Sfruttare il telerilevamento per la gestione e la conservazione ecologica della riserva nazionale di Jiangsu Yancheng Wetland & Rare Birds
Soluzione completa
Grus japonensis nella Riserva naturale nazionale di Jiangsu Yancheng, zona umida e uccelli rari
Nanjing Normal University
La Riserva naturale nazionale di Jiangsu Yancheng Wetland & Rare Birds ospita il Grus japonensis, in pericolo di estinzione, e altre specie rare, che dipendono dagli ecosistemi delle piane umide. Tuttavia, specie invasive come la Spartina alterniflora minacciano la biodiversità, causando degrado ecologico e diminuzione della biodiversità. Per affrontare questo problema, la tecnologia del telerilevamento viene utilizzata per monitorare l'evoluzione della vegetazione, offrendo preziose indicazioni per la gestione ecologica.
Il sito pilota del Delta del fiume Yangtze del programma CoastPredict del Decennio oceanico delle Nazioni Unite, guidato dall'Università Normale di Nanjing, combina la tecnologia di telerilevamento e gli sforzi di conservazione per sostenere la gestione a Yancheng. Il telerilevamento ha seguito l'evoluzione della vegetazione delle zone umide chiave(Spartina alterniflora, Suaeda salsa e Phragmites australis) dal 1990, aiutando a comprendere gli impatti ambientali, le attività umane e le interazioni tra le specie. Questa iniziativa contribuisce allo sviluppo di strategie di conservazione più efficaci, a beneficio sia della riserva che di un più ampio sforzo globale.
Ultimo aggiornamento: 10 Oct 2025
93 Visualizzazioni
Premio Tech4Nature
Descrizione della tecnologia
Questa soluzione sfrutta il telerilevamento, i sistemi informativi geografici (GIS) e la modellazione dei gemelli digitali, combinati con l'apprendimento profondo e la validazione sul campo, per monitorare l'evoluzione a lungo termine della vegetazione delle zone umide(Spartina alterniflora, Phragmites australis, Suaeda salsa). Integrando l'elaborazione dei dati satellitari, l'apprendimento automatico, l'analisi spaziale GIS e la modellazione ecologica, il progetto consente un monitoraggio preciso e scalabile a supporto della conservazione delle zone umide e della gestione delle specie invasive. Un cruscotto intuitivo garantisce l'accessibilità agli utenti non esperti, comprese le comunità locali, favorendo una partecipazione inclusiva.
Progressi e innovazioni degni di nota
Apprendimento profondo con il telerilevamento: Gli algoritmi di apprendimento profondo elaborano serie temporali di dati Landsat (1990-2022), ottenendo una classificazione di alta precisione dei tipi di vegetazione. Questa innovazione consente di tracciare in modo dettagliato la diffusione delle specie invasive e il recupero della vegetazione autoctona, supportando misure di conservazione mirate per un periodo di 32 anni.
GIS per l'analisi spaziale: Gli strumenti GIS mappano e analizzano la distribuzione della vegetazione, identificando i modelli di migrazione, la frammentazione degli habitat e le tendenze di aggregazione. In questo modo si ottengono informazioni spazialmente esplicite, fondamentali per un'efficace pianificazione della conservazione e per la definizione delle priorità di ripristino.
Modellazione di ecosistemi gemelli digitali: Un gemello digitale della zona umida di Yancheng integra il telerilevamento, gli strati GIS e le metriche ambientali in tempo reale (ad esempio, salinità del suolo, anomalie del livello del mare). Questa replica virtuale simula scenari come l'impatto delle specie invasive o gli effetti del cambiamento climatico, consentendo un processo decisionale proattivo e basato sui dati.
Database ambientale completo: Un database multidimensionale combina i dati sulla vegetazione con variabili climatiche, marine e antropiche (ad esempio, temperatura della superficie del mare, distribuzione dell'acquacoltura). Questo insieme di dati olistici supporta l'analisi dei fattori determinanti e informa le strategie di conservazione adattive.
Struttura scalabile e replicabile: La metodologia, costruita su dati open-source (Landsat, Sentinel) e Google Earth Engine (GEE), è adattabile a diversi ecosistemi a livello globale, offrendo uno strumento economicamente vantaggioso per il monitoraggio delle specie invasive e dei cambiamenti dell'habitat.
