全球生物多样性领域数字技术应用趋势与发展建议

郭婷婷，马敏象，鲍亦平，邓禹，吴斌

(云南省科学技术情报研究院，云南 昆明 650051)

生物多样性数字化研究[1-2]指利用数字化技术手段对生物多样性所包含的生态系统、物种和基因三个不同维度进行数字化存档、数字化建模及数字化整合分析，为促进生物多样性研究、监测、治理与保护等方面提供技术支撑。近年来，生物多样性数字化标准建设取得一定进展，在数字化的渗透下，生物多样性数据平台共建共享研究成为热点[3]。以互联网+为代表的新一代数字化技术在推动生物多样性保护工作创新和升级方面,具有广阔的前景和巨大的潜力[4]。生物多样性的保护需要在大空间和时间尺度上的有效监测，Correia等[5]利用数据资源和数字技术方法研究人与自然的相互作用，从而为文化基因组学领域相关时空尺度的保护研究提供新的工具，以解决数据采集、时间数据的时间序列分析及空间建模等问题。捷克建立了植物多样性分析与合成数据库(Pladias)，其中包含了1 360万份以地图形式动态显示的植物记录，包括植物的形状特征及环境相关信息数据[6]。该数据库可以展现不同地理模式下选择植物的特点，研究者们通过利用这些数据总结了捷克植物区系统功能与形状的主要变异模型，为生物多样性保护提供了有力支撑。Zurell等[7]研究小组提出了一个物种分布模型的数字化标准协议，通过引入一种结构化的格式实现物种分布模型的数字化模型构建，使其满足于生物多样性研究的不同目标和对未来的预测。严陶韬等[8]、丁陆彬等[9]学者均针对生物多样性研究文献开展了基于知识研究前沿与热点的文献计量分析及可视化研究,梳理了生物多样性研究领域的领先团队、研究机构及其研究主题，研究结果客观展现了中国生物多样性研究领域的现状及研究热点动向，总结出朴世龙、骆亦其、唐志尧等在生物多样性研究领域有所建树；中国科学院所属相关科研院所是中国生物多样性研究领域的主要研究机构；气候、土壤等环境因子变化对物种多样性的影响研究以及基于微卫星分子标记技术的物种遗传多样性研究是主要热点。袁轶男等[10]也通过CiteSpaceV文献计量学软件对Web of Science核心数据库中关于“生态补偿与生态效益评估”的研究内容进行文献共被引分析，以聚类方式展现相关研究领域的学术前沿及学术研究动向，研究发现传统知识研究的文献数量呈逐年上升趋势，传统知识研究已经成为生物多样性保护研究的热点领域,与生物资源管理、生物多样性保护、生态系统服务和人类福祉、政策管理等相关的传统知识研究是未来该领域的重要方向，为该领域的研究者掌握生态补偿与生态效益评估相关研究全程提供了借鉴。丁陆彬等[9]、李龙等[11]学者在对生物多样性领域相关内容开展研究时，通过利用文献计量学工具对相关学术领域进行研究分析，通过关键词共现聚类、突现词分析、文献共被引等方面对研究态势、热点及知识演进过程进行系统分析，发现国外研究进展快于国内，国内研究起步较晚但后期发展迅速，已形成较为完善的理论体系和概念框架，其研究为相关领域的其他研究者提供了有价值的参考。

在生物多样性领域，研究人员对数字技术的研究更多关注在生物多样性数据平台、共建共享机制、生物资源数据化等主题下具体的信息技术，对数字技术在生物多样性领域应用的整体发展脉络及技术方向的研究相对较少。本文以生物多样性领域数字技术应用为主题，利用文献计量法和可视化分析软件CiteSpace对2016年至2021年以来生物多样性领域的数字技术相关研究文献进行主题词共现、聚类、共被引及时区图分析，总结出在生物多样性领域数字技术应用研究伴随着生物多样性研究领域的热点变化，呈现出从生态物种和生物信息的测量、数据收集、数据库建立等技术，逐步发展为对生境分析模型、预测模型的技术支持，以及通过数字化技术手段为生物多样性保护和决策制定提供智能化服务的总体发展趋势，进一步在生物多样性监测、生物多样性大数据建模及生物多样性保护决策等研究领域提出数字技术应用发展的路径建议，为生物多样性研究人员及信息技术人员在生物多样性与数字化创新融合发展领域，及政府管理机构在生物多样性相关产业及数字技术领域发展决策等方面提供借鉴与参考。

