生态环境大数据风头正劲 信息化推动管理新聚合

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

大数据风头正劲。发展大数据的目的是发现新知识、创造新价值,那么生态环境大数据究竟能给环境管理创造哪些价值?带来哪些变化?作为新生事物,生态环境大数据建设之路仍需要探索。我们要积极扫除障碍,理清思路,为生态大数据的发展创造良好环境。

以改善环境质量为核心,实行最严格的环境保护制度,不断提高环境管理系统化、科学化、法制化、精细化和信息化水平,加快推进生态环境治理体系和治理能力现代化,是环境保护部谋划“十三五”工作的思路和规划。其中,信息化作为“五化”之一,其重要作用将越发凸显。

2015年,是“十二五”收官之年,也是国家实施大数据战略的起步之年。作为国家大数据战略的重要组成部分,生态环境大数据也迈出坚实的一步,开启了环保信息化建设的新征程。

让生态环境信息产生新聚合

大数据风头正劲。今年,国务院发布了《促进大数据发展纲要》,指出“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合,正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。”

生态环境大数据则被赋予了行业内涵。它不仅包括环保部门职能范围内产生的数据,而且包括与环保相关的其他部门数据,比如交通部门的交通数据、气象部门的气象数据、水利部门的水域数据等,以及与环保问题相关的社会数据,比如微博、微信等新媒体产生的数据。庞大的数据靠人工无法处理,必须依靠当今快速发展的信息技术。

发展大数据的目的是发现新知识、创造新价值,那么生态环境大数据究竟能给环境管理创造哪些价值?带来哪些变化?

随着环境保护全面深入展开,生态环境信息更加复杂多样,环境管理工作越来越繁重,传统的管理手段开始显得“力不从心”。而生态环境大数据能让生态环境信息产生新的聚合,从而帮助我们高效、准确、科学地发现并解决问题。

更重要的是,利用大数据还可以帮助我们破解目前环境管理面临的难题,带动整个环境管理的转型和效率的提升。大气污染症结在哪儿,雾霾的发生轨迹是什么,这些问题在大数据面前将迎刃而解。生态环境大数据建设可以直接为决策管理层提供科学依据,使环境管理和治理工作更科学、有效,这是加快生态文明建设和环保发展的必由之路。

基于此,今年7月,环境保护部成立了以陈吉宁部长为组长的生态环境大数据建设领导小组,把生态环境大数据建设作为推动生态文明体制改革的重要手段和保障措施,并委托环境保护部信息中心编制大数据方案。

需有顶层设计和制度保障

当前,各地对生态环境大数据建设很重视,一些地方已经初步取得一些进展。例如,移动执法已经得到较好应用,初现互联网信息技术的威力。从环境保护部到省、市都开始探索大数据发展之路,成立相关机构,大力推进环保信息化。从目前情况来看,各地大数据建设还存在着一些问题,亟待解决。

虽然大数据建设受到空前重视,但目前还没有一个地方真正拿出生态环境大数据建设方案。很多地方大数据建设还处于缺乏整体规划、分不清主次、理不清顺序的状态中,还没有走上有序发展的轨道,信息化的效用没有充分显示出来。比如,很多地方的数据整理和共享工作还未完成,就开始对数据进行开发应用。在大数据基本条件都没有具备的情况下,就进行数据分析工作,即使得出结果,恐怕也会因为数据不充分而与实际情况有所偏差,进而影响分析结果的使用。

生态环境大数据作为长期的发展战略,显然不能看一步走一步,必须做好顶层设计。

此外,大数据的建设过程中还存在盲目跟风现象。国家推动大数据战略,各地积极响应固然是好事,但凡事一哄而上、盲目跟风就会产生适得其反的结果,甚至成为大数据建设的新障碍。大数据建设非一朝一夕之事,须立足全局,从长计议。由于各地自然条件、人口、产业及环境等实际情况不同,环境大数据建设的侧重点也不同,建设过程切忌照搬照抄,削足适履。

