Gebruik van teledetectie voor ecologisch beheer en behoud in het nationale natuurreservaat Jiangsu Yancheng Wetland & Rare Birds

Volledige oplossing

door Zhaoyuan Yu, Nanjing Normal University

Grus japonensis in Jiangsu Yancheng Wetland & Rare Birds National Natural Reserve

Nanjing Normal University

In het nationale natuurreservaat Jiangsu Yancheng Wetland & Rare Birds leven de ernstig bedreigde Grus japonensis en andere zeldzame soorten die afhankelijk zijn van waddenecosystemen. Invasieve soorten zoals Spartina alterniflora vormen echter een bedreiging voor de biodiversiteit, waardoor het milieu achteruitgaat en de biodiversiteit afneemt. Om dit aan te pakken wordt teledetectietechnologie gebruikt om de evolutie van de vegetatie te volgen, wat waardevolle inzichten oplevert voor ecologisch beheer.

Yangtze River Delta Pilot Site van het CoastPredict-programma van het oceaandecennium van de VN, geleid door de Nanjing Normal University, combineert teledetectietechnologie en inspanningen voor natuurbehoud om het beheer in Yancheng te ondersteunen. Door middel van teledetectie is de evolutie van de belangrijkste wetlandvegetatie(Spartina alterniflora, Suaeda salsa en Phragmites australis) sinds 1990 gevolgd, wat heeft bijgedragen aan een beter begrip van de milieueffecten, menselijke activiteiten en interacties tussen soorten. Dit initiatief helpt bij het ontwikkelen van effectievere beschermingsstrategieën, wat zowel het reservaat als de bredere wereldwijde inspanningen ten goede komt.

Laatst bijgewerkt: 10 Oct 2025

93 Weergaven

Tech4Nature-prijs

Categorie

Technologische innovatie voor natuurbehoud

Type technologie

Software

Relevante technologieën

Satellietgegevens

Geospatiale planning en analyse

Kunstmatige intelligentie en machinaal leren

Technologie Beschrijving

Deze oplossing maakt gebruik van teledetectie, geografische informatiesystemen (GIS) en digitale tweelingmodellering, gecombineerd met deep learning en veldvalidatie, om de langetermijnevolutie van wetlandvegetatie(Spartina alterniflora, Phragmites australis, Suaeda salsa) te monitoren. Door de integratie van satellietgegevensverwerking, machine learning, ruimtelijke GIS-analyse en ecologische modellering maakt het nauwkeurige, schaalbare monitoring mogelijk ter ondersteuning van het behoud van wetlands en het beheer van invasieve soorten. Een intuïtief dashboard zorgt voor toegankelijkheid voor niet-deskundige gebruikers, waaronder lokale gemeenschappen, en bevordert inclusieve participatie.

Opmerkelijke vorderingen en innovaties

Diep leren met teledetectie: Dieplerende algoritmen verwerken Landsat-gegevens uit de tijdreeks (1990-2022) en bereiken zo een zeer nauwkeurige classificatie van vegetatietypen. Deze innovatie maakt het mogelijk om de verspreiding van invasieve soorten en het herstel van inheemse vegetatie gedetailleerd te volgen, ter ondersteuning van gerichte beschermingsmaatregelen over een periode van 32 jaar.
GIS voor ruimtelijke analyse: GIS-tools brengen de vegetatiedistributie in kaart en analyseren deze, identificeren migratiepatronen, habitatversnippering en aggregatietrends. Dit levert ruimtelijk expliciete inzichten op die cruciaal zijn voor effectieve behoudsplanning en prioritering van herstel.
Digital Twin Ecosysteem Modellering: Een digitale tweeling van het Yancheng moerasland integreert teledetectie, GIS-lagen en real-time milieugegevens (bijv. bodemzoutgehalte, zeespiegelanomalieën). Deze virtuele replica simuleert scenario's zoals de impact van invasieve soorten of de effecten van klimaatverandering, waardoor proactieve, gegevensgestuurde besluitvorming mogelijk wordt.
Uitgebreide milieudatabase: Een multidimensionale database combineert vegetatiegegevens met klimatologische, mariene en antropogene variabelen (bijv. temperatuur zeeoppervlak, verspreiding aquacultuur). Deze holistische dataset ondersteunt driver-analyse en informeert adaptieve beschermingsstrategieën.
Schaalbaar en repliceerbaar raamwerk: De methodologie, gebaseerd op open-source gegevens (Landsat, Sentinel) en Google Earth Engine (GEE), is aanpasbaar aan diverse ecosystemen wereldwijd en biedt een kosteneffectief instrument voor het monitoren van invasieve soorten en habitatveranderingen.
Kosteneffectieve monitoring: Door gebruik te maken van vrij beschikbare satellietgegevens en GEE is monitoring tegen lage kosten en met een hoge efficiëntie mogelijk, waardoor de temporele resolutie wordt verbeterd en er minder middelen nodig zijn voor behoud op lange termijn.

