中國科學院科學數據標準體系研究與實踐*

胡良霖 鄭曉歡 朱艷華 高瑜蔚 周園春

（1.中國科學院計算機網絡信息中心 北京 100190；2. 中國科學院辦公廳 北京 100864）

1 引言

科學數據主要包括在自然科學、工程技術科學等領域，通過基礎研究、應用研究、試驗開發(fā)等產生的數據，以及通過觀測監(jiān)測、考察調查、檢驗檢測等方式取得并用于科學研究活動的原始數據及其衍生數據[1]。大數據時代，科學數據的獲取和利用是促進科研創(chuàng)新的前提和保障。當前科技創(chuàng)新對科學數據的需求日益迫切，我國科學數據的管理與應用仍然存在明顯不足，特別是有許多高價值的科學數據并未在國內得到充分的共享和使用，中國在科學數據開發(fā)利用、開放共享和安全保護等方面還有很大的改進空間[2]。

2018 年3 月17 日，國務院辦公廳正式發(fā)布《科學數據管理辦法》（以下簡稱《辦法》）?！掇k法》明確規(guī)定“法人單位及科學數據生產者要按照相關標準規(guī)范組織開展科學數據采集生產和加工整理?！薄掇k法》發(fā)布以后，社會各界反響熱烈。截至目前，黑龍江省、甘肅省、陜西省、云南省、昆明市等多個省市先后出臺了科學數據管理實施細則。中國科學院（以下簡稱中科院）于2019 年2 月11 日正式發(fā)布了《中國科學院科學數據管理與開放共享辦法（試行）》，指導全院的科學數據共享，是中科院實施國家大數據戰(zhàn)略的重要舉措[3]。在各省市和中科院發(fā)布的《辦法》實施細則類文件中，都強調了對科學數據標準的研制和遵從。

科學數據資源建設和服務是一項龐大且復雜的系統工程，其標準化也涉及科學數據全生命周期的眾多關鍵業(yè)務點。中科院自1986 年啟動科學數據工作以來，一直高度重視科學數據標準工作，并逐漸形成了較為完善的科學數據標準體系[4]。本文全面梳理了30 多年來，特別是2000 年以來，中科院在科學數據標準規(guī)范方面的發(fā)展歷程和取得的主要成果，以期為社會各界落實國家《辦法》提供參考借鑒和解決方案。

2 發(fā)展歷程

中科院科學數據標準工作的系統化開展始于“十五”期間，自此以來中科院立足實際需求，面向應用實效，扎實推進標準的研制和推廣應用工作。從“十五”面向分布式異構數據資源的規(guī)范化統一服務，到“十一五”數據資源及其應用環(huán)境（含國家科學數據共享工程項目“基礎科學數據共享服務平臺”）建設和服務的標準體系形成，再到“十二五”響應“海-云”環(huán)境和“十三五”適應大數據環(huán)境下科研模式變革的標準體系完善，科學數據標準的研制和應用與時俱進。中科院科學數據標準發(fā)展主要經歷了以下四個關鍵階段。

2.1 “十五”數據標準規(guī)范建設初見成效

“十五”期間，標準規(guī)范研發(fā)團隊面向科學數據庫建設與服務的切實需要，開始有規(guī)劃、有組織地開展標準規(guī)范建設，同時聯合各建庫單位系統地研究和制定了21 項規(guī)范，基本覆蓋科學數據庫建設的全過程，具體包括數據庫建設過程與文檔規(guī)范、技術規(guī)范、元數據標準框架、核心元數據標準等。此外，標準規(guī)范研發(fā)團隊還重點深入到地球科學、化學、生物學等領域，發(fā)動和組織學科領域專家成立領域標準工作組，研究和制定了多個學科領域的專用規(guī)范，如學科領域元數據規(guī)范、數據共享服務規(guī)范、數據質量規(guī)范等，直接應用于學科領域科學數據庫的建設與共享[5]。

