AI和LLMs在生物多样性保护研究和实践中的应用与挑战

doi:10.17520/biods.2025179

生物多样性

AI和LLMs在生物多样性保护研究和实践中的应用与挑战

周宣宏, 杨军^*

清华大学地球系统科学系，东亚迁徙鸟类与栖息地生态学教育部野外科学观测研究站，清华大学全球变化研究院

收稿日期:2025-05-15 修回日期:2025-07-26
通讯作者: 杨军

Applications and Challenges of AI and LLMs in Biodiversity Conservation Research and Practices

Xuanhong Zhou, Jun Yang^*

, Department of Earth System Science, Institute for Global Change Studies, Ministry of Education Ecological Field Station for East Asian Migratory Birds, Tsinghua University 100084, China

Received:2025-05-15 Revised:2025-07-26
Contact: Jun Yang

摘要/Abstract

摘要： 生物多样性保护对于维护生态安全和支撑人类社会的可持续发展具有重要意义。然而生态系统内错综复杂的相互作用关系和人为活动、气候变化等外部因子的复合影响给生物多样性保护的研究和实践工作带来挑战。人工智能(Artificial Intelligence, AI)和大语言模型(Large Language Models，LLMs) 的兴起为生物多样性保护研究和实践中的生物多样性知识发现、生态系统建模、监测与评估、保护决策以及保护行动等方面提供了新的工具。本文总结了AI和LLMs在上述方向的应用进展，分析了当前在生物多样性保护研究和实践中应用AI和LLMs时所面临的数据质量问题、模型响应速度、生态系统异质性及伦理和数据安全等挑战，并提出未来应聚焦于构建高质量的生物多样性多模态数据集，以及开发适合于生物多样性保护的领域大模型等优先研究方向。文章可为AI和LLMs驱动的生物多样性保护研究和实践提供一定参考。

关键词: 人工智能, 大语言模型, 生物多样性保护, 知识发现, 保护决策

Abstract

Background & Aims: Biodiversity conservation is essential for ecological security and sustainable human development. Nevertheless, the intricate interactions within ecosystems and the impact of external influences like human actions and climate change create substantial hurdles for conservation efforts. The advent of Artificial Intelligence (AI) and Large Language Models (LLMs) offers new opportunities in this field. This study aims to review how these technologies are being used.

Methods: We discussed recent progress in using AI and LLMs for biodiversity conservation research and practice. Our focus was on AI and LLMs in knowledge synthesis and discovery, ecosystem modeling, assessment and monitoring, decision-making, and fieldwork.

Results & Conclusion: There is great potential for AI and LLMs in biodiversity conservation research and practices. Despite the promise, challenges such as data quality, model response times, ecosystem heterogeneity, ethical considerations, and data security remain. Future research should focus on developing specialized AI models and building high-quality, multimodal biodiversity datasets to effectively address these challenges.

Key words: Artificial Intelligence, Large Language Models, Biodiversity Conservation, Knowledge Discovery, Conservation Decision-making

周宣宏, 杨军. AI和LLMs在生物多样性保护研究和实践中的应用与挑战. 生物多样性, DOI: 10.17520/biods.2025179.

Xuanhong Zhou, Jun Yang. Applications and Challenges of AI and LLMs in Biodiversity Conservation Research and Practices. Biodiversity Science, DOI: 10.17520/biods.2025179.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.biodiversity-science.net/CN/10.17520/biods.2025179

[1]	祝晓雨, 王晨灏, 王忠君, 张玉钧. 城市绿地生物多样性研究进展与展望[J]. 生物多样性, 2025, 33(5): 25027-.
[2]	王欣, 鲍风宇. 基于鸟类多样性提升的南滇池国家湿地公园生态修复效果[J]. 生物多样性, 2025, 33(5): 24531-.
[3]	明玥, 郝培尧, 谭铃千, 郑曦. 基于城市绿色高质量发展理念的中国城市生物多样性保护与提升[J]. 生物多样性, 2025, 33(5): 24524-.
[4]	谢淦, 宣晶, 付其迪, 魏泽, 薛凯, 雒海瑞, 高吉喜, 李敏. 草地植物多样性无人机调查的物种智能识别模型构建[J]. 生物多样性, 2025, 33(4): 24236-.
[5]	卢晓强, 董姗姗, 马月, 徐徐, 邱凤, 臧明月, 万雅琼, 李孪鑫, 于赐刚, 刘燕. 前沿技术在生物多样性研究中的应用现状、挑战与展望[J]. 生物多样性, 2025, 33(4): 24440-.
[6]	赵维洋, 王伟, 马冰然. 其他有效的区域保护措施(OECMs)研究进展与展望[J]. 生物多样性, 2025, 33(3): 24525-.
[7]	武慧, 俞乐, 杜贞容, 赵强, 戚文超, 曹越, 王金洲, 申小莉, 孙尧, 马克平. 基于遥感监测的《昆蒙框架》执行进展快速评估: 路径与展望[J]. 生物多样性, 2025, 33(3): 24526-.
[8]	周志华, 金效华, 罗颖, 李迪强, 岳建兵, 刘芳, 何拓, 李希, 董晖, 罗鹏. 中国林草部门落实《昆明-蒙特利尔全球生物多样性框架》的机制、成效分析及建议[J]. 生物多样性, 2025, 33(3): 24487-.
[9]	刘立, 臧明月, 马月, 万雅琼, 胡飞龙, 卢晓强, 刘燕. 央地协同推动国家生物多样性战略和行动计划执行的措施、进展与展望[J]. 生物多样性, 2025, 33(3): 24532-.
[10]	宋阳, 柳军, 何少林, 徐薇, 程琛, 刘博, 余绩庆. 我国能源企业生物多样性保护主流化管理路径[J]. 生物多样性, 2025, 33(1): 24345-.
[11]	谷际岐, 陈建平, 赖江山. 大语言模型在生物多样性研究中的应用[J]. 生物多样性, 2024, 32(9): 24258-.
[12]	苏荣菲, 陈睿山, 俞霖琳, 吴婧彬, 康燕. 基于红外相机调查的上海市长宁区社区生境花园生物多样性[J]. 生物多样性, 2024, 32(8): 24068-.
[13]	蔡颖莉, 朱洪革, 李家欣. 中国生物多样性保护政策演进、主要措施与发展趋势[J]. 生物多样性, 2024, 32(5): 23386-.
[14]	鄢德奎. 中国生物多样性保护政策的共同要素、不足和优化建议[J]. 生物多样性, 2024, 32(5): 23293-.
[15]	刘荆州, 钱易鑫, 张燕雪丹, 崔凤. 基于潜在迪利克雷分布(LDA)模型的旗舰物种范式研究进展与启示[J]. 生物多样性, 2024, 32(4): 23439-.