美国环境大数据有哪些经验值得借鉴?

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

环境保护部部长陈吉宁在2016年环境保护工作会议上指出,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,将在中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。

2015年9月,国务院发布《促进大数据发展行动纲要》,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,指导和部署大数据在环保系统的建设和应用,生态环境大数据建设具备了强有力的政策导向和支持。

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。二是数据收集困难,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。美国作为环境大数据的领航者,值得借鉴。

美国环境大数据的主要特点

美国很早就将大数据的理念融入环境保护工作中。在2012年奥巴马政府颁布的《大数据的研究和发展计划》推动下,美国环保局加快了环境大数据的发展步伐。美国经验表明,环境大数据会成为推动环保工作的“推进剂”,以及缓和政府和公众由于环境事件所引发社会矛盾的“润滑剂”。

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、使用和传播作为自身任务之一。美国环保局设环境信息办公室(司局级),由首席信息官领导。环境信息办公室负责信息的全过程管理,下设4个处级办公室,分别是信息收集办公室、技术运行与规划办公室、信息分析与获取办公室及项目管理办公室。另外,除联邦环保局,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,形成了大数据收集、分析、技术处理和发布的一体化工作流程。这一机制,确保了环境信息从信息源(企事业单位)到信息受体(公众)形成畅通的信息传递渠道。

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Central Data Exchange,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,而不是靠定期或不定期的污染普查或调查。因为有严格的惩罚制度,所以企业不诚实报告自己的污染物或有害物质,是非常有风险的做法。一旦被环保部门发现,或者被公众发现,除了支付罚款以外,其商业信誉也将受到严重损害,企业经常需要再额外支付一些环保经费,来修补自己的形象。

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。清单具有以下特点:环保局可在任何时间依法增加或减少清单中的有毒化学品;任何人都可以请求管理者增加或减少上述清单中的有毒化学品;州长可以请求管理者增加或减少列表中的有毒化学品。

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,这是环保部门制定环境保护目标、工作重点和信息公开的基础。各州环保局的污染物/有害物质数据库与联邦环保局之间,以及各州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(免于公开的信息除外)。

我国用好环境大数据的建议

通过借鉴美国经验,建议实施环境大数据 一体化、制度化、国际化等综合手段,提高我国环境保护工作信息化水平。

一是建立支撑环境大数据发展的组织机构,实施环境数据一体化管理。建议扩充信息化办公室的相关职能。除了信息化规划、计划,机关电子政务,信息安全和信息化管理工作,组织管理全国环境信息网等工作外,还应纳入环境信息搜集、分析职能和协调职能。主要是将分散的环境信息统一整合,并分析转化为公众能够理解的环境信息予以公布。下一步,可以考虑提高环境信息管理机构的规格和层次,全面负责收集、分析、发布环境信息和数据并确保其信息质量及信息服务的可靠性,确保信息透明和公众的参与。同时,进一步发挥技术支持单位的作用。制定和利用创新信息技术和信息管理解决方案,为环境信息公开提供技术支持服务。此外,建立环境信息公开领导小组,实施环境信息公开一体化管理。

二是建立严格的污染物/有毒物质报告及公布制度,制订动态的有毒污染物清单,建立环境大数据制度化体系。建议扩大2014年发布的《企业事业单位环境信息公开办法》提出的排污单位范围,明确企业应该公开的环境信息范围和内容。建立动态的有毒污染物清单。所有排污企业需就排放有毒污染物的种类和数量在地方环保局登记。在充分考虑登记内容的全面性和企业填报的便捷性的基础上,规范填报主体、填报内容和填报形式。清单中的物质需要进行严格实验,且根据需要动态调整。最后,明确企业不予登记或虚假登记的法律后果,并加强对污染源的监督。在《环境信息公开条例》中规定,企业应如实、及时、准确地报告其排放和转移有毒污染物质的情况。

三是借助国际环境合作平台,开展环境大数据合作。建议利用中美环境合作联合委员会等合作机制,开展交流活动,为环境信息化培训技术和管理人才提供条件。向美国等发达国家学习环境信息公开政策经验,引进先进技术。包括引入美国的环境数据管理体制机制和制度、环境监测网络、环境数据分析模型、信息公开平台等方面的先进技术,为实现环境信息化建设提供理论和科技支撑。

本文转自d1net(转载)

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
2月前
|
传感器 机器学习/深度学习 算法
Java 大视界 -- Java 大数据在智能农业温室环境调控与作物生长模型构建中的应用(189)
本文探讨了Java大数据在智能农业温室环境调控与作物生长模型构建中的关键应用。通过高效采集、传输与处理温室环境数据,结合机器学习算法,实现温度、湿度、光照等参数的智能调控,提升作物产量与品质。同时,融合多源数据构建精准作物生长模型,助力农业智能化、精细化发展,推动农业现代化进程。
|
11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
512 1
|
10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
354 2
|
11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。
314 1
|
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。
603 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
|
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。
179 6
|
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。
100 6
|
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。
341 4
|
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。
217 0
|
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

热门文章

最新文章