“大数据+”网格化环境空气监测系统综合效能提升探讨

张婉婷 万斌 汪璞 叶驹 张强

摘要 “大数据+”网格化监测系统综合效能的提升，对改善大气环境质量具有现实意义。本文以华中地区W市为例，分析了其环境空气网格化监测系统现状，揭示了其存在的共性问题，并提出解决方案，为环境空气网格化监测系统综合效能提升提供参考。

关键词 “大数据+”；网格化监测；综合效能

中图分类号 X831；TP311.13 文献标识码 A

文章编号 1007-7731（2024）03-0087-04

环境监测在环境管理中具有“雷达”的重要作用，是科学治理环境问题的有力工具之一。随着环境问题的日益突显，对环保的重视程度越来越高。在这一背景下，W市持续加强大气环境监测能力建设，逐步构建了以大气环境监测站为核心的监测网络。同时，借助自动在线监测系统，辅以激光雷达、机动车尾气监测系统、大气走航监测以及秸秆禁烧视频监控系统等多种设施，形成了综合的大气环境监测体系。该监测体系为制定科学合理的环境治理策略提供了数据支持。

为进一步提升空气质量，W市在175个街道（乡镇）布设了176个小型空气质量监测站，以实现更加精细化的环境监测。监测站的布设不仅增强了大气环境监测的全面性和准确性，还进一步提升了城市的网格化管理能力。W市在不断加强环境监测的实践中，逐步构建起了全面、精细的环境监测网络，积累了大量的历史监测数据，为大数据技术的应用积累了数据。网格化监测被认为是城市管理创新的一项重要成果。近年来，大数据技术的快速发展为网格化监测提供了技术支持，并在全国范围内试点推广。大数据技术的引入有助于城市在互联网时代构建信息化支持体系，通过数据分析实现对环境问题的更精准、高效的管理。

W市的大气网格化监测系统建设已取得了显著成效，但其在环境监测大数据应用方面仍有进一步的挖掘潜力。因此，本文总结了W市“大数据+”网格化大气监测系统现状，指出目前大气环境监测系统中存在的问题，并提出解决方案，目的是进一步提升环境监测的效能和精确性，为城市的可持续发展提供更有力的支持。

1 “大数据+”网格化大气监测系统建设现状

1.1 环境质量调度和应急指挥中心全面升级

W市初步建成的环境质量调度和应急指挥中心，以空气质量应急预警系统为突破口，充分整合、利用现有的大气网络化监测实时数据，收集网络媒体上有关空气质量的动态数据，以“环保一张图”为基础，集成空气质量实时发布系统、全市重点污染源在线/视频监控数据、工地扬尘监控数据和机动车尾气检测数据，结合分析扩散模型，与气象、交管和国土资源等部门对接，实现大气环境质量的实时监控。建设内容基本涵盖了大气环境的数据接入、数据分析、预警研判和监管执法的闭环式管理，为环境主管部门对大气环境的预测预判提供了数据支撑。

1.2 网格化监测系统全覆盖

目前，全国已建成空气环境监测网格，据统计，全国共1 733个国家级监测站点（约5 540 km/个），其中，湖北省国家级监测站点59个，省级监测站点110个（约1 100 km/个）。W市国家级监测站点10个，省级监测站点11个，并新建了176个小型空气质量监测站（约43 km/个）。小型监测站是了解城市空气质量状况的重要补充，安装位置更贴近居民生活圈，更能反映所在区域空气质量实际状况。低成本的小型空气监测站的普及，改变了传统空气质量监测模式，基本实现区域大气监测全覆盖，提高了空气质量检测数据的准确度。

1.3 大气环境监测数据逐步共享

大气环境监测数据共享是指在技术、应用和管理等方面实现共享，达到数据采集互联、应用互通和管理互补。综合采集结构化数据、非结构化数据和半结构化数据等，实现大气环境数据的处理、入库和共享服务。大气环境相关数据的来源主要包括现有大气环境相关系统以及已建设的环境资源目录，为W市环境质量调度和指挥提供了大气环境数据基础。同时，将大气环境监测数据接入监测管理平台、生态环境数据资源中心，纳入市智慧城市感知体系，并逐步向各级监管部门、各职能部门和各科研机构等对象开放平台。

