京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助力环保新形态
近年来,互联网为解决环境问题创造了前提条件。“互联网+”提出至今,丝毫没有变弱的趋势,而是更加实际地在各个行业引发变革。新的经济发展理念带来了全新的数据化驱动模式,在环境领域,环境大数据的概念油然而生,“互联网+”的春风也将吹来环保领域的大数据时代。
过去,空气质量状况的来源只能依靠各地空气站点,各站点间缺乏互联互通,一旦某地缺乏足够的空气质量监测点,空气质量的具体数值就无法获得。地面空气质量监测站的位置又是按照行政区域划分设置的,往往数量有限。拿北京市为例,六环以内共有35个空气质量站点,但仍无法反映整个北京市的空气质量状况,因而空气质量预测也总是难尽人意。
如今,针对这一难题,环境保护部信息中心与微软(中国)有限公司合作开发了城市局地大气主要污染物时空分布大数据模型———U-Air。这一模型是如何运用大数据进行工作的呢?环境保护部信息中心副主任徐富春介绍说:“该模型主要通过融合两类数据来实现,第一类是地面监测站的空气质量监测实时数据和历史数据,第二类是空气质量相关性数据,包括交通流、道路结构、兴趣点分布、气象条件和人们流动规律等大数据,用基于机器认知的算法就能建立一个数据模型。”通过U-Air记录的数据建立的模型,可以分析和预测城市细粒度1km×1km范围的空气质量,这对监测的精度是一个质的飞跃。
伴随着监测精度的提高,预测的准确度也大大提升。在这一模型中,用户可以查看任意点位之前6小时的空气质量状况,并预测未来6-24小时的趋势。“目前,U-Air已在61个城市进行验证,平均准确度比传统方法高出7个百分点。北京的准确度可以达到75%,广州和深圳可以达到80%。”徐富春说。实时监测每一寸土地,破解了以往监测站点易受附近环境影响、没有污染源排放清单和排放边界不太清楚的难题;准确度的攀升,也提高了不同区域受众对监测结果的信任度。
“未来,U-Air将可以提前预测1-5小时的空气质量,以帮助人们更好地计划自己的生活,比如什么时候去哪里慢跑,什么时候应该关窗户、什么时候应该戴口罩。”合作方微软(中国)有限公司资深架构师罗彤认为,更准确的数据,能带来更大的实用性。而所有这些计算只需花费几秒钟,大大节省了以往监测中消耗的人力、物力、财力。
通过大数据分析最重要的应用领域———预测性分析能力,U-Air从大量复杂的数据中挖掘出规律,建立起科学的事件模型;工作中只要将新的数据带入模型,就可以预测事件的未来走向,这对以往的监控和预测逻辑来说,是一个全新的颠覆。
全国政协委员、环境保护部副部长吴晓青在2015年全国环境监测工作现场会上表示,2014年,中央和地方共投资4.36亿元,在177个城市、552个国控监测点位完成了第三阶段空气质量新标准监测能力建设,提前一年完成空气质量新标准监测,实现全国范围内
的全覆盖,建成了发展中国家最大的空气质量监测网。自2015年1月1日起,全国338个地级及以上城市1436个监测点位全部具备新标准监测能力并实时发布6项指标监测数据和AQI值,初步建成了空气质量监测预报预警体系,京津冀、长三角、珠三角区域
空气重污染监测预警体系
完成建设,实现了空气质量预报业务化并及时发布预警信息。
企业监管:可视化、全程化、远程化
大数据、云计算、互联网、物联网……当这些新技术运用于企业的监管,会与环境保护产生什么样的化学反应呢?苏州市姑苏区的“油烟+噪声+扬尘”云平台监管给我们带来了启示。姑苏区位于苏州市老城区,三产服务业是主力军,与工业企业一般不会立马搬迁或者关闭不同的是,餐饮企业开业和倒闭相对频繁,每天的运作也更为细微、繁杂、瞬时,传统的监管模式——线下备案、污染监管已经无法解决这一难点了。当地环保局为此开发了一套3G云平台环境管理系统,专门为监管那些小细杂的污染源提供了“千里眼”、“顺风耳”。
“以油烟监控系统为例,在一家企业食堂的油烟管道上装上两个探头,一个在油烟入口监测净化前的数值,一个在油烟出口监测净化后的数值,它们都直接连接环保部门的在线监管系统,系统将收集的数据对比分析,直观地判断出企业排放是否达标。”姑苏区环保局防污处工作人员张同祺介绍到。点开云平台地图,密密麻麻、红绿灰不同的点位都代表了一个企业,点击关键点数值,还可以看到一天油烟浓度变化的统计曲线图。不同的颜色代表了不同的状态,绿色的表示已经开始营业并且油烟在线监控设施也在正常使用,灰色的表示还没有营业,红色的代表油烟排放浓度已经超过国家要求的2mg/m3或油烟管道需要进行清洗。如果一家企业“掉电”5天,就可基本判定它已经关闭营业了。
