陳 菲 王 蓉

（1.華中師范大學(xué)，湖北 武漢430079）

中國(guó)幅員遼闊，海陸兼?zhèn)洌瑩碛袕V泛的海洋戰(zhàn)略利益。黨的十八大報(bào)告中首次提出“建設(shè)海洋強(qiáng)國(guó)”的戰(zhàn)略目標(biāo)，報(bào)告中明確強(qiáng)調(diào)：“提高海洋資源開發(fā)能力，發(fā)展海洋經(jīng)濟(jì)，保護(hù)海洋生態(tài)環(huán)境，堅(jiān)決維護(hù)國(guó)家海洋權(quán)益，建設(shè)海洋強(qiáng)國(guó)”。①“胡錦濤在中國(guó)共產(chǎn)黨第十八次全國(guó)代表大會(huì)上的報(bào)告”，人民網(wǎng)，2012年11月8日，http：／／cpc.people.com.cn／n／2012／1118／c64094-19612151-1.html。黨的十九大則進(jìn)一步提出“堅(jiān)持陸海統(tǒng)籌，加快建設(shè)海洋強(qiáng)國(guó)”。“陸海統(tǒng)籌”這一新的海洋管理理念和“加快”二字體現(xiàn)出了新時(shí)代海洋事業(yè)發(fā)展的新要求。②孫悅民、張明、張慧鑫著：《中國(guó)南海海島行政價(jià)值觀的歷史演進(jìn)與現(xiàn)實(shí)選擇研究》，中國(guó)經(jīng)濟(jì)出版社，2019年版，第185頁(yè)。十九屆五中全會(huì)審議通過(guò)的《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》再次提到“堅(jiān)持陸海統(tǒng)籌，發(fā)展海洋經(jīng)濟(jì)，建設(shè)海洋強(qiáng)國(guó)”，凸顯了海洋在新時(shí)代中國(guó)特色社會(huì)主義事業(yè)發(fā)展全局中的突出地位和作用。③“中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議”，《人民日?qǐng)?bào)》，2020年11月4日。

2019年4月23日，習(xí)近平總書記在會(huì)見(jiàn)應(yīng)邀出席中國(guó)人民解放軍海軍成立70周年多國(guó)海軍活動(dòng)的外方代表團(tuán)團(tuán)長(zhǎng)時(shí)指出：“我們?nèi)祟惥幼〉倪@個(gè)藍(lán)色星球，不是被海洋分割成了各個(gè)孤島，而是被海洋連結(jié)成了命運(yùn)共同體”，海洋命運(yùn)共同體的概念被首次提出。習(xí)近平總書記還指出“各國(guó)人民安危與共。海洋的和平安寧關(guān)乎世界各國(guó)安危和利益，需要共同維護(hù)，倍加珍惜”。①李學(xué)勇、李宣良、梅世雄：“習(xí)近平集體會(huì)見(jiàn)出席海軍成立70周年多國(guó)海軍活動(dòng)外方代表團(tuán)團(tuán)長(zhǎng)“，人民網(wǎng)，2019年4月23日，http：／／politics.people.com.cn／n1／2019／0423／c1024-31045279.html。作為國(guó)際交往的大通道和人類可持續(xù)發(fā)展的戰(zhàn)略資源寶庫(kù)，海洋在當(dāng)今世界經(jīng)濟(jì)、政治、社會(huì)等領(lǐng)域的地位與作用越來(lái)越突出，海洋安全也有了更加深刻的含義。作為國(guó)家安全的重要組成部分，同時(shí)也作為世界安全的重要一環(huán)，海洋安全不僅對(duì)國(guó)家總體安全目標(biāo)的實(shí)現(xiàn)具有重要意義，而且對(duì)維護(hù)世界和平與發(fā)展也有著舉足輕重的作用。然而，海上安全態(tài)勢(shì)日趨復(fù)雜，傳統(tǒng)安全與非傳統(tǒng)安全問(wèn)題相互交織，使中國(guó)的海洋安全治理面臨巨大挑戰(zhàn)。在大數(shù)據(jù)時(shí)代背景下，充分挖掘并發(fā)揮海洋大數(shù)據(jù)的巨大價(jià)值，利用海洋大數(shù)據(jù)助力海洋安全治理，為維護(hù)海洋權(quán)益、發(fā)展海洋經(jīng)濟(jì)、保護(hù)海洋生態(tài)提供優(yōu)質(zhì)的信息服務(wù)和決策支持，是建設(shè)海洋強(qiáng)國(guó)、構(gòu)建“海洋命運(yùn)共同體”、堅(jiān)持陸海統(tǒng)籌的必經(jīng)之路。

一、大數(shù)據(jù)與國(guó)家安全治理

在過(guò)去的十幾年中，“大數(shù)據(jù)”已經(jīng)成為學(xué)術(shù)界、專業(yè)界和媒體中無(wú)處不在的流行語(yǔ)，所謂的大數(shù)據(jù)是指：“無(wú)法用常規(guī)軟件在規(guī)定時(shí)間內(nèi)進(jìn)行收集、操作、處理和加工的數(shù)據(jù)集，”②“Big Data，”Wikipedia，https：／／en.wikipedia.org／wiki／Big_data，訪問(wèn)時(shí)間：2021年3月3日。“是海量、高速和多樣化的信息資產(chǎn)，它需要新型的處理方式去促成更強(qiáng)的決策力、洞察力和流程優(yōu)化能力”。③“Big Data，”Gartner Glossary，http：／／www.gartner.com／itglossary／big-data／，訪問(wèn)時(shí)間：2021年3月3日。易卜拉欣·阿巴克·塔吉奧·哈什姆（Ibrahim Abaker Targio Hashem）等人則認(rèn)為大數(shù)據(jù)是一系列技術(shù)，以新的整合形式從多樣化、復(fù)雜和大規(guī)模的大型數(shù)據(jù)集中發(fā)現(xiàn)巨大的隱藏價(jià)值。④Ibrahim Abaker Targio Hashem，Ibrar Yaqoob，Nor Badrul Anuar，“The Rise of‘Big Data’on Cloud Computing：Review and Open Research Issues，Information Systems，Vol.47，2015，pp.98-115.因此可以從兩個(gè)層面對(duì)大數(shù)據(jù)加以理解，即狹義和廣義。狹義的大數(shù)據(jù)可以理解為“體量異常龐大、結(jié)構(gòu)復(fù)雜，以至于傳統(tǒng)數(shù)據(jù)處理技術(shù)難以應(yīng)對(duì)的數(shù)據(jù)集”；廣義的大數(shù)據(jù)則可以將獲取、傳輸、存儲(chǔ)、處理、分析和應(yīng)用狹義的大數(shù)據(jù)的方法、技術(shù)和模式也包含在內(nèi)。⑤吳江、張小勁：“大數(shù)據(jù)國(guó)際政治研究的回顧與展望”，《華中師范大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》，2016年第4期，第1-10頁(yè)。大數(shù)據(jù)的特征通常被概括為“5V”，即Volume（海 量）、Variety（多 樣）、Velocity（高 速）、Veracity（真實(shí)）及Value（價(jià)值）。⑥Samuel Fosso Wamba，Shahriar Akter，Andrew Edwards，“How‘Big Data’Can Make Big Impact：Findings from a Systematic Review and a Longitudinal Case Study，”International Journal of Production Economics，Vol.165，2015，pp.234-246.

維克多·邁爾·舍恩伯格（Victor Mayer-Schonberger）指出，大數(shù)據(jù)正在改變我們的生活以及理解世界的方式，成為新發(fā)明和新服務(wù)的源泉，而更多的改變正蓄勢(shì)待發(fā)。⑦［英］維克托·邁爾·舍恩伯格，［英］肯尼思·庫(kù)克耶著，盛楊燕、周濤譯：《大數(shù)據(jù)時(shí)代生活、工作與思維的大變革》，浙江人民出版社，2013年版，第1頁(yè)。其與肯尼思·庫(kù)克耶（Kenneth Cukier）在《外交事務(wù)》雜志2013年5月／6月號(hào)上發(fā)表的《大數(shù)據(jù)的崛起》一文被視為國(guó)際關(guān)系學(xué)界對(duì)大數(shù)據(jù)予以重視的標(biāo)志。⑧陳菲：“大數(shù)據(jù)時(shí)代背景下的國(guó)家安全治理”，《國(guó)際觀察》，2016年第3期，第42-52頁(yè)。2014年，大衛(wèi)·魯賓（David Rubin）等人發(fā)表了“利用大數(shù)據(jù)保障國(guó)家安全”一文，文章認(rèn)為大數(shù)據(jù)及其分析可以幫助政府和相關(guān)組織更好地解決公共衛(wèi)生問(wèn)題，提前洞察社會(huì)、政治、經(jīng)濟(jì)變化以確保經(jīng)濟(jì)、政治、網(wǎng)絡(luò)安全，從而，加強(qiáng)國(guó)家安全，從此大數(shù)據(jù)在國(guó)家安全中的應(yīng)用受到學(xué)術(shù)界的廣泛關(guān)注。⑨David Rubin，Kim Lynch，Jason Escaravage，“Harnessing Data for National Security，”SAIS Review of International Affairs，Vol.34，No.1，2014，pp.121-128.

