作者：王运涛，王国强 ，王桥 ，张庆竹
作者单位：北京师范大学水科学研究院；北京师范大学地理科学学部；山东大学环境研究院
生态环境大数据可以通过提升生态环境治理体系和治理能力现代化来进一步支撑生态文明和美丽中国建设。近日，北京师范大学王桥院士团队通过归纳总结我国生态环境大数据的发展现状和面临的问题，提出新时代我国生态环境大数据发展的重点方向，并针对性给出对策建议。成果以《我国生态环境大数据发展现状与展望》为题10月14日在《中国工程科学》网络首发。
自“十三五”以来，随着《生态环境大数据建设总体方案》的实施，我国 生态环境大数据逐步走上了快速发展的道路，赋能生态环境综合决策科学化、生态环境监管精准化、 生态环境公共服务便民化。相关部门纷纷启动大数据建设工作，围绕生态环境管理制度、监测设备、数据处理分析、平台管理、业务应用等方面开展不同层面的研究和应用，在生态环境监管、决策及服务等方面的发展取得较大进展。
但我国生态环境大数据研发与应用仍处于起步探索阶段，尚未真正发挥大数据系统对生态环境管理决策的支撑作用。 表现在：数据整合、共享与开放机制不健全；生态环境大数据关键核心技术研发不足；对生态环境管理核心业务支撑不足。
新阶段我国生态环境大数据的发展路径与重点方向
“十四五”时期应坚持以习近平新时代中国特色社会主义思想为指导，深入贯彻党中央国务院指示精神，牢固树立新发展理念，按照高质量发展要求，促进新时代生态环境大数据汇聚共享、深化数据融合创新、提升数据治理能力、保障数据安全， 打造应用多样、支撑有力、产业繁荣生态环境大数据良性发展模式，为提高生态环境保护综合决策、监管治理和公共服务现代化水平提供科学支撑和技术支持。
(一)发展路径
1.机制建设
加强生态环境大数据标准规范研究，完善生态环境大数据共享开放机制。重点探索生态环境大数据领域“官产学研”合作模式，推动基础科学研究与技术推广应用协同并进，利用大数据技术在生态环境要素配置中的优化和集成作用，加强生态环保相关职能部门、机构数据互联互通与共享开放，解决生态环境大数据应用“烟囱”、数据“孤岛”、信息资源开发利用水平低、产品服务缺乏等问题，促进生态环境大数据深度融合于生态环境管理业务。
2.技术研发
推进生态环境大数据基础研究和关键技术研发。针对实现生态环境治理体系和治理能力现代化、提升我国生态环境管理决策综合能力和水平的需要，开展基于云计算、互联网、物联网、人工智能、遥感、环境信息等现代技术的生态环境大数据理论与方法研究，如基于物联网和分布式数据库的生态环境大数据采集与处理、基于人工智能技术的生态环境质量预测预警、基于多元数据同化的污染过程模拟与生态环境评估、污染源与环境质量的关联性分析等，构建面向我国新时代生态环境保护的大数据理论方法体系，为生态环境大数据应用奠定理论方法基础。以技术发展推动生态环境保护业务流程与管理模式创新，实现技术的业务化深度应用， 切实提升管理决策的科学性、动态性与精准性。
3.应用推广
研制生态环境大数据服务平台，开发新型生态环境大数据产品，建立生态环境大数据产业示范区，集成产业链上下游企业，深入挖掘生态环境大数据商用、政用、民用价值，拓宽新的应用场景， 实现大数据产品的推广示范与融合应用。运用生态环境大数据研发成果和环境大数据服务平台开展环境大数据应用服务，如支撑打赢环境污染防治三大攻坚战、助力实现生态环境监测精准化和智能化、支撑开展生态保护与应对气候变化工作等。
(二)重点方向
1.生态环境状况智能感知与问题识别
综合应用物联感知、卫星遥感、互联网抓取等技术，提高对环境要素和污染源全面智能感知和实时监控能力，通过大数据“一张图”实现污染源监测网络可视化，实时查询对应污染源排污状况及视频信息，结合深度学习等大数据分析，从被动响应转变为主动服务，实现生态环境质量与污染源现状问题精准识别，为生态环境监测常态化运行奠定基础。
2.生态环境演变规律及驱动机制挖掘
基于大数据技术获取海量多尺度、多要素、多过程观测数据，将基于机理模型的多源数据与基于大数据驱动模型的数据进行整合，深度挖掘生态环境与社会经济多要素间的关系，解释原本可能因宏观加和被掩盖的个体异质性与时空异质性等特征，形成对于生态环境演变及成因更为深刻与全面的认知，为生态环境领域科学研究与政府部门管理决策提供有价值的知识与信息。
3.环境污染与生态系统受损溯源分析
基于统计数据分析识别污染受体和污染源之间的相关关系，建立污染溯源模型来模拟污染物的空间过程，厘清环境污染和生态系统受损等存在问题的成因及其贡献。强化多源数据融合与挖掘技术， 对与环境污染和生态受损相关的间接变量进行分析，降低对表征源与受体的直接数据的依赖性，实现环境污染与生态系统受损溯源分析。
4.生态环境管理情景模拟与预测评估
开发分布式并行编程和计算框架，结合深度学习和数据挖掘算法，在海量数据进行处理和分析的基础上建立表征自然要素、管理决策变量与目标变量之间关系的大数据模型，最大限度挖掘现有多源数据间的关系，能够兼顾具体决策场景的灵活性与决策依据数据的可获取性，支撑现有信息下的最优化决策。
5.生态环境风险预警与应急决策支持
融合天空遥感、传统地面监测以及物联网实时监测等多源异构时空大数据，进行区域生态环境大数据风险预警与应急决策。基于大数据分析与挖掘对潜在生态风险源、风险路径与受体进行识别。通过对观测异常值快速识别，为突发性生态环境事故进行预警支持，提前判断事故影响范围与严重程度。通过大数据空间分析在突发型污染事故发生后快速合理调配物资与人力资源提供决策支持信息。
6.生态环境保护工作监督与绩效评价
审核生态环境上报数据，识别错误数据与异常情况，支持生态环保数据可靠性监督与监管。基于多源遥感数据和大数据分析技术，提高环保督查工作效率。构建生态环境保护工程项目大数据集，基于以往项目数据建立绩效评价阈值标准，实现更加精确的环境绩效评价，从而实现有限资源有效分配和效益最大化，提高生态环境部门决策的科学性和资金使用效益。