Deze integratie van technologieën transformeert het beheer van wetlands door voorspellende, schaalbare en inclusieve hulpmiddelen te bieden, die aansluiten bij GBF Doelstelling 2 (ecosystemen herstellen), 6 (invasieve soorten bestrijden), 8 (klimaatbestendigheid), 20 (capaciteit versterken), 21 (toegankelijke kennis) en 22 (deelname aan besluitvorming). De goedkope, gegevensgestuurde aanpak van de oplossing garandeert duurzaamheid op de lange termijn en brede toepasbaarheid.

Donoren en financiering

Dit project wordt ondersteund door de National Natural Science Foundation van China (Grant 42230406).

Foto- en videogalerij

Context

Uitdagingen

Verlies van biodiversiteit

Verlies van ecosystemen

Invasieve soorten

Het Jiangsu Yancheng Wetland & Rare Birds National Natural Reserve, gelegen in de provincie Jiangsu, China, is een wereldwijd belangrijk beschermd gebied. Het dient als kritieke habitat voor enkele van 's werelds meest bedreigde vogelsoorten, met name de Grus japonensis, en andere zeldzame diersoorten. Het reservaat bevat ook essentiële ecosystemen, met name de waddenwetlands, die cruciaal zijn voor het overleven van deze soorten.

Ondanks het ecologisch belang van het reservaat heeft het te kampen met een aantal belangrijke milieuproblemen. Een van de meest dringende problemen is de invasie van Spartina alterniflora , een exotische plantensoort die de ecosystemen van de wetlands begint te domineren. Deze invasieve soort verstoort het evenwicht van de inheemse vegetatie, wat leidt tot ecologische achteruitgang en een afnemende biodiversiteit. Als gevolg hiervan zijn effectief beheer en monitoring van de ecosystemen van het reservaat steeds belangrijker geworden om het behoud van de unieke biodiversiteit te garanderen.

Schaal van implementatie

Lokaal

Ecosystemen

Kwelder

Thema

Invasieve uitheemse soorten

Locatie

Yancheng, Jiangsu, Volksrepubliek China

Oost-Azië

Proces

Samenvatting van het proces

Dit project gebruikt een gestructureerde methodologie gebaseerd op zes onderling verbonden bouwstenen (BB's) om systematisch de evolutie op lange termijn van wetlandvegetatie te monitoren met behulp van teledetectietechnologie.

BB1 (Verzameling van gegevens) en BB2 (Identificatie van typen wetlandvegetatie) leveren de basisinput voor BB3 (Kwantificering van gegevens en opzetten van een databank).
BB3 ondersteunt op zijn beurt BB4 (Analyse van ruimtelijke en temporele kenmerken) en BB5 (Identificatie van belangrijke drijvende krachten achter vegetatieontwikkeling).
Inzichten en bevindingen uit deze fasen worden gedeeld via BB6 (Academische Communicatie) en BB7 (Training en Capaciteitsopbouw), waardoor de kennisuitwisseling wordt verbeterd en de bredere impact van het project wordt vergroot.

