植物多样性监测研究现状、挑战及展望 本文关键词：多样性，展望，监测，现状，植物
植物多样性监测研究现状、挑战及展望 本文简介：摘要： 监测是植物保护工作的重要基础，也是管理者决策的重要依据，对生物资源的可持续利用和保护至关重要。本研究综述了植物多样性监测的进展，就未来的热点和方向进行了探讨。植物多样性监测正以全新的局面飞速发展，已经进入了智能化、宏观与微观结合、联网监测、大数据、大尺度、多学科、全方位、立体化、由物种水平扩
植物多样性监测研究现状、挑战及展望 本文内容：
摘 要： 监测是植物保护工作的重要基础，也是管理者决策的重要依据，对生物资源的可持续利用和保护至关重要。本研究综述了植物多样性监测的进展，就未来的热点和方向进行了探讨。植物多样性监测正以全新的局面飞速发展，已经进入了智能化、宏观与微观结合、联网监测、大数据、大尺度、多学科、全方位、立体化、由物种水平扩展到科属水平、群落或生态系统层面的监测时代；生物多样性监测网络的建设促进了联网监测与核心监测指标体系的统一，网络资源成为植物多样性监测的大数据源。数据的标准化与有效利用、大数据共享、遗传多样性和个体物种水平监测是监测植物多样性的机遇和挑战。未来的生态监测是大尺度、智能化、统一化的监测，完善监测网络体系，寻找新方法、构建新模型，开展热点区域和优先物种监测，并兼顾群落或更大尺度，重视植物基础本底数据的收集，是今后监测的重点。
关键词： 植物多样性; 模型; 监测网络;
Abstract： Monitoring is an essential basis for plant conservation and policy making, and is critical to the sustainable use and protection of biological resources. This paper reviewed the research progress on plant diversity monitoring, and gave some perspectives about further direction. Plant diversity monitoring was now developing rapidly at a new situation, and had entered a new era referring to intelligent, integration of macroscopic and microscopic, networked monitoring, big data, large-scale, multidisciplinary, all-dimensional, from species level to family level, community level or ecosystem level, and even the global level. The construction of biodiversity monitoring network promoted the uniform of essential biodiversity variables and networked monitoring. Internet information and database had become a main source of plant diversity data. Standardization, effective utilization and sharing of the monitoring data, as well as the monitoring for genetic biodiversity and individuals, all these created new opportunities and brought us new challenges. Ecological monitoring would be large scale, automated and standardized. To improve the monitoring networks, to find innovative ways and build new models, to carry out monitoring at hotspots and give priority to important species as well as community or even larger scale, to pay more attention to the background investigation of plant resources were encouraged.
Keyword： plant diversity; model; monitoring network;
植物多样性包括能够描述植物特性的各个方面，如植物的种类多样性、遗传多样性、植物群落特征（组成、多度等）多样性、功能性状（比叶面积、形态变异等）多样性、植物的分布、生理性状、物候特征等。监测是生物多样性科学的热点[1]，是生物多样性保护工作与环境管理决策的重要依据，缺乏监测数据的保护工作和管理决策是盲目的，高质量的监测数据是很多学科和模型研究的重要前提[2,3,4]。监测数据是保护生物学和生态系统功能、气候变化、环境质量评估、物种适应性进化、保护地管理等相关科学的基础。
遥感、传感器、计算机、下一代测序等技术的发展，开创了植物多样性监测的全新局面，是机遇，也是挑战。本研究综述了我国陆地植物多样性监测领域的进展，分析了未来植物多样性监测研究的热点和方向。
1、 植物多样性监测的进展
1.1、 人工智能等的开发运用，提升监测自动化水平和效率
