大气环境监测中大数据技术的应用实践探究

摘要：近年来，我国大气污染问题日趋突出，主要表现为：雾霾，臭氧层破坏，酸雨等。为有效地解决上述问题，对大气环境进行监测显得尤为重要。近年来，大数据的出现为大气环境监测带来了新的思路。本项目拟通过对大数据技术在我国大气环境监测领域的研究现状和发展趋势进行分析，为我国大气环境大数据技术的推广应用奠定基础。

关键词：大气环境监测；大数据技术；应用

引言

随着互联网、物联网、云计算等新兴技术的迅猛发展，大数据技术应运而生。本项目的研究成果将为我国大气环境监测领域的发展提供一种新的途径。利用大数据技术，能够实时、在线地、动态地分析和处理大量的空气环境数据，为环境管理与决策提供更为准确、及时的数据支撑。

1.大气环境监测中应用大数据技术的重要意义

随着大数据技术在环境监测领域应用的日益深入，其作用和优势越来越突出。政府环境监管部门以及相关企业，通过深入应用大数据技术优势，解决环境监测数据获取、环境质量分析、环境质量预测预报、环境污染成因解析、污染源执法监测、环境风险应急预警等业务情景下面临的问题，对于保障生态环境监测数据“真准全快新”，实现生态环境监测数字化转型、让生态环境监测网络建设更加完善科学、生态环境管理、社会服务支撑更加扎实有力等方面具有十分重要意义。

2.当前大气环境监测领域用到的大数据关键技术

2.1.数据采集与预处理

数据采集技术主要是指通过传感器、通信网络、智能识别系统、互联网泛在等多种生态环境监测感知手段实现对各种环境监测对象信息的快速定位、采集、传输、信号转换等。数据预处理技术是以直接面向快速分析处理为目的，对多种类型数据进行抽取、清洗、转换等操作，实现对复杂数据的快速、规范化处理。

2.2.监测数据集成管理技术

数据集成管理技术主要是针对生态环境监测数据的整合、存储和资源化过程，根据实际业务需要选择不同的存储模式，在多源数据存储技术基础上，面向业务应用实现提供统一数据服务的能力，实现业务应用与数据存储基础设施的解耦。

2.3.数据分析与挖掘技术

数据分析与挖掘技术允许利用数理统计、数值模拟、算法模型、机器学习、神经网络等多种方法，使用分布式计算、内存计算与数据流处理等多种数据处理手段对环境质量、污染排放、监控监管、自然资源、社会经济等数据进行深度挖掘分析，识别环境风险或污染排放异常行为，研究关联关系及变化规律，提升监控预警或环境质量预测预报水平，高效支撑管理决策，优化环境治理措施。

2.4.数据时空可视化展现和应用技术

数据时空可视化展现和应用技术主要是指以图文、报表、GIS、二三维等形式将大气环境形势分析研判、污染精细化管控、监测信息公开等相关内容动态、直观、生动、智能地呈现给决策者、管理者、业务技术人员和社会公众等用户，供其分析使用。

3.大数据技术在大气环境监测中的主要应用场景

3.1.管理决策

在管理决策方面，依托数据分析挖掘技术开展环境质量形势分析、管控任务达标分析、污染源排放监管、污染物追因溯源、工业园区污染物管控、生态环境质量会商、环境空气质量精细化预报、大气网格化监测监管、水环境质量精细化管理、流域综合治理、秸秆燃烧识别等管控措施成效评估、环境质量民意调查与舆情监测分析等，通过加强数据关联分析和智能化应用，让监测更智能、让排污更透明、让管控更精准、让决策更科学。

3.2.智慧感知

在智慧感知方面，综合大数据，物联网，卫星遥感，航空、无人机、无人船遥感等技术研究提升大气环境质量监测、污染源监测、突发事件应急监测等情境下地面观测、遥感监测、互联网泛在等数据的采集、传输、汇聚和质控能力，保障数据质量、数据时效和数据安全，简化优化自动监测和手工监测规范流程，辅助提升天地一体协同监测感知能力，为环境质量形势分析、污染精细化管控提供重要技术保障。

