潘小多，李新，冉有華，郭學(xué)軍

1. 中國科學(xué)院青藏高原研究所國家青藏高原科學(xué)數(shù)據(jù)中心，北京 100101；2. 中國科學(xué)院青藏高原研究所青藏高原地球系統(tǒng)與資源環(huán)境國家重點實驗室，北京 100101；3. 中國科學(xué)院西北生態(tài)環(huán)境資源研究院，甘肅 蘭州 730000

0 引言

開放科學(xué)指科學(xué)家通過互聯(lián)網(wǎng)免費分享他們的研究數(shù)據(jù)、方法、代碼、實驗室筆記和其他研究過程，以便能夠被重復(fù)使用和復(fù)現(xiàn)，實現(xiàn)協(xié)作研究的科學(xué)實踐，其旨在消除科學(xué)研究過程中的訪問障礙，使得研究者可共享任何類型的研究成果、資源、方法或工具，促進(jìn)科學(xué)的自由傳播，加強科學(xué)合作和信息共享，推動科學(xué)進(jìn)程[1-2]。開放科學(xué)運動最早可以追溯到17世紀(jì)的啟蒙運動時期，但是“開放科學(xué)”這個術(shù)語直到1998年才被史蒂夫·曼提出，當(dāng)時他注冊了域名openscience.com和openscience.org，這標(biāo)志著開放科學(xué)開始步入人們的視野。開放科學(xué)代表了一種全新的科學(xué)研究范式，它依賴于建立在數(shù)字化技術(shù)和新型協(xié)作工具上的協(xié)作型研究和新的知識傳播方式。開放科學(xué)的理念反映了50年來科學(xué)研究的范式轉(zhuǎn)變：以前的標(biāo)準(zhǔn)做法是將研究成果發(fā)表在科學(xué)出版物上，而現(xiàn)在的趨勢是在研究過程的早期階段就共享和使用所有可用的知識[3]。

開放科學(xué)的實踐得到越來越多人的認(rèn)可和采用，比如開放獲取的學(xué)術(shù)論文[4-5]、共享數(shù)據(jù)[6-8]和開放代碼[6,9]等。McKiernan E C等人[1]通過回顧大量文獻(xiàn)發(fā)現(xiàn)，開放獲取學(xué)術(shù)論文有利于增加科研工作者的學(xué)術(shù)論文引用、媒體關(guān)注、潛在合作者、就業(yè)機會和資助機會等。雖然開放數(shù)據(jù)對于用戶和促進(jìn)科學(xué)發(fā)展等方面的益處不言而喻，但是科學(xué)數(shù)據(jù)沒有像學(xué)術(shù)論文那樣廣泛采用開放獲取的共享方式，一個重要的原因是研究人員不確定分享科學(xué)數(shù)據(jù)會對他們的職業(yè)生涯造成什么影響。開放數(shù)據(jù)也是歐盟開放科學(xué)戰(zhàn)略八大目標(biāo)的首要目標(biāo)[10]。為抗擊新型冠狀病毒肺炎（COVID-19）疫情，全球科學(xué)出版商取消了訪問COVID-19相關(guān)研究的限制，研究人員充分認(rèn)識到開放獲取的數(shù)據(jù)共享對于科學(xué)研究的意義，進(jìn)一步促成了開放科學(xué)實踐活動。

科學(xué)數(shù)據(jù)是國家科技創(chuàng)新和發(fā)展的基礎(chǔ)性戰(zhàn)略資源，隨著大數(shù)據(jù)時代的到來，科學(xué)數(shù)據(jù)日益呈現(xiàn)出4V特征：體量（volume）、類型（variety）、速度（velocity）和最重要的價值（value），并具有巨大的潛在價值和可開發(fā)價值。開放科學(xué)重視數(shù)據(jù)的開放，它不僅倡導(dǎo)論文的開放獲取，而且認(rèn)為論文中的數(shù)據(jù)開放也是不可或缺的。開放科學(xué)數(shù)據(jù)是開放科學(xué)的重要物質(zhì)基礎(chǔ)，強調(diào)數(shù)據(jù)的活用和重用，并把研究數(shù)據(jù)與論文或論著置于同等甚至更為重要的位置，隨著開放數(shù)據(jù)的持續(xù)深入推進(jìn)，科研期刊要求著作者提交數(shù)據(jù)可獲取聲明已成為常態(tài)[11]。

