京公网安备 11010802034615号
经营许可证编号:京B2-20210330
建设生态环境大数据,企业能干啥?
伴随着互联网技术迅猛发展,环境信息化企业近年来也进入了高速发展期。而大数据时代的到来,更让环境信息化企业成为创新环境管理一支不可或缺的力量。
在生态环境大数据建设的当下,环境信息化企业能贡献哪些力量?
为此,本报专访了业内专家——中科宇图资源环境科学研究院院长刘锐。
环境信息化企业面临哪些利好?
环境信息化企业可以参与到数据标准制定、数据采集、数据整合、数据挖掘各环节
记者:3月初,环境保护部印发《生态环境大数据建设总体方案》(下文简称《方案》),《方案》为环境信息化企业创造了哪些条件?
刘锐:按照陈吉宁部长的要求与部署,大数据、“互联网”等信息技术已成为推进环境治理体系和治理能力现代化的重要手段,要加强生态环境大数据综合应用和集成分析,为生态环境保护科学决策提供有力支撑。《方案》的出台及时系统地介绍了生态环境大数据应用的整体方向和发展建议,为环境信息化企业创造了良好的发展条件和契机。
首先,从理念来说,《方案》要求实现生态环境数据互连互通和开放共享,鼓励业务创新、管理创新和模式创新,这就为第三方企业创新提供了理论和支撑依据。企业可以充分利用自身的业务优势和市场优势,运用大数据进行创新,并提供第三方服务。比如支撑生态环境信息公开、网上一体化办公和综合信息服务,建立公平普惠、便捷高效的生态环境公共服务体系,提高公共服务共建能力和共享水平,发挥生态环境数据资源对人民群众生产、生活和经济社会活动的服务作用。
其次,从参与度来说,《方案》提出建立生态环境大数据管理工作机制,要求健全大数据标准规范体系,保障数据准确性、一致性和真实性,这为环境信息化企业在数据标准化服务、模型建立、数据挖掘等方面,创造了机遇。环境信息化企业可以参与到数据标准制定、数据采集、数据整合、数据挖掘整个环节中。
再次,从技术角度而言,《方案》强调卫星遥感、无人机、物联网和调查统计等技术的综合应用,提升生态天地一体化监测能力。环境信息化企业在新技术的研究和应用上已经有多年的积累和发展,可以积极参与生态数据的集成分析,推动加强对重点生态功能区、生态保护红线、生物多样性保护优先区、自然保护区的监测评估、预测预警、监察执法,支撑生态保护区域联防联控。
记者:结合环境信息化产业的实践,您认为《方案》中哪方面还需要加强?
刘锐:从事环境信息化建设多年的经验来看,空间信息和卫星遥感在环境管理和环境服务领域起到关键的作用,因为环保系统每一个部门的工作都会涉及到空间信息,比如环境监测、环境监察、环境服务、环境应急等,若没有空间信息,就不能成为一个完整的大数据。如果将地图大数据和环境大数据相结合,就形成了一个完整的环境大数据管理平台。
我们希望通过建设基于地图大数据的环境大数据平台,来推动环境保护管理能力的建设。当然,我们也会继续积极推动空间地理信息和卫星遥感融入生态环境大数据。
生态环境大数据建设该怎么走?
大数据建设可以分为三步,一是建设时空大数据平台,二是建设环境大数据中心,三是应用分析数据。
记者:根据《方案》,基于企业实践,您认为生态环境大数据建设应分为几步走?
刘锐:我认为生态环境大数据建设应分3个步骤:
一是建设天地空一体化的数据获取系统,建立时空大数据的平台。以大气为例,在城市设点建立大气相关的传感系统。
目前,北京有36个空气质量监测站,天津有20多个监测站,但这远远不能满足大数据分析的需要。建立天地空一体化监测系统非常有必要,包括利用卫星遥感、智能传感系统,无人机搭载传感系统对区域的监测。除了国家设定的监测点以外,还可以有廉价、普通的手机式传感系统,对重点区域、交通枢纽进行重点监测,获得大量航空、地面、空间的数据,这3部分数据融合就形成一个三维立体的监测系统,数据的处理也比单一的地面监测更加科学化。天地空一体化的大数据环境监测体系是生态环境大数据建设开展的前提。
二是建立基于时空大数据的环境数据中心,也就是把时空大数据和环境大数据结合起来,在监测、监察、应急、生态保护等各方面都要与时空大数据相结合,形成完整的生态环境大数据。
三是经过融合整理,与环保系统各部门业务相结合和共享,对数据进行分析,为环境管理提供决策依据。比如建立环境预测预报模型、环境与健康评估模型、城市生态系统安全模型等,这些都将在大数据的基础上为环境管理提供依据。
目前, 环境保护部相关部门已经开始探索环境大数据的应用,先后与IBM、微软进行合作,开发了城市局地大气主要污染物时空分布的大数据模型,这些都是非常好的尝试。中科宇图目前也为多个地市提供了空气质量预测预报72小时的可视化决策模型。
企业如何发挥自身优势?
环境信息化企业需要从软硬两方面入手,提供平台、技术和科研成果。
记者:根据大数据发展的三步走战略,环境信息化企业应该从哪些方面支撑生态环境大数据建设?
刘锐:结合生态大数据发展的三步走战略,环境信息化企业要从软硬两方面着手建设。
从硬件建设上来讲,我认为环境信息化企业需要从以下四方面着手。
第一,环境信息化企业可以提供行业地图大数据服务。由于环保行业涉及的领域和范围越来越广,所以生态环境大数据建设不仅需要提供环保部门的大地图,还要打通电力、通讯、公安等行业的地图,这就需要综合实力比较强的环境信息化服务商。
第二,我国自主研发的卫星目前有20多颗,环境信息化企业可以充分发挥自身在国内外的业务优势,提供卫星遥感动态数据等免费的国外数据资源。中科宇图目前就可以提供国外免费下载的卫星数据,并且已经建立了大气的反演系统,根据卫星提供的数据可以提供实时的大数据服务。
第三,在时空大数据平台建设的基础上,与环保部门建设数据中心类似,环境信息化企业也要建立基础的大数据服务中心,进行数据积累,这是提供业务化应用和服务的基础。例如,虽然环境监察是实地考察大气、水等方面的污染状况,但更重要的是要有一个强大的数据系统作支持,通过大数据分析历史、剖析现状、预测未来,为未来的环境管理提供决策分析和依据。环境信息化企业可以在卫星遥感、无人机、物联网和调查统计等综合集成技术和应用方面,提供第三方优质服务,提升生态环境天地一体化监测能力。
这方面,中科宇图结合自身在地理信息方面的优势,联合相关科研单位,建立了基于空间信息的环境大数据中心,共同研究多种数据融合的物理模型、学习模型、专家模型。
第四,《方案》提出率先在执法领域取得突破,环境信息化企业可以发挥自身的技术优势,在环境监察移动执法上大有所为。可以开发移动执法终端,打通数据中心,随时调取关于企业的排放、监测、监察甚至违法行为等方面的信息,实现随时随地执法。
从软件层面上来讲,需要注意以下两点。
第一,要加强自身的科研能力,做好生态环境大数据基础理论和研究工作。中科宇图即将出版的《互联网时代的环境大数据》一书可能是全国第一本系统地描述环境大数据的图书,系统地阐述了环境大数据概念、建设方法、案例等,可以对环保行业发挥一定的指导作用,也为高校和大专院校提供环境大数据应用与服务的参考和借鉴。
第二,要加强与国内外高校、研究所、企业等的合作,吸引国内外更多的科学家参与环境大数据建设。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27