撰文 | 邸利会

责编 | 陈晓雪   冯灏

 ●                  　●                   　●

“我们国家在数据方面基本没有话语权。”

在谈到IPCC报告里鲜有来自中国的数据时，A学者不无感慨地告诉《知识分子》。这位要求匿名的研究者举例说，在最新发布的IPCC第六次评估报告（IPCC-AR6）中，附录Ⅰ是观测数据产品（Annex I: Observational Products），列出了报告使用的所有数据产品，总共有283套，其中，中国有所贡献的只有9套。不仅数量少，而且很多是区域数据产品（比如中国的气温、降水等）。

IPCC全称 “政府间气候变化专门委员会”，IPCC报告体现了整个气候变化科学界的智慧，对各国气候变化的政策制定有很大的影响。如此重要的一个报告，中国却贡献寥寥，无疑令人遗憾。

在气候变化领域，中国缺乏国际上拿得出手的高质量数据，事实上，这也是中国科学数据普遍贫弱的一个缩影。

数据在国内难获取，但在国外可以轻松获得，这并不是新鲜事。

例如，个人以普通用户的身份登陆主流的气象数据网站进行条目搜索，在中国气象数据网（http://data.cma.cn），可选择的日期只有七天；而在美国国家海洋和大气管理局NOAA的数据网站（https://www.ncei.noaa.gov），站点、雷达、再分析一应俱全，简单几步、完成注册之后，用户即可下载到站点的气象数据，记录可以上溯至1951年。

现在，在大气科学研究领域，随着数值模拟的发展，利用观测结合同化模型，可以得出再分析数据产品。但是，观测真值依然是非常重要的基础数据，如果再分析数据与观测数据不一致，一般以观测为准。而观测数据，最难获得。

在2017年11月的文章 [2] 中，Patrick Funk、薛澜、梁正等来自中美两国的学者指出，“在过去，中国大气污染数据的收集分散且经常失真。很多数据无法公开获得。” “研究人员和机构为了最大化地发表文章，把数据捏在手里。”

他们认为，由于高质量的传感器是被全国各个不同团体占有，而空气污染的分析需要来自每个区域内多个站点的高质量数据，只有克服数据共享和合作的障碍才能更好地管理和减少中国的空气污染；而且，如果只用有限的数据，还可能得到错误的结论——比如在理解臭氧空洞时，最初很多科学家和决策者不相信氯氟烃假说，但通过收集了不同范围、各个平台的数据后，这个假说得到了验证。

不仅是在大气领域，在海洋研究领域，即使是作为领域内的研究者，A学者坦言，国内的数据获取同样困难——

“其实国内很多人去做测量，测量回来后，数据都是保密的，（攥）在自己手里，不给别人用。那么一个团队能测多少数据呢？所以就没办法搞全局性的研究，因为数据量太少了。这样的话就形成了类似于军阀割据，大家都用自己手里的一点点数据，发几篇小文章。中国的数据其实并没有汇聚到统一的地方去。”

在海洋研究领域，中国通过数据共享贡献给国际同行的也很少。

海洋观测领域颇为知名的Argo计划 [3]，通过全球30多个国家的合作来维持一个全球海洋的观测网络，该计划强制要求所有的参与方，必须把测出来的数据共享给国际，其中中国的数据贡献，大概不到4%。

“我们这么大的体量，其实（贡献）也是比较小的，所以我们国家长期在海洋观测领域是抬不起头来。”A学者说。

海洋极大且深，缺乏数据尚可理解，但令人惊奇的是，在普通人看来并不缺乏数据的领域，研究者想获取数据也困难重重。

今年8月5日，国家青藏高原科学数据中心主任李新等人在《自然-地球科学》发表评论文章，呼吁数据共享 [4]。

作者们在政策、管理、技术、国际化四个层面提出了具体的建议。在政策层面，他们指出，应该进一步明确敏感数据及其使用界线——

“地球科学数据，尤其是涉及到国家安全、商业秘密和个人隐私时，本身可能是敏感的。为了最大化数据共享的实践，很重要的是，要对敏感数据确立清晰的定义、共享界线和限制的规则。在共享限制规定之外的数据，共享的实践应完全基于可查找、可访问、可互操作、可重用的FAIR原则（几位学者在2016年3月发表的文章中 [5]，正式提出FAIR数据原则，可以看作是提升数据可重用性的某种指南。之后，这些原则得到了不同国际组织的广泛认可）。”

的确，界定清楚敏感数据以及各方的权责，是数据权利领域非常基础的问题。近些年，中国也在努力提升数据共享水平。

2018年，国务院办公厅印发的《科学数据管理办法》，共19处提到共享，其中第19条规定，“政府预算资金资助形成的科学数据应当按照开放为常态、不开放为例外的原则，由主管部门组织编制科学数据资源目录，有关目录和数据应及时接入国家数据共享交换平台，面向社会和相关部门开放共享，畅通科学数据军民共享渠道。国家法律法规有特殊规定的除外。”

