摘要：隨著我國污染防治戰(zhàn)略的深入推進，環(huán)境治理更加立體。結(jié)合物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和業(yè)務模型技術(shù)，文章提出生態(tài)環(huán)境污染聯(lián)防聯(lián)控系統(tǒng)解決方案，提出從污染產(chǎn)生到污染治理、污染排放的全過程聯(lián)防聯(lián)控，重點關(guān)注數(shù)據(jù)“溯源”和“全過程”管控，形成“測、溯、管、治”的精準監(jiān)管體系，并詳細介紹方案的創(chuàng)新點。該方案能夠適用于城市、園區(qū)環(huán)保管理，管理模式創(chuàng)新，技術(shù)手段先進，能夠幫助管理部門將污染防治力量落到實處。

關(guān)鍵詞：污染防治；溯源；產(chǎn)治污；精準監(jiān)管

中圖分類號：G20" 文獻標志碼：A

0 引言

黨的十八大以來，生態(tài)環(huán)境保護工作取得明顯成效，已經(jīng)初步形成生態(tài)環(huán)境監(jiān)測感知網(wǎng)絡(luò)，但當前單一的環(huán)境污染防治手段，對源頭管控不足的現(xiàn)狀，制約著生態(tài)環(huán)境保護工作的進一步發(fā)展。黨的二十大對未來環(huán)保工作的開展提出進一步要求，要深入推進環(huán)境污染防治，堅持精準治污、科學治污、依法治污，持續(xù)深入打好藍天、碧水、凈土保衛(wèi)戰(zhàn)。大自然是人類賴以生存發(fā)展的基本條件，尊重自然、順應自然、保護自然，是全面建設(shè)社會主義現(xiàn)代化國家的內(nèi)在要求。必須牢固樹立和踐行綠水青山就是金山銀山的理念，站在人與自然和諧共生的高度謀劃發(fā)展。

1 污染聯(lián)防聯(lián)控現(xiàn)狀

隨著多年的環(huán)境治理，我國生態(tài)環(huán)境污染防治戰(zhàn)略已從排放監(jiān)測向污染產(chǎn)生全過程監(jiān)測轉(zhuǎn)變，從污染排放濃度單一的管控向排放總量和濃度雙重管控轉(zhuǎn)變，從常規(guī)的企業(yè)環(huán)境治理向改善全域環(huán)境、調(diào)整社會產(chǎn)業(yè)結(jié)構(gòu)、發(fā)展清潔能源轉(zhuǎn)變，污染源產(chǎn)污、治污、排污環(huán)節(jié)的聯(lián)防聯(lián)控已經(jīng)成為生態(tài)環(huán)境管理的重要需求。

在數(shù)字化轉(zhuǎn)型的背景下，一些學者對構(gòu)建智能便捷的生態(tài)環(huán)境信息化工作進行了思考和討論。張波等［1］提出強化一體化生態(tài)環(huán)境智能感知體系建設(shè)，探索利用走航監(jiān)測、無人機、視頻監(jiān)控、智能機器人等手段加強對污染排放和環(huán)境風險的監(jiān)測。魏斌等［2］認為生態(tài)環(huán)境信息化發(fā)展的重點是數(shù)字技術(shù)賦能生態(tài)環(huán)境綜合管理和決策。

基于物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和業(yè)務模型算法技術(shù)，以數(shù)字經(jīng)濟發(fā)展為契機，充分利用新一代信息技術(shù)推動生態(tài)環(huán)境監(jiān)測、管理業(yè)務創(chuàng)新，激發(fā)環(huán)境要素數(shù)據(jù)價值，打造集數(shù)字化、物聯(lián)化、智能化于一體的污染聯(lián)防聯(lián)控管理體系，成為國家對環(huán)境信息化和數(shù)字政府建設(shè)提出的新要求。

2 污染聯(lián)防聯(lián)控系統(tǒng)技術(shù)思路

構(gòu)建智能物聯(lián)網(wǎng)（IoT）數(shù)據(jù)中臺，對采集的各類環(huán)境數(shù)據(jù)進行清理、抽取、轉(zhuǎn)換和裝載，構(gòu)建環(huán)境實時庫和歷史庫，實現(xiàn)在線監(jiān)測、預警報警、污染溯源和防治決策。生態(tài)環(huán)境污染聯(lián)防聯(lián)控系統(tǒng)由“一云、一圖、一中心、三服務”組成（見圖1）。

