广东车八岭国家级自然保护区生物多样性综合监测信息服务平台

束祖飞，何文通，李健，张应明，朴英超，罗泽＊

1.广东车八岭国家级自然保护区管理局，广东 始兴 512526

2.中国科学院计算机网络信息中心，北京 100083

引 言

生物多样性历来是我国自然保护地科研监测和保护成效评估的重要内容。目前，在气候变化、人为活动干扰等环境压力下，自然保护地面临生物多样性下降、栖息地丧失等严重威胁。然而，科学、准确地回答生物多样性的现状和趋势如何，仍面临诸多挑战和困难。传统生物多样性监测技术存在自动化程度低、数据庞大分散、集成度较低、资源共享程度低、监测和管理效率低等问题。近年来，随着对生态文明建设关注度的提高，自然保护地对生物多样性保护和信息化监测管理的需求在不断增大，对集成多种新技术和新手段的信息化监测与管理平台的需求更是日益强烈。例如，在我国已有超过80%的保护区布设红外相机用于陆生大中型兽类的资源监测[1]，越来越多的保护地开展了森林大样地的动态监测和栖息地质量的卫星遥感动态监测评估。国际上，Movebank[2]、iNaturalist[3]等在线数据库和移动应用的推出，实现了野生动物大数据的云存储，大大提升了调查监测信息的标准化与共享程度。然而，新技术、新产品在自然保护区的推广应用依然存在问题，主要体现在新技术、新产品与自然保护区实际需求之间仍难以有效衔接，一些新技术、新产品之间的协同应用也面临挑战，需要加强系统集成性创新研发。

为推动保护区生物多样性监测的体系化和规范化，2015年以来，在中国人与生物圈国家委员会和国际动物学会的倡议下，中国科学院动物研究所、中国科学院计算机网络信息中心和中国科学院空天信息创新研究院依托中国生物圈保护区网络（China Biosphere Reserve Network, CBRN）发起和组织了中国生物圈保护区网络野生动物综合监测计划。自2018年起，该计划以广东车八岭国家级自然保护区(以下简称为车八岭保护区)为示范基地，系统地研发了以野生动物为主的生物多样性监测关键技术集成和综合信息服务平台，实现了科研监测数据的智能化、可视化的综合分析、展示与存储管理，为自然保护地科学管理与生态保护决策提供定量化、高精度的空间信息支撑与精准化服务。开展的工作契合当前国家生态文明建设的重大需求，通过推动自然保护地科研监测技术体系的标准化和智能化建设，为解决自然保护地生态系统和生物多样性保护的难题提供了全链条系统解决方案，将有助于全面支撑自然保护地的科学保护、科学管理和科学决策。

1 车八岭保护区及其监测体系概况

车八岭保护区位于广东省北部韶关市始兴县境内，地理位置介于北纬24°40’29”-24°46’21”，东经114°07’39”-114°16’46”之间，总面积7,545 公顷。如图1 所示，车八岭保护区不仅是中国生物圈生物多样性保护示范基地，也是世界生物圈保护区网络成员。保护区以中亚热带森林生物多样性保护和自然保护地建设为重点目标，以生物多样性及其生态系统功能、重点物种保育、有害生物防控为主要内容，开展长期定位观测和试验研究，突出生物多样性形成、维持与保育机制研究，建立森林生物多样性保护恢复的理论与技术体系，为森林生物多样性保护恢复、自然保护地支撑发展和生态文明建设服务。

图1 车八岭保护区卫星遥感影像Fig.1 Satellite remote sensing image of Chebaling Reserve

车八岭保护区已建设了比较完善的科研监测基础设施，建立了多类群（兽类、鸟类和蜂蝶类）全境监测网络，1 个面积20 公顷的森林动态监测样地、4 个1 公顷监测样地、19 个40m×40m 海拔梯度样地，设立综合气象观测站1 个、林冠层大气环境观测站1 个、小型气象观测站5 个、水文观测点3 个。红外相机监测位点230 个、蜂类巢管监测位点420 个、鸟类监测位点400 个、蝴蝶监测位点400 个。另有鸟类海拔梯度样线12 条、小型兽类调查样方25 个、两栖爬行类监测样线13 条。

