李 霞
(潍坊市生态环境局寒亭分局,山东 潍坊 261100)
环境监测不能与社会发展相脱节,要切实满足环境保护与治理需要。在大数据时代背景下,对大数据等信息技术的应用,依托大数据平台对环境监测数据、社会、经济等方面指标进行综合评价。如此,即可以帮助监测人员拓宽环境监测视野,从多个维度评价环境质量,同时,还可以准确判断、描述环境污染问题对社会发展等各个方面造成的具体影响,使得环境监测、社会发展相互紧密衔接[1]。
无论是应用常规监测技术,还是应用遥感监测、自动监测、生物监测等新型技术,都需要人为分配各项参评指标权重值,按照指标与所采集监测数据来评价环境质量。在这一模式下,受到人为主观因素影响,部分指标权重值设定缺乏合理性,以及存在指标种类单一、指标数量过少的问题,导致最终获取的环境质量评价结果与实际情况存在出入。相比之下,通过推动大数据技术与环境监测技术的融合发展,将由大数据平台依托程序运行准则,采取BP神经网络、模糊逻辑推理等智能算法,根据已掌握信息来设定参评指标、分配指标权重值、替代人工开展环境质量评价工作,并判断现有环境评价指标的种类与数量是否为最优解,根据判断结果对现有环境指标体系进行优化调整,确保环境质量评价结果真实、准确,不受监测人员主观因素、专业素养的影响[2]。
由于各地环境监测系统处于独立部署形式,仅采取当地环境监测数据来评价环境质量,缺乏足够的数据样本,环境监测精度、质量评价水平和决策科学性都有待提升。而对大数据技术的应用,通过建立区域性、全国性的环境监测平台,监测人员可以直接访问其他地区环境监测系统,查阅更多的监测数据、环境治理案例,从海量数据中提取足够的高价值数据,以此来提升环境监测质量。
大数据环境监测技术有着强大的数据采集、运算分析能力,可以替代人工持续采集与环境监测相关的各类型数据信息,基于程序运行准则开展数据采集、分类整理、关联属性分析等一系列操作,实时评价环境质量。如此,在环境监测期间,当系统采集到异常监测数据时,表明环境质量、状况发生改变,对比实时监测值与预期目标值,在二者产生明显偏差时,自动发送预警信号,并根据偏差值大小来确定环境污染程度,向监测人员发送对应级别的报警信号[3]。同时,此项技术可以在短时间内完成海量数据的运算处理操作,无需监测人员逐条对比监测值与目标值,或是从庞大数据流中分类整理各类指标监测值,这有利于缩短环境状况变化、环境预警环节的时间差,为后续环境治理工作争取到宝贵时间。
在环境监测项目中,大数据既可以用于数据采集、实时监测场景中,同时,凭借其卓越的运算分析能力,也可用于环境预测、环境质量评价、方案计划编制等场景,起到决策辅助的作用,帮助监测人员掌握远超自身能力极限的庞大数据。例如,在环境预测环节,依托大数据平台收集其他地区的历史环境监测数据,从中挑选气象条件、地理位置、环境状况等要素较为相似的案例,在其基础上导入所采集的当地环境监测数据,推测环境质量状况的变化趋势,模拟未来一段时间的环境状况具体变化过程,帮助监测人员提前发现未来可能出现的环境污染问题[4]。在环境质量评价环节,从环境质量、环境脆弱性、环境安全性、环境多样性等多个方面进行综合评价,以及预测、评估生态环境变化对物种繁衍、当地经济发展、社会发展、民生等领域造成的具体影响,而不是单一的评价生态环境污染程度。而在环境治理方案计划编制环节,依托大数据平台来构建数学分析模型、开展仿真试验,模拟不同假定条件时的方案实施效果、生态环境状况是否得到明显改善,从而判断方案计划可行性,指出具体问题,为方案计划的优化改进提供参考依据。
