数据重用影响因素对仓储型数据管理平台发展方向的启示

孙雨潇，李艳丽，李峰，李斌

研究论文

数据重用影响因素对仓储型数据管理平台发展方向的启示

孙雨潇1，李艳丽1*，李峰1，李斌2

1.中国农业科学院农业环境与可持续发展研究所, 北京 100081，中国；2.北京市农林科学院林业果树研究所, 北京 100093，中国

科学数据作为科学研究的有力工具和知识基础，其全流程的数据行为皆受研究者关注，数据重用作为其中关键的一环，对于科学数据管理共享使用发展具有举足轻重的意义。本文以中国农业科学院农业环境与可持续发展研究所农业环境数据共享服务平台为切入点，引出数据重用的相关研究，根据时间维度对科学数据数据重用定义的演变进行介绍，从数据重用影响框架的角度出发，分析科研人员、科学数据、数据平台三方面对数据重用的影响。探析较为流行与广泛使用的仓储型数据管理平台模式，结合农业数据共享服务平台的现状与问题，提出下一步发展启示。

数据重用；影响因素；仓储型；数据共享

1 引言

1.1 研究背景

2023年，国家数据局成立，这是提升我国数据治理能力的重要举措。数据要素用起来，是数据要素价值发现、价值创造和价值实现多环节所构建的完整流程。随着第四范式的出现，科学研究朝着更精确可靠的方向发展，这一范式的核心在于大量数字化、可视化的数据资料积累，这些数据既可用于实现科学发现，又可作为建立新的科学研究的重要依据。在学术界，学者通过对科学数据全流程管理的研究，提出从数据监测、组织、汇交、到存储与共享全流程的对策与建议，其最终目的是实现科学数据资源的开放与最大化利用，即提高数据重用。国内外学者对数据重用做了较多研究，国内一些单位也在科学数据平台方面做了一些探索。

1.2 研究内容与技术路线图

农业环境数据共享服务平台是中国农业科学院农业环境与可持续发展研究所自建的数据共享共用平台，作为响应国家科学数据管理的一次尝试，充分体现了科学数据重用对于农业科技发展的驱动作用与重大意义，但该平台如何能够在数据浪潮中服务核心目标人群，发挥重大效能，推动农业环境科学进步仍需推敲。因此，本文首先介绍农业环境数据共享服务平台，以文献调研的方法分析数据重用的影响因素，通过案例分析法从影响因素角度出发探析仓储型数据管理平台发展使用案例，分析农业数据共享服务平台目前存在的问题，提出下一步发展启示。

本文的研究技术路线如图1所示。

1.3 农业环境数据平台介绍

为解决农业环境科研数据存储离散化、数据使用局限化、数据交换阻塞化的问题，提高科学数据重用率，中国农业科学院农业环境与可持续发展研究所依托科研项目经费建立了农业环境数据共享服务平台，围绕研究所学科方向分类建立数据目录供检索和查找，平台架构与功能根据科研人员对于科学数据使用的真实诉求进行设计，通过门户网站与子系统实现从数据资源的购置申请、检索、汇交、共享等全流程的管理。研究所长期坚持重点研究人类生产活动影响下光、温、水、气等环境要素的演变规律及其与农业生物和农用投入品相互作用机理及调控与保护对策，产生并保存了大量的长期因子观测数据与科学研究中的购置数据，该平台的设计与建设为将科学数据与科研人员重用数据热情充分调动，致力于释放科学数据效能，为研究所内部科学数据的重用奠定了良好的基础。农业环境科学数据共享服务平台首页如图2所示。

图1 技术路线

系统由1个门户网站和5个子系统集成：数据中心门户网站、数据购置审批系统、数据汇交系统、用户中心系统、贡献积分系统、数据集目录管理系统。门户网站展示研究所内部已汇交分享数据、提供分享对象查询下载数据的接口，数据集目录管理系统用于门户网站展示数据分类的管理，数据购置审批完成数据外购的申请和审核，数据汇交系统作为核心模块，实现数据的上传、汇交、分享、推荐与维护。用户中心用于研究所科研人员、组织机构管理、系统权限管理。贡献积分系统包括：激励规则管理、数据上传激励、数据阅读激励、数据分享激励、数据下载激励、引用激励等。

