书籍详情
生态大数据管理与多学科应用
作者：汤旭光等
出版社：科学出版社
出版时间：2022-03-01
ISBN：9787030699732
定价：¥188.00
购买这本书可以去
内容简介
当今生态学已经发展到大科学、大数据、大理论时代，生态大数据的集成分析与信息挖掘逐渐成为地球系统科学研究的重要手段。本书以生态大数据为研究对象，介绍了生态大数据的概念与特征、主要来源与技术方法、重点关注方向，以及海量异构数据存储管理的基本思路、技术特点与应用模式，阐述了基于GEE云计算平台、基于机器学习的人工智能算法等大数据分析技术在生态学研究中的应用，在此基础上结合具体案例，介绍当前生态大数据在生态工程成效评估、生态系统健康评价、生态安全诊断、生境适宜性评价、旱涝灾情监测与损失评估等领域的多学科应用，相关研究可为区域、国家乃至全球尺度生态环境监测、保护与治理现代化提供参考。
作者简介
暂缺《生态大数据管理与多学科应用》作者简介
目录
目录
第1章 生态大数据概述 1
1.1 生态大数据的概念 1
1.2 生态大数据的特征 2
1.3 生态大数据的主要来源 4
1.3.1 主要来源 4
1.3.2 全球生态观测网络 4
1.3.3 对地观测大数据 5
1.3.4 公民科学的发展 5
1.4 生态大数据分析的技术方法 5
1.4.1 整合分析 5
1.4.2 数据挖掘 6
1.4.3 数据-模型融合 6
1.4.4 可视化及人机交互 7
1.5 发展历程与应用 7
1.5.1 大数据发展历程 7
1.5.2 生态大数据发展历程 9
1.5.3 主要应用 9
1.6 生态大数据的平台架构 11
1.6.1 数据采集层 12
1.6.2 数据管理层 12
1.6.3 数据运算层 13
1.6.4 服务应用层 14
1.7 面临的主要挑战与展望 14
1.7.1 主要挑战 14
1.7.2 前景展望 15
1.8 本章小结 16
参考文献 16
第2章 生态大数据管理 18
2.1 概述 18
2.1.1 生态大数据的数据密集问题 18
2.1.2 生态信息的大规模高并发访问 19
2.2 非关系型数据库NoSQL 20
2.2.1 广义列模型：Google BigTable 21
2.2.2 Key-Value模型：Amazon Dynamo 22
2.2.3 文档存储模型：MongoDB 23
2.2.4 NoSQL基本思想总结 24
2.3 关系数据库与海量异构数据存储 25
2.3.1 数据仓库 25
2.3.2 复制技术 25
2.3.3 数据切分 27
2.3.4 关系数据库和NoSQL结合方式 27
2.4 云计算平台 29
2.4.1 Hadoop架构介绍 29
2.4.2 HDFS分布式文件系统 30
2.4.3 MapReduce并行处理框架 31
2.4.4 基于Hadoop的生态数据存储框架设计 32
2.5 本章小结 33
参考文献 34
第3章 基于Google Earth Engine云平台的陆表参数变化分析 35
3.1 概述 35
3.2 GEE云平台 36
3.2.1 GEE概述 36
3.2.2 主要数据说明 39
3.3 研究区概况及分析方法 40
3.3.1 研究区概况 40
3.3.2 NDVI数据重建 41
3.3.3 时间序列分析 42
3.3.4 相关性分析 42
3.4 三峡库区土地利用与陆表参数变化特征 42
3.4.1 植被SINDVI变化时空分布特征 42
3.4.2 地表温度变化时空分布特征 43
3.4.3 反照率变化时空特征分析 45
3.4.4 土地利用变化分析 46
3.4.5 陆表参数相关分析 47
3.5 土地利用变化对关键陆表参数影响 48
3.5.1 土地利用与SINDVI研究 49
3.5.2 土地利用与地表温度研究 49
3.5.3 土地利用与反照率研究 50
3.6 本章小结 50
3.6.1 讨论 50
3.6.2 结论 51
参考文献 52
第4章 基于机器学习算法的陆地生态系统碳通量估算 55
4.1 概述 55
4.2 通量观测数据获取与处理 57
4.2.1 观测站点介绍 57
4.2.2 数据处理 57
4.3 主要机器学习方法与性能评价 59
4.3.1 机器学习方法 59