2.2 “十一五”數據標準規(guī)范體系形成

“十一五”期間，科學數據標準規(guī)范體系基本形成，內容覆蓋了科學數據庫的建設和服務的基本內容，指導數據庫從需求分析、設計實現到服務全過程關鍵內容的實現，并在應用中取得了良好的效果。標準規(guī)范研發(fā)團隊結合項目實際需求，完成了三項數據政策（科學數據共享辦法、數據托管存儲管理辦法、科學數據加工增值管理辦法），以及數據加工與建庫、元數據、質量管理、集成與服務四個系列的24 項標準規(guī)范的研制。其中專業(yè)數據庫建設規(guī)范、建庫技術指導規(guī)范、數據庫服務網站建設指導規(guī)范、數據應用環(huán)境建設與服務標準規(guī)范框架四項標準是在項目進展過程中，根據實際需要，超額完成標準研制項目任務指標的內容。

2.3 “十二五”面向“海-云”環(huán)境標準規(guī)范體系趨于完善

立足“海-云”環(huán)境下科研模式的新特點和新需求，標準規(guī)范研發(fā)團隊面向中科院數據云服務體系的海量科學數據存儲基礎設施，研究制定基礎設施建設、運行和服務的技術規(guī)范和服務標準，完成了基礎設施協同運行技術規(guī)范和協同運行服務規(guī)范等兩項管理規(guī)范；面向云環(huán)境中數據庫自助管理與共享服務軟件平臺、科研人員組織數據交換與共享云平臺，完成了用戶統一認證接口、互操作接口和科學數據服務效果評測系統相關接口規(guī)范等三項技術規(guī)范；面向“海-云”環(huán)境下科學數據資源集成和應用服務的新特點，完成了語義查詢擴展規(guī)范、基于用戶行為的相關度修正、本體適用性評估規(guī)范、科學數據引用規(guī)范和數據溯源表達模型等五項服務規(guī)范。

2.4 “十三五”面向大數據標準規(guī)范體系再發(fā)展

“十三五”期間，標準規(guī)范研發(fā)團隊面向大數據開放、融合和創(chuàng)新等對基礎環(huán)境、資源匯聚融合、大數據技術開發(fā)以及管理運行模式等關鍵環(huán)節(jié)的新需求，制定面向開放、可擴展的大數據資源集成接口、大數據資源整合與服務等方面的標準規(guī)范。研發(fā)團隊目前已經研制了包括規(guī)定數據服務語法互操作要求的數據互操作規(guī)范；滿足科學大數據工程項目數據標識服務平臺與大數據平臺接口要求的科學數據標識接口規(guī)范以及發(fā)現元數據、數據對象元數據等多個數據規(guī)范等。

3 制定原則

中科院科學數據標準研制主要遵循以下6 個基本原則。

3.1 符合相關國家標準和國際標準

我們在充分調研國內外相關標準適用范圍的基礎上，遵循科學數據領域已經發(fā)布的相關國家標準和國際標準，并根據實際工作需要進行擴展和調整。如在標準編寫方面遵循《標準編寫規(guī)則》（GB/T 20001）、《標準體系構建原則和要求》（GB/T 13016）等；元數據撰寫方面遵循《元數據注冊系統》（GB/T 18391）、《地理信息元數據》（ISO 19115）等；數據標識方面遵循《科技資源標識》（GB/T 32843 ）等有關的規(guī)定和要求。

3.2 滿足項目的切實需求

科學數據資源管理活動的每個環(huán)節(jié)都離不開標準規(guī)范，在數據資源集成整合、共享建設、應用服務等過程中均需要建立相應的長效工作機制和規(guī)范要求。科學數據標準規(guī)范研制力爭做到有現實需求，能解決具體問題；有共性特征，能解決通用問題；有配套實現，能解決應用問題。

3.3 研究內容適度前瞻

除了滿足數據項目建設需求之外，標準研制還兼顧科學數據發(fā)展的前沿問題和熱點問題。如針對異構數據的語義集成、數據規(guī)范化引用和數據溯源等問題，研發(fā)團隊率先研制出《本體適用性評估標準》《數據引用規(guī)范》和《數據溯源表達模型》等標準內容，其中后兩項標準已經作為國家標準正式發(fā)布。

3.4 加強與學科領域的合作

針對科學數據學科領域廣泛的特點，信息技術人員和中科院地理所、土壤所、山地所、動物所、空間中心、金屬所等領域專家成立了多個標準工作組，持續(xù)推進學科領域標準規(guī)范研制工作。我們一方面利用中科院計算機網絡信息中心在計算機信息領域的技術優(yōu)勢，另一方面充分發(fā)揮專業(yè)領域的學科優(yōu)勢，力爭做到專業(yè)上各司其職，強強聯合。