科學(xué)數(shù)據(jù)的開放共享已經(jīng)從全面開放（full and open）原則過渡到目前普遍遵循的FAIR（可發(fā)現(xiàn)性（findability）、可獲取性（accessibility）、可互操作性（interoperability）、可重用性（reusability））原則[12-13]，并進(jìn)一步提出了CARE（集體收益（collective benefit）、質(zhì)量保證（authority to control）、責(zé)任（responsibility）、倫理（ethics））原則[14]。FAIR原則強調(diào)技術(shù)進(jìn)步，而CARE原則更側(cè)重政策變革，兩者相輔相成，體現(xiàn)了大數(shù)據(jù)時代科學(xué)數(shù)據(jù)共享技術(shù)和政策雙輪驅(qū)動的特征。在我國，為了完善科技資源共享服務(wù)體系，推動科技資源向社會開放共享，國務(wù)院辦公廳在2018年印發(fā)了《科學(xué)數(shù)據(jù)管理辦法》，明確了數(shù)據(jù)開放是受政府預(yù)算資金資助的研究項目的基本原則。2019年6月，國家青藏高原科學(xué)數(shù)據(jù)中心等20個國家科學(xué)數(shù)據(jù)中心成立，開啟了我國科學(xué)數(shù)據(jù)開放共享的新階段。目前，中國在科學(xué)數(shù)據(jù)開放共享方面取得了巨大進(jìn)展，在地學(xué)數(shù)據(jù)共享方面，國家自然科學(xué)基金委員會地學(xué)領(lǐng)域的重大研究計劃、中國科學(xué)院的地球大數(shù)據(jù)科學(xué)工程都已成為地學(xué)數(shù)據(jù)開放共享的標(biāo)桿[15-16]。

上述科學(xué)數(shù)據(jù)開放共享的原則或政策對于促進(jìn)開放數(shù)據(jù)是非常有價值的，但它們并沒有消除研究人員對于“開放數(shù)據(jù)可能會給自己的科研工作帶來風(fēng)險”的顧慮，一定程度上影響了科研工作者自下而上自發(fā)地開放科學(xué)數(shù)據(jù)的意愿。要實現(xiàn)范式轉(zhuǎn)變，仍需要政府、研究人員和數(shù)據(jù)中心的積極努力。我國還要在政策、管理、技術(shù)和國際化等方面采取更具體的行動，以更大的力度和更多的措施促進(jìn)科學(xué)家共享數(shù)據(jù)的意愿，提高我國科學(xué)數(shù)據(jù)中心的影響力，推動更加廣泛的數(shù)據(jù)共享[15]?？茖W(xué)數(shù)據(jù)中心作為數(shù)據(jù)存儲、管理和運營的核心，連接著數(shù)據(jù)貢獻(xiàn)者和數(shù)據(jù)用戶，促進(jìn)數(shù)據(jù)貢獻(xiàn)者自下而上地開放共享意愿，從而在推動開放數(shù)據(jù)的實踐方面發(fā)揮關(guān)鍵作用，但面臨的挑戰(zhàn)不容小覷。

1 開放數(shù)據(jù)面臨的挑戰(zhàn)

開放數(shù)據(jù)面臨的首要挑戰(zhàn)是數(shù)據(jù)引用和數(shù)據(jù)計量。科學(xué)的數(shù)據(jù)計量和規(guī)范化的數(shù)據(jù)引用能夠解決再現(xiàn)性、可靠性和可重用性方面的問題，能夠定量化開放數(shù)據(jù)的貢獻(xiàn)，能夠提高公開數(shù)據(jù)所關(guān)聯(lián)文獻(xiàn)的引用量[17]，能夠為相關(guān)機構(gòu)提供考核依據(jù)，從而激發(fā)數(shù)據(jù)貢獻(xiàn)者開放共享數(shù)據(jù)的意愿，進(jìn)一步促進(jìn)開放科學(xué)和開放數(shù)據(jù)的實踐。數(shù)據(jù)作為科學(xué)發(fā)現(xiàn)的重要支持，應(yīng)被視為合法的和可引用的研究成果[18]，并像學(xué)術(shù)文獻(xiàn)一樣被直接引用；如后續(xù)有增值數(shù)據(jù)，原始數(shù)據(jù)也應(yīng)被引用，明確原始數(shù)據(jù)的價值，確保增值數(shù)據(jù)的可靠性追溯[19]。然而目前大部分?jǐn)?shù)據(jù)中心缺乏數(shù)據(jù)引用信息或者不同數(shù)據(jù)中心之間缺乏統(tǒng)一的數(shù)據(jù)引用標(biāo)準(zhǔn)，很難進(jìn)行追蹤計量；對共享數(shù)據(jù)的計量大部分等同于其關(guān)聯(lián)文章被引用的情況，這不利于對那些沒有關(guān)聯(lián)文章的共享數(shù)據(jù)的評價。因此，數(shù)據(jù)中心作為數(shù)據(jù)的重要載體和管理方，應(yīng)盡量遵循由全球大量數(shù)據(jù)相關(guān)機構(gòu)共同制定的數(shù)據(jù)引用原則[18]，開發(fā)相應(yīng)的工具，為共享數(shù)據(jù)提供數(shù)據(jù)引用信息（包含數(shù)據(jù)貢獻(xiàn)者、數(shù)據(jù)集名稱、數(shù)據(jù)制備年份、數(shù)據(jù)的數(shù)字唯一標(biāo)識符和數(shù)據(jù)分發(fā)機構(gòu)等），并能根據(jù)不同引用方式靈活提供數(shù)據(jù)引用信息。