3.3.数据共享与信息公开

在数据共享与信息公开方面，通过数据集成管理技术、数据时空可视化展现与应用技术，在数据资源中心、数据共享系统、生态环境综合管理平台、数据门户网站、APP建设上，统筹实现大气环境监测数据资源加工治理，大气环境监测数据与基础地理信息、水文、气象、交通、能源、卫星遥感等数据融合，大数据平台集中管理，综合管理平台汇报展示，数据开放共享等能力。

4.进一步加强大气环境监测中大数据技术应用的对策建议

4.1.全面深化监测数据融合应用

全量归集全省地面、高空、雷达与卫星等生态环境监测数据，充分挖掘大数据应用潜力，利用先进的排放源反演技术，降低排放源清单不确定性。探索建立“机器学习+数值模式”的双预报引擎智能择优预报技术体系，采用多源数据同化提升初始场精度，进一步提升空气质量模型预报预测准确率。

4.2.全方位支撑大气污染治理，提高精细化管理水平

面对日益严峻的臭氧污染形势，还需要开发多源观测数据同化和融合欧拉及拉格朗日模型方法的网格化快速溯源技术。建立智能适应污染应对技术体系，以空气质量等级降级为目标，快速智能制定区域协同、多措协同、污染因子协同的精细化管控措施。利用空气质量模型溯源解析工具，开展臭氧及其前体物来源共析，利用粒子扩散模型及排放清单反演特征，针对重点目标区域的网格化来源解析，精准确定污染应对管控区域和管控因子。

4.3.加强对细粒子来源分析的研究，加强对污染的科技支撑

要加大对PM2.5、PM10等细颗粒物源解析研究，并向社会及时发布，要在已有技术体系上不断创新完善。持续开展源解析工作，开展大气PM2.5的成因分析，量化分析区域传输影响，为区域联防联控和污染防治政策的制定提供科学依据。大气PM2.5痕量有机示踪物可为PM2.5中有机物来源解析提供技术支撑，快速定性追踪主要污染源，更好地助力于污染来源快速识别和变化特征分析。因此，要加快开发多环芳烃、正构烷烃、有机酸、藿烷、甾醇和同位素等痕量有机示踪组分监测方法，在重要时段和重污染过程中为更精准地解析PM2.5有机物来源提供技术支撑。

4.4.完善高密度监测网

探索应用污染浓度反演与高值区精准识别技术，完善高密度监测网。将“小、散、乱、污”等过去难以捕捉的无组织排放精准溯源，将这些频次高、浓度高的污染区域标记为“热点网格”，一旦“热点网格”出现高浓度报警，可及时地定位到点，并将数据信息回传至执法部门，从而有效地帮助相关部门开展各项执法行动。高密度监测网的布设及应用，可以直接支撑区域内每月一次的“点穴式”执法，重点排查“热点网格”和属地量化排名靠后乡镇的热值区域，进而可以有效提升大气环境精细化管理水平。

5.结束语

综上所述，随着大数据的不断涌现，大数据越来越多地被应用于大气环境监测领域，为环境管理与政策制定提供了更为准确、及时的数据支撑。在未来，随着大数据的发展与完善，相关的政策与法律法规的逐步完善，大数据在大气环境监测领域的应用将会越来越广、越来越深。促进大数据与环境、气象、地理等多个学科的深度融合，为解决我国大气环境污染问题提供更为全面、系统的解决方案。

参考文献

[1]于文健.大气环境监测中大数据解析技术应用研究[J].皮革制作与环保科技,2021,2(19):60-61.

[2]陈琰.大气环境监测中大数据解析技术应用[J].中国新技术新产品,2021,(04):122-124.

[3]黄润楠.探析大数据解析技术在大气环境监测中的应用[J].农家参谋,2020,(10):195.