大数据时代 环评如何跟上潮流
环评数据资源必须实现向大数据的转变,加强管理与应用服务的创新,才能更好地服务于环境管理并支撑环境质量改善目标实现。
1、环评大数据建设的总体目标
明确环评大数据建设的总体目标和定位,有助于把握好其建设方向。
环评大数据建设的总体目标是:充分运用大数据、云计算等现代信息技术手段,整合环境、经济、行业等数据资源,重点理清环境质量、控制总量、污染源“三本帐”,开展相关的数据采集加工、模拟分析、整合共享,提升环评管理能力,提高环评文件编制的科学性,增强环评公共服务能力,服务于“十三五”环保工作改善环境质量的核心目标。
2、环评大数据面向的核心业务
环评大数据是对环评业务开展情况的客观映射,理清环评大数据面向的环评工作的核心业务,有利于明确和深入地理解环评大数据的目标与定位,是开展环评大数据建设与应用的重要前提。
目前,环评工作主要围绕环境质量现状和污染物排放总量两大核心要素开展,这两者之间存在着影响/响应关系,这种关系可以通过模型来表达,如图1所示。
其中,污染物排放总量为固定污染源和非固定污染源排放量之和,固定污染源包括老源和新源,非固定污染源包括道路和非道路源(汽车尾气、秸秆焚烧、工地扬尘等)。各类污染源又分为纳入监管和未纳入监管两部分。
因此,环评大数据的建设必须摸清全国范围内各区域、各时段的环境质量现状数据和污染物排放总量数据,并在此基础上,纳入两者之间的相互作用和影响的相关数据。
3、环评大数据的四维数据架构
面向环评工作中的环境质量现状和污染物排放总量两大核心要素及其影响/响应关系,环评大数据将包含环评工作通常涉及的海量数据,对这些数据进行梳理并形成一套清晰合理的分类,对于指导环评大数据的建设具有重要意义。
总体来讲,可以从四个维度对这些数据加以概括和归纳,即环境质量现状、环评业务过程、环评参与对象和数据应用与演化,如图2所示,这四个维度即构成了环评大数据的四维数据架构。
(1)从环境质量现状的维度,环评大数据包括全国范围内的各环境要素的环境质量数据和生态环境数据;
(2)从环评业务过程的维度,环评大数据包括战略环评数据、规划环评数据、项目环评数据、环评监理数据、竣工验收及后评价数据;
(3)从环评参与对象的维度,环评大数据包括四级环保部门数据、环评单位数据、建设单位数据、社会公众数据和其他行业数据;
(4)从数据应用与演化的维度,环评大数据包括业务数据、支撑数据、管理数据、模拟预测的数据、挖掘分析的数据等。
4、环评大数据的核心数据内容
在以上架构下构建的四维环评大数据,包含了环评业务工作中涉及的海量数据,为了更好地将重点数据建设任务聚焦于环评工作的核心业务,也为了更有针对性地、更有效地满足环境管理工作的需求,还需要对环评大数据的内容开展进一步的梳理和凝练,形成其核心数据内容。
从服务“十三五”环保工作改善环境质量的核心目标的角度,环评大数据核心内容应包括环境质量数据、控制总量数据和污染源数据,如图3所示,三者也可合称为“三本帐”。
(1)环境质量帐。不仅包括环境质量现状数据,更重要的是要包括环境质量改善目标数据,换言之,要包括全国范围内的各环境要素和生态环境的质量现状数据和改善目标数据两大部分;
(2)控制总量帐。不同于以往环境质量达标思路下的总量控制数据,而是为实现改善环境质量这一核心目标,落实“水十条”、“气十条”、“土十条”,环境所能容纳和接受的污染源排放总量数据和生态环境承载能力数据,是环境质量改善目标的要求分解和细化后的具体控制指标数据,内容上主要包括战略环评数据和规划环评数据,含生态红线、质量底线、资源开发上线、负面清单数据,即“三线一单”数据;
(3)污染源帐。从范围上讲,包括固定污染源数据和非固定污染源数据两个方面,其中固定污染源数据包括新源和老源。从内容上讲,包括污染源属性基础数据、污染物排放动态数据2个方面。
总体来讲,以上“三本帐”中,固定污染源数据以及战略环评数据和规划环评数据是环评大数据核心数据中的重点内容。
5、环评大数据的数据来源渠道
数据资源建设是环评大数据建设的重要内容,而数据获取是数据资源建设的重要步骤。从数据采集获取的角度,环评大数据建设主要有如下数据来源渠道。
环境质量帐主要包括环境质量现状数据和环境质量改善目标数据两大部分,前者可以通过环境监测网络获取,后者可以通过相关政策法规获得。控制总量帐可以通过战略环评数据和规划环评数据获得。
污染源帐是环评大数据建设数据获取的关键,也是难点,只有获取时间、空间、行业和过程全覆盖的完整污染源数据,尤其是污染物排放数据,才能够为环境影响模拟分析、环境质量预测预警乃至最终改善环境质量等打下坚实的数据基础。污染源帐主要有以下四个方面的获取渠道。
(1)企业环境信息公开。依托企业环境信息公开系统,可以获得企业基本信息、排口及排放数据、污染防治设施建设和运营数据、建设项目环评数据、排污许可数据等。
(2)环境影响评价。依托全国环评审批数据四级联网交换平台和国家环评基础数据库,可以获得国家以及各省市建设项目的评价和审批数据。
(3)固定源排污许可。依托国家排污许可管理信息平台,可以获得排污许可数据和证后监管数据,具体包括排污许可基础数据、排污单位自行申报数据以及监督性监测数据和监管执法数据等。
(4)行业数据分析。针对未纳入监管的非固定源,通过行业数据相关性分析,结合污染源解析技术成果,估算污染物排放量和污染源动态变化情况。这部分数据主要依靠调用生态环境大数据获取。
以上4个渠道获取的数据具有一定的重合和关联性,通过数据的整合归并和交叉验证将能够形成完整的污染源帐。
6、环评大数据可提供的应用服务
从应用服务对象来看,环评大数据未来可以提供3个方面的服务。
(1)面向各级环境行政管理部门,环评大数据可以提供信息与技术支持服务,具体包括环评质量校核、分析统计、预测预警、信息公开、诚信记录等,环评大数据的应用重点可以提高环评决策和环境预警能力,服务环评事前、事中、事后的全方位一体化“智慧”监管。
(2)面向环评机构,环评大数据可以提供在线数据共享、模拟分析等服务,提升环评基础资料收集的可靠性、便捷性,提高环评文件编制的科学性,节省环评经费,缩短环评时间;
(3)面向社会公众,环评大数据可以提供宣传教育与信息公开服务,正确引导环评公众参与,提升环评公众参与水平和程度。
7、结语
环评大数据应用是个系统工程,基础工作多,涉及面宽,持续周期长,既有管理创新,又有技术挑战。
目前,缺乏全面的信息是环境保护统一监管的难题,解决这一问题需必须开展数据共享与集成。
环评大数据的下一步建设,应立足环评大数据核心,重点加强新源、老源数据库建设,夯实模型建设技术基础,抓好典型应用,实现生态环境大数据在环评领域应用现行先试目标,并配合生态环境大数据项目建设,提供环评大数据应用数据基础和应用服务。
数据分析咨询请扫描二维码
数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21