当然,除了本身存在的问题外,大数据建设也受制于国家目前还没有提供大数据发展的软环境,大数据发展的政策、机制建设滞后,这也给大数据建设增加了难度。比如在数据开放问题上,我国虽然在2007年就发布了《政府信息公开条例》,但“不愿公开”、“不想公开”、“不能公开”、“不敢公开”的思维观念和客观现实仍然存在。而数据开放等体制机制问题是大数据全面建设需要迈过的一道坎。

作为新生事物,生态环境大数据建设之路仍需要探索。我们要积极扫除障碍,理清思路,为生态大数据的发展创造良好环境。

生态环境大数据的建设核心是数据,因此数据的真实性、准确性至关重要,如果数据不真实,那么任何结果都将变得毫无意义。除了数据真实,数据的唯一性、权威性也至关重要。现在“数据多源”的问题比较突出,许多部门都在产生数据,由于采集标准、方法不同,数据来源不一,存在数据“打架”的情况。数据不同,分析的结果也不同,有时候甚至会截然相反。

在数据真实和唯一的基础上,数据还要实现共享。首先,环保部门在纵向上和横向上要实现数据互通共享。环保部门内部要打破业务壁垒,让环保业务产生的数据实现融合。其次,环保部门还应该打通与其他部门之间的数据互通互联渠道,实现环境数据的交换共享。第三,要采用新技术手段,使人能够便捷地获得数据。

大数据的目的并不在于收集和整合数据,而是要挖掘大数据的价值。当数据整合完成后,就需要大数据的研发人才对数据进行分析,为决策提供依据。目前环保部门大数据人才很稀缺,需要大力培养适合环保部门需要的人才。

我国环境信息化建设起步晚、基础比较薄弱。但采集数据是环保部门一项重要的业务职能,环保部门在发展大数据上有先天优势。我们要抓住大数据建设的契机,发挥优势,推进环境信息化建设实现跨越式发展。

政策

●两会期间“互联网”首次作为关键词进入政府工作报告,开启环境信息化建设新篇章。

●6月,环境保护部组织“环评和监测工作创新”大讨论环境保护部部长陈吉宁指出,大数据、互联网等智能技术已成为推进环境治理体系的重要手段,要加强数据综合应用和集成分析,为科学决策提供有力支撑。

●7月1日中央全面深化改革领导小组第十四次会议召开通过了《环境保护督察方案(试行)》、《生态环境监测网络建设方案》等政策,强调要依靠科技创新和技术进步,推进全国生态环境监测数据联网共享,开展生态环境监测大数据分析,实现生态环境监测和监管有效联动。

●7月4日国务院发布《关于积极推进“互联网”行动的指导意见》部署了包括“互联网”绿色生态在内的11项重点行动。

●8月19日国务院常务会议通过《关于促进大数据发展的行动纲要》

●11月,《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》明确实施“互联网”行动计划,实施国家大数据战略。

实践

●环境保护部

办培训:环境保护部行政体制与人事司主办了大数据与环境管理转型专题培训班。培训人数多达4850人。

做项目:环境保护部信息中心牵头建设的U-Air项目,通过获取地面监测站的空气质量数据,结合交通流、道路结构、兴趣点分布、气象条件等数据,模拟出城市细粒度(1km×1km)的空气质量。