监测是一项长期的、艰苦的工作，连续自动化、小型便携式、智能化设备的不断涌现，极大地促进了植物多样性监测[5]。无人机和遥感技术的应用，使得耗时费力的监测、人类很难或无法到达区域的监测、物种分布面积较广而不可能遍及的监测、易受人类活动影响的监测、需要长期24 h连续进行的监测等变为了可能[6]。TDB植物茎流插针测量系统等工具设备，可以长期、连续、自动、同时记录多棵树的数据，用于研究森林树木对水分的利用规律[7]。“脚印”APP（Biotracks，http://www.biotracks.cn/）可以随时随地快速记录、自动生成经纬度、采集号和采集地点等信息，省时省力；花伴侣APP（http://hbl.nongbangzhu.cn/）基于机器学习进行图像识别，使用者只需拍摄植物的花、果、叶等特征部位，即可快速识别常见的花草树木，植物学专业人员也会用它做参考。基于地面测量对农作物叶面积指数的遥感数据进行确证是非常费力费时的工作，采用基于无线传感器网络（wireless sensor network，WSN）的自动测量系统成本低、耗能低，可以将科研工作者从繁琐的工作中解放出来[8]。有了森林物候自动监测系统基于高分辨率的摄像机进行定时拍摄植物图像，科研工作者不会错过物候观测的关键时期[9]。Berra等[10]使用无人机监测树木叶片的物候变化，其分辨率可达到物种水平，改变了传统地面人工观测的局面。以往的地上碳储量监测不可监测群落外的干扰，也不能绘制碳储量的异质性分布图，而采用三维激光扫描仪可以快速获取整个森林群落的结构、生物量和分布图[11]。研发新工具和新设备，将监测人员从繁琐、费力、费时的监测与数据采集工作中解放出来，是当前植物多样性监测研究的发展趋势。
1.2、 监测研究尺度扩大，多学科、全方位、立体化开展监测
随着监测技术与设备的发展，生态学研究尺度不断扩大，生态系统监测从小规模合作、短时间个人观测向大规模、长时间、跨学科、多因子联合观测转变，从个体监测、小样方研究扩展到种群、群落、生态系统、区域尺度、国家尺度或全球尺度，以生态系统的性状预测群落的变化、以食物网的相互关系结合宏生态学和物种分布模型研究群落生态学的空间过程和对环境的响应[12]。传统的植物多样性监测主要基于地面调查的方法[13]。随着高时空分辨率和光谱分辨率传感器以及新型遥感平台的出现，遥感观测已涵盖区域–洲际–全球等多尺度、植物和动物等多领域的生物多样性监测[14]。利用遥感数据可以监测植物的功能多样性、α多样性和β多样性[15,16,17]。由于复杂的地形和湿地，人类很难踏足上海九段沙，Lin等[18]基于多光谱和高分辨率的遥感图像，结合实地核查，对上海九段沙湿地4种主要树种的分布和动态进行了分析，指出遥感的物种分辨率可达到87.2%。森林塔吊和无人机的应用，将科学家和沉重的监测仪器从地面送到空中（林冠），开展森林病虫害监测、林冠附生植物多样性监测、林冠光合作用与蒸腾过程的原位测定和监测、树木和森林结构等研究[19]。截止2017年，全球已建立了22个森林塔吊观测系统，我国建设了8个，是最多的国家[20]。土壤宏基因组测序、探地雷达系统的应用，开创了地下植物多样性监测的局面。下一代测序技术促进了植物多样性的监测、研究和保护，基于环境DNA的宏基因组测序，不仅可检测地面的活植物，还可检测休眠的组织、种子、花粉或植物碎屑[21]。采用探地雷达系统，科研工作者不用挖土、破坏植株（尤其是珍稀濒危物种或古树名木），就可以研究地下根系多样性[22]和细根的空间分布。采用全基因组测序技术可以获得大量的单核苷酸多态性（single nucleotide polymorphism，SNP），用于推断物种的种群历史动态，开展遗传多样性研究[23,24]。
1.3、 生态监测网络建设促进联网监测与核心监测指标体系的统一
监测的目的、研究对象、仪器设备、试验方案和监测方法各不相同，导致获取的监测数据也不相同，生物多样性监测核心指标（essential biodiversity variables，EBVs）的确定和统一、生物多样性监测网络的建立在很大程度上促进了这些问题的解决[3]。国际长期生态学研究网络（ILTER，international long term ecological research network）同地球观测组织——生物多样性监测网络(GEO BON，group on earth observation—biodiversity observation networks)类似，都是基于定位站开展监测，目前全球已建立了900个国家或地区的长期生态学研究网络，涵盖了全球陆地、淡水、海洋等生物圈[25]。我国于1988年创建了中国生态系统研究网络（CERN），涵盖了农田、森林、草原、荒漠等生态系统[26]。加入该体系的生态站常被称为“国家站”，“国家站”每年有固定的经费支持，开展常规监测，须按“国家站”制定的标准开展“水、土、气、生”四大监测（表1），定期向其综合研究中心汇交数据。2013年，中国科学院开始启动建设中国生物多样性监测与研究网络(SinoBON)[27]。截止2019年，我国已正式建立10个多样性监测专项网，包括兽类、鸟类、两栖爬行类、鱼类、昆虫、土壤动物、森林植物、草原荒漠、林冠生物、土壤微生物。这些监测网络简称“专项网”，也有固定的经费支持，仪器设备统一招标、统一采购，监测内容和指标统一，“专项网”仅对所在网络的特定内容开展规范性监测，并共享数据。国家环境保护部、中国科学院、国家林业和草原局、部分大学院校等都相继建立了自己“管辖”的生态境环监测站点，有力地促进了我国生态监测的网络化、标准化、规范化和制度化。
表1 国家野外台站不同生态系统的监测指标[28]
1.4、 网络资源成为植物多样性监测的大数据源
信息科技的进步，志愿者和公众科学项目、植物多样性数据库和云平台的建立，为获取更大尺度的植物多样性数据带来了新的机会，成为长期植物多样性监测的“大数据源”，为大尺度的植物多样性监测做出了贡献[29,30,31]。网络新闻、社交媒体可以增强公众参与度，同时增强科学家、公众和决策者之间的联系，减少脱节现象，是一种高性价比的长期连续监测方法[32,33]。当地居民的生物多样性知识，尤其是对有较高社会经济价值或文化重要性的物种，是一种强有效的、低成本的多样性数据源，能为生态监测和物种保护提供诸如分布、丰富度等相关信息[34]，很多濒危植物野外分布信息、新纪录、新发现都来源于当地草医或护林员。
