环保数据如何实现价值 大数据管理是关键

近年来，随着各行各业卷入信息化的浪潮，环保行业亦不例外。环境保护部建设的环境保护专网覆盖环境保护部、32个省级环境保护厅（局）、352个地市级环境保护局、2799个区县级环境保护局以及37个直属单位和派出机构。环境保护部数据传输与交换平台覆盖部、省、市、县四级，实现了数据的远程上报、同步、交换和共享。远程公文传输系统、环境统计业务系统、政务信息系统等其他业务系统的有效运行进一步提升了环境保护工作的信息化水平。

同时，随着大数据技术的不断发展，将大数据的理念引入到环境数据中心，作为一种全新的环保行业数据解决方案，也愈发成为了可能。大数据技术在环境数据中心建设中大体上有以下几种方式：

    采用“数据众包”。对于环境数据采集工作，可以借鉴数据众包思路，譬如对于污染源企业的部分监管工作，环保部门通过平台自助式地把各类数据采集类型任务发布给公众人群，公众利用手机参与应用，就可直接完成各类数据采集任务。也可以利用互联网进行全网监测，依据采集的内容，环境管理者可以更好地了解社会热点事件、政策实施效果监测等。

    建立NoSQL数据库。传统的环境数据库一般采用的是关系型数据库来进行存储管理，但是关系型数据库有很大的局限性：难以满足对海量数据高效率存储和访问的需求，难以满足对数据库高可扩展性和高可用性的需求。因此需要研究、选择合适环境大数据管理的数据模型，建立NoSQL（Not only SQL）数据库，实现在云计算环境下对污染源数据的分布式高效处理、存储。

数据质量管理。数据质量管理是大数据在环保领域的重要应用。为保证大数据分析结果的准确性，需要将大数据中不真实的数据剔除掉，保留最准确的数据。这就需要建立有效的数据质量管理系统，分析收集到的大量复杂数据，挑选出真实有效的数据。

    大数据分析。大数据表面上看就是大量复杂的数据，这些数据本身的价值并不高，但是对这些大量复杂的数据进行分析处理后，却能从中提炼出很有价值的信息。

    数据挖掘算法是大数据分析的理论核心，其本质是一组根据算法事先定义好的数学公式，将收集到的数据作为参数变量带入其中，从而能够从大量复杂的数据中提取到有价值的信息，挖掘出环境质量与污染源两者间的联系，并利用这种联系，改善环境管理。

    预测性分析能力是大数据分析最重要的应用领域。从大量复杂的数据中挖掘出规律，建立起科学的事件模型，将新的数据带入模型，就可以预测事件的未来走向。环境预测性分析能力常常被应用在空气质量预测、水环境质量预测等方面。

    随着大数据时代的到来，人们的需求逐渐从数据存储、数据处理过渡到数据应用和数据运维服务。政府需出台环保大数据相关规划政策，明确大数据应用的总体目标和要求，指明大数据应用的发展方向，布局推进大数据应用的重点任务，提出环保大数据便民的主要路径，更好地推动大数据在环保领域的快速发展，切实发挥大数据的作用。企业需将生产运营的各环节纳入到信息化系统中，同时完善污染物监测体系，保障污染物监测的科学性、精确性及稳定性。在此基础上，鼓励企业应用环保大数据技术，通过污染物溯源，挖掘生产经营关键环节，展开生产工艺过程的优化调整，从根源解决企业污染问题。

    通过建立环保大数据中心，依靠大数据的海量数据存储与超高效处理能，整合环保相关部门内部分散数据形成庞大的数据中心体系，构建环境数据网络将有效解决系统独立、数据分散、数据孤立等难题，为环境保护决策、管理和执法提供数据支持。