石瑞香 劉 闖

中國科學(xué)院地理科學(xué)與資源研究所《全球變化數(shù)據(jù)學(xué)報(中英文)》編輯部，北京市朝陽區(qū)大屯路甲11號 100101

數(shù)據(jù)既是科技活動的產(chǎn)物，又是支撐國家科技創(chuàng)新和經(jīng)濟社會發(fā)展的重要基礎(chǔ)性、戰(zhàn)略性資源[1]。在2018年國務(wù)院印發(fā)的《科學(xué)數(shù)據(jù)管理辦法》中，將“科學(xué)數(shù)據(jù)”定義為“包括在自然科學(xué)、工程技術(shù)科學(xué)等領(lǐng)域，通過基礎(chǔ)研究、應(yīng)用研究、試驗開發(fā)等產(chǎn)生的數(shù)據(jù)，以及通過觀測監(jiān)測、考察調(diào)查、檢驗檢測等方式取得并用于科學(xué)研究活動的原始數(shù)據(jù)及其衍生數(shù)據(jù)”[2]?？茖W(xué)數(shù)據(jù)在進行實證研究、演繹研究和計算研究的基礎(chǔ)上，開拓了科學(xué)方法的一次新的革命[3]。

近年來，數(shù)據(jù)出版和預(yù)出版成為推動國內(nèi)外科學(xué)研究數(shù)據(jù)共享的新途徑。無論是采取數(shù)據(jù)中心注冊DOI發(fā)布的方式[4]，數(shù)據(jù)中心或存儲庫與數(shù)據(jù)論文期刊聯(lián)合出版的方式[5-6]，還是將數(shù)據(jù)作為論文附件的發(fā)布方式[7]，都在一定程度上保護了數(shù)據(jù)作者的權(quán)益，有助于實現(xiàn)數(shù)據(jù)FAIR原則——可發(fā)現(xiàn)、可訪問、可互操作、可重用[8]。

采取編輯審核、同行評議對數(shù)據(jù)質(zhì)量進行評審，是數(shù)據(jù)出版過程中的一個關(guān)鍵環(huán)節(jié)[5，9-10]。Peer等[11]將數(shù)據(jù)評審定義為“評估數(shù)據(jù)和相關(guān)文件的過程，并采取必要的行動以確保文件可以獨立理解，以便進行知情重用，這個過程包括審查文件、文檔、數(shù)據(jù)和代碼”。Austin等[12]認(rèn)為，數(shù)據(jù)評審涉及元數(shù)據(jù)的準(zhǔn)確性、數(shù)據(jù)文件與文檔的充分性、數(shù)據(jù)計算與分析結(jié)果的準(zhǔn)確性。此外，評審還取決于數(shù)據(jù)出版者的要求、研究者的期望或數(shù)據(jù)敏感性等因素。涂志芳[9]將數(shù)據(jù)評審的內(nèi)容歸納為科學(xué)性評審、技術(shù)性評審和監(jiān)護性評審3個維度?？惾A等[13]提出了科學(xué)數(shù)據(jù)的質(zhì)量評價指標(biāo)體系，并在《中國科學(xué)數(shù)據(jù)》的數(shù)據(jù)評審中試行。關(guān)琳琳等[14]認(rèn)為國際數(shù)據(jù)期刊的出版質(zhì)量控制政策重點強調(diào)數(shù)據(jù)提交規(guī)范、數(shù)據(jù)論文結(jié)構(gòu)、同行評議模式、同行評議標(biāo)準(zhǔn)，并重視拓展作者服務(wù)。汪春播等[15]提出基于元數(shù)據(jù)的開放政府?dāng)?shù)據(jù)質(zhì)量自動評估系統(tǒng)。練海榮等[16]提出基于智能化數(shù)據(jù)探索的數(shù)據(jù)質(zhì)量管理方法?，F(xiàn)有研究多集中于數(shù)據(jù)質(zhì)量評審的指標(biāo)、理論、管理與政策等方面，基于數(shù)據(jù)質(zhì)量評審實踐的研究比較少；以數(shù)據(jù)論文期刊為對象進行數(shù)據(jù)質(zhì)量研究較多，以實體數(shù)據(jù)期刊(數(shù)據(jù)倉儲期刊)為對象進行數(shù)據(jù)質(zhì)量研究較少。本文以《全球變化數(shù)據(jù)倉儲電子雜志(中英文)》為例，歸納、總結(jié)在全球變化科學(xué)研究數(shù)據(jù)質(zhì)量評審實踐中發(fā)現(xiàn)的主要問題，并分析其原因等，以期為提高科學(xué)數(shù)據(jù)質(zhì)量，建設(shè)數(shù)據(jù)期刊評審標(biāo)準(zhǔn)與規(guī)范等提供參考。