在全球大數(shù)據(jù)急速增長(zhǎng)的同時(shí)，海洋大數(shù)據(jù)也實(shí)現(xiàn)了爆炸式增長(zhǎng)，這標(biāo)志著海洋也已進(jìn)入大數(shù)據(jù)時(shí)代。海洋大數(shù)據(jù)是大數(shù)據(jù)技術(shù)在海洋領(lǐng)域的科學(xué)實(shí)踐，是在大數(shù)據(jù)的理論指導(dǎo)和技術(shù)支撐下的價(jià)值實(shí)現(xiàn)。①侯雪燕、洪陽(yáng)、張建民等：“海洋大數(shù)據(jù)：內(nèi)涵、應(yīng)用及平臺(tái)建設(shè)”，《海洋通報(bào)》，2017年第4期，第361-369頁(yè)。海洋大數(shù)據(jù)兼具大數(shù)據(jù)的普遍特征與自身特點(diǎn)，當(dāng)前各類海洋觀測(cè)計(jì)劃覆蓋全球幾乎所有大洋，進(jìn)行著各類周期性、實(shí)時(shí)性的數(shù)據(jù)采集，海洋大數(shù)據(jù)體量不斷增長(zhǎng)，目前其總體量已達(dá)到EB級(jí)。②Jonathan T.Overpeck，Gerald A.Meehl，Sandrine Bony，“Climate Data Challenges in the 21st Century，”Science，Vol.331，No.6018，2011，pp.700-702.海洋大數(shù)據(jù)囊括了海洋水文、海洋化學(xué)、海洋地質(zhì)、海洋氣象和海洋生物等類數(shù)據(jù)，類型豐富多樣，蘊(yùn)含著巨大的價(jià)值，可以轉(zhuǎn)化為豐富的信息，供人們學(xué)習(xí)、開發(fā)和保護(hù)海洋。但由于海洋系統(tǒng)十分龐雜且呈非線性特征，時(shí)空尺度差異大，因此海洋大數(shù)據(jù)除了擁有大數(shù)據(jù)的一些基本特征以外，還呈現(xiàn)出時(shí)空性、異構(gòu)性、敏感性等特點(diǎn)。時(shí)空性是指海洋現(xiàn)象不僅存在于一定的空間范圍內(nèi)，還在時(shí)間上具有一定的持續(xù)性，絕大部分區(qū)域相近的空間位置及時(shí)間點(diǎn)都具有相同或相近的物理屬性，這也將導(dǎo)致海洋大數(shù)據(jù)存在一定的冗余性。異構(gòu)性源于海洋大數(shù)據(jù)的多源采集與應(yīng)用目的的不同，主要表現(xiàn)為系統(tǒng)異構(gòu)，即數(shù)據(jù)生產(chǎn)所依賴的觀測(cè)系統(tǒng)存在顯著差異；模式異構(gòu)，即數(shù)據(jù)的邏輯結(jié)構(gòu)或組織方式不同。敏感性是指海洋數(shù)據(jù)中包含大量機(jī)密敏感數(shù)據(jù)，如大比例尺的海島暗礁、近海岸線數(shù)據(jù)等，需要采取數(shù)據(jù)安全保障措施。③劉帥、陳戈、劉穎潔等：“海洋大數(shù)據(jù)應(yīng)用技術(shù)分析與趨勢(shì)研究”，《中國(guó)海洋大學(xué)學(xué)報(bào)（自然科學(xué)版）》，2020年第1期，第154-164頁(yè)；黃冬梅，鄒國(guó)良等編著：《大數(shù)據(jù)技術(shù)與應(yīng)用：海洋大數(shù)據(jù)》，上海科學(xué)技術(shù)出版社，2016年版，第82頁(yè)。以上特點(diǎn)使得海洋大數(shù)據(jù)在具有充分挖掘價(jià)值的同時(shí)面臨著處理、分析與共享的困難。作為建設(shè)智慧海洋、海洋強(qiáng)國(guó)與構(gòu)建“海洋命運(yùn)共同體”的基本技術(shù)依托，海洋大數(shù)據(jù)毋庸置疑地成為經(jīng)略海洋的必然選擇，充分發(fā)揮海洋大數(shù)據(jù)在海洋安全治理中的重要作用機(jī)遇與挑戰(zhàn)并存，需要明確現(xiàn)狀、冷靜應(yīng)對(duì)、迅速行動(dòng)、突破關(guān)鍵技術(shù)。

二、大數(shù)據(jù)在海洋安全治理中的應(yīng)用

當(dāng)前，海洋安全已經(jīng)發(fā)展成為一個(gè)集水上、水下、海底等多維的立體概念，作為一個(gè)瀕海國(guó)家，中國(guó)大陸海岸線總長(zhǎng)18 000多千米，島嶼岸線14 000多千米，面積在500平方米以上的沿海島嶼6961個(gè)。④國(guó)家海洋局海洋發(fā)展戰(zhàn)略研究所課題組編：《中國(guó)海洋發(fā)展報(bào)告》，海洋出版社，2007年版，第15頁(yè)。中國(guó)海上鄰國(guó)眾多，且除渤海外，中國(guó)與其他國(guó)家在黃海、東海、南海海域均有島嶼主權(quán)爭(zhēng)端或海洋劃界紛爭(zhēng)。此外，海上恐怖主義、海洋氣象災(zāi)害等海上非傳統(tǒng)安全也日趨嚴(yán)峻。無(wú)論是島嶼歸屬、海域劃界、軍事威脅、航道安全還是海洋生態(tài)等問(wèn)題，都會(huì)給中國(guó)的海洋安全帶來(lái)巨大威脅。而大數(shù)據(jù)時(shí)代的到來(lái)，或?qū)橐陨习踩{的治理帶來(lái)新的機(jī)遇。

2.1 大數(shù)據(jù)在海洋傳統(tǒng)安全治理中的應(yīng)用

在傳統(tǒng)的軍事和政治安全治理方面，海洋大數(shù)據(jù)正得到廣泛應(yīng)用。輔之以其他智能技術(shù)手段，海洋大數(shù)據(jù)正推動(dòng)傳統(tǒng)海戰(zhàn)模式向智能化轉(zhuǎn)變，這不僅能極大地提升海上作戰(zhàn)與防御能力，還能為中國(guó)與周邊海上鄰國(guó)的海區(qū)劃界談判工作提供詳實(shí)的海區(qū)地理資料，助力維護(hù)中國(guó)海洋權(quán)益。

首先，可以更全面、及時(shí)地收集與分析海洋軍事情報(bào)。大數(shù)據(jù)時(shí)代的海上作戰(zhàn)將需要通過(guò)獲取信息優(yōu)勢(shì)來(lái)獲得作戰(zhàn)優(yōu)勢(shì)。早在2014年，美國(guó)海軍研究辦公室（ONR）就發(fā)布了《海軍作戰(zhàn)計(jì)劃及其實(shí)施的先進(jìn)分析方法和數(shù)據(jù)科學(xué)》白皮書，旨在發(fā)展和完善一個(gè)全新且強(qiáng)大的海軍大數(shù)據(jù)生態(tài)系統(tǒng)，識(shí)別、獲取和索引與海軍作戰(zhàn)任務(wù)相關(guān)的數(shù)據(jù)源，通過(guò)新的方式利用數(shù)據(jù)來(lái)獲取潛在價(jià)值。⑤“Advanced Analytics and Data Science for Naval Warfare Planning and Execution，”O(jiān)ffice of Naval Research，Department of the US Navy，ONRBAA 14-009，http：／／www.onr.navy.mil／～／media／Files／Funding-Announcements／BAA／2014／14-009.ashx，訪問(wèn)時(shí)間：2021年3月3日。在眾多的海軍作戰(zhàn)數(shù)據(jù)源中，情報(bào)數(shù)據(jù)至關(guān)重要。正如薩那坦·庫(kù)什雷斯塔（Sanatan Kulshrestha）所言：“信息和情報(bào)對(duì)軍隊(duì)的重要性來(lái)自這樣一個(gè)事實(shí)，即它是和平或戰(zhàn)爭(zhēng)中任何軍事行動(dòng)的基礎(chǔ)?！雹轘anatan Kulshrestha，“Big Data in Military Information＆Intelligence，”Social Science Electronic Publishing（2016）.大數(shù)據(jù)的出現(xiàn)使得海洋軍事情報(bào)的收集呈現(xiàn)“數(shù)據(jù)驅(qū)動(dòng)”特征，傳統(tǒng)的情報(bào)收集一般由政策制定者向情報(bào)管理者表達(dá)情報(bào)需求后，再進(jìn)行有針對(duì)性地情報(bào)收集工作。大數(shù)據(jù)分析則通過(guò)異常檢測(cè)和關(guān)聯(lián)算法在龐大的數(shù)據(jù)集中辨別一般趨勢(shì)和異常，從而發(fā)掘潛在情報(bào)，推動(dòng)情報(bào)需求。與此同時(shí)，無(wú)所不在的數(shù)據(jù)也使得情報(bào)獲取的來(lái)源更廣，極大地?cái)U(kuò)充了海洋軍事情報(bào)挖掘的內(nèi)容，也豐富了海洋軍事情報(bào)的分析手段。例如，吳少飛、劉軍等人將數(shù)據(jù)挖掘技術(shù)引入網(wǎng)絡(luò)軍事情報(bào)分析，構(gòu)建基于數(shù)據(jù)挖掘的軍事情報(bào)分析模型，使軍事情報(bào)分析系統(tǒng)能夠自動(dòng)分析網(wǎng)絡(luò)上的數(shù)據(jù)和信息，并提取潛在的有價(jià)值的綜合情報(bào)知識(shí)，①Shaofei Wu，Jun Liu＆Lizhi Liu，“Modeling Method of Internet Public Information Data Mining Based on Probabilistic Topic Model，”The Journal of Supercomputing，Vol.75，No.9，2019，pp.5882-5897.從而提高開放網(wǎng)絡(luò)環(huán)境下軍事情報(bào)分析的效率，極大地豐富并發(fā)展了軍事情報(bào)分析方法。