4.3.2 模型构建 60
4.3.3 性能评价 60
4.4 主要结果分析 61
4.4.1 机器学习在不同陆地生态系统中的GPP模拟 61
4.4.2 机器学习在不同陆地生态系统中的RE模拟 64
4.4.3 机器学习在不同陆地生态系统中的NEE模拟 66
4.5 讨论 68
4.5.1 机器学习模型的性能及其比较 68
4.5.2 机器学习模型在不同碳通量上的预测能力 68
4.5.3 机器学习模型在不同陆地生态系统上的预测能力 69
4.6 本章小结 69
参考文献 70
第5章 基于生态大数据的西南喀斯特地区生态恢复成效评估 74
5.1 概述 74
5.2 生态工程恢复成效研究进展 76
5.3 生态工程恢复成效评估方法 76
5.3.1 相关数据介绍 76
5.3.2 统计分析方法 79
5.4 西南喀斯特地区植被SIF时空动态分析 80
5.4.1 空间格局 80
5.4.2 年际及季节动态 80
5.4.3 空间趋势分析 82
5.5 生态工程影响评估 84
5.5.1 生态工程对区域植被SIF的影响 84
5.5.2 西南喀斯特地区植被动态影响因素 85
5.6 本章小结 86
参考文献 87
第6章 基于生态大数据的红树林湿地生态系统健康评价 91
6.1 概述 91
6.2 红树林生态系统健康评价研究进展 93
6.3 漳江口红树林湿地生态系统 94
6.3.1 漳江口红树林湿地概况 94
6.3.2 土地覆盖数据主要获取来源 95
6.4 红树林湿地生态系统健康评价方法 95
6.4.1 评价指标体系构建 95
6.4.2 指标权重计算 97
6.4.3 生态系统健康指数 97
6.5 红树林湿地生态系统变化 97
6.5.1 景观格局变化特征 97
6.5.2 湿地生态系统的压力-状态-响应健康状况 99
6.5.3 湿地生态系统健康水平的时空变化 101
6.6 红树林湿地生态系统健康变化驱动力因素分析 102
6.6.1 互花米草入侵与海平面上升的影响 102
6.6.2 养殖业扩增与海堤建设的影响 102
6.6.3 保护区建设的影响 103
6.7 本章小结 104
参考文献 104
第7章 基于生态大数据的区域生态安全诊断 106
7.1 生态安全概述 106
7.2 相关研究方法 107
7.2.1 生态足迹 109
7.2.2 生态承载力 109
7.2.3 生态赤字/盈余 109
7.2.4 生态压力指数 110
7.3 全国尺度生态安全格局分析 110
7.3.1 生态足迹分析 110
7.3.2 生态承载力分析 112
7.3.3 生态安全分析 114
7.4 河南省生态安全格局分析 115
7.4.1 人均生态足迹分析 115
7.4.2 人均生态承载力分析 117
7.4.3 人均生态赤字/盈余与生态压力指数分析 118
7.5 讨论 120
7.6 本章小结 120
参考文献 121
第8章 基于生态大数据的蔬菜重金属含量研究 123
8.1 概述 123
8.2 重金属Cd胁迫下植物高光谱技术的应用及研究进展 124
8.2.1 基本原理 124
8.2.2 高光谱遥感信息提取方法 124
8.3 常见蔬菜Cd含量的高光谱遥感分析 127
8.3.1 小白菜 127
8.3.2 辣椒 131
8.3.3 茎瘤芥 136
8.4 讨论 140
8.5 本章小结 141
参考文献 141
第9章 基于生态大数据的干旱评价及其对粮食产量的影响 143
9.1 概述 143
9.2 微波遥感观测土壤水分进展 144
9.2.1 遥感估算原理及全球产品介绍 144
9.2.2 微波遥感反演土壤水分算法研究进展 146
9.3 农业干旱监测方法 148
9.3.1 基于植被指数的干旱监测 148
9.3.2 基于植被指数和温度的干旱监测 148
9.3.3 基于土壤水分的干旱监测 149
9.4 东北地区干旱监测及其对粮食产量的影响分析 149
9.4.1 研究区及数据源 149
9.4.2 基于土壤水分的东北地区干旱程度评价 151
9.4.3 干旱程度与粮食产量的关系 155
9.5 本章小结 158
参考文献 158
第10章 基于生态大数据的植被总初级生产力估算及*新进展 161
