关键词：大数据思维；环境工程；发展趋势
引言
大数据分为数据产品、处理过程和认知过程 3个层次，其中数据产品主要特征 为容量大（Volume）、类型多（Variety）、存取速度快（Velocity）和应用价值高（Value），处理过程指对海量数据进行采集、存储、关联分析和可视化，认知过程指通过对数据的处理获得新知识、从而创造新价值，改变人们认知结构。通过大数据分析（Big Data Analytics，BDA），可以更好掌握客观事件的特征，找到有利于决策的信息。生态环境大数据指运用大数据理念、采用处理方法和分析技术对生态环境数据进行收集、分类、存储、分析与利用，在此基础上进行应用，以解决生态环境问题。
1.环境工程的主要工作内容
环境工程并不是针对自然环境中存在的问题，而是针对社会中存在的一些环境污染问题及资源利用问题，为了能够更好地促进环境的可持续发展，环境工程提出了一些保护环境的技术和方法。环境工程最主要的工作是治理环境污染问题。因为环境污染的治理需要涉及多个方面，所以其中会涉及到多个课程的内容，比如生态学、环境学等等。环境工程不仅要治理环境污染问题，还要保护自然环境中的资源，保证资源能够得到合理的运用。
2.基于大数据思维的环境工程发展趋势分析
2.1提高监测有效便利性
在有效性方面，大数据技术实现大区域环境污染数据互联互通，优化分析数据，实现环境网格化监控和数据高效处理分析，实时显示环境质量评价指数。如黄刚等（2010）等结合 e-Science 的大气数据分析平台，提出数据处理算法与分析结合系统，通过平台对数据进行在线分析和计算，节省网络带宽；黄丹雯（2018）基于自主学习神经网络算法设计校准体系，提高大气网格化监控有效性；谭清海等（2013）提出基于 Server-Client 的远程数据抽取和并行可视化解决方案，实现快速抽取和快速可视化地诊断分析，并在中国气象信息综合分析处理系统 得到应用；在便利性方面，大数据技术能够对准确度降低的传感器实时报警，降低校准技术人员工作强度，保障了特殊区域的气体监测质量；对野外长期动态监测数据进行实时传输，透明访问与高效读取复杂环境数据，包括气候变化特征、水文水质特征、河湖岸线地貌、生态状况和生态景观等，提高数据收集便利性，并挖掘各类环境数据关联性。
2.2优化数据分析评价
大数据技术通过整合各污染源数据，结合分析技术和计算软件，优化监测数据的分析与评价。张璐璐（2017）基于大数据采用监测预警诊断、数字信号处理等技术优化噪声大数据监测分析平台；刘肃平等（2018）结合数据实时分析和批处理技术，采用 Storm+Hadoop 大数据处理架构，实现辅机设备运行噪声的实时监测和分析；王爱娟（2015）基于水利、土壤等数据库，应用土壤流失方程，集成水利普查的流程及计算方法，开发水土流失快速测评系统，推动了网络、水利、土壤等大数据平台的联合应用[1]。
期刊文章分类查询,尽在期刊图书馆
2.3促进资源的合理利用
环境工程不仅仅包括对于环境污染的治理，还包括对于自然资源的合理规划。对人们生活影响较为严重的自然资源是水资源，但是，调查发现，人们对于水资源大多没有节约意识，这就导致水资源正在迅速流失。在水资源的利用中，水利水电工程的开展是最耗费水资源的工程。为了能够更好地保护水资源，实现水资源的合理开发利用，在开展环境工程过程中，可以注重对于水利水电工程相关技术的研发与创新，增加水资源的利用价值，实现水资源的合理利用。我们要充分了解水利水电工程对于水资源的利用情况，根据实际调查所获得的信息进行分析，发现其中存在的资源浪费问题，有针对性地对资源利用中存在的问题进行解决。在科学技术发展迅速的今天，水利水电工程已经广泛引进了GIS技术，其拥有的数据库技术，可以高效、准确地对采集到的数据进行分类整理,并通过数据之间的联系,建立其三维数字模型。通过人工数据对比能够精准发现其中的问题及优点，能够促进工程的有效开展，实现资源的合理利用。
2.4促进污染有效溯源与控制
生态环境大数据技术在实时监测、动态分析、预测预警等方面具有突出优势，有利于实现生态环境污染有效溯源与控制。在水污染防治方面，依托大数据平台可对取水、用水、排水进行实时监测与分析，及时发现水污染问题；对河道监测断面进行数据动态跟踪，结合线性趋势、累积异常、迁移扩散模拟等方法探明河道污染物的时空变化（Lu etal.，2018），追溯污染源，从而有效促进水资源监督管理和污染源头控制。在大气环境污染防治方面，基于大气污染源和大气环境质量的在线监测数据，进行大数据处理和分析，明确大气污染成因及污染源的时空分布，并通过监控平台的可视化技术实现污染源准确定位（Yang et al.，2019）。在固体废物削减方面，可基于大数据优化产业园区布局，实现企业间的资源、能源和废物信息的交换和循环利用，减少废物排放并降低处理成本（Song et al.，2015）。在工业污染控制方面，通过大数据技术分析污染负荷、浓度排放强度、污染企业密度与区域生态环境质量、工业污染物类型的相关性（Xiao et al.，2019），促进工业污染有效控制，如京津冀“2+26”污染防治强化督查应用基于大数据的热点网格技术，高效监督企业污染排放，提高执法的针对性和精准性[1]。
2.5促进污染多领域全过程监管
在大气环境方面，大数据深度处理技术能够基于环境、人口、经济、气象和能源等数据，优化大气污染的可视化时空分布特征及预测结果，突破大气污染监管的空间局限性，从而便于管理部门对大气污染进行更精确、更高效的监督与管理。在固体废物处理方面，可以通过大数据技术建立全过程管理平台，提升监管效率（孔云茹，2018），如实时监测生活垃圾桶丰满度，辨认垃圾流，智能管理生活垃圾收集和回收利用（Catania et al.，2014）；核准建筑垃圾的清运、处置，实现产生方、运输方、处置方三方监管，提升执法的精准性和有效性（苏文芝，2017）；结合大数据和云计算技术有效管理工业固废的产生、运输、回用、处置等环节，实现网上公开、高效交易和有效利用（Bruno et al.，2018；Zhao et al.，2016）；基于大数据和物联网技术建成危险废物动态管理系统，对危废车辆进行实时监控，实现危废处理全过程的监管[2]。
3.结束语
大数据技术所带来的智能化生产、管理方式有利于资源的科学有效配置，也有利于环境监控以及污染源头的治理。大数据思维在环境工程当中的应用使得环境工程向新方向发展，也促进环境工程工作高效、智能化发展。
参考文献
[1] 周腾腾, 戚永洁, 戴建军, 等. 基于大数据思维的环境工程发展趋势分析[J]. 广东化工,2019,46(8):130+139.
[2] 聂森. 退耕还林工程社会效益研究[D]. 北京: 北京林业大学,2011.
论文作者:屈 波
论文发表刊物:《城镇建设》2020年第2期
论文发表时间:2020/4/14
标签：数据论文; 环境工程论文; 水资源论文; 技术论文; 高效论文; 实时论文; 污染源论文; 《城镇建设》2020年第2期论文;