《Biological Conservation》：Next-generation agri-environment schemes: Integrating innovations in biodiversity monitoring, farming technologies and digital tools
编辑推荐：
这篇前瞻性综述聚焦于如何将传感器、无人机、AI与数字农业等前沿技术深度整合，以革新现有的农业环境计划(AES)，提升其保护农业生物多样性的效能。文章系统阐述了技术在拓展结果导向型AES的监测目标、精准布设保育措施、设计新颖的状态依赖型方案等方面的潜力，并审慎分析了相关成本、准确性、数据隐私、农民接纳度及潜在环境风险等关键挑战。
随着传感器、数字工具和人工智能的飞速发展，生物多样性和生态系统的监测与管理方式正经历深刻变革。与此同时，新型农业技术也正在重塑粮食生产，并对农业生物多样性产生深远影响。然而，如何将这些技术发展整合到保护农业生物多样性的关键政策工具——农业环境计划(AES)中，相关研究却尚不充分。这篇综述旨在探讨数字技术的最新进展如何要求并促使我们重新审视当今的AES，整合并拓展相关研究发现，为设计下一代AES提供洞察。
1. AES的演进与技术交汇
传统AES因保护效果不佳和成本效益低下而备受批评。作为改进，研究者提出了以可测量的生物多样性结果为补偿基准的“结果导向型AES”，以及旨在实现景观层面保护的“协作支付计划”。与此同时，近年来涌现出大量与AES相关的技术创新。这包括硬件层面的传感技术（如遥感、被动声学监测PAM）和软件层面的信息系统。这些创新主要聚焦于三个关键领域：高分辨率、低成本生物多样性监测技术的进步；改变高产农业的新型数字农业生产技术（如除草机器人、虚拟围栏）；以及面向农民和监管部门的数字决策支持工具(DSS)。
2. 生物多样性监测技术的革新为AES注入新动力
技术进步，特别是经济型传感器技术和用于提取生态信息的人工智能方法，正在迅速扩展我们自动监测物种和生态群落的能力。其中，无人驾驶航空器(UAVs)已被用于估算草地中的花卉覆盖度和多样性以作为传粉昆虫丰度的代理指标，定位地面筑巢农田鸟类的巢穴，以及检测农田中的杂草植物。用于被动声学监测(PAM)的自主录音单元(ARUs)则能够监测包括鸟类、蝙蝠、两栖动物和无脊椎动物在内的发声类群。此外，用于监测农田哺乳动物的相机陷阱和环境DNA(eDNA)技术也日益重要。而诸如BirdNET等基于AI的物种识别工作流程，则有助于从这些技术产生的大量复杂数据集中提取生态信息。
在AES背景下，这些数字监测工具具有标准化、高时空分辨率、减少观察者偏差、提供丰富元数据以及能够检测稀有或隐蔽物种等关键优势。本专题中的多项研究探索了数字生物多样性监测技术（特别是PAM和UAVs）在改进AES方面的潜力。例如，建模分析表明，随着监测精度提高和成本下降，结果导向型计划吸引力增强，凸显了针对性研发对提升此类AES成本效益的关键作用。案例研究探讨了将PAM用于针对鸟类和蝙蝠等发声动物的结果导向型AES的可行性，并提出了在物种和生态群落层面的合适生物多样性目标与PAM指标。另有研究评估了PAM检测不同树龄树篱中鸟类和蝙蝠的能力，并提出将PAM整合到未来AES中，将树篱种植的基础支付与通过PAM检测的生物多样性水平挂钩的结果导向型支付相结合。还有研究评估了在瑞士草甸中使用PAM衡量AES有效性，将声学复杂性指数与鸟类、蚱蜢物种丰富度及昆虫丰度相关联。此外，应用UAV捕获的高分辨率图像结合深度学习来检测德国广泛实施的结果导向型AES（生态计划5）中草地的植物物种，展示了新型生物多样性监测工具在现实AES场景中的应用潜力。
3. 新型农业生产技术对AES的变革潜力
农业机械、传感器技术和人工智能的进步，通过实现作物生产和畜牧业的新方法，正在改变农业。具体而言，先进的传感器技术可生成关于产量潜力、养分需求、土壤特性以及生物和非生物胁迫的时空精确信息。这些数据为在空间和时间上优化的针对性管理干预措施提供了关键基础。在作物生产中，这包括实时优化氮肥、通过自主机器人进行针对性除草，以及通过机器学习和深度学习自动检测植物病害。自主除草机器人可以在不需要广泛使用除草剂的情况下清除杂草，从而减少对农业生物多样性的负面影响。在畜牧业中，数字技术同样支持更有针对性、适应性和数据驱动的管理，包括远程监测动物行为与健康、通过遥感估算生物量以制定时空优化的放牧策略，以及用于牲畜管理的虚拟围栏系统开发。虚拟围栏是一项相对较新的技术，它使用支持全球定位系统(GPS)的项圈将动物活动限制在指定区域，从而无需物理围栏。