3.5 標準體系靈活可擴展

科學數據標準體系作為一個開放的、可擴展的系統，在遵循數據相關國家標準的基礎上，著眼于現狀和未來，兼顧近期需求和長期目標，經歷“十五”“十一五”“十二五”和“十三五”等關鍵發(fā)展階段，不斷進行更新和完善。在科學數據標準體系研制過程中，既要考慮已有數據資源建設和服務的成熟技術，強調標準體系框架的相對穩(wěn)定性，又要兼顧關鍵領域標準和技術標準的新進展和新趨勢。

3.6 將項目標準謹慎提升為國家標準和國際標準

在實際工作中，標準規(guī)范研發(fā)團隊還與院內外科研機構建立了良好的關系，共同致力于將具有廣泛應用價值的項目標準謹慎地提升為國家標準和國際標準，至今主持或參與研制的國家標準和國際標準達到12 項。特別是2015年年底，全國信息技術標準化技術委員會大數據標準工作組成立，確認了12 項大數據國家標準研制任務，其中《科學數據引用》和《數據溯源描述模型》兩項國標由中科院計算機網絡信息中心牽頭完成并正式發(fā)布。

4 科學數據標準體系

在中科院科學數據庫項目和基礎科學數據共享服務平臺項目的支持下，歷經“十五”的探索、“十一五”的建設、“十二五”和“十三五”的完善和再發(fā)展，我們已經建成了較為完整的科學數據標準體系。標準規(guī)范研發(fā)團隊在國家現有標準的指導下，嚴格參照國家標準“三稿二審”的工作模式，編寫項目標準規(guī)范，保質保量。已建成的科學數據標準體系在統一的架構下，彼此協調一致，內容覆蓋了科學數據建設和服務的基本內容，能夠指導數據庫從需求分析、設計實現到共享服務的全過程關鍵節(jié)點，并在應用中取得了良好的效果。

如圖1 所示，科學數據標準體系主要包括“專用標準”和“指導標準”兩大類。其中，專用標準針對科學數據資源建設中涉及的采集與整理、元數據與數據模型、數據處理與增值服務、系統與接口、管理與技術、應用與服務等方面進行了明確且細致的規(guī)定。指導標準則基于專用標準，滿足實際項目中具體數據庫建設的應用需求，全面指導該類數據庫的建設和服務。

圖1…………科學數據庫標準規(guī)范體系模型

4.1 專用標準

專用標準共有41 項，具體包括：采集與整理標準13 項、元數據與元模型標準4 項、系統與接口標準5 項、數據管理標準10 項、數據質量3 項以及數據服務標準6 項。詳見表1。

表1…………科學數據專用標準

4.2 指導標準

五項指導標準主要是結合了中科院數據庫項目的實際需求，即《主題數據庫建設規(guī)范》《專題數據庫建設規(guī)范》《參考型數據庫建設規(guī)范》《所級數據庫建設規(guī)范》和《專業(yè)數據庫建設規(guī)范》?！笆晃濉逼陂g，中科院從信息化戰(zhàn)略資源高度系統地規(guī)劃科學數據資源體系，根據學科領域的數據整合需求，規(guī)劃建設參考型數據庫、主題數據庫、專題數據庫和專業(yè)數據庫。其中，專業(yè)數據庫由具體研究所承擔建設，主題、專題和參考型數據庫則通過組織相關研究所進行跨所聯合建設[6]。“十二五”期間增設了研究所級數據庫類型。每類數據庫的確立都凝聚了老一輩數據科學家的智慧和心血。指導規(guī)范規(guī)定了每類數據庫在內容組織、技術實現、運行維護和共享服務等方面需要完成的工作和具體的要求，這些內容都來自前述專用標準。

5 實施推廣

5.1 開發(fā)標準規(guī)范配套工具軟件，在項目內培訓和實施

對于能夠通過軟件工具支撐實現的規(guī)范，標準規(guī)范技術團隊還開發(fā)了配套軟件工具，盡可能把標準規(guī)范中可以固定的內容固化到軟件中，以軟件帶動標準的貫徹落實，提升其效果和質量。已經開發(fā)完成的元數據收割工具、數據完整性檢測與評價工具、資源與服務注冊系統、數據資源關聯與發(fā)現工具、科學數據服務效果評測系統、數據門戶平臺集成系統等，都采用相關標準實現了項目層面的部署和應用。詳見表2 。

