基于物联网和大数据技术的立体化水环境监管系统建设

基于物联网、云计算、大数据等信息化技术,通过流域立体化监测、监控体系构建,打造流域水环境监控管理智慧化系统,实现水质分析、研判、预警,污染源信息查询、追溯,应急辅助分析、考核辅助决策等功能,实现流域污染源和水环境质量实时动态监控、监管.     

基于顶层设计方法的生态环境大数据总体框架研究

生态环境大数据建设是一项长期性、系统性的工作,需要科学、合理的顶层设计从全局的角度出发,对任务的各方面、各层次、各要素统筹规划,集中有效资源,高效、快捷地实现既定目标。本文总结了开展总体框架设计面临的主要问题;论述了顶层设计的基本概念和特征、原则和设计方法,阐述了大数据顶层设计与信息化顶层设计的关系,提出了生态环境大数据业务架构的设计方法、总体框架,并探讨了总体框架落地的主要思路。     

化工园区大气环境风险评估与预警平台设计研究

通过分析国内外化工园区大气环境风险评估与预警平台构建技术的现状、研究进展,提出了化工园区大气环境风险评估与监控预警体系,选取典型示范研究区长寿经济技术开发区,以"平战结合"的化工园区大气环境风险评估与预警平台的总体设计思路,构建化工园区大气环境风险评估与预警平台,为中小尺度的化工园区突发大气环境风险防范及应急管理提供科学支撑。     

基于SOA的三峡库区水环境安全预警平台集成

从三峡库区水环境安全预警平台背景作用与意义,提出基于SOA的B/S与C/S相结合的技术架构设计及数据库层、组件服务层和集成应用层3层架构体系,探索GIS多源数据标准、GIS与模型库以及基于WebService接口的应用服务的平台集成技术实现;指出研究成果在水环境管理应用中不断完善。     

生态环境大数据研究与应用进展

生态环境大数据是为生态环保决策管理提供服务的大数据集、大数据技术和大数据应用的总称。生态环境大数据除了具有大数据的"6V"特征，还具有高维、高复杂性、高不确定性的"三高"特性。本文从生态环境大数据的定义和特征出发，阐述了国内外生态环境大数据的"萌芽-探索-应用-战略"的发展历程及其在科学研究、商业应用和政府决策等领域的主要应用，总结了基于第四研究范式的生态信息学理论基础和依托于信息技术和数据挖掘的技术方法，分析了当前形势下我国生态环境大数据应用面临的三大挑战，提出了未来生态环境大数据五大热点方向，生态环境大数据必将在推进生态环境治理体系和治理能力现代化中发挥重要作用。     

资源环境领域大数据的研究与资助分析

大数据研究和应用已引起学术界的广泛研究兴趣,本文从区域大气污染防治与污染物减排研究、资源与能源市场复杂性研究、智能电网的大数据研究、资源开发利用的大数据管理研究、全球气候变化与温室气体减排研究等5 个方面,梳理了资源环境领域大数据的主要研究方向,介绍了国家自然科学基金重大研究计划"大数据驱动的管理与决策研究"2015 年度项目申请与资助情况,以及该重大研究计划的核心科学问题,以期对资源环境领域大数据的研究与申请提供信息参考.     

基于大数据分析与认知技术的空气质量预报预警平台

为深入认识区域大气污染现象规律,完善并提高城市空气质量预报预警能力,提高大气污染治理决策支持能力,开展城市污染成因分析与空气质量预报预警研究是十分必要的。本文针对环境大数据时代下的城市空气质量预报,提出了一种基于大数据分析与认知技术的专业先进的大气环境业务应用系统体系。该体系基于底层统一的数据资源中心,融合各类不同类型的空气质量监测、不同预报系统的产品数据以及基础辅助数据,建立数据汇交、共享、质控管理机制,通过上层预报预警、综合分析、案例分析、应急决策支持四大子系统,从多模式集合预报结合专家调优支撑高性能预报会商应用,从大数据融合时空关联分析深度挖掘大气复合污染特征与污染成因,从多维度历史污染过程和天气形势全自动化认知分析支撑重污染过程研判,从业务化仿真情景方案与污染溯源助力专业应急决策。最后,通过在北京市环境保护监测中心的系统实现证明体系的高性能、稳定性和实用性。     

内蒙古生态环境大数据建设的思考与探索

生态环境大数据的建设与应用,是推动互联网与生态文明建设深度融合的一个重要手段。内蒙古生态环境大数据建设作为全国环保系统示范试点,牢牢把握这个历史机遇,从目的、原则、定位、步骤四个方面进一步理清了生态环境大数据建设的思路,并结合内蒙古的实际,遵循先易后难、逐步完善、稳步推进的方法,确定了生态环境大数据建设的内容,确立了内蒙古生态环境大数据建设要向数据产业化发展的战略部署。以此来更好地适应环境保护新形势、新任务、新要求,为全面提升环境保护监管水平、推动环境信息公开和公众参与、提高各级党委政府和谐发展和绿色发展的综合决策水平而奠定坚实的基础。     

