《生態信息學原理與方法》是華東師範大學提供的慕課課程，授課老師是劉敏。
基本介紹
- 中文名：生態信息學原理與方法
- 提供院校：華東師範大學
- 類別：慕課
- 授課老師：劉敏
課程大綱,參考教材,
課程大綱
01
【第一講】走進生態信息學
了解生態信息學的前生今世，帶領大家揭開生態信息學中的What,When,How。
課時
1.1 什麼是生態信息學
1.2 生態信息學的發展簡史
1.3 生態信息學的研究領域
1.4 生態信息學的實際套用案例
02
【第二講】生態數據的特徵與管理
介紹生態信息學中最基礎也是最核心的高頻辭彙——生態數據。認識關於數據的數據——元數據。
課時
2.1 生態數據與生態信息
2.2 生態數據獲取手段和技術
2.3 生態數據的分類
2.4 生態數據的特徵與尺度效應
2.5 生態元數據
2.6 數據生命周期與質量控制
2.7 生態大數據與發展趨勢
03
【第三講】生態數據的線上獲取(滿滿的乾貨)
一大波免費的生態數據即將襲來。
課時
3.1 國內生態相關數據的獲取網站及資源
3.2 國內外生態出版數據的獲取
3.3 全球通量網介紹及數據獲取
3.4 氣象再分析數據ECMWF的獲取
3.5 MODIS衛星遙感數據的下載和處理
3.6 開放道路網數據的獲取
04
【第四講】生態數據的時空序列分析
面對長時間序列和大量的生態學空間數據，我們該怎么辦？
課時
4.1 生態數據時空序列之概述
4.2 生態數據的時間序列分析內容與方法
4.3 生態數據時間序列分析之Mann-kendall案例分析
4.4 生態數據空間分析分析的內容與方法
4.5 生態數據空間分析之上海城市大氣黑碳的空間模擬
05
【第五講】生態模型模擬與評價（上）
共同學習與鑑賞模型同相關、回歸、擬合的交織樂章。
課時
5.1 模型與生態模型的基本概念
5.2 生態模型的發展歷程
5.3 生態模型模擬初識
5.4 生態模型的分類與功能
5.5 生態系統模型的組成
5.6 生態系統模型建模過程
06
【第五講】生態模型模擬與評價（下）
共同學習與鑑賞模型同相關、回歸、擬合的交織樂章。
課時
5.7 相關關係概述
5.8 線性相關關係的測定與解讀
5.9 相關分析與回歸分析
5.10 回歸模型的擬合
5.11 模型數據融合與數據同化
5.12 不確定性分析
07
【第六講】現代信息技術在生態學研究中的套用
領略生態學研究中“高大上“的現代信息技術。
課時
6.1 “3S”技術及其在生態學中的套用
——6.1.1 遙感技術（RS）
——6.1.2 地理信息系統(GIS)
——6.1.3 全球定位觀測系統(GPS)
6.2 無人機技術及其在生態學中的套用
6.3 Meta分析及其在生態學中的套用
6.4 機器學習及其在生態學中的套用
08
【第七講】生態信息學發展的機遇與挑戰
多方位來看生態信息學未來的無限可能。
課時
7.1 生態學研究的文獻檢索方法與手段
7.2 生態學相關期刊的影響力評價
7.3 如何了解生態信息學的進展——文獻計量學
7.4 生態學前沿文獻導讀
——7.4.1 過去四十年生態學研究主題的轉變
——7.4.2 大數據與生態學的未來
——7.4.3 宏生態學：理解大陸尺度上的生態模式和過程
——7.4.4 生態監測邁向物聯網
——7.4.5 疊代式生態短期預測的需求、前景與挑戰
——7.4.6 心理認知科學與全球氣候變化數據可視化
參考教材
1. Recknagel., R., & W.K., M. (2018). Ecological informatics Data management and knowledge discovery. Springer（生態信息學英文原著第二版，重點學習）
2. Recknagel, F. (2006). Ecological informatics: Scope, Techniques and Applications. Springer, New York（生態信息學英文原著第一版）
3. Jørgensen, S.E., Chon, T.S., & Recknagel, F. (2009). Handbook of ecological modelling and informatics. Wit Press（生態學模型模擬英文原著，建議學習）
4. 《Ecological Informatics》雜誌發表的系列文獻
5. Reichstein, M., Camps-Valls, G., Stevens, B., Jung, M., Denzler, J., Carvalhais, N., & Prabhat (2019). Deep learning and process understanding for data-driven Earth system science. Nature, 566, 195-204
6. McCallen, E., Knott, J., Nunez-Mir, G., Taylor, B., Jo, I., & Fei, S.L. (2019). Trends in ecology: shifts in ecological research themes over the past four decades. Frontiers in Ecology and the Environment, 17, 109-116
7. White, E.P., Yenni, G.M., Taylor, S.D., Christensen, E.M., Bledsoe, E.K., Simonis, J.L., & Ernest, S.K.M. (2019). Developing an automated iterative near-term forecasting system for an ecological study. Methods in Ecology and Evolution, 10, 332-344
8. Farley, S.S., Dawson, A., Goring, S.J., & Williams, J.W. (2018). Situating Ecology as a Big-Data Science: Current Advances, Challenges, and Solutions. Bioscience, 68, 563-576
9. Michener, W.K., & Jones, M.B. (2012). Ecoinformatics: supporting ecology as a data-intensive science. Trends in Ecology & Evolution, 27, 85-93
10.於貴瑞，牛棟，何洪林 (2003). 生態系統管理、生態信息科學與數據資源管理. 資源科學, 25, 48-53
11. 周才平, 何洪林, & 於貴瑞 (2002). 生態信息科學的理論框架初探. 資源 科學, 24, 77-81
12. 王讓會等著（2011）.《生態信息科學研究導論》，科學出版社.
13. 於貴瑞, 何洪林, & 周玉科 (2018). 大數據背景下的生態系統觀測與研究. 中國科學院院刊, 32, 832-837
