《中国‐欧盟国际海洋数据共享合作关系取得重要进展》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: liguiju
  • 发布时间:2021-02-19
  • 2021年1月29日,欧洲海洋观测数据网(European Marine Observation and Data Network,EMODnet)和中国国家海洋信息中心(National Marine Data and Information Service of China,NMDIS)签署谅解备忘录,这标志着中国和欧盟在海洋数据和知识共享合作方面迈出了新的一步。

    该协议通过提供一个清晰的合作框架来推进两国海洋数据共享共同发展,巩固了EMOD-PACE和CEMDNET项目在操作、技术和科学合作三个合作领域顺利推进基础:(1)共享现有的原位、地球观测和模拟海洋数据,(2)交流与海洋数据和信息产品研发及相关技术有关的知识和最佳实践,(3)制定和执行NMDIS和EMODnet在海洋再分析、海底生境测绘、生态脆弱性和沿海地区适应性方面的共同工作计划。

    该谅解备忘录概述了中国和欧盟作为合作伙伴关系的初步工作领域和计划开展的活动,同时这份清单可以随着时间的推移经过双方同意而不断更新升级。它的目的是进一步促进集体方法和实践的制定,以解决国际海洋治理和海洋数据方面存在的共性的和具有全球挑战性的问题。

    鉴于正在发生的新冠肺炎疫情,谅解备忘录中还特别提到,EMODnet和NMDIS可以同意就任何必要的措施来减缓和协调合作,以确保该合作尽可能取得进展。虽然当前受全球疫情的影响,但如果可能的话,下次会议将于2021年11月下旬在中国天津举办。(冯若燕 编译)

  • 原文来源:https://www.emodnet.eu/en/eu-china-partnership-sets-pace-international-marine-data-sharing
相关报告
  • 《欧盟首次与中国签署海洋伙伴关系协议》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:mall
    • 发布时间:2018-08-09
    • 2018年7月16日,欧盟首次与中国签署了海洋伙伴关系协议。世界上最大的两个海洋经济体将共同努力,改善海洋各方面的国际治理能力,包括打击非法捕鱼和促进可持续蓝色经济。 该协议明确承诺保护海洋环境,根据“巴黎协定”应对气候变化,并实施2030年可持续发展议程,特别是关于海洋可持续发展的目标14。 负责环境、海洋事务和鱼类事务的欧盟专员Karmenu Vella说:“在全世界范围内,我越来越意识到需要联合起来解决我们面临的海洋挑战。从清理塑料污染到解决过度捕捞问题,任何一个国家或大陆都无法独自承担这些庞大的任务。在今天签署的伙伴关系协议下,欧盟和中国正加紧共同努力,为海洋和数百万以海洋为生的人类提供更可持续的未来。” 这种伙伴关系为未来在诸多领域的合作奠定了基础,具体包括: 公海的保护和可持续利用的海洋生物多样性; 打击海洋污染,如海洋塑料垃圾和微塑料; 减缓和适应气候变化对包括北冰洋在内的海洋的影响; 保护南极海洋生物资源; 区域和全球论坛的渔业治理以及防止非法、未报告和无管制的捕捞活动。 欧盟和中国还同意通过探索在企业、研究机构、金融机构和行业协会等利益相关方之间促进业务互动和信息交流的可能性,支持蓬勃发展和可持续发展的蓝色经济,特别是在清洁技术和最佳可行做法基础上的循环经济。 国际海洋治理是欧盟的重要优先项目之一,旨在通过国际和双边合作来实现。欧盟和中国在海洋事务上有着长期的合作经验,2017年欧盟-中国蓝色年的组织,为加强双边合作创造了更大动力。这种海洋伙伴关系的签署为欧盟与其他主要海洋参与者的进一步合作提供了敲门砖。 (刘雪雁 编译)
  • 《中国科学院海洋研究所在遥感观测数据补全研究取得重要进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-04-29
    • 近日,中国科学院海洋研究所李晓峰研究员团队在遥感观测数据补全研究中取得突破性成果。其研究成果以“GDCM: Generalized Data Completion Model for Satellite Observations”为题,发表于遥感领域国际期刊 Remote Sensing of Environment(SCI一区,影响因子11.1)。 研究团队提出了一种适用于多源遥感数据的通用补全模型:GDCM(Generalized Data Completion Model)。该模型基于时空卷积与注意力机制融合的深度学习框架,成功解决了卫星轨道覆盖间隙与云层遮挡导致的数据缺测问题,可高精度重建海表温度、风速、水汽、云液态水、降水率等关键海气变量,显著提升了遥感观测数据的完整性与实用性。 GDCM模型以连续7天的观测序列为输入,通过双尺度编码–解码结构捕捉局地与大尺度特征,利用注意力机制筛选关键时空依赖。实验表明,GDCM在复杂海洋环境下仍保持高稳定性,补全精度显著优于传统插值方法与现有AI模型,并在多类型、跨平台遥感数据补全任务中均表现出优异性能,具备良好的通用性和鲁棒性。 此外,GDCM采用逐步加深缺测比例的训练策略,使模型先理解完整场,再逐步适应严重缺测情境,有效提升了泛化能力。以热带不稳定波区域为例,GDCM几乎消除了预测偏差,重建效果稳定可靠。 本成果不仅在技术层面上推动了遥感观测数据智能重建方法的发展,也为未来气候变化监测、台风路径预报、极端事件识别等高时空分辨率应用场景提供了有力工具。 该论文第一作者为中国科学院海洋研究所王浩宇博士,李晓峰研究员为通讯作者,合作者还包括博士生周寅飞。研究工作得到国家自然科学基金和崂山实验室“十四五”重大项目支持。 论文信息: Wang,H.,Zhou,Y.,& Li,X*. (2025). GDCM: Generalized data completion model for satellite observations. Remote Sensing of Environment,324,114760. DOI: 10.1016/j.rse.2025.114760