2.1 “一云”是指環(huán)保物聯(lián)網(wǎng)云平臺

構(gòu)建環(huán)保物聯(lián)網(wǎng)云平臺作為污染聯(lián)防聯(lián)控系統(tǒng)的基礎(chǔ)底座和應用平臺，為數(shù)據(jù)提供接入存儲，為用戶管理提供功能交互，實現(xiàn)環(huán)境物聯(lián)網(wǎng)數(shù)據(jù)的統(tǒng)一管理。系統(tǒng)采用以云平臺部署的方式，較構(gòu)建數(shù)據(jù)中心方案耗時更短、成本更低、性能更高，信息安全有保障。

2.2 “一圖”是指產(chǎn)治污聯(lián)防管控一張圖

以畫像的形式呈現(xiàn)業(yè)務，以全面數(shù)據(jù)集成、場景化業(yè)務展示為支撐，構(gòu)建生態(tài)環(huán)境全要素綜合分析一張圖，實現(xiàn)信息數(shù)字化、管理一體化、指揮聯(lián)動化和決策科學化。

2.3 “一中心”是指生態(tài)環(huán)境大數(shù)據(jù)中心

依托大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu)，對環(huán)境管理涉及的海量、多源、異構(gòu)數(shù)據(jù)，進行采集、清洗、轉(zhuǎn)換、存儲、加載和智能分析，建設(shè)以環(huán)境質(zhì)量監(jiān)測、污染源管控、生態(tài)環(huán)境管理為核心，涵蓋生態(tài)環(huán)境領(lǐng)域的基礎(chǔ)數(shù)據(jù)倉庫以及基于業(yè)務主題的數(shù)據(jù)集市，對業(yè)務數(shù)據(jù)進行深入分析、分類、抽象、預測，實現(xiàn)對各類環(huán)境數(shù)據(jù)的統(tǒng)一管理。

2.4 “三服務”是指企業(yè)信息化服務、環(huán)境監(jiān)管服務和區(qū)域治理服務

為企業(yè)提供全面環(huán)保信息化服務，全面掌握企業(yè)產(chǎn)污、治污、排污全過程，融合企業(yè)“智改數(shù)轉(zhuǎn)”工作，全面提升企業(yè)環(huán)保管理意識和管理能力，落實企業(yè)環(huán)境監(jiān)管主體責任。

為政府提供環(huán)境精準監(jiān)測、高效管理、科學應急的系統(tǒng)化業(yè)務應用，與現(xiàn)有線下的工作相結(jié)合，提升環(huán)境監(jiān)測和污染監(jiān)管水平，提升政府綜合管理與服務能力。

為區(qū)域生態(tài)環(huán)境大數(shù)據(jù)建設(shè)提供數(shù)據(jù)和能力支撐，實現(xiàn)更快速感知影響區(qū)域環(huán)境的監(jiān)測指標，為重點區(qū)域治理方向及重大環(huán)境問題決策提供依據(jù)和參考，實現(xiàn)可持續(xù)發(fā)展。

3 環(huán)境數(shù)據(jù)支撐體系

系統(tǒng)建立物理分散、邏輯集中的生態(tài)環(huán)境監(jiān)測數(shù)據(jù)資源中心體系，對各類環(huán)境業(yè)務數(shù)據(jù)建立數(shù)據(jù)傳輸協(xié)議、數(shù)據(jù)發(fā)布和交互規(guī)范、統(tǒng)一的數(shù)據(jù)接口標準。通過數(shù)據(jù)標準化建設(shè)，有效降低了各子系統(tǒng)之間的交互成本，提高了數(shù)據(jù)協(xié)同提取效率，為環(huán)境數(shù)據(jù)橫向協(xié)同計算分析提供高效的數(shù)據(jù)底座。

3.1 環(huán)境大數(shù)據(jù)收集

產(chǎn)品的數(shù)據(jù)來源主要有物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)收集和Web數(shù)據(jù)爬取兩種，系統(tǒng)使用的關(guān)鍵技術(shù)有Sqoop、Flume以及網(wǎng)絡(luò)爬蟲Heritrix、Nutch等技術(shù)。收集包括“環(huán)境質(zhì)量監(jiān)測數(shù)據(jù)”“污染源監(jiān)測管理數(shù)據(jù)”“環(huán)境管理業(yè)務數(shù)據(jù)”“環(huán)境政策法規(guī)標準”4大類38小類數(shù)據(jù)資源，構(gòu)建生態(tài)環(huán)境數(shù)據(jù)資源目錄。

