多源、多尺度數(shù)據(jù)整合挖掘與模擬預測成為大數(shù)據(jù)時代生態(tài)學研究的重要手段

遙感數(shù)據(jù)、長期定位觀測數(shù)據(jù)、實驗以及模型模擬數(shù)據(jù)的快速膨脹有力地促進了生態(tài)數(shù)據(jù)挖掘和分析技術的發(fā)展。多源、多尺度整合挖掘與模擬預測成為大數(shù)據(jù)時代生態(tài)學研究的重要手段。大數(shù)據(jù)支持下的生態(tài)數(shù)據(jù)整合挖掘方法包括三大類：① Meta?分析方法；②基于數(shù)據(jù)驅(qū)動的數(shù)據(jù)挖掘方法；③基于過程機理的模型—數(shù)據(jù)融合方法。其中?Meta?分析主要是從已有研究案例中，對多個有共同研究目標又相互獨立的研究結果給予定量合并，剖析研究間差異特征，綜合評價研究結果；以深度學習為代表的人工智能數(shù)據(jù)挖掘技術，能夠?qū)崿F(xiàn)多種生態(tài)要素之間的深層神經(jīng)網(wǎng)絡式映射關系，有望在已有生態(tài)學框架下獲取新的認知，繼而反推潛在的生態(tài)學內(nèi)部機理；由于人們無法通過觀測和控制實驗等方法全面獲取或者預測區(qū)域/全球尺度生態(tài)系統(tǒng)狀況，計算機模擬分析大尺度生態(tài)系統(tǒng)結構和功能變化成為生態(tài)模擬預測的一個重要途徑。雖然生態(tài)觀測數(shù)據(jù)量日益增多，但模型模擬的不確定性仍然顯著，而基于過程機理的模型數(shù)據(jù)融合方法為應用海量數(shù)據(jù)進行模型評估、基準測試和約束以降低不確定性提供了新的途徑。這些方法為及時、有效地集成挖掘不同站點、區(qū)域、時間序列、生態(tài)系統(tǒng)過程和要素的觀測和實驗數(shù)據(jù)，揭示生態(tài)系統(tǒng)過程機理、變異規(guī)律、對環(huán)境因子的響應等普遍規(guī)律，以及服務于生態(tài)系統(tǒng)管理和決策提供了重要手段。

生態(tài)大數(shù)據(jù)推動生態(tài)學“大理論”和新興學科的發(fā)展

由于生態(tài)學研究對象的復雜化和長期、海量觀測數(shù)據(jù)的缺失，導致研究人員對生態(tài)過程和模式的認知都存在極大不確定性，生態(tài)學尚未發(fā)展出一個能夠被廣泛接受、在最大程度上解釋及精確預測不同尺度上生態(tài)學現(xiàn)象和過程的統(tǒng)一化理論框架^[6]。受數(shù)據(jù)洪流影響，以數(shù)據(jù)為中心思考、設計和實施科學研究，通過對海量數(shù)據(jù)的處理和分析來獲得科學發(fā)現(xiàn)的新范式（第四范式）正逐漸在生態(tài)學中出現(xiàn)。同時，大數(shù)據(jù)時代更需要發(fā)展高效的大理論，即從基本原理出發(fā)，用最少的參數(shù)做出大量的理論預測。由于生態(tài)系統(tǒng)組成的多樣性及其相關關系的復雜性，不管獲得的數(shù)據(jù)量有多大，如果沒有大理論支撐，大數(shù)據(jù)將會在很大程度上失去其力量和有效性，不得不依賴于統(tǒng)計相關性而進行簡單的歸納分析，永遠都無法準確預測生態(tài)系統(tǒng)變化。只有在海量多尺度、多要素、多過程生態(tài)數(shù)據(jù)支撐下，準確認識生態(tài)系統(tǒng)的過程和模式，才可能發(fā)展一個統(tǒng)一化的理論框架，集成多源、多尺度數(shù)據(jù)整合技術和生態(tài)模擬預測技術，才能提高生態(tài)系統(tǒng)屬性和生態(tài)過程的預測能力，促進新的生態(tài)學科，如宏生態(tài)學、預測生態(tài)學的發(fā)展。

數(shù)據(jù)開放共享文化亟待培養(yǎng)加強

大數(shù)據(jù)時代，只有形成開放共享、協(xié)同合作的大數(shù)據(jù)文化，才能真正發(fā)揮生態(tài)大數(shù)據(jù)的價值。觀測數(shù)據(jù)是生態(tài)學研究的生命線，生態(tài)學家將自己的觀測數(shù)據(jù)視為珍寶。大數(shù)據(jù)時代，只有打破數(shù)據(jù)封閉的傳統(tǒng)模式，形成開放共享的“數(shù)據(jù)思維”模式，才有可能解決大尺度大生態(tài)問題。數(shù)據(jù)眾包采集、數(shù)據(jù)出版與數(shù)據(jù)標識等新穎的數(shù)據(jù)獲取和知識產(chǎn)權保護方式的深入應用，也將促進生態(tài)領域的數(shù)據(jù)開放共享。