业务流程操作如图3所示。

图3 农业环境数据共享服务平台业务流程

2 数据重用定义的演变

数据重用的概念迄今尚未被明文界定。数据重用的概念研究，已由过去强调意义、结果与价值影响逐渐转化为“科学数据重用”的本身意义。此概念最早被Marting ME[1]、King[2]提及，强调科学数据重用的主要目的是复现数据、增加科学创造与技术革新的可行性、并通过对科学数据的重用以此来增加科学数据的意义。国家科学委员会在1997年指出了数据的共享和重复利用行为更能体现数据的价值[3]。21世纪后，Karast等人[4]从新的角度提出观点，数据重用首先要服务于未参与数据创造的人群，其目的是避免科学数据的一次性使用，通过解决新的问题体现科学数据多次使用的价值。在数据驱动发展的时代，研究学者需要将注意力更多关注于科学数据对于科学研究至关重要的作用[5]。科学数据重用对于科研院所、高校及其他组织而言，其作用主要体现在三个方面：一是通过减少在科学研究过程中数据采集和处理的重复工作，达到降低成本、提高效率和减少错误的作用；二是通过数据重用，数据分析和应用可得到更深入和广泛的挖掘，再次为数据提供者和使用者提供更深层次价值的信息；三是数据重用可促进系统工作和团队合作，促进数据共享和沟通，进而有助于提高科学研究与成果效率，获得竞争优势。

综上所述，在本文中认为，数据重用是利用一定的科学技术能力通过数据平台等媒介，检索获取曾经为解决旧问题而已经产生的数据，将其作为解决新科学问题的研究数据，或依据检索出来的已有的数据的基础上衍生出新的数据（集）[6]，进一步释放原有数据的价值的行为。通过整合相关研究发现，这类型的公共平台多为仓储型数据管理平台。

3 数据重用影响因素研究

通过对相关文献的梳理，本文构建了数据重用的基本框架，数据重用因素主要集中在科研人员自身、数据属性、平台特性三个方面[7]。当数据重用具有足够的驱动力后，科研人员会产生数据下载、引用等重用行为，但在数据重用全流程中，也需要技术、组织、法律、资金、政策等因素的保障和支持才能实现（图4）。

图4 科学数据重用框架

3.1 以人为中心的研究

3.1.1 学科领域因素

学科是否具备数据密集型特征对于数据重用并无明显相关影响。王雪等[8]发现，数据使用率较高的领域主要集中在自然科学领域和人文社科领域。在这些领域中，存在一些细分学科，有些细分学科的科学研究对于科学数据的依赖性更高，甚至需要完全依靠科学数据支撑。有研究表明，85%的数据重用行为主要发生在三个具有数据密集型特征的领域：农业生物科学、环境科学和医学。但随着调研的深入，后续学者的研究推翻了数据重用行为与数据密集型学科正相关的关系，指出哪怕是在数据使用率较高的自然学科、人文学科，医药卫生技术、社会科学领域等学科领域中，数据重复使用率也并未达到理想的水平，仍处于一个较低的水准。

学科领域方向通过影响科研人员的背景、思维方式进而影响到科学数据重用。不同学科领域科研人员对于科学数据使用的关注点存在差异性。研究表明，经济学家倾向于采集标准化、可靠且容易获取的数据，管理专家则倾向于采集精细、可靠且可访问的数据。在生命科学的科学研究过程中，较多学者趋向于利用现存的资料来降低重复的工作量，尤其是在遗传学、肿瘤学等需要大量实验结果的学术界，专家们更加看重科学数据的可靠性，这有助于保护自身利益，确保数据来源安全，所以，相比之下个人所拥有的数据信息往往不够具备吸引力。

3.1.2 年龄因素

在Tenopir[9]的研究中，按照年龄梯次阶段制定不同的小组开展数据重用表现的研究，不同年龄段的人在数据重用感知方面表现出不同的差异。低年龄组的研究人员在重用数据时候会对数据共享和重用的想法更为积极，更关注数据重用对于自身研究成果发表的帮助。与低年龄组相比，中年龄组对数据管理组织的兴趣略低，他们更关注能否利用数据来创造新的信息，且他们的数据利用范围较小，主要集中在组织内部，例如课题组或学术研究团队。尽管高年龄组的研究者表示自己的行为有助于共享和重用大量的科学数据，但是当其他年龄段的人们尝试从他们身上获取这些信息时，会遇到一定的困难，而且也会受到一定的使用限制。