●省级

举办研讨会:内蒙古自治区环保厅召开生态环境大数据应用分析研讨会。

建设数据中心:截至目前,全国将近2/3省(自治区、直辖市)环保厅都已建成或正在建设环境数据资源中心。

●市级

建机构:河南安阳建设了大数据中心,辽宁沈阳成立了大数据管理局。

重应用:内蒙古自治区鄂尔多斯市率先将环保的数据汇集到鄂尔多斯市大数据中心,与市政、交通、农业、气象、能源等各方面的数据互通共享,目前已经投入大数据建设和应用。

新媒体

●“12369”微信举报公众号开通

今年,环境保护部开通了“12369”微信举报公众号,各地也纷纷开通了地方12306微信举报平台,拓宽和便捷了公众参与环境管理的渠道。

●环境保护“双微”上线

6月1日,中国环境报社等单位联合主办了首届全国环境互联网会议暨环境保护双微上线仪式。

由环境保护部副部长潘岳亲自点击,“中国环境新闻”、“中国环境宣传教育”微博、微信正式开通。

●环保政务新媒体壮大

2015年,越来越多的地方环保部门开通了政务微博及微信,逐步探索省市县区联动的工作体系,搭建起了政务网站、微博、微信“一网双微”的新型宣传互动平台,在强化信息公开、回应群众诉求等方面发挥了积极作用。

新业态

●微软亚洲研究院与环境保护部信息中心合作的U-Air项目可以对全国70多个城市48小时的空气质量进行预测,雾霾的预测也可以在几秒钟内完成。平均准确率比传统模拟方法高15%~20%。

●IBM拓展“绿色地平线”计划已开发的空气质量预测及管理系统,可以通过分析环境数据应用认知建模。除了实现提前72小时逐时高精度空气质量预报外,还实现了提前10天的空气质量变化趋势预测分析。

目前,IBM已携手北京市环境保护监测中心成立了“联合创新实验室”,还与张家口建立战略合作,将在可再生能源和智慧环保等领域联合创新。

●中科宇图科技股份有限公司建设大数据中心不仅包括各地环保业务数据,还有与环保相关的行业数据,目前,他们也研发了空气质量预警预测模型。

●北京力鼎创软科技有限公司提出“霾计算”总体架构结合传统空气监测数据、污染源数据、气象数据、交通数据、餐饮、学校、加油站等信息,对空气质量进行预警预测。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
SQL 机器学习/深度学习 分布式计算
大数据-81 Spark 安装配置环境 集群环境配置 超详细 三台云服务器
大数据-81 Spark 安装配置环境 集群环境配置 超详细 三台云服务器
72 1
|
1月前
|
存储 大数据 数据处理
大数据环境下的性能优化策略
大数据环境下的性能优化策略
46 2
|
2月前
|
分布式计算 Hadoop 大数据
大数据体系知识学习(一):PySpark和Hadoop环境的搭建与测试
这篇文章是关于大数据体系知识学习的,主要介绍了Apache Spark的基本概念、特点、组件,以及如何安装配置Java、PySpark和Hadoop环境。文章还提供了详细的安装步骤和测试代码,帮助读者搭建和测试大数据环境。
68 1
|
4月前
|
存储 数据可视化 数据挖掘
大数据环境下的房地产数据分析与预测研究的设计与实现
本文介绍了一个基于Python大数据环境下的昆明房地产市场分析与预测系统,通过数据采集、清洗、分析、机器学习建模和数据可视化技术,为房地产行业提供决策支持和市场洞察,探讨了模型的可行性、功能需求、数据库设计及实现过程,并展望了未来研究方向。
200 4
大数据环境下的房地产数据分析与预测研究的设计与实现
|
5月前
|
JSON 分布式计算 大数据
MaxCompute操作报错合集之连接环境时,出现报错:TypeError: access_id and secret_access_key,该怎么解决
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
6月前
|
分布式计算 DataWorks 大数据
MaxCompute产品使用问题之如何同步两个环境的参数
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
5月前
|
机器学习/深度学习 分布式计算 DataWorks
MaxCompute产品使用合集之使用临时查询创建的表,在表管理和公共表没有找到,是什么原因
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
105 0
|
5月前
|
分布式计算 DataWorks NoSQL
MaxCompute产品使用合集之如何操作和管理节点
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
124 0
|
5月前
|
数据采集 监控 关系型数据库
大数据运维之数据质量管理
大数据运维之数据质量管理
129 0
|
7月前
|
人工智能 监控 数据可视化
智慧工地管理云平台可视化AI大数据建造工地源码
数字孪生可视化大屏,一张图掌握项目整体情况;
90 3