生态环境大数据驱动管理转型

在生态环境领域，大数据等技术为打赢打好污染防治攻坚战提供了强有力支撑。大数据在生态环境领域应用和发展前景广阔，应加强生态环境领域大数据应用的谋划和布局，创新生态环境治理、保护的方式和手段，推进生态环境治理体系和治理能力现代化

在生态环境领域，大数据等技术为打赢打好污染防治攻坚战提供了强有力支撑。大数据在生态环境领域应用和发展前景广阔，应加强生态环境领域大数据应用的谋划和布局，创新生态环境治理、保护的方式和手段，推进生态环境治理体系和治理能力现代化。

各地生态环境大数据建设与应用情况

2016年3月，原环境保护部印发《关于开展生态环境大数据建设试点工作的通知》，将吉林省、贵州省环境保护厅及武汉市、绍兴市等列为全国首批生态环境大数据建设试点单位。各试点单位全面开展生态环境数据资源整合和共享服务，统筹大数据平台建设，取得显著成效。

例如，贵州发挥大数据产业优势，建成环境自动监控云、地理信息云、公众应用云、移动应用云、电子政务云、监管云等六大环保云实现污染源精细化监管。苏州建立首个打赢污染防治攻坚战协同推进平台，首次采用目标导向倒推环保作战任务的闭环设计，通过建立作战目标图、战情形势图、战况指挥图、协同作战图、跟踪督办图五大系统，实现按图施工、挂图作战，具有很强的示范意义。

此外，成都、重庆、昆明、福建、广州等地也开展了生态环境大数据顶层设计与深化应用，逐步探索出一些典型和创新应用场景。成都从战略高度引领全局治理体系转型，建立“现状、科研、决策、执行、评估”五步闭环工作法，打造“数智环境”成都模式，形成“1个中心、两大基础、3项机制、4支队伍、5步应用”的系统性治理体系。

生态环境领域大数据建设方向浅析

随着数据可获得性提升、数据内容不断丰富、数据量的增加，以及机器学习、认知计算等各类技术的蓬勃发展，大数据在助力生态环境保护中大有可为。

水环境管理方面。完善水环境监测“一张网”，实现水环境信息的泛在感知与实时分析。打破水环境数据跨部门、跨业务的信息壁垒，集成生态环境、水利、规划等多个部门的涉水数据，整合河湖水系、土地利用及控制单元、水功能区等空间数据，打造水环境全域集成“一张图”。集成耦合水质、水文、气象等模型应用，建立综合决策支撑平台，为水质预警、污染溯源、应急响应、考核评估等提供决策参考。

大气环境管理方面。优化调整现有空气质量预报模型参数，整合自动监测站、超级站及移动源、人类活动等数据，提高预报精度和准确性。同时，构建环境污染应急专家库、案例库、知识库，建设基于机器学习、人工智能的认知系统，将专家经验加入认知计算，为可靠追溯污染源、高精准预报预测、精细预防和治理等提供科学决策支撑。

环境舆情管理方面。采集互联网上与生态环境有关的社会经济、人类活动、社交网络等数据，整合生态环境监管机构自媒体数据，构建互联网舆情动态感知数据库，进行深度挖掘分析，研判舆情形势。实现热点事件及时预警，定位公众关注热点，追踪事件发展及演变趋势。实现热点信息精准推送，正面引导，进行事件的快速响应和处置。

生态环境综合展示方面。运用三维建模、AR/VR、沙盘模拟等手段，整合集成遥感影像、数字高程、三维模型、实景影像等多源多维生态环境数据，构建3D生态环境全景平台。实现生态环境立体可视化，为生态环境污染三维模拟、形势推演、追踪溯源、应急演练等提供直观辅助决策，为宏观大尺度及精细多维形势研判提供支撑。

生态环境领域大数据创新应用建议

构建生态环境政策信息垂直检索引擎。采用网络爬虫技术定向采集生态环境政策信息，对信息进行综合判别、分类，构建资源库，进一步结合特定的算法和策略，构建 “生态环境政策信息垂直搜索引擎”。实现生态环境信息管理、检索的“专、精、深”，形成生态环境信息资产。通过记录追踪用户检索行为构建用户画像，自主辨别用户“兴趣点”，智能进行信息推送，变“人找数据”为“数据找人”。可结合语义分析、关联推理、机器学习等模型技术，辅以人工修订，形成类似生态环境热点问题解读、环境政策社会影响等简报类成果。

构建企业画像和执法案例库。整合执法时间、处罚主体所属行政辖区等信息，构建执法案例库。整合企业污染监控、排污许可等各种数据，构建企业风险分析模型，对企业进行多维画像。结合企业画像和执法案例库，构建专家经验算法模型，筛选潜在违法违规及高风险企业，辅以现场执法结果，提高环境监管效率。

基于在线监控数据探索反欺诈分析应用。整合企业的不同排口、不同污染物的在线监测数据，构建算法模型，结合专家经验预判企业违法行为，并利用现场检查结果修正模型、提高算法精准度。例如，通过聚类分析，得出不同行业（企业）污染物的正常排放浓度范围。在实际监管中，若发现有企业污染物排放浓度未处于行业政策排放浓度范围且未超标时，则可判断为异常行为，为现场检查人员提供检查方向。借助大数据技术挖掘数据背后的信息，让数据造假无处遁形。

基于图像识别、机器学习探索生态破坏场景识别。基于图像识别技术、模式识别技术、机器深度学习、人工智能算法，结合高清摄像头和无人机航拍画面，实现河道异物、非法排污等生态破坏场景识别，自动上报异常信息。结合线下巡查，精准识别生态环境问题，实现从人工监控向智能监控转变。降低人力成本，减少误看漏看等异常情况的发生，提高环境监管工作效率。

基于生态环境知识图谱开展信息挖掘。通过关键词共现分析，构建生态环境应用研究知识图谱，进而通过知识图谱剖析生态环境研究现状，直观展现生态环境研究时序分布特征，明确研究热点及前沿研究动态的演进趋势，为生态环境研究的深化提供相关借鉴。

基于大数据为区域环境一体化发展提供决策支持。汇聚整合跨区域生态环境、气候等相关数据，建立生态环境评估指标体系。构建分析模型库、预测模型库及政策支持库。搭建区域环境一体化发展决策支持平台。实现区域间指标数据对比分析和可视化展示，并可在线调用各类模型进行分析、预测与优化调整，动态评估区域生态环境承载力和环境容量，为一体化规划和政策制定提供技术支持。

作者单位：四川省环境政策研究与规划院