3.2 環(huán)境大數(shù)據(jù)預處理

在特定場合下，環(huán)境原始數(shù)據(jù)可作為環(huán)境執(zhí)法部門現(xiàn)場執(zhí)法的證據(jù)，因此系統(tǒng)在數(shù)據(jù)管理的一致性、準確性、完整性、時效性、可信性、可解釋性等方面具有極高的要求。為了提高數(shù)據(jù)質(zhì)量，系統(tǒng)引入數(shù)據(jù)預處理功能。數(shù)據(jù)預處理包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)歸約與數(shù)據(jù)轉(zhuǎn)換等階段。關(guān)鍵技術(shù)有數(shù)據(jù)過濾和修正技術(shù)、數(shù)據(jù)噪聲的識別與平滑技術(shù)、數(shù)據(jù)歸約技術(shù)、數(shù)據(jù)選樣技術(shù)、臟數(shù)據(jù)識別技術(shù)、基于模型和學習的數(shù)據(jù)轉(zhuǎn)換技術(shù)等［3］。

3.3 環(huán)境大數(shù)據(jù)存儲

系統(tǒng)使用了結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等數(shù)據(jù)存儲技術(shù)，應用分布式磁盤文件系統(tǒng)HDFS（Hadoop分布式文件系統(tǒng)）、MongoDB文檔數(shù)據(jù)庫、Hadoop Hbase 列式存儲數(shù)據(jù)庫、Redis緩存數(shù)據(jù)庫，構(gòu)建形成環(huán)境大數(shù)據(jù)基礎(chǔ)的數(shù)據(jù)存儲和數(shù)據(jù)管理系統(tǒng)，實現(xiàn)對數(shù)據(jù)的快速存儲、讀取。

3.4 環(huán)境大數(shù)據(jù)處理

系統(tǒng)使用Hadoop MapReduce分布式計算框架和Netty基礎(chǔ)應用架構(gòu)，在源生運算規(guī)則的基礎(chǔ)上，考慮環(huán)境數(shù)據(jù)顆粒度小、數(shù)據(jù)量大、客戶端訪問請求小、運算量大等特征，進一步優(yōu)化底層架構(gòu)，構(gòu)建適用于環(huán)境數(shù)據(jù)特征的HH-TEC環(huán)境大數(shù)據(jù)處理系統(tǒng)，實現(xiàn)支持垂直和水平兩種方式進行分布式運算，實現(xiàn)環(huán)境大數(shù)據(jù)的高效處理，為應用系統(tǒng)提供數(shù)據(jù)處理后臺。

4 環(huán)境模型與大數(shù)據(jù)技術(shù)融合研究

4.1 企業(yè)產(chǎn)污治污聯(lián)控模型

4.1.1 設(shè)施啟停狀態(tài)分析模型

企業(yè)產(chǎn)治污設(shè)施啟停狀態(tài)分析是對排污企業(yè)的產(chǎn)污設(shè)施、治污設(shè)施的狀態(tài)進行實時監(jiān)控［4］。一般來說，企業(yè)的產(chǎn)污設(shè)施、治污設(shè)施有兩種狀態(tài)：正常開啟、停電停機。系統(tǒng)支持對排污企業(yè)的每個產(chǎn)污設(shè)施、治污設(shè)施設(shè)置啟停閾值，并可根據(jù)企業(yè)設(shè)施連續(xù)運行狀態(tài)進行啟停閾值的分析。當設(shè)施運行功率低于設(shè)置閾值并且滿足一定的時長要求時，即可判斷該設(shè)備處于停機狀態(tài)。

4.1.2 治理設(shè)施低負荷運行模型

企業(yè)產(chǎn)治污設(shè)施低負荷運行是對企業(yè)產(chǎn)污設(shè)施、治污設(shè)施用電狀況進行判斷，如產(chǎn)污設(shè)施的實際功率在正常生產(chǎn)狀態(tài)下5日平均值20%（或其他基準值，系統(tǒng)支持設(shè)定）以內(nèi)，但治污設(shè)施的實際功率低于額定功率的10%或正常治污功率5日平均值20%以下，則可判斷治污設(shè)施處于低負荷運行狀態(tài)。