Monitoraggio efficace dal punto di vista dei costi: L'utilizzo di dati satellitari liberamente disponibili e di GEE garantisce un monitoraggio a basso costo e ad alta efficienza, migliorando la risoluzione temporale e riducendo la richiesta di risorse per la conservazione a lungo termine.
Questa integrazione di tecnologie trasforma la gestione delle zone umide fornendo strumenti predittivi, scalabili e inclusivi, in linea con gli obiettivi GBF 2 (ripristino degli ecosistemi), 6 (controllo delle specie invasive), 8 (resilienza al clima), 20 (rafforzamento delle capacità), 21 (conoscenze accessibili) e 22 (partecipazione alle decisioni). L'approccio a basso costo e basato sui dati garantisce la sostenibilità a lungo termine e l'ampia applicabilità della soluzione.
Donatori e finanziamenti
Questo progetto è sostenuto dalla National Natural Science Foundation of China (Grant 42230406).
Galleria di foto e video
Contesto
Sfide affrontate
La Jiangsu Yancheng Wetland & Rare Birds National Natural Reserve, situata nella provincia di Jiangsu, in Cina, è un'area protetta di importanza globale. Serve come habitat critico per alcune delle specie di uccelli più minacciate al mondo, in particolare il Grus japonensis, e per altre specie selvatiche rare. La riserva contiene anche ecosistemi essenziali, in particolare le zone umide di fango, che sono cruciali per la sopravvivenza di queste specie.
Tuttavia, nonostante la sua importanza ecologica, la riserva deve affrontare diverse sfide ambientali significative. Uno dei problemi più urgenti è l'invasione della Spartina alterniflora , una specie vegetale esotica che ha iniziato a dominare gli ecosistemi delle zone umide. Questa specie invasiva altera l'equilibrio della vegetazione autoctona, portando al degrado ecologico e alla diminuzione della biodiversità. Di conseguenza, una gestione e un monitoraggio efficaci degli ecosistemi della riserva sono diventati sempre più essenziali per garantire la conservazione della sua biodiversità unica.
Posizione
Yancheng, Jiangsu, Repubblica Popolare Cinese
Asia orientale
Processo
Sintesi del processo
Questo progetto adotta una metodologia strutturata basata su sei blocchi interconnessi (BB) per monitorare sistematicamente l'evoluzione a lungo termine della vegetazione delle zone umide utilizzando la tecnologia del telerilevamento.
- BB1 (Raccolta dati) e BB2 (Identificazione dei tipi di vegetazione delle zone umide) forniscono gli input fondamentali per BB3 (Quantificazione dei dati e creazione della banca dati).
- Il BB3, a sua volta, supporta il BB4 (Analisi delle caratteristiche spaziali e temporali) e il BB5 (Identificazione dei fattori chiave dell'evoluzione della vegetazione).
- Le intuizioni e le scoperte derivate da queste fasi vengono condivise attraverso i settori BB6 (Comunicazione accademica) e BB7 (Formazione e sviluppo delle capacità), migliorando lo scambio di conoscenze e amplificando l'impatto più ampio del progetto.
Ciascun blocco di costruzione è logicamente sequenziato per contribuire collettivamente agli obiettivi generali: conservare le zone umide, prevenire la diffusione di specie invasive e offrire una metodologia scalabile applicabile a ecosistemi simili a livello globale.
Blocchi di costruzione
Raccolta dati
Utilizzando la piattaforma Google Earth Engine (GEE), sono stati acquisiti sistematicamente i dati di telerilevamento della serie Landsat dal 1990 al 2022, comprendendo i sensori TM5, ETM+ (Landsat 7), OLI (Landsat 8) e OLI (Landsat 9). Per garantire la qualità dei dati per le analisi successive, sono state selezionate e fuse bande spettrali chiave - infrarosso vicino (NIR), rosso e verde.
Allineamento GBF: Supporta l'obiettivo 21 del GBF.
Contributo: Migliora il processo decisionale grazie a serie di dati validati in tempo reale, aggiungendo valore agli sforzi di conservazione esistenti attraverso l'innovazione tecnologica.
Fattori abilitanti
- Sono state selezionate solo le immagini di telerilevamento con copertura nuvolosa ≤10%, seguite da una correzione radiometrica e atmosferica tramite elaborazione batch.
- Le informazioni specifiche sulla vegetazione sono state estratte utilizzando combinazioni di bande ottimizzate, sfruttando in particolare l'elevata riflettanza della vegetazione nell'intervallo NIR.
