當生態學家尼古拉斯穆雷開始挖掘他的博士項目的遙感數據時，他不知道他的任務會是多么艱難。穆雷想知道為什么通過亞洲遷徙的水鳥數量下降。由于鳥類停在難以進入的地方，如朝鮮和中國，他轉而使用衛星數據來評估它們的棲息地。

當Murray在2010年開始這個項目時，他猜測這需要幾個月的時間，但最終需要花費大約一年的時間。 Murray首先必須下載大約5,500個公開可用的美國政府衛星圖像的元數據，以確定在與中國和朝鮮半島接壤的黃海沿岸低潮期間采取的潮汐濕地。然后，他編寫了自定義軟件代碼，將土地覆蓋分類為最終的80幅圖像。一種區分水與陸地的算法已經存在，但他需要對每幅圖像進行手動調整。默里發現，超過四分之一的濕地面積在20世紀80年代和2000年代之間消失。但分析并不容易，“在整個過程中，我想，'這太難了，難以置信'，”現在澳大利亞肯辛頓新南威爾士大學的穆雷回憶道。

今天，Murray的任務會簡單得多。已經開發了許多工具來訪問和分析遙感數據，使生態學家能夠更輕松地解決大規模的保護問題。政府機構，開源開發商和商業公司正在提供從點到點接口到命令行驅動軟件的所有內容。 “我認為我們正處于最佳時機，”Murray在分析衛星數據進行生態學研究時說道。 “它變得非常容易。”

“遙感”包含了一套觀察某些東西而不接觸它的技術。該術語通常指通過測量在各種波長反射或發射的能量從空間或機載平臺收集有關地球的數據。例如，研究人員可以利用這些數據推斷毀林程度。美國國家航空航天局生物多樣性研究項目合同高級支持科學家艾莉森萊德納說：“我們看到衛星數據使用的真正激增。”

由美國國家航空航天局和美國地質調查局（USGS）收集的Landsat數據可追溯到20世紀70年代，可以在幾十年內研究行星變化。美國宇航局在1999年和2002年發射的中分辨率成像光譜儀（MODIS）儀器測量反射的太陽輻射和發射的輻射，數據自動轉換為植物綠色等生態學家友好參數。自2014年以來，監測陸地，海洋和大氣的歐洲哨兵衛星一直在提供數據。

用戶可以在美國國家航空航天局的Earthdata Search，美國地質勘探局的EarthExplorer和歐洲空間局的哥白尼開放接入中心等在線門戶瀏覽免費的政府數據集。地球數據通常被劃分為“場景”或“瓦片”部分 - 從該區域反射的不同波長的能量快照。但為了獲得更高的空間和時間分辨率，研究人員可能需要考慮商業選擇。

例如，加利福尼亞州舊金山的Planet運營的Dove衛星以3.7米的分辨率收集全球數據 - 足夠清晰，足以區分單個大型樹木 - 大約每天一次。相比之下，哨兵-2衛星是具有自由和開放數據的最高分辨率政府衛星，具有10米像素，并且每5天對每個點進行采樣。通過該公司的教育和研究計劃，大學研究人員每月可申請免費獲得10,000平方公里Planet的衛星數據。同樣，學術環境研究人員可以通過非盈利組織DigitalGlobe Foundation申請免費獲取科羅拉多州威斯敏斯特DigitalGlobe運營的亞米級分辨率衛星的數據。

用戶友好的訪問

然而，數據集可能很笨重。密歇根州立大學東蘭辛分校的生態地理學家Kyla Dahlin指出，一個Landsat場景所收集的30年數據可能超過1.5TB，“這個地區比密歇根州小”。用于遙感數據的可視化軟件可能無法與某些文件格式兼容，盡管這些文件可以轉換為更易于使用的格式，但這一步驟增加了另一個障礙，生態預測應用程序的副項目經理Cindy Schmidt說。美國宇航局埃姆斯研究中心在加利福尼亞州莫菲特球場。她說，沒有經驗的用戶“有時只是想扔掉毛巾”。 “他們沒有時間處理那種東西。”