3.2 以数据为中心的研究

3.2.1 数据质量和可靠性

在科学数据重用态度调查中[10]，有学者表示数据的完整与准确性，是否易于使用这些关乎数据质量层面的因素均会对数据重用行为产生正向或者反向的波动，权威的数据来源以及信得过的数据质量有助于推动数据重用行为的形成，研究者对于时间花费、缺乏统一标准、数据错用等方面的担忧阻碍其实施数据共享。在使用数据时，必须遵循严格的数据管理流程，并确保所使用的数据具有可靠性和准确性，这样才能吸引相关研究人员的注意力，从而促进数据的重复使用。当提供科学数据的数据平台或者是数据提供者在行业内的声誉与评价越权威可靠，越有利于促进科学数据重用，这是因为可靠的数据来源能够规避数据重用产生的一些风险，诸如科学数据侵犯版权问题、研究成果发布受阻等[11]。

3.2.2 元数据

Piwowar等人[12]使用文献计量学的方式对元数据从作者、资金、机构、出版物、领域背景等方面分别提取因子，最终对15个变量运用多元回归的方法进行分析，发现作者有经验、出版物存在较为全面的数据共享政策、数据有基金支持会提高数据复用效率。Park等人[13]对生物学重元数据重用实践进行探索，在Piwowar的研究基础上，选择数据本身元数据、作者元数据、标识符、基金元数据、其他元数据五个方面作为研究维度，并分别提取子指标，运用线性回归的方式构建被预测模型，发现与作者和资金来源相关的元数据对预测数据重用具有正向影响，而数据描述和标识符具有负面影响。

3.2.3 以数据获得性为中心的研究

完善和规范的重用规则可以显著改善科学数据的重用意愿和满足度，从而促进数据重用行为的积极性。这是因为一方面重用规则在数据重用过程中起到引导指示作用，直接影响到科学数据是否能够方便快捷地获取到，另一方面也能降低数据重用过程中引起的个人风险。适当的数据访问和共享控制机制能够保护数据的私密性和保密性，适当的数据存储和管理机制又是获取可靠的数据信息的保障，合适的数据分类和检索机制，使使用者轻松、快捷地寻找所需的数据。当政策规则更加完善时，人们对科学数据的使用也会更加满意[14]。

3.3 平台

在平台方面，秦顺等人[15]对欧美国家14个科学数据出版平台的服务建设的特点进行研究，总结出平台可提供的科学数据出版服务能够提高数据重用意愿及满意度。王朔桓[16]以调研的方法，对美国四个代表性地理科学数据服务平台从建设现状和服务内容进行角度进行对比分析，总结数据检索、新闻推送、数字地图等平台服务功能能够促进平台的使用与推广，并从资金来源、数据上传与管理系统等方面对我国地理科学数据平台提出发展建议。卢垚等[17]以Mendeley Data科研数据管理与共享平台为研究对象，调研该平台在数据治理流程、集成的开放生态系统、数据存储管理和共享功能的优势，这些优势鼓励开放数据实践，推动数据活力释放。

4 数据重用工具——仓储型数据管理平台研究

在目前对于数据重用的研究中，已经考虑了影响科研重用的多重因素——科研人员自身、数据属性、平台特性等，科研人员学科背景、年龄等导致对于数据重用存在一定的主观影响。以数据为中心的研究中可得知数据质量与可靠性、来源的权威性、数据的易获得性这些对于数据重用具有正面推动作用，在对于平台影响因素的研究方面，完备的功能设计有助于鼓励数据重用。但在这三者中，科研人员的影响因素与数据的影响实际通过数据平台中得以呈现，如何依据数据重用因素完善规划数据平台的研究还为数不多，因此，再次围绕数据重用的人与数据影响因素，探究仓储型数据管理平台的发展模式与方法。

4.1 主要模式

仓储型数据管理平台是实现科学数据重用的重要手段及工具，其建设目标是促进科学数据的传播与使用，首先长期持续地进行科学数据的收集与汇聚，通过系统配套数据库实现资源统一存储，通过系统功能模块实现科学数据管理，并提供数据集共享与发布服务。仓储型数据管理平台主要的使用者为科学研究人员、科研机构、课题组或出版社。此类的信息系统能够为用户提供24小时的服务，并支持图像、文件、视频等多种形式的科学数据，用户可以借此实现一系列的数据提交、管理、检索、共享操作，有效促进数据重用行为。

