依托生态环境大数据创新环境管理

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:

信息化不再是看不见摸不着的抽象概念,而是与我们的工作生活密接相关。

移动支付让我们出门时不再考虑带多少现金、几张卡,而是带上手机,走遍天下都不怕。

电子办公让我们工作时不再考虑一天能跑几个地方,出门需要携带几份文件,而是足不出户就可以实现文件的自动流转。

在日前举办的全国环境信息中心主任工作会上,与会代表不约而同地发现,会议资料越来越薄,以往装订成册的代表通讯录直接发布在专门定制的微信企业号“环境信息化”里,发言者的PPT直接共享到各位代表,方便深入研读和收藏,参会者需要“背回家”的“负担”越来越小。

······

2015年,国家大力推动信息化的发展,先后提出网络强国战略、“互联网+”计划、《促进大数据发展纲要》。

作为信息化的重要组成部分,环境信息化的发展是实现《“十三五”规划建议》中所提出的“创新、协调、绿色、开放、共享”的重要支撑。在全国环境信息中心主任工作会上,来自全国各省(市、自治区)和副省级城市的信息中心主任及部分省厅主管领导以生态环境大数据建设为主题,为环境信息化的发展把脉。

站在“十二五”收官、“十三五”开局节点,这次大会是一场信息化的总结大会,也是生态环境大数据启航的大会。

■成果

编制大数据方案 推动一朵云建设

2015年环境信息化发展的信号明确而有力。

年初,“互联网+”进入政府工作报告,“互联网+环保”一时成为舌尖上的话题。随后,2015年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。2015年8月,国务院常务会议通过《关于促进大数据发展的行动纲要》,明确要求推动政府信息系统和公共数据互联共享,消除信息孤岛,加快整合各类政府信息平台。

环境保护部启动生态环境大数据建设工作,环境保护部信息中心配合办公厅,历经半年调研、研究,完成了《生态环境大数据总体方案》等多项方案的编制工作。

环境保护部信息中心副主任徐富春在会上透露,环境保护部信息中心还组织评估中心、监测总站、应急中心分别完成环评、监测、应急大数据应用方案的编制工作。目前,《2016年生态环境工作方案》也已编制完成,生态环境大数据建设将重点推进环评、监测、应急大数据应用以及在试点省、市的落地实施,建设生态大数据样本。

同时,为实现集约化建设,环境保护部继续推动一朵云建设,目前,环境保护部信息中心服务器虚拟化率达到了90%以上,目标是形成全国“一朵云、两级部署”的格局。同时,一朵云的建设也为2015年初颁布的《环境保护部信息化项目管理暂行办法》实施落地奠定了基础,从源头上确保信息化项目的集约建设和统一运维。

除了推动环保系统的数据共享,部委之间的数据共享也有突破。徐富春介绍,由环保部牵头、涉及十大部委的生态环境保护信息化工程项目建议书及可行性研究报告,已经上报至发改委,目前正在配合开展项目可行性研究报告评审工作。据了解,生态环境保护信息化工程以推进信息共享和业务协同为目标,为大数据跨部门的整合共享提供了有利的契机。

■亮点

数据整合有进展 信息共享有突破

在全国环境信息中心主任工作会上,河北、重庆、广东、浙江4省(市)信息中心荣获了2015环境信息化推进示范单位奖。环境保护部信息中心主任程春明在会上指出,“十二五”以来,据统计,全国省一级约有6亿元的投入,平均每个省2000万元左右。2015年以来,尤其中西部地区的环境信息化投入持续增加,可以说发生了翻天覆地的变化。

2015年,在“整合·共享·畅通”目标的指引下,各省(区、市)结合自身实际,在共享和整合上取得了不俗的“战绩”。据程春明介绍,全国三分之一的省份都已经完成数据的整合,建设了数据中心,各地也都积极开展大数据建设的探索,这都为下一步的数据应用夯实了基础。

信息化时代,信息是核心,环境信息中心要围绕核心,在环境管理中发挥统筹协调的作用。据了解,河北环境信息中心积极开展“智慧环保”工程建设,基本完成了现有数据资源的整合,在纪念中国人民抗日战争暨世界反法西斯战争胜利70周年阅兵保障期间、中央环境保护督察试点等各项工作中表现突出,妥善统筹协调了其他部门的工作。上海市环境信息中心牵头编制对社会公开的上海环境信息资源目录,从而掌握和理顺了环保系统的信息资源。