在传统环境监测技术体系中,需要监测人员手动开展大量的基础性工作,包括监测数据预处理、分类整理、图表绘制等,尽管后期推广自动监测技术,替代人工完成现场水样采集等工作,但环境监测流程仍旧较为繁琐,实际工作量较大。同时,受人为因素影响,时常出现错误操作问题,导致环境监测精度、评价质量有所下滑,如现场监测数据重复录入、错误录入。为解决此类问题,进一步简化环境监测流程,需要组合应用大数据、自动监测、遥感监测等技术手段,由大数据平台替代人工完成多数基础性和一部分复杂任务,彻底取代传统的手工数据收集、录入、分析方式。例如,在大气环境质量监测信息发布环节,对大数据技术的应用,在短时间内完成实时信息的分析处理任务,通过缩短数据处理时间等方式,从而提高PM10、CO2等大气指标与空气质量指数的更新频率[5]。
要依托大数据技术来建立现代化的环境治理效果反馈机制,在辖区内各处环境监测点布置传感器、LED网格化环境监测仪等终端感知设备,持续采集水质成分、二氧化碳浓度、土壤水溶性盐总量、土壤pH值等监测数据,定期生成全新的生态环境评价报告,以此来反映各监测站辐射范围内的生态环境状况,帮助监测人员判断生态环境治理效果,逐渐取代传统的专项巡查方式。与此同时,对大数据技术的应用,完全依据监测数据进行评价,减小人为主观对环境治理效果评价造成的影响。
环境监测数据由多源异构数据组成,包括反映生态环境状况的结构化数据、人群生产中形成的非结构化数据,如果对各类型数据信息进行混杂处理,会降低数据处理效率、延长环境监测周期、不利于监测人员查阅数据,偶尔出现数据冲突问题。因此,需要推动环境监测数据的采集分类发展,将数据划分为若干类型,将各类数据导入对应的处理模块与数据库中。例如,以内容作为分类依据,将环境监测数据划分为环境综合监测数据、污染源排放数据以及人群活动非结构化数据三类,环境综合监测数据包含大气、土壤、电磁辐射与水质等方面的现场监测数据,用于反映生态环境状态和污染程度,污染源排放数据包括固态、液态与气态污染物的排放数据及在线监管数据,用于反映生态环境污染源头现状及监管情况,人群活动非结构化数据包括城市生活垃圾与污废水产量、气象资料、人口数量等信息。同时,也可按照生命周期进行数据分类,划分为热数据、冷数据以及温数据三类,热数据为当期采集的原始监测数据,包括环境监测机构在线发布的环境监测数据以及配套模型,冷数据为早期存储、访问频率较低的历史环境监测数据,温数据为过去一段时间采集、访问频率较高或是被定期使用的环境监测数据,如监测机构发布的环境质量年鉴报表[6]。
相比于常规技术,大数据环境监测技术的核心价值在于,从庞大数据流中提取高质量信息,准确描述不同属性信息间的内在联系,辅助开展环境质量评价、环境发展预测、环境治理方案编制等工作。然而,当前部分地区仍旧采取分散部署方式,各区域环境监测系统保持独立运行状态,无法从有限的环境监测数据中提取到足够的高质量信息,限制了监测精度、决策科学性的进一步提升。因此,需要重点推动大数据环境监测技术的集成化、共享化发展。首先,分别建设市县级、省域级与全国性的大数据环境监测平台,在上级平台中接入下级平台,持续向上级平台导入所采集环境监测数据,用户可以直接在上级平台中查阅各区域数据信息,也可以经下级平台访问上级平台,查阅其他区域环境监测信息作为参考,以此来解决数据资源低效利用、行程“信息孤岛”的问题。其次,将大数据环境检测平台架构拆分为应用层、共享层、处理层、采集存储层与数据源五个层级,数据源负责获取各类型环境监测数据,采集存储层负责对监测数据进行分类整理、筛除无用数据、重复数据与失真数据,处理层采取数据挖掘与建立数学分析模型手段来执行数据预测、关联分析、概念描述等操作,共享层通过标准化接口将环境监测数据及数学模型发送至上级平台,应用层在界面上显示生态环境综合评价、健康风险评估等功能模块,用户通过界面来查阅环境监测信息、下达各项控制指令。最后,在环境监测平台中设置数据转换、数据采补、数据清洗等功能模块。其中,数据转换模块负责对各类环境监测数据转换为特定格式编码,数据采补模块负责按照相应采补规则对传输、处理期间损毁丢失的数据文件进行补充完善,数据清洗模块负责从庞大数据流中筛选出高价值信息、筛除重复无用信息与不实信息,通过缩减数据规模的方式来提高数据处理效率。