在大多数情况下，仓库型数据库的设计类似。如图5所示，使用者可以在任何地点通过提交工具、API等方式提交各种类型数据。系统对数据进行严格检查，使用云存储、数据集群等技术统一存储汇聚数据，以保证数据的可靠性与完整性。此外，系统还会给每个数据集赋予全局独特的标记，以便保护数据作者的知识产权。这些数据被编辑成数据集，最终在各大平台公开或部分公开展示，供读者查询、浏览、引用。

随着技术的发展，基于仓储的数据管理系统已得到普遍应用，系统支持满足多种需求，从数据提交、数据存储、数据分类与查询、数据分析与出版。通常情况下，这些数据集都是由数据提供者分享，且能够被其他人使用。此外，按照相关的授权协定向社会开放。

图5 仓储型数据管理平台技术框架

4.2 从数据重用影响角度进行典型应用分析

仓储型数据管理平台代表性的系统为Figshare、Dryad及ScienceDB。本节从数据重用影响角度对典型应用进行分析（表1）。

表1 典型应用考虑因素对比

Figshare科研数据共享平台是英国Macmillian出版公司旗下的Digital Science公司创建，主要面向为生命和医学领域学科，其目标是Figshare旨在通过其先进的技术和功能支持各种形式的科研数据共享，让更多的科学资源和信息能够轻松地获取和利用。自其创办伊始，Figshare便已经和20多家著名的出版社展开深入合作。Figshare平台接受大部分格式的研究成果，如视频、音频、PDF等。该平台中数据上传者对于数据是否公开具备自行决定权利，如果选择公开它，数据将在平台发布。如果选择不披露，研究结果将保密仅对用户自己可见。用户可通过深入探索自身的研究成果，自主选择发表时间。该平台还提供在线协作空间，可向给合作伙伴共享私密的个人数据，这种自行决定数据是否公开的功能设计有效迎合了不同年龄段科研人员的使用偏好。Figshare具备独特的可视化文献展示功能，使用户能够轻松获取完整的数据，不必再次下载文档，提高了科学数据的易获得性。另外，所有数据都拥有独特的DOI，有效保护了数据提供者的知识产权。该平台构建了扩展的数据库，以便在具有前瞻意识的独立门户网站中展示相关信息，并通过优化搜索引擎的推送功能来吸引更多的访客。

2008年9月，国家科学基金会支持建设Dryad数据库系统，主要面向医药、生物学、生态学等学科。该数据库系统向全球公众提供科学数据无偿下载、重复使用服务。该平台审核所收集的所有数据，包括但不限于：信息的准确性、安全程度、内容的安全性、版本的保护、隐私的保护，并且还具备详细的数据维护和数据缺失-恢复的管理策略[15]，能够最大程度地保证数据的可靠性、高质量与完整性。Dryad还通过与众多知名学术机构的联盟，实现信息的安全、及时、便捷地传播，这一方面能够增强数据的易获得性，另一方面也提高了数据的权威性。DOI帮助研究者更加轻松地获取、处理、传播、应用大量的数据，极大地降低了科学数据的消耗。

ScienceDB是一个支持中文和英文的科学数据库平台，为学术期刊和研究人员提供在线数据存储、长期存储、及时获取、共享、出版和引用服务，支持《中国科学数据》《农业大数据学报》等数据论文的提交和发布，该平台为用户提供完全免费的通用数据发布服务，格式诸如文字、电子表格、视频、图像、软件代码等，遵循CC0和CC BY 4.0等数据使用许可协议，提供数据集DOI、CSTR和PID标识的自动注册和管理服务，现数据信息互联互通，提供数据集更新版本、评分、引用格式推荐、引用文件下载和元数据导出等服务。该平台配套防篡改机制，数据每一次更新可溯源，配备底层数据存储、数据处理与数据灾备能力。Science对元数据的约束包含选填字段和必填字段，必填字段包含标题、作者、学科等，此外还支持其他扩展字段。

