Jiangsu Yancheng Sulak Alanı ve Nadir Kuşlar Ulusal Doğal Koruma Alanı'nda Ekolojik Yönetim ve Koruma için Uzaktan Algılamadan Yararlanma

Tam Çözüm

tarafından Zhaoyuan Yu, Nanjing Normal University

Jiangsu Yancheng Sulak Alanı ve Nadir Kuşlar Ulusal Doğal Koruma Alanı'nda Grus japonensis

Nanjing Normal University

Jiangsu Yancheng Sulak Alan ve Nadir Kuşlar Ulusal Doğal Koruma Alanı, sulak alan çamur düzlüğü ekosistemlerine bağımlı, nesli kritik derecede tehlike altında olan Grus japonensis ve diğer nadir türlere ev sahipliği yapmaktadır. Ancak Spartina alterniflora gibi istilacı türler biyoçeşitliliği tehdit ederek ekolojik bozulmaya ve biyoçeşitliliğin azalmasına neden olmaktadır. Bunu ele almak için, uzaktan algılama teknolojisi bitki örtüsünün gelişimini izlemek için kullanılmakta ve ekolojik yönetim için değerli bilgiler sunmaktadır.

Nanjing Normal Üniversitesi liderliğindeki BM Okyanus On Yılı CoastPredict Programının Yangtze Nehri Deltası Pilot Bölgesi, Yancheng'deki yönetimi desteklemek için uzaktan algılama teknolojisi ve koruma çabalarını birleştiriyor. Uzaktan algılama, 1990 yılından bu yana önemli sulak alan bitki örtüsünün(Spartina alterniflora, Suaeda salsa ve Phragmites australis) gelişimini takip ederek çevresel etkilerin, insan faaliyetlerinin ve tür etkileşimlerinin anlaşılmasına yardımcı olmuştur. Bu girişim, daha etkili koruma stratejilerinin geliştirilmesine yardımcı olarak hem rezerv hem de daha geniş küresel çabalara fayda sağlamaktadır.

Son güncelleme: 10 Oct 2025

93 Görünümler

Tech4Nature Ödülü

Ödül Kategorisi

Doğanın Korunması için Teknoloji İnovasyonu

Teknoloji türü

Yazılım

İlgili teknolojiler

Uydu Verileri

Jeo-uzamsal Planlama ve Analiz

Yapay Zeka ve Makine Öğrenimi

Teknoloji Açıklaması

Bu çözüm, sulak alan bitki örtüsünün(Spartina alterniflora, Phragmites australis, Suaeda salsa) uzun vadeli gelişimini izlemek için derin öğrenme ve saha doğrulaması ile birlikte uzaktan algılama, Coğrafi Bilgi Sistemleri (CBS) ve dijital ikiz modellemeden yararlanmaktadır. Uydu verilerinin işlenmesi, makine öğrenimi, CBS mekansal analizi ve ekolojik modellemeyi entegre ederek, sulak alanların korunması ve istilacı türlerin yönetimini desteklemek için hassas, ölçeklenebilir izleme sağlar. Sezgisel bir gösterge paneli, yerel topluluklar da dahil olmak üzere uzman olmayan kullanıcılar için erişilebilirlik sağlayarak kapsayıcı katılımı teşvik eder.

