摘要：利用远程传感器的大规模监测网络已经整合了大数据，以评估全球范围内的保护工作。尽管预计干旱生态系统将会扩张，重新野化和栖息地恢复等管理活动也在增加，但使用数据流和现代分析方法来规划保护干预措施并量化其效果仍然有限。我们建议建立一个全球性的干旱地区从业者网络，以弥补关键数据缺口，并提供了两个实际案例。在沙特阿拉伯王国进行的初步研究表明，如何协调使用多种远程传感器和标准化的数据流程可以提高互操作性，并促进更准确的生态模型的应用。同样，澳大利亚野生动物观察站也展示了强大的元数据和共享的分析框架如何利用分层占用模型有效地整合多样化的数据集。建立该网络的关键步骤包括组建指导委员会、召集来自不同背景的利益相关者、在不同地区开展试点项目、就协议达成一致以及探索种子资金机会。
引言：全球范围内“大数据”的普及和相关传感器网络的发展，使得大规模监测网络能够作为生态系统变化或退化的早期预警系统。这些网络利用包括相机陷阱、被动声学监测器（PAM）、GPS遥测、无人飞行器（UAV）和卫星监测在内的远程感测技术，使科学家能够评估从气候变化到当地人类活动等一系列对野生动物的影响。现有的监测网络主要集中在追踪物种出现情况，有时会将这些模式与土地覆盖等变化驱动因素联系起来（例如Snapshot计划、欧洲野生动物观察站、澳大利亚野生动物观察站），或者在生物多样性高发的地区（如热带雨林）。现有网络通常只采用一种监测方法，最常见的是相机陷阱，尤其是在植被茂密的生物群落中，因为直接观察和现场迹象（如足迹和粪便）不太适用。随着技术的快速进步，现在有了巨大的机会来建立系统和协议，以大规模整合多种传感器数据流。通过结合多种数据流（如相机陷阱数据和卫星图像），研究人员可以在不同的空间和时间尺度上回答问题。例如，卫星数据已被用来提供关于植物物候或景观破碎化的信息，为解释相机陷阱所观察到的野生动物模式提供环境背景。这种整合使预测模型能够在超出单个地点和景观的范围内运行。这种整合和标准化将提供必要的信息，帮助优化景观级别的保护实践和适应性管理干预措施。
人们对干旱生态系统（以下简称“干旱地区”）对于生态系统服务、人类生计和生物多样性保护的重要性越来越认识。栖息地恢复和重新野化计划在干旱地区越来越普遍。目前，尽管在遥感和野生动物监测方面取得了全球性进展，但在干旱地区开展量化野生动物种群动态及其与环境及人为变量关系的监测项目仍然相对较少。为了解决当前的干旱地区监测缺口，我们提议建立一个类似热带生态评估与监测（TEAM）网络这样的科学家和从业者合作网络，以增强对全球干旱地区保护的理解并推动其发展。扩大现有网络可能效果不佳，因为这些平台的采用率有限，原因可能包括技术基础设施不足、保密协议施加的数据限制以及一般的合作意愿不足。此外，干旱地区的从业者经常依赖多种数据来源来处理物种密度低和野生动物分布广泛的问题，而现有框架并不适用于这种情况。最后，干旱地区系统研究的相对匮乏意味着一个专门的、以社区为导向的网络将更能满足当地的监测需求，并促进更广泛的参与。
干旱生态系统被定义为干旱指数小于0.65的区域，占地球陆地表面的约42%。最坏情况下的气候模型预测，到2100年，世界上一半的土地可能会变成干旱地区，目前有50亿人居住在这些地区。当前的研究表明，干旱地区在全球生物多样性中扮演的角色比之前认识到的更为重要。例如，Gross等人提供了实证和机制证据，支持“干旱地区功能悖论”，即尽管受到强烈环境过滤，植物的表型多样性仍表现出出人意料的广泛形式和功能。这一发现强调了干旱地区在维持全球生物多样性方面的重要性，即使在恶劣条件下也是如此。然而，由于生物多样性项目长期资金不足，干旱地区历来在保护方面受到的关注有限。因此，应对生物多样性丧失和促进社区驱动的保护的地方能力和资源仍然十分稀缺。在干旱地区，人为压力是生物多样性持续存在的最大威胁之一，包括农业和基础设施扩展、过度放牧、木材和植物的过度开发、直接狩猎以及人兽冲突。由全球变暖驱动的更频繁和极端的天气模式与人为压力相互作用，进一步加剧了物种减少和生态系统退化。