Elke bouwsteen is logisch opeenvolgend om collectief bij te dragen tot de overkoepelende doelstellingen: het behoud van wetlands, het voorkomen van de verspreiding van invasieve soorten en het aanbieden van een schaalbare methodologie die toepasbaar is op gelijkaardige ecosystemen wereldwijd.

Bouwstenen

Gegevensverzameling

Met behulp van het Google Earth Engine (GEE) platform werden systematisch teledetectiegegevens van de Landsat-reeks van 1990 tot 2022 verzameld, waaronder TM5, ETM+ (Landsat 7), OLI (Landsat 8) en OLI (Landsat 9) sensoren. Om de kwaliteit van de gegevens voor latere analyses te garanderen, werden de belangrijkste spectrale banden - NIR (Naber-infrarood), rood en groen - geselecteerd en samengevoegd.

GBF uitlijning: Ondersteunt GBF Doel 21.
Bijdrage: Verbetert de besluitvorming met real-time, gevalideerde datasets en voegt waarde toe aan bestaande beschermingsinspanningen door middel van technologische innovatie.

Sleutelfactoren

Alleen teledetectiebeelden met een wolkendek ≤10% werden geselecteerd, gevolgd door radiometrische en atmosferische correctie via batchverwerking.
Vegetatiespecifieke informatie werd geëxtraheerd met behulp van geoptimaliseerde bandcombinaties, waarbij vooral de hoge reflectie van vegetatie in het NIR-bereik werd benut.

Geleerde les

Beperkingen in de ruimtelijke, temporele en spectrale resoluties introduceerden potentiële onzekerheden, waardoor het belang van robuuste radiometrische en geometrische correctiemethoden werd benadrukt.
Het samenvoegen van gegevens van verschillende Landsat-sensoren was essentieel om consistente lange-termijn tijdreeksen te verkrijgen, maar vereiste aanzienlijke extra bewerkingen om de ruimtelijke en temporele resoluties te harmoniseren.

Identificatie van het type wetlandvegetatie

Tijdreeksen van vegetatie-indexen werden afgevlakt met Gaussiaanse fitting om ruis te verminderen en belangrijke fenologische kenmerken te extraheren. Een random forest deep learning-algoritme werd toegepast om de moerasvegetatie in drie dominante typen in te delen: Spartina alterniflora, Phragmites australis en Suaeda salsa. De classificatienauwkeurigheid van 1990 tot 2022 werd gevalideerd door middel van veldonderzoeken.

Afstemming op GBF: Draagt bij aan GBF Doel 6.
Bijdrage: Vermindert de impact van invasieve soorten door Spartina alterniflora nauwkeurig te identificeren voor gerichte bestrijding, waardoor een belangrijke bedreiging voor de biodiversiteit wordt aangepakt.

Sleutelfactoren

Gaussian curve fitting minimaliseerde effectief ruis in de ruwe vegetatie-indexcurves, waardoor de classificatienauwkeurigheid verbeterde.
Het random forest algoritme maakte gebruik van spectrale verschillen tussen soorten, waardoor robuuste kenmerkextractie en betrouwbare identificatie mogelijk werden.

Geleerde les

Spectrale kenmerken gerelateerd aan vegetatievocht en structurele kenmerken verbeterden de scheidbaarheid tussen soorten aanzienlijk.
Voorbewerkingsstappen zoals curve fitting en denoising waren essentieel om de betrouwbaarheid van langetermijnclassificatie te verbeteren.

Kwantificering van gegevens en opzetten van een database

Er werd een uitgebreide geospatiale database ontwikkeld, waarin gegevens over vegetatiebedekking afkomstig van teledetectie werden geïntegreerd met belangrijke milieu-, klimaat- en antropogene variabelen. De meetgegevens omvatten het zoutgehalte van de bodem, de temperatuur van het zeeoppervlak, het zoutgehalte van het zeewater en de locaties van aquacultuurvijvers, waardoor een robuuste analytische basis werd gelegd.

