生态系统监测网络数智化管理平台（EON）
EON系统，是面向“生态系统监测网络”、“生态系统定位观测研究站”（生态站）的大数据、数智化管理平台。本平台目前管理着“北京园林绿化生态系统监测网络”所有站点和数据。 平台功能涵盖：站点管理、设备资产管理、设备实时健康管理、原始数据管理、样地数据管理与分析、数据质量控制、数据统计分析、碳水土气生态模型管理、生态产品计算与发布、月度监测报告自动生成、红外物候相片管理与自动识别。
5年+
稳定运行
17个+
管理的生态站点
100种+
兼容主流生态监测设备的自动接入
管理流程全覆盖
工作流程全覆盖
业务支持全覆盖
智能管理全覆盖
网络及站点管理
网络化站点统一管理、根据权限分级管理。
提供全面的站点管理功能，包括站点中英文介绍、生境信息、站点的实景图片、视频管理等。提供表格形式的站点列表、地图模式的站点分布及数据实时展示。
物联网设备管理
设备静态资产到动态健康状态全覆盖。
兼容各生态站点主流的各类生态监测设备的数据接入方式，例如.zip、.xml、HJ212协议、MQTT等。实现数据自动接入。
实时监控各物联网设备的健康状况，异常状态实时告警，确保设备的稳定运行。
在长期健康状态数据基础上，建立时间序列人工智能模型，对设备健康进行预测、预警。
原始数据管理
强大的数据管理功能，支持数据的结构化、非结构化、大数据等多种存储方式。
多类型数据自动汇交，数据信息统一入库。提供丰富的检索机制，实时图形化展示原始数据；按不同时间尺度、不同监测指标统计数据获得率，反馈支持设备运维。
根据逐年度观测数据，计算能量闭合度。
数据质量控制
提供多种质量控制方式。内嵌生态学领域广为使用的Reddyproc，Reddyproc逐阶段参数化、页面可视化操作。
在异常值检测和数据插补方面，提供目前更为成熟有效的、基于数据驱动的、面向时间序列数据的机器学习和深度学习模型，围绕这一研究领域，开发团队已发表多篇top论文。
数据产品和生态产品
针对原始数据，依据Reddyproc、统计模型、基于历史数据训练得到的机器学习和深度学习模型，进行质量控制，完成异常值去除和数据插补，形成最终可用的高质量数据产品，用于支持下一步的理论研究或实践应用。
基于数据产品，开发针对碳汇、蒸散发、土壤、负氧离子、森林空气质量等丰富的生态产品。
森林体验指数
“森林体验指数”（Forest Experience
Index，FEI）是基于‘北京园林绿化生态系统监测网络’长期连续实时监测数据开发的生态产品之一。在‘气象北京’等官方微信公众号上每天发布，得到主流媒体的广泛报道，在北京电视台晚间天气预报栏目定期播出。
目前，基于森林体验指数已成为北京市地方标准“森林体验指数评价技术规范” （DB11/T 2029-2022）。
样地数据管理
根据科学数据中心数据汇交的模版，自动生成待汇交的excel数据文件。针对样地、小班、实地调查数据提供管理、计算、分析、图形化展示等全流程操作。
数据统计分析
针对质控数据，提供丰富的检索条件，从站点、指标、时间尺度、统计量等多维度，进行统计分析和丰富的图形化的结果展示。
可定制统计量，并导出统计结果。
监测月报年报
系统内置月报、年报模版，针对常用的生态监测因子自动生成报告。提供丰富的表格、图形，概览生态监测网络或生态站的月度、年度的运行质量。监测月报有助于各种宣传、汇报场景。
影像数据管理
完善的红外或物候设备管理和影像数据的管理，提供列表、地图等多种模式。
实时查看部署在野外的红外相机的健康状态，自动管理红外相机感应拍摄的影像数据。红外相机的自动触发特性会产生大量的没有拍摄到动物的无效图片（废片），系统提供内建的深度学习模型，自动进行废片筛选和动物种类识别。
可视化大屏
可定制的可视化大屏、领导驾驶舱。
提供“生态站群/生态监测网络”一张图，显示主要的监测因子在不同时间尺度上的实时监测值、历史趋势变化、各监测要素的统计量、监测网络的资源数据概况。
