%，小于15%，故数据正常，可以进行统计学分析。

3.2 草本植物科、种的城乡差异分析

上海是高密度城市，城市地区的人口和建构筑物高度密集，与乡村地区的生态环境差异极大，形成了城乡二元生态空间格局。研究基于中国地图_CGCS2000的居住地数据，结合已获取的监测数据（图2），进行城乡空间格局中草本植物科、种差异特征分析。

2. 居住地范围示意图

表2 居住地与非居住地的草本植物前20科对比表

分析采用居住地空间图层、非居住空间图层提取监测数据，分别统计草本植物科、种信息，对比分析其差异特征。分析结果显示上海草本植物的城乡差异，在科层级不显著，排名前20的差异率为9%；在种层级显著，排名前30的差异率为47%，详见表2、表3。科差异不显著、种差异显著的现象，是当前乡土草本植物多样性动态演替过程的呈现：（1）科差异不显著，反映城乡草本植物多样性在城市快速开发前，历史上处于相近的水平；（2）种差异显著，反映出城市开发建设与乡土草本植物多样性之间的交互关系，城市环境对草本植物物种具有“人工筛选”作用（包括生长环境条件与人工干预强度），只有适生草本植物才能在城市环境中繁衍，因此形成乡土草本植物在种层级的显著差异。在排名前30的草本植物中，外来入侵物种、植株较小的乡土草本植物在城市空间排名靠前，反映城市乡土草本植物多样性具有退化趋势，不仅存在外来物种入侵的问题，还可能存在草本植物群落结构退化问题。

表3 居住地与非居住地的草本植物前30种对比表

3.3 草本植物群落高度的城乡梯度分析

为进一步分析论证草本植物群落结构是否存在退化问题，需要对植物群落的特征指标进行城乡梯度分析。选取草本植物平均高度作为特征指标，草本植物平均高度是指一定区域内主要植物品种的株高平均值，可以代表区域植物群落的平均高度，能够间接反映植物群落的结构层次和生物量。

本文采用归一化植被指数的近20年（2000 — 2020年）动态差异进行城乡空间划分，该分区方式具有创新性。该分区方法具有以下优势：（1）更为合理，如果采用行政分区，按市区、郊区划分，此类分区是行政管理的辖区，与生态现象无直接内在关联。（2）更为统筹，草本植物演替的影响因子较多，如环境条件（土壤、光照、风环境、微气候等）、人工干扰（除草剂的使用、绿化植被的改变、土壤种库的改变等），上述因子不仅数量众多，且都属于微观层面的影响因子，不同影响因子组合可能产生相近的植被演替现象[8]。为统筹把握城乡植被演替过程，研究采用增强型植被指数（EVI），该指数对植被变化的监测具有更高的灵敏性和优越性，在草地退化监测、草地资源定量分析等研究中应用广泛[9]。（3）数据易于获取且持续性强，该数据为公开数据（MODIS遥感数据产品，MOD13A3），有利于开展动态分析研究。

通过近20年植被指数动态分析，可按植被指数变化类型（增加、不变、减少）形成上海植被演变空间格局（图3、图4），空间辨率为1 km×1 km。植被指数增长区主要为上海市边缘地带和中心城，该区域为近20年内城市化建设最少的区域，边缘地带基本无城市化建设，森林植被能够持续生长，新生滩涂湿地逐渐向高等级湿地植被演替，因此植被指数增加；中心城在20年前已基本建设完毕，植被砍伐的情况少，植树造林、乔木稳定生长的情况多，因此植被指数增加。农田区域因植被变化少，因此植被指数基本不变。外环外城市扩展建设区，近20年从农林用地向建设用地转化，植被砍伐的情况多，新建绿地规模比原始植被少，且新栽种的乔木郁闭度有限，因此植被指数降低。