挖掘公众科学潜力，利用公共数据库平台或网络数据库资源，如中国植物图像库（PPBC，http://ppbc.iplant.cn/）、中国自然标本馆（CFH，https://www.cfh.ac.cn/）、全球生物多样性信息网络（GBIF，https://www.gbif.org/）、国家标本资源共享平台（NSII，http://www.nsii.org.cn/2017/home.php）、生物多样性e-Science 云平台iBiodiversity（http://www.ibiodiversity.net/）等收集、存储、分析、研究植物多样性，发挥公众参与的作用，已成为一种趋势[32,35]。Peruzzi等[36]认为，维基植物数据库是一个巨大的网络植物数据库资源；Brenskelle等[37]指出，结合历史植物标本的数据可以更好地对物候进行监测、模拟和预测植物的物候变化。
2、 植物多样性监测研究的困难与挑战
新方法、新技术、新工具的不断涌现，令生态学和植物学科研工作者应接不暇，如何了解、获取、学习、掌握它们并运用到监测和研究中，产出高质量的成果，如何实现植物学家、生态学家、遥感学家的有效协作和共赢，是一个极大的挑战。
2.1、 核心监测指标方面
生态学大数据包括源源不断产生的遥感数据、长期生态学监测网络数据、其他科学家监测产生的数据、公众科学数据等[38]。投入大量的资源获得的监测数据如何更好地应用于植物多样性保护和管理决策[12,39]，是令科研工作者和管理决策者头疼的问题。一方面，我国现有的监测网络涵盖的范围小、种类少；另一方面，缺乏相应的监测规范和标准，部分多样性监测网络徒有上百万的仪器而无数据的产生，技术方法亟待摸索，如森林塔吊观测系统可以用来监测什么、怎么监测，仍然困扰着很多科研工作者。此外，已有的生物多样性监测网络，大部分仅惠及两三个课题组（单位）或部分植被类型或区域，存在很多相关领域的科研工作者不知道的现象。已有的核心监测指标（如遗传组成、种群、性状和群落组成）在国家层面甚至洲际之间，仍然存在很大断层和空白[40]，即使对于同一核心监测指标，不同的研究有不同的测度方法，导致监测数据的异质性，如仅叶片性状就有叶面积、干物质质量、比叶面积、叶氮磷含量等指标[41]。
2.2、 分析预测模型方面
生态系统和群落生态学沿不同的方向发展，几乎没有重叠，生物多样性-生态系统功能研究者20年以来一直致力于整合生态系统和群落生态学，但仍然缺乏相关的预测模型和整合方法[42]。为什么基于性状的群落生态学研究不能很好地预测森林群落动态[43]、为什么系统进化关系不能预测生态分化[44]、为什么功能性状不能很好地预测幼树生长[45]，功能性状是植物对外界环境的反应，到底哪个性状能显着反映植物的适合度，等等。这些问题在个别物种或控制试验中或许可以回答，在自然状态下，由这些假设和理想化条件下得出的科学结论，势必存在很大误差[46]。功能性状多样性可采用不同的方法测量，导致了生态学预测结果的不确定性，限制了跨研究或跨尺度比较研究的可能性[47]。遗传多样性在物种、生态系统或景观尺度上是维持生物多样性非常重要的因素[48]，但目前为止，几乎所有的森林生态系统监测都把它忽略了[49]。遗传多样性常通过控制试验来研究，随着时间的推移、选择压力和适应性进化的发生，导致遗传多样性结果也不可靠[50]。
2.3、 个体物种水平方面
尽管当前植物多样性监测已形成了全方位、立体化、多学科、区域或更大尺度的监测研究的局面，但个体物种水平的监测仍然较少，面临着设计问题、空间和种类覆盖度问题等[4]，且主要在单一因子或本地的小尺度内展开[51]。植物的性状是植物多样性的关键组分，但目前已有植物的性状特征满足不了国家或全球尺度的多样性评估[52]，全世界已知的维管植物中，仅有2%的种类的功能多样性数据是完整的[16]。由于技术、精力、财力、人力等资源条件的限制，开展长期监测和研究的案例不多，开展过系统研究、从种子到种子生活史清晰的物种不多，植物多样性监测只针对很少的一部分物种、在较小的区域内进行、且只能涉及部分生态系统过程[53]，对于很多濒危植物，也许待它灭绝后，我们都未曾谋面。大部分物种的基础信息数据仍然缺乏，何谈群落、生态系统、甚至全球尺度的监测[54]。人们对大部分植物的受威胁因素知之甚少，很多植物都没有使用IUCN评价标准评估过[55]，已有的大部分研究仅从一个因素着手，何谈全方位监测、多角度解析。
3、 植物多样性监测的方向和展望
3.1、 完善监测网络、确定核心监测指标
为了减少资源浪费、避免重复劳动、实现大尺度或全球区域的联网研究，未来需重点关注以下几个方面：1）确定统一的核心监测指标体系，制定合理的监测标准和方法，全国布局，系统规划，建立、健全和完善我国监测网络体系；2）针对不同的生态系统，因地制宜，建立不同的核心监测指标体系，譬如森林生态系统，草原、农田生态系统的监测指标、方法会有差异；3）顶层设计，统筹安排，避免不必要的资源浪费，加大投入，标准化、规范化地开展植物多样性监测和研究；4）建设开放、共享的植物数据库，完善数据的质量监督和标准化、完善共享和使用机制；5）建立数据共享激励机制，鼓励数据论文发表，提升数据论文的价值。
3.2、 寻找新方法、构建新模型
尽管全球生态系统监测和预测研究在飞速发展，监测数据与预测模型之间仍然存在很大的空白[23]。生物多样性分布预测模型已发展了20多年，但基于预测模型进行植物多样性监测的实际应用鲜见报道[56]。未来需重点关注以下几个方面：1）结合更多物种相互关系数据和自然历史数据来预测植物多样性未来的变化趋势，进一步往动植物协作、地衣苔藓多样性、植物–土壤反馈等研究方向扩展，发展或提出新的生态理论、假说或模型来探索植物多样性及其相关研究中的热点；2）加强开源的、图形界面友好的、易于操作使用的工具软件、通用的统计模型和强大的云计算服务的开发利用，有效整合古生物学、地球科学等信息，加强植物多样性维持机制、多样性与气候变化等方面的研究，关注相关研究领域的最新动态，学习新技术、新方法、新工具，将它们运用到现代的监测研究工作中；3）开发群落水平的物候模型研究植物与温度、光照、寒冷、遗传调控和环境变化之间的相互作用及其响应气候变化的物候策略；4）加强生态学家与决策者、统计学家或遥感专家之间的紧密合作，取长补短；5）增加取样量和取样尺度，充分利用高通量测序的优势，从RNA、DNA、eDNA水平结合宏观和遥感数据来研究和监测植物多样性的变化。
3.3、 开展热点区域与优先植物种类的监测，重视基础数据的收集