1 研究對象與研究方法

1.1 研究對象

《全球變化數(shù)據(jù)倉儲電子雜志(中英文)》是以出版全球變化科學(xué)研究數(shù)據(jù)為核心內(nèi)容的期刊[17]。全球變化科學(xué)研究數(shù)據(jù)是指在科學(xué)研究活動中應(yīng)用和產(chǎn)生的記錄人類生存環(huán)境，特別在地理、資源、環(huán)境、生態(tài)、人文等領(lǐng)域，在全球、區(qū)域、國家、地方各種空間尺度，在地質(zhì)年代、歷史年代至近實時等時間尺度為內(nèi)容的數(shù)字化成果[18]。全球變化科學(xué)研究數(shù)據(jù)常見的數(shù)據(jù)格式有.xlsx、.xls、.tif、.shp、.nc、.prj、.dbf、.sbn、.sbx、.txt、.dat、.data、.mdb、.gdb、.img、.hdf、.hdr、.jpg、.bmp、.kmz、.grd、.csv、.mp4、.vob、.pdf等[18]。本文以《全球變化數(shù)據(jù)倉儲電子雜志(中英文)》數(shù)據(jù)出版過程中，全球變化科學(xué)研究數(shù)據(jù)質(zhì)量評審發(fā)現(xiàn)的主要問題為研究對象。

1.2 研究方法

數(shù)據(jù)質(zhì)量評審涉及對元數(shù)據(jù)、實體數(shù)據(jù)(即數(shù)據(jù)集)和數(shù)據(jù)論文的評審。從實體數(shù)據(jù)出版的角度，主要從元數(shù)據(jù)質(zhì)量評審、實體數(shù)據(jù)質(zhì)量評審、元數(shù)據(jù)-實體數(shù)據(jù)-數(shù)據(jù)論文初稿對照評審三個方面開展，評審的主要內(nèi)容詳見圖1。

圖1 數(shù)據(jù)質(zhì)量評審的主要內(nèi)容

全球變化科學(xué)研究數(shù)據(jù)的質(zhì)量評審主要從數(shù)據(jù)的科學(xué)性、準(zhǔn)確性、完整性、一致性和規(guī)范化等方面進行。數(shù)據(jù)質(zhì)量評審參考的主要資料有《中華人民共和國數(shù)據(jù)安全法》《中華人民共和國測繪法》《出版管理條例》《地圖管理條例》《科學(xué)數(shù)據(jù)管理辦法》《中華人民共和國行政區(qū)劃手冊》、“全球變化科學(xué)研究數(shù)據(jù)出版與共享指南”等。

本文從全球變化科學(xué)研究數(shù)據(jù)質(zhì)量的評審實踐中歸納、總結(jié)發(fā)現(xiàn)的主要數(shù)據(jù)質(zhì)量問題，并分析產(chǎn)生這些問題的原因，提出解決問題的思路和建議。