其次，能有效提升海上作戰(zhàn)任務(wù)的完成率。一方面，大數(shù)據(jù)技術(shù)和分析方法在一定程度上會(huì)推動(dòng)傳統(tǒng)的海戰(zhàn)模式向“智能化”轉(zhuǎn)變。傳統(tǒng)的海上作戰(zhàn)環(huán)境嚴(yán)酷，戰(zhàn)場(chǎng)遠(yuǎn)離陸地，后方補(bǔ)給、支援路途遙遠(yuǎn)，且需要防范來(lái)自水下、水面、空中的各種威脅，作戰(zhàn)難度大。依托大數(shù)據(jù)技術(shù)和智能化裝備，形成自主或半自主的作戰(zhàn)模式，能減少參戰(zhàn)人員，提高指揮控制敏捷度，也能更大程度保存作戰(zhàn)實(shí)力。②張海、陳小龍、張財(cái)生等：“人工智能時(shí)代智能化海戰(zhàn)模式”，《科技導(dǎo)報(bào)》，2019年第12期，第86-91頁(yè)。另一方面，能有效預(yù)防并減少海戰(zhàn)場(chǎng)環(huán)境因素帶來(lái)的不利影響。海戰(zhàn)場(chǎng)環(huán)境是影響海上作戰(zhàn)能力的重要因素。就現(xiàn)代海戰(zhàn)而言，掌控海洋環(huán)境參數(shù)與掌握敵情態(tài)勢(shì)同等重要，通過(guò)收集大量的海洋大數(shù)據(jù)進(jìn)行海戰(zhàn)仿真系統(tǒng)建模，能不斷增強(qiáng)軍事裝備及作戰(zhàn)人員應(yīng)對(duì)復(fù)雜多變的海戰(zhàn)場(chǎng)環(huán)境的能力，從而提升作戰(zhàn)能力。

最后，能為海區(qū)劃界談判提供地理資料支持。如前所述，中國(guó)作為一個(gè)瀕海國(guó)家，與韓國(guó)、日本、馬來(lái)西亞、菲律賓、文萊、越南和印度尼西亞等7個(gè)國(guó)家都存在著劃分專屬經(jīng)濟(jì)區(qū)和大陸架邊界的紛爭(zhēng)。海域劃界一直是一個(gè)十分敏感的問(wèn)題，因?yàn)樯婕坝谰眯缘膰?guó)家主權(quán)和海洋利益，各國(guó)歷來(lái)也高度重視，并圍繞海域劃界產(chǎn)生過(guò)沖突。因此，為避免與上述國(guó)家在解決海域邊界問(wèn)題時(shí)因疏漏和差錯(cuò)產(chǎn)生不必要的沖突，維護(hù)海上作業(yè)環(huán)境穩(wěn)定，對(duì)海域劃界技術(shù)和方法的研究與改進(jìn)變得非常重要。

傳統(tǒng)的海域劃界技術(shù)主要依賴手工地圖量算工具，進(jìn)入大數(shù)據(jù)時(shí)代后，海域劃界主要采用地理信息系統(tǒng)（以下簡(jiǎn)稱GIS）技術(shù)，GIS的空間數(shù)據(jù)管理功能可以對(duì)劃界方案等各種數(shù)據(jù)進(jìn)行可視化處理；基于GIS軟件平臺(tái)可以較為容易地實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)、點(diǎn)對(duì)岸線、點(diǎn)對(duì)基線的距離測(cè)量。這不僅能減少人工測(cè)量的誤差，還能有效節(jié)省勞動(dòng)力，提高工作效率。利用新技術(shù)、新裝備對(duì)中國(guó)中近海區(qū)，特別是近鄰周邊國(guó)家的海區(qū)進(jìn)行精確測(cè)量，積累大量數(shù)據(jù)，也能在一定程度上為中國(guó)的海區(qū)劃界談判工作提供詳細(xì)、可靠的海區(qū)地理資料。

2.2 大數(shù)據(jù)在海洋非傳統(tǒng)安全治理中的應(yīng)用

（1）防范應(yīng)對(duì)海上恐怖主義

恐怖主義一直都是人類發(fā)展面臨的全球性安全威脅之一，根據(jù)《2020全球恐怖主義指數(shù)報(bào)告》（Global Terrorism Index 2020，GTI），2019年因恐怖襲擊而死亡的人數(shù)仍是2001年的近兩倍。③“Global Terrorism Index 2020，”Institute for Economics＆Peace，November 2020，http：／／visionofhumanity.org／reports，訪問(wèn)時(shí)間：2021年3月3日。同樣，海上恐怖主義活動(dòng)也一直是海洋安全的一項(xiàng)重大威脅。國(guó)際商會(huì)國(guó)際海事局（ICC-IMB）發(fā)布的《2020年海盜和武裝搶劫年度報(bào)告》（《2020 World-Wide Incidents of Piracy and Armed Robbery Against Ships》）顯示，2020年全球共發(fā)生195起海上襲擊和持槍搶劫事件，較2019年發(fā)生的162起有所增加。④“ICC-IMB Annual Report：2020 World-Wide Incidents of Piracy and Armed Robbery Against Ships，”Maritimecyprus，January 17，2021，https：／／www.maritimecyprus.com／2021／01／17／icc-imbannual-report-2020-world-wide-incidents-of-piracy-and-armedrobbery-against-ships／.在這195起襲擊事件中有97起發(fā)生在亞洲海域，占比近50%，且多分布在中國(guó)主要遠(yuǎn)洋航線上。①“Piracy and Armed Robbery Against Ships in Asia Annual Report January-December 2020，”Information Sharing Centre，https：／／www.recaap.org／resources／ck／files／reports／annual／ReCAAP%20ISC%20Annual%20Report%202020%20v1（1）.pdf.作為恐怖主義的一個(gè)分支，海上恐怖主義正與海盜行為逐漸融合，變得日益嚴(yán)峻與復(fù)雜。

一方面，如上所述，利用大數(shù)據(jù)挖掘和大數(shù)據(jù)可視化等技術(shù)可對(duì)發(fā)生在全球范圍內(nèi)的恐怖襲擊事件進(jìn)行統(tǒng)計(jì)，并將其分布與發(fā)展趨勢(shì)直觀地展現(xiàn)出來(lái)。陳沖和龐珣就利用大量事件數(shù)據(jù)和GIS技術(shù)，以0.5×0.5經(jīng)緯度作為分辨率對(duì)恐怖襲擊的時(shí)空規(guī)律進(jìn)行把握，并把恐怖襲擊的地理定位“疊加”（Overlay）在時(shí)空網(wǎng)格上，以便精準(zhǔn)觀察恐怖襲擊的時(shí)空規(guī)律。②陳沖、龐珣：“非洲恐怖襲擊時(shí)空規(guī)律的大數(shù)據(jù)分析——基于GIS技術(shù)和分離總體持續(xù)期模型”，《外交評(píng)論（外交學(xué)院學(xué)報(bào)）》，2020年第2期，第121-154頁(yè)。這有利于掌握恐怖襲擊發(fā)生的實(shí)時(shí)態(tài)勢(shì)、時(shí)空分布，從而在恐怖襲擊高發(fā)區(qū)加大管控，投入更多的兵力、警力加以防范。另一方面，恐怖主義組織的人員招募、資金籌集等活動(dòng)都必須利用互聯(lián)網(wǎng)來(lái)完成，這也會(huì)在互聯(lián)網(wǎng)平臺(tái)上留存很多元數(shù)據(jù)，通過(guò)收集大量的交通出行或財(cái)務(wù)記錄等數(shù)據(jù)，研究人員可以將這些點(diǎn)聯(lián)系起來(lái)，從而甄別出可疑人員。③Yasmin Tadjdeh，“Big Data Helping to Pinpoint Terrorist Activities，Attacks”（UPDATED），April 1，2015，https：／／www.nationaldefensemagazine.org／articles／2015／4／1／2015april-big-datahelping-to-pinpoint-terrorist-activities-attacks-updated.米歇爾·法爾（Michel Farr）等人就使用結(jié)構(gòu)鏈路預(yù)測(cè)方法（Structural Link Prediction）檢測(cè)在特定社會(huì)網(wǎng)絡(luò)中的潛在社會(huì)關(guān)系，從而協(xié)助識(shí)別隱藏在社交網(wǎng)絡(luò)中的恐怖分子。④漆海霞：“大數(shù)據(jù)與國(guó)際關(guān)系研究創(chuàng)新”，《中國(guó)社會(huì)科學(xué)》，2018年第6期，第163頁(yè)。此外，不少學(xué)者正在致力于研究和開發(fā)預(yù)測(cè)恐怖襲擊活動(dòng)的大數(shù)據(jù)模型，弗賴肯·阿齊茲（Furqan Aziz）、馬爾萬(wàn)·馬哈穆德（Marwan Mahmoud）等人利用全球恐怖主義數(shù)據(jù)庫(kù)（the Global Terrorism Database，下文簡(jiǎn)稱GTD）數(shù)據(jù)，基于神經(jīng)網(wǎng)絡(luò)（Neural Network，簡(jiǎn)稱NN）和深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，簡(jiǎn)稱DNN）建立了五個(gè)不同的模型來(lái)理解和預(yù)測(cè)恐怖活動(dòng)，實(shí)驗(yàn)結(jié)果表明，基于DNN的模型的預(yù)測(cè)精準(zhǔn)度超過(guò)了95%，充分證明DNN是一個(gè)適合用來(lái)預(yù)測(cè)恐怖活動(dòng)行為的模型。⑤M.Irfan Uddin，Nazir Zada，F(xiàn)urqan Aziz，Yousaf Saeed，Asim Zeb，Syed Atif Ali Shah，Mahmoud Ahmad Al-Khasawneh and Marwan Mahmoud，“Prediction of Future Terrorist Activities Using Deep Neural Networks，”Complexity，Vol.2020，2020，pp.1-16.這使得政府和執(zhí)法機(jī)構(gòu)能夠更好地了解恐怖主義的因素，并在恐怖活動(dòng)實(shí)際發(fā)生之前設(shè)計(jì)應(yīng)對(duì)恐怖活動(dòng)的策略。

