生態學必須進化以應對全球性重大問題

2014-5-15 13:09     趙斌

英國生態學會在2013年迎來了其百年華誕。正好借這個東風，國際生態學會2013年年會也於8月18-23日在英國倫敦召開。在這次大會上，英國生態學會2011—2013年度理事長喬治娜·梅斯（Georgina Mace）教授做了一個主題發言，並認為：由激情和緊迫感所刻畫的保育科學（Conservation science）目前正面臨著在一定科學基礎上的轉化要求。在她隨後發表在Nature（2013-11-14）的文章中，梅斯教授又以「生態學必須進化」為題發表了對現代和未來生態學發展的一個評論：如果生態學想解決全球性問題，那麼它就必須進化。

過去一個世紀，生態學研究已大大改善了我們對物種之間相互作用的理解，這樣的認識大多是來自理論與模型的結合，以及精心設計的長期室內實驗，或在很多不同地方開展的野外實驗。從歷史上看，生態學往往圍繞著科學家個人的研究系統展開具有「所有權」的研究，但那其實只是搜集了一個苦心竭力策劃的數據集。無論這些生態學研究的細節多麼有趣，無論在這個尺度上如何充分理解其動態和過程，但小尺度生態學的研究結果很難得出一些普遍性結論，如多個物種如何在群落水平應對疾病或天氣模式改變的擾動；同時，這些結果也很難嵌入到模擬地球系統的模型之中，如氣候、海洋環流或水循環過程。但從另一個方面講，如果研究者在模擬這樣的系統中沒有考慮生態學的一些具體過程，他們又有可能會錯失重要的反饋、閾值和約束條件。傳統生態學研究已經進入兩難的境地！

本世紀初，人類社會滿懷信心地跨入了信息時代，許多科學研究的前沿領域正面臨著許多新的機遇，新的理念層出不窮，科學研究的方式也迎來了天翻地覆的變化。同時，全球範圍內的重大問題，從全球氣候變化、人口增長、糧食安全、疾病傳播、清潔水供應以及生物多樣性喪失和生態系統服務，為生態學家步入這個新時代帶來了壓力。這需要一類新型的生態學，它將側重於生物的整個群體，是人類與物理環境進行交流的尺度。要準確了解物理環境條件的各種狀態與變化並提出合理的對策，則依賴於高質量的科學數據，而收集和整理數據，往往需要耗費大量時間和精力，顯然這些數據僅僅依靠科學家來收集是不夠的。社會越來越需要生態學家提供一些信息，既針對特定問題、特定地點和時間，同時還具有預測性，規範性的和擴展性，這種需求隨著跨越社會各界的大數據時代的到來而升級，也出現了許多新的機遇。

大數據曾經是大科學所驅動的，大科學主要用於描述大型、複雜的科學事業，社會為其注入了相當大的投資，一般以昂貴的共享設備為特徵，產生了海量的數據。1957-1958年的國際地球物理年（IGY）標誌著大科學進入學術和數據驅動的研究並取得了巨大的成功。1964年推出的國際生物計劃（IBP）是將大科學概念擴展到生態學的一次努力，但令人遺憾的是，IBP發展卻反證了在技術進步還未達到一定水準的條件下，生態學難於與大科學結合。之後，長期生態學研究（LTER）計劃於1980年正式開始並持續至今，其發展代表了一個非常有趣的「小」科學和大科學之間的混雜：個別科學家和小型團隊的研究旨在針對目標地區的一系列問題，但在一個長期項目的框架內，有可能記錄更大時空尺度的模式。因此，生態學家們已經開始集體生產大數據了。

社會對大數據不斷增長的重視給生態學家提出了一個現實的問題：總體上，生態學家產生了海量的數據，但生態學尚未開發一個進行透明數據交換和聚合的文化。這集中體現在如下幾個方面：（1）數據分散性：大多數研究由個人調查所完成，絕大多數生態學數據分散在眾多的科研工作者手中，原本的大數據被分解成小數據集而命運未卜；（2）數據異質性：生態學家們有著複雜廣闊的研究領域，不同研究者還擁有不同的實驗規範，這些現象造就了生態學數據嚴重的異質性；（3）數據連續性：許多生態學研究是在有限的時空尺度上進行的，離開了其原始的調查環境，生態數據是難以理解的；（4）數據不完整性：由於社會生態系統的複雜性和非線性，研究人員的觀察只能算是現實世界的小樣本，這些數據並不足以理解和預測社會生態系統的變化和響應。除此之外，生態學數據共享所面臨的社會與文化壁壘更是困難重重，生態學家鮮有分享研究數據的動機。在缺乏合作數據共享激勵機制、數據策展和共享文化的背景下，這些問題變得更為複雜。

近20年來，全球範圍內許多公民科學項目平台應運而生。這些平台提供了關於公民科學項目的基本信息、開展公民科學項目的方法、技術。例如，2007年美國開展的爆芽項目（BudBurst）吸引了全美的人們進行合作收集植物生命周期的數據，在項目過程中，參與者擴大他們自己的科學知識，並幫助生態學家發現植物是如何應對環境變化的。在這樣的形式下，生態學研究正變得更廣泛、更綜合、更加依賴於大型數據存儲庫和自動數據收集。一方面，生態學依靠公共資金資助的大型感測器網路，在大陸和區域尺度進行數據收集，如世界許多國家層面的生態觀測網路和海洋觀測系統。另一方面，利用「公民科學家」的參與來收集更多的環境數據。具有時效性的自然資源管理決策不可能總是長時間等待與專業研究人員交流來找到必要的數據，他們可能會更期待現成的公民科學數據。一個成功的案例是，墨西哥灣深水地平線油井井噴后的幾天對海岸繁殖鳥類的潛在危險就是利用公民科學項目eBird的數據來評估的。這種眾包（crowdsourcing）模式的研究越來越普遍，Bohannon不久前（2014年1月31日）在Science上撰文認為，這樣的研究代表著未來的科學，雲端科學正成為現實，科學家可以外包枯燥的實驗，而將精力集中在不枯燥的部分。而採用這種模式的研究，對於生態學在大數據時代應對全球性重大問題來說顯得尤為迫切。