Afstemming op GBF: Ondersteunt GBF Doel 21.
Bijdrage: Integreert verschillende gegevenslagen voor holistische analyse, waardoor waarde wordt toegevoegd aan gefragmenteerde gegevensbestanden over natuurbehoud.

Sleutelfactoren

Veldvalidatie bevestigde de nauwkeurigheid van de teledetectie-interpretaties (zie Figuren 1 en 2).
De database vergemakkelijkte de integratie van ruimtelijke en milieugegevens en ondersteunde multivariabele analyses en ecologische modellering.

Geleerde les

Nauwkeurige ground-truth gegevens zijn van vitaal belang voor het valideren van remote sensing resultaten en het garanderen van de betrouwbaarheid van databases.
Een goed gestructureerde database met meerdere bronnen verbetert de analyse-efficiëntie en maakt geavanceerdere correlatie- en causaliteitsstudies mogelijk.

Analyse van ruimtelijke en temporele kenmerken van wetlandvegetatie

Er is een spatiotemporele analyse uitgevoerd om distributiepatronen op lange termijn van wetlandvegetatie binnen het beschermde gebied van 1990 tot 2022 te onthullen.

Figuur 1A illustreert veranderingen in de ruimtelijke patronen van de vegetatie in de loop van de tijd.
Figuur 1B toont de procentuele vegetatiebedekking langs de zee-land gradiënt.

Analysetools zoals landschapspatroonindices, migratiemodellen en expansie-krimpdynamiek werden gebruikt om ecologische veranderingen te kwantificeren.

Belangrijkste bevindingen

Spartina alterniflora vertoonde een hoge ruimtelijke aggregatie, maar vertoonde een afnemende trend in de loop van de tijd.
Phragmites australis en Suaeda salsa vertoonden een grotere fragmentatie en een toenemende ruimtelijke dekking.
Vegetatietrek vertoonde een significante heterogeniteit en een duidelijke bandvormige verspreiding langs de land-zee gradiënt.

Afstemming op GBF: Komt overeen met GBF Doel 2.
Bijdrage: Meetbare resultaten verbeteren de herstelplanning en vullen hiaten in uniforme beheerbenaderingen.

Sleutelfactoren

Temporele en ruimtelijke heterogeniteit vereisen veelzijdige analysemethoden.
Ruimtelijke analyses verschaffen cruciale ecologische inzichten die informatie verschaffen voor gerichte behoud- en beheerstrategieën.

Geleerde les

Temporele en ruimtelijke heterogeniteit van vegetatiedynamiek vereisen veelzijdige analytische benaderingen.
Ruimtelijke analyses onthulden cruciale ecologische patronen, wat gerichte beheerstrategieën mogelijk maakt.

Belangrijkste drijfveren voor evolutie van vegetatie

De invloed van natuurlijke en antropogene factoren op de vegetatiedynamiek werd onderzocht met behulp van een Generalized Additive Model (GAM). Dit model evalueerde niet-lineaire relaties tussen vegetatieveranderingen en belangrijke factoren:

Spartina alterniflora werd voornamelijk beïnvloed door mariene milieuvariabelen zoals zoutgehalte en golfhoogte.
Phragmites australis en Suaeda salsa werden beïnvloed door neerslag, antropogene druk (bijv. aquacultuur) en concurrentie tussen soorten.

Inzicht in deze factoren ondersteunt adaptief ecosysteembeheer en de bestrijding van invasieve soorten.

Afstemming op GBF: Ondersteunt GBF doelen 6 en 8.
Bijdrage: Voorspellende modellen verbeteren het reactieve behoud en bieden meetbare inzichten in de drijvende krachten.

Sleutelfactoren

GAM legde op effectieve wijze complexe, niet-lineaire interacties vast tussen oorzaken en vegetatieveranderingen.
De integratie van gegevens over milieu en menselijke activiteiten verbeterde de robuustheid van de toewijzing van de oorzaken.