成都市水环境信息化建设与研究

分析了当前全国、四川省及成都市水环境的基本情况,结合成都市水环境业务需求和信息化基础,讨论了成都市水环境管理信息化建设顶层设计的必要性和可行性,对水环境信息化做了顶层设计、对重点业务进行了详细设计、提出了技术路线,并对系统建设实际应用、所遇问题和未来发展方向进行了探讨。     

基于智能电网大数据的工业企业大气污染排放特征研究

本文尝试构建基于智能电网大数据的工业企业污染排放预测方法。通过分析上海大中型工业企业用电量与工业总产出、工业总产出与主要污染物直接排放量之间的关联关系,本文建立了工业企业基于用电量的直接污染排放清单估算方法。利用此估算方法,可在实时的智能电网大数据基础上估算工业企业直接污染排放量,服务于大气污染的实时预警和预测。本文研究表明,这种清单估算方法可直接应用于工业企业污染的实时防控,既可服务于政府大气污染监测、应急机制启动时防控对象的选择,也可服务于未来的污染物排放权实时交易市场的供需分析等,是大数据在污染防治领域应用的可行路径。     

基于大数据的“邻避”设施环境社会风险评估方法研究

着力防范化解环境社会风险是社会和谐稳定的重要前提。本文基于国内全网2019—2020年关于“垃圾焚烧”的网络舆情数据,通过情感词典、TF-IDF关键词提取和人工识别方法进行“邻避”冲突的原因分析,在此基础上构建本土化的“邻避”设施环境社会风险指标体系和评估方法,结合环境、人口和社会等多源大数据,基于自然断点法对风险等级进行分类,以全国生活垃圾焚烧发电设施的重点区域为案例开展环境社会风险的分析评估。结果表明,担忧破坏生态环境、反对选址位置、担忧排放物有毒是贯穿2019—2020年两年的主要反对原因,占据反对原因的50%以上。之后,本文对各项反对因素进行归纳汇总,构建了12项指标的风险评价指标体系,其中环境因素、人口因素和社会因素为一级指标,其权重分别达到0.33、0.49和0.18,人口因素是影响程度最大的因素;对案例风险评估结果表明全国范围和六大重点区域的大多数设施拟建设于重大风险或特大风险地区,需着重关注这些地区的生活垃圾焚烧发电项目规划布局和风险防控问题。     

生态环境大数据建设的思考

我国生态环境大数据建设前景广阔,挑战重重,在数据共享、数据开放、应用创新、技术落地等方面存在不同程度的困难.本文通过分析大数据的发展和特征,阐释了生态环境大数据建设的重要性和紧迫性,梳理了开展生态环境大数据建设的难点及其产生原因,提出了当前形势下开展生态环境大数据建设的思路和建议,包括树立全局性的生态环境大数据发展观,推动环保业务全流程数据管理,形成生态环境大数据的数据体系,以大数据为核心构建环境管理新业态、以创新精神做好大数据应用等.     

环境预警系统的类型和构成

环境预警系统的类型和构成研究可为各级政府和企业提供决策依据。通过调研国内外环境预警系统的类型和构成要素,提出石油企业环境预警系统的设想,并对目前存在的问题进行探讨,以实现对环境事件及时预防的作用。     

基于多模态感知的危险废物环境风险评估与预警研究

为了有效地防范化解危险废物的环境风险,亟须构建风险的精细化评估与实时智能预警系统。然而,危险废物特性复杂、全过程流转链条长,传统的单一感知数据并不能满足环境风险评估和预警的需求。因此,本文提出基于多模态感知的危险废物环境风险评估与预警方法,采用物联网、大数据、人工智能等技术手段,实现危险废物基础信息、环境要素、空间信息的多模态实时感知,并通过感知信息的融合、分析,进行准则判断或现象描述。围绕以上研究思路,本文针对危险废物贮存环节及非法倾倒两个重要风险因子释放情景,设计了基于多模态感知的风险评估与预警方法,以期为危险废物环境风险的管控提供相应的服务与决策。     

基于环境污染责任保险的环境风险评估研究进展

环境风险评估是环境污染责任保险制度实施和应用的重要环节,是一种为投保人和承保人量化环境风险的方法,量化结果是保险公司厘定保费的重要参考依据。随着环境污染责任保险的发展和推广,构建适用于环境污染责任保险的环境风险评估体系逐渐成为当前的研究热点之一,但目前针对环境污染责任保险环境风险评估缺乏深入系统的研究与总结。在已有研究基础上,本文进一步明确环境污染责任保险环境风险评估内涵及特征,并对其评估体系进行科学界定,简要评述当前环境污染责任保险环境风险评估的相关研究主题,并在已有模型和方法基础上构建环境污染责任保险环境风险评估的理论框架,最后在总结当前研究不足的前提下,探讨未来环境污染责任保险环境风险评估的研究趋势,为环境污染责任保险的实施和应用提供思路和参考。     

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.