经过40年建设，车八岭保护区系统地构建了自然保护区生物多样性监测与评估体系。近年来，保护区集成优化了红外相机技术、卫星遥感技术、信息技术等现代监测技术，克服传统“点”尺度监测技术的局限性，以陆生大中型兽类、地面活动鸟类及栖息地状况、人类活动等为主要调查对象，构建生物多样性综合监测技术体系。相关工作的推广和应用，将促进我国自然保护地体系生物多样性智能监测评估的科学性、可比性和长效性。

2 保护区科研监测网络与云服务平台

科研监测数据传输网络和科研监测云服务平台是车八岭保护区生物多样性综合监测信息服务平台的两个重要组成部分。

2.1 覆盖保护区全境的监测数据传输网络

基于700MHz FDD-LTE 无线传输网络，车八岭保护区部署了4 个网络基站，建设了覆盖保护区全境的野外监测数据传输网络。该网络覆盖了保护区内的80 个平方公里网格，以及保护区外的11 个平方公里网格。部署于野外的红外触发相机和其他监测设备获取的数据能够实时上传到云服务平台。700MHz 频段的范围是698MHz ～806MHz，具备频点低、传输损耗低、覆盖范围大、穿透力强等优势，适合用于保护区野外大面积大范围移动数据传输覆盖，700MHz 频段覆盖半径约为2.6GHz 频段的2-3 倍，可以有效降低保护区基站信号覆盖成本。在车八岭保护区部署的双向无线通信网络使用703-748MHz作为上行频段，756-798MHz 作为下行频段，采用FDD-LTE 通信制式，在20MHz 频宽下可为用户提供100Mbps 下行和50Mbps 上行数据带宽。在实测中，上行速率峰值达到了68Mbps，下行速率峰值达到了112Mbps。每个基站支持约40 台红外相机并发传输数据。如图2 所示，野外监测数据经基站汇聚接入广电核心网，然后进入互联网，最终到达位于中国科学院计算机网络信息中心的云服务平台。车八岭保护区成为我国首家基于700MHz FDD-LTE 无线传输网络实现保护区全境网络覆盖的自然保护区。

图2 车八岭保护区700M 监测传输网络及监测数据传输Fig.2 700M transmission network in Chebaling Reserve and monitoring data transmission

保护区全境监测无线网络覆盖的实现，解决了监测数据人工收集难、成本高、人为干扰大、实时性差等关键问题，支持保护区工作人员及科研人员在野外工作过程中实时在线，为保护区网络化监测设备的大规模部署，实现保护区的全面感知，以及监测数据的实时传输提供了网络基础设施。同时，在传输网络建设中，将保护区建设的700M 监测网络接入公网，减少了专网建设投资，使得建设和后续运维成本经济可行。

2.2 保护区科研监测云服务平台

车八岭保护区和技术支撑团队集成整合多源异构的监测数据，研发了保护区科研监测云服务平台，一站式提供数据资源“采集—存储—管理—分析—可视化”科研监测信息化服务。以多源异构数据采集、数据智能分析处理、大数据存储、数据可视化展示为技术切入点，该平台高质量集成优化红外相机全境监测、鸟类全境监测、基于传感器的生态感知、卫星遥感监测、无人机监测、地理信息系统等“天空地一体化”关键创新技术，系统地研发并集成了红外相机数据智能分析系统、森林动态样地综合监测数据管理系统、科研监测野外巡护调查系统、基于卫星遥感的栖息地质量监测与评估系统、鸟类调查数据管理系统等，建成了集成数据综合管理、数据智能分析处理、数据综合展示和统一门户管理为一体的科研监测综合信息化服务体系，实现了从信息源、数据采集、数据存储、数据分析到数据应用的一体化关键技术集成，以及从源头到终端的自动化、智能化、可视化分析应用。

车八岭保护区科研监测云服务平台架构如图3所示。云服务平台建立了保护区监测站点的数据采集、传输、交换和发布体系，建立了上下贯通、完善高效的保护区大数据信息化支撑环境，建立了支持业务集成整合的服务体系。通过保护区科研监测数据的标准化建设，云服务平台实现红外相机、卫星遥感、生态环境监测和野外调查数据的统一存储管理和分析处理，基本实现保护区“资源一张图”。同时，信息基础设施和服务按需求提供，保护区无需额外投资信息化基础设施和平台运维，解决了保护区缺乏专业信息化支撑运维人员和软硬件成本投入高的关键问题。