Geleerde les

Voortdurende gegevensverzameling en verfijning van modellen zijn essentieel voor de nauwkeurigheid van voorspellingen op de lange termijn.
Mechanistisch begrip van ecologische drijfveren ondersteunt de ontwikkeling van toekomstgerichte beschermingsstrategieën.

Academische communicatie

De bevindingen van het project werden verspreid via verschillende academische en publieke platforms, waaronder:

Een academisch artikel in Ocean-Land-Atmosphere Research (een Science Partner Journal).
Uitgelichte content op het AAASScience WeChat Public Platform, het officiële medium van de American Association for the Advancement of Science in China.
Een casestudiebijdrage aan de Yangtze River Delta Pilot Site.
Integratie in grote door NSFC ondersteunde oceanografische onderzoeksprojecten.

Afstemming op GBF: Komt overeen met GBF Doel 20.
Bijdrage: Verbetert wereldwijde beschermingsinspanningen door het delen van schaalbare methodologieën.

Sleutelfactoren

Transparante communicatie over uitdagingen en methodologieën verbeterde de betrokkenheid tussen disciplines.
Systematische presentatie aan belanghebbenden verhoogde het bewustzijn en vergemakkelijkte praktische toepassing.

Geleerde les

Open en toegankelijke verspreiding bevordert interdisciplinaire samenwerking en wereldwijde kennisdeling.
Het publiceren van bruikbare inzichten in zowel wetenschappelijke als publieke domeinen versnelt de vertaling ervan naar beschermingspraktijken.

Bronnen

Articles of project results

Training en capaciteitsopbouw

Als onderdeel van de bredere impactstrategie van het project werd prioriteit gegeven aan opleiding en capaciteitsopbouw om de technische kennis van teledetectie en geospatiale analyse te verbeteren. Sinds 2021 wordt jaarlijks een reeks trainingsprogramma's georganiseerd door de School of Geography van de Nanjing Normal University, gericht op geospatiale modellering en teledetectietoepassingen. In de afgelopen vier jaar heeft het programma met succes meer dan 4.000 deelnemers opgeleid, waaronder jonge wetenschappers, onderzoeksvrijwilligers en beginnende professionals.

Afstemming met GBF: Ondersteunt doelstellingen 20 en 22 van het GBF.
Bijdrage: Schaalbare trainingsprogramma's vullen capaciteitstekorten op en versterken lokale beschermingsinspanningen.

Sleutelfactoren

De opleidingen werden ondersteund door ervaren docenten en leerplannen op maat, met de nadruk op praktische toepassingen in teledetectie en GIS.
De samenwerking met academische en openbare instellingen breidde het bereik uit en zorgde voor deelname van een diverse groep cursisten uit verschillende disciplines.

Geleerde les

Capaciteitsopbouw speelt een cruciale rol bij het behouden van de langetermijnimpact van onderzoek, door een nieuwe generatie onderzoekers in staat te stellen zich bezig te houden met wetlandmonitoring en ecologische analyse.
Voortdurende educatie en praktijkgerichte training overbruggen op effectieve wijze de kloof tussen onderzoeksresultaten en toepassingen in de praktijk, met name in de context van natuurbehoud en hulpbronnenbeheer.