4.3 农业环境数据共享服务平台存在问题分析

通过典型应用分析，总结农业环境数据共享服务平台的主要特征与存在问题如下：该平台面向农业环境相关学科，平台具备用户与管理员角色，在用户上传数据后管理员需要完成数据审核，但未对需要审核的内容进行明确的定义，这对数据质量、完整性、可靠性缺少一定的保障。平台对于元数据的涉及较为完善，数据上传者上传数据时同时需要填写元数据相关内容。管理员通过对相关科学数据的元数据进行展示，使用户能够通过元数据进行初步的了解，如果对数据感兴趣需要通过平台联系到管理员，是否提供共享的权限的主动权在于管理员而非数据上传者，这种模式的设计不利于数据提供者主动提供数据。提供数据者的科研人员多为研究所科研人员，并未开展与同行业其他机构的合作，这也导致数据来源范围具有一定的局限性。在数据上传后，数据上传者无法获取到doi，这对数据上传者而言缺少了一份利益保障。另外，通过彭秀媛的研究发现[18]，科研人员对于国内外科研数据平台的认知度不高，如图6所示，这在一定程度影响了数据重用的进行。

5 农业环境数据共享服务平台下一步发展启示

5.1 以政策为抓手，以机遇为契机提高数据重用执行力

稳抓国家对于科研数据重用的契机。善于运用指导性政策提高数据重用的执行力。目前来看我国相继制定《科学数据共享工程管理办法》《科学数据共享条例》《国家科技计划项目科学数据汇交办法》《科学数据分类分级共享机器发布策略》等系列数据共享相关的指导性政策，对科学数据的保存与管理等问题作出了规定，对于数据重用具有重要指导意义。有效开展分布式数据科学资源的建设及共享工作，在支撑国家科技基础条件平台建设项目的基础上，鼓励科学数据共享相关研究。在科学数据重用全面发展过程中，仍以公益性为主，争取建设、使用、推广阶段配套资金、人力与政策稳定性持续性支持，合理把握和规划，科学地投入。摒弃一次性产出，追求长期性产出，研究平台可持续性发展策略，保持数据重用的生命力与健壮力。

图6 国内外农业科研数据平台认知度调查

5.2 以功能设计为基础，以应用需求为牵引完善顶层设计

在合作范围层面，除主要面向科研专家和团队的基础上，加强与其他机构数字出版社、高等院校的图书馆和学术组织的合作，在上传数据后，能够获取DOI，以提供更加完善的农业环境数据服务，保护数据上传者的权益。在功能设计方面，融入科学数据集成检索与服务，提高数据的易获得性，通过中间件、元数据、网页搜索代理等方式实现一站式检索。只需通过门户网站服务界面，可以同时检索多个分布的、异构的数据库，并可将返回的结果进行整合后，统一展现，构建涵盖多学科、可让用户自由发布学术研究成果、可容纳不同文档格式的数据共享系统。在应用层面，基于应用需求，基于可视化与交互的应用流程定制平台，快速构建数据处理流程，通过可视化和交互功能提高科研人员参与度。在创新服务方面，利用TensoFlow、Weka等人工智能开发平台，运用数据挖掘工具，采用分类、聚类、关联等数据挖掘算法，对科学数据进行处理，基于科学数据挖掘新知识。

5.3 以多样化推广提高农业环境数据平台被认知力

制定宣传推广计划，大力鼓励使用平台，提高农业环境数据平台被认知的范围。在合作推广方面，积极拓宽合作渠道，与出版商、高校图书馆联盟建立良好的沟通，以确保平台的用户数量质量，通过行业数据大会、行业数据出版期刊、单位公众号等宣传媒介对数据平台进行宣传。在推广战略方面，从关键少数人群出发，首先面向数据密集型学科用户，在小范围内融入经济效益鼓励吸引使用，定期组织召开科学数据重用使用体验分享会，获取真实体验感受，收集用户使用意见，持续扩大面向人群范围。在平台中设计具体的案例展示模板，模拟数据重用过程，演示旧数据如何解决新问题，更直观地展示数据的价值。

[1] Martin M E. The committee on national statistics: 10years later[J]. American Statistician,1982,36(2):103-108．

[2] King G. Replication, replication[J].PS: Political Science & Politics, 1995,28(3) : 444-452.