表2…………支撐標準規(guī)范實施的軟件工具

在項目實施周期內，標準規(guī)范研發(fā)團隊參加了歷次科學數據庫的技術培訓，藉此向建庫單位進行了全面的標準規(guī)范宣貫，保證標準規(guī)范在項目內的實施和應用。在標準規(guī)范的支持下，科學數據庫參建單位參照各項標準規(guī)范，推進了各自數據庫的建設，以統一的形象為用戶提供數據應用服務。

5.2 部分項目標準提升為國家標準和國際標準

經過十余年的努力，中科院科學數據標準工作已經逐步形成了“有需求，多合作，要實用，慎提升”的特點。中科院計算機網絡信息中心是其科學數據中心體系建設的總體牽頭單位，先后作為第一責任單位完成了《生態(tài)科學數據元數據（GB/T 20533—2006）》《信息技術 數據溯源描述模型（GB/T 34945—2017）》《信息技術 科學數據引用（GB/T 35294—2017）》和CODATA 國際標準《天然氣水合物描述語言（Gas Hydrate Markup Language）》，以第二責任單位完成了《檢測資源信息共享體系建設指南（GB/Z 27414—2012）》和《土壤科學數據元數據（GB/T 32739—2016）》。詳見表3。

表3…………參與完成的國家標準列表

5.3 標準成果應用到中科院院外單位

自“十一五”項目結束以來，在線發(fā)布的標準建設成果已被訪問下載17 萬次之多，配套工具軟件已經在項目內全面推廣使用，部分成果（如數據自主管理與發(fā)布工具、數據網絡服務與訪問監(jiān)控統計系統等）還廣泛應用到項目之外。中科院科學數據標準體系在中科院信息化數據庫、國家基礎科學數據共享服務平臺等項目中得到應用和實施，此外，還將標準規(guī)范成果推廣至新華社、煙草研究院等院外單位。

2014 年8 月，標準規(guī)范研制團隊承擔了新華社云平臺項目標準規(guī)范制定課題。標準規(guī)范的建設既要滿足當前已有的云計算平臺的運行需求，也要保障計算虛擬化平臺、云存儲平臺、PaaS 平臺、大數據及應用開發(fā)平臺等眾多平臺的建設和實施工作，從資源申請工作流程和設備接入、管理、應用、服務、接口標準、服務目錄標準、架構治理標準、隱私與安全等方面推進標準規(guī)范的建設工作，完成了計算虛擬化平臺整體標準規(guī)范、云存儲平臺整體標準規(guī)范、PaaS 平臺整體標準規(guī)范、大數據及應用開發(fā)整體標準規(guī)范等，并將其作為新華社企業(yè)技術標準發(fā)布。

2018 年，團隊承擔了中國煙草總公司科技重大專項煙草科研大數據標準體系研究課題。標準規(guī)范研制團隊通過借鑒國內外大數據標準體系現有研究成果，充分結合煙草科研活動的特點和煙草資源體系的特征，研制了包括基礎標準、技術標準、業(yè)務標準和管理辦法等在內的煙草科研大數據標準體系；同時，根據實際業(yè)務需求，分階段完成其中的基礎標準和技術標準研制工作。

6 結語

中科院科學數據標準體系覆蓋了數據資源從建設到應用及效果評估全生命周期的規(guī)范化管理內容，完成了包括數據采集與整理、元數據與元模型、系統與接口、數據管理、數據質量、數據服務等在內的40 余項專用標準，并根據項目需求將其集成到5 項指導標準中。經過十余年的努力，標準規(guī)范研制團隊還參與了12 項國家標準和國際標準的研制?？茖W數據標準規(guī)范在中科院科學數據資源建設和應用服務工作中發(fā)揮了重要的助推作用，提升了科學數據規(guī)范化建設和服務的能力。大數據時代，面向中科院大數據資源深化發(fā)展的需求及大數據驅動科研發(fā)現的應用要求，我們的科學數據標準體系還將持續(xù)更新，不斷完善。

致謝：中科院科學數據庫項目始于1986年，十五期間，標準規(guī)范建設開始有規(guī)劃、系統地開展?？茖W數據標準體系的研制一直得到有關領導、數據科學家、領域專家和一線科研工作者的指導和幫助，謹此一并致謝。