在成都飛往拉薩的航班上，透過飛機舷窗俯瞰，青藏高原雪峰如海，冰川如練。這片250萬平方公裡的土地，既是世人眼中的“世界屋脊”，更是孕育了長江、黃河、雅魯藏布江等10多條大江大河的“亞洲水塔”。

然而，要算清這座水塔的水量賬，過去幾乎是不可能的事。“當地氧氣稀薄、溫度低、風雪大、輻射強，導致普通監測儀器故障率高、壽命短、維護也極為困難。”中國科學院青藏高原研究所研究員李新說，“就算儀器扛住了高寒低溫的惡劣環境，數據也很難傳回來。”

如今，這個局面正在被改變。在北京林萃路，一個由十幾名研究員領銜的“數據工廠”——國家青藏高原科學數據中心（以下簡稱“中心”），正在為“亞洲水塔”打造可靠的數字底座。截至今年5月，中心發布的數據集總數達8585個，累計下載量達6PB。

攻克數據關卡

“青藏高原的每一組數據，都來之不易。”中心主任李新說。

高原上，冬天零下二三十度是家常便飯，普通監測設備撐不過一個冬天就“罷工”。“有時候辛辛苦苦把設備架好，第二年開春去看，已經被風吹雪掩，無法使用了。”李新說。

即便設備扛住了，青藏高原近80%的地區沒有通訊網絡覆蓋，4G信號更是奢望，數據存在存儲卡裡，就是傳不出來。過去，科考隊只能一次次進山，靠人工下載取回數據。“雅魯藏布江大峽谷就是典型的‘通信盲區’，高山深谷人力難以到達，很難採集到有效數據並傳輸到中心。”李新感慨道。

為解決這些難題，中心自主研發了適應高寒極端環境的衛星物聯網觀測終端，還研制出無人機高速中繼系統、無人機載徑流監測系統、“智能鷹眼”等新裝備，硬是在高原上織起了一張“天—空—地”立體監測網。

天基層面，中心整合高分系列衛星、風雲系列衛星等國產衛星及國際衛星資源，實現對青藏高原全域的周期性監測﹔空基層面，運用無人機搭載多種智能載荷，對冰川凍土、雅魯藏布江大峽谷、拉魯濕地等重點區域實施高分辨率、高頻次觀測﹔地基層面，通過在六大流域24個地面觀測站部署中心研發的物聯網監測信息系統，持續採集水文、氣象、生態等62類關鍵指標的原位數據，累計接收數據超過20億條。

此外，中心還建立了覆蓋數據全生命周期的動態安全管理機制，為每個數據集賦予全球唯一的DOI“身份証”，實現數據精准溯源。

讓數據“活”起來

在做好數據存檔的同時，中心還致力於讓數據真正“活”起來，釋放其科學價值。一組數字足以說明其效果：中心注冊用戶超過14萬，2025年平台數據下載量超過2100TB、頁面訪問量超過1.65億次﹔三分之二的數據完全公開、免注冊下載，國際下載佔比高達27%……

“第三方測評機構按可查找、可訪問、可互操作、可重用原則評估地學領域的數據中心，我們中心多次獲得第一。雖然我們的數據量不算大，但下載量和流通速度常年排名靠前。”中國科學院青藏高原研究所研究員、國家青藏高原科學數據中心副主任馮敏告訴記者。

在國家數據中心體系裡，中心率先引入同行評審機制。每個數據集不僅要先技術評審，檢查完整性、元數據規范性，還要送專家庫進行同行評議。

“專家要打開數據、檢查方法、評估精度，並給出反饋，這相當於給數據做一次‘學術審稿’。像期刊審稿一樣，專家不僅指出問題，更提出建議，幫助數據提交者改進。”馮敏說，依托在線數據庫運作系統，觀測數據中哪個數值異常、什麼時候採集的、誰採集的，都能追溯到。

得益於嚴格的質量把控，中心的數據產品開始在高水平科學研究中發揮關鍵作用。以青藏高原湖泊研究為例，依托中心數據產品，科學家對湖泊數量、面積、水量變化有了更精准的把握，支撐了一系列高水平成果的產出﹔研制的首套中國區域75年長時序近地面氣象驅動數據，已成為高原氣候變化研究和工程安全評估的關鍵數據﹔全球地表太陽輻射數據，為新能源資源評估提供了重要依據。

截至今年4月，對中心表示致謝的論文已超過11000篇，且數量呈快速上升態勢。2025年10月，中心申報的“地球大數據創新青藏高原高質量數據集”入選國家數據局發布的“高質量數據集典型案例”，總規模超過600TB。

數據不光支撐科研，還直接服務國家需求和產業發展。“中心發布的數據已應用於川藏鐵路建設、雅魯藏布江下游水電工程、冰湖潰決應對等國家重大工程﹔同時，還有多家企業依托中心發布的產品，優化了產業布局，比如比亞迪汽車股份有限公司利用中心共享的太陽輻射、植被、社會經濟數據進行了大數據分析，助力公司決策。”李新說。

AI賦能地球“管理”

當前，人工智能（AI）賦能千行百業的熱潮正席卷而來。在地球科學領域，遙感、地理信息雖已廣泛引入AI，但在支撐地球系統預測和決策層面，AI的潛力仍未得到充分釋放。“如何讓AI真正理解地球系統的復雜過程，依然是一個難題。”李新說。

這正是中心團隊選擇深入研究的方向。在數據產品研發上，中心已建立起“多源觀測+AI智能融合+物理模型同化”的復合生產模式。針對青藏高原復雜的地形、氣候環境，中心通過融合多源觀測和模型模擬結果，生成了高分辨率氣候驅動、冰川湖泊分布與變化等一系列數據產品。其中，中國區域氣象要素驅動數據集兩套版本累計被瀏覽31萬余次、下載4.4萬余次。

“數據產品的價值，最終要看科學家能不能直接拿來用。AI幫我們解決了復雜環境下數據生產的效率問題，但每一個產品背后，都還需要實測數據的校准和專家的把關。”馮敏說。

在此基礎上，中心正將目光投向更具挑戰性的目標——地球系統的建模與數字孿生。中心團隊提出了“AI驅動的青藏高原觀測—數據—模型一體化”框架，探索引入多主體強化學習方法，讓多個智能體在虛擬環境中模擬推演氣溫上升、冰川消融、湖泊擴張、人類適應等過程的演變規律，為地球系統預測和災害預警提供決策支持。

“與通用大語言模型不同，我們更強調在地球系統預測和決策中發揮作用。不僅要預測，更要能評估決策干預的效果﹔不僅要技術上可行，更要對實際有用。”李新說。

面向未來，中心與中國科學院磐石模型團隊、浦江實驗室團隊等團隊交流，探索數據同化、強化學習、因果分析在數字孿生地球中的結合，逐步構建能夠模擬和預測高原地球系統變化的數字孿生平台。“我們希望數據不只是記錄高原發生了什麼，更能為理解高原變化的機制、應對未來的不確定性提供科學依據。”李新說。

從破解“獲取難、傳輸難”到擁抱“AI”，這群在高原上“追數據”的人，正以數據為筆，在雪域高原書寫新的可能。