第1章 数据密集型科研范式概述
1.1 科研范式的演变过程
1.1.1 科学研究的概念
1.1.2 范式的内涵与转换
1.1.3 科研范式的演变
1.2 数据密集型科研范式的产生
1.2.1 数据密集型科研范式的产生背景
1.2.2 数据密集型科研范式的提出
1.3 数据密集型科研范式的核心内容
1.4 数据密集型科研范式的特征
1.4.1 研究客体的变化
1.4.2 科研驱动方式的变化
1.4.3 数据要求的变化
1.4.4 研究手段的变化
1.4.5 科学发现模式的变化
1.4.6 科研组织模式的变化
1.5 数据密集型科研范式对科学研究的影响
1.5.1 催生出科学研究新场景
1.5.2 数据被视为研究基础设施
1.5.3 提高了科研相关方对数据重视的程度
1.5.4 给学术信息交流带来的深刻变化
1.5.5 对支撑科学研究的数字基础设施提出更全面的需求
1.5.6 推动全球“开放科学”运动
第2章 数据密集型科研环境发展态势
2.1 积极制定大数据发展战略规划
2.2 国内外持续加强数字科研基础设施建设
2.3 全球数据管理与开放共享运动快速发展
2.3.1 数据管理与开放共享政策的制定
2.3.2 数据管理机构与数据中心的建设
2.4 数据密集型科研呈现开放与包容的发展态势
2.5 数据密集型科研面临多方面挑战
第3章 支撑数据密集型科研的数字基础设施典型案例
3.1 通用数字科研基础设施
3.1.1 欧洲开放科学云
3.1.2 欧盟第七框架项目
3.1.3 欧洲开放获取基础设施研究项目
3.1.4 美国俄亥俄超级计算机中心
3.2 专业领域数字科研基础设施
3.2.1 欧洲生命科学大数据联盟基础设施
3.2.2 欧洲开放科学云-生命科学领域
3.2.3 环境研究基础设施
3.2.4 综合碳监测系统
3.2.5 AGINFRA+
3.2.6 迈向农业开放科学的电子基础设施路线图
3.2.7 AgGateway
3.2.8 欧洲植物表型组学会
3.2.9 LifeWatch
3.3 数字科研基础设施建设启示
3.3.1 强化云计算关键技术的应用
3.3.2 强调遵循数据的开放获取和FAIR原则
3.3.3 注重数据和服务间的互操作性和标准化
3.3.4 重视基础设施建设的整体统筹和长期可持续性
第4章 数据密集型科研典型应用案例及启示
4.1 数据密集型科研典型应用案例
4.1.1 地球大数据科学工程
4.1.2 第一张黑洞真实照片
4.1.3 欧盟“人脑计划”项目
4.1.4 医疗大数据应用技术国家工程
4.1.5 农业气候和经济建模
4.1.6 食品安全风险评估
4.1.7 水稻计算育种
4.1.8 华大基因工程
4.1.9 大科学项目斯隆数字巡天
4.1.10 数据驱动型农业物联网应用
4.2 数据密集型科研典型应用案例启示
4.2.1 重视虚拟科研环境搭建
4.2.2 加强科研数据体系建设
4.2.3 着重提升数据计算分析能力
4.2.4 强化大数据关键技术应用
第5章 数据密集型农业科研应用
5.1 数据密集型农业科研的新需求
5.1.1 注重多学科领域的协同创新
5.1.2 加强数字科研共享基础设施的建设
5.1.3 强化信息技术与领域技术的深度融合
5.1.4 重视数据和智能双向驱动的科研体系建设
5.1.5 重视数据密集型计算模型的构建
5.2 数据密集型农业科研平台典型架构
5.3 数据密集型农业科研应用场景
5.3.1 作物计算育种
5.3.2 多组学大数据与表型性状关联分析
5.3.3 植物病虫害监测预警
5.3.4 农业绿色发展智能预测
5.3.5 基因工程疫苗协同研发
第6章 结语与展望
6.1 发达国家高度重视和关注数据密集型研究
6.1.1 美国国家科学基金会对数据密集型科学计算的持续支持
6.1.2 欧洲网格基础设施发布促进数据及计算密集型科学发展的策略
6.1.3 英国科学和技术设施理事会提出数据密集型科学的发展方向
6.1.4 美国国家医学图书馆致力于数据驱动科研平台的规划与实现
6.2 加快推进数据密集型科研发展的建议
6.2.1 加强政策创设，强化体制机制创新
6.2.2 加强科研基础设施建设及开放共享
6.2.3 加强标准规范的制定与数字服务体系建设
6.2.4 积极推进科研组织模式转型与人才队伍建设
参考文献
展开
