摘 要： 生态环境保护是现代社会发展的基本要求之一, 现代技术的进步则为生态环境保护提供了更多支持。基于此, 本文以大数据技术在生态环境保护中的应用价值作为切入点, 予以简述, 再以此为基础, 就国外工作经验展开分析, 最后重点给出大数据技术在生态环境保护中的应用方法, 包括核心信息的应用、信息的积累和长期应用、动态信息捕捉、信息反馈和评估等, 为后续相关工作提供参考。
关键词： 大数据技术; 生态环境保护; 核心信息; 动态信息;
一、前言
大数据指无法在短时间内用常规软件工具进行捕捉、管理和处理的数据集合, 经新处理模式加工后, 具有更强的决策力、洞察发现力和流程优化能力, 是一种现代意义上的信息资产。就生态环境保护工作而言, 大数据技术的应用得到各地、各国家广泛重视, 一方面数据化的信息便于管理、查看、更新, 另一方面大数据的特殊性也能使具体工作获取效率、效果等方面的提升, 价值十分突出。
二、大数据技术在生态环境保护中的应用价值
(一) 数据总量大
大数据的基础优势之一在于信息总量大, 应用于生态环境保护工作, 这一优势还能得到进一步的发挥。如我国东北地区对林业资源以及周边生态环境的保护工作, 借助大数据, 能够了解区域内森林覆盖率、物种信息、各类关键数据的动态变化。历年工作产生的原始数据、经加工后获取的半结构化数据、结构化数据等, 均能在短时间内得到调取和呈现, 有助于针对其中的薄弱部分开展工作, 提升生态环境保护的有效性。
(二) 数据类别丰富
数据类别丰富, 是指大数据能够为生态环境保护工作提供多种类别的资源, 这些资源以信息化形式呈现, 则涵盖多个方面, 便于生态环境保护工作的多样化开展。如旅游业较为发达的地区, 可通过大数据了解当前生态环境保护工作的基本态势, 包括总投资额度、环保资金使用情况、新的环保工作要点、此前工作的执行情况等。不同季节旅游人数的差异, 也会导致生态环境保护工作重点的改变, 借助丰富的大数据可实现对各类因素的分析评估, 做好各项准备。
(三) 数据更新速度快
大数据具有增长率高、更新速度快的特点, 需求方可以自行进行数据收集和更新, 也可以支付少量费用, 获取第三方服务。在此前学者的研究中, 总量相当的信息数据, 常规模式收集耗时超过2400小时, 借助大数据服务, 可在2小时内获取对应资源[1]。生态环境保护工作中, 很多环节对信息的更新速率要求高, 如石油泄漏造成的污染、火灾等, 高速更新的大数据, 也能为对应的特殊工作提供支持, 提升生态环境保护工作的实时性。
三、国外经验分析
(一) 德国经验分析
德国是社会发展水平较高的工业化国家, 其对大数据的应用也体现在社会的各个领域。生态环境保护方面, 德国以联邦政府颁布的法律为依据, 各州可根据工作需要具体开展立法和技术运用工作。如巴伐利亚州首府慕尼黑, 因当地工业活动较为频繁, 政府部门会运用大数据周期了解工业企业的生产态势、空气质量、水体中污染物含量, 并与历史各个时期进行对比, 如果当地出现空气质量下降、水体污染加重等问题, 工作人员会进一步分析水体生物、微生物信息, 了解水体是否出现富营养化问题。所有数据得到收集后均持续积累, 作为大数据, 匹配当前工作的最新结果, 以便工作人员得出客观的结论, 适当限制工业活动, 并对环境保护标准进行必要调整。
(二) 美国经验分析
美国是大数据技术的提出地, 也是当前运用大数据技术最广泛的国家之一, 在生态环境保护方面, 美国的工作模式与德国类似, 强调大量数据的持续收集和累积。在此基础上, 美国额外重视第三方商业机构的作用, 以降低地方政府工作的支出。如美国北部、东北部五大湖区, 水体中的重金属污染相对较重, 且部分外来物种破坏了当地水体生态环境。当地政府部门会通过招标的方式获取能够长期提供可靠大数据信息的合作企业, 由相关企业按照政府部门计划书要求, 周期将大数据信息 (含原始信息和部分结构化信息) 提供给政府工作部门, 使区域生态环境保护工作的情况得到明确, 也为下一阶段活动提供参考[2]。
(三) 太平洋国家经验分析