[3] Committee on issues in the transborder flow of scientific data [EB/OL].[2021-04-16].http: //www. Nap.edu /openbook.php? record_id = 5504．

[4] Karast I H, Baker K S. Digital data practices and the long term ecological research program growing global[J]. International Journal of Digital Curation, 2008,3(2):42-58．DOI: https://doi.org/10.2218/ ijdc.v3i2.57

[5] Borgman C L．The conundrum of sharing research data[J]. Journal of the American Society for Information Science and Technology, 2011, 63( 6):1059-1078．

[6] 尹文辰.国内外科学数据重用理论研究与实践进展[J].山东图书馆学刊,2022(2):7-14.

[7] 张潇月,顾立平,胡良霖.国内外开放科研数据重用困境解决措施述评[J].图书馆,2021,(3):80-89.

[8] 王雪,杨波.科学数据重复使用的学科差异性研究[J].情报杂志,2021,40(7):122-126.

[9] Tenopir C, Dalton E D, Allard S, et al. Changes in data sharing and data reuse practices and perceptions among scientists worldwide[J]. PLoS One, 2015,10(8):e0134826. doi: 10.1371/journal.pone.0134826.

[10] 文静,何琳,韩正彪.科研人员科学数据重用意愿的影响因素研究[J].图书情报知识,2019(1):11-20.DOI:10.13366/j.dik.2019.01.011.

[11] 魏银珍,邓仲华,杨改贞. 科研人员数据重用意愿的影响因素研究[J]. 图书馆理论与实践,2020(3):11-16.

[12] Piwowar H A,Vision T J. Data reuse and the open data citation advantage[J].PeerJ,2012,1(3):e175.doi: 10.7717/peerj.175.

[13] Park H, You S, Wolfram D. Informal data citation for data sharing and reuse is more common than formal data citation in biomedical fields[J]. Journal of the Association for Information Science and Technology,2018,69(11):1346-1354.

[14] Walli J C，Rolando E，BorgmanC L．If we share data, will anyone use them? Data sharing and reuse in the long tail of science and technology[J]. PLoS One, 2013,8(7) : e67332．

[15] 秦顺,戴柏清.国际科研数据政策导向解析[J].图书情报工作,2022,66(13):48-60.

[16] 王朔桓,陈媛媛.美国地理科学数据服务平台建设调查研究[J].图书馆学研究,2018(8):46-54.

[17] 卢垚,王鸑飞,刘洪冰,等. Mendeley Data平台开放科学数据实践及启示[J].数字图书馆论坛,2021(9):19-26.

[18] 彭秀媛. 农业科学数据共享模式与技术系统研究[D]. 北京: 中国农业科学院,2018.

The Enlightenment of Factors Influencing Data Reuse on the Development Direction of Warehouse-Based Data Management Platforms

SUN YuXiao1, LI YanLi1*, LI Feng1, LI Bin2

1. Institute of Environment and Sustainable Development in Agriculture,Chinese Academy of Agricultural Sciences, Beijing 100081, China; 2. Institute of Forestry and Pomology, Beijing Academy of Agricultural and Forestry Sciences, Beijing 100093, China

As a powerful tool and knowledge foundation for scientific research, scientific data have attracted the attention of researchers throughout its entire process of data behavior. Data reuse, as a key component, is of great significance for the development of scientific data management and sharing. Taking the Agricultural Environment Data Sharing Service Platform, developed by the Institute of Agricultural Environment and Sustainable Development in Agriculture, Chinese Academy of Agricultural Sciences, as the starting point, the article introduces relevant research on data reuse and the evolution of the definition of scientific data reuse in terms of time dimension. From the perspective of the impact framework of data reuse, it analyzes the impact of researchers, scientific data, and data platforms on data reuse. Moreover, the article explores the popular and widely-used warehouse-based data management platform models, and proposes the next development inspiration, regarding to the current situation and problems of agricultural data sharing service platforms.

data reuse; influencing factors; warehouse type; data sharing

孙雨潇,李艳丽,李峰,李斌. 数据重用影响因素对仓储型数据管理平台发展方向的启示[J]. 农业大数据学报, 2023, 5(3): 2-10.

SUN YuXiao, LI YanLi, LI Feng, LI Bin.The Enlightenment of Factors Influencing Data Reuse on the Development Direction of Warehouse-Based Data Management Platforms[J]. Journal of Agricultural Big Data, 2023, 5(3): 2-10.

2023-07-16；

2023-08-02

中央级公益性科研院所基本科研业务费专项（No.BSRF202315）

孙雨潇，E-mail:sunyuxiao@caas.cn；通信作者李艳丽，E-mail:liyanli@caas.cn。