Kayda Değer Gelişmeler ve Yenilikler

Uzaktan Algılama ile Derin Öğrenme: Derin öğrenme algoritmaları zaman serisi Landsat verilerini (1990-2022) işleyerek bitki örtüsü türlerinin yüksek hassasiyetle sınıflandırılmasını sağlar. Bu yenilik, istilacı türlerin yayılmasının ve doğal bitki örtüsünün iyileşmesinin ayrıntılı bir şekilde izlenmesini sağlayarak 32 yıllık bir süre boyunca hedeflenen koruma önlemlerini desteklemektedir.
Mekânsal Analiz için CBS: CBS araçları, göç modellerini, habitat parçalanmasını ve yığılma eğilimlerini belirleyerek bitki örtüsü dağılımını haritalandırır ve analiz eder. Bu, etkili koruma planlaması ve restorasyon önceliklendirmesi için kritik öneme sahip mekansal olarak açık bilgiler sağlar.
Dijital İkiz Ekosistem Modellemesi: Yancheng sulak alanının dijital ikizi uzaktan algılama, CBS katmanları ve gerçek zamanlı çevresel ölçümleri (ör. toprak tuzluluğu, deniz seviyesi anomalileri) entegre eder. Bu sanal kopya, istilacı türlerin etkileri veya iklim değişikliği etkileri gibi senaryoları simüle ederek proaktif, veriye dayalı karar verme sürecini mümkün kılar.
Kapsamlı Çevre Veritabanı: Çok boyutlu bir veri tabanı, bitki örtüsü verilerini iklimsel, denizel ve antropojenik değişkenlerle (ör. deniz yüzeyi sıcaklığı, su ürünleri dağılımı) birleştirir. Bu bütüncül veri seti sürücü analizini destekler ve uyarlanabilir koruma stratejileri hakkında bilgi verir.
Ölçeklenebilir ve Çoğaltılabilir Çerçeve: Açık kaynaklı veriler (Landsat, Sentinel) ve Google Earth Engine (GEE) üzerine inşa edilen metodoloji, küresel olarak çeşitli ekosistemlere uyarlanabilir ve istilacı türleri ve habitat değişikliklerini izlemek için uygun maliyetli bir araç sunar.
Uygun Maliyetli İzleme: Serbestçe kullanılabilen uydu verilerinden ve GEE'den yararlanmak, düşük maliyetli, yüksek verimli izleme sağlar, zamansal çözünürlüğü artırır ve uzun vadeli koruma için kaynak taleplerini azaltır.

Teknolojilerin bu entegrasyonu, GBF Hedefleri 2 (ekosistemleri restore etme), 6 (istilacı türlerin kontrolü), 8 (iklim direnci), 20 (kapasiteyi güçlendirme), 21 (erişilebilir bilgi) ve 22 (kararlara katılım) ile uyumlu, öngörücü, ölçeklenebilir ve kapsayıcı araçlar sağlayarak sulak alan yönetimini dönüştürmektedir. Çözümün düşük maliyetli, veri odaklı yaklaşımı uzun vadeli sürdürülebilirlik ve geniş uygulanabilirlik sağlamaktadır.

Bağışçılar ve Finansman

Bu proje Çin Ulusal Doğa Bilimleri Vakfı tarafından desteklenmektedir (Grant 42230406).

Fotoğraf ve video galerisi

Bağlam

Ele alınan zorluklar

Biyoçeşitlilik Kaybı

Ekosistem kaybı

İstilacı türler

Çin'in Jiangsu Eyaletinde bulunan Jiangsu Yancheng Sulak Alanı ve Nadir Kuşlar Ulusal Doğal Koruma Alanı, küresel ölçekte önemli bir koruma alanıdır. Başta Grus japonensis olmak üzere dünyanın nesli tükenmekte olan bazı kuş türleri ve diğer nadir yaban hayatı türleri için kritik bir yaşam alanı olarak hizmet vermektedir. Rezerv ayrıca, bu türlerin hayatta kalması için çok önemli olan temel ekosistemleri, özellikle de çamur düzlüğü sulak alanlarını içermektedir.

Ancak, ekolojik önemine rağmen, rezerv bazı önemli çevresel zorluklarla karşı karşıyadır. En acil sorunlardan biri, sulak alan ekosistemlerine hakim olmaya başlayan egzotik bir bitki türü olan Spartina alterniflora 'nın istilasıdır. Bu istilacı tür, doğal bitki örtüsünün dengesini bozarak ekolojik bozulmaya ve biyolojik çeşitliliğin azalmasına yol açmaktadır. Sonuç olarak, rezervin ekosistemlerinin etkin yönetimi ve izlenmesi, eşsiz biyolojik çeşitliliğinin korunmasını sağlamak için giderek daha önemli hale gelmiştir.

