大数据驱动环境管理创新

文 常杪 冯雁 解惠婷 王世汶

前言

顶层设计的概念源自系统工程学。在系统工程学中,顶层设计是指理念与实践之间的“蓝图”,总的特点是具有“整体的明确性”和“具体的可操作性”,在实践过程中能够“按图施工”,避免各自为政造成工程建设过程的混乱无序。应用到政策层面,学术界并未给出统一界定,但几乎都认同顶层设计是一种系统的统筹谋划和总体架构。环境管理领域的顶层设计,即指运用系统论方法,从全局的角度自上而下的整体谋划,使得环境管理内部各个要素能够围绕顶层的环境目标规划设计,从而集中有限资源,更有效地实现既定目标。当前我国环境保护改革进入攻坚阶段,环境管理模式也亟待重大变革。过去规划中环境污染控制的措施方案与质量改善之间缺乏可量化的关联,污染物总量减排的成效在环境质量改善上作用并不明显。因此,实现环境管理战略转型,迫切需要顶层设计,即站在较高的战略点上来构建从规划目标到具体方案的桥梁。而在顶层设计的具体流程中,大数据作为新的技术手段,其应用可极大提高管理的精细化、决策的科学性、降低管理成本。

环境管理顶层设计提出的宏观背景

新形势下环境管理战略转型的要求

改革开放以来,伴随着快速的工业化和城镇化,我国的环境形势日益严峻。大气污染、水污染、固体废弃物污染等发达国家上百年工业化进程中分阶段出现的各种环境问题在我国集中显现。尽管过去三十多年,政府和社会各界在环境保护方面进行了巨大的努力,但环境质量始终未得到明显改善,甚至部分地区还有恶化趋势。区域污染严重,治理难度大,环境承载力不足,环境问题突出。

近年来,我国的环境管理以总量控制为主,主要污染物排放总量逐步削减。“十一五”期间主要控制化学需氧量和二氧化硫排放总量,最终超额完成减排任务;“十二五”增加了氨氮和氮氧化物两项指标,截至2014年底,化学需氧量和二氧化硫已提前完成“十二五”削减目标,氨氮接近完成,氮氧化物减排超过序时进度。总量控制作为现阶段行政约束力最强的环境管理手段,为区域污染物减排作出了贡献。然而,地方政府在实际的环境治理工作中仍存在诸多问题。比如,环保规划以减排为背景制定,总量目标与质量改善脱钩;环境数据质量较差,区域污染特征难以准确把握;治理工程手段缺乏针对性、系统性和科学性;环保投入效果不明显,投资效率低;项目运营状况不佳,后评估不足等等。这些问题导致总量减排虽有成效,但在环境质量改善上作用并不明显。从总量减排的角度看,“十二五”大气污染物的减排目标已接近完成,但按质量标准来衡量,空气方面开展新标准监测的161个城市中仅有16个年均值达标。转变环境管理战略,已经成为当前形势下破解环境污染困局、实现可持续发展的必然选择。

随着十八大将生态文明建设纳入“五位一体”总体布局、2015年新《环保法》实施,环保开始步入“新常态”。“十三五”开始,我国的环境管理战略将逐渐转变为以环境质量改善为导向。将环境质量改善情况作为判断地方政府环保工作成效的考核标准。当然,以环境质量为核心的环境管理新模式并不意味着不再考虑污染减排和总量控制,总量减排与质量改善并不矛盾。一般来说,控污减排的目的更加明确,要求更加刚性,控制措施更加严格,就能实现质量改善。目标更明确、规划更细致、战略更科学,是新时期对各级政府环保工作深入开展的新要求。

要主动适应和积极引领新常态,有效解决环境污染问题,首先就要求做好顶层设计,即站在较高的角度前瞻性地设计总体框架,让各个层次的各个要素能够有机衔接和系统整合,从而使得质量目标和最终的行动方案之间的关联清晰,目标的实施路径具体可落实。

