当前，生态环境问题早已沦为必需要面临的最重要问题。这类问题牵涉到领域普遍、过程简单、驱动因素众多，必须处置海量生态环境数据，这让全球生态环境问题的监测、分析和处置显得十分困难。

随着大数据技术发展，解决问题这类问题有了新方向。大数据技术是信息技术产业的一次最重要技术变革，在数据库系统存储管理和分析处置能力上具备相当大的优势。

因此，将大数据技术引进生态环境领域，把集中在有所不同行业领域的生态环境数据展开有效地构建，并对构建数据展开存储管理及信息挖出，才能更为高效地解决问题生态环境问题。2016年3月，原环境保护部公布了《生态环境大数据建设总体方案》，拒绝把大数据技术作为前进环境治理体系和管理能力现代化的最重要手段，构建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。

生态环境数据的范围生态环境数据有其独特的特征。第一，生态环境大数据具备“空天地一体”的极大数据量。

从数据规模来看，生态环境数据量也已从TB级别跃居到PB级别。第二，生态环境大数据的类型、来源和格式具备简单多样性。生态环境数据在内容上还包括水、土、大气等多方面的数据；从地域上来讲，还包括全球各个尺度，如海洋、森林、湿地等各类生态系统的数据；从数据来源上说道，有来自于气象、水利、国土、农业、林业、交通、社会经济等有所不同部门的各种数据。

且同一种数据在有所不同部门的格式多样，使得各部门之间的同类数据统合具备一定可玩性。整体上来说，生态环境大数据可以分成基础承托数据、自然生态数据、环境监测数据、人文社会数据四个方面的内容。基础承托数据包括了基础地理、遥测影像、气候气象等方面的数据。自然生态数据包括了农田生态系统、森林生态系统、草地生态系统、荒漠生态系统、沼泽生态系统等方面的数据。

每种生态系统包括了有所不同的数据，例如，农田生态系统，包括农田环境要素、主要作物以及肥料农药等投入量、主要作物叶面积与生物量动态、病虫害记录、土壤微生物等；森林生态系统包括植物群落种类构成与分层特征、树种的改版状况、叶面积指数、鸟类种类与数量等。环境监测数据包括了水环境、大气环境、土壤环境、噪声环境、核辐射环境等方面的数据。我国早已可行性创建了一套网络监测系统，还包括1436个空气质量监测站点、82个沙尘暴监测站点、1011个酸雨监测站点、956个地表水水质监测断面、20401个地下水监测站点、301个近海水质监测站点、35000多个土壤污染监测站点。人文社会数据包括了经济发展、基础设施、能源消耗、公众参予、网络舆情等方面的数据。

生态环境大数据涉及文件2016年3月，原环境保护部公布了《生态环境大数据建设总体方案》，把2016年至2018年作为基础建设年，主要已完成生态环境大数据基础设施、保障体系建设和试点样板建设，基本构成大数据采集、管理和应用于格局。《生态环境大数据建设总体方案》的首要建设任务就是要推展环境数据资源全面统合分享，这也是生态环境大数据建设的基础和关键。2019年至2020年为数据建设年，主要扩展深化大数据应用于，构成生态环境大数据创意应用于新的业态、新模式和新的方式。2018年4月，生态环境部公布了《2018-2020年生态环境信息化建设方案》，认为要建设生态环境大数据、大平台、大系统，构成生态环境信息“一张图”。

更进一步特别强调了大数据对于前进生态环境治理体系和管理能力现代化的重要性。2018年12月15日，第二次全国污染源普查暨全国土壤污染状况详查工作前进视频会议开会。生态环境部部长李干杰回应，要坚实前进第二次全国污染源普查和全国土壤污染状况详查。

另外，要强化部门间交流协商，推展数据共享，创建土壤生态环境数据库，完善数据库动态改版机制，为土壤管理提供数据承托。生态环境大数据的分享及应用于生态环境大数据面对的主要问题就是缺少数据共享，其原因有以下几点。第一，生态环境数据简单多样。数据来源完全涵括所有政府职能部门，这些部门彼此之间相连，只是一个个“数据孤岛”。

第二，数据没规范化。数据存储形式不一样，即使在同一个行业，数据也是“一人一个模样”。第三，数据对外开放严重不足。

生态环境数据对外开放总量偏高，大多为静态数据，且集中于在经济繁盛、政府信息化基础和IT产业发展好的城市。第四，不存在敏感性问题。数据对外开放意味著任何人都能iTunes和读取数据，辨别哪些数据可以公开发表、哪些数据必须脱敏，这对各机构来说都是艰难的任务。

因此，对生态环境大数据展开标准化处置以及推展同类数据的接入平台建设是目前迫切需要积极开展的工作。大数据在生态环境领域已获得可行性应用于，主要反映在全球气候变化预测与区域大气污染管理等方面。

随着新的气象观测设备的推展和应用于，气象观测水平由过去较较少指标的常规观测到现在大量多指标的非常规观测，观测的频率和精度日益减少。气象监测站点遍及全球，截至2015年年底，中国已设有5万多个地面自动观测站。气候模式由最初的大气环流模式发展到2020-03-08 的陆、海、空耦合模式，并向着还包括人类生活圈在内的地球各个系统耦合的“气候系统模式”发展，所需的输出变量也从最初的气象数据扩展到现在的植被、土壤、水分、人类阻碍等多方面全方位数据。

2015年9月，中国科学院大气物理研究所等公布“地球数值仿真装置”原型系统，构建了土壤、大气化学、植被动力学、生物地球化学等模式和模块，仅有须要一整天就需要估计地球的大气、水、岩土等多个圈层长达6年的变化。此外，还可以从气候观测数据中挖出新的信息，从而不断扩大业务范围。美国一家公司用于降雨、气温、土壤状况等气象数据与农作物产量展开关联分析，来预测各地农场来年的产量和适合栽培的品种，并将其以个性化保险服务的形式向农户出售，从而增加气象灾害带给的损失。对于大气污染管理，地区间自卫联控依然是当下的共识，大数据为地区大气质量管理、区域间协商和合作机制获取了技术和决策承托。

为预报空气污染状况，IBM公司与北京市政府联合开发了“绿色地平线”大数据平台系统，该系统需要融合当时的气象卫星资料、地面监测资料，根据当时气象条件以及周围所有的企业废气数据展开大数据分析，预测未来72小时的空气质量。在预测空气质量较好的地区，政府通过该地区工厂复工等辅助措施，增加空气污染物质排出，这些措施的实行大幅度增加了整个区域的大气污染物排放量。随着信息技术手段强化，生态环境大数据平台更加完备，各类数据将加快统合，未来将在科学发展与社会经济各领域充分发挥更加强劲的起到。

本文来源：尊龙官方网站-www.lutlegaly.com