Uygulama ölçeği

Yerel

Ekosistemler

Tuz bataklığı

Tema

İstilacı yabancı türler

Konum

Yancheng, Jiangsu, Çin Halk Cumhuriyeti

Doğu Asya

Süreç

Sürecin özeti

Bu proje, uzaktan algılama teknolojisini kullanarak sulak alan bitki örtüsünün uzun vadeli gelişimini sistematik olarak izlemek için birbiriyle bağlantılı altı yapı taşına (BB) dayanan yapılandırılmış bir metodoloji benimsemektedir.

BB1 (Veri Toplama) ve BB2 (Sulak Alan Bitki Örtüsü Tipinin Belirlenmesi), BB3 (Veri Sayısallaştırma ve Veri Tabanı Oluşturma) için temel girdileri sağlamaktadır.
BB3 ise BB4 (Mekânsal ve Zamansal Özelliklerin Analizi) ve BB5'i (Bitki Örtüsü Evriminin Temel Etkenlerinin Belirlenmesi) desteklemektedir.
Bu aşamalardan elde edilen içgörüler ve bulgular BB6 (Akademik İletişim) ve BB7 (Eğitim ve Kapasite Geliştirme ) aracılığıyla paylaşılarak bilgi alışverişi artırılır ve projenin daha geniş çaplı etkisi güçlendirilir.

Her bir yapı taşı, sulak alanların korunması, istilacı türlerin yayılmasının önlenmesi ve küresel olarak benzer ekosistemlere uygulanabilir ölçeklenebilir bir metodoloji sunulması gibi kapsayıcı hedeflere toplu olarak katkıda bulunmak için mantıksal olarak sıralanmıştır.

Yapı Taşları

Veri toplama

Google Earth Engine (GEE) platformu kullanılarak, 1990-2022 yılları arasındaki Landsat serisi uzaktan algılama verileri TM5, ETM+ (Landsat 7), OLI (Landsat 8) ve OLI (Landsat 9) sensörlerini kapsayacak şekilde sistematik olarak elde edilmiştir. Sonraki analizler için veri kalitesini sağlamak amacıyla, anahtar spektral bantlar (yakın kızılötesi (NIR), kırmızı ve yeşil) seçildi ve birleştirildi.

GBF Hizalaması: GBF Hedef 21'i desteklemektedir.
Katkı: Gerçek zamanlı, doğrulanmış veri setleri ile karar verme sürecini geliştirir ve teknolojik yenilik yoluyla mevcut koruma çabalarına değer katar.

Etkinleştirici faktörler

Yalnızca bulut örtüsü ≤%10 olan uzaktan algılama görüntüleri seçildi, ardından toplu işleme yoluyla radyometrik ve atmosferik düzeltme yapıldı.
Bitki örtüsüne özgü bilgiler, optimize edilmiş bant kombinasyonları kullanılarak, özellikle NIR aralığında bitki örtüsünün yüksek yansıtma özelliğinden yararlanılarak çıkarılmıştır.

Çıkarılan dersler

Mekânsal, zamansal ve spektral çözünürlüklerdeki sınırlamalar potansiyel belirsizlikleri beraberinde getirerek sağlam radyometrik ve geometrik düzeltme yöntemlerinin önemini vurgulamıştır.
Farklı Landsat sensörleri arasında veri füzyonu, tutarlı uzun vadeli zaman serileri elde etmek için gerekliydi, ancak mekansal ve zamansal çözünürlükleri uyumlu hale getirmek için önemli ölçüde ek işlem gerektiriyordu.

Sulak Alan Bitki Örtüsü Tip Tanımlaması

Bitki örtüsü indeksi zaman serileri, gürültüyü azaltmak ve temel fenolojik özellikleri çıkarmak için Gauss uydurma kullanılarak yumuşatılmıştır. Sulak alan bitki örtüsünü üç baskın türe sınıflandırmak için rastgele bir orman derin öğrenme algoritması uygulanmıştır: Spartina alterniflora, Phragmites australis ve Suaeda salsa. 1990'dan 2022'ye kadar sınıflandırma doğruluğu saha araştırmaları ile onaylanmıştır.

