论文部分内容阅读
摘要：生态环境大数据是大数据在生态监测、分析和治理的一种应用，克服了传统信息化中数据规模、数据结构和计算能力的不足问题，在未来的研究中，还应当进一步挖掘其他信息科技在生态监测中的应用，发挥信息科技之间的协同作用，加强多平台的大数据口径、系统和协作机制的对接，发展成全国融合的生态大数据体系，打破生态大数据孤岛问题，成为世界上的生态大数据技术领先国家。
关键词：生态大数据;环境监测;技术应用
引言
一直以来，生活环境数据具有无序性和孤立性特点，导致传统信息化时代下生活环境监测难度较大，数据规模和算法能力有限，生态数据无法支持管理决策。而通过物联网设备组成的庞大数据来源，借助云端系统的高频实时测算，促使生态数据结构变为规模大、类型广、处理速度快和真实准确性强的大数据，成为生态治理的重要技术手段。
一、生態环境大数据概述
（一）涉及领域多
生态大数据包含的数据种类较多，因为自然界的现象是十分复杂的，况且现有的人类科学也无法做到认知到所有的自然生态属性，所以生态大数据规模和种类依赖于智能设备来采集和处理。目前，生态大数据主要有气象、水利、国土、农业、林业、交通等领域，同时，由于社会公众对环境治理问题的密切关注，促使生态大数据概念拓宽到了网络通信领域。于是，在广义上，生态数据还包括社会统计数据和网络抓取数据，这分别需要数据库、网站、论坛、APP等途径来收集，这些数据涉及到生态环境问题的舆情监测。
（二）复杂性较高
生态环境数据集复杂性较高，因为物联网设备采集的数据十分繁多，有价值的信息却是有限的。半结构化和非结构化数据标准是不统一的，生态环境不同部门的同类数据标准规范也会不同，特别是数据传感工具的不一致，数据来源组织的共享程度差异，导致数据集成处理出现困难。所以，我国需要智能系统来感知、表达、理解和计算生态大数据，利用云计算平台完成数据清洗、建模、导出与可视化，成为人为决策的数据依据，比如排放清单建立、环境治理预测、最优减排政策。
（三）数据处理能力强
现有的大数据处理服务基本是通过云端完成，云端硬件设备处在机柜中心基地，支持高频计算量。生态大数据则具有较高的时空异质性，数据结构是连续观测的流式数据，传统硬件计算机是无法承受如此庞大的数据运算。我国2014-2019年间互联网数据中心（IDC）行业规模增长稳健，加上有政府采购的结构性需求拉动，可以判断该行业面临政企需求双重拉动的利好，行业规模增长的可持续性较强，所以动态历史数据和新数据都能通过云端实现实时处理，挖掘出有用信息来提供决策。
二、生态环境领域的大数据框架
（一）遥感采集技术
在各类数据采集工具中，遥感技术是最具代表性的技术，这分为全球卫星遥感和地面监测遥感，这两种气象监测网络由35000个以上的气象站点组成，总共涵盖了百余种数据来源，常见的数据有湿度、裸土、地表、地形、土壤、水质、空气、降水等。目前，生态环境部已经开始重点建设生态遥感大数据，加强RFID、卫星、物联网芯片、等遥感技术的创新和应用，开展全天候的大数据监测。
（二）云端处理技术
目前，生态大数据处理方式流程主要分成四大系统，分别是存储管理、预处理、深入处理和整合挖掘系统，不同系统有大数据处理的职能特性。大数据技术可以优化生态大数据的处理速度，并在云端集成生态统计分析软件功能，可以实时为研究人员提供监测数据评价，将原本标准化的技术处理和计算流程交由平台运算，研究人员只需要作出关键的人为判断和决策。
三、生态环境领域的大数据应用
（一）在生态监测评价中的应用
在生态监测评价领域中，在线监测和数据处理是常见的应用形式，通过大数据来延长生态环境的监测时期，并整合多个数据源平台的整合与交换。生态大数据可以集成我国多个地区的环境污染数据库，建立数据分析的集中化处理，并根据网格化监控和云端计算来整合环境质量评价，构成环境监测评价的全景化格局。在大数据云计算平台的支持下，由IDC机柜来集中处理数据计算，节省了网络传输的带宽，提高了监测评价的速度和效率。在我国气象信息综合分析系统中，大数据和云计算技术支持研究人员在生态大数据库中抽取远程数据，并利用网络传输技术来支持可视化，为环保决策提供抽取和快速可视化诊断解决方案。