2 數(shù)據(jù)質(zhì)量評審發(fā)現(xiàn)的主要問題及原因分析

2.1 元數(shù)據(jù)質(zhì)量評審發(fā)現(xiàn)的主要問題及原因

元數(shù)據(jù)是描述實體數(shù)據(jù)的數(shù)據(jù)。元數(shù)據(jù)的完整性和規(guī)范性直接影響對實體數(shù)據(jù)的認(rèn)知和理解，也影響到數(shù)據(jù)的檢索、發(fā)現(xiàn)和重用?！度蜃兓瘮?shù)據(jù)倉儲電子雜志(中英文)》的元數(shù)據(jù)包括數(shù)據(jù)集標(biāo)題、數(shù)據(jù)集作者、作者單位、摘要、關(guān)鍵詞、基金(可選)、關(guān)聯(lián)論文網(wǎng)址和引用方式(可選)、可視化圖和參考文獻(xiàn)等。其中，摘要部分需要闡述數(shù)據(jù)集的研發(fā)方法、精度驗證、數(shù)據(jù)集組成、數(shù)據(jù)集存儲格式等內(nèi)容。元數(shù)據(jù)質(zhì)量評審發(fā)現(xiàn)的主要問題有：元數(shù)據(jù)內(nèi)容不完整，表達(dá)不規(guī)范，可視化圖沒有基于實體數(shù)據(jù)制作等。例如：摘要過于簡單，甚至只有一個句子；中英文作者與單位沒有一一對應(yīng)；參考文獻(xiàn)格式不規(guī)范等。出現(xiàn)上述問題，主要原因有：(1)作者不了解數(shù)據(jù)集元數(shù)據(jù)的內(nèi)容要求；(2)部分作者工作不夠認(rèn)真。

2.2 元數(shù)據(jù)-實體數(shù)據(jù)-數(shù)據(jù)論文初稿對照評審發(fā)現(xiàn)的主要問題及原因

實體數(shù)據(jù)往往由一個或多個數(shù)據(jù)文件組成。借助元數(shù)據(jù)和數(shù)據(jù)論文，厘清實體數(shù)據(jù)包括的內(nèi)容和對應(yīng)的數(shù)據(jù)文件是實體數(shù)據(jù)質(zhì)量評審的前提。元數(shù)據(jù)-實體數(shù)據(jù)-數(shù)據(jù)論文初稿對照評審是數(shù)據(jù)質(zhì)量評審不可缺少的一個環(huán)節(jié)，也是數(shù)據(jù)質(zhì)量評審中最容易出錯的一個環(huán)節(jié)。對照評審發(fā)現(xiàn)的主要問題有以下兩種情況。

(1) 實體數(shù)據(jù)和元數(shù)據(jù)、數(shù)據(jù)論文中的數(shù)據(jù)描述不一致，主要體現(xiàn)為兩類：①數(shù)據(jù)集組成不一致。例如，在元數(shù)據(jù)和數(shù)據(jù)論文中提到，數(shù)據(jù)集內(nèi)容包括1980—1982年每月的水體分布數(shù)據(jù)，而實體數(shù)據(jù)中只有1980—1982年31個月的水體分布數(shù)據(jù)，出現(xiàn)實體數(shù)據(jù)數(shù)量比元數(shù)據(jù)和數(shù)據(jù)論文中描述數(shù)量少的現(xiàn)象。②時空間分辨率、數(shù)據(jù)格式、數(shù)據(jù)文件數(shù)量等不一致。上述問題是由作者準(zhǔn)備材料時粗心造成的；也有部分原因，是作者清楚數(shù)據(jù)的情況，但是沒有表達(dá)清楚，缺少對數(shù)據(jù)集特殊情況的說明。

(2) 盡管實體數(shù)據(jù)和元數(shù)據(jù)、數(shù)據(jù)論文中的數(shù)據(jù)描述一致，但是實體數(shù)據(jù)的研發(fā)方法有疏漏，或缺少科學(xué)依據(jù)。例如，有一些數(shù)據(jù)，基于它寫作的研究論文已經(jīng)出版，甚至發(fā)表在影響因子比較高的期刊上，但在評審實體數(shù)據(jù)質(zhì)量時，發(fā)現(xiàn)數(shù)值有異常，與實際不符。與數(shù)據(jù)論文初稿對照評審，仔細(xì)檢查后發(fā)現(xiàn)研究方法有疏漏。常見的問題主要包括：建立的模型缺少一些關(guān)鍵變量，或者閾值的設(shè)定缺少科學(xué)依據(jù)，以致于產(chǎn)生的數(shù)據(jù)結(jié)果不具有科學(xué)性，或與實際不符。之所以出現(xiàn)這種問題，主要是因為作者研發(fā)數(shù)據(jù)時考慮不周，缺乏理論聯(lián)系實際等，而在得出數(shù)據(jù)結(jié)果以后，沒有對其質(zhì)量和精度進行檢查和驗證。