GBF Hizalaması: GBF Hedef 6'ya katkıda bulunur.
Katkı: Hedeflenen kontrol için Spartina alterniflora 'yı doğru bir şekilde tanımlayarak istilacı türlerin etkisini azaltır ve önemli bir biyoçeşitlilik tehdidini ele alır.

Etkinleştirici faktörler

Gauss eğrisi uydurma, ham bitki örtüsü indeks eğrilerindeki gürültüyü etkili bir şekilde en aza indirerek sınıflandırma doğruluğunu artırdı.
Rastgele orman algoritması, türler arasındaki spektral farklılıklardan yararlanarak sağlam özellik çıkarımı ve güvenilir tanımlama sağlar.

Çıkarılan dersler

Bitki örtüsü nemi ve yapısal niteliklerle ilgili spektral özellikler, türler arası ayrılabilirliği önemli ölçüde geliştirmiştir.
Eğri uydurma ve denoising gibi ön işleme adımları, uzun vadeli sınıflandırmanın güvenilirliğini artırmak için gerekliydi.

Veri Sayısallaştırma ve Veri Tabanı Oluşturma

Uzaktan algılamadan elde edilen bitki örtüsü verilerini temel çevresel, iklimsel ve antropojenik değişkenlerle bütünleştiren kapsamlı bir jeo-uzamsal veri tabanı geliştirilmiştir. Toprak tuzluluğu, deniz yüzeyi sıcaklığı, deniz suyu tuzluluğu ve su ürünleri yetiştiriciliği havuzlarının konumlarını kapsayan metrikler sağlam bir analitik temel oluşturmuştur.

GBF Hizalaması: GBF Hedef 21'i desteklemektedir.
Katkı: Bütünsel analiz için çeşitli veri katmanlarını entegre ederek parçalı koruma veri kümelerine değer katar.

Etkinleştirici faktörler

Saha doğrulaması uzaktan algılama yorumlarının doğruluğunu teyit etmiştir (bkz. Şekil 1 ve 2).
Veritabanı, mekansal ve çevresel verilerin entegrasyonunu kolaylaştırarak çok değişkenli analizleri ve ekolojik modellemeyi desteklemiştir.

Çıkarılan dersler

Uzaktan algılama çıktılarının doğrulanması ve veritabanı güvenilirliğinin sağlanması için doğru yer-gerçek verileri hayati önem taşımaktadır.
İyi yapılandırılmış, çok kaynaklı bir veri tabanı analiz verimliliğini artırır ve daha karmaşık korelasyon ve nedensellik çalışmalarına olanak sağlar.

Sulak Alan Bitki Örtüsünün Mekansal ve Zamansal Özelliklerinin Analizi

1990'dan 2022'ye kadar koruma alanı içindeki sulak alan bitki örtüsünün uzun vadeli dağılım modellerini ortaya çıkarmak için uzamsal-zamansal analiz yapılmıştır.

Şekil 1A, bitki örtüsünün mekânsal örüntülerinde zaman içinde meydana gelen değişiklikleri göstermektedir.
Şekil 1B, deniz-kara gradyanı boyunca bitki örtüsü yüzdesini sunmaktadır.

Ekolojik değişiklikleri ölçmek için peyzaj deseni endeksleri, göç modelleri ve genişleme-daralma dinamikleri gibi analitik araçlar kullanılmıştır.

Anahtar Bulgular

Spartina alterniflora yüksek mekânsal kümelenme sergilemiş ancak zaman içinde azalan bir eğilim göstermiştir.
Phragmites australis ve Suaeda salsa daha fazla parçalanma ve artan mekânsal kapsam sergilemiştir.
Bitki örtüsü göçü önemli bir heterojenlik ve kara-deniz eğimi boyunca net bir bant dağılımı sergilemiştir.

