运用现代信息技术 推进环评大数据建设

简介:

环境保护部《“十三五”环境影响评价改革实施方案》中,明确了实施环评改革、全面提高环评有效性的总体思路与重点任务。环评大数据作为环境保护部生态环境大数据重点建设内容,应立足于为环评管理提供系统化、标准化、可视化、智能化的数据资源和信息技术支撑,紧密围绕环评改革重点任务,促进环评从源头预防环境污染和生态破坏作用的充分发挥。

环评大数据建设思路及重点工作

环评大数据建设应充分运用大数据、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,理清环境质量、控制总量、污染源“三本账”,开展相关的数据采集加工、模拟分析、整合共享,服务环评管理的环评质量校核、分析统计、预测预警、信息公开、诚信记录等,助力实现“十三五”绿色发展和改善生态环境质量总体目标。

主要有以下方面重点工作:

全面建设环境质量现状与控制总量数据。依托生态环境大数据项目成果,在接入环境监测数据的基础上,构建全国环境质量数据库,借助战略环评和规划环评成果,形成全国范围的“三线一单”数据库,通过数据共享,缩短环评前期工作时间。

持续采集、更新和整合固定污染源数据。依据环评法加强国家级环评基础数据库建设,通过环保专网实现全国环评审批信息互联互通和数据质量一次性校核,及时掌握地方建设项目审批和验收数据,支撑宏观经济分析,并创建国家排污许可管理信息平台,形成全国固定源数据库,提供准确源数据,夯实环评预测数据基础。

提升各要素环境影响模拟分析水平和风险预测能力。分要素加强环境影响模拟分析能力、规范模型和模型参数,降低模型使用的自由裁量权进而形成环评法规模型体系;加强环评风险基础信息和评价预测能力建设,提高环评风险支撑能力。

增进战略、规划和项目环评信息联动与服务。建立战略环评、规划环评和项目环评之间的关联指标体系,集成和关联战略环评、规划环评和项目环评数据,有机融合环境影响预测模型、环评决策基本依据和判定规则,建立环评信息联动智能应用平台。重点依托“三线一单”以及优势行业正面清单和环境准入负面清单等数据,实现智能化和自动化的项目选址分析、环境准入初判等功能,为建设项目准入判定决策提供服务,并进一步为区域招商引资、行业规划和跨区域环境信息统计分析等提供智能信息技术支撑。

大力强化环评监管信息技术支持能力。利用遥感手段,结合四级环评基础信息,构建时空一体化的空间管控和智慧监管信息技术支撑能力,重点解决控制红线和污染源边界叠置辨析等监管难题;开发数据挖掘等大数据应用关键技术,提升数据统计分析应用水平,为智慧监管决策提供及时、准确的信息服务;增强技术校核能力,遏制各类环境违法行为;强化预测预警能力,提升监管的精准性和有效性。

积极推进环评信息共享与公共服务。加强环评大数据项目基础数据、预测模型、计算资源等成果的共享,提高信息公开水平;引导环评公众参与,加强环评大数据应用宣传和培训工作;通过数据、模型、计算资源的共享服务,降低环评机构获取数据的成本,提高环评工作效率;通过可视化等方式,共享标杆企业真实环境影响数据等方式,提高公众查询服务水平,引导公众参与环境保护。

在良好进展基础上仍需再接再厉

环评大数据建设取得了一系列重要进展。

在固定污染源数据采集、更新和整合方面。一是解决“活库”问题,部级环评数据从受理开始就随业务流转自动入库,数据入库及时、信息完整;二是解决数据汇集“普通话”问题,通过建设一套成体系的标准规范指导四级数据的汇集和共享,目前做到按周汇集省级环评数据,将来要拓展到市和县;三是解决重点行业横向可比问题,针对16个重点行业,建设结构化环评指标数据库,实现部分重点项目的横向比对分析;四是启动污染源台账建设工作,编制国家排污许可管理信息平台实施方案和开展平台建设;五是构建重点行业污染源排放清单,在国内首次自下而上建立高时空分辨率的钢铁、火电排放清单,建设首都机场大气排放清单,解决部分行业排放清单底数不清等问题。

在环境影响模拟与风险预测方面。一是解决“标准算”的问题,通过开展环境质量模型法规化与标准化研究,构建国家法规模型体系,按要素提出模型选择、预测应遵循的各类技术规定和要求;二是解决“快速算”问题,初步构建各要素环境影响数值模拟云计算中心,搭建数值模型高性能云计算环境,实现计算资源、模拟软件的整合统一管理和云计算模式;三是解决“胡乱算”问题,通过技术导则重构提高技术规范性要求,并通过开展各要素环境影响预测结果技术校核,遏制环评假数真算和真数假算现象。

在环评监管信息技术支持能力方面。初步建设环评“云眼”。重点围绕典型行业建设项目识别定位、开工状态分析、空间布局变化监测及排污设施定量分析等需求开展技术方法及其适应性研究,并在京津冀等地区开展示范应用。同时,相关技术还可用于查处“未批先建”,石化、化工风险排查等工作。

在战略、规划和项目环评信息联动方面。初步开展战略环评、规划环评成果落实的要求和内容的梳理工作,启动环评信息智能联动应用平台的规划设计与典型应用案例建设工作。

在强化环评监管信息技术支持能力方面。初步建设环评“云眼”。重点围绕典型行业建设项目识别定位、开工状态分析、空间布局变化监测及排污设施定量分析等需求开展技术方法及其适应性研究,并在京津冀等地区开展示范应用。

在环评信息共享与公共服务方面。一是解决数据“无米之炊”问题。自2009年开始面向全国环评单位对外提供“中尺度气象模拟数据”在线服务,2015年通过跨部委合作,逐步开展全国地面气象数据标准化、高空气象数据标准化等数据服务。目前已实现持续运行,实现通过网络系统自助提供数据服务上万次,极大解决了全国环评机构在环评阶段的数据获取困难等问题。二是解决模型高成本的问题。有的模型前处理任务繁重,通过开发系列工具箱,简化前处理工作;有的模型购置费用很贵,通过建设模型共享平台共同使用降低费用;有的模型计算时间长,通过开发高性能计算模型加速计算,缩短环评工作周期。

环评大数据的建设取得了良好进展,但仍需再接再厉。近期环评大数据建设要继续依托生态环境大数据基础,借助环境保护部内数据资源共享和环评审批信息联网报送,不断夯实环评数据资源基础,加强数据资源整合集成,并做好环境影响模拟预测、环评质量校核、分析统计、预测预警、信息公开、诚信记录等服务,为“十三五”环境影响评价改革制度日臻完善、机制更加合理、效能显著提高、保障科学有力等核心工作目标实现提供可靠支撑。

作者单位:环境保护部环境工程评估中心

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
10月前
|
人工智能 自动驾驶 大数据
交科院与阿里云签署战略协议,推进综合交通大数据领域合作
交科院与阿里云签署战略协议,推进综合交通大数据领域合作
370 0
|
大数据 关系型数据库 数据库