盡管海上恐怖主義活動(dòng)的暴發(fā)頻次遠(yuǎn)遠(yuǎn)比不上陸上恐怖主義活動(dòng)，且目前大多數(shù)研究仍聚焦于防范和應(yīng)對(duì)陸上恐怖主義。但是已有的利用大數(shù)據(jù)技術(shù)和分析方法進(jìn)行暴恐分子甄別、恐怖襲擊預(yù)測(cè)等研究能為海上反恐提供良好借鑒。當(dāng)前，海上恐怖主義正呈現(xiàn)出與海盜活動(dòng)等海上非法行為的融合趨勢(shì)，這更需要充分挖掘海洋大數(shù)據(jù)在應(yīng)對(duì)海上恐怖主義活動(dòng)中的潛在價(jià)值，借助大數(shù)據(jù)技術(shù)和分析方法提升海上反恐能力，提升海洋安全系數(shù)。

（2）保障遠(yuǎn)海航行

在經(jīng)濟(jì)全球化的今天，全球90%的貿(mào)易運(yùn)輸都經(jīng)過(guò)海洋。⑥鄭海琦、胡波：“科技變革對(duì)全球海洋治理的影響”，《太平洋學(xué)報(bào)》，2018年第4期，第37頁(yè)。越來(lái)越多的船只開始進(jìn)入遠(yuǎn)離人類大陸、環(huán)境惡劣的遠(yuǎn)洋航行，航行海船船員的規(guī)模也在不斷擴(kuò)大。僅2019年，中國(guó)新增注冊(cè)國(guó)際航行海船船員就有29 946人，同比增長(zhǎng)5.5%。⑦“2019年國(guó)際航行海船船員隊(duì)伍規(guī)模與結(jié)構(gòu)”，中華人民共和國(guó)海事局，2020年6月25日，https：／／www.msa.gov.cn／html／xxgk／tjsj／cysj／20200625／BCEC8F00-BD6F-40AE-9C4A-7026132 E7B75.html。因此，加大遠(yuǎn)洋航行船只、船員的安全保障十分重要，海洋大數(shù)據(jù)的出現(xiàn)，使得人類進(jìn)入遠(yuǎn)洋航行的安全系數(shù)得以提升。

船舶碰撞事故因其多發(fā)性和災(zāi)害性而一直是安全航行研究的重點(diǎn)，在這方面自動(dòng)識(shí)別系統(tǒng)（下文簡(jiǎn)稱AIS）數(shù)據(jù)發(fā)揮了很大作用。例如，李連博等人根據(jù)AIS信息中提取和分析的相關(guān)數(shù)據(jù)，通過(guò)高風(fēng)險(xiǎn)海域多目標(biāo)、多層次、模糊優(yōu)化模型的仿真計(jì)算，構(gòu)建了一個(gè)包含船舶交通量、船舶密度及其分布、船速及其分布、船舶間距、船舶航跡、遭遇率等參數(shù)在內(nèi)的決策模型（多目標(biāo)、多層次、模糊優(yōu)化模型），能預(yù)估出船舶碰撞風(fēng)險(xiǎn)，同時(shí)也為船舶定線系統(tǒng)設(shè)計(jì)、搜救地點(diǎn)布置、救援力量配置和航行安全管理提供決策參考。①Lianbo Li，Wenyu Lu＆Jiawei Niu，“AIS Data-Based Decision Model for Navigation Risk in Sea Areas，”Journal of Navigation，Vol.71，No.3，2018，pp.664-678.日本學(xué)者福田（Fukuda）等人利用1年的AIS海嘯監(jiān)測(cè)數(shù)據(jù)，采用基于氣體模型（Gas）和障礙區(qū)目標(biāo)（OZT）對(duì)海上交通狀況進(jìn)行了分析，可用來(lái)識(shí)別和評(píng)估船舶碰撞的高風(fēng)險(xiǎn)區(qū)域。②Fukuda G.＆Shoji R.，“Development of Analytical Method for Finding the High Risk Collision Areas，”TransNav：International Journal on Marine Navigation and Safety of Sea Transportation，Vol.11，2017，pp.531-536.通過(guò)大數(shù)據(jù)技術(shù)對(duì)航道進(jìn)行規(guī)劃也能在很大程度上降低船舶碰撞的風(fēng)險(xiǎn)。路線規(guī)劃中最常用的方法是啟發(fā)式算法（如進(jìn)化算法和蟻群優(yōu)化）。劉釗等人認(rèn)為遺傳算法和粒子群算法這兩種基于啟發(fā)式的優(yōu)化技術(shù)在路線規(guī)劃中有其特有的優(yōu)勢(shì)，為了提高受限水域航運(yùn)路徑規(guī)劃的準(zhǔn)確性，他們提出了一種融合遺傳算法和粒子群算法的混合啟發(fā)式算法，實(shí)驗(yàn)結(jié)果表明這種混合啟發(fā)式算法使路線規(guī)劃的精確度大大增加。③Zhao Liu，Jingxian Liu＆Feng Zhou，“A Robust GA／PSOHybrid Algorithm in Intelligent Shipping Route Planning Systems for Maritime Traffic Networks，”Journal of Internet Technology，Vol.19，No.6，2018，pp.1635-1644.在多船相遇的情況下，為避免船只碰撞，一般會(huì)采取分布式局部搜索算法（DLSA）和分布式禁忌搜索算法（DTSA），這兩種算法的缺陷是船只相遇避碰需要收集大量信息，在緊急情況下仍然無(wú)法快速應(yīng)對(duì)。金東云（Donggyun Kim）等人則引入了分布式隨機(jī)搜索算法（DSSA），由此使得每艘船在收到目標(biāo)船的所有意圖后，可以立即改變航道。④Donggyun Kim，Katsutoshi Hirayama＆Tenda Okimoto，“Distributed Stochastic Search Algorithm for Multi-ship Encounter Situations，”Journal of Navigation，Vol.70，No.4，2017，pp.699-718.

在極地航行中，大數(shù)據(jù)也發(fā)揮著重要作用。例如，2014年1月中國(guó)“雪龍?zhí)枴睒O地考察船（簡(jiǎn)稱“雪龍”號(hào)）在南極冰海救援被困的俄羅斯“紹卡利斯基院士”號(hào)時(shí)，由于氣象條件突變導(dǎo)致海冰快速聚集使得其自身被困。在國(guó)內(nèi)業(yè)務(wù)部門和有關(guān)科研單位等多部門的協(xié)同努力下，通過(guò)綜合快速地分析衛(wèi)星遙感數(shù)據(jù)、氣象海洋數(shù)據(jù)等，最終指導(dǎo)“雪龍”號(hào)成功脫困，成為海洋大數(shù)據(jù)指導(dǎo)極地航行船只脫困的典型案例。⑤侯雪燕、洪陽(yáng)、張建民等：“海洋大數(shù)據(jù)：內(nèi)涵、應(yīng)用及平臺(tái)建設(shè)”，《海洋通報(bào)》，2017年第4期，第361-369頁(yè)。隨著極地生態(tài)環(huán)境和自然情況的變化，海洋生態(tài)環(huán)境與生態(tài)系統(tǒng)也發(fā)生了巨大改變，從而產(chǎn)生系列連鎖反應(yīng)，對(duì)林業(yè)、農(nóng)業(yè)、海洋漁業(yè)等產(chǎn)生不利影響。⑥“《中國(guó)的北極政策》白皮書（全文）”，中華人民共和國(guó)國(guó)務(wù)院新 聞辦公室，2018年1月26日，http：／／www.scio.gov.cn／zfbps／32832／Document／1618203／1618203.htm。極地地區(qū)無(wú)疑將具有越來(lái)越重要的戰(zhàn)略意義，俄羅斯、加拿大、美國(guó)和芬蘭等國(guó)家都十分重視北極冰域船舶航行的安全，如加拿大學(xué)者費(fèi)薩爾·汗（Faisal Khan）等人就利用貝葉斯網(wǎng)絡(luò)數(shù)據(jù)挖掘算法構(gòu)建了一個(gè)北極水域運(yùn)輸事故風(fēng)險(xiǎn)評(píng)估模型。⑦Bushra Khan，F(xiàn)aisal Khan，BrianVeitch＆MingYangab，“An Operational Risk Analysis Tool to Analyze Marine Transportation in Arctic Waters，”Reliability Engineering＆System Safety，Vol.169，2018，pp.485-502.作為一個(gè)“近北極國(guó)家”，無(wú)論是在極地考察與極地治理，還是在北極水域運(yùn)輸方面，大數(shù)據(jù)及其技術(shù)對(duì)于中國(guó)來(lái)說(shuō)都不可或缺。

