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
CDA数据分析师 出品 作者:李诗怡 STP模型(营销战略三步法) 定义: 现代营销战略核心框架,通过市场细分(S)、目标市场选择( ...
2026-09-18在互联网产品迭代、运营优化、界面改版与策略升级过程中,主观经验判断容易造成决策偏差、盲目改版、资源浪费等问题。AB实验(AB ...
2026-09-18 很多企业并不缺少指标,缺少的是让指标“串起来、动起来、用起来”的体系。零散指标像散落一地的珠子,指标体系则是那根把珠 ...
2026-09-18在电商行业精细化运营时代,流量红利逐步消退,粗放式投流、广撒网营销模式已无法适配市场竞争需求。依托用户点击、加购、收藏、 ...
2026-09-17在数据可视化与数据分析工作中,图表是将零散数据转化为直观业务规律的核心工具。不同图表拥有专属的数据逻辑与分析维度,能够从 ...
2026-09-17 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-09-17在企业数字化运营、业务流程管理与精细化管控体系中,流程运营是串联各项业务环节、保障工作落地、提升运转效率的核心载体。无论 ...
2026-09-16在数据分析与统计学研究中,卡方检验是分析分类变量关联性与差异性的重要方法,广泛应用于市场调研、行为统计、社会调查、商业数 ...
2026-09-16 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-09-16CDA数据分析师 出品 作者:李诗怡 定义: 用户增长核心分析框架,刻画用户从接触产品到自发推荐的全生命周期,五个递进环节构建 ...
2026-09-15在数字化营销与精细化用户运营时代,企业传统的广撒网式营销模式成本高、转化率低,已无法适配精准商业竞争需求。客户画像作为大 ...
2026-09-15 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-09-15在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10