大数据为环境管理提供技术支撑

大数据[本文来自于www.jYqkw.com]是继物联网、云计算之后信息技术产业又一次颠覆性的技术变革,已成为数据挖掘和智慧应用的前沿技术,科技已经进入了大数据时代。作为一种新的价值观和方法论,大数据的本质并不限于数据的规模大,而在于用崭新的思维和技术对海量数据进行整合分析,从中发现新的知识,创造新的价值,带来“大知识”“大科技”“大利润”和“大发展”。大数据将给各行各业带来变革性机会,但真正的大数据应用仍处于发展初级阶段。

2013年被媒体称为“大数据元年”。整体而言,当前全球的大数据应用处于发展初期,中国大数据应用才刚刚起步。环境大数据是在环境感知需求不断扩张、数据挖掘技术不断革新的基础上提出的,也处于起步阶段。环境问题具有分布性、复杂性和动态性,且涉及的部门、地区和行业很多,因此需要处理的数据和信息量十分庞大。大数据作为新的技术手段,可极大地提高管理效率,带来环境管理和环境决策的重大变革。具体来说,大数据的应用在快速监控实时的环境指标,全面感知污染排放、环境质[本文来自于www.jyQkw.CoM]量、应急事故的变化过程,有效判定环境执法与应急处置工作的状态与效果,更智慧地决策重点城市、区域和流域重大环境管理问题等方面均可发挥巨大的作用。

应用到环境管理整体解决方案设计上,大数据的应用则可改变编制规划的流程与方式,让数据说话,使得原本不能量化的内容变得更加容易量化。传统的规划编制是建立在对有限数据量的分析上,将复杂环境系统用有限的要素加以解释,同时研究也以历史数据的静态分析为主。建立在部分要素分析及历史数据基础上的分析极大地降低了决策的科学性。引入大数据开展研究后,一方面大数据平台内涉及的数据要素得到了极大的扩充,传统可利用的数据大都需要具备因果关系,现在只要相关的数据都可被考虑在内。从内容上看,包括了环境数据、社会经济数据及其他关联数据,从形式上看,不仅包括传统的数字数据,文本、音频、视频、图片等半结构化和非结构化的数据也可用来进行深度分析。另一方面,通过传感设备与互联网的应用,数据容量也迅速扩张,可以实现环境数据、信息等要素实时互通共享,不仅包括了历史数据,而且包括了实时的数据。每时每刻的数据都能够立刻进入存储系统并进行计算和呈现。研究的即时性让决策从静态向动态发展,从而推动环境问题得到整体有效解决。

在顶层设计中引入大数据的分析范式后,构建的系统模型更贴近现实情况,这使得决策的科学性增强,同时也更好地实现了精细化管理。这是因为,海量数据的精准分析使得区域间的差异性得以显现,不同的问题需要定制化的方案来解决。传统以定性分析为基础的规划很难发现地区症结所在,从而形成了各地规划大同小异的现象,用同一套办法、同一种思路来解决不同地方的环境问题,管理模式粗放。总的来说,大数据的应用作为一种新的技术手段,系统化分析问题,前瞻性设计总体框架,提出整体解决方案,将带来环境管理决策方式的重大变革。

环境管理顶层设计的基本流程及与传统规划的区别

作为环境决策与管理的重要环节,“九五”以来的环保规划在编制和实施中主要关注总量控制和污染防治,对于环境质量在目标层面仅有“控制环境污染,改善环境质量”这样的定性描述,缺乏量化考核。导致的结果就是,大部分地区的总量目标完成了,但区域环境质量却没有改善。当前仍在施行的“十二五”环保规划仍以总量控制为主,但已开始考虑质量控制了,在6项主要指标中,有2项分别是水质和空气质量指标。正在编制的“十三五”规划则将以环境质量改善为主线,考虑建立环境质量和排放总量双约束指标体系,逐渐转变为全面质量考核的管理模式。但管理目标如何能达到,还需构建目标与方案之间看得见的关联,比如怎样的污染物减排组合与数量可以达到环境质量改善怎样的程度。只有当规划的目标与最终的落地方案有明确的可量化的关系,决策本身才有科学性,具有指导实际工作的意义。