通过大数据技术,可以实现污染源企业的精准锁定,有效管理污染源企业。在污染源的生命周期过程中,每个节点所需要的每一类数据,都可以进行搜集分析,形成基于污染源管理的数据资源分布可视图。这就如同“电子地图”一般,将原先只是虚拟存在的各种点,进行“点对点”的数据化、图像化展现,使得环保部门的管理者可以更直观地面对污染源企业。
另一大优势是对企业污染的全程化与远程化监管。全程化在于实时,从企业诞生开始,只要安装了相应系统,就可实现在线监测;远程化在于无需到场,管理者也能对企业污染了如指掌。“在线监管比手工监测花费的时间和成本更少,得到的监管品质却更优秀。”广东长天思源环保科技股份有限公司负责人曾昭健表示,这种实时全程、在线远程的监管模式,正抓准了大数据针对企业污染监管的“痛点”,能够倒逼企业主动环境守法。“企业及早知道自己的污染排放情况,就能及时进行把控。”曾昭健说。利用污染源监控大数据,打造可视化、全程化、远程化平台,政府部门就能及时掌握企业的运行情况,公众舆论也能借助互联网对企业排污形成巨大压力,督促其有效治污,这些都是借助“互联网+”和大数据的春风得以实现的。
环保部卫星中心主任王桥建议国家启动“环境监测大数据工程”,以从根本上提升环境质量监测数据综合分析的能力和水平。在他看来,利用云计算、数据挖掘、多元统计分析等技术,开发环境质量监测数据综合分析工具与多维可视化表达工具,可以构建一体化环境监测大数据云服务平台,实现从监测信息到监测服务的跨越。
数据信息:开放化、众包化、集约化
随着信息技术日益完善普及,特别是新《环保法》的实施将为有力打击环境违法行为提供重要法律支撑,“线上数据+线下执法”的模式配合大有可为。在推动环境改善驱动因素由单一政府向全社会延伸过程中,环境相关信息及数据的价值将得到显现。
公开的信息、开放的平台,催生了数据来源的众筹众包。在环保部主办的大数据与环境管理转型专题培训班上,《大数据》与《数据之巅》的作者、著名信息管理专家徐子沛认为,未来政府将转变为“接单员”的角色,更多地借助市场和公众的力量参与环境保护,开展环境管理工作。目前,这一全新理念已在贵州落地生根。贵州市民应用随手拍对污染信息拍照后直接上传到政府部门,政府则根据公众的举报进行处理。原来仅靠环保部门完成的事情,现在可以由社会一起分担,既节约了财力物力人力,也调动了社会参与积
极性。共同挖掘数据的模式,实现了环境数据采集的众筹众包。
海量环境数据的开放众包还只是第一步,未来各部门环保信息开放融合会更主动,信息孤岛将会消失,形成环保行业大数据。对于技术力量薄弱的部门,集约化将为各单位提供统一的技术标准,实现互联互通,实现从无到有的跨越,这对环保管理中各部门各处室间的协同
工作来说,是一种深入骨髓的革新。今年的世界环境日,是广西环保APP的诞生日。一款小小软件是如何利用大数据改善管理部门工作的呢?广西环境信息中心主任黎一盈用一个生动的例子展示了它的运行情况。随手点开南京市青秀区的一家糖厂,企业法人、联系手机、企业目前生产情况等基本信息一目了然,下拉屏幕,则可以看到氨氮、COD、pH值等详细的监测数据。“以前我们接到群众举报,需要去环评处了解污染源的环评情况,去监测处掌握企业污染源监测数据等。现在只要打开广西环保APP,就可以查询到其他处室掌握的所有情况,执法需要的相关数据一目了然,大大提升了我们处置违法举报的效率。”广西环境监察总队工作人员说。
正如《纲要》所指出,要加快政府数据开放共享,2018年底前建成国家政府数据统一开放平台,其中就提到了在环境领域实现公共数据资源合理适度向社会开放。
环境保护部信息中心主任程春明表示,要实现信息化对环保业务的支撑,真正使信息化成为环保工作的第一助力与基础保障,不能仅仅依靠信息技术、基础设施、应用维护,更要依靠各方力量的整合、合作,依靠信息的开放、共享、集成,汲取所有环保人之智慧,用数字管理环保、用数据支撑环保,使得环保决策有支撑、环境执法有依据,打造“数字环保”,推进环保工作依法行政。
在谋划“十三五”监测事业发展思路方面,吴晓青在2015年全国环境监测工作现场会上指出,“十三五”规划要根据大气、水、土壤三大行动计划实施的需求,整合优化环境监测网络,不断强化污染源监测、环境应急与预警监测,持续推进环境遥感与地面生态环境监测,不断加强监测质量管理与信息公开。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16