然而，免費和商業資源是可用的。 2017年，Murray的團隊發布了一款名為Remap的免費在線工具，該工具使用戶能夠從遙感數據中生成地圖。用戶通過上傳地理參考數據或根據現場工作或他們的知識識別像素，對軟件進行培訓以對森林或濕地等土地覆蓋類型進行分類。然后，Remap使用機器學習對剩余像素進行分類。 Murray說，截至2018年3月，來自100多個國家的約4,300人使用了Remap。另一個名為“全球森林觀察”的在線工具創建了森林砍伐模式的地圖。

達林建議使用在線工具AppEEARS（提取和探索分析就緒樣品的應用程序），它允許用戶獲取特定于其研究地點的數據，而不是整個瓷磚或場景。 “想象一下，檔案就是這個數據大湖，”南達科他州蘇福爾斯的美國國家航空航天局陸地過程分布式活動檔案中心（DAAC）的項目科學家Tom Maiersperger解釋說，他領導了該工具的開發。 “我們允許人們用注射器進來，吸取他們想要的小樣本。”用戶可以提供地理坐標，時間跨度和感興趣的變量 - 例如樹木覆蓋物 - 并且軟件將數據作為逗號分隔值（CSV）文件。

同樣，田納西州的美國橡樹嶺國家實驗室DAAC也提供了一些工具，例如以電子表格和圖表形式為研究地點提供時間序列的綠色，或者處理后的數據，如推斷的森林干擾。然后生態學家可以分析植被和其他變量如動物種群之間的聯系。例如，一個研究小組研究了印度海岸外的安達曼群島，發現在大象和發現鹿的地區植被退化較快。

對于想要編寫自己的分析軟件的生態學家來說，避免下載衛星數據的麻煩，Google Earth Engine是一種流行的選擇。 Google已經將衛星數據集下載到了它的服務器上，研究人員可以通過Google的JavaScript和Python編程界面免費在云中訪問它們。這項服務使研究人員能夠比他們在本地計算機上進行大規模分析的速度快得多。

例如，Murray利用該處理能力隨著時間的推移映射全球潮間帶。由于它使用了超過700,000幅衛星圖像，因此分析將花費數年時間在一臺計算機上 - 但在Google Earth Engine上花費不到一周的時間。 Murray說，這個工具“改變了我可以問的各種遙感問題”。

谷歌表示，用戶不必擔心它會聲稱對其知識產權（IP）擁有所有權，例如代碼和科學結果。 “我們的服務條款清楚地表明，您的知識產權就是您的知識產權，我們不會聲稱，”位于瑞士蘇黎世的谷歌工程師Noel Gorelick說，他共同開發了Google Earth Engine。盡管如此，德國維爾茨堡大學的遙感研究人員Martin Wegmann更喜歡下載衛星數據并在本地運行他的代碼。他說，由于他的分析規模較小或分辨率較差，因此性能不成問題。

其他云計算選項包括由英國哈威爾科學和技術設施委員會運行的環境數據分析中心;哥白尼數據和信息訪問服務由歐盟委員會資助，預定于6月份上線;和DigitalGlobe的GBDX平臺。

開源選項

無論他們選擇哪種平臺，研究人員通常都會編寫自定義代碼來驅動數據分析，通常采用編程語言R. Wegmann和他的同事正在開發名為getSpatialData的R軟件包，該軟件包允許用戶在不使用瀏覽器界面的情況下下載衛星數據。他的團隊還開發了RStoolbox軟件包，其中包括用于計算植被度量的不同算法，以便用戶不必單獨計算特定公式。

研究人員還可以使用商業桌面分析和可視化軟件包，例如佛羅里達州墨爾本哈里斯的ENVI;來自阿拉巴馬州麥迪遜的海克斯康地球空間公司的ERDAS IMAGINE;來自加利福尼亞雷德蘭茲的Esri的ArcGIS，以及免費的開源替代品，如QGIS。

由于使用這些工具可能涉及陡峭的學習曲線，奧地利維也納理工學院地理信息科學家Anita Graser和QGIS項目指導委員會成員，建議初學者參加在線課程。美國宇航局的應用遙感培訓計劃提供網絡研討會，該機構在生態和保護會議上舉辦講習班。

這種可能性很誘人，但研究人員必須記住要保持接地。 “如果你想看看蝴蝶多長時間一次參觀花蜜植物，你就不會在衛星上選擇它，”萊德納說。但對于較大規模的問題，“這是一個令人難以置信的強大工具”。