GBF Hizalaması: GBF Hedef 2 ile uyumludur.
Katkı: Ölçülebilir sonuçlar restorasyon planlamasını geliştirir ve tek tip yönetim yaklaşımlarındaki boşlukları doldurur.

Etkinleştirici faktörler

Zamansal ve mekânsal heterojenlik, çok yönlü analiz yöntemlerini gerekli kılmaktadır.
Mekânsal analizler, hedeflenen koruma ve yönetim stratejilerini bilgilendiren önemli ekolojik içgörüler sağlar.

Çıkarılan dersler

Bitki örtüsü dinamiklerinin zamansal ve mekânsal heterojenliği çok yönlü analitik yaklaşımlar gerektirmektedir.
Mekânsal analizler, hedeflenen yönetim stratejilerine yardımcı olan kritik ekolojik örüntüleri ortaya çıkarmıştır.

Bitki Örtüsü Evriminin Temel Etkenleri

Doğal ve antropojenik etkenlerin bitki örtüsü dinamikleri üzerindeki etkisi Genelleştirilmiş Eklemeli Model (GAM) kullanılarak araştırılmıştır. Bu model, bitki örtüsü değişiklikleri ile temel faktörler arasındaki doğrusal olmayan ilişkileri değerlendirmiştir:

Spartina alterniflora öncelikle tuzluluk ve dalga yüksekliği gibi denizel çevresel değişkenlerden etkilenmiştir.
Phragmites australis ve Suaeda salsa ise yağış, antropojenik baskılar (ör. su ürünleri yetiştiriciliği) ve türler arası rekabetten etkilenmiştir.

Bu etkenlerin anlaşılması, uyarlanabilir ekosistem yönetimini ve istilacı türlerin kontrolünü destekler.

GBF Uyumu: GBF Hedefleri 6 ve 8'i destekler.
Katkı: Tahmine dayalı modeller, reaktif korumayı geliştirerek ölçülebilir sürücü içgörüleri sunar.

Etkinleştirici faktörler

GAM, etkenler ve bitki örtüsü değişiklikleri arasındaki karmaşık, doğrusal olmayan etkileşimleri etkili bir şekilde yakalamıştır.
Çevresel ve insan faaliyeti veri setlerinin entegrasyonu, sürücü atıflarının sağlamlığını artırmıştır.

Çıkarılan dersler

Sürekli veri toplama ve model iyileştirme, uzun vadeli tahmin doğruluğu için kritik öneme sahiptir.
Ekolojik etmenlerin mekanik olarak anlaşılması, ileriye dönük koruma stratejilerinin geliştirilmesinin temelini oluşturur.

Akademik İletişim

Proje bulguları, aşağıdakiler de dahil olmak üzere birçok akademik ve kamusal platform aracılığıyla yayılmıştır:

Ocean-Land-Atmosphere Research 'te (bir Bilim Ortağı Dergisi) akademik bir makale.
American Association for the Advancement of Science in China'nın resmi medyası olan AAASScience WeChat Kamu Platformunda öne çıkan içerik.
Yangtze Nehri Deltası Pilot Bölgesine bir vaka çalışması katkısı.
NSFC destekli büyük oşinografik araştırma projelerine entegrasyon.

GBF Hizalaması: GBF Hedef 20 ile uyumludur.
Katkı: Ölçeklenebilir metodolojileri paylaşarak küresel koruma çabalarını geliştirir.

Etkinleştirici faktörler

Zorlukların ve metodolojilerin şeffaf iletişimi, disiplinler arası katılımı artırdı.
Paydaşlara sistematik sunum farkındalığı artırdı ve pratik uygulamayı kolaylaştırdı.

Çıkarılan dersler

Açık ve erişilebilir yayın, disiplinler arası işbirliğini ve küresel bilgi paylaşımını teşvik eder.
Uygulanabilir içgörülerin hem bilimsel hem de kamusal alanlarda yayınlanması, bunların koruma uygulamalarına dönüştürülmesini hızlandırır.