Lezione imparata
- Le limitazioni nelle risoluzioni spaziali, temporali e spettrali hanno introdotto potenziali incertezze, evidenziando l'importanza di robusti metodi di correzione radiometrica e geometrica.
- La fusione dei dati tra i diversi sensori Landsat è stata essenziale per ottenere serie temporali coerenti a lungo termine, anche se ha richiesto una notevole elaborazione aggiuntiva per armonizzare le risoluzioni spaziali e temporali.
Identificazione del tipo di vegetazione delle zone umide
Le serie temporali degli indici di vegetazione sono state smussate utilizzando un adattamento gaussiano per ridurre il rumore ed estrarre le caratteristiche fenologiche chiave. È stato applicato un algoritmo di apprendimento profondo a foresta casuale per classificare la vegetazione delle zone umide in tre tipi dominanti: Spartina alterniflora, Phragmites australis e Suaeda salsa. L'accuratezza della classificazione dal 1990 al 2022 è stata convalidata attraverso indagini sul campo.
Allineamento GBF: Contribuisce all'obiettivo 6 del GBF.
Contributo: Riduce l'impatto delle specie invasive identificando con precisione la Spartina alterniflora per un controllo mirato, affrontando una minaccia chiave per la biodiversità.
Fattori abilitanti
- L'adattamento della curva gaussiana ha minimizzato efficacemente il rumore nelle curve grezze dell'indice di vegetazione, migliorando l'accuratezza della classificazione.
- L'algoritmo random forest ha sfruttato le differenze spettrali tra le specie, consentendo un'estrazione robusta delle caratteristiche e un'identificazione affidabile.
Lezione imparata
- Le caratteristiche spettrali legate all'umidità della vegetazione e agli attributi strutturali hanno migliorato significativamente la separabilità tra le specie.
- Le fasi di pre-elaborazione, come l'adattamento delle curve e il denoising, sono state essenziali per migliorare l'affidabilità della classificazione a lungo termine.
Quantificazione dei dati e creazione del database
È stato sviluppato un database geospaziale completo, che integra i dati sulla copertura vegetale derivati dal telerilevamento con le principali variabili ambientali, climatiche e antropiche. Le metriche incluse comprendono la salinità del suolo, la temperatura della superficie del mare, la salinità dell'acqua marina e la posizione degli stagni di acquacoltura, fornendo una solida base analitica.
Allineamento GBF: Sostiene l'obiettivo 21 del GBF.
Contributo: Integra diversi strati di dati per un'analisi olistica, aggiungendo valore alle serie di dati di conservazione frammentati.
Fattori abilitanti
- La validazione sul campo ha confermato l'accuratezza delle interpretazioni del telerilevamento (vedi figure 1 e 2).
- Il database ha facilitato l'integrazione dei dati spaziali e ambientali, supportando le analisi multivariabili e la modellazione ecologica.
Lezione imparata
- L'accuratezza dei dati di verità al suolo è fondamentale per convalidare i risultati del telerilevamento e garantire l'affidabilità del database.
- Un database ben strutturato e multi-fonte migliora l'efficienza dell'analisi e consente studi di correlazione e causalità più sofisticati.
Analisi delle caratteristiche spaziali e temporali della vegetazione delle zone umide
L'analisi spazio-temporale è stata condotta per rivelare i modelli di distribuzione a lungo termine della vegetazione delle zone umide all'interno dell'area protetta dal 1990 al 2022.
- La Figura 1A illustra i cambiamenti nei modelli spaziali della vegetazione nel tempo.
- La Figura 1B presenta la percentuale di copertura vegetale lungo il gradiente mare-terra.
Per quantificare i cambiamenti ecologici sono stati utilizzati strumenti analitici come gli indici di pattern paesaggistico, i modelli di migrazione e le dinamiche di espansione-contrazione.
Risultati principali
- Spartina alterniflora ha mostrato un'elevata aggregazione spaziale, ma con una tendenza al declino nel tempo.
- Phragmites australis e Suaeda salsa hanno mostrato una maggiore frammentazione e una crescente copertura spaziale.
- La migrazione della vegetazione ha mostrato una significativa eterogeneità e una chiara distribuzione a bande lungo il gradiente terra-mare.
Allineamento GBF: Si allinea all'obiettivo 2 del GBF.
Contributo: I risultati misurabili migliorano la pianificazione del restauro, colmando le lacune di approcci gestionali uniformi.
Fattori abilitanti
- L'eterogeneità temporale e spaziale richiede metodi di analisi multiformi.