关于干旱地区野生动物群落和生态系统功能的基线信息非常匮乏。干旱地区的野生动物通常密度很低，这使得长期监测具有挑战性，并且由于数据不足而使统计推断变得复杂。此外，由于资源和分布的不稳定性，它们的活动高度不可预测，给采样、区域覆盖以及将个体行为与种群水平模式联系起来带来了重大挑战。在较简单的食物网中，即使是一个物种的丧失或引入也可能对生态系统产生深远且不可预测的影响。当捕食者影响食物网中不同层次的物种多样性和/或数量时，就会发生营养级联效应，这可能直接或间接发生。营养级联效应的强度和范围取决于多种因素，包括自下而上与自上而下的限制以及物种间相互作用的性质。
生态理论预测，在干旱地区更容易发生级联效应，因为它们通常是资源有限且分布零散的自下而上的系统。虽然干旱地区可以为物种特有性和独特的适应性提供条件，从而在恶劣环境中生存，但自下而上的系统也会减少物种多样性并增加营养级别内的相互作用强度。进一步研究干旱地区系统中物种丧失和重新引入对生态系统结构和功能的广泛影响对于预测这些系统将如何变化至关重要。特别是对于从业者来说，他们可以通过利用营养级联效应来重新引入物种或操纵整个群落，以随时间将生态系统恢复到之前的基准状态。
全球网络如何提供帮助？其他成功的生态监测网络强调了创建知识和信息共享社区的重要性。建立一个全球性的干旱地区从业者网络将有助于缓解一些可能阻碍管理者和科学家采用自动化传感器的因素。根据主要生物多样性数据存储库中的数据集贡献情况来看，干旱地区系统在这些存储库中的代表性明显不足，尤其是在欧洲和北美以外的地区（图1）。尽管超干旱和干旱系统分别覆盖了地球表面的约7%和11%，但它们在每个存储库中记录的数据占比不到3%。为了增加传感器阵列的使用，这样的网络需要为各种利益相关者（包括野生动物管理者、政府和非政府组织以及学术界）提供标准化协议、多语言支持、分析工作流程和教程（表1）。我们提出了一种将数据收集过程分为“传感器”的方法，以实现动物追踪和栖息地绘图。我们还将“直接观察方法”纳入其中，例如技术辅助的护林员巡逻（如Earth Ranger、Spatial Monitoring And Reporting Tool (SMART)）或传统的样带和样方调查。
图1：该图像的替代文本可能是用AI生成的。红点代表来自Wildlife Insights的相机陷阱数据，蓝点代表来自Worldwide Soundscape的被动声学监测（PAM）数据，绿点代表来自Movebank的动物追踪（GPS）数据。地图突出显示了数据覆盖的空间缺口，特别是在美国和欧洲以外的干旱地区系统。地图下方的甜甜圈图显示了每个陆地生物群落中监测位置的比例，强调了干旱地区（尤其是超干旱和干旱地区）的代表性不足。干旱地区栖息地数据来自：UNEP-WCMC（干旱地区栖息地数据集）。
表1：建议的最小推荐间距、采样点以及适合干旱地区系统的基于传感器和直接观察方法的时间长度，以便进行关键分析，并可以使用这些方法和工具对数据进行预处理和分析。
为了确保全球覆盖和参与，应从一开始就邀请代表跨界倡议的组织参与，如国际自然保护联盟（IUCN）生态系统管理委员会干旱地区生态系统专家小组、中国干旱地区倡议和撒哈拉保护组织，以及干旱地区国家的研究团队。初始咨询阶段对于确定提议网络的关键组成部分至关重要，包括方法论的标准化、用于监测的指标集以及额外活动的规划，例如面对面的培训研讨会（表2）。
所选的指标和分析方法可能倾向于分层建模方法，这种方法允许根据不同因素对检测到野生动物的概率的影响来调整部署策略。分层模型特别有利，因为它们将生态状态过程（例如数量或占用率）与观察过程（检测）分开，从而允许不确定性在分析中传递并减少种群估计的偏差。这对于由相机陷阱和PAM等设备生成的大型数据集尤为重要，因为不完美的检测会导致即使存在动物也会漏检。分层模型还可以解释可检测性和生态状态过程中的空间异质性，这在任何大规模监测网络中都是自然发生的。对于选定的监测指标（如动物密度或占用率），网络应提供示例分析脚本，并清楚地说明不同指标的优势和局限性。考虑到检测概率有助于使部署策略灵活，并随着实践和科学思想的变化而演变，从而适应从业者的独特需求。当地生态知识已被证明可以增强长期监测计划，应尽可能从一开始就鼓励成员采用。
