|
当景观生态学从20世纪80年代中期发展成一门完整的学科体系时，我们明确了，关于空间异质性的生态学重要性，以及研究大区域生态格局和过程的重要性，这样的想法很多很多，远远领先于实证研究。许多都是一些敢想不能为的事儿。以前，遥感数据是稀缺的，非常昂贵也难以操作，数字形式的空间数据也不易获得，计算能力受到很大的限制，这是客观上的原因，主观上呢，在科学界和资源管理界，也的确对许多“新潮”的想法持怀疑态度，甚至充满敌意。四十年后的今天，我们看到，虽然空间异质性的原因和后果仍然是研究的核心，但景观生态学已经大不相同了。 那么，我们现在就来看看伴随景观生态学发展的工具。 在20世纪50年代，世界上最强大的计算机是一台巨大的机器，填满了一个大房间。而今天我们可以在口袋里放一台计算机，其速度大约是原来的100万倍，数据量是也是100万倍，其大小比早期计算机小100万倍。而且，计算机的范围和多样性也得到了发展，几乎每个家庭，每个企业都拥有许多电脑，而且我们的汽车、手表、电话、电视和其他许多日常用品中都有电脑。如今，计算机为景观生态学提供了一系列工具，如地理信息系统（GIS）参与的景观分析工作，还有数据库和数据仓库存储环境信息，用虚拟现实技术模拟环境变化。同时通讯技术的进步，从3G到4G，再到现在的5G，意味着这些资源随时随地可在线使用，因此任何人，在任何地方，都有可能获得“电子科学”。 信息革命也在改变我们看待周围世界的方式。其实，每一个时代都把它的关注点投射到周围的世界。在工业革命过程中，特别是十九世纪，机器和机械论的世界观支配着人们的思想。那个时候，基于机器的思想主宰了科学，世界也被看做是一台伟大的机器。何以见得呢？比如，当时的行星被描述为像钟表一样围绕太阳转；生物也被看做是一个工厂，有能源生产和运输、废物处理和中央控制系统。 那么，在当今的信息革命中，当然也会出现一种新的世界观。我们把今天的自然看作什么呢？经常被看作是一台伟大的计算机，我们必须去发现其中运转的程序，有人称这种思想是自然计算。这种自然计算的思想与生物学很拟合，人们把遗传密码比作计算机程序，因为它包含了构建新生物体的“配方”。核糖体这个制造蛋白质的细胞器，类似于信息处理器，因为它们能“读取”从DNA转录的遗传信息，并根据其指令输出蛋白质。感官感知那就是处理数据的输入，动物交流就是信息从一种动物传递到另一种动物，以及随后对这些信息进行解释处理，而动物则表现得好像它们是按某种方式行事一样。 可以毫不夸张地说，自然不仅可以被视为计算，而且是高级计算，已经与生物学越来越难以区分，这是因为计算机正面临着要越来越多地处理类似于生物或生态系统的问题。例如，在提高处理能力的驱动下，计算机已经从单芯片发展到多处理器，再到分布式处理，最后发展为成群的处理机构。为了解决这些问题所带来的日益复杂的挑战，计算机已经将目光投向了生命系统，这些系统已经进化出了应对复杂性的方法。其结果是计算机借助生物学的灵感，这些概念就包括元胞自动机、遗传算法、神经网络和群体智能。在我其他相关的课程中，我会介绍这些内容，有兴趣的可以找一找。虽然我们这里类比为计算有些字面化，但自然计算的概念，的确有助于解释生态学和许多其他自然现象某些方面的问题。这也说明，传统的科学研究方法本身~不足以让我们充分理解复杂的系统和过程。 这是我们在试图解决复杂性科学的时候所提出的挑战，复杂性关注的是世界的组合方式，这似乎与传统的科学研究方法恰恰相反。怎么理解呢？传统科学是把东西拆开，独自检查每一件东西，这就是所谓的还原论方法。历史上，还原论方法对科学很有帮助，现代技术的奇迹都是这种方法成功的证明。其原则很简单：“分而治之”。如果你想理解一些复杂的东西，那么就把它分解成它的组成部分，并弄清楚它们是如何工作的。如果有必要，继续划分，直到你达到一个简单到可以理解的程度为止。如果你想知道一种植物在不同条件下的表现，那么就必须把它放在生长室中，对呼吸作用、光合作用和生长进行精确测量，这样你可以找到它们之间的因果关系。你可以改变温度、改变光照，看看它们对光合作用的影响，结果不仅可重复，还可预测。有了这些信息，你不仅可以理解为什么植物在某些环境下生长得更好，而且还可以准确地预测它在其他环境中的生长情况。 现在的问题是，世界并不总是以简单的方式拆分自己。当你把东西撕成碎片的时候，你会了解到各个部分，但是当你把它们重新组合起来时，会发生意想不到的事情。例如，在一个生长室中对单个植物进行实验，你可以了解植物对光、水等的反应。但当它在野外生长时，会受到许多影响，包括其他植物的影响。在野外条件下，实验室结果往往不可重复。没有一个实验室的实验可以解释所有可能影响野外动植物的因素。我们不知道把几个事情放在一起会发生什么，这就是复杂性研究的意义所在，而这样的问题在科学中比比皆是。 在许多领域，科学家发现他们需要开发新的方法来处理事物之间相互作用时产生的问题。