同時，傳統(tǒng)的期刊影響因子及論文引用量并不能充分反映科研成果的科學(xué)、社會、政治和經(jīng)濟效應(yīng)，開放科學(xué)為開發(fā)新的科研成果計量方式創(chuàng)造了機遇，有助于激勵科研人員自發(fā)共享除學(xué)術(shù)論文外的科研成果，比如科學(xué)數(shù)據(jù)和軟件代碼等。數(shù)據(jù)中心需要抓住機遇，加強開放數(shù)據(jù)的科學(xué)計量，開發(fā)新一代開放科學(xué)計量工具，綜合反映科學(xué)數(shù)據(jù)的科研、社會、政治和經(jīng)濟效益。實現(xiàn)這些基本的計量只是第一步，如何實現(xiàn)更科學(xué)的數(shù)據(jù)計量，并合理設(shè)計相應(yīng)的激勵機制，還需要更多的研究與探索。

第二個挑戰(zhàn)是數(shù)據(jù)的互操作性。在FAIR原則中，互操作性是體現(xiàn)數(shù)據(jù)信息增值最大化的核心屬性，相較于其他屬性，該屬性最能激發(fā)數(shù)據(jù)貢獻(xiàn)者的數(shù)據(jù)共享意愿。從宏觀上來講，互操作性是要建立一個被廣泛認(rèn)可的關(guān)于數(shù)據(jù)交換、數(shù)據(jù)安全和信息傳遞的規(guī)范、標(biāo)準(zhǔn)、方法、過程或?qū)嵺`等準(zhǔn)則[20]，從技術(shù)、結(jié)構(gòu)、語義和組織等不同層次實現(xiàn)數(shù)據(jù)互操作的標(biāo)準(zhǔn)化。從數(shù)據(jù)實體來講，互操作是能夠?qū)崿F(xiàn)多源異構(gòu)數(shù)據(jù)的集成、分析和處理，進(jìn)而實現(xiàn)大數(shù)據(jù)分析和決策的技術(shù)和方法，具體而言，即保證：①數(shù)據(jù)/元數(shù)據(jù)使用正式、可訪問、共享和廣泛適用的語言來表示知識；②數(shù)據(jù)/元數(shù)據(jù)使用遵循公平原則的詞匯表；③數(shù)據(jù)/元數(shù)據(jù)包括對其他（元）數(shù)據(jù)的限定引用[21]。

第三個挑戰(zhàn)是數(shù)據(jù)共享模式從數(shù)據(jù)倉庫到大數(shù)據(jù)平臺的轉(zhuǎn)換。實現(xiàn)數(shù)據(jù)共享模式從數(shù)據(jù)倉庫到大數(shù)據(jù)平臺的轉(zhuǎn)換是從數(shù)據(jù)角度支持開放科學(xué)的關(guān)鍵，應(yīng)對這一挑戰(zhàn)的核心是建設(shè)集數(shù)據(jù)存儲、管理、建模、分析、可視化、決策支持于一體的大數(shù)據(jù)平臺，并將其作為開放科學(xué)時代的信息基礎(chǔ)設(shè)施，實現(xiàn)從地球系統(tǒng)的觀測、數(shù)據(jù)綜匯、開放獲取、信息提取、知識挖掘到智慧決策的技術(shù)貫通。而模型驅(qū)動與數(shù)據(jù)驅(qū)動方法的深度結(jié)合可能是最大的技術(shù)瓶頸，也是最有前景的研究方向[22-23]。此外，兼容傳統(tǒng)數(shù)據(jù)共享模式，提供更加強大的數(shù)據(jù)搜索引擎、智能數(shù)據(jù)處理工具，更有效地為用戶和機器提供更加友好、智能的服務(wù)，也是實現(xiàn)上述技術(shù)升級轉(zhuǎn)換的橋梁。