在许多干旱国家，一些社会经济条件（如缺乏政治意愿、过度依赖外部资金来源、获取先进方法的能力有限、分析小样本量的挑战等）可能会阻碍当地从业者采用现代野生动物监测方法。这些因素反过来又限制了当地使用现代方法的能力，例如使用AI进行数据预处理或分层建模以进行稳健推断。这些挑战可能会导致生成的信息未被利用，因为处理时间过长或使用了不适当的指标来推断数量。合作网络可以通过提供符合其元数据规范的分析脚本和教程来解决这个问题，这些资源可以涵盖从数据操作到分析和报告可视化等主题。鼓励包括国际和地方大学及政府机构在内的多种组织的包容性网络，可以促进国内和国际上的合作与伙伴关系。因此，这可以促进现代方法的采用，增强当地能力，并向其他利益相关者展示使用现代技术的好处，可能有助于缓解各种社会经济障碍。
科学界在全球和大陆层面上的发展，以及由标准化远程传感器网络生成的科学研究论文表明，像干旱地区合作网络这样的倡议是可实现的。建立一种网络，通过大规模监测来弥合保护活动与其结果之间的差距，为整合常被忽视的群体提供了机会，并采用创新方法，结合来自不同技术的数据流，最终实现更有效的长期成果。任何拟议的网络都需要从单个站点扩展到全球范围。一种策略是利用横向整合，每个数据提供者负责自己的采样工作，从而在调查设计上具有灵活性。然而，通过加入网络并遵守既定的最低标准，他们将能够获取共享知识、协作社区以及母语资源和工具，以最大化其数据和监测工作。从不同站点收集数据存在一些障碍，包括确保各种提供者生成的数据集具有互操作性。只有通过提供关于元数据模式的清晰指导，才能实现从本地站点到全球分析的过渡。在保密协议下进行的研究可能会限制数据的及时获取，并阻碍更广泛的知识共享。采用诸如“可发现（Findable）、可访问（Accessible）、可互操作（Interoperable）和可重用（Reusable, FAIR）”48等框架，或遵循像全球生物多样性信息设施（GBIF）49这样的全球成功倡议的方法，可以在禁令期结束后促进数据共享。例如，数据贡献者可以在同意的禁令期后，根据CC-BY等许可协议保留数据所有权，或在敏感阶段仅允许经过批准的网络成员访问数据，就像GBIF和Wildlife Insights这样的平台所采用的那样。最后，通过提供研讨会和培训活动，并邀请从业者参与最低监测标准的制定，可以确保所提供的内容符合社区需求，并具有实用性，从而增加广泛采用的可能性。通过促进广泛采用，网络更有可能吸引资金机构的参与，这可以缓解其成员进行长期监测的一些财务挑战，促进研讨会的发展，并确保网络的持久性。我们通过下面概述的两个案例研究，展示了网络如何在单个站点和整个国家层面发挥作用。
**案例研究1：本地规模——沙特阿拉伯NEOM**
NEOM自然保护区是沙特阿拉伯西北部新建立的保护区，面积达25,000平方公里50。作为王国2030愿景的一部分，多个较大的自然景观正在得到保护和恢复，成为整个地区生态系统恢复的来源。在这些区域内，管理措施包括重新绿化和恢复冲沟、减少人为干扰，以及重新引入生态功能性的食草动物和食肉动物群体。Bajdah野生动物保护区是NEOM自然保护区内最早建立的生态恢复站点之一。目前它是一个85平方公里的围护区，但计划将其扩展到最终的1086平方公里保护区。2022年，保护区管理部门促成了几种本地物种的迁移和重新引入，包括沙瞪羚（Gazella marica）、阿拉伯瞪羚（Gazella arabica）、阿拉伯牛羚（Oryx leucoryx）和努比亚北山羊（Capra nubiana）。
