
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15