2 “大数据+”网格化大气监测系统建设面临的挑战

2.1 多源异构数据的融合

基于不同使用功能和监测设备，W市为已有的监测系统建设了多个数据系统。这些系统由不同承建商在不同时期建设，并且相关数据分散储存。由于大气数据以及数据类型本身的不同，数据结构形式丰富、数据产生量较大、即时性强，不同指标之间的数据呈现形式也不一样，导致多源异构数据的采集、整合、校验与协同处置较为困难。除此之外，数据采集手段呈先进性和多样性并重，合规性不一。提供数据主体不同，既有来自环境监测部门的监测数据，也有研究性质的数据和成果，以及基础性的、普查性的其他必需数据。这些数据相互叠加形成了复杂的异构数据体系，实现各类数据的互联互通有一定挑战。为实现环境质量调度、应急指挥中心和数据资源中心等数据平台的互联互通，需要大力探索多源异构数据的集合分类、现代检索，从而让信息更易被发现和利用。

2.2 监测数据服务环境管理的效益

经过近些年的信息化发展，W市已累积了信息量巨大的重要历史数据，为区域大气环境数据分析和深度挖掘奠定了坚实的基础。对数据的挖掘机制尚未形成，从历史数据中深入探索大气环境监测数据的变化规律存在一定困难，尚未能充分发挥历史数据的价值。从全市大气环境治理角度来看，为科学、精准治理所提供的技术支持水平有待提升；从辖区大气环境管理角度来看，与实现大气环境问题的准确定位还存在一定差距。

2.3 监测数据横纵向的信息共享

随着环境监测的发展，生态环境部门的业务信息资源已经无法完全满足管理要求，需要越来越多的其他部门、行业以及相关业务数据的支撑。W市虽已建立起大气环境基础数据库，但生态环境部门与其他职能部门在信息互联互通方面还存在诸多障礙，也缺少与基层的联动互通。目前，有关学者对空气污染大数据进行了挖掘和分析，在污染规律分析、污染预测和区域污染关联等方面取得了一定进展。然而，所获得的基础数据较少、时效性不强，独立进行的数据挖掘工作与大气学科中经典模型结合不紧密，使得分析结论的准确性、有效性有待评估。如何有效结合大气科学和数据科学，对空气数据进行跨学科分析仍值得进一步探索，而要实现这一目的，部门间监测数据的共享是关键的一步。

3 “大数据+”网格化大气监测系统效能提升对策

3.1 建立大气环境数据仓库

以往，主要由省、市生态环境部门、气象部门和专业机构进行大气环境质量的基础科学研究。随着大数据、智能时代的到来，以科技参与为核心的科学公民成为未来环境治理的新起点。应着眼于数据互联互通，从数据来源、数据描述和数据结果等方面逐步完善数据注册服务，进一步规范统一数据资源目录标准和搜索引擎，使得数据更便于被发现和利用，进一步加强大气环境监测数据的公开和共享。

3.2 深入挖掘重污染天气多变量大数据

小型观测站对大气各类污染物浓度的实时监测和数据采集，形成了具有典型时空特性的多变量大数据集。深入挖掘时空多变量空气污染大数据，从大量网格数据中提取模式或构建模型成为气象信息发现的新途径，可有效实现从数据到气象信息之间的转换，有助于发现污染物在各区之间传输和转化的潜在规律，为验证污染物传输模型提供数据依据，从而为区域协同治理、污染物协同控制提供决策支持。结合数据科学和大气科学，对空气污染数据进行跨学科分析，针对重污染天气时空多变量大数据，从数据特征和污染物传输模型两个方面展开研究，挖掘空气污染大数据中潜在的模式和异常事件，研究集成数据特征和传输模型中潜在污染源识别方法，分析污染源的多变量时空演化规律。建立趋势分析、聚类分析、判别分析、相关分析和层次分析等数理统计分析模型和预警系统。