**监测方法**
在NEOM土地管理团队的配合下，包括本文的几位合著者，他们在Bajdah野生动物保护区实施了标准的相机陷阱、PAMs、无人机（UAVs）、GPS遥测和植被调查协议（图2）。我们使用Browning StrikeForce相机陷阱和Audiomoth PAMs在保护区内每隔两公里设置20个站点来监测野生动物（包括鸟类）并记录人为威胁。在释放之前，我们为三只牛羚、三只努比亚北山羊、三只阿拉伯瞪羚和四只沙瞪羚配备了GPS遥测项圈，使保护区管理者能够监测这些种群的部分情况，并快速评估它们在保护区内的分布和移动情况。我们使用JOUAV CW-15无人机沿从西向东的不同长度的40条样带进行飞行，对有蹄类动物进行计数，并测量保护区内的植被结构。我们在每个监测站点根据牧场条件评分51进行了植被调查。我们将监测站点周围的栖息地分为四类，基于植被群落组成、结构以及野生动物和干扰的证据。我们还从Bajdah野生动物保护区的办公室的远程气象站下载了每日天气数据。
**数据处理和拟议分析**
我们设计并实施了监测站点、样带调查和定期巡护，以生成与保护区管理者目标直接相关的各种指标。根据试点研究协议，我们预计如果所有设备都满负荷运行，每月最多可以收集5.12 TB的声学数据、600,000张相机陷阱图像（1.36 TB）和40条样带数据（114 GB）。我们创建了试点研究来测试结合多种数据流的工作流程，同时在一个站点规模上开发了初步的代码和建模方法。我们遵循图3所示的工作流程。我们使用AI预处理相机陷阱、无人机图像和声学文件，确保仅由人类观察者检查包含物体的文件。我们从相机陷阱和无人机图像中识别物种，通过数字化相机陷阱图像来确定动物相对于相机的位置52。声学数据需要物种识别，但不能用于距离采样。
**图3：Bajdah野生动物保护区试点研究期间的数据周期图。**
监测设备，包括相机陷阱、PAMs、UAVs和卫星项圈，被部署在现场。图像和声学文件随后通过AI过滤器（BirdNET、Megadetector或其他基于对象的图像分析（OBIA）进行处理，然后由人类专家验证。经过验证的图像和声音文件被转换为伦敦动物学会相机陷阱分析包（Zoological Society of London Camera Trap Analysis Package）、ClickPoints、R Studio和Ravenpro中的标准化Excel格式，然后合并到整体数据库中。然后在R Studio中使用相关包分析数据集（表1）。数据集被绘制到适当的可视化图表上，并准备表格总结关键统计数据以供导出、报告和发表。
Bajdah试点研究提供了一个独特的机会来衡量各种遥感工具的有效性，因为半自然系统中较大哺乳动物的数量是已知的。因此，我们能够评估不同的方法，并利用数据进行的模拟，为潜在的可扩展和可靠的监测协议提供建议。图4总结了每种传感器类型如何通常有助于干旱地区的特定保护或监测目标。我们希望从Bajdah的试点研究中产生以下结果，其中使用的数据集用于实现每个结果：
1. 评估Bajdah野生动物保护区20个监测站点的植被状况评分（植被调查）。
2. 人为空威胁的热图插值，突出显示它们的强度和在保护区内的分布（相机陷阱、PAM和UAV）。
3. 占用模型将用于识别最能准确描述Bajdah野生动物保护区关键物种分布的生物和非生物因素（相机陷阱和PAM）。
4. 所有重新引入的有蹄类动物的密度估计，包括每种方法的精确度和所需的工作量。这些将与社会释放的动物数量进行比较，以确定大规模监测的最合适方法或方法组合（例如，相机陷阱、UAVs和巡护员）。
5. 哺乳动物和鸟类的物种积累曲线，帮助了解检测到了多少物种，以及我们是否需要更多调查工作来获得更完整的物种列表（相机陷阱和PAM）。
6. 重新引入物种的行为分析，包括昼夜活动模式、活动范围和在保护区内的分布（相机陷阱、UAV和GPS遥测）。
**案例研究2：大规模网络和持久性——澳大利亚野生动物观测站（WildObs）**
建立大规模协作网络的一些障碍包括吸引资金机构的长期投资以及鼓励不同群体（如学术界、非政府组织和政府组织）的协作。澳大利亚野生动物观测站（WildObs）成立于2023年，为所有类型的相机陷阱用户提供一个发展并共享工具、知识和数据的平台。它为用户提供基于云的图像存储和AI支持的物种识别、用于个人分析的标准电子表格（camtrapDP格式53）以及自动化报告，包括多站点、多季节的层次化检测校正的占用率和丰度分析54。