如何以最小的成本实现物种最优的保护，是生物多样性优先保护概念的前提[57]。生物多样性热点地区、生态系统脆弱和敏感区、保护小区等区域的评估和划定、模式植物与极小种群等优先保护物种的保护与评估、生物多样性指示物种的选择将会越来越重要。未来需重点关注以下几个方面：1）针对极危植物、极小种群野生植物或生境退化严重的重要区域，进行快速评估，确定植物多样性保护与监测的热点区域；2）以热点区域和优先物种为导向，确定监测的代表类群；3）以关键物种、关键区域、代表类群为基础，兼顾群落或更大尺度的监测；4）面向科学目标和国家战略需求，对植物本底数据进行收集、整理与编研。
参考文献
[1] 马克平. 生物多样性科学的热点问题. 生物多样性, 2016, 24(1): 1-2 [Ma K-P. Hot topics for biodiversity science. Biodiversity Science, 2016, 24(1): 1-2]
[2] 马克平. 监测是评估生物多样性保护进展的有效途径. 生物多样性, 2011, 19(2): 125-126 [Ma K-P. Assessing progress of biodiversity conservation with monitoring approach. Biodiversity Science, 2011, 19(2): 125–126]
[3] Vihervaara P, Auvinen AP, Mononen L, et al. How essential biodiversity variables and remote sensing can help national biodiversity monitoring. Global Ecology and Conservation, 2017, 10: 43-59
[4] Xu HG, Cao MC, Wu Y, et al. Optimized monitoring sites for detection of biodiversity trends in China. Biodiversity and Conservation, 2017, 26: 1959-1971
[5] Kelling S. Technology developments for biodiversity monitoring and conservation. Biodiversity Information Science and Standards, 2018, 2: 10.3897/biss.2.25833
[6] Gonzalez L, Montes G, Puig E, et al. Unmanned aerial vehicles (UAVs) and artificial intelligence revolutionizing wildlife monitoring and conservation. Sensors, 2016, 16: 10.3390/s16010097
[7] Forster MA. How significant is nocturnal sap flow? Tree physiology, 2014, 34: 757-765
[8] Qu YH, Zhu YQ, Han WC, et al. Crop leaf area index observations with a wireless sensor network and its potential for validating remote sensing products. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 7: 431-444
[9] Alberton B, Torres RdS, Cancian LF, et al. Introducing digital cameras to monitor plant phenology in the tropics: Applications for conservation. Perspectives in Ecology and Conservation, 2017, 15: 82-90
[10] Berra EF, Gaulton R, Barr S. Use of a digital camera onboard a UAV to monitor spring phenology at individual tree level. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 7: 431-444
[11] Wallace L, Lucieer A, Malenovsk? Z, et al. Assessment of forest structure using two UAV techniques: A comparison of airborne laser scanning and structure from motion (SfM) point clouds. Forests, 2016, 7: 10.3390/f7030062
[12] Creer S, Deiner K, Frey S, et al. The ecologist’s field guide to sequence-based identification of biodiversity. Methods in Ecology and Evolution, 2016, 7: 1008-1018
[13] 唐志尧, 蒋旻炜, 张健, 等. 航空航天遥感在物种多样性研究与保护中的应用. 生物多样性, 2018, 26(8): 807-818 [Tang Z-Y, Jiang M-W, Zhang J, et al. Applications of satellite and air-borne remote sensing in biodiversity research and conservation. Biodiversity Science, 2018, 26(8): 807-818]
[14] 郭庆华, 胡天宇, 姜媛茜, 等. 遥感在生物多样性研究中的应用进展. 生物多样性, 2018, 26(8): 789-806 [Guo Q-H, Hu T-Y, Jiang Y-Q, et al. Advances in remote sensing application for biodiversity research. Biodiversity Science, 2018, 26(8): 789-806]
