京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代 环评如何跟上潮流
环评数据资源必须实现向大数据的转变,加强管理与应用服务的创新,才能更好地服务于环境管理并支撑环境质量改善目标实现。
1、环评大数据建设的总体目标
明确环评大数据建设的总体目标和定位,有助于把握好其建设方向。
环评大数据建设的总体目标是:充分运用大数据、云计算等现代信息技术手段,整合环境、经济、行业等数据资源,重点理清环境质量、控制总量、污染源“三本帐”,开展相关的数据采集加工、模拟分析、整合共享,提升环评管理能力,提高环评文件编制的科学性,增强环评公共服务能力,服务于“十三五”环保工作改善环境质量的核心目标。
2、环评大数据面向的核心业务
环评大数据是对环评业务开展情况的客观映射,理清环评大数据面向的环评工作的核心业务,有利于明确和深入地理解环评大数据的目标与定位,是开展环评大数据建设与应用的重要前提。
目前,环评工作主要围绕环境质量现状和污染物排放总量两大核心要素开展,这两者之间存在着影响/响应关系,这种关系可以通过模型来表达,如图1所示。
其中,污染物排放总量为固定污染源和非固定污染源排放量之和,固定污染源包括老源和新源,非固定污染源包括道路和非道路源(汽车尾气、秸秆焚烧、工地扬尘等)。各类污染源又分为纳入监管和未纳入监管两部分。
因此,环评大数据的建设必须摸清全国范围内各区域、各时段的环境质量现状数据和污染物排放总量数据,并在此基础上,纳入两者之间的相互作用和影响的相关数据。
3、环评大数据的四维数据架构
面向环评工作中的环境质量现状和污染物排放总量两大核心要素及其影响/响应关系,环评大数据将包含环评工作通常涉及的海量数据,对这些数据进行梳理并形成一套清晰合理的分类,对于指导环评大数据的建设具有重要意义。
总体来讲,可以从四个维度对这些数据加以概括和归纳,即环境质量现状、环评业务过程、环评参与对象和数据应用与演化,如图2所示,这四个维度即构成了环评大数据的四维数据架构。
(1)从环境质量现状的维度,环评大数据包括全国范围内的各环境要素的环境质量数据和生态环境数据;
(2)从环评业务过程的维度,环评大数据包括战略环评数据、规划环评数据、项目环评数据、环评监理数据、竣工验收及后评价数据;
(3)从环评参与对象的维度,环评大数据包括四级环保部门数据、环评单位数据、建设单位数据、社会公众数据和其他行业数据;
(4)从数据应用与演化的维度,环评大数据包括业务数据、支撑数据、管理数据、模拟预测的数据、挖掘分析的数据等。
4、环评大数据的核心数据内容
在以上架构下构建的四维环评大数据,包含了环评业务工作中涉及的海量数据,为了更好地将重点数据建设任务聚焦于环评工作的核心业务,也为了更有针对性地、更有效地满足环境管理工作的需求,还需要对环评大数据的内容开展进一步的梳理和凝练,形成其核心数据内容。
从服务“十三五”环保工作改善环境质量的核心目标的角度,环评大数据核心内容应包括环境质量数据、控制总量数据和污染源数据,如图3所示,三者也可合称为“三本帐”。
(1)环境质量帐。不仅包括环境质量现状数据,更重要的是要包括环境质量改善目标数据,换言之,要包括全国范围内的各环境要素和生态环境的质量现状数据和改善目标数据两大部分;
(2)控制总量帐。不同于以往环境质量达标思路下的总量控制数据,而是为实现改善环境质量这一核心目标,落实“水十条”、“气十条”、“土十条”,环境所能容纳和接受的污染源排放总量数据和生态环境承载能力数据,是环境质量改善目标的要求分解和细化后的具体控制指标数据,内容上主要包括战略环评数据和规划环评数据,含生态红线、质量底线、资源开发上线、负面清单数据,即“三线一单”数据;
(3)污染源帐。从范围上讲,包括固定污染源数据和非固定污染源数据两个方面,其中固定污染源数据包括新源和老源。从内容上讲,包括污染源属性基础数据、污染物排放动态数据2个方面。
总体来讲,以上“三本帐”中,固定污染源数据以及战略环评数据和规划环评数据是环评大数据核心数据中的重点内容。
5、环评大数据的数据来源渠道
数据资源建设是环评大数据建设的重要内容,而数据获取是数据资源建设的重要步骤。从数据采集获取的角度,环评大数据建设主要有如下数据来源渠道。
环境质量帐主要包括环境质量现状数据和环境质量改善目标数据两大部分,前者可以通过环境监测网络获取,后者可以通过相关政策法规获得。控制总量帐可以通过战略环评数据和规划环评数据获得。
污染源帐是环评大数据建设数据获取的关键,也是难点,只有获取时间、空间、行业和过程全覆盖的完整污染源数据,尤其是污染物排放数据,才能够为环境影响模拟分析、环境质量预测预警乃至最终改善环境质量等打下坚实的数据基础。污染源帐主要有以下四个方面的获取渠道。
(1)企业环境信息公开。依托企业环境信息公开系统,可以获得企业基本信息、排口及排放数据、污染防治设施建设和运营数据、建设项目环评数据、排污许可数据等。
(2)环境影响评价。依托全国环评审批数据四级联网交换平台和国家环评基础数据库,可以获得国家以及各省市建设项目的评价和审批数据。
(3)固定源排污许可。依托国家排污许可管理信息平台,可以获得排污许可数据和证后监管数据,具体包括排污许可基础数据、排污单位自行申报数据以及监督性监测数据和监管执法数据等。
(4)行业数据分析。针对未纳入监管的非固定源,通过行业数据相关性分析,结合污染源解析技术成果,估算污染物排放量和污染源动态变化情况。这部分数据主要依靠调用生态环境大数据获取。
以上4个渠道获取的数据具有一定的重合和关联性,通过数据的整合归并和交叉验证将能够形成完整的污染源帐。
6、环评大数据可提供的应用服务
从应用服务对象来看,环评大数据未来可以提供3个方面的服务。
(1)面向各级环境行政管理部门,环评大数据可以提供信息与技术支持服务,具体包括环评质量校核、分析统计、预测预警、信息公开、诚信记录等,环评大数据的应用重点可以提高环评决策和环境预警能力,服务环评事前、事中、事后的全方位一体化“智慧”监管。
(2)面向环评机构,环评大数据可以提供在线数据共享、模拟分析等服务,提升环评基础资料收集的可靠性、便捷性,提高环评文件编制的科学性,节省环评经费,缩短环评时间;
(3)面向社会公众,环评大数据可以提供宣传教育与信息公开服务,正确引导环评公众参与,提升环评公众参与水平和程度。
7、结语
环评大数据应用是个系统工程,基础工作多,涉及面宽,持续周期长,既有管理创新,又有技术挑战。
目前,缺乏全面的信息是环境保护统一监管的难题,解决这一问题需必须开展数据共享与集成。
环评大数据的下一步建设,应立足环评大数据核心,重点加强新源、老源数据库建设,夯实模型建设技术基础,抓好典型应用,实现生态环境大数据在环评领域应用现行先试目标,并配合生态环境大数据项目建设,提供环评大数据应用数据基础和应用服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA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在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域,透视分析(Pivot Analysis)是CDA(Certified Data Analyst)数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10