WildObs通过与澳大利亚研究数据 Commons（ARDC）55的共同设计流程获得资金，作为Planet计划的“基于机器的观测”倡议的一部分来开发共享基础设施。WildObs与澳大利亚的其他生物多样性数据组织（如Terrestrial Ecosystem Research Network (TERN)）合作，发布存在-缺失调查数据集，并为Threatened Species Index (TSX)和Atlas of Living Australia (ALA)做出贡献，发布用于训练物种分类器的精选标记图像集。WildObs的主要目标是作为澳大利亚政府用途的相机陷阱数据存储库，这对于跟踪受威胁物种至关重要。然而，WildObs的利益相关者和用户涵盖许多领域，这些群体有不同的目标，从管理（例如入侵物种的致命控制）到研究，再到支持有潜力销售生物多样性信用的环境市场。因此，WildObs的指导委员会拥有代表这些不同用例的多元化利益相关者。
**建立网络**
一个干旱地区网络可以模仿这种社区主导的方法，明确识别社区对项目的需求及其具体要求，从而从一开始就获得支持。为此，WildObs展示了对于任何网络发展都有用的实际概念。为了了解澳大利亚野生动物监测社区的需求，WildObs举办了一场“野生动物峰会”，吸引了来自各个学科和组织的30位领导人，如Bush Heritage和世界自然基金会（WWF）、多个级别的州政府（昆士兰技术、科学和创新部；昆士兰公园和野生动物服务）、联邦政府代表（DCCEW）以及几所大学7。野生动物峰会显示了对于共享基础设施、知识共享、数据共享和协作的需求。接下来，为了确定特定的相机使用和用户需求，他们进行了文献回顾并对150多名相机用户进行了问卷调查，结果显示，虽然小型针对性的相机陷阱调查在大陆上很普遍，但由于人力资源有限以及对更高效技术的了解不足（例如AI驱动的对象检测器（如MegaDetector）和用于图像中识别物种的计算机视觉分类器），多站点、多年研究的相关扩展很少。此外，很少使用检测校正的层次模型来处理部署方法中的细微差异（例如，带有协变量的占用模型），从而使得多个研究能够整合到一个监测框架中。在撰写本文时，WildObs已有超过100个来自澳大利亚各州的不同数据贡献者（图5）。为了确保数据集的互操作性，有一个严格的标准化流程，包括向提供者发送详细的元数据问卷。最终输出符合camtrapDP的元数据规范，使其适用于其他倡议并满足WildObs的要求53。
**图5：将所有WildObs提供者的相机位置按每个相机周围5公里的缓冲区分组并合并重叠区域。**
每个独特的景观用空心黑点表示，展示了WildObs网络中相机陷阱的空间分布。干旱地区栖息地数据来自：UNEP-WCMC109。
随着野生动物相机使用的增加，WildObs从一开始就考虑了扩展问题。这促使WildObs决定在联邦数字基础设施（Nectar Research Cloud）上建设和托管所有内容，以实现云存储和计算。对于跨越多个国家的干旱地区观测站，与Google、Microsoft或Amazon等全球提供商的合作可能是可行的替代方案，类似于Wildlife Insights平台。然而，这需要权衡任何潜在的数据共享协议和隐私问题。分析网络数据时，大多数网络都有来自不同生态位的用户贡献数据，这些用户可能研究不同的物种，有时还会使用不同的采样方法，澳大利亚的相机使用情况也是如此。分析这类复杂的数据集需要更加细致的数据准备和统计方法，以明确考虑这些变异因素。WildObs 在2019-2020年澳大利亚黑色夏季森林火灾后对动物群影响的评估中就体现了这一点，这场火灾是气候变化导致极端天气事件的典型案例。火灾烧毁了超过1000万公顷的土地，可能影响了30亿只动物。一个非政府组织联盟开展了“Eyes on Recovery”项目，通过部署1100台相机在9个地区的17项调查中收集数据，共生成了850万张图片。