Kaynaklar

Articles of project results

Eğitim ve Kapasite Geliştirme

Projenin daha geniş etki stratejisinin bir parçası olarak, uzaktan algılama ve jeo-uzamsal analiz konularında teknik okuryazarlığı artırmak için eğitim ve kapasite geliştirmeye öncelik verilmiştir. 2021 yılından bu yana, Nanjing Normal Üniversitesi Coğrafya Okulu tarafından her yıl jeo-uzamsal modelleme ve uzaktan algılama uygulamalarına odaklanan bir dizi eğitim programı düzenlenmektedir. Program, geçtiğimiz dört yıl boyunca genç akademisyenler, araştırma gönüllüleri ve kariyerinin başındaki profesyoneller de dahil olmak üzere 4.000'den fazla katılımcıyı başarıyla eğitti.

GBF Uyumu: GBF Hedef 20 ve 22'yi desteklemektedir.
Katkı: Ölçeklenebilir eğitim programları kapasite boşluklarını doldurarak yerel koruma çabalarını geliştirir.

Etkinleştirici faktörler

Eğitim kursları, uzaktan algılama ve CBS'deki pratik uygulamaları vurgulayan deneyimli öğretim üyeleri ve özel müfredatla desteklenmiştir.
Akademik ve kamu kurumlarıyla işbirliği, erişimi genişletti ve disiplinler arasında farklı bir öğrenci grubunun katılımını sağladı.

Çıkarılan dersler

Kapasite geliştirme, uzun vadeli araştırma etkisinin sürdürülmesinde çok önemli bir rol oynar ve yeni nesil araştırmacıların sulak alan izleme ve ekolojik analizle ilgilenmesini sağlar.
Sürekli eğitim ve uygulamalı eğitim, özellikle koruma ve kaynak yönetimi bağlamlarında araştırma çıktıları ile gerçek dünya uygulamaları arasındaki boşluğu etkili bir şekilde kapatır.

Etkiler

Geliştirilmiş İzleme Verimliliği: Bu projede geliştirilen uzaktan algılama teknolojisi, sulak alan bitki örtüsünün gelişiminin uzun vadeli ve uygun maliyetli bir şekilde izlenmesini sağlamaktadır. Bu gelişme, izleme için zaman ölçeğini önemli ölçüde genişleterek sulak alan dinamiklerinin daha kapsamlı bir şekilde anlaşılmasını sağlamış ve rezervdeki koruma izleme standardını etkili bir şekilde yükseltmiştir.
İstilacı Yabancı Türlerin Araştırılmasına Katkı: Proje, Spartina alterniflora ve diğer istilacı türlerin istila sürecine ilişkin anlayışımızı geliştirerek çevresel faktörlerin, insan faaliyetlerinin ve türler arası rekabetin etkisini vurgulamıştır. Bu veriler, araştırmacıların istilacı türlerin yayılmasını daha iyi tahmin etmelerine ve yönetmelerine yardımcı olarak zamanında ve daha etkili müdahaleler yapılmasını sağlamaktadır.
Biyoçeşitliliğin Korunmasına Destek: Teknoloji, istilacı türlerin evrimsel modellerini ortaya çıkararak, rezervdeki bu tehditlerin önlenmesi ve kontrolü için zemin hazırlamaktadır. Bu, kritik sulak alan habitatlarını koruyarak Grus japonensis ve diğer yerli türlere doğrudan fayda sağlar ve uzun vadeli biyoçeşitlilik koruma çabalarına katkıda bulunur.
Koruma Bilincinin Artırılması: Proje, sulak alanların korunmasında uzaktan algılamanın kullanımına ilişkin bilgi alışverişini teşvik ederek sulak alan yönetimi ve bitki örtüsünün izlenmesine ilişkin değerli bilgiler sunuyor.

Yararlanıcılar

Grus japonensis
Yerel topluluklar
Rezerv
Akademi
Ziyaretçiler

Ayrıca, Çözümünüzün ölçeklenebilirlik potansiyelini açıklayın. Diğer bölgelere veya ekosisteme kopyalanabilir veya genişletilebilir mi?