3. 上海植被遥感解译数据差值分析图（2000 — 2020年）

4. 上海植被遥感解译数据克里金差值分析图（2000 — 2020年）

基于植被指数动态变化值进行空间分区，能够区分植被及其生长环境的差异，该分区与其乡土草本植物多样性不具有空间自相关性，但具有生态学关联，因此基于上述分区开展分层抽样统计具有可行性。基于以下两点可排除图3、图4与草本植物监测数据之间的空间自相关性：（1）上海近自然草地规模较小，草本植被在图中的面积极小；（2）草本植物植株极小且会被乔灌木遮挡，无法被遥感卫星拍摄到。该图与草本植物多样性有生态学关联，客观反映了上海区域地表覆被的动态变化，对植被动态变化有较强的解释力，植被指数稳定可说明植被及其生长环境稳定、受人工干扰程度低，稳定的植被群落可维持较高的乡土草本植物多样性。

分析采用分层简单随机抽样法，排除了监测点空间分布不均匀可能造成的统计问题。根据植被指数分区，各区具同质性，为空间抽样统计学上的同一个层，可采用简单随机抽样法，不要求监测点均匀分布。研究的志愿者及其采样地点都非预先知晓或刻意指定，志愿者的位置、活动范围、监测样地皆具随机性，等同于简单随机抽样。通过分层抽样结合监测频次排序法，排除了监测点数量不平衡对样本的影响：同一层的监测数量级相同，具有同层可比性；同一层的监测数转化为排序后，作用等同于数量级归一化；对不同层提取前30位进行比较，本质上与监测点数量级无关，故可排除监测点数量不平衡对分析的影响。

为将栅格图转化为面图层，进行了克里金差值处理，详见图4、图5。根据该分区，分别提取草本植物监测数据，形成各区草本植物品种目录，选择其中监测频次排名前30的植物品种，根据植物智网站的株高信息，统计不同分区排名前30的植物平均高度。植株高度的确定需考虑两种情况，如植株高度为区间值，选用植株高度中位数；如植株高度过高，与上海常见情况不符，调整为上海常见的植株高度，统计结果详见图6。1区为植被指数减少区，主要为城市扩张开发区域，以居住区、工业区为主；2区为植被指数不变区，主要为农田；3区为郊区植被指数增长区，主要为城市森林、湿地等；4区为市区植被指数增长区，主要为外环内高密度城市化区域。分析结果显示，上海草本植物平均高度呈现显著的城乡梯度差异，主要表现为草本植物平均高度从城市边缘地带向中心城区逐渐降低，反映出乡土草本植被群落的退化趋势。

5. 上海植被动态演变分区示意图（2000 — 2020年）

6. 基于植被动态演变分区的草本植物平均高度分析图

4 总结与展望

本研究创新构建了基于公众参与和人工智能技术的生物多样性监测方法（公众智慧监测法），通过对草本植物的监测研究实践，论证了其可行性和实用性。研究集中数据采集耗时约4个月，参与志愿者一百余人，监测工作主要利用志愿者闲暇时间，监测范围为上海市各区，开展了4次线下培训和2次线上培训工作。通过实际获得的草本监测数据，检测了数据的统计学可用性，利用该数据分析了上海乡土草本植物的生物多样性特征，发现了乡土草本植物的城乡梯度差异与演变趋势。通过上述探索研究，文章认为该方法确实具有成本低、效率高、可持续性强等优势，未来应用潜力巨大。该方法宜与自然教育等公益活动联合开展，能够激发公众参与城市生态建设的热情，有利于普及科学知识和生态文明建设大政方针，具有极佳的社会效益和生态效益。未来研究宜进一步丰富应用领域，如面向小尺度生态修复项目开展监测研究，探索其在实际工程项目中的应用潜力；宜进一步开展监测技术规程标准化研究，形成可读性更强、更易于掌握的规范性技术文件，提高监测效率和数据质量；宜进一步探究公众参与生物多样性监测的组织方法与活动形式，为可持续的生态环境监测不断注入新的活力。