1 数据来源与研究方法

1.1 数据来源

本文基于Web of Science文献资源核心合集数据库以“TS=(bio*div*) and TS=(digit*)”为主题关键词进行组合检索并通过主题精炼，得到2016年1月1日—2021年3月1日与生物多样性领域数字技术研究主题高度相关论文2 710篇(见图1)。为了分析该研究领域近五年来的研究热点与发展趋势，该研究只对2016年至2021年间Web of Science数据库中生物多样性领域数字技术相关数据进行下载分析。

1.2 研究方法

该研究采用陈超美教授等[12]开发的文献计量工具CiteSpace 5.6R版本进行文献计量分析与可视化研究，在基于统计学和数学定量分析的基础上，对从Web of Science所得到的数据进行主题词共现分析、聚类分析、研究机构和区域分析、研究人员分布分析等；同时为了能够从时间维度上清晰地展示出生物多样性领域中数字技术应用的演进过程[13]，进行了关键词和主题词共现网络时间线分析。

2 结 果

2.1 引文年度分布情况

数据显示近五年，与生物多样性领域数字技术研究主题高度相关论文数从2016年开始保持平稳增长的趋势，从2018至2020年发文量平均每年增长近100篇，可以看出数字技术与生物多样性研究的相互融合得到持续发展，两个研究领域的互相渗透在逐步扩大，数字技术赋予生物多样性保护和研究领域更多的技术支撑和应用前景，同时生物多样性研究也为数字技术的应用提供了更加广阔的发展空间(图1)。

图1 “生物多样性与数字化”论文及引文数年度分布Figure 1 “Biodiversity and digitization” papers and citation distribution by year

2.2 研究热点分析

通过对生物多样性领域数字技术研究的技术主题词和关键词进行聚类分析后可以看出(如图2)，从2016年至2021年，六个聚类有两个形成于2016年、四个形成于2017—2019年。图谱聚类展现了生物多样性领域数字技术的研究重点及研究方向。

图2 “生物多样性与数字化”技术聚类主题Figure 2 “Biodiversity and digitization” technology clusters

为了分析技术的演化过程，在生成关键词和主题词共现聚类图谱之后，将聚类编号作为Y轴，引文发表年份作为X轴，就可以布局得到共现词网络的时间线图谱(如图3)。

图3 “生物多样性与数字化”技术演化时间路径图Figure 3 “Biodiversity and digitization” technology evolution timeline view

时间线图谱，可以展现各个聚类(即子领域)发展演变的时间跨度和研究进程。在生物多样性领域数字技术研究方面，研究方向从较早期的生物多样性空间分布数字化研究逐渐演变为无人机技术在生物多样性研究领域的应用[14]，并且一直保持相对热度；在生物多样性物种种群分布领域的数字技术应用研究从2017年逐渐得到发展；而生物多样性的文化生态价值研究领域中，对数字技术的研究在2018年掀起研究热潮，同时研究文献越来越关注生态系统服务功能、文化生态系统服务热点测绘等领域下的数字技术应用研究[15-16]。CiteSpace开发者陈超美教授提出通过LLR算法提取的研究术语，更加强调的是研究的特点[12]，因此根据技术相关性原则，结合对数似然率聚类算法(LLR)，基于词频甄选技术主题内的热点技术，对图3中各个技术主题时间线上节点的技术位点进行分析统计，筛选出LLR值较高且P-level值不大于0.1的技术主题词统计表如下(表1)：

表1 “生物多样性与数字化”技术主题研究热点统计Table 1 “biodiversity and digitization” technology topic research hotpot

通过对“生物多样性与数字化”技术主题研究热点统计表进行梳理，得到6个较明显聚类，按照大小顺序分别是0#无人机、1#空间分布、2#淡水物种分布模型、3#文化生态价值、4#物种识别和6#季节关注。研究热点呈现出以无人机技术、信息化建模技术、智能化决策技术与生物样地监测、物种信息数据库建设、生境分析模型、生态空间分布模型及生态规划相互融合深度渗透的总体研究趋势。

在生物多样性保护研究领域中，对数字信息技术手段的依赖呈现出越来越明显的趋势：对无人机技术的应用研究主要集中在以无人驾驶飞行器、遥感技术、无人激光雷达、数字航空摄影测量技术、移动点云等技术在物种生态基本信息测量、数据收集及植被样地数据库建立等相关的研究中。在这一领域中，英格兰和加拿大相关研究机构在生物资源数字化资源建设、卫星、无人机及数码相机在生态监测应对气候变化和生命周期事件预测方面的研究处于世界领先水平,Nwobi等[17]通过无人机、陆地观测卫星和数字高程模型对尼日尔三角洲的红树林开展了生态系统监测，并预测了棕榈和红树林的面积变化，总体准确率达到93%；研究者们[18-19]通过利用多种数字化技术手段如遥感技术、数字重复摄影技术、大数据技术结合多学科放对生态系统或群落尺度上植被物候模型进行建模，通过利用空间尺度大长期监测数据来推进对物候学的理解。