Uzaktan algılama teknolojileri, derin öğrenme algoritmaları ve ekolojik analitik çerçevelerin entegrasyonu üzerine inşa edilen önerilen çözüm, bölgeler ve ekosistem türleri arasında güçlü ölçeklenebilirlik göstermektedir. Modüler mimarisi (BB1-BB7), hem mekansal hem de tematik boyutlarda özelleştirme, çoğaltma ve genişletmeye olanak tanıyarak özellikle istilacı türlerin yayılması, habitat parçalanması, biyolojik çeşitlilik kaybı ve ekosistem bozulması gibi zorlukları ele almak için uygun hale getirir.

Teknik Ölçeklenebilirlik

Küresel olarak erişilebilir veri setlerinin (örn. Landsat, Sentinel) ve Google Earth Engine gibi bulut bilişim platformlarının kullanılması, diğer bölgelerde dağıtım için düşük teknik engeller sağlar.
Derin öğrenme ve makine öğrenimi sınıflandırıcıları (örneğin, Rastgele Orman, GAM) modelden bağımsızdır ve farklı tür bileşimlerine ve ekolojik bağlamlara uyum sağlamak için yerelleştirilmiş verilerle yeniden eğitilebilir.

Coğrafi ve Ekosistem Aktarılabilirliği

Metodoloji, Yancheng Ulusal Nadir Kuş Doğa Koruma Alanı'nda başarıyla uygulanmış ve kıyı sulak alanlarındaki etkinliği doğrulanmıştır.
Aşağıdakiler de dahil olmak üzere benzer ortamlara aktarılma potansiyeli güçlüdür:
- Spartina alterniflora veya benzer istilacılardan etkilenen diğer Doğu Asya kıyı sulak alanları (örneğin, Sarı Nehir Deltası, Hangzhou Körfezi)
- Tuzlanma, parçalanma veya mevsimsel bitki örtüsü değişikliklerine maruz kalan iç sulak alan ekosistemleri
- İstilacı türlerin ve hidrolojik değişimlerin biyoçeşitliliği tehdit ettiği küresel haliç ve delta bölgeleri.

Potansiyel Genişleme: Tianjin-Hebei Kıyı Düzlükleri

Çözüm şu anda kavramsal olarak 700 hektardan fazla Spartina alterniflora 'nın ekosistem işlevlerini değiştirdiği Tianjin Binhai ve Cangzhou kıyı gelgit düzlüklerine genişletilmektedir.
Bölgesel koordinasyon sayesinde izleme araçları ve mekânsal modeller, yetki alanları arası ekolojik yönetişimi destekleyecek şekilde uyarlanmakta ve sadece teknik değil kurumsal ölçeklenebilirlik de ortaya konmaktadır.

Kurumsal ve Kapasite Geliştirme Genişlemesi

Çerçeve, halihazırda 4.000'den fazla katılımcıyı eğitmiş olan Nanjing Normal Üniversitesi'nin ev sahipliği yaptığı eğitim programları aracılığıyla bilgi aktarımını sağlayan özel bir kapasite geliştirme bileşeni (BB7) içermektedir. Bu, yeni benimsenen bölgelerde yerel alım ve sürdürülebilirlik sağlar.

Küresel Uygunluk

Çözüm, hakemli yayınlar, politika diyalogları ve uluslararası işbirlikleri yoluyla paylaşılarak görünürlüğü ve küresel çoğaltmaya hazırlığı artırılmıştır.
Veri odaklı, düşük maliyetli ve modüler yapısı, koruma ve iklim adaptasyonu için uygun maliyetli araçlara acilen ihtiyaç duyulan Küresel Güney'de benimsenmesi için çok uygundur.