图3 车八岭保护区科研监测云服务平台架构Fig.3 Architecture of cloud service platform for research and monitoring of Chebaling Reserve

车八岭保护区科研监测云服务平台在规划、设计和建设过程中充分考虑了平台的可持续发展。在传输网络建设中，保护区将700M 监测网络接入公网，减少专网建设投资；以软件即服务的方式提供平台软件和运维服务，降低平台的运行维护成本。总体而言，车八岭保护区开展的示范工作，在保护区财力、人力能够负担的范围内，为保护区生物多样性监测信息化提供了一套可行的解决方案。随着监测设备成本的进一步降低，以及以云服务提供软件服务模式的进一步推广，该方案有望进一步降低成本，确保保护区开展生物多样性智能监测及可持续发展在经费和成本上经济可行。

后续章节重点介绍车八岭保护区科研监测云服务平台上集成整合的几个关键系统。

3 红外相机数据智能分析系统

红外相机技术是一种针对大中型兽类和地栖鸟类等陆生脊椎动物进行物种调查和科学研究的地面遥感监测技术，即通过被动式/主动式红外触发相机或定时拍摄相机来获取野生动物图像数据，并通过这些野生动物图像来分析野生动物的物种分布、种群数量、行为和生境利用等重要数据[4]。

车八岭保护区自2016年12月起，开展陆生大中型兽类和地栖鸟类红外相机全境监测与评估研究，建立了广东省自然保护区首个野生动物红外相机全境监测网络，如图4 所示。以整个保护区为实施单元，全境80 个公里网格，在保护区外设置20 个公里网格作为对照比较。

图4 车八岭保护区红外相机全境监测公里网格Fig.4 Infrared camera kilometer grid monitoring network across the territory of Chebaling Reserve

截至2021年8月，车八岭保护区部署的红外相机拍摄野生动物有效图像近68 万份，共记录兽类和鸟类93 种，包括国家一级保护动物小灵猫、黄腹角雉、海南鳽3 种，国家二级保护动物有中华鬣羚、水鹿、斑灵狸、白鹇、凤头鹰、松雀鹰、蛇雕、仙八色鸫等19 种，IUCN 红色名录的濒危、易危或近危物种16 种，其中黄腹角雉和水鹿为车八岭近20年来首次拍摄到的影像资料。

图5 展示了红外相机拍摄的部分野生动物的凭证照片。红外相机数据智能分析系统使用图像识别以及智能视频分析等技术，对传输到云服务平台的红外相机数据自动进行目标检测与智能识别，实现红外相机数据管理和智能分析处理。目前目标检测准确率达91.6%，常见物种识别准确率不低于92%。图像/视频智能分析的流程如图6 所示。

图5 车八岭保护区红外相机拍摄的部分野生动物的照片Fig.5 Voucher photos of some wild animals taken by infrared cameras in Chebaling Reserve

图6 红外相机图像/视频智能分析处理流程Fig.6 Infrared camera image/video intelligent analysis and processing pipeline

红外相机图像视频数据处理过程如下：首先利用图像及视频文件中的元数据以及红外相机点位等辅助信息，系统自动提取出图像、视频数据的拍摄时间、地点等要素；然后利用深度学习与图像视频处理核心算法，平台构建基于图像和视频内容的智能分析引擎，基于大量训练产生的野生动物特征模型，自动检测分析监测图像和视频内容中是否存在野生动物，所属物种，个体数量等，实现从图像视频数据到可统计可分析的文字和数值记录的转变；最后在识别分析过程中，系统实现对无效图像及视频（即无野生动物的图像和视频）的自动判断与筛选，对有野生动物活动的图像和视频实现自动标注和关键帧提取。

通过无效图像和视频数据的检测筛除，以及野生动物物种自动识别，系统极大地减少了人工审核的工作量，并对后续的野生动物分布、活动节律分析等提供了有效支持。图7 展示了根据红外相机数据统计分析得到的车八岭保护区野生动物物种丰富度分布。

图7 基于红外相机数据的物种丰富度展示Fig.7 Species richness presentation based on infrared camera data