在物种空间分布、珍稀物种研究及地上生物量分布研究等领域，呈现出与信息化建模技术愈加紧密的关系。在采集丰富数据信息的基础上，研究者们考虑更多的是如何利用海量数据通过信息化技术手段建立相关物种及生态空间分布模型、珍稀物种生境分析模型、技术生态位的模型等生物多样性保护研究及预测模型，通过信息化数字化技术支撑提供有效的生物多样性保护和决策制定。

在生态价值开发领域，越来越多的研究显示出在自然资源规划、自然景观保护、国家公园保护、生态规划等领域通过信息化技术提高生物多样性价值及生态系统服务，提高文化生态系统服务感知程度，提高生态产业与文化价值。彭婉婷、王鑫等[20]研究者也提到在生态系统管理研究领域呈现出了以多学科融合发展，地理信息技术、计算机技术、大数据以及现代监测技术的交叉运用新特征。美国地质调查局更为关注生态系统服务领域的相关研究，通过利用数字化手段提出一种空间决策支撑工具并集成到一个基于WEB的平台中，帮助管理者在多个尺度上对影响生物多样性、气候、水和生态循环的人类活动进行决策分析和利弊衡量。

在物种识别和物种迁徙方面，更多需要现代信息技术支撑的如eDNA技术、环境DNA技术、数字航空摄影点云、高分辨率数据采集集中监测技术和大数据技术等越来越体现出其重要性，更为广泛地应用在物种研究、生态环境监测、地形变化监测、动植物种群动态研究、生物圈保护等[21]相关领域，研究热点集中在遥感技术下的生态数据收集、生态群落与物种建模及生态影响因子量化研究。

2.3 研究趋势分析

从时间发展来看，2016年生物多样性领域的数字技术研究，开始呈现出生物多样性与数字化技术两个学科逐渐相互融合的发展趋势。在生物多样性、自然保护区、物种栖息地、生态系统服务等研究领域，研究者逐渐开始探索现代数字化信息技术在生物多样性研究领域的应用。以激光雷达、遥感、数字化土壤测绘和地理信息系统为主的数字技术成为该时期研究的主要内容和发展趋势，研究者们更加关注利用数字化技术实现对生态环境的监控、测量及数据采集的具体工作。利用数字技术实现数据采集是这一阶段研究的主要特征。

2017年生物多样性研究领域关注的热点以气候变化、生物多样性廊道保护、湿地动态、陆地变化、栖息地保护为为主；在此背景下，以卫星遥感、GIS建模、云计算为代表的数字化技术也成为生物多样性研究领域的主要数字化技术手段，如借助GIS数据分析模型，构建以生态服务为核心价值的城市绿色基础设施的客观评价方法等[22]。这一时期卫星遥感技术是最多采用的数字技术研究手段，遥感技术与GIS建模开始逐步融合，研究开始逐步转变为对遥感监测影像质量的提高以及基于遥感数据的生物多样性数据模型的建立。通过遥感技术获得更高质量更加精确的数据、并利用相应的技术开始对数据进行分析研究，建立生物多样性分析和预测模型是这一时期该领域研究的主要特点。

2018年构建模型对生态环境、生物多样性进行评估和预测成为生物多样性领域数字技术研究的主要热点方向。这一时期，数字技术越来越成为不可或缺的技术手段，通过人工神经网络、最大熵模型算法等科学的数字计算技术和方法建立物种分布模型(SDMS)，对生物多样性与农业、气候、生态功能之间的关系进行更为深刻的科学研究，同时实现对生态环境数字化管理成为这一时期的生物多样性研究领域数字技术的主要特征。

2019—2020年生物多样性领域数字技术研究主题呈现出以机器学习、人工智能、深度学习及大数据管理为特征的演变趋势。生物多样性研究更加关注整体生态系统的服务功能、生态环境的整体性内在关联及对地球生态环境的影响和预测等内容，这样的研究更加依赖于数据分析技术。因此这一阶段的生物多样性数字化技术呈现出以人工智能、大数据分析、物联网等多种数字化技术手段综合利用的趋势，相比较前几个时期，这一时期采用的数字技术更广泛并且呈现出更深度的相互融合。

2021年生物多样性领域数字技术研究主要集中在以无人驾驶飞行器、遥感技术、无人激光雷达、数字航空摄影测量技术、移动点云等技术在物种生态基本信息测量、数据收集及植被样地数据库建立等相关的研究，现代信息技术支撑的如eDNA技术、环境DNA技术、数字航空摄影点云、高分辨率数据采集集中等监测技术和大数据技术等越来越体现出其重要性，更为广泛地应用在物种研究、生态环境监测、地形变化监测、动植物种群动态研究、生物圈保护等相关领域[23]。