Invloeden

Efficiëntere monitoring: De in dit project ontwikkelde teledetectietechnologie maakt het mogelijk om de evolutie van de wetlandvegetatie langdurig en kosteneffectief te monitoren. Deze verbetering heeft de tijdschaal voor monitoring aanzienlijk uitgebreid, waardoor een beter begrip van de dynamiek van wetlands mogelijk wordt en de standaard voor natuurbeschermingsmonitoring in het reservaat effectief wordt verhoogd.
Bijdrage aan de studie van invasieve uitheemse soorten: Het project heeft geleid tot een beter begrip van het invasieproces van Spartina alterniflora en andere invasieve soorten, waarbij de invloed van omgevingsfactoren, menselijke activiteiten en interspecifieke concurrentie naar voren komt. Deze gegevens helpen onderzoekers om de verspreiding van invasieve soorten beter te voorspellen en te beheersen, waardoor tijdig en effectiever kan worden ingegrepen.
Ondersteuning voor behoud van biodiversiteit: Door de evolutionaire patronen van invasieve soorten bloot te leggen, legt de technologie de basis voor de preventie en bestrijding van deze bedreigingen in het reservaat. Dit komt direct ten goede aan de Grus japonensis en andere inheemse soorten door de bescherming van kritieke wetlandhabitats, wat bijdraagt aan het behoud van de biodiversiteit op lange termijn.
Bewustmaking van natuurbehoud: Het project bevordert de kennisuitwisseling over het gebruik van teledetectie bij het behoud van wetlands en biedt waardevolle inzichten in wetlandbeheer en vegetatiebewaking.

Begunstigden

Grus japonensis
Lokale gemeenschappen
Reservaat
Academie
Bezoekers

Licht daarnaast de schaalbaarheid van uw oplossing toe. Kan het worden gekopieerd of uitgebreid naar andere regio's of ecosystemen?

De voorgestelde oplossing, die is gebaseerd op de integratie van teledetectietechnologieën, algoritmen voor diep leren en ecologische analytische kaders, toont een sterke schaalbaarheid in regio's en ecosysteemtypen. De modulaire architectuur (BB1-BB7) maakt aanpassing, replicatie en uitbreiding in zowel ruimtelijke als thematische dimensies mogelijk, waardoor het bijzonder geschikt is voor het aanpakken van uitdagingen zoals de verspreiding van invasieve soorten, habitatversnippering, biodiversiteitsverlies en ecosysteemdegradatie.

Technische schaalbaarheid

Het gebruik van wereldwijd toegankelijke datasets (bijv. Landsat, Sentinel) en cloud computing platformen zoals Google Earth Engine zorgt voor lage technische drempels voor implementatie in andere regio's.
Deep learning en machine learning classificeerders (bijv. Random Forest, GAM) zijn modelagnostisch en kunnen opnieuw worden getraind met gelokaliseerde gegevens om rekening te houden met verschillende soortensamenstellingen en ecologische contexten.

Geografische en ecologische overdraagbaarheid

De methodologie is met succes toegepast in het Yancheng National Rare Bird Nature Reserve, waardoor de effectiviteit in kustwetlands is gevalideerd.
De methode heeft een groot potentieel om te worden overgedragen naar vergelijkbare omgevingen, waaronder:
- Andere Oost-Aziatische kustwetlands aangetast door Spartina alterniflora of vergelijkbare indringers (bijv. Delta van de Gele Rivier, Hangzhou Bay)
- Inland wetland ecosystemen die verzilting, fragmentatie of seizoensgebonden vegetatieveranderingen ondergaan.
- Estuariene en deltagebieden wereldwijd, waar invasieve soorten en hydrologische verschuivingen de biodiversiteit bedreigen.

Potentiële uitbreiding: Kustvlakten van Tianjin-Hebei

De oplossing wordt momenteel conceptueel uitgebreid naar de Tianjin Binhai en Cangzhou kustvlakten, waar meer dan 700 hectare Spartina alterniflora de ecosysteemfuncties heeft veranderd.
Door regionale coördinatie worden monitoringinstrumenten en ruimtelijke modellen aangepast om ecologisch bestuur over de jurisdictie heen te ondersteunen, wat niet alleen technische maar ook institutionele schaalbaarheid aantoont.

Institutionele uitbreiding en capaciteitsopbouw

Het kader omvat een speciale component voor capaciteitsopbouw (BB7), die kennisoverdracht mogelijk maakt door middel van trainingsprogramma's die worden verzorgd door de Nanjing Normal University, die al meer dan 4000 deelnemers heeft opgeleid. Dit zorgt voor lokale toepassing en duurzaamheid in de nieuwe regio's.

