“大數據+”網格化環(huán)境空氣監(jiān)測系統(tǒng)綜合效能提升探討

張婉婷 萬斌 汪璞 葉駒 張強

摘要 “大數據+”網格化監(jiān)測系統(tǒng)綜合效能的提升，對改善大氣環(huán)境質量具有現實意義。本文以華中地區(qū)W市為例，分析了其環(huán)境空氣網格化監(jiān)測系統(tǒng)現狀，揭示了其存在的共性問題，并提出解決方案，為環(huán)境空氣網格化監(jiān)測系統(tǒng)綜合效能提升提供參考。

關鍵詞 “大數據+”；網格化監(jiān)測；綜合效能

中圖分類號 X831；TP311.13 文獻標識碼 A

文章編號 1007-7731（2024）03-0087-04

環(huán)境監(jiān)測在環(huán)境管理中具有“雷達”的重要作用，是科學治理環(huán)境問題的有力工具之一。隨著環(huán)境問題的日益突顯，對環(huán)保的重視程度越來越高。在這一背景下，W市持續(xù)加強大氣環(huán)境監(jiān)測能力建設，逐步構建了以大氣環(huán)境監(jiān)測站為核心的監(jiān)測網絡。同時，借助自動在線監(jiān)測系統(tǒng)，輔以激光雷達、機動車尾氣監(jiān)測系統(tǒng)、大氣走航監(jiān)測以及秸稈禁燒視頻監(jiān)控系統(tǒng)等多種設施，形成了綜合的大氣環(huán)境監(jiān)測體系。該監(jiān)測體系為制定科學合理的環(huán)境治理策略提供了數據支持。

為進一步提升空氣質量，W市在175個街道（鄉(xiāng)鎮(zhèn)）布設了176個小型空氣質量監(jiān)測站，以實現更加精細化的環(huán)境監(jiān)測。監(jiān)測站的布設不僅增強了大氣環(huán)境監(jiān)測的全面性和準確性，還進一步提升了城市的網格化管理能力。W市在不斷加強環(huán)境監(jiān)測的實踐中，逐步構建起了全面、精細的環(huán)境監(jiān)測網絡，積累了大量的歷史監(jiān)測數據，為大數據技術的應用積累了數據。網格化監(jiān)測被認為是城市管理創(chuàng)新的一項重要成果。近年來，大數據技術的快速發(fā)展為網格化監(jiān)測提供了技術支持，并在全國范圍內試點推廣。大數據技術的引入有助于城市在互聯(lián)網時代構建信息化支持體系，通過數據分析實現對環(huán)境問題的更精準、高效的管理。

W市的大氣網格化監(jiān)測系統(tǒng)建設已取得了顯著成效，但其在環(huán)境監(jiān)測大數據應用方面仍有進一步的挖掘潛力。因此，本文總結了W市“大數據+”網格化大氣監(jiān)測系統(tǒng)現狀，指出目前大氣環(huán)境監(jiān)測系統(tǒng)中存在的問題，并提出解決方案，目的是進一步提升環(huán)境監(jiān)測的效能和精確性，為城市的可持續(xù)發(fā)展提供更有力的支持。

1 “大數據+”網格化大氣監(jiān)測系統(tǒng)建設現狀

1.1 環(huán)境質量調度和應急指揮中心全面升級

W市初步建成的環(huán)境質量調度和應急指揮中心，以空氣質量應急預警系統(tǒng)為突破口，充分整合、利用現有的大氣網絡化監(jiān)測實時數據，收集網絡媒體上有關空氣質量的動態(tài)數據，以“環(huán)保一張圖”為基礎，集成空氣質量實時發(fā)布系統(tǒng)、全市重點污染源在線/視頻監(jiān)控數據、工地揚塵監(jiān)控數據和機動車尾氣檢測數據，結合分析擴散模型，與氣象、交管和國土資源等部門對接，實現大氣環(huán)境質量的實時監(jiān)控。建設內容基本涵蓋了大氣環(huán)境的數據接入、數據分析、預警研判和監(jiān)管執(zhí)法的閉環(huán)式管理，為環(huán)境主管部門對大氣環(huán)境的預測預判提供了數據支撐。