10.1 概述 161
10.2 叶绿素荧光遥感反演进展 162
10.2.1 SIF主要获取方法及优势 162
10.2.2 SIF遥感反演算法进展 163
10.3 常用的GPP估算方法 166
10.3.1 涡度相关算法 167
10.3.2 基于遥感资料的光能利用率模型 167
10.3.3 生态过程模型估测 167
10.3.4 动态全球植被模型 168
10.4 基于SIF估算GPP的不确定性与挑战 168
10.4.1 基于SIF估算GPP的模型 168
10.4.2 基于SIF估算GPP的不确定性 170
10.4.3 机遇与挑战 171
10.5 本章小结 174
参考文献 175
第11章 基于生态大数据的越冬水禽栖息地植被动态及影响因素分析 181
11.1 概述 181
11.2 方法与数据 182
11.2.1 研究区概况 182
11.2.2 数据来源与处理 184
11.3 水禽越冬季植被覆盖季内动态变化 185
11.3.1 季内时间变化特征 185
11.3.2 季内空间变化特征 186
11.4 水禽越冬季植被覆盖年际动态变化 187
11.4.1 年际时间变化特征 187
11.4.2 年际空间变化特征 188
11.5 水文条件对植被年际动态变化的影响 190
11.6 讨论 191
11.6.1 越冬季植被覆盖动态变化的限制因素 191
11.6.2 影响水禽数量的潜在因素 193
11.7 本章小结 194
参考文献 194
第12章 基于生态大数据的洪水淹没分析与灾情评估 197
12.1 概述 197
12.2 洪水淹没研究进展 198
12.3 实验过程 201
12.3.1 研究区概况和数据预处理 201
12.3.2 洪水淹没分析方法 204
12.3.3 研究方法 206
12.4 实验讨论 208
12.4.1 实验结果 208
12.4.2 望江县洪水淹没现状 208
12.4.3 洪水灾情模型评估权重选取 209
12.5 本章小结 211
参考文献 211
第13章 基于生态大数据的西南地区极端干旱季节性响应分析 213
13.1 干旱概述 213
13.2 西南地区干旱研究进展 214
13.3 干旱的季节性研究方法 216
13.3.1 主要数据说明 217
13.3.2 研究方法介绍 219
13.4 西南地区极端干旱的季节性响应分析 221
13.4.1 地表水响应 221
13.4.2 植被响应 222
13.4.3 气象响应 224
13.5 讨论 225
13.6 本章小结 226
参考文献 226
第1章 生态大数据概述 1
1.1 生态大数据的概念 1
1.2 生态大数据的特征 2
1.3 生态大数据的主要来源 4
1.3.1 主要来源 4
1.3.2 全球生态观测网络 4
1.3.3 对地观测大数据 5
1.3.4 公民科学的发展 5
1.4 生态大数据分析的技术方法 5
1.4.1 整合分析 5
1.4.2 数据挖掘 6
1.4.3 数据-模型融合 6
1.4.4 可视化及人机交互 7
1.5 发展历程与应用 7
1.5.1 大数据发展历程 7
1.5.2 生态大数据发展历程 9
1.5.3 主要应用 9
1.6 生态大数据的平台架构 11
1.6.1 数据采集层 12
1.6.2 数据管理层 12
1.6.3 数据运算层 13
1.6.4 服务应用层 14
1.7 面临的主要挑战与展望 14
1.7.1 主要挑战 14
1.7.2 前景展望 15
1.8 本章小结 16
参考文献 16
第2章 生态大数据管理 18
2.1 概述 18
2.1.1 生态大数据的数据密集问题 18
2.1.2 生态信息的大规模高并发访问 19
2.2 非关系型数据库NoSQL 20
2.2.1 广义列模型：Google BigTable 21
2.2.2 Key-Value模型：Amazon Dynamo 22
2.2.3 文档存储模型：MongoDB 23
2.2.4 NoSQL基本思想总结 24
2.3 关系数据库与海量异构数据存储 25
2.3.1 数据仓库 25
2.3.2 复制技术 25
2.3.3 数据切分 27
2.3.4 关系数据库和NoSQL结合方式 27
