科技日报记者 陆成宽
在成都飞往拉萨的航班上，透过飞机舷窗俯瞰，青藏高原雪峰如海，冰川如练。这片250万平方公里的土地，既是世人眼中的“世界屋脊”，更是孕育了长江、黄河、雅鲁藏布江等10多条大江大河的“亚洲水塔”。
然而，要算清这座水塔的水量账，过去几乎是不可能的事。“当地氧气稀薄、温度低、风雪大、辐射强，导致普通监测仪器故障率高、寿命短、维护也极为困难。”中国科学院青藏高原研究所研究员李新说，“就算仪器扛住了高寒低温的恶劣环境，数据也很难传回来。”
如今，这个局面正在被改变。在北京林萃路，一个由十几名研究员领衔的“数据工厂”——国家青藏高原科学数据中心（以下简称“中心”），正在为“亚洲水塔”打造可靠的数字底座。截至今年5月，中心发布的数据集总数达8585个，累计下载量达6PB。
攻克数据关卡
“青藏高原的每一组数据，都来之不易。”中心主任李新说。
高原上，冬天零下二三十度是家常便饭，普通监测设备撑不过一个冬天就“罢工”。“有时候辛辛苦苦把设备架好，第二年开春去看，已经被风吹雪掩，无法使用了。”李新说。
即便设备扛住了，青藏高原近80%的地区没有通讯网络覆盖，4G信号更是奢望，数据存在存储卡里，就是传不出来。过去，科考队只能一次次进山，靠人工下载取回数据。“雅鲁藏布江大峡谷就是典型的‘通信盲区’，高山深谷人力难以到达，很难采集到有效数据并传输到中心。”李新感慨道。
为解决这些难题，中心自主研发了适应高寒极端环境的卫星物联网观测终端，还研制出无人机高速中继系统、无人机载径流监测系统、“智能鹰眼”等新装备，硬是在高原上织起了一张“天—空—地”立体监测网。
天基层面，中心整合高分系列卫星、风云系列卫星等国产卫星及国际卫星资源，实现对青藏高原全域的周期性监测；空基层面，运用无人机搭载多种智能载荷，对冰川冻土、雅鲁藏布江大峡谷、拉鲁湿地等重点区域实施高分辨率、高频次观测；地基层面，通过在六大流域24个地面观测站部署中心研发的物联网监测信息系统，持续采集水文、气象、生态等62类关键指标的原位数据，累计接收数据超过20亿条。
此外，中心还建立了覆盖数据全生命周期的动态安全管理机制，为每个数据集赋予全球唯一的DOI“身份证”，实现数据精准溯源。
让数据“活”起来
在做好数据存档的同时，中心还致力于让数据真正“活”起来，释放其科学价值。一组数字足以说明其效果：中心注册用户超过14万，2025年平台数据下载量超过2100TB、页面访问量超过1.65亿次；三分之二的数据完全公开、免注册下载，国际下载占比高达27%……
“第三方测评机构按可查找、可访问、可互操作、可重用原则评估地学领域的数据中心，我们中心多次获得第一。虽然我们的数据量不算大，但下载量和流通速度常年排名靠前。”中国科学院青藏高原研究所研究员、国家青藏高原科学数据中心副主任冯敏告诉记者。
在国家数据中心体系里，中心率先引入同行评审机制。每个数据集不仅要先技术评审，检查完整性、元数据规范性，还要送专家库进行同行评议。
“专家要打开数据、检查方法、评估精度，并给出反馈，这相当于给数据做一次‘学术审稿’。像期刊审稿一样，专家不仅指出问题，更提出建议，帮助数据提交者改进。”冯敏说，依托在线数据库运作系统，观测数据中哪个数值异常、什么时候采集的、谁采集的，都能追溯到。
得益于严格的质量把控，中心的数据产品开始在高水平科学研究中发挥关键作用。以青藏高原湖泊研究为例，依托中心数据产品，科学家对湖泊数量、面积、水量变化有了更精准的把握，支撑了一系列高水平成果的产出；研制的首套中国区域75年长时序近地面气象驱动数据，已成为高原气候变化研究和工程安全评估的关键数据；全球地表太阳辐射数据，为新能源资源评估提供了重要依据。
截至今年4月，对中心表示致谢的论文已超过11000篇，且数量呈快速上升态势。2025年10月，中心申报的“地球大数据创新青藏高原高质量数据集”入选国家数据局发布的“高质量数据集典型案例”，总规模超过600TB。
数据不光支撑科研，还直接服务国家需求和产业发展。“中心发布的数据已应用于川藏铁路建设、雅鲁藏布江下游水电工程、冰湖溃决应对等国家重大工程；同时，还有多家企业依托中心发布的产品，优化了产业布局，比如比亚迪汽车股份有限公司利用中心共享的太阳辐射、植被、社会经济数据进行了大数据分析，助力公司决策。”李新说。
AI赋能地球“管理”
当前，人工智能（AI）赋能千行百业的热潮正席卷而来。在地球科学领域，遥感、地理信息虽已广泛引入AI，但在支撑地球系统预测和决策层面，AI的潜力仍未得到充分释放。“如何让AI真正理解地球系统的复杂过程，依然是一个难题。”李新说。
这正是中心团队选择深入研究的方向。在数据产品研发上，中心已建立起“多源观测+AI智能融合+物理模型同化”的复合生产模式。针对青藏高原复杂的地形、气候环境，中心通过融合多源观测和模型模拟结果，生成了高分辨率气候驱动、冰川湖泊分布与变化等一系列数据产品。其中，中国区域气象要素驱动数据集两套版本累计被浏览31万余次、下载4.4万余次。
“数据产品的价值，最终要看科学家能不能直接拿来用。AI帮我们解决了复杂环境下数据生产的效率问题，但每一个产品背后，都还需要实测数据的校准和专家的把关。”冯敏说。
在此基础上，中心正将目光投向更具挑战性的目标——地球系统的建模与数字孪生。中心团队提出了“AI驱动的青藏高原观测—数据—模型一体化”框架，探索引入多主体强化学习方法，让多个智能体在虚拟环境中模拟推演气温上升、冰川消融、湖泊扩张、人类适应等过程的演变规律，为地球系统预测和灾害预警提供决策支持。
“与通用大语言模型不同，我们更强调在地球系统预测和决策中发挥作用。不仅要预测，更要能评估决策干预的效果；不仅要技术上可行，更要对实际有用。”李新说。
面向未来，中心与中国科学院磐石模型团队、浦江实验室团队等团队交流，探索数据同化、强化学习、因果分析在数字孪生地球中的结合，逐步构建能够模拟和预测高原地球系统变化的数字孪生平台。“我们希望数据不只是记录高原发生了什么，更能为理解高原变化的机制、应对未来的不确定性提供科学依据。”李新说。
从破解“获取难、传输难”到拥抱“AI”，这群在高原上“追数据”的人，正以数据为笔，在雪域高原书写新的可能。
网友评论