1.2 網格化監(jiān)測系統(tǒng)全覆蓋

目前，全國已建成空氣環(huán)境監(jiān)測網格，據統(tǒng)計，全國共1 733個國家級監(jiān)測站點（約5 540 km/個），其中，湖北省國家級監(jiān)測站點59個，省級監(jiān)測站點110個（約1 100 km/個）。W市國家級監(jiān)測站點10個，省級監(jiān)測站點11個，并新建了176個小型空氣質量監(jiān)測站（約43 km/個）。小型監(jiān)測站是了解城市空氣質量狀況的重要補充，安裝位置更貼近居民生活圈，更能反映所在區(qū)域空氣質量實際狀況。低成本的小型空氣監(jiān)測站的普及，改變了傳統(tǒng)空氣質量監(jiān)測模式，基本實現區(qū)域大氣監(jiān)測全覆蓋，提高了空氣質量檢測數據的準確度。

1.3 大氣環(huán)境監(jiān)測數據逐步共享

大氣環(huán)境監(jiān)測數據共享是指在技術、應用和管理等方面實現共享，達到數據采集互聯(lián)、應用互通和管理互補。綜合采集結構化數據、非結構化數據和半結構化數據等，實現大氣環(huán)境數據的處理、入庫和共享服務。大氣環(huán)境相關數據的來源主要包括現有大氣環(huán)境相關系統(tǒng)以及已建設的環(huán)境資源目錄，為W市環(huán)境質量調度和指揮提供了大氣環(huán)境數據基礎。同時，將大氣環(huán)境監(jiān)測數據接入監(jiān)測管理平臺、生態(tài)環(huán)境數據資源中心，納入市智慧城市感知體系，并逐步向各級監(jiān)管部門、各職能部門和各科研機構等對象開放平臺。

2 “大數據+”網格化大氣監(jiān)測系統(tǒng)建設面臨的挑戰(zhàn)

2.1 多源異構數據的融合

基于不同使用功能和監(jiān)測設備，W市為已有的監(jiān)測系統(tǒng)建設了多個數據系統(tǒng)。這些系統(tǒng)由不同承建商在不同時期建設，并且相關數據分散儲存。由于大氣數據以及數據類型本身的不同，數據結構形式豐富、數據產生量較大、即時性強，不同指標之間的數據呈現形式也不一樣，導致多源異構數據的采集、整合、校驗與協(xié)同處置較為困難。除此之外，數據采集手段呈先進性和多樣性并重，合規(guī)性不一。提供數據主體不同，既有來自環(huán)境監(jiān)測部門的監(jiān)測數據，也有研究性質的數據和成果，以及基礎性的、普查性的其他必需數據。這些數據相互疊加形成了復雜的異構數據體系，實現各類數據的互聯(lián)互通有一定挑戰(zhàn)。為實現環(huán)境質量調度、應急指揮中心和數據資源中心等數據平臺的互聯(lián)互通，需要大力探索多源異構數據的集合分類、現代檢索，從而讓信息更易被發(fā)現和利用。

2.2 監(jiān)測數據服務環(huán)境管理的效益

經過近些年的信息化發(fā)展，W市已累積了信息量巨大的重要歷史數據，為區(qū)域大氣環(huán)境數據分析和深度挖掘奠定了堅實的基礎。對數據的挖掘機制尚未形成，從歷史數據中深入探索大氣環(huán)境監(jiān)測數據的變化規(guī)律存在一定困難，尚未能充分發(fā)揮歷史數據的價值。從全市大氣環(huán)境治理角度來看，為科學、精準治理所提供的技術支持水平有待提升；從轄區(qū)大氣環(huán)境管理角度來看，與實現大氣環(huán)境問題的準確定位還存在一定差距。

2.3 監(jiān)測數據橫縱向的信息共享

隨著環(huán)境監(jiān)測的發(fā)展，生態(tài)環(huán)境部門的業(yè)務信息資源已經無法完全滿足管理要求，需要越來越多的其他部門、行業(yè)以及相關業(yè)務數據的支撐。W市雖已建立起大氣環(huán)境基礎數據庫，但生態(tài)環(huán)境部門與其他職能部門在信息互聯(lián)互通方面還存在諸多障礙，也缺少與基層的聯(lián)動互通。目前，有關學者對空氣污染大數據進行了挖掘和分析，在污染規(guī)律分析、污染預測和區(qū)域污染關聯(lián)等方面取得了一定進展。然而，所獲得的基礎數據較少、時效性不強，獨立進行的數據挖掘工作與大氣學科中經典模型結合不緊密，使得分析結論的準確性、有效性有待評估。如何有效結合大氣科學和數據科學，對空氣數據進行跨學科分析仍值得進一步探索，而要實現這一目的，部門間監(jiān)測數據的共享是關鍵的一步。