2.4 云计算平台 29
2.4.1 Hadoop架构介绍 29
2.4.2 HDFS分布式文件系统 30
2.4.3 MapReduce并行处理框架 31
2.4.4 基于Hadoop的生态数据存储框架设计 32
2.5 本章小结 33
参考文献 34
第3章 基于Google Earth Engine云平台的陆表参数变化分析 35
3.1 概述 35
3.2 GEE云平台 36
3.2.1 GEE概述 36
3.2.2 主要数据说明 39
3.3 研究区概况及分析方法 40
3.3.1 研究区概况 40
3.3.2 NDVI数据重建 41
3.3.3 时间序列分析 42
3.3.4 相关性分析 42
3.4 三峡库区土地利用与陆表参数变化特征 42
3.4.1 植被SINDVI变化时空分布特征 42
3.4.2 地表温度变化时空分布特征 43
3.4.3 反照率变化时空特征分析 45
3.4.4 土地利用变化分析 46
3.4.5 陆表参数相关分析 47
3.5 土地利用变化对关键陆表参数影响 48
3.5.1 土地利用与SINDVI研究 49
3.5.2 土地利用与地表温度研究 49
3.5.3 土地利用与反照率研究 50
3.6 本章小结 50
3.6.1 讨论 50
3.6.2 结论 51
参考文献 52
第4章 基于机器学习算法的陆地生态系统碳通量估算 55
4.1 概述 55
4.2 通量观测数据获取与处理 57
4.2.1 观测站点介绍 57
4.2.2 数据处理 57
4.3 主要机器学习方法与性能评价 59
4.3.1 机器学习方法 59
4.3.2 模型构建 60
4.3.3 性能评价 60
4.4 主要结果分析 61
4.4.1 机器学习在不同陆地生态系统中的GPP模拟 61
4.4.2 机器学习在不同陆地生态系统中的RE模拟 64
4.4.3 机器学习在不同陆地生态系统中的NEE模拟 66
4.5 讨论 68
4.5.1 机器学习模型的性能及其比较 68
4.5.2 机器学习模型在不同碳通量上的预测能力 68
4.5.3 机器学习模型在不同陆地生态系统上的预测能力 69
4.6 本章小结 69
参考文献 70
第5章 基于生态大数据的西南喀斯特地区生态恢复成效评估 74
5.1 概述 74
5.2 生态工程恢复成效研究进展 76
5.3 生态工程恢复成效评估方法 76
5.3.1 相关数据介绍 76
5.3.2 统计分析方法 79
5.4 西南喀斯特地区植被SIF时空动态分析 80
5.4.1 空间格局 80
5.4.2 年际及季节动态 80
5.4.3 空间趋势分析 82
5.5 生态工程影响评估 84
5.5.1 生态工程对区域植被SIF的影响 84
5.5.2 西南喀斯特地区植被动态影响因素 85
5.6 本章小结 86
参考文献 87
第6章 基于生态大数据的红树林湿地生态系统健康评价 91
6.1 概述 91
6.2 红树林生态系统健康评价研究进展 93
6.3 漳江口红树林湿地生态系统 94
6.3.1 漳江口红树林湿地概况 94
6.3.2 土地覆盖数据主要获取来源 95
6.4 红树林湿地生态系统健康评价方法 95
6.4.1 评价指标体系构建 95
6.4.2 指标权重计算 97
6.4.3 生态系统健康指数 97
6.5 红树林湿地生态系统变化 97
6.5.1 景观格局变化特征 97
6.5.2 湿地生态系统的压力-状态-响应健康状况 99
6.5.3 湿地生态系统健康水平的时空变化 101
6.6 红树林湿地生态系统健康变化驱动力因素分析 102
6.6.1 互花米草入侵与海平面上升的影响 102
6.6.2 养殖业扩增与海堤建设的影响 102
6.6.3 保护区建设的影响 103
6.7 本章小结 104
参考文献 104
第7章 基于生态大数据的区域生态安全诊断 106
7.1 生态安全概述 106
7.2 相关研究方法 107
7.2.1 生态足迹 109
7.2.2 生态承载力 109
7.2.3 生态赤字/盈余 109
7.2.4 生态压力指数 110
7.3 全国尺度生态安全格局分析 110
7.3.1 生态足迹分析 110
7.3.2 生态承载力分析 112
