环境执法能力建设走在大数据路上

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

《生态环境大数据建设总体方案》提出,将全面启动生态环境大数据在环评、监测、应急、执法、网站五大领域大数据应用建设。

目前,借助移动执法能力建设,多地已经开始探索建立环境执法大数据中心、开发移动执法数据应用,具备了环境执法大数据建设的基础。可以说,生态环境大数据建设在执法方面已经先走一步。

那么,移动执法建设走到了哪一步?在此基础上,如何开展监察执法大数据建设?近日,记者走访了多个移动执法建设走在前列的地区。

契机

多模式开展移动执法能力建设

环境监管具有知识量大、工作量大、行业繁杂、环保专业问题复杂等特点。多年来,环境保护部及各级环保机构已经针对性地开展了多种结构化的尝试。例如环境保护部针对不同的生产工艺和设施,发布了不同的技术规范。各省市也相继编制辖区重点行业环境监察指南或简要指南、制作行业现场环境监察模板,系统性收集归档辖区内污染源生产工艺、污染防治工艺、污染排放标准等信息。

在此基础上,环境保护部在全国陆续开展了移动执法试点工作。

陕西省环境监察移动执法系统整合了各类排放标准、环保产品技术要求、环境工程技术规范等内容,以环境监察移动执法为核心,通过整合环境检查日常执法、专项行动等业务,实现预警提醒、协同流转,打通了业务流程。以环保公文政务督办为手段,实现了环境监察执法从受理到后督察归档的全过程跟踪监管。

湖北省环境监察移动执法系统一期项目创新地使用了灵活的企业总机服务,也就是在国内环境监察队伍中率先使用企业总机,统一管理全省执法人员通讯录,通过总机服务可以随时联系任意一名执法人员,随时更新执法系统里的相关通讯信息。

广西壮族自治区环境监察移动执法项目目前建成了覆盖自治区、14个市、96个县(市、区)的三级环境监察移动执法系统,全区县级以上的环境监察机构基本配备了人手一台便携式手持移动执法终端,实现了随时随地执法,并计划将环境监察移动执法系统应用于污染源日常随机抽查,开发了污染源日常环境监管动态信息库,添加随机摇号功能模块,实行抽查“双随机”,规范监管行为,营造公平竞争的发展环境。

上海市则结合实际,进一步完善环境监察移动执法系统的功能,实现了执法表单的规范化操作和灵活定制、污染源档案信息的多因子复合查询、环境稽查的资料调阅等,并针对污染源监管评价体系建设做了基础性探索。

湖北省十堰市监察一体化系统还针对信访投诉台账、行政处罚台账开发了个性化统计功能,工作人员可以在台账中选择需要的信息进行查询统计,导出相应的报表数据,极大地提升了工作效率,减少了工作量。

核心

建设互通共享的移动执法数据库

以移动执法能力建设为契机,各地以高标准规划,统一技术标准和数据接口,并纷纷打破数据“烟囱”,实现了互联互通和数据共享,这为下一步开展执法大数据建设奠定了基础。

浙江省在系统建设过程和使用管理中坚持“全省统筹、分级负责”的基本原则,由省环保厅统一对终端应用功能、网络接入、信息安全等技术层面进行整体规划设计,各级环保部门结合自身实际,申请配套资金,规范有序开展系统建设,最后逐步覆盖全省。投入使用后,系统采用统一运维、分级管理的方式,制定和建立全省统一的移动执法系统运维管理制度和标准,各级环保部门根据自身实际完善系统运维管理机制。

同时,浙江将移动执法系统与污染源一源一档管管理系统结合,以污染源全生命周期管理为主线,对不同来源排污历史数据进行整理,经过大量的数据匹配、清洗、整合、校验工作,梳理出排污企业名录,并将不同来源排污数据进行关联,构建污染源档案,建成了移动执法系统数据库。

广西的移动执法系统也统一开发,供自治区、市、县三级执法人员登录使用,各市、县均有独立的后台系统进行统计、查询和管理,同时预留了数据接口,满足各地个性化需求。

据了解,广西环境监察移动系统建设之初就从大数据建设的角度出发,将环境监察移动执法系统纳入环境监管与预警信息平台的建设中,实现了与重点污染源自动在线监控系统、排污费征收全程信息化系统、协同综合行政办公系统等相关业务系统的数据对接,实现数据、流程的互连互通,适应并满足现有及将来的内外部系统交互需求。在此基础上,广西的移动执法系统基础数据库整合了污染源数据和建设项目数据,将排污费征收全程信息化系统数据库中的污染源信息全部导入移动执法基础数据库中。目前,基本数据库已录入2.3万个污染源数据和3000个建设项目数据,基本囊括了广西所有企业,以及环境保护部、自治区环保厅及各市环保局历年审批的项目。

上海市环境监察总队综合科科长杨红军介绍说,上海在移动执法系统开发过程中,也充分考虑了跨平台可移植性和上下级软件的通讯兼容性,预留了数据接口,允许跨平台终端通过身份验证访问查询系统数据库信息。