作为从规划目标到落地方案间的桥梁,环保领域的顶层设计将目标锁定为环境质量改善,在这个基础上推导出环境治理方案,起到构建环境质量目标与实施方案定量关联的作用。具体来说,顶层设计涉及面广,流程也较复杂。首先通过监测方案以及已有的环境数据把握区域的环境现状,然后对污染物展开深入分析,比如区域污染特征研究、影响要素解析与溯源等等,从而发现区域环境问题。在诊断出环境问题的基础上,综合考虑区域的环境容量和治理能力,确定好区域的环境治理的近期、中长期目标,并且将最终目标锁定为可量化的环境质量改善。目标的达成需要切实可落地的方案设计。对于解决方案,需要涉及重点领域的识别、国际经验调研、技术路线的选取、治理对策方案研究等。解决路径则涉及具体出台的政策和管理制度,例如,管理政策、产业政策、项目机制等。PPP模式实质上是一种投融资机制,用来解决短时期内资金不足的问题,提高社会资本使用效率。在顶层设计中,解决方案以及实施路径的设计都需要以目标为导向进行科学考量。最后在方案落地时,要进行目标分解和布局研究、重点项目设计、指标体系设计以及专项规划的编制等。

与传统规划相比,顶层设计的各个环节都是围绕环境质量改善这一目标进行规划的,目的就在于确保最终的行动可落实、目标可实现。与定性的规划相比,这使得决策的科学性、精细度、可实践性加强。

大数据在环境管理顶层设计中的应用

大数据在环境管理顶层设计的各个环节均可发挥重要作用。

在诊断区域的环境问题上,传统的规划涉及的要素有限且主要依靠对统计数据的分析,而这些数据往往存在较长的时滞,很难精准地反映当前的情况。大数据的应用带来了研究技术方法的变革,大量感知设备的运用可实现海量实时数据的采集。环境监测数据、企业污染排放数据、气象数据、治理投资数据等环境数据以及相关的自然、经济、社会等数据的更新时间周期大大缩短。同时,各种形式的数据均可实现深度分析使得研究要素大大增加,过去仅仅基于环境统计数据的分析得出的结论很难让人信服。将环境大数据与大气污染模型、水污染模型、生态系统模型等结合起来,就可以较为科学地分析出区域存在的主要问题。由于系统内包含的要素更全面且数据即时性更强,因此对区域实际的动态模拟程度高,使得分析结论的针对性强,为指导治理方案的制定提供依据。

在制定目标阶段,大数据的应用可改变过去“一刀切”和“拍脑袋”决策的情况。结合区域的污染现状和治理重点,且基于国家政策导向和区域发展定位可明确顶层设计的战略目标。在质量考核为导向的大背景下,区域环境治理的目标,不论是近期还是中长期目标,都必须锁定为环境质量改善。那么具体如何制定呢?从理论上说,要实现质量改善,必须明确环境质量是污染物排放总量和环境容量共同作用的结果,污染物排放总量是分子,环境容量是分母。环境质量的改善一定要同时考虑分子和分母,所以既要控制污染物的源头,又要考虑环境资源本身的问题,即实施基于容量的总量控制。体现在目标制定上,就是结合区域的治理能力和地区的环境承载能力,定量规划目标。另外,我国幅员辽阔,气候类型众多,各地区水文气象条件差异很大,且同一地区不同时间,其时空变化与分布特点差异巨大。因此需要针对我国不同地区环境容量的时空特点,逐步采取分季节分区域的总量精细化管理,实施分区域动态污染物容量总量控制。目标的定量化、分时空的动态化差别化,都必须建立在海量实时数据的有效分析基础上。通过数据分析和预测可以比较精准地模拟出真实的环境,确保目标的可实现性。

