京公网安备 11010802034615号
经营许可证编号:京B2-20210330
郭华东:空间地球大数据—地球科学研究的新引擎
大数据对科技发展正在产生重要影响,同时也为地球科学的深入研究带来了重要发展机遇。本期,我们邀请中国科学院院士郭华东通过分析对地观测技术及大数据的发展,探讨空间地球大数据理念,剖析空间地球大数据科学内涵,讨论空间地球大数据与数字地球关系,分析空间地球大数据对推动地球系统科学及全球变化发展的潜力,并在此基础上提出空间地球大数据服务于“一带一路”等经济建设领域的建议。
A 大数据是国家新型战略资源
19世纪70年代以来,随着第二次工业革命的爆发,各种新技术、新发明层出不穷,以文字为载体的数据量大约每10年翻一番;从工业化时代进入到信息化时代后,信息技术革命以前所未有的方式对社会、科技、经济变革的发展起着决定作用,数据量以每3年翻一番的速度持续增长;近10年来,随着计算机技术和互联网的快速发展,音频、视频、文字、图片等半结构化、非结构化的数据大量涌现,社交网络、物联网、云计算被广泛应用,使得数据存储量、规模、种类飞速增长,大数据时代已悄然来临。
2014年4月,国际数据公司(IDC)发布的第七份“数字宇宙”研究报告指出,全球数据总量将以每两年翻一番的速度持续增长。大数据的重要性犹如工业社会的“石油”资源,谁掌握了数据,谁就掌握了主动权。大数据已成为信息主权的一种表现形式,将是继边防、海防、空防之后,另一个大国博弈的空间。
可以说,大数据正在改变科学的发展。大数据技术与应用已成为继实验、理论和计算模式之后的数据密集型科学范式的典型代表,正在带来科研方法论的创新:科学大数据将复杂性、综合性、全球性和信息与通信技术高度集成性等诸多特点融于一身,其研究方法也正在从单一学科向多学科、跨学科方向转变、从自然科学向自然科学与社会科学的充分融合方向过渡、从个人或者小型科研团体向国际科技组织方向发展。另外,科学家不仅通过对广泛的数据进行实时、动态地监测与分析来解决科学问题,更是将数据作为了科学研究的对象和工具,即数据驱动的知识发现。这正是科学大数据的核心价值所在。
B 空间地球大数据驱动地球科学发展
所谓空间地球大数据,是指从空间观测地球获取地表及次地表的大数据,并通过数据密集型科学分析人与地球和自然现象的规律。空间地球大数据具有海量(高分辨率、高动态新型传感器波段数量多、光谱和空间分辨率高、数据速率快、周期短)、多源(数据来源和获取手段多样)、多时相(采样间隔缩短,数据获取频率幅度增大)等特征,因其有宏观、客观、快速、准确、全面获取数据的特点和能力,对地球科学,尤其是地球系统科学的发展起到了革命性的推动作用,在环境、资源、灾害等领域有重要作用和经济社会价值。
地球系统科学以地球为一个巨型系统研究,需要空间地球观测数据的参与,从而降低系统复杂度,使建模和求解成为可能。在地球科学长期发展的基础上,半个世纪以来从空间观测地球的新视野新方法,不断加深着对地球的理解特别是宏观认识。随着遥感、导航定位、地球物理等卫星数量和其他平台的不断增加以及观测仪器类型的多样化,空间地球大数据正在汇入大数据研究的主流,为地球科学研究带来了新机遇,作为思维与方法论的创新与革命,有望为推动地球科学深度发展并产出重大科学发现作出贡献。
我国空间对地观测技术经过40年的发展,自主卫星遥感技术、北斗导航卫星技术等数据获取技术得到长足的发展,相应的地面接收基础设施和数据处理系统水平、规模与服务能力也与国际同行。相信空间地球大数据时代的到来,以及数据驱动科学范式的建立,将大大推动包括数字地球、全球变化、未来地球、灾害科学等领域的研究及空间地球信息科学的学科发展,并将为我国“一带一路”等国家战略提供支撑服务,包括沿线国家的生态环境、资源能源、农业、减灾、自然与文化遗产保护等重大问题方面发挥历史性作用。
C 加快国家大数据建设进程
大数据是知识经济时代的战略高地,大数据是国家新型战略资源,大数据正在改变人类生活及对世界的深层理解。在大数据时代,庞大繁杂的数据对社会、科技、经济的发展将发挥支撑促进作用,其所蕴含的战略价值已引起多数发达国家政府重视,一些国家和国际组织已将大数据研究提升到国家和国际重大战略层面,相继出台了大数据战略规划和配套法规促进大数据应用与发展,这势必对未来科技与经济发展带来深远影响。
目前,我国在该领域面临难得的发展机遇,与世界各国同处大数据起步阶段:我国的计算机用户数全球第一,互联网用户数全球第一,移动互联网用户数全球第一;我国拥有的数据现在占全球16%左右,2020年这一比例将高达21%;我国发表的大数据论文目前国际排名第二位,正在呈现快速发展趋势。如此情势下,完全有条件借国家全面深化改革的东风,优化体制机制,整合各类资源,将大数据上升为国家战略,加强大数据的顶层设计,系统规划,通过出台大数据国家行动计划、建立大数据国家平台及国际联盟等举措,把大数据做大做强,使大数据成为服务国家、引领世界的一个引擎。
为此,提出加快国家大数据建设进程的三点建议:
第一,将大数据定位为国家战略。大数据应该是国家战略,其发展应体现核心性国家意志,应加强大数据的顶层设计,系统规划。同时,注重大数据政策法规、伦理道德问题。大数据监管或政策应先行,监管可遵循“红绿黄灯”原则,尤其要加快绿灯政策和绿灯配套措施建设。目前,包括数据共享在内的我国数据政策还在徘徊阶段,大家期待形成一个绿灯闪烁、大国数据潮流破浪涌动的局面。
第二,出台大数据国家行动计划。构建大数据国家重大基础设施,建设一批科学大数据应用服务中心,一批学科交叉大数据科学研究中心,推出人才培养计划。设立研究专项,比如李克强总理数次提到胡焕庸线是否可以破解的“三问”,即“胡线”该不该打破?是否可以打破?如何打破?“胡线”的形成历经近千年的长时间尺度和跨越几千公里的大空间尺度,蕴藏着超长时空序列科学内涵,可通过大数据研究为总理“三问”提供科学依据。
第三,建立大数据国家组织及国际联盟。例如,面向国家“一带一路”战略,构建丝绸之路和海上丝绸之路大数据联盟。以大数据为抓手,为“一带一路”注入可操作、可凝聚、能引领的方向,形成出钱的基金会—出思想的科学家—出成果的大数据基础设施等各方联动大格局,让大数据成为“一带一路”建设的一个引擎,让大数据成为各国共建“一带一路”的和平使者,让大数据科学之光普照“一带一路”的现在和未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07