- Le analisi spaziali forniscono approfondimenti ecologici cruciali che informano le strategie di conservazione e gestione mirate.
Lezione imparata
- L'eterogeneità temporale e spaziale delle dinamiche della vegetazione richiede approcci analitici sfaccettati.
- Le analisi spaziali hanno rivelato modelli ecologici critici, aiutando strategie di gestione mirate.
I fattori chiave dell'evoluzione della vegetazione
L'influenza dei fattori naturali e antropici sulla dinamica della vegetazione è stata esplorata utilizzando un modello additivo generalizzato (GAM). Questo modello ha valutato le relazioni non lineari tra i cambiamenti della vegetazione e i fattori chiave:
- Spartina alterniflora è stata influenzata principalmente da variabili ambientali marine come la salinità e l'altezza delle onde.
- Phragmites australis e Suaeda salsa sono state influenzate dalle precipitazioni, dalle pressioni antropiche (ad esempio, l'acquacoltura) e dalla competizione interspecifica.
La comprensione di questi fattori favorisce la gestione adattiva dell'ecosistema e il controllo delle specie invasive.
Allineamento GBF: Sostiene gli obiettivi 6 e 8 del GBF.
Contributo: I modelli predittivi migliorano la conservazione reattiva, offrendo approfondimenti misurabili sui fattori trainanti.
Fattori abilitanti
- Il GAM ha catturato efficacemente le interazioni complesse e non lineari tra i driver e i cambiamenti della vegetazione.
- L'integrazione dei dati ambientali e delle attività umane ha migliorato la robustezza dell'attribuzione dei driver.
Lezione imparata
- La raccolta continua di dati e il perfezionamento dei modelli sono fondamentali per l'accuratezza della previsione a lungo termine.
- La comprensione meccanicistica dei fattori ecologici è alla base dello sviluppo di strategie di conservazione lungimiranti.
Comunicazione accademica
I risultati del progetto sono stati diffusi attraverso diverse piattaforme accademiche e pubbliche, tra cui:
- Un articolo accademico su Ocean-Land-Atmosphere Research (una rivista di Science Partner).
- Contenuti in primo piano sulla piattaforma pubblica AAASScience WeChat, il mezzo di comunicazione ufficiale dell'American Association for the Advancement of Science in Cina.
- Contributo al sito pilota del Delta del fiume Yangtze come caso di studio.
- Integrazione nei principali progetti di ricerca oceanografica finanziati da NSFC.
Allineamento GBF: Si allinea all'obiettivo 20 del GBF.
Contributo: Migliora gli sforzi di conservazione globale condividendo metodologie scalabili.
Fattori abilitanti
- La comunicazione trasparente delle sfide e delle metodologie ha migliorato l'impegno tra le varie discipline.
- La presentazione sistematica alle parti interessate ha aumentato la consapevolezza e facilitato l'applicazione pratica.
Lezione imparata
- La divulgazione aperta e accessibile promuove la collaborazione interdisciplinare e la condivisione globale delle conoscenze.
- La pubblicazione di intuizioni attuabili sia in ambito scientifico che pubblico accelera la loro traduzione in pratiche di conservazione.
Risorse
Formazione e sviluppo delle capacità
Nell'ambito della più ampia strategia d'impatto del progetto, la formazione e il rafforzamento delle capacità sono stati considerati prioritari per migliorare l'alfabetizzazione tecnica nel campo del telerilevamento e dell'analisi geospaziale. Dal 2021, una serie di programmi di formazione è stata ospitata ogni anno dalla Scuola di Geografia dell'Università Normale di Nanchino, incentrata sulla modellazione geospaziale e sulle applicazioni di telerilevamento. Negli ultimi quattro anni, il programma ha formato con successo più di 4.000 partecipanti, tra cui giovani studiosi, volontari della ricerca e professionisti all'inizio della carriera.
Allineamento GBF: Sostiene gli obiettivi 20 e 22 del GBF.
Contributo: I programmi di formazione scalabili colmano le lacune di capacità, migliorando gli sforzi di conservazione locali.
Fattori abilitanti
- I corsi di formazione sono stati supportati da docenti esperti e da programmi di studio personalizzati, che hanno posto l'accento sulle applicazioni pratiche del telerilevamento e del GIS.
- La collaborazione con istituzioni accademiche e pubbliche ha ampliato il raggio d'azione e ha garantito la partecipazione di un gruppo eterogeneo di studenti in tutte le discipline.