2.3 實體數(shù)據(jù)質(zhì)量評審發(fā)現(xiàn)的問題及原因

2.3.1 實體數(shù)據(jù)與實際情況不符

實體數(shù)據(jù)與實際情況不符，主要有以下三種情況：

(1) 實體數(shù)據(jù)范圍與研究區(qū)域法定范圍不一致，或范圍界線誤差大。例如：沿海省份丟失了島嶼上的數(shù)據(jù)；中國分省數(shù)據(jù)丟失了臺灣省、香港特別行政區(qū)和澳門特別行政區(qū)的數(shù)據(jù)。出現(xiàn)上述問題的主要原因是作者治學(xué)態(tài)度不夠嚴(yán)謹(jǐn)，缺少國家版圖意識，對地理名詞及其法定范圍不清晰。《中華人民共和國測繪法》第七條規(guī)定：各級人民政府和有關(guān)部門應(yīng)當(dāng)加強對國家版圖意識的宣傳教育，增強公民的國家版圖意識；新聞媒體應(yīng)當(dāng)開展國家版圖意識的宣傳[19]。另外，地理上，行政區(qū)常包含飛地，尤其不同國家之間的飛地，必須謹(jǐn)慎對待。

在數(shù)據(jù)質(zhì)量評審中，還經(jīng)常發(fā)現(xiàn)流域范圍的界線數(shù)據(jù)誤差大，比例尺不匹配等問題。例如，圖2所示為局部放大后的黃河流域邊界與遙感影像數(shù)據(jù)的匹配情況。此段流域邊界并沒有沿分水嶺劃分，而是沿著河流劃分，且流域邊界與其最近的分水嶺的距離約10 km。這是因為作者使用數(shù)據(jù)以前，并沒有檢查不同比例尺的數(shù)據(jù)在空間上的匹配情況。

注：黃線為流域邊界。圖2 流域邊界與遙感影像數(shù)據(jù)的匹配誤差大

(2) 由于數(shù)據(jù)研發(fā)方法有疏漏，或者缺少科學(xué)依據(jù)，所產(chǎn)生的數(shù)據(jù)結(jié)果與實際不符。例如，作者研發(fā)物候數(shù)據(jù)時，一般基于NDVI數(shù)據(jù)提?。晃锖騾?shù)用生長季長度、返青期、枯黃期等指標(biāo)表征。在數(shù)據(jù)質(zhì)量檢查時，發(fā)現(xiàn)生長季長度、返青期等數(shù)據(jù)與研究區(qū)域的植被類型明顯不符。分析其原因，是作者采用的研發(fā)方法有疏漏，選取的閾值沒有基于研究區(qū)域的植被情況設(shè)定；數(shù)據(jù)研發(fā)以后，缺少檢查、驗證的步驟。

(3) 數(shù)據(jù)格式轉(zhuǎn)換以后，所得數(shù)據(jù)與實際情況不符。以水域分布數(shù)據(jù)為例，基于遙感影像提取的水體分布數(shù)據(jù)為柵格數(shù)據(jù)，轉(zhuǎn)為矢量數(shù)據(jù)時，經(jīng)常出現(xiàn)圖3(a)所示的情況，即多邊形交叉為點，這種情況與實際不符?，F(xiàn)實中，水域或者相連[圖3(b)]，或者斷開為兩處[圖3(c)]，不會交叉于一點。這種情況是由數(shù)據(jù)格式轉(zhuǎn)換引起的。作者在轉(zhuǎn)換數(shù)據(jù)格式以后，沒有對數(shù)據(jù)質(zhì)量進行檢查，缺少必要的后處理。

圖3 某湖泊水域分布局部放大圖(a) 修改前；(b)修改后(相連)；(c)修改后(斷開)

2.3.2 實體數(shù)據(jù)內(nèi)容不完整

實體數(shù)據(jù)內(nèi)容不完整，主要有以下三種情況：(1)時間上，數(shù)據(jù)內(nèi)容不完整，見2.2節(jié)所舉的例子；(2)空間上，數(shù)據(jù)內(nèi)容不完整，見2.3.1節(jié)的例子；(3)部分?jǐn)?shù)據(jù)文件缺失，或文件里面部分內(nèi)容缺失。譬如：有的表格數(shù)據(jù)的部分欄缺少表頭，造成其意不明；有的缺少變量單位；有的缺失部分?jǐn)?shù)據(jù)，但是沒有用注釋說明原因。這些問題多數(shù)是由作者做事粗心導(dǎo)致的。