除此之外，極端天氣也是影響船舶航行安全的重要因素。王冬梅、盧峰等人則通過(guò)船舶行為與異常天氣的回放來(lái)構(gòu)建極端天氣條件與船舶密度變化的算法預(yù)測(cè)模型，根據(jù)對(duì)大量樣本的學(xué)習(xí)、預(yù)報(bào)和檢驗(yàn)，得到災(zāi)害天氣情況下的船舶行為預(yù)測(cè)，為海上防災(zāi)預(yù)警、港口泊位管理與指揮調(diào)度等應(yīng)用提供信息支撐。⑧王冬海、盧峰、方曉蓉等：“海洋大數(shù)據(jù)關(guān)鍵技術(shù)及在災(zāi)害天氣下船舶行為預(yù)測(cè)上的應(yīng)用”，《大數(shù)據(jù)》，2017年第4期，第81-90頁(yè)。

（3）加強(qiáng)海洋漁業(yè)安全風(fēng)險(xiǎn)防控

海洋漁業(yè)作為海洋經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一，在海洋經(jīng)濟(jì)中占有較大份額。但海洋漁業(yè)的發(fā)展仍面臨著海洋災(zāi)害、非法捕撈等問(wèn)題，對(duì)漁民人身安全及漁業(yè)的可持續(xù)發(fā)展造成一定威脅。

2018年12月，上海海洋大學(xué)“數(shù)字海洋”團(tuán)隊(duì)緊跟大數(shù)據(jù)的關(guān)鍵前沿技術(shù)，通過(guò)對(duì)多形態(tài)、高維度、強(qiáng)時(shí)空關(guān)聯(lián)等復(fù)雜海洋大數(shù)據(jù)的有效挖掘，研發(fā)了涵蓋海洋災(zāi)害數(shù)據(jù)全生命周期、海洋環(huán)境態(tài)勢(shì)監(jiān)測(cè)、專項(xiàng)服務(wù)與公眾服務(wù)一體化的智能服務(wù)平臺(tái)，實(shí)現(xiàn)海洋災(zāi)害的快速準(zhǔn)確預(yù)警預(yù)報(bào)和輔助決策。該服務(wù)平臺(tái)采用新的信息獲取技術(shù)——基于時(shí)空序列模式挖掘和機(jī)器學(xué)習(xí)的海洋災(zāi)害信息獲取技術(shù)，實(shí)現(xiàn)了數(shù)值預(yù)報(bào)方案人機(jī)交互式編制與多套預(yù)報(bào)方案的優(yōu)化遴選，將海洋預(yù)報(bào)作業(yè)周期由數(shù)小時(shí)提高到準(zhǔn)實(shí)時(shí)級(jí)，為解決海洋災(zāi)害預(yù)見(jiàn)期前信息獲取難的問(wèn)題提供了新方法。①郜陽(yáng)：“上海海洋大學(xué)‘?dāng)?shù)字海洋’團(tuán)隊(duì)研發(fā)智能服務(wù)平臺(tái)駕馭大數(shù)據(jù)準(zhǔn)實(shí)時(shí)預(yù)警海洋災(zāi)害“，新民網(wǎng)，2018年12月24日，http：／／newsxmwb.xinmin.cn／kechuang／2018／12／24／31469282.html。過(guò)度捕撈會(huì)對(duì)海洋生態(tài)系統(tǒng)安全帶來(lái)巨大威脅，因此，一些研究探討了利用AIS數(shù)據(jù)監(jiān)測(cè)非法、未報(bào)告和無(wú)管制捕撈活動(dòng)的潛力。盛凱等人采用邏輯回歸模型，利用從船舶軌跡中提取的特征來(lái)構(gòu)造船舶分類器，給出了基于真實(shí)AIS數(shù)據(jù)建立漁船和貨船分類模型的實(shí)例②Kai Sheng，Zhong Liu＆Dechao Zhou，“Research on Ship Classification Based on Trajectory Features，”Journal of Navigation，Vol.71，No.1，2018，pp.100-116.，可以很好地解決漁船和貨船在沿海地區(qū)的分類問(wèn)題，在分類的基礎(chǔ)上對(duì)漁船的活動(dòng)進(jìn)行密切監(jiān)測(cè)。米歇爾·維塞（Michele Vespe）等人則提出了一種方法，通過(guò)從AIS數(shù)據(jù)中提取捕魚活動(dòng)，繪制歐盟的捕魚足跡（即捕魚面積和強(qiáng)度）。③Michele Vespe，Maurizio Gibin，Alfredo Alessandrini，F(xiàn)abrizio Natale，F(xiàn)abio Mazzarella＆Giacomo C.Osio，“Mapping EU Fishing Activities Using Ship Tracking Data，”Journal of maps，Vol.12，No.sup1，2016，pp.520-525.

此外，大數(shù)據(jù)技術(shù)和分析方法還能在漁情漁場(chǎng)的預(yù)報(bào)方面發(fā)揮作用，如預(yù)報(bào)漁期、漁場(chǎng)、魚群數(shù)量和質(zhì)量以及可能達(dá)到的捕獲量等。這類研究主要通過(guò)對(duì)海洋水溫、海洋葉綠素濃度等影響魚類分布的海洋環(huán)境要素進(jìn)行監(jiān)測(cè)和分析，從而判斷魚類的分布密度。④侯雪燕、洪陽(yáng)、張建民等：“海洋大數(shù)據(jù)：內(nèi)涵、應(yīng)用及平臺(tái)建設(shè)”，《海洋通報(bào)》，2017年第4期，第361-369頁(yè)。這能有效縮短漁民出海時(shí)間，提高捕魚效率，實(shí)現(xiàn)精準(zhǔn)作業(yè)，因而在一定程度上降低安全事故的發(fā)生概率。

（4）助力海洋環(huán)境治理

“海洋是人類社會(huì)發(fā)展的重要自然領(lǐng)域，是世界各國(guó)利益交匯的社會(huì)空間。”⑤Jie Zheng，Ruifeng Luo，“The Path Research of Improving Ocean Discourse Power，”Design Engineering，Vol 2020：Issue 9，p.335.隨著人類生存空間和活動(dòng)范圍不斷向海洋拓展，海洋生態(tài)環(huán)境也面臨著前所未有的挑戰(zhàn)?，F(xiàn)階段，塑料造成的海洋污染是一個(gè)日益嚴(yán)峻的全球性問(wèn)題。約有一半的塑料碎片密度低于海水，因此這種漂浮的污染物要么聚集在亞熱帶環(huán)流的中心，要么被沖上海岸和海灘。數(shù)據(jù)顯示，全球192個(gè)沿海國(guó)家每年向海洋輸入的海洋垃圾大約在500萬(wàn)～1200萬(wàn)噸。如果不及時(shí)采取減少塑料污染的策略和方法，到2040年塑料污染將增加兩倍。⑥Fanny Chenillat，Thierry Huck，Christophe Maes，Nicolas Grima，Bruno Blanke，“Fate of Floating Plastic Debris Released along the Coasts in a Global Ocean Model，”Marine Pollution Bulletin，Vol.165，April 2021，p.1.據(jù)估計(jì)，按當(dāng)前海洋垃圾的傾倒速度，到2050年，全球海洋垃圾的總重量甚至?xí)^(guò)海洋魚類的總重量。⑦Nitin Agarwala，“Managing Marine Environmental Pollution Using Artificial Intelligence，”Maritime Technology and Research，Vol.3，No.2，2020，p.121.海洋將成為一個(gè)“塑料世界”。此外，海洋溢油事故、海水富營(yíng)養(yǎng)化、海水酸化等都給海洋環(huán)境和生物安全造成了嚴(yán)重威脅，海洋環(huán)境的治理與保護(hù)已刻不容緩。

在處理海洋塑料垃圾方面，西方已經(jīng)有不少國(guó)家致力于利用人工智能和大數(shù)據(jù)技術(shù)進(jìn)行海洋廢棄物識(shí)別。2020年4月，英國(guó)人工智能團(tuán)隊(duì)報(bào)告了一種能檢測(cè)海洋環(huán)境中大塑料（大于5毫米）漂浮垃圾帶的新方法。研究人員利用歐洲空間局“哨兵2”號(hào)衛(wèi)星數(shù)據(jù)，訓(xùn)練機(jī)器學(xué)習(xí)算法將塑料從其他材料中區(qū)分出來(lái)，平均準(zhǔn)確率達(dá)86%，局部區(qū)域最高達(dá)到了100%。⑧張夢(mèng)然：“新AI算法能監(jiān)測(cè)全球海洋塑料垃圾”，中華人民共和國(guó)國(guó)家互聯(lián)網(wǎng)信息辦公室，2020年4月23日，http：／／www.cac.gov.cn／2020-04／24／c_1589274584553968.htm。同時(shí)，也有許多國(guó)家開發(fā)出用以識(shí)別和上報(bào)海洋廢棄物的應(yīng)用程序，比如美國(guó)研發(fā)的Marine Debris Tracker、歐洲環(huán)境署研發(fā)的Marine Litter Watch，以及加拿大研發(fā)的Coastbuster等程序。這些程序可供大眾下載、上傳和報(bào)告具有潛在危險(xiǎn)性的海洋垃圾，通過(guò)信息共享和數(shù)據(jù)分析，從而對(duì)海洋垃圾進(jìn)行分類識(shí)別和處理。①Nitin Agarwala，“Managing Marine Environmental Pollution using Artificial Intelligence，”Maritime Technology and Research，Vol.3，No.2，2020，p.128.2017年5月，中國(guó)船舶重工集團(tuán)公司第七〇五研究所聯(lián)合國(guó)家海洋局，共同開發(fā)的國(guó)內(nèi)首款海洋環(huán)境大數(shù)據(jù)系統(tǒng)——“西西海洋”海洋環(huán)境預(yù)報(bào)及儀器共享平臺(tái)也正式上線運(yùn)行。該系統(tǒng)可以對(duì)海洋近岸海水環(huán)境進(jìn)行預(yù)報(bào)，對(duì)海水污染進(jìn)行實(shí)時(shí)監(jiān)控預(yù)報(bào)，滿足公眾對(duì)海洋健康產(chǎn)業(yè)關(guān)注。同時(shí)整合了國(guó)內(nèi)主要海洋企業(yè)的環(huán)境試驗(yàn)?zāi)芰?，可以?shí)時(shí)為海洋裝備研發(fā)企業(yè)提供產(chǎn)品測(cè)試環(huán)境、技術(shù)指導(dǎo)、試驗(yàn)配套等方面的服務(wù)。②沈謙、杜興民：“七〇五所開發(fā)國(guó)內(nèi)首款海洋環(huán)境大數(shù)據(jù)系統(tǒng)成功上線”，中國(guó)青年網(wǎng)，2017年5月21日，http：／／news.youth.cn／jsxw／201705／t20170521_9829287.htm。識(shí)別海洋垃圾后，就是對(duì)其進(jìn)行清除。在海洋垃圾的清除工作中，人工智能與大數(shù)據(jù)技術(shù)同樣也發(fā)揮著重要作用。例如，荷蘭非營(yíng)利組織凈洋衛(wèi)士（The Ocean Cleanup）研發(fā)推出了一個(gè)海洋清潔系統(tǒng)，該系統(tǒng)使用算法來(lái)幫助識(shí)別移除系統(tǒng)的最佳部署位置，同時(shí)會(huì)自動(dòng)在指定區(qū)域中收集垃圾，采集器的運(yùn)行和功能將通過(guò)實(shí)時(shí)遙測(cè)技術(shù)監(jiān)控。該系統(tǒng)的規(guī)模和數(shù)量可以擴(kuò)大，幾經(jīng)修改換代，該系統(tǒng)已距清除海洋中高達(dá)90%的塑料碎片的目標(biāo)越來(lái)越近。③Rachael Meyer，“The Ocean Cleanup Successfully Collects Ocean Plastic，Aims to Scale Design，”MONGABAY，October 28，2019，https：／／news.mongabay.com／2019／10／the-ocean-cleanupsuccessfully-collects-ocean-plastic-aims-to-scale-design／.