农业生产技术的许多创新能够以更高的空间和时间精度管理农田，并同时精确记录这些管理活动。这些发展为设计新型AES以及改进新旧AES的合规性监测创造了独特机会。本专题包含的两个案例研究探讨了此类生产技术创新在新型AES中的潜力。一项研究调查了自主选择性除草机器人对AES设计的影响，特别关注不同作物生产和管理条件下基于行动与基于结果支付的成本效益。研究显示，除草机器人精确监测农业生物多样性目标的能力，结合较低的监测成本，通常提高了结果导向型计划的成本效益。而管理行动带来的生物多样性结果改善以及合规性的自动化记录，则倾向于提高行动导向型计划的成本效益。另一项研究则阐释了虚拟围栏技术如何用于改进现有的AES，并为草原系统设计新的计划。虚拟围栏允许精确记录动物活动轨迹，从而可能支持以牧场为重点的AES的合规性监测。它还能以低成本和高时空精度临时将小块区域排除在放牧之外，这既增加了牧场内的结构多样性，也保护了敏感区域。新型AES可以明确奖励此类针对性管理实践。
4. 用于农场管理和AES设计的数字工具
信息技术的快速进步，加上高时空分辨率生物物理和农学数据的日益可用，促进了基于软件的决策支持系统(DSS)的进一步发展，以管理农业生产过程及其环境影响。当其主要目的是支持农场层面的管理时，此类DSS通常被称为农场管理信息系统(FMIS)。FMIS可通过收集、可视化和处理复杂的农业数据及成本信息，协助记录、监测和规划农场管理，以优化生产过程，同时减少其对环境的影响。FMIS应用于多种场景，但专门支持农民规划和实施AES的FMIS还很少。同样，从监管角度出发，支持设计有效且具有成本效益的保护濒危农田物种AES的基于软件的DSS也较为有限。
本专题中的三篇投稿探讨了数字工具在改进AES实施方面的潜力。其中一项研究提出了一个基于DSS的指导框架，以促进数字技术在可持续农业实践的实施、监测和价值评估中的应用。另一项研究提出了一种数字化的自动方法，基于多标准决策分析来优化甲虫库（即播种草皮的隆起土脊，为有益昆虫提供栖息地，并提供其他自然贡献，如减缓地表径流和控制侵蚀）的田间位置。该方法可轻松集成到FMIS中以支持AES实施，并且可以根据甲虫库基于其位置的（预估）生态和环境效益对农民支付进行差异化处理。数字技术还能有效支持实施集体AES所需的多利益相关方之间的协调。通过应用Q方法学（一种研究人们对特定主题的观点、信念、态度或价值观的研究方法），研究确定了德国勃兰登堡州农民在使用数字工具方面的三种不同观点：一种强调益处，一种普遍怀疑其价值，第三种则偏好人际交流。虽然所有观点的农民都对能提供明确、切实益处的数字工具更加开放，但结果表明，农民的个人态度和认知（而非一般农场特征）在采纳过程中起着关键作用。因此，建立制度信任、确保实用性并保持人际交流，对于成功采用支持AES实施的数字创新至关重要。
5. 技术赋能的下一代AES机遇
当前的数字农业趋势预计将持续，并在中长期内深刻改变许多地区的农业。在此背景下，利用这些数字技术改进AES，是使未来AES更有效、更具成本效益和适应性的重要且必要的一步。在考虑生态目标与开发、建造和运营这些技术所需资源之间可能存在的权衡的同时，我们确定了以下几个最具前景的领域。
5.1. 扩展可测量的内容：结果导向型AES中更多的保护目标
监测技术的持续改进和相关成本的降低，扩大了可作为结果导向型AES潜在保护目标的类群范围。例如，PAM使得鸟类和蝙蝠等发声动物可以作为保护目标。UAVs也可用于监测耕地中相关的杂草植物指示物种。这些技术的第二个关键优势是能够监测生态群落，而不仅仅是选定的物种。未来的AES可以针对植物和动物群落的组成，这能比单一物种指标更全面地反映生态系统健康和状况。
5.2. 增强AES激励的保护措施及其布设的精准性，从田间到景观层面
