黄俊溢:大数据有利于环保治理的科学决策

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:

■国际绿色经验

如今,世界已经从信息时代进入了大数据时代,如何利用好大数据成为摆在当前各行业面前的重要议题,环保产业当然也不例外。早在2015年9月,国务院发布《促进大数据发展行动纲要》就提出,要系统部署大数据发展工作,大数据发展和应用也成为中国政府近期稳增长、促改革、调结构、惠民生和推动政府治理能力现代化的主要抓手。

环保部部长陈吉宁在2016年环境保护工作会议上就表示,要提高环境管理系统化、科学化、法治化、精细化和信息化水平。环境大数据是提高我国环境管理信息化水平的重要手段,将在我国推进环境治理体系和环境治理能力现代化中发挥重要作用。

大数据的新思路

大数据开启了一次重大的时代转型,正如维克托·迈尔·舍恩伯格在 《大数据时代:生活、工作与思维的大变革》书中写道:“大数据正在改变我们的生活以及理解世界的方式,成为新发明和新服务的源泉,而更多的改变正蓄势待发……”互联网等先进技术的运用使得海量数据获取与分析成为可能。

大数据对于环境保护和治理的作用也日益凸显。在环境治理中,需要政府、企业、公众等多元主体共同构成环境污染防治体系。在互联网、大数据时代,政府提供电子公共服务能够让更广泛的社会公众、企业参与到政府的管理和决策中。

同时,通过互联网服务平台,政府部门也能够更好地采集大量社会公众需求信息,搜集大量民意、诉求信息,这些信息将与环境保护部门的数据相结合,形成环保大数据。

另外,通过对环保大数据进行分析,能够揭示数据之间的关联,发现现象背后的规律,提高生态环境治理的精准性和有效性。

美国的标准化、规范化经验值得借鉴

在大数据治理环境污染方面,美国走在了世界的前面,也给我国利用大数据治理环境提供了借鉴和新的思路。

首先,完善的机构设置为环境数据“搜集—处理—公开—技术支持”一体化全过程管理提供支持和保障。美国环保局是美国环境信息的主管部门,将数据和信息的收集、使用以及传播作为自身任务之一。另外,除联邦环保局外,区域办公室及各州环保部门中均设有环境信息办公室或信息专人,负责各部门的有关环境信息工作,包括信息收集、上传、维护、发布等。环境信息办公室在执行其职责的全过程中,各司其职,密切配合,形成了大数据搜集、分析、技术处理和发布的一体化工作流程。

其次,政府推动建立数据监测网络,整合并共享数据。设施登记系统(FRS)是美国环保局数据整合的工具。美国环保局对包括企业、污水处理厂、民用设施,甚至采矿作业等享有排污权的设施进行登记,通过赋予唯一“设施标识码”形成排污设施登记数据库,使得不同业务系统的数据之间关系得以明确,并能够实现跨业务系统和跨库检索。

排污设施登记系统由美国环保局环境信息化办公室进行集中管理和维护。环保事实数据库(Envirofacts)是美国环保局的环保数据查询系统,开放给社会大众查询包括空气、水、废、毒、辐射、土壤、地图等相关信息。

美国环保局对于环境数据的传输与分享是靠环境信息交换中心 (即CentralDataExchange,简称CDX)实现的。环境信息交换中心的目标是建立快速、有效、安全且精确的实时数据交换网络,以此连接联邦政府、地方政府、企业及美国环保局的各分支单位。CDX基于互联网传输,采用最新的信息技术与工具构建,以提升电子数据交换的安全。

第三,严格的制度确保企业提供准确可用的数据。在美国,环保局对污染物有害物质排放和分布情况的适时掌握是环境大数据应用的基础。环保局获得数据和信息主要是靠严格的企业对污染物、有害物质的报告制度。正是由于有了严格的制度约束,企业才会在环保方面承担更多的责任。

第四,为全民参与环境大数据提供平台。美国环保局在《紧急规划与社区知情权法》生效后发布了危险物质清单,凡受监管的有害物质,排放单位都有报告的义务。瞒报、漏报或报告不准确可能面临严重的罚款。

第五,决策部门全面掌握环境大数据并科学分析。企业报告准确的污染信息可以确保环保部门对于全国的污染情况、地方环保局对于辖区内的污染情况的了解。但数据还需要加工和分析,这样才能得到决策部门和公众都能理解和读懂的污染物报告。各州环保局之间的数据都是共享的,所以各州也都可以知道其他州的污染物排放或有害物质存储、生产和使用的信息,这些数据最后也可以被公众获得。

