遥感大家谈 | 汪铁军：让卫星成为生态学家的望远镜

[编者按]

    当遥感技术不断重塑我们认知世界的方式，作为“遥感人”，我们又该如何理解自己的学科与未来？学院官微推出全新栏目 “遥感大家谈”。在这里，我们邀请老师们以第一人称的视角，分享对学术方向的思考、对教学科研的理解，以及对学院发展的见解。本期嘉宾汪铁军教授，他长期从事遥感与生态学交叉研究，致力于利用遥感与人工智能技术开展生物多样性监测与空间生态学研究。

未来的遥感科学，不仅是“看见地球”，更是“理解地球”。

在秦岭的山林里，我曾经跟着科研人员寻找大熊猫留下的足迹。
多年以后，我开始尝试从数百公里之外的太空寻找野生动物的身影。
科学技术的发展，让人类观察自然的视角，从森林延伸到了太空。

    我对野生动物研究的兴趣，其实可以追溯到童年时期。

    小学时，我读到英国灵长类动物学家珍妮·古道尔的著作《黑猩猩在召唤》。书中关于非洲野生动物研究的故事深深吸引了我。从那时起，我便一直梦想着有一天能够走进非洲的塞伦盖地草原，亲眼观察野生动物的生活。

    1990年从学校毕业后，我追随着儿时的梦想，来到陕西秦岭深处的佛坪国家级自然保护区工作。在那里，我成为了一名巡护员和野外研究助手，并参与了大熊猫无线电跟踪、栖息地调查以及两栖爬行动物普查等多项野外研究工作。

图1 秦岭：我的野外研究起点

1990年代，汪铁军在陕西秦岭佛坪国家级自然保护区担任巡护员和野外研究助手，那时他每天穿行在秦岭山林中寻找大熊猫的踪迹。

    在秦岭的那些年，我深刻体会到传统野生动物调查的艰辛。大多数调查完全依赖地面样带和样方调查，不仅野外工作强度巨大，而且调查范围非常有限。如何在更大空间尺度上持续监测野生动物种群及其栖息地变化，逐渐成为我思考的重要问题。

    2001年，我获得世界自然基金会（WWF）伯纳德王子保育奖学金和荷兰政府奖学金，前往荷兰国际地理信息科学与地球观测学院（ITC）攻读硕士学位，并在那里第一次系统学习地理信息科学和遥感技术。也正是在那段时间，我逐渐意识到：遥感或许可以为野生动物研究提供一种全新的视角。

    随后，我继续在荷兰攻读博士学位。在博士研究中，我开始尝试利用卫星遥感技术研究秦岭大熊猫的栖息地及其食物资源分布。对我来说，这是一个非常有象征意义的转变——曾经在秦岭山林中寻找大熊猫踪迹的巡护员，开始尝试从太空中研究大熊猫的栖息地。

图2 秦岭：传统野外调查中的大熊猫

研究科研人员在秦岭野外记录和观察大熊猫幼崽。长期以来，大熊猫种群监测主要依赖地面调查，这也促使作者后来探索利用遥感技术在更大尺度上研究野生动物及其栖息地。

    此后的研究中，我一直在探索一个问题：是否可以从太空中直接识别并统计野生动物？

    从2014年开始，我和我的学生们尝试利用高分辨率卫星影像和机器学习方法识别东非草原上的大型哺乳动物。最初我们使用的是传统的人工神经网络方法。随着深度学习技术的发展，我们逐渐将研究方法升级为基于深度学习的自动识别模型。

图3 塞伦盖地：地球上最大的陆地动物迁徙

塞伦盖地草原上的角马大迁徙。每年约有上百万只角马和斑马在塞伦盖地—马赛马拉生态系统中进行季节性迁徙，这是地球上规模最大的陆地动物迁徙之一。

    经过十多年的技术积累，我们终于实现了从太空中直接识别和统计塞伦盖地迁徙角马种群的目标。

    对我来说，这不仅是一个技术上的突破，也是一种梦想的实现——

    从秦岭的山林，到塞伦盖地的草原；

    从野外巡护，到利用卫星研究野生动物。

图4 从太空观测野生动物

利用高分辨率卫星影像和人工智能算法识别出的角马种群分布。图中每一个紫色点代表一只被算法检测到的角马个体，使得在数千平方公里尺度上自动监测野生动物种群成为可能。

    人工智能（AI）正在深刻改变遥感科学的发展方式。随着全球卫星观测能力的不断提升，地球观测数据正以前所未有的速度增长。如何从海量遥感数据中提取有价值的信息，已经成为遥感科学面临的重要挑战。

    在我看来，遥感与人工智能的深度融合，将成为未来遥感学科发展的重要方向。通过将地球观测技术与人工智能方法结合，我们有望在生物多样性监测、生态环境保护和自然资源管理等领域实现更加智能化和自动化的观测与分析。

    未来的遥感科学，不仅是“看见地球”，更是“理解地球”。

    也许在不远的将来，卫星将成为生态学家的“望远镜”，帮助人类持续观测地球生命的变化，并为守护这个星球上的生物多样性提供新的科学力量。

作者简介

    汪铁军，中山大学遥感科学与技术学院教授，中山大学逸仙学者计划“杰出学者”。曾任荷兰特温特大学地理信息科学与对地观测学院副教授，并长期担任博士生导师。

    他的研究主要聚焦于遥感与人工智能驱动的生物多样性监测与空间生态学研究，致力于利用新一代地球观测技术和人工智能方法监测生态系统变化与野生动物动态。迄今为止，他已发表SCI论文150余篇，论文发表于 Nature Communications、Science、Nature Ecology & Evolution 等国际学术期刊。

研究方向

    他的研究主要关注遥感与人工智能驱动的生物多样性监测与空间生态学。

    在全球生物多样性持续下降的背景下，如何利用新一代地球观测技术实现大尺度、长期和自动化的生物多样性监测，正逐渐成为遥感科学与生态学交叉的重要前沿问题。

    通过融合高分辨率卫星影像、航空与无人机影像，以及激光雷达和高光谱等多源遥感数据，并结合深度学习等人工智能方法，有望以前所未有的方式观测生态系统结构变化、物种分布格局以及野生动物种群动态，为生态保护与自然资源管理提供新的科学工具。

最新成果

    近年来，汪老师围绕遥感、人工智能与生物多样性监测的交叉研究开展了一系列工作。

    其中一项研究发表于Nature Communications(https://doi.org/10.1038/s41467-023-38901-y)，利用高分辨率卫星影像和深度学习方法，在数千平方公里范围内自动识别和统计东非塞伦盖地—马赛马拉生态系统中的大型迁徙动物群体。这项研究表明，利用深度学习与卫星遥感技术，可以在复杂景观中自动识别并统计数十万只野生动物个体，为大尺度生态监测提供了一种新的技术路径。

    另一项发表于PNAS Nexus (https://doi.org/10.1093/pnasnexus/pgaf382)的研究，则利用人工智能分析卫星影像，对塞伦盖地角马迁徙种群数量进行了独立评估。研究结果显示，目前迁徙角马的数量可能明显低于过去几十年广泛引用的估计值。这项研究表明，人工智能驱动的卫星调查可以为传统航空调查提供重要补充，并为理解野生动物种群动态提供新的数据来源。