这意味着传统的方法需要用新的方法和思想加以补充。简而言之，除了我们要理解部分之外，还必须了解整体是如何从这些部分中产生的。生态学已经发展出许多认识生态系统内在复杂性的思想，如多样性和食物网等概念。而信息科学革命所做的，则是提供新的工具，以比之前更直接的方式来处理复杂性。而我们在景观生态学中对尺度问题的关注，隐含着要比“传统生态学 ”处理更大幅度的研究，就必须借助于现代化的工具，所以，景观生态学是随着技术的发展而发展。那么，下面我们对这些具体的技术做一个总结。 从上个世纪70年代中叶开始，生态科学发生了重大变化，野外实验的设计技能和严谨性都有了很大提高，数学理论的发展，以电脑为工具的分析能力的提高，以及获取和检索数据能力的加速。这使得采用更复杂的统计测试、计算密集的模拟模型，都成为可能，为利用诸如卫星数据和GIS之类的东西成为可能。快速、廉价的计算机，它们变得越来越快。大约每18个月翻一番，这就是著名的摩尔定律。我们现在拥有了具有千兆次浮点运算能力的普通台式计算机，甚至手机都在逐渐达到这样的计算能力。
在计算机技术的支持下，参数统计得到了巨大发展，比如包括t检验、方差分析、回归分析，已经非常强大了，它们从20世纪30年代左右就开始出现了。接触过统计学的都应该知道，参数统计，有一个关键的假设是样本独立性。但事实是，现实世界充满了空间自相关，传统的统计技术，并不能处理这种相关性，所以必须在数据收集过程中竭尽全力消除这种空间相关性。如果消除呢？确保各样本所采集的地方相隔的距离足够远，应该是可以消除的。但是，如果我们反过来想，让这种空间相关性为我们所用，是不是更好？我们希望能够对一定空间进行分析，并从这个地块中提取数据，其结果可以投影到更大的区域，然后就获得了一张包含某些要素的地图扩展。事实证明，黄金开采者对此兴趣最为浓厚，他们很久以前就想出了一种解决问题的方法，并由此诞生了地统计学。有关地统计学的详细介绍，我们以后会讲到。
同样是因为计算机技术的改进，让遥感数据处理成为一件极其简单的事儿，而且，新型遥感平台的出现，使得我们对地观测的数据源，在时空尺度上都日益增加；基于GIS技术的计算机工具的普及，可以让我们有效地处理大型空间数据集和地图。遥感技术获取数据，GIS技术处理数据，二者相得益彰，成为景观生态学中不可或缺的数据来源和工具。我们几乎可以肯定地说，任何一个景观生态学研究，都离不开GIS和遥感。
在对景观进行空间分析，建立格局与过程相互联系的过程中，有时候需要我们高度浓缩景观格局信息，最好能定量表达景观格局和生态过程之间的关联，这是与其他生态学不同的地方，真正将生态学从定性描述转化到定量计算。20世纪80年代，由于许多新理论在景观生态学中的应用，导致景观指数不断推陈出新，随后，渗透理论在景观生态学中广为应用，形成了一种景观中性模型，这就为检验景观指数对景观格局的描述能力提供了一个良好的工具。
从整个生态学来说，生态模型是生态学中发展最迅速的领域之一。传统生态学研究手段，包括样地试验、野外调查和实验室观察，这都是在有限的时间尺度和空间尺度内完成的，也是可靠的。但对于大时间尺度和大空间尺度的生态过程，那就无法依靠这些传统的生态学手段来完成了。而这个时候，模型的发展，凭借其生物生态机理以及数学物理函数的设定，能够表现出相当的优越性。虽然生态学模型有这样那样的问题，但这并不能阻碍模型化的生态学研究进程和趋势。在景观生态学的发展中，许多方面就得益于生态模型的开发。
好了，有了这些认识，我们就可以理解，为什么我们在生态学上真正对尺度概念的认识，是在20世纪80年代突然出现的。在之前的社会发展阶段，由于受科学认知水平、财力、时间和精力等方面的限制，很多研究只能在离散或单独的个别尺度上进行。所以，我再次强调一下，技术的发展对于学科的进步的确有非常大的作用。
但现在我们面临的许多生态学问题，特别是那些被认为是紧迫的生态学问题，往往时间跨度为几十年甚至上百年，空间范围是区域性的或者全球性的。但传统生态学研究，大多数还只能在小范围、短时间内进行直接测量，这就碰到了一个问题，在小尺度上测量的格局，在大尺度上不一定成立，而在小尺度上多见的过程也不一定在大尺度上占优势。因此，我们现在碰到的生态学紧迫问题，看来是不能通过将局地测量的结果直接扩大到更大的区域和更长的时间。那么，要解决这些紧迫的生态学问题，就必须依靠技术的发展和应用。我们前面提到的五个方面的技术，恰好就是适应这个时代的技术，它们就在适当的时候出现了。
有时候我在思考一个问题，当社会发展遇到一些瓶颈的时候，一个的新的技术，甚至是一系列配套的技术到了，让我们搞不清楚究竟是这个瓶颈驱动了这个技术，还是新技术努力在寻找其应用场景。总之，就是这么恰如其分地走到了一起。好，这个话题再讲下去就跑题了，这节课就到这里，同学们再见！ |
|
|