[15] Shugart HH, Asner GP, Fischer R, et al. Computer and remote-sensing infrastructure to enhance large-scale testing of individual-based forest models. Frontiers in Ecology and the Environment, 2015, 13: 503-511
[16] Jetz W, Cavender-Bares J, Pavlick R, et al. Monitoring plant functional diversity from space. Nature Plants, 2016, 2: 10.1038/nplants.2016.24
[17] Luque S, Pettorelli N, Vihervaara P, et al. Improving biodiversity monitoring using satellite remote sensing to provide solutions towards the 2020 conservation targets. Methods in Ecology and Evolution, 2018, 9: 1784-1786
[18] Lin WP, Chen GS, Guo PP, et al. Remote-sensed monitoring of dominant plant species distribution and dynamics at Jiuduansha Wetland in Shanghai, China. Remote Sensing, 2015, 7: 10227-10241
[19] 梁星云, 刘世荣. 基于冠层塔吊原位测定长白山温带阔叶红松原始林群落主要树种的光合特征. 应用生态学报, 2019, 30(5): 1494-1502 [Liang X-Y, Liu S-R. In-situ measurement of photosynthetic characteristics of dominant tree species based on canopy crane in a Korean pine broad-leaved forest in Changbai Mountain, northeastern China. Chinese Journal of Applied Ecology, 2019, 30(5): 1494-1502]
[20] Nakamura A, Kitching RL, Cao M, et al. Forests and their canopies: Achievements and horizons in canopy science. Trends in Ecology & Evolution, 2017, 32: 438-451
[21] Fahner NA, Shokralla S, Baird DJ, et al. Large-scale monitoring of plants through environmental DNA metabarcoding of soil: Recovery, resolution, and annotation of four DNA markers. PLoS One, 2016, 11(6): 10.1371/journal.pone.0157505
[22] Nichols P, McCallum A, Lucke T. Using ground penetrating radar to locate and categorise tree roots under urban pavements. Urban Forestry & Urban Greening, 2017, 27: 9-14
[23] Yamasaki E, Altermatt F, Cavender-Bares J, et al. Genomics meets remote sensing in global change studies: Monitoring and predicting phenology, evolution and biodiversity. Current Opinion in Environmental Sustainability, 2017, 29: 177-186
[24] Supple MA, Shapiro B. Conservation of biodiversity in the genomics era. Genome Biology, 2018, 19: 10.1186/s13059-018-1520-3
[25] Haase P, Tonkin JD, Stoll S, et al. The next generation of site-based long-term ecological monitoring: Linking essential biodiversity variables and ecosystem integrity. Science of the Total Environment, 2018, 613: 1376-1384
[26] 于贵瑞, 于秀波. 中国生态系统研究网络与自然生态系统保护. 中国科学院院刊, 2013, 28(2): 275-283 [Yu G-R, Yu X-B. Chinese ecosystem research network (CERN) and natural ecosystem protection. Bulletin of the Chinese Academy of Sciences, 2013, 28(2): 275-283]
[27] 马克平. 中国生物多样性监测网络建设: 从CForBio到Sino BON. 生物多样性, 2015, 23(1): 1-2 [Ma K-P. Biodiversity monitoring in China: From CForBio to Sino BON. Biodiversity Science, 2015, 23(1): 1-2]