7.3.3 生态安全分析 114
7.4 河南省生态安全格局分析 115
7.4.1 人均生态足迹分析 115
7.4.2 人均生态承载力分析 117
7.4.3 人均生态赤字/盈余与生态压力指数分析 118
7.5 讨论 120
7.6 本章小结 120
参考文献 121
第8章 基于生态大数据的蔬菜重金属含量研究 123
8.1 概述 123
8.2 重金属Cd胁迫下植物高光谱技术的应用及研究进展 124
8.2.1 基本原理 124
8.2.2 高光谱遥感信息提取方法 124
8.3 常见蔬菜Cd含量的高光谱遥感分析 127
8.3.1 小白菜 127
8.3.2 辣椒 131
8.3.3 茎瘤芥 136
8.4 讨论 140
8.5 本章小结 141
参考文献 141
第9章 基于生态大数据的干旱评价及其对粮食产量的影响 143
9.1 概述 143
9.2 微波遥感观测土壤水分进展 144
9.2.1 遥感估算原理及全球产品介绍 144
9.2.2 微波遥感反演土壤水分算法研究进展 146
9.3 农业干旱监测方法 148
9.3.1 基于植被指数的干旱监测 148
9.3.2 基于植被指数和温度的干旱监测 148
9.3.3 基于土壤水分的干旱监测 149
9.4 东北地区干旱监测及其对粮食产量的影响分析 149
9.4.1 研究区及数据源 149
9.4.2 基于土壤水分的东北地区干旱程度评价 151
9.4.3 干旱程度与粮食产量的关系 155
9.5 本章小结 158
参考文献 158
第10章 基于生态大数据的植被总初级生产力估算及*新进展 161
10.1 概述 161
10.2 叶绿素荧光遥感反演进展 162
10.2.1 SIF主要获取方法及优势 162
10.2.2 SIF遥感反演算法进展 163
10.3 常用的GPP估算方法 166
10.3.1 涡度相关算法 167
10.3.2 基于遥感资料的光能利用率模型 167
10.3.3 生态过程模型估测 167
10.3.4 动态全球植被模型 168
10.4 基于SIF估算GPP的不确定性与挑战 168
10.4.1 基于SIF估算GPP的模型 168
10.4.2 基于SIF估算GPP的不确定性 170
10.4.3 机遇与挑战 171
10.5 本章小结 174
参考文献 175
第11章 基于生态大数据的越冬水禽栖息地植被动态及影响因素分析 181
11.1 概述 181
11.2 方法与数据 182
11.2.1 研究区概况 182
11.2.2 数据来源与处理 184
11.3 水禽越冬季植被覆盖季内动态变化 185
11.3.1 季内时间变化特征 185
11.3.2 季内空间变化特征 186
11.4 水禽越冬季植被覆盖年际动态变化 187
11.4.1 年际时间变化特征 187
11.4.2 年际空间变化特征 188
11.5 水文条件对植被年际动态变化的影响 190
11.6 讨论 191
11.6.1 越冬季植被覆盖动态变化的限制因素 191
11.6.2 影响水禽数量的潜在因素 193
11.7 本章小结 194
参考文献 194
第12章 基于生态大数据的洪水淹没分析与灾情评估 197
12.1 概述 197
12.2 洪水淹没研究进展 198
12.3 实验过程 201
12.3.1 研究区概况和数据预处理 201
12.3.2 洪水淹没分析方法 204
12.3.3 研究方法 206
12.4 实验讨论 208
12.4.1 实验结果 208
12.4.2 望江县洪水淹没现状 208
12.4.3 洪水灾情模型评估权重选取 209
12.5 本章小结 211
参考文献 211
第13章 基于生态大数据的西南地区极端干旱季节性响应分析 213
13.1 干旱概述 213
13.2 西南地区干旱研究进展 214
13.3 干旱的季节性研究方法 216
13.3.1 主要数据说明 217
13.3.2 研究方法介绍 219
13.4 西南地区极端干旱的季节性响应分析 221
13.4.1 地表水响应 221
13.4.2 植被响应 222
13.4.3 气象响应 224
13.5 讨论 225
13.6 本章小结 226
参考文献 226
猜您喜欢