近年来,随着信息化技术的日趋完善与推广普及,在推动环境监测事业高速发展、持续提升环境监测效率的同时,也在环境监测期间持续产生海量数据。在这一背景下,如果仍旧将监测数据存储至本地数据库,以及将复杂计算任务交由环境监测系统处理,会对系统运行状态造成干扰,导致数据库崩溃、数据丢失损毁问题,同时,这也对提高对环境监测项目软硬件设施的配置要求,间接加大环境监测成本。针对于此,为摆脱软硬件设施对大数据环境监测技术应用造成的限制,需要应用到云技术。例如,在数据存储方面,环境监测机构向云服务商租赁云存储型平台,直接将环境监测期间收集到的各类信息上传至云平台加以存储,将其中的重要信息提交至本地数据库作为备份,在工作期间,监测人员直接访问云平台来查阅相关资料数据,执行文件编辑、传输、下载等操作,同时,还可以在云平台中建立若干类型数据库,解决异构数据相冲突的问题。而在数据计算方面,环境监测机构租赁计算型云平台,将计算任务提交至平台,采取分布式方式进行运算处理,将任务分配至服务器集群,由多台服务器计算分支任务,再将计算结果汇总整理,根据实际需求来提供相应的计算能力,这有利于保障环境监测系统运行流畅、提高计算效率、强化数据处理能力。
在早期开展的环境监测工作中,虽然逐渐树立起大数据思维,大数据技术得到应用推广,但技术应用场景较少,主要负责完成数据采集、生成图表、统计分析、环境预报等工作,仍旧需要监测人员开展野外采集样本、实验室检验等工作,环境监测效率有待提升,无法做到对生态环境质量的全天候监测,并在出现暴雨、强风等恶劣气候时面临无法前往监测点采样的难题。
因此,现阶段环境监测工作重点在于,持续拓展大数据环境监测技术的应用范围,搭配使用大数据、信息传感、远程控制等信息技术,建设一批具备高度自动化水准的无人监测站,在站内配置采样单元、样品预处理单元、主控单元、氨氮分析仪、COD分析仪等设施设备。在后续环境监测期间,大数据平台按照预先导入控制方案来下达控制指令,操纵仪器设备完成采样、样品预处理、样品检测等操作,再将检测结果上传至环境监测系统,或是由监测人员远程控制设备完成监测任务,实现无人值守目标。如此,监测人员仅需定期对各处自动监测站的仪器设备进行调试检查和维护保养,校准设备参数,更换腐蚀受损与老化严重的仪器设备即可,极大减轻了环境监测工作负担。
近年来,潍坊市在滨海区、高新区等多个城区陆续建设大量的自动监测站,持续监测大气质量、土壤质量与水质量,在站内配置SO2分析仪、03分析仪、颗粒物分析仪等设备,持续对土壤pH值、二氧化硫浓度、可吸入颗粒物浓度等环境指标加以监测,这对城区环境质量日报的发布提供强有力的技术支撑。例如,在峡山水库的3条上游支流入库口与水厂取水口分别建立一座自动在线监测站,对入库水质与取水水质进行24 h全天候监测,在水质参数变化时快速报警,并把问题反馈至水厂,采取调整生产工艺、停止取水线等措施,最大程度保障市民用水安全。
综上所述,在现代环境监测工程中,大数据技术在信息采集处理、环境质量评价、决策制定等场景中均得到落地应用,与常规环境监测技术相互交织融合,形成一套全新的大数据环境监测技术体系,被业界一致视为环境监测事业的必然发展趋势。各环境监测机构都应对大数据环境监测技术予以高度重视,认识到技术应用价值,进一步推动技术体系的采集分类、集成共享、云技术发展。