2.3.3 實體數(shù)據(jù)內(nèi)容不一致

實體數(shù)據(jù)內(nèi)容不一致，主要有兩種情況：(1)同一地點不同類型的數(shù)據(jù)之間地理位置不一致。譬如某動物棲息地分布，存儲為多邊形數(shù)據(jù)和點數(shù)據(jù)。評審時發(fā)現(xiàn)表達(dá)同一個棲息地的“點”在“多邊形”以外[圖4(a)]，即不同類型的數(shù)據(jù)出現(xiàn)了地理位置不一致，此時需要建議作者修改為圖4(b)。(2)同一類型的數(shù)據(jù)出現(xiàn)內(nèi)容不一致。譬如：表格數(shù)據(jù)的標(biāo)題和表格內(nèi)容不一致；表格數(shù)據(jù)的左、右欄內(nèi)容在時間尺度上不一致；同一欄數(shù)據(jù)的上、下內(nèi)容不一致。出現(xiàn)上述問題，多是因為作者粗心或者沒有意識到數(shù)據(jù)的一致性。

注：1為點狀棲息地；2為面狀棲息地。圖4 同一地點的點狀數(shù)據(jù)與面狀數(shù)據(jù)地理位置必須一致(a)修改前；(b)修改后

2.3.4 引用實體數(shù)據(jù)不標(biāo)注出處，或者標(biāo)注不規(guī)范

很多作者引用了別人的數(shù)據(jù)，但不標(biāo)注引用數(shù)據(jù)的出處；或者標(biāo)注引用了，但是不規(guī)范。常見標(biāo)注 “數(shù)據(jù)來自某某數(shù)據(jù)中心”，而沒有標(biāo)注數(shù)據(jù)集的作者、出版者、出版年份等重要信息。

除了上述主要問題以外，數(shù)據(jù)質(zhì)量評審中發(fā)現(xiàn)問題比較多的有：不符合數(shù)據(jù)出版的格式要求、英文術(shù)語表達(dá)不準(zhǔn)確等。與期刊出版對論文的格式有要求一樣，數(shù)據(jù)期刊出版對元數(shù)據(jù)、實體數(shù)據(jù)和數(shù)據(jù)論文也有格式要求，例如數(shù)據(jù)的存儲格式、字段命名、文件命名、單個文件數(shù)據(jù)量、參考文獻(xiàn)格式等。

3 解決數(shù)據(jù)質(zhì)量問題的思考及建議

科學(xué)數(shù)據(jù)質(zhì)量評審是完善數(shù)據(jù)內(nèi)容和提高數(shù)據(jù)質(zhì)量的過程。數(shù)據(jù)由自用變?yōu)樗?，有一個被認(rèn)知和理解的過程。針對上述數(shù)據(jù)質(zhì)量評審發(fā)現(xiàn)的主要問題及原因分析，提出以下思考和建議。

3.1 科研人員需要加強數(shù)據(jù)質(zhì)量和精度檢查，加強數(shù)據(jù)產(chǎn)權(quán)意識

科研人員在開展研究過程中，無論是從哪里拷貝或下載的數(shù)據(jù)，在使用以前，都需要檢查數(shù)據(jù)的質(zhì)量和精度，判斷是否能用，以免拿來就用，造成錯誤傳遞。研發(fā)了數(shù)據(jù)以后，也需要檢查數(shù)據(jù)的質(zhì)量和精度，檢查數(shù)據(jù)結(jié)果的科學(xué)性，是否與實際相符等。尤其對數(shù)據(jù)格式轉(zhuǎn)換以后，需要檢查是否會出現(xiàn)新的問題，必要時進行數(shù)據(jù)的后處理。在發(fā)表數(shù)據(jù)以前，需要對數(shù)據(jù)集內(nèi)容的完整性、一致性等進行檢查。加強數(shù)據(jù)產(chǎn)權(quán)意識，引用數(shù)據(jù)一定要標(biāo)注來源，而且遵循引用記錄不超過10%的原則[18]。

