Page 129 - 大数据技术及安全研究

第三章 大数据技术的应用

理工作的任务调度以及对各类环境数据的查询、统计、展示上，对于环境数据的
挖掘深度不足，运用智慧化、智能化手段支撑决策管理的水平较低。从环境要素
对象上来看，部分地区存在“重气轻水”的现象，水环境模拟预测与溯源能力相

较大气环境模拟要发展得迟缓，水环境模型的本地化准确度较低或无法耦合监测
数据实现在线计算。
（四）生态环境管理与大数据技术结合度不高，复合型人才与团队欠缺
尽管大数据技术在生态环境管理中取得了积极进展，但国家级、省级、市级

生态环境管理部门与科研机构，在大数据的应用创新层次、深度上均不理想，技
术与应用结合度偏低。例如，数字孪生、神经网络算法技术已在水利、勘探、金
融等领域有了较好应用，但在生态环境领域应用深度明显不足。同时，对大数据
和环境学科兼通的复合型人才及科研团队欠缺，没有形成“大数据 + 生态环境”

的核心技术队伍。

四、发展方向及对策

一是强化生态环境感知大数据获取能力。加强国家、省、市、县多级监测能

力建设，进一步开展遥感监测与解译、生物种群监测、土地利用监测、环保设施
用电监测等工作，同时加密监测布点与常规监测指标量，丰富环境遥感数据，通
过多级联动与数据共享，夯实生态环境大数据基础。
二是提升生态环境大数据模拟分析技术水平。聚焦深入挖掘生态环境数据规律

与价值，打通水、气、土、生等生态环境要素关系，提高大数据模型辅助环境预测预警、
污染溯源、环境容量测算、碳汇与碳排放测算、环境应急响应模拟等的及时性与准
确性，充分发挥大数据智能算法在生态环境监管与决策分析中的效力。
三是加速生态环境大数据技术成果推广应用。技术研发应更加注重围绕各级、

各地生态环境管理需求，针对不同环境问题、环境风险与大数据建设基础，整合
技术成果，形成支撑各级各类生态环境监管治理需求的成套解决方案与技术产品，
推动生态环境大数据产业发展与良性循环。
四是加强人才队伍建设培养与多元交流合作。生态环保队伍建设应注重汇聚

电子信息、应用数学、地理信息等多领域尖端人才，重视“环保 + 大数据”复合
型人才培养与队伍建设，促进生态环境管理部门与科研机构、高校的交流与合作，
加强跨行业、跨部分、跨地区交流与经验共享。

·121·