4.1.3 重污染天氣應急管控模型

落實重污染天氣應急管控政策，對排污企業(yè)進行重污染天氣停限產(chǎn)管理。當區(qū)域出現(xiàn)重污染天氣時，系統(tǒng)根據(jù)大氣實時監(jiān)測情況自動發(fā)布預警并生成停產(chǎn)、現(xiàn)場建議清單，通過管控模型對執(zhí)行停產(chǎn)、限產(chǎn)的企業(yè)生產(chǎn)設(shè)施進行實時監(jiān)控，判斷停限產(chǎn)目標是否達成，能夠?qū)ξ磥砉芸叵拗颠M行預測。

4.2 非現(xiàn)場管理與企業(yè)評價模型

利用AHP、熵值法等研究方法，建立企業(yè)自檢自查評價模型（見圖2）。評價模型包含企業(yè)產(chǎn)治污、安全生產(chǎn)、能源管理、風險管理4個一級指標和16個二級指標，通過落實企業(yè)自檢自查評價模型，作為企業(yè)分級管控和執(zhí)法計劃依據(jù)，支撐分級分類管理，輔助環(huán)境問題整改、分級特殊監(jiān)管等措施的執(zhí)行（見圖3）。通過周期性動態(tài)考評，不斷進行結(jié)果校驗和模型優(yōu)化。

圖2 非現(xiàn)場執(zhí)法流程

圖3 非現(xiàn)場執(zhí)法管理效能

4.3 大氣污染溯源模型

《環(huán)境影響評價技術(shù)導則 大氣環(huán)境》（HJ2.2—2018）等國家標準中推薦了一些大氣環(huán)境污染預測模型，例如AERMOD，CALPUFF，CMAQ等模型。此類推薦模型主要適用于城市或更大尺度的污染預測，需要基于大量的氣象數(shù)據(jù)、地形數(shù)據(jù)、地表參數(shù)，對于一般的工業(yè)園區(qū)、環(huán)境風險源點位而言很難應用。小尺度大氣污染溯源方案主要利用連續(xù)在線監(jiān)測數(shù)據(jù)，有效識別污染時段源貢獻率，實現(xiàn)站點污染預警信息的快速研判和精準溯源［5］。

4.3.1 圈定溯源范圍

以事發(fā)地點為中心，往上風向畫一條直線作為輔助線。設(shè)定溯源半徑，以事發(fā)地點為圓心，畫出一個圓形區(qū)域，形成基本區(qū)。

從事發(fā)地點上風向的垂直輔助線開始，向左右各偏移60°，組成的120°夾角，形成一個扇形區(qū)域，作為疑似區(qū)。在垂直輔助線左右夾角范圍內(nèi)分別找到與事發(fā)地點距離最近的事發(fā)前24 h一直未報警的大氣監(jiān)測點，以未報警監(jiān)測點與事發(fā)地點之間距離為半徑，圈出左右兩個扇形區(qū)域，形成溯源區(qū)。

4.3.2 計算綜合貢獻率

結(jié)合在線監(jiān)測數(shù)據(jù)分析基本區(qū)內(nèi)各點位對本次污染的貢獻情況，計算綜合貢獻率。源綜合貢獻率是指對廢氣排口各關(guān)聯(lián)污染因子事發(fā)期間以及事發(fā)前24 h的源貢獻率求均值。排口源貢獻率根據(jù)單因子源貢獻率求平均，其中，單因子源貢獻率=單因子源排放量/單因子區(qū)域總排放量。

4.3.3 污染擴散模擬

通過高斯煙羽模型預測污染擴散路徑上的污染源濃度值，并利用可視化技術(shù)進行擴散模擬。模型支持0.1 km×0.1km細顆粒度網(wǎng)格劃分，根據(jù)計算得到網(wǎng)格中心點的污染物濃度值，通過相對應的坐標值，在GIS地圖上進行可視化渲染。可視化結(jié)果與評估區(qū)域基礎(chǔ)地理信息底圖疊加，實現(xiàn)了預測結(jié)果直觀顯示。

4.4 水污染源溯源模型

4.4.1 污染物超標報警

設(shè)置污染物超標報警策略，當污染物濃度持續(xù)超過閾值時觸發(fā)系統(tǒng)報警，可以通過修改污染物濃度閾值、持續(xù)超標數(shù)據(jù)條數(shù)等參數(shù)調(diào)整報警策略。