Bu çözüm sadece tekrarlanabilir değil, aynı zamanda kapsam olarak ölçeklenebilir, yöntem olarak uyarlanabilir ve kapasite geliştirme yoluyla sürdürülebilirdir; bu da onu biyolojik çeşitliliğin korunması ve ekosistem esnekliği alanındaki küresel çabalara sağlam bir katkı haline getirmektedir.

Küresel Biyoçeşitlilik Çerçevesi (GBF)

GBF Hedef 2 - Tüm Bozulmuş Ekosistemlerin %30'unu Geri Kazandırmak

GBF Hedef 6 - İstilacı Yabancı Türlerin Girişini %50 Azaltmak ve Etkilerini En Aza İndirmek

GBF Hedef 8 - İklim Değişikliğinin Biyoçeşitlilik Üzerindeki Etkilerini En Aza İndirmek ve Dayanıklılık Oluşturmak

GBF Hedef 20 - Biyoçeşitlilik için Kapasite Geliştirme, Teknoloji Transferi ve Bilimsel ve Teknik İşbirliğinin Güçlendirilmesi

GBF Hedef 21 - Biyoçeşitlilik Eylemine Yön Verecek Bilginin Mevcut ve Erişilebilir Olmasını Sağlamak

GBF Hedef 22 - Herkes için Karar Alma Sürecine Katılımın ve Biyoçeşitlilikle İlgili Adalet ve Bilgiye Erişimin Sağlanması

Hikaye

Jiangsu Yancheng Sulak Alanı ve Nadir Kuşlar Ulusal Doğal Koruma Alanı, dünyanın nesli tükenmekte olan en önemli kuş türlerinden biri olan Grus japonensis'e ev sahipliği yapmaktadır. Yıllar boyunca bu geniş sulak alan, hassas bir ekolojik dengeye dayanan bu turnalar ve sayısız diğer tür için kritik bir yaşam alanı olarak hizmet etti. Ancak, zaman geçtikçe sulak alanlar, başta Spartina alterniflora olmak üzere istilacı türlerden kaynaklanan ciddi tehditlerle karşı karşıya kalmaya başladı; bu türler hızla yerli bitki örtüsünü geride bıraktı ve bölgeye bağımlı olan türleri tehlikeye attı.

Rezerv uzun süredir yavaş, maliyetli ve geniş sulak alanı verimli bir şekilde kapsama kabiliyetinden yoksun olan geleneksel izleme teknikleriyle mücadele ediyordu. Sonuç olarak, önemli ekolojik değişiklikler genellikle çok geç tespit ediliyordu. Spartina gibi istilacı türler kontrolsüz bir şekilde yayıldı ve biyoçeşitlilik üzerindeki etkisi yıkıcı oldu.

Nanjing Normal Üniversitesi liderliğindeki BM Okyanus On Yılı Sahil Tahmin Programı'nın Yangtze Nehri Deltası Pilot Bölgesi, Yancheng'deki yönetimi desteklemek için uzaktan algılama teknolojisini ve koruma çabalarını birleştiriyor Uzaktan algılama sistemi, rezerv ekibinin bitki örtüsü değişikliklerini aylık ölçekte izlemesini sağladı. Uydu verileri, Spartina alterniflora 'nın yayılması ve Phragmites australis ve Suaeda salsa gibi yerli bitkilerin durumu da dahil olmak üzere sulak alan ekosisteminin dinamikleri hakkında gerçek zamanlı bilgiler sağladı. İlk kez, çevresel faktörlerin, insan faaliyetlerinin ve türler arası rekabetin rezerv boyunca ekolojik değişiklikleri nasıl yönlendirdiğini izlemek mümkün oldu.

Teknoloji, istilacı türleri kontrol etmenin ötesinde, uzun vadeli bitki örtüsü eğilimlerinin incelenmesine de olanak tanıyarak rezervin iklim değişikliği, tuzluluk değişimleri ve insan faaliyetlerinin ekosistemi nasıl etkilediğini daha iyi anlamasını sağladı. Projenin bu faktörleri takip edebilmesi, rezervin koruma stratejisini gerçek zamanlı olarak uyarlaması için güçlü araçlar sağladı.