有效的保护要求AES激励的保护措施在田间和整个景观层面都具有针对性。一项研究提出了一个系统导向的景观层面框架，整合了可持续农业生产目标和生物多样性保护，以提出保护措施的最佳位置。在田间，FMIS等数字工具可以支持更精确地布设保护措施。未来的AES可以明确地将FMIS整合到其选址过程中，并通过与精准农业设备和数字AES申请系统的接口，支持“基于模型的环境结果支付”概念。此外，新型农业技术可以帮助农民以更高的空间和时间精度实施AES激励的保护措施。例如，通过UAVs检测到的鸟巢可以在繁殖季节通过虚拟围栏进行临时保护。从监管者的角度来看，设计有效且具有成本效益的时空差异化AES具有挑战性，但使用生态经济模型的数字工具可以成为支持此类差异化AES的关键创新。
5.3. 新颖的状态依赖型AES：根据实时生态数据调整保护
状态依赖性保护的概念认为，基于物种或生态系统当前状态的保护决策，至少与基于典型状态或行为的一般性、平均化信息的决策一样有效，甚至可能更有效。随着数字监测技术成本的下降，对状态依赖型AES的设计可能会产生新的机会。例如，旨在保护草甸鸟类的放牧或割草限制，可以仅在通过PAM检测到繁殖活动时应用，从而减少农民不必要的生物量损失。未来的机会也可能来自农业生产技术，例如具有生物多样性敏感性的除草机器人。如果能实现足够的检测精度，未来的AES可以奖励这种基于实时物种身份、丰度和群落组成信息的有生物多样性意识的、状态依赖的除草方法。
5.4. 改进现有AES中保护成效的监测
数字技术支持的生物多样性监测，可以补充并部分取代人类观测，尤其是在较大区域。这从两个方面支持现有AES的评估。首先，数字生物多样性监测可以为行动导向型AES的保护成效提供证据。其次，数字技术可以促进结果导向型AES的生态成果监测，这类计划目前主要针对永久草地的植物物种。目前，实地植物调查主要由专家代表当局或农民自己进行。试点项目正在测试农民通过移动应用程序提交地理标记照片并由相关当局核验的方法。UAVs植物监测提供了一个有前景的替代方案，尽管目前其仅限于具有显著特征的物种，且缺乏足够的准确性来检测现有AES中使用的所有植物指示物种。然而，持续的技术进步可能会降低成本并提高准确性，使UAV监测越来越适用于结果导向型AES。
5.5. 支持AES合规性监测
遵守行动导向型AES的要求对农民来说成本高昂，且不能被视为理所当然。越来越多的基于卫星的合规性监测已在欧盟综合管理和控制系统(IACS)中得到应用。数字生产技术可以自动记录受AES限制的农事活动，并可作为合规性的直接证据。虽然其中一些技术（如记录确切施肥量的精准施肥系统）已问世一段时间，但尚未在AES背景下得到广泛考虑。较新的发展包括可以记录未清除对生物多样性保护有价值的植物的除草机器人，以及可提供精确动物活动数据、适于监测放牧密度或牲畜时空存在合规性的虚拟围栏系统。这种自动化的合规性监测可以大大减少农民和当局双方的交易成本。
6. 挑战、风险与注意事项
6.1. 监测成本仍然可观
尽管PAM或UAVs用于生物多样性监测的成本有时甚至低于人类专家的监测成本，但这并不必然意味着其成本低到足以在AES背景下使用。高监测成本意味着可用于支付给农民的资金减少，从而可能缩小计划覆盖范围。因此，需要仔细权衡数字监测的益处与将更多财政资源用于奖励农民的益处。然而，随着数字监测技术成本的下降，以及数字农业技术发展带来的协同效应，这些权衡可能会随着时间的推移而减少。
6.2. 监测技术仍需进一步提高准确性
只有在监测准确性相对较高的情况下，在结果导向型计划中使用数字技术才有前途。监测结果的不确定性可能源于测量或分析错误（尤其是基于AI的监测系统），或监测失败（例如设备故障）。这种不确定性会给农民带来经济风险，也可能降低监管者的成本效益。尽管有大量研究致力于提高传感器和深度学习模型的准确性，但未来的结果导向型AES将受益于专门针对新型结果导向型AES的适当指标和目标物种检测的监测准确性研究。
6.3. 数据所有权和隐私问题需慎重考虑
数字农业将产生大量环境和田间到农场层面的管理数据，引发了关于谁拥有、控制并受益于这些数据的重要问题。至关重要的是要让农民能够控制其运营数据，保障用户访问这些数据的权利，并为提供数据收集技术的企业制定明确的义务。同样，UAVs和PAM等生物多样性监测技术可能会无意中收集有关人类存在、行为和声音的信息，从而引发隐私担忧。因此，在AES中使用这些技术需要在数据公开或与当局共享之前进行适当的匿名化处理。清晰透明的数据共享协议，由可信机构执行，对于避免信息潜在滥用和维护农民信任至关重要。
6.4. 农民可能对新技术持怀疑态度