3.3 互相验证模型与监测结果

数据是所有空气质量预测模型的基础，需要监测、气象、地形、土地利用和污染物排放等数据的支撑。无论空气污染内部过程如何复杂变化，空气质量监测数据都反映了最终的结果。近年来，不断收集的空气污染大数据，蕴含着潜在的污染物关联模式和区域间依赖关系，这为从数据角度科学分析空气污染问题提供了思路。现有的小型监测站能够自动捕捉PM2.5、O、SO、CO和NO等基本监测因子的异常排放行为，并在第一时间做出相关预警。第三代空气质量模型CMAQ、NAQPMS、CAMx和WRF-CHEM等是目前大气环境质量预测的首选模型，其多建立在主观假设的基础上，预测结果的准确性需要海量的监测数据进行验证，小型监测站可实现对相关大气模型预测结果与实测结果的互相验证，进一步探讨、验证、建立和完善更加符合不同区域实情的大环境质量预测模型，从而更科学地指导大气环境质量变化趋势的分析与预测。

3.4 建立网格监管长效机制

网格化监测是大气环境精细化管理的重要抓手，可促进环保压力向基层传导，有利于提升对重污染天气的应对能力，实现大气污染“最后一公里”责任落实。建议以“科技网格”倒逼“管理网格”，针对176个小型空气质量监测站点，实施街道（乡镇）大气污染防治“一点一策”，组织编制街道（乡镇）大气污染防治工作指南，分级、分区和分时做好空气污染应对工作。明确大气污染防治组织架构、建立污染源清单、落实防治管控责任，实施以街道（乡镇）为单元的空气质量网格化管理。对街道（乡镇）的空气质量情况定期进行通报，进一步强化网格化管理。加强专业技术机构对街道（乡镇）小型空气质量监测站的运行维护，组织开展比对监测，严格落实小型空气质量监测站监测数据审核机制，确保监测数据的准确性和有效性。充分挖掘小型空气质量监测站监测数据，分析、掌握区域大气污染特征和传输变化规律，为大气污染防治管控工作提供技术支撑。

4 结语

全面提升“大数据+”网格化监测系统的综合效能，可以在多个方面取得积极成果。首先，提高生态环境的感知能力，通过更全面、精确的数据分析，可以更好地了解生态环境的现状和趋势，从而更有针对性地制定环境保护策略和措施。其次，通过释放数据要素的生产力，利用大数据分析技术，发现数据中的有价值信息，从而更有效地利用资源，提升管理效率。最后，通过推动数据增值，将原始数据转化为更高级别的信息，为决策者提供更有深度的分析结果，帮助他们做出更科学的决策。

在接下来的工作中，需要依托环境质量调度和应急指挥中心，将各类监测、监控系统进行整合，充分利用不同数据源的信息，全面准确地掌握辖区内的大气状况，为城市生态环境管理提供更强有力的支持，為大气环境治理提供稳固的基础数据支撑。本文以华中地区W市为例，分析了其环境空气网格化监测系统建设现状，揭示了存在的共性问题，并提出了解决方案，为环境空气网格化监测系统综合效能提升提供借鉴。

参考文献

[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] 孙彩萍，王维. 美国FEA框架和数据中台技术在大气环境数据资源共享中的应用[J]. 环境工程技术学报，2020，10（6）：951-956.

[3] BELLINGER C，MOHOMED JABBAR M S，ZAÏANE 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.技术赋能环境治理：美国环境公民科学对我国的借鉴启示[J].昆明理工大学学报（社会科学版），2021，21（4）：36-43.

[7] 孙彩萍，王维，张亚青. 面向业务驱动的大气环境数据资源分类体系及应用研究[J]. 环境工程技术学报，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] 杨梦婷. 信息化环境下环境管理模式的探索与实践[J]. 上海船舶运输科学研究所学报，2020，43（2）：86-90.

[10] 于振波，刘玉萍，李广来，等. 我国空气质量模型应用中存在的问题及建议[J]. 环境保护与循环经济，2018，38（8）：88-90.

[11] 任珂. 面向空气污染的时空多变量数据可视分析[D]. 长春：东北师范大学，2021.

[12] 胡翠娟，丁峰，伯鑫，等. 美国环境空气质量模型法规化建设经验与借鉴[J]. 生态经济，2014，30（5）：186-189.

（责编：何 艳）

作者简介 张婉婷（1990—），女，湖北武汉人，硕士，从事环境管理工作。

收稿日期 2023-10-27