3 “大數據+”網格化大氣監(jiān)測系統(tǒng)效能提升對策

3.1 建立大氣環(huán)境數據倉庫

以往，主要由省、市生態(tài)環(huán)境部門、氣象部門和專業(yè)機構進行大氣環(huán)境質量的基礎科學研究。隨著大數據、智能時代的到來，以科技參與為核心的科學公民成為未來環(huán)境治理的新起點。應著眼于數據互聯(lián)互通，從數據來源、數據描述和數據結果等方面逐步完善數據注冊服務，進一步規(guī)范統(tǒng)一數據資源目錄標準和搜索引擎，使得數據更便于被發(fā)現和利用，進一步加強大氣環(huán)境監(jiān)測數據的公開和共享。

3.2 深入挖掘重污染天氣多變量大數據

小型觀測站對大氣各類污染物濃度的實時監(jiān)測和數據采集，形成了具有典型時空特性的多變量大數據集。深入挖掘時空多變量空氣污染大數據，從大量網格數據中提取模式或構建模型成為氣象信息發(fā)現的新途徑，可有效實現從數據到氣象信息之間的轉換，有助于發(fā)現污染物在各區(qū)之間傳輸和轉化的潛在規(guī)律，為驗證污染物傳輸模型提供數據依據，從而為區(qū)域協(xié)同治理、污染物協(xié)同控制提供決策支持。結合數據科學和大氣科學，對空氣污染數據進行跨學科分析，針對重污染天氣時空多變量大數據，從數據特征和污染物傳輸模型兩個方面展開研究，挖掘空氣污染大數據中潛在的模式和異常事件，研究集成數據特征和傳輸模型中潛在污染源識別方法，分析污染源的多變量時空演化規(guī)律。建立趨勢分析、聚類分析、判別分析、相關分析和層次分析等數理統(tǒng)計分析模型和預警系統(tǒng)。

3.3 互相驗證模型與監(jiān)測結果

數據是所有空氣質量預測模型的基礎，需要監(jiān)測、氣象、地形、土地利用和污染物排放等數據的支撐。無論空氣污染內部過程如何復雜變化，空氣質量監(jiān)測數據都反映了最終的結果。近年來，不斷收集的空氣污染大數據，蘊含著潛在的污染物關聯(lián)模式和區(qū)域間依賴關系，這為從數據角度科學分析空氣污染問題提供了思路?，F有的小型監(jiān)測站能夠自動捕捉PM2.5、O、SO、CO和NO等基本監(jiān)測因子的異常排放行為，并在第一時間做出相關預警。第三代空氣質量模型CMAQ、NAQPMS、CAMx和WRF-CHEM等是目前大氣環(huán)境質量預測的首選模型，其多建立在主觀假設的基礎上，預測結果的準確性需要海量的監(jiān)測數據進行驗證，小型監(jiān)測站可實現對相關大氣模型預測結果與實測結果的互相驗證，進一步探討、驗證、建立和完善更加符合不同區(qū)域實情的大環(huán)境質量預測模型，從而更科學地指導大氣環(huán)境質量變化趨勢的分析與預測。

3.4 建立網格監(jiān)管長效機制

網格化監(jiān)測是大氣環(huán)境精細化管理的重要抓手，可促進環(huán)保壓力向基層傳導，有利于提升對重污染天氣的應對能力，實現大氣污染“最后一公里”責任落實。建議以“科技網格”倒逼“管理網格”，針對176個小型空氣質量監(jiān)測站點，實施街道（鄉(xiāng)鎮(zhèn)）大氣污染防治“一點一策”，組織編制街道（鄉(xiāng)鎮(zhèn)）大氣污染防治工作指南，分級、分區(qū)和分時做好空氣污染應對工作。明確大氣污染防治組織架構、建立污染源清單、落實防治管控責任，實施以街道（鄉(xiāng)鎮(zhèn)）為單元的空氣質量網格化管理。對街道（鄉(xiāng)鎮(zhèn)）的空氣質量情況定期進行通報，進一步強化網格化管理。加強專業(yè)技術機構對街道（鄉(xiāng)鎮(zhèn)）小型空氣質量監(jiān)測站的運行維護，組織開展比對監(jiān)測，嚴格落實小型空氣質量監(jiān)測站監(jiān)測數據審核機制，確保監(jiān)測數據的準確性和有效性。充分挖掘小型空氣質量監(jiān)測站監(jiān)測數據，分析、掌握區(qū)域大氣污染特征和傳輸變化規(guī)律，為大氣污染防治管控工作提供技術支撐。