[28] Xia S, Liu Y, Yu X, et al. Challenges in coupling LTER with environmental assessments: An insight from potential and reality of the Chinese Ecological Research Network in servicing environment assessments. Science of the Total Environment, 2018, 633: 1302-1313
[29] Fuccillo KK, Crimmins TM, de Rivera CE, et al. Assessing accuracy in citizen science-based plant phenology monitoring. International Journal of Biometeorology, 2015, 59: 917-926
[30] Kobori H, Dickinson JL, Washitani I, et al. Citizen science: A new approach to advance ecology, education, and conservation. Ecological Research, 2016, 31: 1-19
[31] Chandler M, See L, Copas K, et al. Contribution of citizen science towards international biodiversity monitoring. Biological Conservation, 2017, 213: 280-294
[32] Papworth SK, Nghiem T, Chimalakonda D, et al. Quantifying the role of online news in linking conservation research to Facebook and Twitter. Conservation Biology, 2015, 29: 825-833
[33] Hausmann A, Toivonen T, Slotow R, et al. Social media data can be used to understand tourists’ preferences for nature-based experiences in protected areas. Conservation Letters, 2018, 11: 10.1111/conl.12343
[34] Gray TN, Phommachak A, Vannachomchan K, et al. Using local ecological knowledge to monitor threatened Mekong megafauna in Lao PDR. PLoS One, 2017, 12(8): e0183247
[35] Brown ED, Williams BK. The potential for citizen science to produce reliable and useful information in ecology. Conservation Biology, 2019, 33: 561–569
[36] Peruzzi L, Bagella S, Filigheddu S, et al. The Wikiplantbase project: The role of amateur botanists in building up large online floristic databases. Flora Mediterranea, 2017, 27: 117-129
[37] Brenskelle L, Stucky BJ, Deck J, et al. Integrating herbarium specimen observations into global phenology data systems. Applications in Plant Sciences, 2019, 7: 10.1002/aps3.1231
[38] Farley SS, Dawson A, Goring SJ, et al. Situating ecology as a big-data science: Current advances, challenges, and solutions. BioScience, 2018, 68: 563-576
[39] Bush A, Sollmann R, Wilting A, et al. Connecting Earth observation to high-throughput biodiversity data. Nature Ecology & Evolution, 2017, 1: 10.1038/s41559-017-0176
[40] Peterson AT, Soberón J. Essential biodiversity variables are not global. Biodiversity and Conservation, 2018, 27: 1277-1288
[41] Kissling WD, Ahumada JA, Bowser A, et al. Building essential biodiversity variables (EBV s) of species distribution and abundance at a global scale. Biological Reviews, 2018, 93: 600-625
[42] Grimm V, Ayllón D, Railsback SF. Next-generation individual-based models integrate biodiversity and ecosystems: Yes we can, and yes we must. Ecosystems, 2017, 20: 229-236