目前平台支持的物种种群评估方法包括相对多度指数计算分析、网格占有率分析和占域模型分析。

相对多度指数（Relative Abundance Index, RAI）的计算公式如式（1）所示。

RAI 主要比较每100 个或1,000 个单位相机日内不同物种（特别是那些不能个体识别的种类）的相对密度，并假定某区域内动物的照片拍摄率与动物的密度成正相关[5-7]。

网格占有率（Grid Occupancy, GO）的计算公式如式（2）所示。

占域模型（Occupancy Model, OM）用于计算每个物种在不完全探测情况下的探测率和实际栖息地占域率[8-9]。

以2017年的数据分析结果为例，相对多度指数最高的鸟类是白鹇，RAI 指数为7.948；其次为黑领噪鹛、灰树鹊、紫啸鸫、白眉山鹧鸪和小黑领噪鹛等。全年网格占有率较高的鸟类有白鹇、黑领噪鹛、灰树鹊、紫啸鸫、白眉山鹧鸪、小黑领噪鹛、虎斑地鸫和灰背鸫，均超过了30%。相对多度指数和网格占有率最高的兽类为红腿长吻松鼠，其次为野猪、鼬獾、倭松鼠和小麂等[10]。

基于700M FDD-LTE 传输网络，以及红外相机图像视频智能分析技术，信息服务平台打通了监测数据采集、汇聚、智能分析和可视化展示全链条各环节。红外相机触发拍摄得到的图像、视频数据，以近实时的方式传输至云服务平台，云服务平台进行数据的存储管理、智能分析和可视化呈现。整个过程在一分钟之内完成，实现从感知获取数据到智能分析处理、可视化呈现全流程的自动化和智能化。

4 基于卫星遥感的栖息地质量监测评估系统

利用遥感卫星数据的多样性以及在时间维度、空间维度上的尺度差异，以车八岭保护区栖息地结构、植被以及空气、水文、土壤等生态系统功能和人类活动影响等参数作为主要监测指标，结合大数据、云计算、地理信息系统等相关技术，车八岭保护区建立了动物栖息地生境质量监测与评估系统，实现对栖息地生态长时间序列、多空间尺度的全方位快速监测与评价，并对栖息地变化、变迁方向和未来发展做出评估，为政策的制定和保护策略提供重要的信息保障和决策支持。表1 显示了利用卫星遥感进行野生动物栖息地监测的主要特征指标、空间分辨率和时间分辨率。

表1 利用卫星遥感进行野生动物栖息地监测的主要指标Table 1 The main indicators of using satellite remote sensing for wildlife habitat monitoring

通过对卫星遥感数据进行前期预处理、提取相关监测指标，栖息地生境质量监测与评估系统构建了栖息地质量监测地理空间数据库，开发了地理信息系统实现地理空间数据可视化展示，实现保护区本底数据可视化分析、栖息地的质量监测和评价等功能。

4.1 生态本底现状及历史变化趋势评估分析

基于1987-2017年共30年的遥感卫星数据，结合其他监测、实测数据，从栖息地结构、植被特征、人类活动等方面，系统对车八岭保护区野生动物栖息地质量现状和历史趋势进行分析，评估保护区及保护区周边5km 的生态系统现存的问题、历史变迁的趋势与引起变化的主要原因，为保护区实施更具针对性的野生动植物栖息地监测与保护提供科学数据与理论支持。

车八岭保护区土地利用/覆盖变化显示，1987-2017年的30年间，草地、石质裸地面积逐渐减少，并向林地转化，建筑、耕地区域有小幅度减少。林地面积比例从1987年的92.12%增加到了2017年的97.18%。

系统使用Landsat 数据反演的年度EVI 均值的变化趋势来分析保护区植被状态的变化趋势，计算2017年与1987年植被指数差值并形成图像，如图8所示，紫色代表EVI 均值降低，颜色越深，降低数值越大，绿色代表EVI 均值升高，颜色越深则升高数值越大。从图中可以看出，除极少部分低海拔区域的建筑区、耕地外，其他地区EVI 均值均有不同程度的升高。

图8 车八岭保护区2017年与1987年EVI 均值空间分布差值对比Fig.8 Spatial distribution of difference between the mean value of EVI in 2017 and 1987 in Chebaling Reserve