Wereldwijde relevantie

De oplossing is gedeeld via collegiaal getoetste publicaties, beleidsdialogen en internationale samenwerkingsverbanden, waardoor de zichtbaarheid is toegenomen en de oplossing klaar is voor wereldwijde navolging.
Het datagestuurde, goedkope en modulaire karakter maakt het zeer geschikt voor toepassing in het Zuiden, waar kosteneffectieve tools dringend nodig zijn voor natuurbehoud en klimaatadaptatie.

Deze oplossing is niet alleen repliceerbaar, maar ook schaalbaar in omvang, aanpasbaar in methode en duurzaam door capaciteitsopbouw, waardoor het een robuuste bijdrage levert aan wereldwijde inspanningen voor het behoud van biodiversiteit en de veerkracht van ecosystemen.

Wereldwijd biodiversiteitsraamwerk (GBF)

GBF Doel 2 - 30% van alle aangetaste ecosystemen herstellen

GBF Doel 6 - De introductie van invasieve uitheemse soorten met 50% verminderen en hun impact minimaliseren

GBF Doel 8 - De gevolgen van klimaatverandering op de biodiversiteit minimaliseren en veerkracht opbouwen

GBF Streefdoel 20 - Capaciteitsopbouw, technologieoverdracht en wetenschappelijke en technische samenwerking voor biodiversiteit versterken

GBF Doel 21 - Ervoor zorgen dat kennis beschikbaar en toegankelijk is als leidraad voor biodiversiteitsacties

GBF Doel 22 - Participatie in besluitvorming en toegang tot rechtspraak en informatie over biodiversiteit voor iedereen garanderen

Verhaal

Het Jiangsu Yancheng Wetland & Rare Birds National Natural Reserve is de thuisbasis van de Grus japonensis, een van de meest bedreigde vogelsoorten ter wereld. Jarenlang diende dit uitgestrekte wetlandgebied als kritieke habitat voor deze kraanvogels en talloze andere soorten, waarbij het afhankelijk was van een delicaat ecologisch evenwicht. Na verloop van tijd werden de wetlands echter ernstig bedreigd door invasieve soorten, met name Spartina alterniflora, die snel de inheemse vegetatie verdrong en de soorten die van het gebied afhankelijk waren in gevaar bracht.

Het reservaat had lange tijd te kampen gehad met traditionele monitoringtechnieken, die traag en duur waren en niet in staat waren om het uitgestrekte moerasgebied efficiënt te bestrijken. Als gevolg daarvan werden cruciale ecologische veranderingen vaak te laat ontdekt. Invasieve soorten zoals Spartina verspreidden zich ongecontroleerd en de gevolgen voor de biodiversiteit waren verwoestend.

Yangtze River Delta Pilot Site van het CoastPredict-programma van het VN-decennium van de oceanen, geleid door de Nanjing Normal University, combineert teledetectietechnologie en natuurbehoudsinspanningen om het beheer in Yancheng te ondersteunen. Het teledetectiesysteem stelde het reservaatteam in staat om veranderingen in de vegetatie op maandelijkse schaal te volgen. Satellietgegevens gaven real-time inzicht in de dynamiek van het ecosysteem in het moerasgebied, inclusief de verspreiding van Spartina alterniflora en de conditie van inheemse planten zoals Phragmites australis en Suaeda salsa. Voor het eerst is het mogelijk om te volgen hoe milieufactoren, menselijke activiteiten en concurrentie tussen soorten ecologische veranderingen in het hele reservaat aandrijven.

Naast het bestrijden van invasieve soorten, maakte de technologie het ook mogelijk om vegetatietrends op lange termijn te bestuderen, waardoor het reservaat beter kon begrijpen hoe klimaatverandering, variaties in zoutgehalte en menselijke activiteiten het ecosysteem beïnvloedden. Doordat het project deze factoren kon volgen, beschikte het reservaat over krachtige hulpmiddelen om zijn beschermingsstrategie in realtime aan te passen.