Lezione imparata
- Lo sviluppo delle capacità svolge un ruolo fondamentale nel sostenere l'impatto della ricerca a lungo termine, consentendo a una nuova generazione di ricercatori di impegnarsi nel monitoraggio delle zone umide e nell'analisi ecologica.
- L'istruzione continua e la formazione pratica colmano efficacemente il divario tra i risultati della ricerca e le applicazioni reali, in particolare nei contesti di conservazione e gestione delle risorse.
Impatti
- Miglioramento dell'efficienza del monitoraggio: La tecnologia di telerilevamento sviluppata in questo progetto consente un monitoraggio a lungo termine ed economico dell'evoluzione della vegetazione delle zone umide. Questo miglioramento ha ampliato in modo significativo la scala temporale del monitoraggio, consentendo una comprensione più completa delle dinamiche delle zone umide ed elevando di fatto lo standard del monitoraggio della conservazione nella riserva.
- Contributo allo studio delle specie esotiche invasive: Il progetto ha fatto progredire la comprensione del processo di invasione della Spartina alterniflora e di altre specie invasive, evidenziando l'influenza dei fattori ambientali, delle attività umane e della competizione interspecifica. Questi dati aiutano i ricercatori a prevedere e gestire meglio la diffusione delle specie invasive, garantendo interventi tempestivi e più efficaci.
- Sostegno alla conservazione della biodiversità: Rivelando i modelli evolutivi delle specie invasive, la tecnologia pone le basi per la prevenzione e il controllo di queste minacce nella riserva. Ciò va a diretto vantaggio del Grus japonensis e di altre specie autoctone, proteggendo gli habitat critici delle zone umide e contribuendo agli sforzi di conservazione della biodiversità a lungo termine.
- Sensibilizzazione alla conservazione: Il progetto promuove lo scambio di conoscenze sull'uso del telerilevamento nella conservazione delle zone umide, offrendo preziose indicazioni sulla gestione delle zone umide e sul monitoraggio della vegetazione.
Beneficiari
- Grus japonensis
- Comunità locali
- Riserva
- Accademia
- Visitatori
Inoltre, spiegate il potenziale di scalabilità della vostra soluzione. Può essere replicata o estesa ad altre regioni o ecosistemi?
La soluzione proposta, basata sull'integrazione di tecnologie di telerilevamento, algoritmi di deep learning e quadri analitici ecologici, dimostra una forte scalabilità tra regioni e tipi di ecosistemi. La sua architettura modulare (BB1-BB7) consente la personalizzazione, la replica e l'espansione in entrambe le dimensioni spaziali e tematiche, rendendola particolarmente adatta ad affrontare sfide come la diffusione di specie invasive, la frammentazione degli habitat, la perdita di biodiversità e il degrado degli ecosistemi.
Scalabilità tecnica
- L'uso di set di dati accessibili a livello globale (ad esempio, Landsat, Sentinel) e di piattaforme di cloud computing come Google Earth Engine garantisce basse barriere tecniche per l'implementazione in altre regioni.
- I classificatori di apprendimento profondo e di apprendimento automatico (ad esempio, Random Forest, GAM) sono indipendenti dal modello e possono essere riaddestrati con dati localizzati per adattarsi a composizioni di specie e contesti ecologici diversi.
Trasferibilità geografica ed ecosistemica
- La metodologia è stata applicata con successo nella Yancheng National Rare Bird Nature Reserve, convalidando la sua efficacia nelle zone umide costiere.
- Ha un forte potenziale per essere trasferita in ambienti simili, tra cui:
- Altre zone umide costiere dell'Asia orientale colpite da Spartina alterniflora o da invasori simili (ad esempio, Delta del Fiume Giallo, Baia di Hangzhou).
- Ecosistemi di zone umide interne sottoposti a salinizzazione, frammentazione o cambiamenti stagionali della vegetazione.
- Regioni estuariali e delta a livello globale, dove le specie invasive e i cambiamenti idrologici minacciano la biodiversità.
Estensione potenziale: Piani costieri di Tianjin-Hebei
- La soluzione è attualmente in fase di estensione concettuale alle piane di marea costiere di Tianjin Binhai e Cangzhou, dove oltre 700 ettari di Spartina alterniflora hanno alterato le funzioni dell'ecosistema.
- Grazie al coordinamento regionale, gli strumenti di monitoraggio e i modelli spaziali sono stati adattati per supportare una governance ecologica intergiurisdizionale, dimostrando una scalabilità non solo tecnica ma anche istituzionale.