3.2 將數(shù)據(jù)成果納入科研成果評價體系，使科研人員發(fā)表數(shù)據(jù)能夠得到認(rèn)可和回報

目前，數(shù)據(jù)質(zhì)量的很多問題與科研人員的數(shù)據(jù)工作不夠嚴(yán)謹(jǐn)、細(xì)致有關(guān)系。筆者認(rèn)為，科研人員對數(shù)據(jù)的學(xué)術(shù)態(tài)度和工作狀況與目前的科研評價體系有一定關(guān)系。數(shù)據(jù)往往是科研人員在經(jīng)費支持下，花費很長時間、很多精力進行實驗、觀測和處理得到的。但是，在目前的科研評價體系中，并沒有將數(shù)據(jù)作為成果納入到科研成果評價體系。數(shù)據(jù)成果與科研工作者的績效評價和職稱評定等脫節(jié)。數(shù)據(jù)作者的辛苦付出得不到認(rèn)可和回報，致使很多人不愿意出版與共享自己團隊研發(fā)的數(shù)據(jù)，或者不愿意在數(shù)據(jù)整理方面花費更多的精力和時間。建議管理部門制定政策，將科學(xué)數(shù)據(jù)作為科研成果，納入科研人員對科學(xué)貢獻(xiàn)的評價體系[20]。

3.3 編輯部加強數(shù)據(jù)出版相關(guān)內(nèi)容的宣傳和普及

盡管在《全球變化數(shù)據(jù)倉儲電子雜志(中英文)》的網(wǎng)站上，“技術(shù)文檔”欄目已經(jīng)有元數(shù)據(jù)、數(shù)據(jù)論文等的模板，但是作者可能沒有看到，或者理解不透徹。因此，編輯部需要利用微信公眾號或者講座，定期或不定期開展數(shù)據(jù)出版相關(guān)內(nèi)容的宣傳和普及。

3.4 逐步創(chuàng)建和完善數(shù)據(jù)期刊數(shù)據(jù)質(zhì)量評審的行業(yè)標(biāo)準(zhǔn)和規(guī)范

數(shù)據(jù)期刊作為新生事物，無論是發(fā)表數(shù)據(jù)論文的期刊，還是發(fā)表實體數(shù)據(jù)的數(shù)據(jù)倉儲期刊，目前還缺少與數(shù)據(jù)質(zhì)量評審相關(guān)的標(biāo)準(zhǔn)和規(guī)范。不同學(xué)科的數(shù)據(jù)有其獨特性和復(fù)雜性，在數(shù)據(jù)類型、數(shù)據(jù)格式和數(shù)據(jù)軟件等方面都有很大不同，使得制定統(tǒng)一的數(shù)據(jù)質(zhì)量評審標(biāo)準(zhǔn)和規(guī)范有難度。建議根據(jù)學(xué)科特點，制定通用格式的數(shù)據(jù)質(zhì)量評審標(biāo)準(zhǔn)和學(xué)科專用格式的數(shù)據(jù)質(zhì)量評審標(biāo)準(zhǔn)或規(guī)范，以供數(shù)據(jù)期刊質(zhì)量評審參考。

4 結(jié)語

目前，對于全球變化科學(xué)研究數(shù)據(jù)，無論是元數(shù)據(jù)、數(shù)據(jù)論文，還是實體數(shù)據(jù)，在質(zhì)量評審過程中發(fā)現(xiàn)的問題都比較多。這與當(dāng)前的科研評價機制、作者對待數(shù)據(jù)的態(tài)度等有密切關(guān)系。希望本研究闡述的數(shù)據(jù)質(zhì)量評審過程中發(fā)現(xiàn)的主要問題、原因分析、相關(guān)思考和建議，能對從事數(shù)據(jù)期刊出版的編者、評審專家和數(shù)據(jù)作者等有益，共同促進科學(xué)數(shù)據(jù)質(zhì)量的提高，也為數(shù)據(jù)期刊制定質(zhì)量評審的行業(yè)標(biāo)準(zhǔn)和規(guī)范等提供參考和借鑒。

本研究也存在局限性：只歸納和總結(jié)了《全球變化數(shù)據(jù)倉儲電子雜志(中英文)》在數(shù)據(jù)質(zhì)量評審實踐中發(fā)現(xiàn)的主要問題，可能存在很重要，卻沒有發(fā)現(xiàn)的問題；在分析的過程中也有考慮不周之處。希望在以后的工作實踐中，不斷積累與精進。

致謝感謝住房和城鄉(xiāng)建設(shè)部政策研究中心袁利平老師在論文修改方面提供的幫助。