對(duì)于監(jiān)測(cè)海洋溢油與海水水質(zhì)變化等問(wèn)題，也有不少學(xué)者探索了基于大數(shù)據(jù)的識(shí)別模型。在過(guò)去的二十年里，已經(jīng)開發(fā)了許多基于傳統(tǒng)機(jī)器學(xué)習(xí)（ML）的合成孔徑雷達(dá)溢油檢測(cè)分類算法，如線性模型、人工神經(jīng)網(wǎng)絡(luò)、貝葉斯分類器等。④Kan Zeng and Yixiao Wang，“A Deep Convolutional Neural Network for Oil Spill Detection from Spaceborne SAR Images，”Remote Sensing，Vol.12，No.6，2020，p.1015.溢油事故經(jīng)常發(fā)生在海洋環(huán)境復(fù)雜的區(qū)域，往往難以及時(shí)進(jìn)入污染區(qū)監(jiān)測(cè)和清潔，需要持續(xù)觀察數(shù)日甚至是數(shù)月才能研究其擴(kuò)散情況以及評(píng)估其對(duì)環(huán)境安全的具體影響。由于合成孔徑雷達(dá)是基于衛(wèi)星的，對(duì)偏遠(yuǎn)地區(qū)的監(jiān)測(cè)也可以在沒(méi)有人為干預(yù)的情況下進(jìn)行，實(shí)現(xiàn)了遠(yuǎn)程識(shí)別溢油，在有效處理溢油方面領(lǐng)先一步，從而盡量降低溢油對(duì)人類和海洋生物的危害。同時(shí)，這類系統(tǒng)也可以在一定程度上輔助監(jiān)測(cè)造成海洋污染的非法傾倒行為。此外，海水富營(yíng)養(yǎng)化、海水酸化等問(wèn)題日益嚴(yán)重，并引發(fā)連鎖反應(yīng)，直接威脅到生態(tài)平衡與全球氣候變化。阿迪爾·哈米德（Aadil Hamid）等人通過(guò)層次聚類方法分析監(jiān)測(cè)數(shù)據(jù)的時(shí)空變化，驗(yàn)證了水質(zhì)監(jiān)測(cè)和聚類分析在水質(zhì)預(yù)測(cè)中的效果。⑤Aadil Hamid，Salim Aijaz Bhat，Sami Ullah Bhat＆Arshid Jehangir，“Environmetric Techniques in Water Quality Assessment and Monitoring：A Case Study，”Environmental Earth Sciences，Vol.75，No.4，2016，p.321.雅妮絲·德?tīng)柶绽↖anis Delpla）等人則利用數(shù)據(jù)挖掘技術(shù)設(shè)計(jì)了飲用水源監(jiān)測(cè)預(yù)警系統(tǒng)，通過(guò)基于時(shí)間序列的濁度趨勢(shì)分析建立了人工神經(jīng)網(wǎng)絡(luò)模型，驗(yàn)證了該模型在調(diào)查流域平均濁度預(yù)測(cè)中的有效性。⑥Ianis Delpla，Mihai Florea＆Manuel J.Rodriguez，“Drinking Water Source Monitoring Using Early Warning Systems Based on Data Mining Techniques，”Water Resources Management，Vol.33，No.1，2019，pp.129-140.林海夏等人則利用數(shù)據(jù)挖掘中的K-means聚類技術(shù)快速識(shí)別水污染類型，提出了分類精度更高的“判別”概念。結(jié)果表明，在基于判別的K均值聚類分析下，重金屬污染物和苯酚苯胺污染物的檢測(cè)率分別為94.7%和97.8%，海水污染物的總分類準(zhǔn)確率達(dá)到96.3%。⑦Haixia Lin，Jianhong Cui＆Xiangwei Bai，“Feature Extraction of Marine Water Pollution Based on Data Mining，”Symmetry，Vol.13，No.2，2021，p.355.

人工智能與大數(shù)據(jù)技術(shù)可以科學(xué)、準(zhǔn)確地對(duì)各類海洋環(huán)境進(jìn)行監(jiān)測(cè)并進(jìn)行數(shù)據(jù)收集，迅速發(fā)現(xiàn)海洋環(huán)境問(wèn)題，有利于提升海洋環(huán)境治理的效率，加速海洋環(huán)境問(wèn)題的解決進(jìn)程。在重視利用人工智能與大數(shù)據(jù)技術(shù)的同時(shí)，必須意識(shí)到海洋的和平安寧關(guān)乎世界各國(guó)安危和利益，需要各國(guó)共同維護(hù)。這也意味著，海洋治理的國(guó)際合作必不可少，海洋大數(shù)據(jù)的國(guó)際共享也是大勢(shì)所趨。

三、局限與挑戰(zhàn)

在海洋安全治理邁向數(shù)據(jù)時(shí)代的同時(shí)，也必須認(rèn)識(shí)到，當(dāng)前仍然面臨著大數(shù)據(jù)存儲(chǔ)、分析、質(zhì)量控制、大數(shù)據(jù)安全及共享等方面的挑戰(zhàn)。

3.1 海洋大數(shù)據(jù)的存儲(chǔ)、分析及質(zhì)量控制尚存技術(shù)瓶頸

大數(shù)據(jù)的指數(shù)級(jí)增長(zhǎng)的確意味著大數(shù)據(jù)的規(guī)模更加龐大，但這并不完全意味著可用的大數(shù)據(jù)也在隨之增加。相反，大數(shù)據(jù)的急劇增長(zhǎng)會(huì)給數(shù)據(jù)存儲(chǔ)和分析帶來(lái)巨大挑戰(zhàn)，這是普遍面臨著的現(xiàn)實(shí)困境。據(jù)估計(jì)，研究者們用來(lái)收集和轉(zhuǎn)換數(shù)據(jù)的時(shí)間占了80%，而只剩下20%的時(shí)間用來(lái)做數(shù)據(jù)的分析與處理。①James G.Kallimani，“The Challenges of Digitisation and Data Analysis in the Maritime Domain，”Maritime Affairs（New Delhi，India），Vol.14，No.1，2018，pp.36-50.而且海洋數(shù)據(jù)所具有的復(fù)雜化、碎片化、異構(gòu)性、敏感性等特征也給其存儲(chǔ)和分析增加了難度，它對(duì)存儲(chǔ)空間的可擴(kuò)展性、存儲(chǔ)系統(tǒng)與模型的多樣性都提出了更高的要求。同時(shí)多源異構(gòu)的海洋數(shù)據(jù)數(shù)量龐大、格式不一、質(zhì)量不高，這便需要其分析技術(shù)更快速，才能滿足海洋數(shù)據(jù)的實(shí)時(shí)性要求，這對(duì)機(jī)器的硬件條件以及算法模型的改進(jìn)都提出了挑戰(zhàn)。②黃冬梅、趙丹楓、魏立斐等：“大數(shù)據(jù)背景下海洋數(shù)據(jù)管理的挑戰(zhàn)與對(duì)策”，《計(jì)算機(jī)科學(xué)》，2016年第6期，第17-23頁(yè)。當(dāng)前，中國(guó)在數(shù)據(jù)存儲(chǔ)管理及挖掘方面仍處于跟跑階段。