2019年，国家海洋科学数据中心、国家青藏高原科学数据中心、国家人口健康科学数据中心、国家天文科学数据中心等第一批20个国家数据中心上线。

但究竟哪些是科学数据？这里面却存在着模糊地带。

举例来说，涉及到地球科学领域的数据，很大部分来自政府部门——

其中的一大类是由各个部委，根据其业务职能，在国家财政的支持下，成体系、成规模地开展各种资源、环境调查等所得到的数据（如水利部门开展的全国河流断面的水位、流速等监测数据；林业部门开展的林业调查样方数据；环保部关于各种类型的空气质量、水域污染物等数据；自然资源部的土地调查数据等）。

除了各个部委产生的数据，在地球观测领域，另外一大类是采用制作卫星载荷、统一发射、统一接受、统一管控、统一处理，然后分发到主要牵头的部和委（作为卫星数据的主用户）而获得的数据。

从实际情况看，这两大类数据，因为未被明确划入科学数据，科研界都难以获取。

在2016年4月发表于《知识分子》的文章中 [1]，北京大学教授陈松蹊表示，“气象局、环保局已经开始对气象、环境信息通过网站即时发布。但对各学科的研究者来说，规范的长时间的历史数据更有科学价值。然而获取规范的长时间的历史数据仍是无路可循。往往要通过关系，甚至高价购买。”

一些学者能够方便地从国外拿数据（包括产生于中国的数据），得益于这些国家较成熟的数据政策和实践。

据刘润达等 [6]，美国很早就鼓励信息自由流通, 希望信息在流通中增值。

具体来说，美国的《自由信息法》要求联邦政府部门将政府信息向公众开放并接受公众的监督, 允许向任何的公共或私人事物进行拷贝；此外，美国的《版权法》明确规定，版权保护条款下的版权保护 “不适合于美国政府的作品”。

在地学领域，1991年7月，美国白宫总统科技政策办公室发布了 “全球变化研究数据管理政策声明” [7]，从此美国联邦政府明确提出，将 “完全与开放”（Full and Open）的数据共享政策作为国家科学数据共享的基本国策。美国国家研究委员会在其研究报告中指出，要遵循 “数据的价值在于使用” 的原则 [8]，科学数据的 “完全与开放” 获取原则应被采纳, 并将其作为公共资助研究所产生的科学数据交换的国际标准。

美国国家航空航天局（National Aeronautics and Space Administration, NASA）、美国地质调查局（United States Geological Survey, USGS）、美国国家大气研究中心（The US National Center for Atmospheric Research, NCAR）、美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）等机构，也很大程度上秉承了这些理念，在数据的收集、储存、分析、共享方面走在世界的前列。

这方面知名的一个例证是USGS的Landsat项目。该项目从1972年开始已经发射了8颗系列陆地观测卫星，是目前为止地球持续观测时间最长的一个卫星系列。美国政府通常免费提供由政府资助的地球观测卫星获得的图像，而Landsat此前是个例外，直到 2008年USGS通过互联网免费提供了Landsat数据。

Zhe Zhu 等人的研究指出，“随之而来的是 Landsat 图像下载量的大幅增加，并导致科学和业务应用程序的迅速扩展，为政府、私营部门和民间社会提供服务。Landsat计划因此为世界各地的航天机构提供了一个关于开放获取地球观测数据的价值的例子，并刺激了全球，包括欧洲的哥白尼计划，采取了类似的政策”。[9]

在海洋研究领域，A学者表示，美国的数据中心是最受国际尊重的。

“因为他们确实做了大量的工作，我们之前的很多研究也都是和美国、欧洲的数据中心的人一起合作完成的。他们也比较开放，我们研发的方法他们也会用，已经用到美国的数据中心去了，所以是一个非常健康的良性的互动。” A学者说。

不仅是数据的开放，开放的思维也贯彻在整个数据中心的建设上。

相比国外这些较为成熟的数据政策、体制机制，制约中国科学数据发展的核心还在于专业人才的缺乏以及不合理的评价体制。

以上文提到的Landsat为例，这个跨越了40多年的项目，USGS的数据中心团队几十年如一日，跨越不同的物质形态和技术手段，整理分析甚至是胶片的、磁带的记录，持续性地保证Landsat科学数据的国际共享价值。

但这种几十年如一日的工作，如果是放在国内做，在科技评价中则不占便宜。

作为海洋数据研究领域的学者，A学者对此有深刻的体会——

“我个人的感受就是我们国家的基础研究其实还是非常弱的。对于全球变化，要判断全球到底有没有变暖，海洋温度的上升，冰川的融化，这些主要的判断要依据数据，这个很基础，只有知道了怎么变才能去应对它…… 其实国内有很多人去做测量，但没有专门去做数据的，因为做数据的人在现行的体制下，很难活下去，（当前的评价体制）要求你不断去写论文，但是做数据天然地需要花大量的时间去了解数据是长什么样子。这也是为什么大家不太愿意去做（数据）工作的原因。”

图灵奖得主 Jim Gray 在2007年加州山景城召开的一次会议上，发表演讲 “第四范式，数据密集型的科学发现”，提出今天的科学已经进化到可以是数据驱动的发现 [10]。从涉及到地球各个圈层的气候变化研究，到关系到人类健康的遗传基因组、蛋白组、临床试验，数据成为了必不可少的创新源泉和力量，再没有什么时候比重视数据基础建设和共享更迫切的了。