3 研究结论

在生物多样性研究与数字技术呈现出深度融合、互相渗透的发展趋势，现代生物多样性研究与保护工作越来越离不开数字技术的大力支撑，数字技术在生物多样性研究中的应用呈现出如下两个主要特征：

一是基于宏观与微观生物生态数据协同整合的生物多样性大数据平台建设，利用大数据、深度学习等现代信息技术实现物种、生态、基因等生物多样性数据进行跨学科融合，实现数据共享及深度利用；

二利用网络技术和高性能计算环境建立一种全新的跨学科的科学研究模式，利用计算机、高性能计算和大数据的融合等现代信息技术为生物多样性相关产业如生物化学、新药开发、病理分析提供新的研究思路和工具，进一步对生物多样性相关各领域的数据进行有效管理、收集和共享，并对研究提供新的视角。

4 研究展望

4.1 生物多样性监测手段将对数字化依赖程度较高

明显的空间异质性是生物多样性监测工作的主要特征，而生物多样性变化的总体格局，需要依靠更多的数字化、网络化监测手段从全方位空天地一体化视角进行系统掌握。生物多样性监测更加依赖于三维激光点云扫描技术、立体图像点云技术、卫星遥感、GPS、GIS、数字航空摄影点云、时段遥测、3D形态识别等为主的现代数字化技术手段。世界发达国家均对关键的生态系统类型以及重要栖息地构建了高数字化依赖程度的立体式监控网络，由此大幅提高对生物圈环境的感知能力。对现代数字化技术及信息手段的融合应用，有助于提高生物多样性监测、保护的工作效率，扩大生物多样性数据覆盖范围，为后期数据开发利用打下良好基础。

4.2 数据建模是生物多样性大数据利用的关键

生物多样性无论是保护、研究还是利用，最为关键的核心是如何对海量的相关数据信息进行有效管理及高效整合利用。以数据分析模型、空间预测模型、生态位因子分析模型、DEM数字技术、大数据eDNA、大型在线数据库、数据可视化等现代信息技术为代表的数字化手段如何高效地拓展生物多样性数据利用维度，通过对庞大的监测数据、计算机强大的运算能力和建模技术之间的整合，实现更深程度地数据挖掘及对生物多样性和物候学的理解，更加充分地开发生物多样性数据的潜在价值。

4.3 人工智能的应用将助力于生物多样性保护决策

生物多样性保护与生物资源的利用，离不开科学合理的决策。基于规则集的遗传算法、人工神经网络、AI人工智能、大数据分析技术、R语言和深度学习技术，有效地实现在多个尺度上对生物多样性、气候、水和生态循环中人类活动决策分析与利弊权衡等方面提供决策支撑工具，利用人工智能的手段对生态系统服务价值、生态系统管理、生物资源利用等多维度的决策分析提供更科学、更合理的决策依据与技术手段。

5 生物多样性领域数字技术应用发展建议

5.1 形成融合共享的生物多样性数字化管理机构

构建政府引导、业界共建的数字化监测网络结构。探索由政府搭台，生物研究机构与信息技术企业融合共建的数字化生物多样性管理联盟，设计与规划生物多样性在监测、治理、保护等方面的数字技术应用建设内容，统筹建设标准，形成有规可循，有据可考的生物多样性数字技术应用建设标准，提升生物多样性数字技术应用的规范性，防止数字伦理在生物研究领域的非法越界。

5.2 建立生物多样性监测与利用大数据平台

从多方位进行生物多样性数据的采集，促进对生物多样性形成机制、变化机理的研究。整合物联网、智能技术、云计算与大数据等新一代信息技术实现对动植物监测数据的集成管理，全面感知、实时传送和智能在线处理为运行方式，建立多源数据的实时采集、网络化、智能化等天地一体化综合观测数据汇聚体系，通过智能平台汇集并整合多方法、多单位、多区域的监测数据，实现数据综合管理、展示和用户智能化管理，促进多层面、多尺度的交流、合作与共享，有效提高科学数据的利用效率与社会价值。

5.3 依托现有生物资源大数据平台赋能生物领域技术创新研究

基于生物多样性的大数据平台，围绕生命科学纵深发展、生物新技术广泛应用和融合创新的新趋势，在生物多样性监测开发与利用领域，系统开展遗传多样性、物种多样性和生态系统领域前沿科学与技术研究，积极推进开展多学科交叉前沿研究，从而提升前瞻性基础研究、引领性原创成果的产能，利用数字化技术赋能生物前沿科技创新成果的转化应用。