此外，大數(shù)據(jù)的質(zhì)量也極其重要。從數(shù)據(jù)的獲取、存儲(chǔ)，一直到數(shù)據(jù)共享、維護(hù)、應(yīng)用、消亡的整個(gè)過(guò)程中，大數(shù)據(jù)都可能被污染，從而導(dǎo)致研究結(jié)果出現(xiàn)誤差。海洋大數(shù)據(jù)多元異構(gòu)，因此，在數(shù)據(jù)的獲取階段其完整性、可靠性也無(wú)法完全保證，相同或不同的數(shù)據(jù)源之間都可能存在矛盾或沖突。而且由于規(guī)模較大，其存儲(chǔ)、傳輸和計(jì)算都可能會(huì)出現(xiàn)錯(cuò)誤。因此，如何制定適用于海洋時(shí)空大數(shù)據(jù)的質(zhì)量檢驗(yàn)方案也是不得不面臨的問(wèn)題。

3.2 海洋大數(shù)據(jù)面臨諸多安全挑戰(zhàn)

海洋大數(shù)據(jù)的安全問(wèn)題包括存儲(chǔ)安全、訪問(wèn)安全、共享安全和監(jiān)管安全等。來(lái)自不同海洋業(yè)務(wù)系統(tǒng)的海量數(shù)據(jù)匯集存儲(chǔ)到海洋大數(shù)據(jù)平臺(tái)，并采用基于HBase的NoSQL存儲(chǔ)技術(shù)完成對(duì)大數(shù)據(jù)的抓取、管理和處理。由于業(yè)務(wù)敏感程度不同，所依托的HBase的認(rèn)證、訪問(wèn)控制和數(shù)據(jù)安全管理機(jī)制尚不滿足分級(jí)數(shù)據(jù)保護(hù)的要求，海量分布式數(shù)據(jù)存儲(chǔ)，增加了數(shù)據(jù)訪問(wèn)失控的風(fēng)險(xiǎn)。③董貴山、王正、劉振鈞：“基于大數(shù)據(jù)的數(shù)字海洋系統(tǒng)及安全需求分析”，《通信技術(shù)》，2015年第5期，第573-578頁(yè)。在數(shù)據(jù)的流通共享過(guò)程中，數(shù)據(jù)容易受到黑客攻擊，遭到竊取、偽造和篡改，還有可能在未授權(quán)的情況下數(shù)據(jù)被讀取，從而造成情報(bào)和重要信息的泄露，極易泄露隱私信息。因此，對(duì)海洋數(shù)據(jù)的嚴(yán)格監(jiān)管顯得尤為重要。大數(shù)據(jù)監(jiān)管主要包括攔截與刪除違法信息，減少和降低冗余開銷，檢驗(yàn)存儲(chǔ)內(nèi)容完整性，驗(yàn)證計(jì)算結(jié)果的正確性等，而這一系列操作也需要相應(yīng)的技術(shù)手段與專業(yè)人員。但是，目前中國(guó)的大數(shù)據(jù)監(jiān)管技術(shù)尚未發(fā)展到領(lǐng)先水平，且同時(shí)面臨著大數(shù)據(jù)技術(shù)人才緊缺的問(wèn)題，目前中國(guó)大數(shù)據(jù)人才缺口達(dá)到150多萬(wàn)，到2025年或?qū)⑦_(dá)到200多萬(wàn)，④“新職業(yè)——智能制造工程技術(shù)人員就業(yè)景氣現(xiàn)狀分析報(bào)告”，中 國(guó) 政 府 網(wǎng)，2020年8月26日，http：／／www.gov.cn／xinwen／2020-08／26／content_5537486.htm。大數(shù)據(jù)平臺(tái)運(yùn)維與開發(fā)、數(shù)據(jù)分析、數(shù)據(jù)安全等專業(yè)人才供求矛盾十分突出，這也給大數(shù)據(jù)的安全保障帶來(lái)挑戰(zhàn)。

3.3 數(shù)據(jù)共享阻礙重重

數(shù)據(jù)更大價(jià)值的發(fā)揮離不開數(shù)據(jù)的共享，這既包括數(shù)據(jù)的境內(nèi)流動(dòng)，也涉及數(shù)據(jù)的跨境流動(dòng)。海洋強(qiáng)國(guó)建設(shè)必然要求海洋大數(shù)據(jù)實(shí)現(xiàn)境內(nèi)的自由流通，而海洋命運(yùn)共同體的建設(shè)自然也離不開國(guó)際社會(huì)，特別是沿海各國(guó)的通力合作，實(shí)現(xiàn)數(shù)據(jù)資源共享。然而，當(dāng)前聯(lián)合國(guó)領(lǐng)導(dǎo)下的全球海洋治理體系“碎片化”現(xiàn)象明顯，各國(guó)之間協(xié)同不夠，甚至充滿相互競(jìng)爭(zhēng)和沖突。各種海洋行動(dòng)體，包括國(guó)家、國(guó)際組織和非政府組織，存在著觀念與利益分歧，區(qū)域性海洋組織也具有一定排他性，所以現(xiàn)實(shí)中，多樣的、碎片化的全球海洋治理尚未形成真正意義上的全球海洋治理體系。①龐中英：“在全球?qū)哟沃卫砗Ｑ髥?wèn)題——關(guān)于全球海洋治理的理論與實(shí)踐”，《社會(huì)科學(xué)》，2018年第9期，第3-11頁(yè)。針對(duì)更為具體的全球海洋安全治理，各主權(quán)國(guó)家所面臨的海洋安全環(huán)境不同，海洋安全治理能力有異，海洋安全治理意愿有別，所以主權(quán)國(guó)家間的不平衡性與差異性日漸凸顯。②張景全、吳昊：“全球海洋安全治理：機(jī)遇、挑戰(zhàn)與行動(dòng)”，《東亞評(píng)論》，2020第2期，第83-107頁(yè)。破解當(dāng)前治理困境的關(guān)鍵就是要形成全球海洋治理的價(jià)值共識(shí)。在此背景下，“海洋命運(yùn)共同體”新理念應(yīng)運(yùn)而生，以海洋命運(yùn)共同體理念聚合全球海洋治理共識(shí)，促進(jìn)國(guó)際社會(huì)共同應(yīng)對(duì)全球海洋安全威脅、完善全球海洋治理體系，具有重要的理論價(jià)值和現(xiàn)實(shí)意義。③馬金星：“全球海洋治理視域下構(gòu)建‘海洋命運(yùn)共同體’的意涵及路徑”，《太平洋學(xué)報(bào)》，2020年第9期，第1-15頁(yè)。但在全球海洋治理體系新舊交替之際，傳統(tǒng)海洋治理范式的內(nèi)在矛盾與沖突也極大地限制了海洋大數(shù)據(jù)的共享，主要表現(xiàn)在國(guó)家和國(guó)際兩個(gè)層面。

在國(guó)家層面上，歐美一些國(guó)家對(duì)海洋數(shù)據(jù)的共享較早做出了規(guī)劃。例如20世紀(jì)90年代初，美國(guó)就頒布實(shí)施了“全球變化研究數(shù)據(jù)管理政策”，確立了以“完全與開放”為基調(diào)的科學(xué)數(shù)據(jù)共享政策。④Bromley，Allan，“Policy Statements on Data Management for Global Change Research，”University of North Texas Libraries，July 2，1991，https：／／digital.library.unt.edu／ark：／67531／metadc11862／.到1998年，美國(guó)國(guó)家海洋數(shù)據(jù)中心建立了可與用戶共享海洋信息的交互式數(shù)據(jù)查詢檢索系統(tǒng)，包括溫度、鹽分信息、站點(diǎn)實(shí)時(shí)洋流信息、海洋浮標(biāo)信息、衛(wèi)星檢索的海溫信息等。⑤Qian Deng，Xiaolu Yan，“Information-Sharing Mechanism of Marine Environmental Management in China，”Journal of Coastal Research，Volume 106，Issue SI Summer 2020，p.544.英國(guó)在2013年頒布的《把握數(shù)據(jù)帶來(lái)的機(jī)遇：英國(guó)數(shù)據(jù)能力戰(zhàn)略》（Seizing the Data Opportunity：A Strategy for UK Data Capability）也對(duì)確保數(shù)據(jù)安全與共享做出戰(zhàn)略部署。⑥“Seizing the Data Opportunity：A Strategy for UK Data Capability，”Department for Business，Innovation＆Skills，October 31，2013，https：／／www.gov.uk／government／publications／uk-data-capability-strategy.受限于海洋數(shù)據(jù)安全保密規(guī)定以及海洋信息管理機(jī)制不健全等原因，中國(guó)在海洋數(shù)據(jù)共享方面仍存在一定程度的“數(shù)據(jù)孤島”現(xiàn)象，共享意識(shí)、共享技術(shù)及共享機(jī)制與歐美發(fā)達(dá)國(guó)家存在一定差距。

一方面，海洋大數(shù)據(jù)的共享存在較大的安全風(fēng)險(xiǎn)。利用傳統(tǒng)的中心化數(shù)據(jù)共享模式進(jìn)行數(shù)據(jù)共享，數(shù)據(jù)被篡改和違規(guī)拷貝利用的風(fēng)險(xiǎn)較大。目前，探索相對(duì)安全的數(shù)據(jù)共享模式，仍將是長(zhǎng)期面臨的挑戰(zhàn)。另一方面，海洋大數(shù)據(jù)的分散獨(dú)立保存、統(tǒng)一的信息化建設(shè)標(biāo)準(zhǔn)缺乏，以及海洋數(shù)據(jù)處理的信息技術(shù)部門無(wú)法及時(shí)滿足所有業(yè)務(wù)部門的實(shí)際需求等都是造成“數(shù)據(jù)孤島”的重要原因。共享技術(shù)的不成熟和共享機(jī)制的不完善是大多數(shù)國(guó)家面臨的共同問(wèn)題，也是限制海洋數(shù)據(jù)國(guó)內(nèi)流通的最重要因素。