2 開放數(shù)據(jù)實踐

為了應(yīng)對數(shù)據(jù)開放共享存在的問題和面臨的挑戰(zhàn)，國家青藏高原科學(xué)數(shù)據(jù)中心初步開展了一些嘗試，包括采用國際標(biāo)準(zhǔn)提供數(shù)據(jù)引用方式和數(shù)據(jù)關(guān)聯(lián)文獻(xiàn)引用方式，支持?jǐn)?shù)據(jù)出版，開發(fā)在線大數(shù)據(jù)分析、模型應(yīng)用等功能，促進(jìn)第三極地區(qū)科學(xué)數(shù)據(jù)開放共享[24-25]。

具體來講，國家青藏高原科學(xué)數(shù)據(jù)中心開發(fā)了中英文雙語數(shù)據(jù)管理與共享平臺，大部分?jǐn)?shù)據(jù)采用開放獲取方式（其中大部分開放數(shù)據(jù)實現(xiàn)免登錄下載），目的是降低數(shù)據(jù)下載門檻。但是需要有知識產(chǎn)權(quán)保護(hù)作為開放獲取的前提，國家青藏高原科學(xué)數(shù)據(jù)中心采用以下方式來保障數(shù)據(jù)作者的知識產(chǎn)權(quán)（圖1）：①為每個自有產(chǎn)權(quán)的數(shù)據(jù)賦予唯一的數(shù)字對象標(biāo)識符（digital object identifier，DOI）和中國科技資源（China science and technology resource，CSTR）標(biāo)識，體現(xiàn)數(shù)據(jù)的跟蹤價值、引用價值、集成價值和互聯(lián)價值；②采用知識共享（creative commons，CC）4.0協(xié)議，保留作者版權(quán)，同時授權(quán)他人在協(xié)議限定范圍內(nèi)的轉(zhuǎn)載、使用和二次演繹等行為；③建議和鼓勵用戶進(jìn)行數(shù)據(jù)引用和數(shù)據(jù)關(guān)聯(lián)文獻(xiàn)引用，并在數(shù)據(jù)詳情頁提供數(shù)據(jù)引用和數(shù)據(jù)關(guān)聯(lián)文獻(xiàn)引用信息；④秉承數(shù)據(jù)開放獲取的原則，同時兼顧數(shù)據(jù)作者對特殊數(shù)據(jù)保護(hù)的訴求，可設(shè)置不超過兩年的數(shù)據(jù)保護(hù)期，或根據(jù)數(shù)據(jù)作者對數(shù)據(jù)共享需要附加額外條件的要求，設(shè)置數(shù)據(jù)申請審批流程。

圖1 數(shù)據(jù)知識產(chǎn)權(quán)保護(hù)措施

國家青藏高原科學(xué)數(shù)據(jù)中心積極申請成為國際重要期刊和組織認(rèn)證的數(shù)據(jù)倉儲，不斷完善數(shù)據(jù)中心的功能，提升數(shù)據(jù)中心的共享和服務(wù)能力。2020年7月國家青藏高原科學(xué)數(shù)據(jù)中心成為國內(nèi)首個通過Nature旗下Scientific Data認(rèn)證的數(shù)據(jù)倉儲中心。2020年7月國家青藏高原科學(xué)數(shù)據(jù)中心成為美國地球物理學(xué)會（American Geophysical Union，AGU）推薦的數(shù)據(jù)倉儲，并成功注冊綜合性的全球研究數(shù)據(jù)存儲庫系統(tǒng)（re3data.org和FAIRsharing）和項目（Enabling FAIR Data），促進(jìn)了數(shù)據(jù)中心、國際地球科學(xué)領(lǐng)域其他數(shù)據(jù)中心和研究人員的合作與交流。

在數(shù)據(jù)互操作方面，國家青藏高原科學(xué)數(shù)據(jù)中心盡量采用地學(xué)數(shù)據(jù)領(lǐng)域廣泛認(rèn)可的標(biāo)準(zhǔn)和規(guī)范來減少互操作性障礙，如數(shù)據(jù)交換服務(wù)協(xié)議選用開放源代碼的網(wǎng)絡(luò)數(shù)據(jù)訪問協(xié)議 （open-source project for a network data access protocol，OPeNDAP）和開放地理空間信息聯(lián)盟（open geospatial consortium，OGC）標(biāo)準(zhǔn)。關(guān)于數(shù)據(jù)層面的互操作性，雖然沒有要求數(shù)據(jù)作者使用特定的格式，但建議數(shù)據(jù)作者盡可能按照氣候和預(yù)測（climate and forecast）公約，采納網(wǎng)絡(luò)通用數(shù)據(jù)格式（network common data format，NetCDF）對數(shù)據(jù)進(jìn)行編碼。國家青藏高原科學(xué)數(shù)據(jù)中心按照谷歌數(shù)據(jù)搜索引擎的要求，在數(shù)據(jù)集描述頁面添加符合Schema.org標(biāo)準(zhǔn)的元數(shù)據(jù)信息，使得數(shù)據(jù)中心的數(shù)據(jù)能夠在谷歌數(shù)據(jù)搜索引擎中被查詢到。