（二）在模拟预测中的应用
在大数据技术赋能生态环境建模后，可以建立科学性的生态污染预警体系，借助区域特装、空间属性和时间序列数据，还能精准模拟生态环境的演化。在大气模拟预测上，我国生态环境部门已经推出了大气污染物时空分布的模拟预测模型，可以利用空气质量、交通流、道理结构、气象条件等数据，通过神经网络模型来完成机器学习，完成高精度空气质量预测。在水环境模拟预测方面，大数据可以构建区域水环境的风险评估和预警体系，预测区域水质指标和水污染事故，这也在三峡水库、长江水利、渤海海域等领域获得了应用。
（三）在污染管理中的应用
生态大数据发展的最终目的是生态环境污染的控制，现有技术已经成熟应用于水污染和大气污染管理领域，并可以及时防控污染溯源。一直以来，我国污染治理都缺乏科学性和精准性，缺乏可靠途径查找到污染源头，导致生态数据的实用价值低。依托于大数据平台，水污染和大气污染管理都能从所有流通链条中获得监测信息，通过数据源的完整性来建立追溯体系。
四、结束语
随着我国信息科技水平的突飞猛进，大数据逐步渗透了各行各业的管理中，大数据技术赋能生态科学化和精准化治理。通过与云计算、人工智能、物联网等信息科技的融合，构建生态数据进行认知计算、关联分析、模拟预测和管理决策的流程化，有效发挥生态大数据的实时性、运算量和可视化优势，为我国生态管理决策提供精细化支持依据，帮助我国有效建设生态文明。
参考文献
[1]遏制“公地悲剧”视域下我国生态治理进路[J].刘亚男.天水行政学院学报.2017（06）
[2]深度学习在环境污染平台数据分析中的应用与设计[J].沈文渊，吴也正，魏恒，缪青.电子制作.2021（02）
[3]环境监测在处理环境污染投诉中的工作思考[J].黄博君.皮革制作与环保科技.2020（15）
（济宁学院 273155）
关键词：生态大数据;环境监测;技术应用
引言
一直以来，生活环境数据具有无序性和孤立性特点，导致传统信息化时代下生活环境监测难度较大，数据规模和算法能力有限，生态数据无法支持管理决策。而通过物联网设备组成的庞大数据来源，借助云端系统的高频实时测算，促使生态数据结构变为规模大、类型广、处理速度快和真实准确性强的大数据，成为生态治理的重要技术手段。
一、生態环境大数据概述
（一）涉及领域多
生态大数据包含的数据种类较多，因为自然界的现象是十分复杂的，况且现有的人类科学也无法做到认知到所有的自然生态属性，所以生态大数据规模和种类依赖于智能设备来采集和处理。目前，生态大数据主要有气象、水利、国土、农业、林业、交通等领域，同时，由于社会公众对环境治理问题的密切关注，促使生态大数据概念拓宽到了网络通信领域。于是，在广义上，生态数据还包括社会统计数据和网络抓取数据，这分别需要数据库、网站、论坛、APP等途径来收集，这些数据涉及到生态环境问题的舆情监测。
（二）复杂性较高
生态环境数据集复杂性较高，因为物联网设备采集的数据十分繁多，有价值的信息却是有限的。半结构化和非结构化数据标准是不统一的，生态环境不同部门的同类数据标准规范也会不同，特别是数据传感工具的不一致，数据来源组织的共享程度差异，导致数据集成处理出现困难。所以，我国需要智能系统来感知、表达、理解和计算生态大数据，利用云计算平台完成数据清洗、建模、导出与可视化，成为人为决策的数据依据，比如排放清单建立、环境治理预测、最优减排政策。
（三）数据处理能力强