根据各年份遥感分类的结果，系统提取了人为活动的主要区域。通过1987年与2017年的对比，如图9 所示，可以看出，保护区大部分区域基本维持原状，影响的变化低于0.1，部分地区影响程度甚至有所降低。

图9 车八岭保护区2017年与1987年人为活动影响程度变化对比Fig.9 Spatial distribution of difference between human activities impact in 2017 and 1987 in Chebaling Reserve

4.2 生态系统服务功能价值评估

森林生态系统具有丰富的生物多样性、复杂的结构和生态过程，对改善生态环境，维持生态平衡有着重要作用。结合车八岭保护区的生态、人文、地理、气候等多种因素，系统建立了车八岭保护区的生态系统服务功能价值评估体系，并计算保护区森林的主要几种生态系统服务功能价值，以求增强人们对车八岭保护区森林生态效应的认识，合理地制定区域开发政策，从而实现可持续发展的目的。

生态系统服务功能价值评估计算方法主要参考《自然保护区生态系统服务评估体系及案例研究》[11]及《广东古兜山自然保护区森林生态系统服务价值评估》[12]，并参考相关文献[13-16]，结合栖息地的实际情况确定。具体包括：生产功能价值、固碳造氧价值、净化空气价值、涵养水源价值、净化水质价值、固土保肥价值、防风固沙价值、气候调节价值、生物多样性保护价值共9 项内容。以生产功能价值评估为例，对于车八岭保护区来说，生产功能主要体现在林业产品中，即木材的生产。生产功能价值评估模型公式如式（3）所示。

表2 是车八岭保护区2017年的生态系统服务功能价值统计结果，其总价值在2 亿元以上。其中，生物多样性保护价值占比最高，为29.20%；其次为防风固沙和生产功能，分别达到22.93%和18.02%；固碳造氧和净化空气功能价值均接近10%，所占比例居中；固土保肥、涵养水源、净化水质、气候调节价值比例相对较低，但合计也达到10%以上。总体来说，车八岭保护区的生态系统服务功能产生了极大的生态和经济价值。

表2 车八岭保护区2017年生态系统服务功能价值总表Table 2 Ecosystem service function values of Chebaling Reserve in 2017

4.3 车八岭保护区2008年冰冻灾害恢复评估

基于Landsat 数据提取的年度EVI 均值，系统对广东车八岭保护区植被受灾程度和灾后10年恢复情况做了定量分析[17]。车八岭保护区2008年冰冻灾害影响程度空间分布如图10 所示，不同颜色代表EVI 不同的变化程度，红色和橙色代表EVI 下降，绿色代表上升。2008年冰冻灾害过后，保护区89%区域的EVI 指数下降。其中，61%面积的（-0.1-0）植被受到损害的程度相对较低，28%面积的植被受到损害的程度严重（较少0.1 以上）。

图10 车八岭保护区2008年冰冻灾害影响分布Fig.10 Spatial distribution of the freezing disasters impact in Che- baling Reserve in 2008

从图11 中可以看出，至2017年，保护区植被恢复情况良好，大部分地区，尤其是天然植被覆盖地区，植被质量已经超过灾前状态，这也说明，在无人为干扰的情况下，天然植被具有较高的灾害抗性和灾后恢复能力，也从侧面证明了车八岭保护区植被生态系统整体维持在较高质量水平。

图11 车八岭保护区2008年冰冻灾害后十年恢复程度空间分布Fig.11 Spatial distribution of recovery degree after ten years of freezing disaster in Chebaling Reserve in 2008

5 森林样地及野外调查系统

森林动态样地综合监测数据管理系统和科研监测野外巡护调查系统也是云服务平台上两个有特色的服务系统。

5.1 森林动态样地综合监测数据管理系统

车八岭保护区分布着典型的南亚热带向中亚热带过渡地带的常绿阔叶林。保护区于2017年建立了1 个面积为20 公顷的森林生态监测样地，开展森林生态系统综合监测与研究，该样地已于2019年加入了中国森林生物多样性监测网络。科研人员对样地内木本植物挂牌标记、定位、测量胸径并鉴定到物种，每5年复查一次。第一次调查记录了隶属230 种、140 属、64 科的100,192 个植物个体的空间坐标、胸径、物种等海量详实数据，并获取了土壤理化性质与微生物数据。平台首次系统展示了车八岭20 公顷样地包含个体空间信息的物种分布图，如图12所示。结合车八岭20 公顷监测样地和19 个基于海拔梯度分布的卫星样地数据分析，科研团队揭示了气候和森林林分特征对树木纬度多样性梯度格局的影响[18]。