在数据整合机制体制的探索方面,重庆走在了前列,编制《生态环境监测网络建设方案》,以环境监管为突破口,开展全市一体化环保物联网建设,带动环境管理上下全面贯通,实现系统、便捷、实时和精准监管。此外,重庆还在璧山区开展环保物联网试点工作,在数据融合、监管上网和推广应用等方面取得了初步成效,基本形成了市区两级协同管理机制。

同时,为了实现数据共享,让数据实现对话,广东省以排污许可证管理系统建设为契机,将其中4万多个许可证数据经过人工清洗,国控名单中1234家国控企业,有815家可以查询到对应的许可证记录,占国控名单总数的66%。

有的省则依托业务抓手,实现数据整合和共享。四川省以省控重点污染源自动监控系统为抓手,实现了“部——省——市(州)——县(市、区)”三级环保部门环境信息传输的畅通与共享能力。 江苏省则依托生态环境监控系统,建设执法和审批信息共享互通工作平台,实现省、市、县三级环保局职能部门和执法部门之间实时共享有关业务信息。

数据“在一起”后怎么用?上海展开了进一步探索,开展了基于大数据的环境经济社会数据平台研究,利用大数据分析技术探索环境与经济社会之间的关系并辅助决策,开展重点污染源环境监管信息公开机制研究,以实现基于门户网站的环境信息公开与共享的业务目标。内蒙古自治区专门召开全区生态环境大数据应用分析研讨会,围绕生态环境大数据建设的目标、任务、方向与定位等问题进行了研讨。各地在探索数据整合和共享的道路上蓬勃发展,又各有其法。

■问题

数据标准不统一 数据应用成瓶颈

与成绩和机遇并存的是挑战和困惑。

“数据整合和共享过程中,最难的就是让数据互通和对话,原先不同系统采用不同的技术标准,国家层面上又缺乏统一的标准,系统的整合和改造很困难。”一位地方环境信息中心的主任如是说。

环境保护部办公厅信息办副处长詹志明也表示,目前来看环保数据的标准化还面临着较大的挑战。当前环保业务应用的数据类型就高达几十种,来源于不同的数据生产部门,其组织管理的方式、标准、参考体系也各不相同,给环境大数据的快速形成与综合应用提出了挑战。环境污染防治是一种典型的跨行业、多类型的大数据综合业务应用。标准规范的不统一,使得系统和系统之间难以“对话”或对话的成本很高,需要开发很多转换接口,数据难以真正流动起来。虽然很多数据已经集中到了“数据中心”,但还是难以快速应用和分析。

更让各地“头疼”的是,数据集成后到底该怎么用的问题。对于一些环境信息化进程比较快的地方,数据集成和整合工作开展的比较顺利,但是一直在数据应用上“徘徊”。环境保护部信息中心总工魏斌也指出,现在大数据建设处于还没有想好干什么,就开始埋头苦干的状态,缺乏大数据建设的总体规划和顶层设计,所以出现了数据集成后不知道怎么用的问题。

同时,能力建设不均衡、资金投入不足、大数据建设人才短缺也是生态环境大数据建设迫切需要解决的问题。大数据时代,数据整合和共享只是基础,如何让整合后的数据用起来,让数据像石油等能源资源一样产生价值,则依赖于挖掘数据的人才,而从目前的实践来看,从环境保护部到地方,大数据方面的人才都极为匮乏。

■期许

从技术支撑向环境管理转型

即使困难重重,但在国家大数据战略、网络强国战略、“互联网+”行动计划的引领下,生态大数据建设必将势如破竹,前景可期。

程春明在会议发言中指出,生态环境大数据建设是将各地信息中心从技术服务转向管理支撑的有力契机,各地要抓住这一契机,提升环境信息化在环境管理中的地位和作用,让环境信息化成为创新环境管理的助推器。

那么,生态环境大数据建设工作怎么抓?徐富春指出,要一手抓数据,一手抓应用。

数据整合工作仍将是2016年的重点工作,也是一项日常的、持续不断的工作。数据整合工作不仅限于整合环保业务数据,也要引入互联网等外部数据,扩大资源中心数据范围,实现多源异构数据的整合。

在数据应用过程当中,魏斌指出各地信息中心要主动出击,了解各部门需求,主动提供服务,把数据用起来。

詹志明提出,在环保部门之外,社会、企业也是环保创新的主体,政府应建立一定的机制,引导和鼓励企业或个人监测的设备加入环保监测网络,作为官方监测的有力补充,扩大数据来源,保证与社会、企业进行数据共享,实现“政府搭台,社会、企业唱戏”,使得社会和企业能够站在巨人肩膀上进行创新,从而极大地释放社会和企业的创新动力。