[43] Yang J, Cao M, Swenson NG. Why functional traits do not predict tree demographic rates. Trends in Ecology & Evolution, 2018, 33: 326-336
[44] Cadotte MW, Davies TJ, Peres-Neto PR. Why phylogenies do not always predict ecological differences. Ecological Monographs, 2017, 87: 535-551
[45] Paine CT, Amissah L, Auge H, et al. Globally, functional traits are weak predictors of juvenile tree growth, and we do not know why. Journal of Ecology, 2015, 103: 978-989
[46] 朱凯, 袁凤辉, 关德新, 等. 植物叶肉导度的测定及计算方法综述. 应用生态学报, 2019, 30(5): 1772-1782 [Zhu K, Yuan F-H, Guan D-X, et al. Measuring and calculating methods of plant mesophyll conductance: A review. Chinese Journal of Applied Ecology, 2019, 30(5): 1772-1782]
[47] Carmona CP, de Bello F, Mason NW, et al. Traits without borders: integrating functional diversity across scales. Trends in Ecology & Evolution, 2016, 31: 382-394
[48] Hunter ME, Hoban SM, Bruford MW, et al. Next-generation conservation genetics and biodiversity monitoring. Evolutionary Applications, 2018, 11: 1029-1034
[49] Fussi B, Westergren M, Aravanopoulos F, et al. Forest genetic monitoring: An overview of concepts and definitions. Environmental Monitoring and Assessment, 2016, 188: 10.1007/s10661-016-5489-7
[50] Urban MC, Bocedi G, Hendry AP, et al. Improving the forecast for biodiversity under climate change. Science, 2016, 353: 10.1126/science.aad8466
[51] 李际. 协同分布式实验2.0 (CDE 2.0): 生态学野外研究新方法. 应用生态学报, 2019, 30(2): 449-455 [Li J. Coordinated distributed experiments 2.0 (CDE 2.0): A novelty methodology of ecological. Chinese Journal of Applied Ecology, 2019, 30(2): 449-455]
[52] Kissling WD, Walls R, Bowser A, et al. Towards global data products of essential biodiversity variables on species traits. Nature Ecology & Evolution, 2018, 2: 1531-1540
[53] Steenweg R, Hebblewhite M, Kays R, et al. Scaling-up camera traps: Monitoring the planet's biodiversity with networks of remote sensors. Frontiers in Ecology and the Environment, 2017, 15: 26-34
[54] Schmeller DS, B?hm M, Arvanitidis C, et al. Building capacity in biodiversity monitoring at the global scale. Biodiversity and Conservation, 2017, 26: 2765-2790
[55] Sigwart JD, Bennett K, Edie SM, et al. Measuring biodiversity and extinction: Present and past. Integrative and Comparative Biology, 2018, 58: 1111-1117
[56] Honrado JP, Pereira HM, Guisan A. Fostering integration between biodiversity monitoring and modelling. Journal of Applied Ecology, 2016, 53: 1299-1304
[57] Myers N, Mittermeier RA, Mittermeier CG, et al. Biodiversity hotspots for conservation priorities. Nature, 2000, 403: 853-858
植物多样性监测研究现状、挑战及展望 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