现有的大数据处理服务基本是通过云端完成，云端硬件设备处在机柜中心基地，支持高频计算量。生态大数据则具有较高的时空异质性，数据结构是连续观测的流式数据，传统硬件计算机是无法承受如此庞大的数据运算。我国2014-2019年间互联网数据中心（IDC）行业规模增长稳健，加上有政府采购的结构性需求拉动，可以判断该行业面临政企需求双重拉动的利好，行业规模增长的可持续性较强，所以动态历史数据和新数据都能通过云端实现实时处理，挖掘出有用信息来提供决策。
二、生态环境领域的大数据框架
（一）遥感采集技术
在各类数据采集工具中，遥感技术是最具代表性的技术，这分为全球卫星遥感和地面监测遥感，这两种气象监测网络由35000个以上的气象站点组成，总共涵盖了百余种数据来源，常见的数据有湿度、裸土、地表、地形、土壤、水质、空气、降水等。目前，生态环境部已经开始重点建设生态遥感大数据，加强RFID、卫星、物联网芯片、等遥感技术的创新和应用，开展全天候的大数据监测。
（二）云端处理技术
目前，生态大数据处理方式流程主要分成四大系统，分别是存储管理、预处理、深入处理和整合挖掘系统，不同系统有大数据处理的职能特性。大数据技术可以优化生态大数据的处理速度，并在云端集成生态统计分析软件功能，可以实时为研究人员提供监测数据评价，将原本标准化的技术处理和计算流程交由平台运算，研究人员只需要作出关键的人为判断和决策。
三、生态环境领域的大数据应用
（一）在生态监测评价中的应用
在生态监测评价领域中，在线监测和数据处理是常见的应用形式，通过大数据来延长生态环境的监测时期，并整合多个数据源平台的整合与交换。生态大数据可以集成我国多个地区的环境污染数据库，建立数据分析的集中化处理，并根据网格化监控和云端计算来整合环境质量评价，构成环境监测评价的全景化格局。在大数据云计算平台的支持下，由IDC机柜来集中处理数据计算，节省了网络传输的带宽，提高了监测评价的速度和效率。在我国气象信息综合分析系统中，大数据和云计算技术支持研究人员在生态大数据库中抽取远程数据，并利用网络传输技术来支持可视化，为环保决策提供抽取和快速可视化诊断解决方案。
（二）在模拟预测中的应用
在大数据技术赋能生态环境建模后，可以建立科学性的生态污染预警体系，借助区域特装、空间属性和时间序列数据，还能精准模拟生态环境的演化。在大气模拟预测上，我国生态环境部门已经推出了大气污染物时空分布的模拟预测模型，可以利用空气质量、交通流、道理结构、气象条件等数据，通过神经网络模型来完成机器学习，完成高精度空气质量预测。在水环境模拟预测方面，大数据可以构建区域水环境的风险评估和预警体系，预测区域水质指标和水污染事故，这也在三峡水库、长江水利、渤海海域等领域获得了应用。
（三）在污染管理中的应用
生态大数据发展的最终目的是生态环境污染的控制，现有技术已经成熟应用于水污染和大气污染管理领域，并可以及时防控污染溯源。一直以来，我国污染治理都缺乏科学性和精准性，缺乏可靠途径查找到污染源头，导致生态数据的实用价值低。依托于大数据平台，水污染和大气污染管理都能从所有流通链条中获得监测信息，通过数据源的完整性来建立追溯体系。
四、结束语
随着我国信息科技水平的突飞猛进，大数据逐步渗透了各行各业的管理中，大数据技术赋能生态科学化和精准化治理。通过与云计算、人工智能、物联网等信息科技的融合，构建生态数据进行认知计算、关联分析、模拟预测和管理决策的流程化，有效发挥生态大数据的实时性、运算量和可视化优势，为我国生态管理决策提供精细化支持依据，帮助我国有效建设生态文明。
参考文献
[1]遏制“公地悲剧”视域下我国生态治理进路[J].刘亚男.天水行政学院学报.2017（06）
[2]深度学习在环境污染平台数据分析中的应用与设计[J].沈文渊，吴也正，魏恒，缪青.电子制作.2021（02）
[3]环境监测在处理环境污染投诉中的工作思考[J].黄博君.皮革制作与环保科技.2020（15）
（济宁学院 273155）