電子報
無數的人造衛星在天空中，日以繼夜地對地球蒐集各式各樣的數據，推動著人類的各項科技進展。隨著近年來聯合國提出永續發展的17大指標，地球觀測的永續發展目標 (EO4SDG) 也逐漸受到人們重視，尤其是永續城鎮與社區 (No. 11) 與陸域生態 (No. 15) 相關的指標 (圖1)。
生物多樣性是生物在各生態系裡保持動態平衡的共存狀態。然而，由於氣候變遷及人類對環境的破壞，地球上的生命刻正以約100至1000倍自然滅絕的速度消逝中，許多學者認定為地球史上第六次生物大滅絕。Nature Positive 及即將到來的UN Biodiversity Conference (COP 15) 為了阻止此消失現象，強力呼籲世界需迅速開始生態保護研究和措施 (圖2)。
保護生物多樣性最有效的方法是建立生態自然保留區，並依法限制開發。但生物的觀察相關記錄通常分散於各組織，或受限於關注地域範圍，對生物整體分布的交互掌握及其資料視覺化呈現不完整，常導致生態保護區沒有被繪製在真正的生態熱區，成為無效的保護計畫。因此，本期電子報將以生物多樣性的角度出發，介紹資料視覺化於國內外圖台應用及Google earth engine (GEE) 在保護生物多樣性的相關研究及發展情形。
琉球大學久保田教授表示，過去人們認為自然、社會和經濟是三個不同的領域，在發展經濟的同時，必須犧牲自然。直到近年來才逐漸意識到自然領域才是人類社會及經濟發展的基礎 (圖3)。
因此，久保田教授領導的Think Nature綜整了日本國內生物多樣性的大數據，並在網路上發布日本生物多樣性地圖 (Japan Biodiversity Mapping Project, J-BMP)，將自然總量視覺化，並透過機器學習建立即時顯示生物分布率的系統，繪製生物分布地圖，以便定量評估生物多樣性 (圖4)。
在J-BMP圖台上，使用者點擊地圖後，會顯示該網格之編號與都道府縣資訊，並透過點擊「2次メッシュ番号」來顯示1平方公里內的區域，有多少種的生物種類 (植物、哺乳動物、魚類和昆蟲等)、瀕危物種數量、保護優先程度及自然保護區面積等資訊 (圖5)，供使用者快速了解該地區的生物種類分布及生存情形。
資料視覺化的第一步就是必須先將數以千萬計的紙本資料進行電子化。J-BMP蒐集來自生物學者所提出之物種分布、行為特徵、物種社會系統和基因等相關資訊，來建構其完整的資料圖台。舉例而言，J-BMP透過將日本周遭的海洋環境數據 (地理、營養鹽、溶氧和流速等) 聯結觀測到的生物分布數據，繪製為日本近海表層水域生物多樣性的視覺化分布圖 (圖6)，再根據其數據圈繪優先保護區域，從而減少各項開發對於生態的破壞 (圖7)。
事實上，近年來水土保持局也正積極地將歷年成果報告書內的各項現地調查及觀測資料數化，並以水土保持局資料管理平台 (https://data.ardswc.gov.tw/) 為單一窗口，作為資料流通與共享管道，方便使用者能直接下載使用，再次賦予資料新價值，並促進資料加值應用的可能性 (圖8)。
隨著人造衛星科技在輻射解析度上的發展，能用來分析的光譜數據日趨清晰。Daughtry (2001) 及Stimson et al. (2005) 皆應用植物葉面或生物棲息地對於不同波長的光譜吸收差異 (圖9)，識別研究區域可能有哪些物種棲息或存在何種生態系統，也透過光譜變異來判斷此區域之物種生存狀況 (土壤含水量或光合作用效率等)，進而預測不同季節或不同氣候變遷條件之影響 (圖10)。
台灣受限於多山地形及相關的政策推動較晚，導致目前仍無法掌握大多數野生生物的分布狀態。
因此，台灣生物多樣性機構 (Taiwan Biodiversity Information Facility, TaiBIF) 及台灣生物多樣性網絡 (Taiwan Biodiversity Network，TBN) 致力於蒐集並開放生態調查相關資料，希望推動開放資料來逐漸改善資料不足的困境。
其中，由農委會特生中心主政的TBN將其生態調查資料製作為臺灣野生生物分布的線上查詢平台，展示各物種的空間分布，作為台灣生態保育決策及減緩人為開發對環境的負面衝擊的重要依據 (圖11)。
Olson et al. (2001) 於2001年所推出的世界陸地生態保護區分布圖，被廣泛應用來描繪物種分布情形，並探討氣候變化對生態的影響，或制定各式的生態保護計畫，展示各國對於生態的保護目標。此外，Dinerstein et al. (2017) 應用前者的保護區分布圖，將其製作為線上的互動地圖 (Ecoregions2017©Resolve)(圖12)，讓使用者能直觀的了解世界範圍內14個生物群落及846個生態區的保護情形。
同時，此圖資也已公開於GEE平台上 ('RESOLVE/ECOREGIONS/2017_FeatureView')，提供使用者可快速應用於相關的空間套疊 (圖13)。
Crego et al. (2022) 在GEE中利用數千張高空間解析度的衛星影像，並匯入物種發現位置等資訊，已針對棲息地適宜程度、預測發現位置及生物多樣性，建立物種分布模型 (Species distribution models, SDMs) (圖14及圖15)。
受益於GEE高性能的雲端計算，研究人員無需自行建構大型的計算設備即可進行分析，已大幅促進生物多樣性及生態保育相關研究之效能 (圖16)。
1. Crego, R. D., Stabach, J. A., & Connette, G. (2022). Implementation of species distribution models in Google Earth Engine. Diversity and Distributions, 28(5), 904-916.
2. Daughtry, C. S. (2001). Discriminating crop residues from soil by shortwave infrared reflectance. Agronomy Journal, 93(1), 125-131.
3. Dinerstein, E., Olson, D., Joshi, A., Vynne, C., Burgess, N. D., Wikramanayake, E., ... & Saleem, M. (2017). An ecoregion-based approach to protecting half the terrestrial realm. BioScience, 67(6), 534-545.
4. Olson, D. M., Dinerstein, E., Wikramanayake, E. D., Burgess, N. D., Powell, G. V., Underwood, E. C., ... & Kassem, K. R. (2001). Terrestrial Ecoregions of the World: A New Map of Life on Earth A new global map of terrestrial ecoregions provides an innovative tool for conserving biodiversity. BioScience, 51(11), 933-938.
5. Stimson, H. C., Breshears, D. D., Ustin, S. L., & Kefauver, S. C. (2005). Spectral sensing of foliar water conditions in two co-occurring conifer species: Pinus edulis and Juniperus monosperma. Remote Sensing of Environment, 96(1), 108-118.