在大數(shù)據(jù)分析方面，國家青藏高原科學(xué)數(shù)據(jù)中心通過增量集成和自主研發(fā)，構(gòu)建大數(shù)據(jù)質(zhì)量控制、自動建模與分析、數(shù)據(jù)挖掘及交互式可視化的方法庫，形成具有高可靠性、高可擴展性、高效性和高容錯性的工具箱，實現(xiàn)青藏高原及周邊多源異構(gòu)、多粒度、多時相、長時間序列大數(shù)據(jù)的協(xié)同分析方法的集成和共享，以及高效和在線的大數(shù)據(jù)分析處理，并通過青藏高原關(guān)鍵地表過程的大數(shù)據(jù)分析應(yīng)用示范，打通數(shù)據(jù)深度挖掘的整體技術(shù)鏈路[26]。國家青藏高原科學(xué)數(shù)據(jù)中心目前包含機器學(xué)習(xí)、數(shù)據(jù)同化、參數(shù)估計、時間序列分析、高級地統(tǒng)計、數(shù)據(jù)后處理和因果分析七大類大數(shù)據(jù)分析方法庫，通過方法庫的元信息對方法進(jìn)行管理和智能搜索/推薦，建立代碼共享機制，并在GitHub上托管。

目前，國家青藏高原科學(xué)數(shù)據(jù)中心集成了青藏高原及周邊科學(xué)數(shù)據(jù)集4 350個（數(shù)據(jù)量接近172 TB），其中開放獲取的科學(xué)數(shù)據(jù)集有2 797個，占比超過64%。自2021年3月以來，國家青藏高原科學(xué)數(shù)據(jù)中心對開放獲取的數(shù)據(jù)實行免登錄設(shè)置，平均每月數(shù)據(jù)下載量達(dá)1.6萬多次，較之前增長了兩倍多，大大提升了數(shù)據(jù)共享服務(wù)量。境外用戶的數(shù)據(jù)下載量占比超過35%，隨著國家青藏高原科學(xué)數(shù)據(jù)中心國際化建設(shè)的進(jìn)一步推進(jìn)，國際數(shù)據(jù)貢獻(xiàn)者和數(shù)據(jù)用戶有望進(jìn)一步增多，從而進(jìn)一步提升數(shù)據(jù)中心的國際影響力。截至2021年9月，已有2 800多篇論文使用和引用了國家青藏高原科學(xué)數(shù)據(jù)中心的數(shù)據(jù)集，用于冰凍圈變化、亞洲水塔變化、生態(tài)系統(tǒng)脆弱性評估、重大工程風(fēng)險評估和遙感反演評估等研究，為青藏高原地球系統(tǒng)科學(xué)研究提供了數(shù)據(jù)支撐，有效地提高了第三極地區(qū)科學(xué)數(shù)據(jù)的共享水平與利用效率，推動了青藏高原及周邊地區(qū)地球系統(tǒng)的科學(xué)研究和前沿創(chuàng)新。

3 結(jié)束語

隨著以地球觀測系統(tǒng)和眾源地理信息為典型代表的各類科學(xué)數(shù)據(jù)以指數(shù)級速度的持續(xù)增長，地球系統(tǒng)科學(xué)研究進(jìn)入了“大數(shù)據(jù)”時代，科學(xué)研究的第四范式——數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)不約而至，開放科學(xué)和開放數(shù)據(jù)是科學(xué)發(fā)現(xiàn)新范式的一種適應(yīng)和必然過程，每一位科研工作者都將是開放科學(xué)和開放數(shù)據(jù)的貢獻(xiàn)者和受益者。數(shù)據(jù)中心是開放數(shù)據(jù)系統(tǒng)中連接決策者、數(shù)據(jù)貢獻(xiàn)者、數(shù)據(jù)和數(shù)據(jù)用戶的中介機構(gòu)，可從政策、管理、技術(shù)和國際化等方面加強開放數(shù)據(jù)措施，并讓數(shù)據(jù)貢獻(xiàn)者和數(shù)據(jù)用戶受益，形成科學(xué)和社會收益的強化反饋。