这个例子展示了分布式网络的工作方式，因为每项调查都是由当地合作伙伴领导的，他们采用不同的方式部署相机来研究不同的物种并解决相关管理问题。WildObs 标准化了17次数据收集中的13次，并使用 Google Earth Engine 的 Burnt Area Map 遥感层作为火灾严重程度及其他环境协变量的解释变量来分析数据。为了考虑不同相机部署策略对野生动物检测能力的影响，研究人员采用了分层占用模型，通过评估相机品牌、相机是否位于道路或小径上以及是否使用了诱饵等因素来优化模型预测结果。但在大空间和时间尺度上分析数据时，并未发现火灾对澳大利亚动物群的显著影响。这个例子说明了横向网络的操作方式：各个参与者负责实地工作、上传图片和元数据，并验证基于人工智能的物种识别结果。与此同时，WildObs 负责数据整理、标准化、分析和报告撰写。在项目进行时（2023年），代码库仍在开发中，WildObs 部分的完成时间需要10周，而如今同样的项目仅需2周。这表明 WildObs 的方法可以在与管理工作相关的时间内完成从数据到结论的整个过程。
结论：一个专注于干旱地区研究的合作网络可以提供关于生态系统变化的宝贵见解，评估重新野化等干预措施的有效性，并量化当前和新兴的干旱生物多样性威胁。该网络必须依靠实践者、专家和相关能力建设项目的共同努力。它需要开发适用于小型保护区及广阔干旱地区的多尺度方法框架，尤其是那些跨越多国的区域。从其他大规模项目中（如澳大利亚的 WildObs）可以学到宝贵的经验，了解如何有效构建多方参与的网络以确保足够的参与度和可扩展性。许多区域计划（如沙特愿景2030）都有类似于昆明-蒙特利尔全球生物多样性框架（KM-GBF）的“30 by 30”目标或联合国可持续发展目标（SDG）的目标。这样的网络可以帮助成员通过监测陆地生态系统的趋势、其中的物种及其栖息地的完整性来评估是否实现了SDG 15“陆地生命”等目标。有一些基金支持与全球生物多样性倡议的对齐工作。例如，全球生物多样性框架基金支持旨在实现KM-GBF目标的项目，强调国家层面的生物多样性治理，截至2025年6月已承诺提供3.86亿美元的资金支持。通过与全球生物多样性框架的对齐，干旱地区的实践者可以采用一种负责任且透明的方法，从而获得长期的资金支持，并促进可持续的资源利用和与当地社区的互动。
总体而言，任何潜在的网络都必须开发并改进必要的分析工具，以便充分利用数据，特别是在整合来自不同物种或干旱研究地点的信息以及采用多种数据收集方法时。干旱地区的实践者需要明确了解哪些数据对于特定问题是最可靠的，以及如何最好地结合不同类型的数据。要充分发挥数据的潜力（例如传感器数据），需要解决因地点、季节、研究时长和设计差异而产生的各种野外方法问题。为此，必须专注于探索、测试和开发分析工具。在半自然条件下（如巴杰达野生动物保护区这样的围栏区域）进行的试点研究将有助于评估和比较不同的方法和分析工具。然而，为了让这些方法具有可行性，它们必须能够在围栏区域之外应用，从而实现大规模的重新野化并实现实施者的目标。这最终将为如何将多样化数据与适当的统计框架对齐提供指导，从而能够准确地推断干旱地区的野生动物（即由多种物种组成的生态群落）、环境及其对大规模变化的响应。
目前，合作的主要障碍之一是元数据描述了研究设计，而不同系统之间的数据不可互操作。在建立网络之前，已经使用这些监测方法的干旱研究人员应努力采用严格且被广泛认可的元数据规范（如 camtrapDP）进行后续工作。对新技术或方法（如基于遥感图像的土地利用分类产品）的输出进行实地验证也能减少因等待这些步骤完成而造成的延迟，进而有利于全球网络的发展。网络的初步步骤可以包括任命一个指导委员会来设定明确的目标并向社区传达使命声明。委员会应识别关键利益相关者，了解社区的需求、历史上的合作障碍，以及哪些数据共享方法（如 WildObs）最受社区欢迎，并促进来自不同地区的多个数据流的试点研究。这将有助于了解随着参与度增加网络如何扩展。
打赏