太平洋西部地区国家旅游业普遍发达, 其对生态环境保护工作的重视程度很高, 也使大数据技术的应用得到更多重视。以旅游业为支柱产业的密克罗尼西亚联邦, 政府部门会通过大数据了解游客入境情况, 再根据入境游客总数和分布态势, 拟定下一阶段的生态环境保护工作计划。如大数据显示5～8月份为游客入境高峰期, 以滨海区域的自助项目作为重点, 可能出现浅海区域人为污染、不可降解垃圾数目增加等问题。2019年间, 政府部门会以上述工作做为重点, 有计划的开展生态环境保护。
四、大数据技术在生态环境保护中的应用方法
(一) 核心信息的应用
尝试利用大数据技术提升生态环境保护工作效果, 首先应重视核心信息的应用, 如以山区生态环境保护作为工作目标, 应获取当地近年来的降水、工业活动、森林覆盖率、生物物种多样性等基本信息, 再以上述信息为基础, 了解具有线性变化特点的规律, 作为后续工作的依托。如当地森林覆盖率, 自2009年到2019年, 10年间森林覆盖率每年出现0.1%～0.3%的增长, 其线性变化特点为正向持续增长。可对该阶段内的工作经验进行总结和梳理, 并积极推广, 发挥大数据的客观性优势。核心信息的应用, 还体现在负面问题的处理上, 如森林覆盖率出现下降, 或非线性变化, 应分析其原因, 根据大数据了解森林覆盖率出现下降的时间点, 进行工作总结、问题评估, 谋求改善。所有核心信息生成后, 均应做标准化处理, 包括存储方式、备份方法、取值模式等, 进行详细记录, 积累后的信息可以为后续同类工作、生态环境保护工作的持续开展提供参考[3]。
(二) 动态信息捕捉
动态信息的捕捉, 是大数据技术运用的关键, 也是生态环境保护工作持续开展的主要要求。在实际工作中, 生态环境保护单位可采用商业合作的方式, 通过第三方获取服务, 也可以自行收集大数据, 为保证对对象目标动态性的收集效果, 以商业服务模式获取大数据更为妥当。如工作对象为水体污染情况, 可通过第三方, 以每周为间隔, 了解区域内水体等级变化, 水体污染物类别和比重变化, 重点水域污染情况等。每一周收集的信息均进行存储, 可保证水体污染问题出现的波动得到快速察觉。大数据的更新速度较快, 但在此过程中, 很多数据不是以结构化形式出现的, 原始数据的加工处理依然面临效率低下的问题。建议采用关键词评估法, 运用计算速度较快的电子计算机, 统一进行原始数据的加工。如将若干份水质报告录入计算机, 取关键词“Fe”, 对所有与“Fe”相关的数据进行调取, 并做升序、降序排列, 求平均值的操作等, 快速获取铁元素的含量信息, 通过结构化的数据支持环境保护作业。
(三) 信息反馈和评估
大数据应用的过程中, 很多信息不能完全体现对象目标的基本情况, 如森林覆盖率信息, 大数据显示森林总覆盖率于2019年4月下降了0.2%, 可能与速生林的采伐相关, 并不代表地区生态环境出现恶化。为保证大数据运用的高效率, 应在实际工作中做好反馈和评估, 作为辅助手段。如将整体数据分为三到四个不同的项目, 每个项目独立获取大数据, 包括“原生森林覆盖率”“次生林覆盖率”“人工林覆盖率”“速生林覆盖率”等, “原生森林覆盖率”“次生林覆盖率”作为生态环境保护的重点, 要求做好信息收集、反馈, 核准数据准确无误, 其他项目作为参考, 借此提升大数据运用的针对性。
五、总结
综上, 大数据技术在生态环境保护中的应用既是必要的, 也是可行的。环境保护工作中, 大数据能够提供数目多、类别丰富的资源信息, 且数据的更新带有实时性。国外对大数据的运用经验丰富, 在其经验基础上, 我国的环境保护工作中, 可重视核心信息的应用、动态信息捕捉、信息反馈和评估, 同时加强信息的积累和长期应用, 从多个角度发挥大数据的作用, 推动生态环境保护工作。
参考文献
[1]苏楚涵.大数据技术在生态环境保护中的应用研究[J].中国新通信, 2019, 21 (8) :105.
[2]张达敏.大数据技术在漳州生态环境保护中的应用实践[J].海峡科学, 2019 (2) :60-62.
[3]蔺旭东, 周军锋, 刘佳.资源关联性大数据分析在农业生态环境保护中的应用[J].中国农业资源与区划, 2016, 37 (2) :62-65.