陕西省环境保护执法局局长马小现说,在移动执法系统建设之初,陕西就强调系统要“确保好用、实用、想用,拒绝信息孤岛,数据必须活起来”。陕西在完善了具备时间轴、空间化、分行业的多维度可定制化一厂一档的基础上,建立了一源一档与移动执法系统的数据交换机制。移动执法系统不仅可以随意调取企业的任何信息,指南化执法模版和企业经验模型还可以通过数据中心数据得以校验优化,不断完善数据中心。

方向

探索执法大数据应用

移动执法能力建设实现了环境监察执法智能化,并形成了监察执法数据库,但执法大数据的建设并不止于此,各地已经纷纷开始探索监察执法大数据的应用。

陕西逐步建立了重点行业重点设施主要产品排污模型,在重点行业执法表单上配置经验算法和校验模型,根据填写现场检查数据,结合自动监控系统抽取的超标数据,系统可以自动推算,并给出相关结论建议。

广西环境监察执法总队队长蒙美福表示,目前,移动执法建设只是搭建了一个框架,时间不长、数据量还不多,随着环境监察执法数据的积累,未来将不断完善和发展大数据应用。

蒙美福指出,未来通过对企业环境问题分布及安全隐患整改等情况的统计,可以用大数据方法分析出一定辖区范围内企业存在环境问题的共性和不同类型。通过对环境行政处罚案件分布、违法案件频次、处罚执行情况等信息进行大数据分析,可以分析出一定范围环境违法案件的密度和不同类型,为研判环境安全形势、采取应对措施提供决策依据。在此基础上,系统可以将执法热力计算模型和GIS进行叠加,生成环境行政处罚案件分布热力图,清晰地呈现案件集中地区。

但夯实数据基础,进一步完善和强化系统的查询和统计功能,整合环保部门信息化管理系统的有效数据资源仍然是广西未来的一项重点任务。据了解,广西将进一步完善查询统计环境监察现场执法情况,补充完善统计环境违法行政处罚情况,完善查询统计污染源及建设项目信息,进一步整合环境保护厅相关单位管理的监测数据、自动站监测数据、危险废物管理、建设项目审批等管理平台的有效数据资源,实现互联互通。

同时,广西还将配合环境保护部建立国家环境执法监管平台,并以此完成对各省市的环境监察执法数据的采集和规整,集成污染源信息、环境监察执法信息、处罚动态信息等,掌握全国环境监察人员执法动态,了解全国环境违法行政处罚情况,查询全国污染源及建设项目信息,构建国家层面的环境执法数据体系,为全国环境监察移动执法大数据分析提供数据基础,从而实现环境监管精准化、综合决策科学化,满足环境信息化建设和环境监察执法垂直管理的需要。
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
|
23天前
|
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。
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
|
2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。
|
3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。
|
4月前
|
缓存 运维 NoSQL
面试分享:Redis在大数据环境下的缓存策略与实践
【4月更文挑战第10天】探索Redis在大数据缓存的关键作用,本文分享面试经验及必备知识点。聚焦Redis数据结构(String、List、Set、Hash、Sorted Set)及其适用场景,缓存策略(LRU、LFU、TTL)与过期机制,集群和数据分片,以及性能优化和运维技巧。通过代码示例深入理解,助你面试成功,构建高效缓存服务。
114 4
|
4月前
|
分布式计算 DataWorks Java
DataWorks产品使用合集之阿里云DataWorks专有云环境下,上传MaxCompute的UDF(用户自定义函数)的JAR包的步骤如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
93 0
|
4月前
|
缓存 Java 大数据
CDH大数据环境参数优化指南
CDH大数据环境参数优化指南
|
4月前
|
SQL 分布式计算 Hadoop
最新大数据集群安装方法CentOS7.6__大数据环境安装和配置
最新大数据集群安装方法CentOS7.6__大数据环境安装和配置
174 0
|
10月前
|
机器学习/深度学习 自然语言处理 Cloud Native
探索在云原生环境中构建的大数据驱动的智能应用程序的成功案例,并分析它们的关键要素。
大数据索引: Google使用大数据索引来构建其搜索引擎,并实时处理全球各种语言的文本数据。 云原生基础设施: Google Cloud提供了强大的云原生基础设施,支持大规模数据存储和处理。 自然语言处理: Google使用自然语言处理技术来理解和索引文本数据,从而提供高质量的搜索结果。 实时搜索: Google的
153 0
|
10月前
|
存储 分布式计算 监控
在云原生环境中构建可扩展的大数据平台:方法和策略
在云原生环境中构建可扩展的大数据平台:方法和策略
188 0
|
10月前
|
存储 分布式计算 大数据
构建与应用大数据环境:从搭建到开发与组件使用的全面指南
构建与应用大数据环境:从搭建到开发与组件使用的全面指南
149 0

热门文章

最新文章

下一篇
云函数