
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29