在國(guó)際層面上，各國(guó)數(shù)據(jù)主權(quán)交鋒日益激烈，具體體現(xiàn)為各國(guó)對(duì)跨境數(shù)據(jù)流動(dòng)的管制不同。主要分為“本地化”與“全球化”兩大派。一是以歐盟和俄羅斯為代表的“本地化”派。歐盟在2018年與2019年分別實(shí)施了《通用數(shù)據(jù)保護(hù)條例》（General Data Protection Regulation，簡(jiǎn)稱GDPR）和《非個(gè)人數(shù)據(jù)自由流動(dòng)條例》（Regulation on the Free Flow of Non-personal Data，F(xiàn)FD），共同推動(dòng)了數(shù)據(jù)在歐盟境內(nèi)的自由流動(dòng)和廣泛使用。然而，兩項(xiàng)條例建立起來(lái)的數(shù)據(jù)自由流動(dòng)僅限于歐盟境內(nèi)，并不包括第三方國(guó)家。⑦張娟、張志強(qiáng)、阮偉南等：“科技強(qiáng)國(guó)最新數(shù)據(jù)戰(zhàn)略及其實(shí)施態(tài)勢(shì)分析”，《世界科技研究與發(fā)展》，2021年，第1-12頁(yè)。俄羅斯以及印度、巴西、越南等發(fā)展中國(guó)家，出于維護(hù)網(wǎng)絡(luò)和數(shù)據(jù)安全的考慮，都要求一定程度的數(shù)據(jù)本地化存儲(chǔ)或限制數(shù)據(jù)跨境流動(dòng)。⑧茶洪旺、付偉、鄭婷婷：“數(shù)據(jù)跨境流動(dòng)政策的國(guó)際比較與反思”，《電子政務(wù)》，2019第5期，第123-129頁(yè)。二是以美國(guó)為代表的“全球化”派。一直以來(lái)，美國(guó)主張“淡化國(guó)境概念，在合法公共政策目標(biāo)得到保障的前提下、強(qiáng)調(diào)數(shù)據(jù)實(shí)現(xiàn)全球自由流動(dòng)”，但近幾年呈現(xiàn)出“正常流動(dòng)＋合理限制”的數(shù)據(jù)管制趨勢(shì)，“合理限制”則意味著出于自身安全和利益的考慮，美國(guó)將關(guān)鍵和重要的數(shù)據(jù)截留在國(guó)內(nèi)，確保全球數(shù)據(jù)源源不斷地流向美國(guó)的同時(shí)，卻又限制數(shù)據(jù)流出。①石中金、單寅，“主要國(guó)家和商業(yè)社群跨境數(shù)據(jù)流動(dòng)主張”，《人民郵電》，2017年8月23日。由此可見(jiàn)，對(duì)于數(shù)據(jù)跨境流動(dòng)的不同規(guī)制不僅體現(xiàn)出各國(guó)已經(jīng)把數(shù)據(jù)作為攫取競(jìng)爭(zhēng)優(yōu)勢(shì)的重要資源，也體現(xiàn)了各國(guó)間的數(shù)字權(quán)益沖突，這無(wú)疑為全球海洋數(shù)據(jù)的共享帶來(lái)了極大的困難。

四、結(jié) 語(yǔ)

“誰(shuí)掌握了大數(shù)據(jù)誰(shuí)就掌握了主動(dòng)權(quán)”，作為“21世紀(jì)的新石油”“世界上最有價(jià)值的資源”，②Damien Van Puyvelde，Stephen Coulthart＆M.Shahriar Hossain，“Beyond the Buzzword：Big Data and National Security Decision-Making，”International Affairs，Vol.93，No.6，2017，pp.1397-1416.大數(shù)據(jù)的管理和分析變得越來(lái)越重要，并廣泛地對(duì)行業(yè)產(chǎn)生更大的影響。海洋大數(shù)據(jù)平臺(tái)建設(shè)與應(yīng)用是建設(shè)“海洋強(qiáng)國(guó)”和“海洋命運(yùn)共同體”，實(shí)現(xiàn)海洋“數(shù)字化”和“智慧化”的必然趨勢(shì)，為海洋安全治理、海洋經(jīng)濟(jì)發(fā)展和海洋生態(tài)保護(hù)提供了新的決策支撐工具。然而，海洋大數(shù)據(jù)應(yīng)用的行業(yè)落地過(guò)程也有不少問(wèn)題需要解決，要真正實(shí)現(xiàn)海洋數(shù)據(jù)從“數(shù)據(jù)大”困境到“大數(shù)據(jù)”時(shí)代的戰(zhàn)略性轉(zhuǎn)變需要做出更多的努力。

技術(shù)發(fā)展與人才培養(yǎng)是首先需要解決的問(wèn)題。無(wú)論是海洋大數(shù)據(jù)的存儲(chǔ)與分析，還是其面臨的多種安全挑戰(zhàn)，都與相關(guān)技術(shù)尚不成熟有很大關(guān)系，加快突破技術(shù)瓶頸一方面需要國(guó)家的財(cái)政支持，另一方面也需要專業(yè)知識(shí)過(guò)硬的人才隊(duì)伍，應(yīng)創(chuàng)新人才培養(yǎng)模式，加快建立健全多層次、多類型的大數(shù)據(jù)人才培養(yǎng)體系；此外，海洋大數(shù)據(jù)管理及共享安全需要制定和完善相關(guān)標(biāo)準(zhǔn)或法規(guī)制度，通過(guò)符合時(shí)代要求的新標(biāo)準(zhǔn)或新法規(guī)來(lái)規(guī)范、降低各種安全隱患的發(fā)生。③錢程程、陳戈：“海洋大數(shù)據(jù)科學(xué)發(fā)展現(xiàn)狀與展望”，《中國(guó)科學(xué)院院刊》，2018年第8期，第884-891頁(yè)。同時(shí)應(yīng)明確經(jīng)濟(jì)社會(huì)發(fā)展對(duì)海洋科學(xué)各領(lǐng)域的具體需求，伴隨著網(wǎng)絡(luò)信息平臺(tái)的多樣化，公眾參與海洋信息的管理成為可能，給予公眾更多的監(jiān)督權(quán)和選擇權(quán)，使其通過(guò)聽(tīng)證會(huì)和信息共享應(yīng)用程序等渠道向有關(guān)部門表達(dá)訴求和建議將是可行的選擇。④Qian Deng，Xiaolu Yan，“Information-Sharing Mechanism of Marine Environmental Management in China，”Journal of Coastal Research，Vol.106，Issue SI Summer 2020，p.547.關(guān)于海洋大數(shù)據(jù)的國(guó)際合作與共享，各國(guó)對(duì)跨境數(shù)據(jù)流動(dòng)的管制尚存差異，全球性的共享機(jī)制和數(shù)據(jù)保護(hù)法規(guī)還未形成。因此，各國(guó)不僅要在現(xiàn)有基礎(chǔ)上不斷健全和完善有關(guān)國(guó)內(nèi)數(shù)據(jù)保護(hù)和共享的法律法規(guī)，還要通過(guò)國(guó)際交流、對(duì)話和談判等方式加快建立海洋數(shù)據(jù)的公開性服務(wù)機(jī)制與管理辦法，按照“合理公開、增量先行”的原則對(duì)數(shù)據(jù)開放邊界、方式和時(shí)效達(dá)成一定共識(shí)，建立數(shù)據(jù)開放效果的評(píng)估、考核和安全審查制度；⑤蔡翠紅、王遠(yuǎn)志：“全球數(shù)據(jù)治理：挑戰(zhàn)與應(yīng)對(duì)”，《國(guó)際問(wèn)題研究》，2020年第6期，第38-56頁(yè)；楊錦坤、韓春花：“大數(shù)據(jù)新時(shí)代背景下的海洋數(shù)據(jù)資源管理策略”，《海洋信息》，2018年第3期，第1-5頁(yè)。遵循“循序漸進(jìn)、先易后難”的原則，選擇低敏感、淺層次的領(lǐng)域展開初步合作與交流。海洋漁業(yè)、海洋災(zāi)害、海洋氣象、海洋生態(tài)、海洋環(huán)保等關(guān)乎全人類切身利益與共同安全，是推進(jìn)海洋大數(shù)據(jù)跨國(guó)交流與共享的突破口。就中國(guó)而言，中國(guó)與東盟國(guó)家在低敏感海洋領(lǐng)域的合作已取得豐碩成果，與相關(guān)海洋管理部門、科研機(jī)構(gòu)建立了廣泛的海洋合作伙伴關(guān)系，當(dāng)前雙邊的海洋合作正在向關(guān)鍵敏感領(lǐng)域縱深邁進(jìn)，⑥“吳士存等：中國(guó)—東盟南海合作的新進(jìn)展與新特點(diǎn)”，中國(guó)海洋發(fā)展研究中心，2020年12月3日，http：／／aoc.ouc.edu.cn／2020／1202／c9821a308466／page.htm?！把驖u進(jìn)、先易后難”模式是值得借鑒的成功經(jīng)驗(yàn)。在推動(dòng)海洋大數(shù)據(jù)國(guó)際合作的進(jìn)程中，中國(guó)可繼續(xù)借力“一帶一路”倡議推動(dòng)實(shí)施中國(guó)—東盟、中國(guó)—?dú)W盟、金磚國(guó)家、中日韓、中俄等雙多邊海洋大數(shù)據(jù)應(yīng)用技術(shù)合作研發(fā)，分類開展海洋數(shù)據(jù)國(guó)際共享與交換，牽頭打造互利共贏的海洋大數(shù)據(jù)共享平臺(tái)，這也將是踐行海洋命運(yùn)共同體理念的重要舉措。