在解决方案的制定上,以大量的环境数据及可靠的模型作为支撑,建立方案与目标之间定量化的关联。过去的治理方案,从规划目标到任务、措施和重点工程,再到保障措施及机制,泛化和形式化的描述很多,很难给目标的实现提供可衡量的尺度和标准;并且规划中涉及的重点工程项目主要是自下往上报,很难明确其实际的减排效果。顶层设计以质量改善为目标,打包制定一系列的减排措施并给出治理时间表,从上而下建立总量削减与质量改善的看得见的联系,使得方案的治理效果可预见。具体来说,在通过环境监测和数据平台评估区域环境现状并结合特定模型诊断出区域主要问题后,就可以识别出治理的重点领域。针对每个具体领域,首先设计多个治理方案,将具体方案涉及的工程项目、预估的资金需求(基础建设投资、运行费用等)、建设运营需求、污染物减排情况、质量改善情况等要素进行量化测度,并用治理模型进行立体化展现,最终确立经济技术可行且最符合实际需求的最优化方案。这样,治理方案的资金投入、减排情况、质量改善效果都是明确的,地方政府的环境绩效管理能力也得到了增强。另外,由于可以实时监测到方案的治理效果,那么就能够根据实际情况对方案进行动态的调整与更新,方案的可落地性和灵活性得到了加强。

当前,大数据在环境领域顶层设计中的应用尚缺乏成熟案例,但美国在水污染治理中采用的最大日负荷量(TMDL)计划,采用动态定量化的方式管理水质,管理思路可供我国环境管理在开展顶层设计中借鉴。美国环保署(EPA)提出的TMDL计划在流程上主要包括5个步骤。首先,对水质问题进行识别。依据水环境功能区划制定目标水体的水质评价标准,然后收集监测数据评估水体水质状况,从而识别出受限水体并根据污染程度和水体使用功能等因素对其进行排序。其次,制定水质指标及目标。通常会采用一种或几种可定量化的指标作为水质指标,并根据实际污染情况和水体功能要求将目标设置为一个或几个阶段,如近期目标、中远期目标。然后,确定最大污染负荷并将污染负荷进行分配。先对受限水体的污染源类型、数量、地理位置及对水体的影响进行评价,并通过大数据模型模拟预估点源与非点源污染物的入河量,计算实际的污染负荷量。再根据设定的水质目标测算水体达标情况下的允许的纳污量。两者之差便是需要削减的污染物总量。再将污染负荷公平分配到各个点源和非点源上。之后,制定并实施污染控制措施。对各个污染源制定污染物削减计划并严格执行。最后,对控制措施的效果进行评估。在措施实施过程中,可以通过实际的监测数据来评估方案的实际效果,若评估判断可以达到预定目标则继续实施方案,若不能达到预定目标则可修改和调整实施计划。截至2011年,美国累计实施TMDL计划的总数量已达45000多个,改善水体质量的效果非常明显。时空尺度上数据的可用性以及模型的选择在一定程度上决定了TMDL计划能否有效实施。随着GIS及RS等技术的应用可提供大量空间数据信息,以及SWAT、HSPF、WARMF、AnnAGNPS等模型应用的成熟,模型预测的精度和适用性得到加强,TMDL计划在空间性和时效性等方面都得到了较大的改善。

结语

在大数据时代,以数据驱动决策为中心的新思维应积极运用到环境管理中。过去由于数据获取途径以及分析能力的限制,经验性的预测、决策在规划管理中占据主导地位。而当前,各地监测网络布局的逐渐优化、自采数据的传感器的应用以及基于卫星遥感大数据与地面监测站点数据实时融合,可为分析提供更全面的实时数据信息,从更微观的层面反映特定区域的环境质量情况。另外,2015年7月26日国务院办公厅印发《生态环境监测网络建设方案》提出要加快生态环境监测信息传输网络与大数据平台建设,这对于各部门各地区环境数据的融合共享意义非凡。环境数据本身存在的“信息孤岛”等各种问题在逐步得到解决。环境大数据作为新的技术手段,应用到顶层设计中可极大地提高决策的科学性并推动精细化管理。改变制定规划的随意性,让数据说话,量化决策的各个环节,从而使顶层设计中每个阶段都具备科学的逻辑并可以使精密论证成为可能,最终实现我国环境质量的改善。大数据驱动环境管理创新可以从具体区域,如省市或区县,也可以从具体领域,如工业园区、流域治理等人手开始实证性示范研究与试点建设,切实推动大数据在环境管理中的应用。

浏览次数:  更新时间:2017-02-14 21:25:11
上一篇:生态文明体制改革宏观思路及框架分析
下一篇:用环境法治消除“心肺之患”
网友评论《大数据驱动环境管理创新》
Top