相关链接

发改委提出建立

全国一体的政务公共云

本报综合报道 国家发改委近日印发了《关于组织实施促进大数据发展重大工程的通知》(下文简称《通知》),要求各地方、各部门及中央企业要加强统筹研究,提出具有全国性示范效应、产业带动性强的促进大数据发展重大项目建议。通过一批重大项目实施,有效促进数据要素流通,以数据流引领技术流、物质流、资金流、人才流,推动社会生产要素的网格化共享、集约化整合、协作化开发和高效化利用,创造新的增长点,加快实现经济发展方式转变。

根据《通知》,国家将重点支持社会治理大数据应用、公共服务大数据应用,产业发展大数据应用以及创业创新大数据应用等大数据示范应用项目。《通知》还提出,要组织大数据开放计划,优先推进与民生保障服务相关政府数据向社会开放,开展大数据全民创新竞赛。依托政府开放数据,引导和鼓励全社会企业、公众进行挖掘分析,开发应用,激发创新创业活力,推动万众创新、开放创新。

据了解,《通知》将重点支持大数据共享开放,进一步完善公共数据共享开放制度,制定公共数据共享开放的制度法规,建立公共数据共享开放的评估、考核和安全审查制度,落实公共数据共享开放责任。建立统一的公共数据共享开放平台体系,推进公共机构数据资源依托统一的平台体系共享、交换和开放。

《通知》还要求整合分散的政务数据中心,并首次提到了探索构建国家数据中心体系,探索建立“物理分散、逻辑互联、全国一体”的政务公共云,构建形成国家数据中心体系,并鼓励开展绿色数据中心试点。

同时,《通知》也详细规定了对项目实施单位的相关要求和组织方式,鼓励多个单位联合提出项目建议,优先支持跨部门、跨区域、跨行业的具有全国性示范效应的大数据应用。

案例库

大数据如何用?

全球综合地球观测系统(The Global Earth Observation System of Systems,GEOSS)

地球观测组织由各国政府和组织共同组建,是地球观测领域最大和最权威的政府间国际组织,目标是推动和实施的《全球综合地球观测系统GEOSS十年执行计划》。

全球综合地球观测系统的目的是针对地球进行广泛、协调、持续的观测,以改善对地球现状的监测能力,提高对地球系统行为的预测水平。GEOSS目前覆盖9个领域,生态系统便是其中一项重要内容,旨在打造标准化生态系统分类。

越来越多的国家已经成为GEOSS的受益者。GEOSS通过连接并整合卫星和地面观测系统,帮助国际社会针对紧急事件进行相应协调。如应用于森林火灾,监测气候变化和管理自然资源等方面。

我国目前也是地球观测组织的成员,并于2010年发布《北京宣言》,表示在国家权力和义务的范围内,确保陆地、海洋和大气观测网络和基于空间的对地观测系统长期、持续、可靠的运行,以及这些观测数据的可得性,在GEOSS九大受益领域实现观测数据和信息的共享。

空气质量监测(Air Quality Monitoring)

美国国家环境保护署的研发部门正与商业传感器行业合作,开发个人空气质量监测系统,为本地社区服务。在鼓励低成本、便携式、可穿戴监测设备研发的同时,还在进行移动空气污染监测传感器的研发,试图在汽车上采用此类设备。

同时,美国国家环境保护署与NASA合作开展DISCOVER-AQ项目,旨在利用卫星技术收集空气质量数据,以帮助科学家进行污染源解析和排放异常的研究。

个人空气质量监测(Personal Air Quality Monitoring)

在英特尔实验室的指导下,17名波特兰居民正在参加一个研究类试验项目,利用传感器连续收集空气质量数据,以识别居民暴露于有毒物质下的风险。这些空气质量传感器可以监测碳和二氧化氮的排放量、温度、湿度、颗粒物、臭氧条件、不稳定有机化合物。

这些数据被转换为计算机可视化效果,并对公众公开发布。

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
89 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
53 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。
81 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。
234 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。
|
5月前
|
数据可视化 前端开发 大数据
商场智能导视系统深度解析,AR与大数据融合创新商业运营模式
**商场智能导视系统提升购物体验:** 通过三维电子地图、AR导航、AR营销、VR全景导购及可视化数据,解决顾客寻路困扰,增强店铺曝光,简化招商流程,优化商场管理,借助科技创新驱动顾客满意度、品牌曝光度及运营效率的全面提升。
138 0
商场智能导视系统深度解析,AR与大数据融合创新商业运营模式
|
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。
107 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。
128 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
130 0