图12 车八岭保护区20 公顷样地内主要物种特征与土壤理化空间分布格局Fig.12 Characteristics of main species and spatial distribution patterns of soil physical and chemical properties in the 20-hectare plot in Chebaling Reserve

5.2 科研监测野外巡护调查系统

根据保护区野外巡护调查工作的实际需求，研发团队设计了科研监测野外巡护调查系统，包括数据采集流程、数据存储管理、分析和展示等模块，实现了采集表定制、野外数据采集、数据和轨迹记录上传、数据审核、数据入库、查询统计、分析及可视化等功能，保障了移动端的高效、智能和易用，提供了支持异构数据融合存储，高度可扩展的数据存储模型，以及支持I/O 密集操作的数据管理平台。科研监测野外巡护调查系统由移动端数据采集系统和Web 端管理系统两部分组成。移动端负责巡护调查数据的采集，是一个基于Android 移动终端的巡护调查数据采集APP；Web 端负责数据的管理，支持管理人员的后台操作，是一个基于B/S 架构的数据管理平台。用户首先通过数据管理平台中的采集表定制模块定制构建所需要的采集表模板；然后使用移动终端中的数据采集APP 下载导入采集表模板并进行野外数据采集，通过移动互联网将采集的数据和轨迹记录上传至数据管理平台；最后使用数据管理平台对采集数据和轨迹进行审核入库、查询统计、分析和可视化等操作。科研监测野外巡护调查系统实现了野外巡护调查数据采集工作的标准化、规范化，提升了野外巡护调查工作的效率。

目前，车八岭保护区使用科研监测野外巡护调查系统开展了野外红外相机位点管理、兽类样线痕迹调查、鸟类样线样点调查、植物资源调查、两栖爬行类调查、大型真菌调查、昆虫样线调查等野外巡护调查工作，调查业务流程如图13 所示。

图13 科研监测野外巡护调查系统Fig.13 Monitoring and field patrol investigation system

6 结论与展望

基于新技术和新方法建立标准化、规范化、智能化的生物多样性综合监测与评估技术体系，是当前我国以国家公园为主体的自然保护地体系建设和发展的重要方向之一，将为自然保护地野生动植物资源的科学评估、科学管理和科学保护以及建设“智慧保护区”提供重要基础。

尽管目前车八岭保护区在科研监测信息化建设方面处于国内自然保护区前列，但仍需加强平台统一化、技术人员能力培养、多学科交叉研究、多部门信息共享与网络安全保障等方面建设。目标是充分发挥大数据集成分析和管理优势，实现物联网、遥感、3S 等信息技术与自然保护区主体业务高度融合，移动与智慧化应用遍及保护区的日常管理工作，最终实现自然保护区的智慧化管理。

下一步，保护区和技术支撑团队将针对自然保护区保护管理工作的实际需求，结合长远可持续发展的目标，通过对大数据、物联网、云计算、人工智能、遥感、地理信息系统等信息技术的综合运用，构建起覆盖自然保护区的森林、草地、河流、大气、湿地、土壤、野生动植物等各类生态要素的动态监测系统和数据库，提升自然保护区保护自然资源、保护生物多样性、稳定生态系统的生态保护能力。同时，保护区将打破信息孤岛，建立和完善信息共享平台，促进自然保护区生态环境数据和监控管理数据的互联互通和开放共享，协调组织科研团队积极开展科学研究，建立并完善监测体系，促进自然保护区和社区的可持续发展。通过信息技术的综合应用，有效提升自然保护区保护管理工作的智慧化水平，有效支持自然保护区的可持续发展。

致谢

感谢中国人与生物圈国家委员会、国际动物学会和广东省林业局的指导和支持。感谢中国科学院动物研究所、中国科学院空天信息创新研究院、中山大学、广东省科学院动物研究所的合作支持。

利益冲突声明

所有作者声明不存在利益冲突关系。