农民对新型数字技术的采纳取决于这些技术在其生命周期内的预期成本和收益，而这在不同农场间差异很大。此外，农民对数字工具的行为偏好和态度在农业社区内部也存在差异。一项研究显示，农民目前对基于遥感的监测持怀疑态度，并要求比当前监测实践更高的支付。克服农民怀疑的方法包括补贴这些技术的投资成本、开展关于其预期收益的宣传以及提供有针对性的培训活动以增强不同农民群体的数字能力。重要的是，此类活动应与利益相关方共同开发，以建立信任。
6.5. AES的保护目标不应由技术驱动
存在一种风险，即AES的设计可能由技术可行性而非生态相关性驱动，优先考虑更容易监测的物种或类群，而非应该保护的物种。例如，某些最容易通过遥感技术监测的物种，其生态或保护价值可能相对有限。相反，一些最受威胁的杂草植物物种难以通过遥感技术检测。同样，基于AI的物种识别模型在不同物种间的检测性能差异很大，准确性受地点特定条件的影响很大。考虑到检测可靠性对结果导向型AES尤为重要，这种技术限制可能会无意中将AES的保护重点从具有生态价值的物种转移到更容易、更可靠监测的物种上。
6.6. 利润驱动的技术发展需要导向保护需求
虽然本专题强调了技术发展支持生物多样性保护的潜力，但必须指出，数字农业工具和新型农业生产技术主要是由预期能获利的私营公司开发的。因此，对农业生物多样性的任何潜在益处大多是偶然的，而保护导向的应用开发则主要由公共资助的研究推动。历史上，利润驱动的创新曾是农业景观生物多样性丧失的主要驱动力。数字技术也可能增加农民对垄断性公司的依赖，事实上限制了其管理土地的选择，包括引入更可持续的生产实践。此外，还存在技术被用于替代由生物多样性中介的自然贡献的风险。这些例子说明，技术进步可能不利于农业生物多样性，或可能削弱生物多样性保护的依据。由于生物多样性具有公共物品属性，私营公司通常没有动力投资于专门针对生物多样性保护的技术开发。这凸显了公共资助研究在将生物多样性关切整合到监测技术、数字工具和农业生产技术的（进一步）开发中的关键作用。
6.7. 新技术可能将资金较少的农场排除在AES之外
数字农业趋势可能加剧农场间现有的不平等，有利于能够更容易调动大量财政资源投资于新型农业技术的更大、利润更高的农场。在这种情况下，缺乏投资资金的农场实际上被排除在依赖这些技术的AES之外。鉴于AES支付在许多欧洲地区构成农场收入的很大一部分，并在收入稳定中发挥重要作用，重要的是要保留那些农民无需前期投资数字技术即可参与的AES选项，至少在过渡期内如此。
6.8. 必须考虑技术的所有环境影响
新型监测和农业生产技术在其整个生命周期（包括生产、使用和处置）中都会产生环境影响。对数字农业的生命周期评估表明，数字化通常通过提高效率和用电替代化石燃料来减少环境影响。然而，这些技术也可能产生不利的环境影响，主要是在矿物资源开采造成的损害方面，特别是高科技UAVs和机器人的生产。例如，这些技术及其相关基础设施的生产可能导致采矿区域扩张，对生物多样性构成新威胁。然而，大多数新型生产技术主要是为了提高农业生产力而购买的，而不是为了参与AES，这意味着只有一小部分环境影响可归因于AES。尽管如此，这些考虑强调了在评估这些技术对AES设计和实施的利弊时，全面考虑潜在的环境和生物多样性影响的重要性。
7. 结论与前进之路
本综述及专题文章强调技术是改进AES的重要推动者。虽然技术本身并非解决方案，但它具有变革潜力，能使当前的AES更有效、更具成本效益，并能探索新的设计方案。我们认为，具体机会在于为结果导向型计划选择更有意义的生态指标，改进生物多样性保护措施的时空针对性，以及发展状态依赖型AES。
然而，许多技术仍然成本过高且不确定性太大，限制了它们在AES中的直接应用，需要进一步的技术和方法改进。重要的是，数字技术在保护中的有效使用不仅取决于其技术能力，还取决于农民使用它们的意愿。因此，必须理解农民对数字工具的观点、关切和保留意见，让他们参与共同开发过程以相互学习，并在需要时提供量身定制的培训。
鉴于数字技术和AI在农业生产和管理中的作用日益增长，在思考AES和农业生物多样性保护的未来发展时，不能忽视它们。作为前进之路，我们建议与科学家、农民和其他利益相关方共同开展试点项目，以测试并进一步发展本综述和专题文章中提出的构想。从长远来看，在AES背景下收集的农业生物多样性数据，不仅应用于启动支付，还应用于增进对生物多样性与农业管理之间相互作用的理解，从而为未来的农业生物多样性保护策略提供信息并加以改进。