4 結語

全面提升“大數據+”網格化監(jiān)測系統(tǒng)的綜合效能，可以在多個方面取得積極成果。首先，提高生態(tài)環(huán)境的感知能力，通過更全面、精確的數據分析，可以更好地了解生態(tài)環(huán)境的現狀和趨勢，從而更有針對性地制定環(huán)境保護策略和措施。其次，通過釋放數據要素的生產力，利用大數據分析技術，發(fā)現數據中的有價值信息，從而更有效地利用資源，提升管理效率。最后，通過推動數據增值，將原始數據轉化為更高級別的信息，為決策者提供更有深度的分析結果，幫助他們做出更科學的決策。

在接下來的工作中，需要依托環(huán)境質量調度和應急指揮中心，將各類監(jiān)測、監(jiān)控系統(tǒng)進行整合，充分利用不同數據源的信息，全面準確地掌握轄區(qū)內的大氣狀況，為城市生態(tài)環(huán)境管理提供更強有力的支持，為大氣環(huán)境治理提供穩(wěn)固的基礎數據支撐。本文以華中地區(qū)W市為例，分析了其環(huán)境空氣網格化監(jiān)測系統(tǒng)建設現狀，揭示了存在的共性問題，并提出了解決方案，為環(huán)境空氣網格化監(jiān)測系統(tǒng)綜合效能提升提供借鑒。

參考文獻

[1] SCHAEFER T，KIESLINGER B，FABIAN C M. Citizen-based air quality monitoring：the impact on individual citizen scientists and how to leverage the benefits to affect whole regions[J]. Citizen science：theory and practice，2020，5（1）：1-12.

[2] 孫彩萍，王維. 美國FEA框架和數據中臺技術在大氣環(huán)境數據資源共享中的應用[J]. 環(huán)境工程技術學報，2020，10（6）：951-956.

[3] BELLINGER C，MOHOMED JABBAR M S，ZA?ANE O，et al. A systematic review of data mining and machine learning for air pollution epidemiology[J]. BMC public health，2017，17（1）：907.

[4] SHTEIN A，KLOOG I，SCHWARTZ J，et al. Estimating daily PM2.5 and PM10 over Italy using an ensemble model[J]. Environmental science & technology，2020，54（1）：120-128.

[5] QI Y L，LI Q，KARIMIAN H，et al. A hybrid model for spatiotemporal forecasting of PM2.5 based on graph convolutional neural network and long short-term memory[J]. The science of the total environment，2019，664：1-10.

[6] 黎夢兵.技術賦能環(huán)境治理：美國環(huán)境公民科學對我國的借鑒啟示[J].昆明理工大學學報（社會科學版），2021，21（4）：36-43.

[7] 孫彩萍，王維，張亞青. 面向業(yè)務驅動的大氣環(huán)境數據資源分類體系及應用研究[J]. 環(huán)境工程技術學報，2021，11（1）：41-47.

[8] GIL Y，GREAVES M，HENDLER J，et al. Amplify scientific discovery with artificial intelligence[J]. Science，2014，346（6206）：171-172.

[9] 楊夢婷. 信息化環(huán)境下環(huán)境管理模式的探索與實踐[J]. 上海船舶運輸科學研究所學報，2020，43（2）：86-90.

[10] 于振波，劉玉萍，李廣來，等. 我國空氣質量模型應用中存在的問題及建議[J]. 環(huán)境保護與循環(huán)經濟，2018，38（8）：88-90.

[11] 任珂. 面向空氣污染的時空多變量數據可視分析[D]. 長春：東北師范大學，2021.

[12] 胡翠娟，丁峰，伯鑫，等. 美國環(huán)境空氣質量模型法規(guī)化建設經驗與借鑒[J]. 生態(tài)經濟，2014，30（5）：186-189.

（責編：何 艷）

作者簡介 張婉婷（1990—），女，湖北武漢人，碩士，從事環(huán)境管理工作。

收稿日期 2023-10-27