Ampliamento istituzionale e di capacità
- Il quadro comprende una componente dedicata allo sviluppo delle capacità (BB7), che consente il trasferimento delle conoscenze attraverso programmi di formazione ospitati dall'Università Normale di Nanchino, che hanno già formato oltre 4.000 partecipanti. Ciò garantisce l'adozione e la sostenibilità a livello locale nelle regioni di recente adozione.
Rilevanza globale
- La soluzione è stata condivisa attraverso pubblicazioni con revisione paritaria, dialoghi politici e collaborazioni internazionali, aumentando la sua visibilità e la possibilità di essere replicata a livello globale.
- La sua natura modulare, a basso costo e basata sui dati la rende adatta all'adozione nel Sud del mondo, dove sono urgentemente necessari strumenti efficaci dal punto di vista dei costi per la conservazione e l'adattamento al clima.
Questa soluzione non è solo replicabile, ma anche scalabile, adattabile e sostenibile attraverso lo sviluppo di capacità, il che la rende un solido contributo agli sforzi globali per la conservazione della biodiversità e la resilienza degli ecosistemi.
Quadro globale sulla biodiversità (GBF)
Obiettivo 2 del GBF - Ripristinare il 30% di tutti gli ecosistemi degradati
Obiettivo 6 del GBF - Ridurre del 50% l'introduzione di specie esotiche invasive e minimizzare il loro impatto
Obiettivo 8 del GBF - Ridurre al minimo gli impatti dei cambiamenti climatici sulla biodiversità e costruire la resilienza
Obiettivo 20 del GBF - Rafforzare lo sviluppo di capacità, il trasferimento tecnologico e la cooperazione scientifica e tecnica per la biodiversità
Obiettivo 21 del GBF - Garantire la disponibilità e l'accessibilità delle conoscenze per guidare l'azione a favore della biodiversità
Obiettivo 22 del GBF - Garantire a tutti la partecipazione ai processi decisionali e l'accesso alla giustizia e all'informazione in materia di biodiversità.
La storia
La Jiangsu Yancheng Wetland & Rare Birds National Reserve ospita la Grus japonensis, una delle specie di uccelli più minacciate al mondo. Per anni, questa vasta area umida ha rappresentato un habitat critico per queste gru e per innumerevoli altre specie, facendo affidamento su un delicato equilibrio ecologico. Tuttavia, con il passare del tempo, le zone umide hanno iniziato a subire gravi minacce da parte di specie invasive, in particolare la Spartina alterniflora, che ha rapidamente superato la vegetazione autoctona, mettendo in pericolo le specie che dipendevano dall'area.
La riserva ha lottato a lungo con le tecniche di monitoraggio tradizionali, che erano lente, costose e non in grado di coprire efficacemente la vasta area umida. Di conseguenza, i cambiamenti ecologici cruciali venivano spesso rilevati troppo tardi. Specie invasive come la Spartina si sono diffuse senza controllo e l'impatto sulla biodiversità è stato devastante.
Il sito pilota del Delta del fiume Yangtze del programma CoastPredict del Decennio degli Oceani delle Nazioni Unite, guidato dall'Università Normale di Nanjing, combina la tecnologia di telerilevamento e gli sforzi di conservazione per sostenere la gestione di Yancheng. I dati satellitari hanno permesso di conoscere in tempo reale le dinamiche dell'ecosistema della zona umida, compresa la diffusione della Spartina alterniflora e le condizioni di piante autoctone come Phragmites australis e Suaeda salsa. Per la prima volta, è possibile monitorare come i fattori ambientali, le attività umane e la competizione interspecifica abbiano determinato i cambiamenti ecologici nella riserva.
Oltre a controllare le specie invasive, la tecnologia ha permesso di studiare le tendenze della vegetazione a lungo termine, consentendo alla riserva di capire meglio come i cambiamenti climatici, le variazioni di salinità e le attività umane stavano influenzando l'ecosistema. La capacità del progetto di tracciare questi fattori ha fornito alla riserva potenti strumenti per adattare la sua strategia di conservazione in tempo reale.
Collegatevi con i collaboratori
Altri collaboratori
Zhenxia Liu
Università Normale di Nanchino
Pei Du
Università Normale di Nanchino
Yufeng Li
Università Normale di Nanchino
Taisheng Chen
Università di Scienza e Tecnologia di Suzhou