对中国的启示

当前,我国要大力发展环境大数据,还面临诸多挑战。一是机构设置不完善,现有机构定位仅仅是管理规划和技术支持,没有达到环境数据搜集—处理—公开—技术支持一体化管理的目的。二是数据搜集困难,环境数据分部门所有、碎片化严重,没有专门负责数据搜集、处理的部门和制度。三是数据来源有局限,环境信息在线监控覆盖范围不全,瞒报、谎报处罚制度不严,环保部门无法掌握准确信息。因此,在借鉴美国经验的基础上,应从以下几方面做好我国利用大数据治理环境的工作。

首先,政府管理、决策部门应该创新环境信息管理的体制机制,探索在环保部门成立专门负责环境信息和大数据工程的下属机构,统筹管理环境信息的规划、搜集、分析、发布及公众反馈,实现环境大数据管理的系统化、科学化、专业化。

其次,应该推动环境治理能力现代化,在环境治理体系中全面推广大数据应用。加强基层环保部门的环境数据搜集、处理能力,提升信息化水平。针对公众关切的环境热点问题,加快建设、推广数据可靠、结论可信的环境大数据应用,以大数据等新兴手段检验环境质量改善成果。鼓励高新技术企业开展环境大数据的研发应用,调动公众参与生态创新的积极性。

再次,尽快推动环境信息共享与应用开发的法治化建设,确保信息安全,促进环境大数据的健康发展。配合国家信息安全立法,抓紧研究制定环境大数据搜集、发布、使用的管理办法,确保环境大数据的各项应用处于法律规定的合理合法范围内,促进环境大数据产业健康发展,从信息角度维护好国家的生态安全。

最后,应该借鉴和利用国际上的先进经验,加强环境大数据的国际合作,优先推动中美两国在环境信息领域的合作。中美两国目前已在网络安全领域开展对话与合作,考虑到美国环保局在环境信息管理与实践方面的优势地位,未来中美环保合作应加强交流合作,提升我国的环境大数据水平。
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
|
10天前
|
监控 数据可视化 大数据
让大数据成为你的决策外挂:一窥业务决策的“聪明”秘诀
让大数据成为你的决策外挂:一窥业务决策的“聪明”秘诀
67 2
让大数据成为你的决策外挂:一窥业务决策的“聪明”秘诀
|
5月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
223 1
|
6月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
3月前
|
数据采集 机器学习/深度学习 DataWorks
DataWorks产品评测:大数据开发治理的深度体验
DataWorks产品评测:大数据开发治理的深度体验
204 1
|
4月前
|
机器学习/深度学习 数据可视化 大数据
机器学习与大数据分析的结合:智能决策的新引擎
机器学习与大数据分析的结合:智能决策的新引擎
398 15
|
4月前
|
机器学习/深度学习 存储 数据采集
解锁DataWorks:一站式大数据治理神器
解锁DataWorks:一站式大数据治理神器
142 1
|
5月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
335 2
|
5月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
280 2
|
7月前
|
人工智能 分布式计算 大数据
超级计算与大数据:推动科学研究的发展
【9月更文挑战第30天】在信息时代,超级计算和大数据技术正成为推动科学研究的关键力量。超级计算凭借强大的计算能力,在尖端科研、国防军工等领域发挥重要作用;大数据技术则提供高效的数据处理工具,促进跨学科合作与创新。两者融合不仅提升了数据处理效率,还推动了人工智能、生物科学等领域的快速发展。未来,随着技术进步和跨学科合作的加深,超级计算与大数据将在科学研究中扮演更加重要的角色。
|
8月前
|
存储 大数据 数据处理
解锁时间旅行新姿势!EMR DeltaLake 如何让你在大数据海洋中畅游历史,重塑决策瞬间?
【8月更文挑战第26天】DeltaLake是由DataBricks公司开源的大数据存储框架,专为构建高效的湖仓一体架构设计。其特色功能Time-Travel查询允许用户访问数据的历史版本,极大增强了数据处理的灵活性与安全性。通过独特的文件结构和日志管理机制,DeltaLake实现了数据版本控制。用户可通过指定时间戳或版本号查询历史数据。
93 2

热门文章

最新文章