
我国将建成国际地球大数据科学中心
中国科学院A类战略性先导科技专项“地球大数据科学工程”12日在京正式启动。地球大数据是具有空间属性的地球科学领域大数据,具有海量、多源以及更精准、更科学、更及时的独特优势,是新型的国家战略资源。专项负责人、中国科学院院士郭华东表示,这一专项将以建成具有全球影响力、国际化、开放式的国际地球大数据科学中心为目标,致力于推动并实现地球大数据技术创新、重大科学发现和一站式全方位宏观决策支持。
郭华东介绍,“地球大数据科学工程”为期5年,设置CAS Earth科学工程总体、CAS Earth小卫星、大数据云服务平台、数字“一带一路”、全景美丽中国、生物多样性与生态安全、三维信息海洋、时空三极环境、数字地球科学平台共9个项目。
专项主要开展三方面工作:突破一系列技术瓶颈问题,形成资源、环境、生物、生态等领域多学科融合、独具特色的地球大数据云服务平台,成为支撑国家宏观决策与重大科学发现的大数据重大科技基础设施;构建大数据驱动的、具有高度影响力的数字地球科学平台,全景展示和动态推演“一带一路”可持续发展过程与态势,实现对全景美丽中国可持续发展的精准评价与决策支持;探索形成大数据驱动、多学科融合的科学发现新范式,力求在资源环境、海洋、“三极”、生物多样性及生态安全领域取得重大突破。
这一专项凝聚了众多研究机构和相关领域的科技工作者。专项依托单位为中国科学院遥感与数字地球研究所,主要参研单位有中国科学院微小卫星创新研究院、地理科学与资源研究所、植物研究所、海洋研究所等中科院33个研究机构,国内外129家研究机构参加,1200余名研究人员,专业涵盖卫星设计与研发、对地观测、计算机技术、网络技术、信息科学、空间科学、生态学、生物学、大气科学、海洋科学、地理科学、环境科学、冰冻圈科学等研究领域。
郭华东说,数据共享一直困扰科学研究的难题,但“我们想做得更多”。他表示,推进科学数据共享、促进重大科学发现是专项重点关注的内容之一。在资源、环境、生物、生态等多学科、跨领域交叉的背景下,孤立使用单一特定领域的已有挖掘分析理论和方法,已经难以有效推动科学发现,需要多学科联合、系统和综合的研究。数据共享是在地球数据大平台下实现地球多学科信息资源的集成融合,是地球大数据专项推进实施的核心手段。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30