4.4.2 污染物超標監(jiān)測站追溯

通過污染物超標報警，確認報警時間、污染物的種類、濃度、超標持續(xù)時長。根據(jù)污染物在河道中的擴散速率，追溯歷史時刻上游測點是否存在污染物超標情況。

依據(jù)測點歷史監(jiān)測數(shù)據(jù)，判斷測點a在t2時刻報警污染物是否超標（見圖4）。

圖4 污染追溯位置測算

Δt=ΔL/V

t2=t1-Δt

式中：ΔL表示報警點與測點a之間的距離；V表示污染物的擴散速率。

假設(shè)報警持續(xù)時長為s，可以判斷測點a在［t2-s，t2］時刻之間是否存在污染物超標情況。

最終得到設(shè)定的追溯范圍內(nèi)上游所有存在報警污染物超標的監(jiān)測點。

4.4.3 確定源頭測點

基于污染物濃度變化相似度過濾器，從上游所有存在報警污染物超標的監(jiān)測點中篩選出源頭測點。從報警時間開始往前推48 h，得到報警點超標污染物48 h濃度變化數(shù)據(jù)（4 h做1次樣，共12條數(shù)據(jù)）。

參照上文溯源第二步中的計算公式，計算得到t2時刻。再從t2時刻往前推48 h，得到超標測點a超標污染物48 h濃度變化數(shù)據(jù)（見圖5）。

利于余弦相似度法，計算以上2組濃度變化數(shù)據(jù)的相似度。

依據(jù)此法，計算上游所有存在報警污染物超標的監(jiān)測點與報警點污染物濃度48 h連續(xù)數(shù)據(jù)的相似度。

再剔除其中相似度低于80%的測點（相似度過濾閾值可以調(diào)整），剩下的測點中位于最上游的測點（包含報警點本身）即為最終確定的源頭測點。

4.4.4 輸出疑似污染源清單

建立測點與污染源關(guān)聯(lián)清單?；跍y點關(guān)聯(lián)污染源過濾器，根據(jù)源頭測點的關(guān)聯(lián)污染源，得到初步的疑似污染源名單。

建立污染源排放特征庫?；谖廴驹磁欧盘卣鬟^濾器，剔除與當前報警污染物不相關(guān)的污染源，得到最終的疑似污染源清單（見圖6）。

5 人工智能技術(shù)與環(huán)境物聯(lián)網(wǎng)應用

采用機器學習、知識圖譜、圖像處理和自然語言處理，實現(xiàn)生態(tài)環(huán)境預測、溯源、調(diào)度等功能。通過人工智能機器學習，能夠智能識別企業(yè)篡改數(shù)據(jù)違法行為；能夠識別入河排污口漂浮物異常情況；支持黑煙車、黑臭水體、非法采砂、非法傾倒等污染行為的識別、預警預報；能夠基于歷史數(shù)據(jù)預測環(huán)境質(zhì)量未來走勢，形成預警報警；能夠?qū)W習環(huán)境應急預案，對環(huán)境預案內(nèi)容進行解析生成應急流程步驟，一鍵自動調(diào)度指揮。

基于數(shù)據(jù)分析引擎對異常數(shù)據(jù)進行檢驗，包括超標檢驗、波動檢驗、定值檢驗、零值檢驗、規(guī)律性檢驗等。同時，從企業(yè)自身全生命周期數(shù)據(jù)維度進行異常數(shù)據(jù)融合分析識別，在自動監(jiān)控數(shù)據(jù)基礎(chǔ)上，結(jié)合企業(yè)生產(chǎn)要素、企業(yè)能耗、工況等數(shù)據(jù)進行關(guān)聯(lián)分析，發(fā)現(xiàn)異常數(shù)據(jù)和違法違規(guī)行為。

建立環(huán)境大數(shù)據(jù)知識圖譜，采集各類環(huán)境監(jiān)測數(shù)據(jù)和環(huán)境工作文本數(shù)據(jù)， 對數(shù)據(jù)進行融合分析， 構(gòu)建一個多源異構(gòu)數(shù)據(jù)的融合知識圖譜， 將構(gòu)件流程工具化。建立環(huán)境特征庫，包括水紋庫、氣紋庫、聲紋庫、特征污染物名錄庫等。通過圖像處理和自然語言處理能力，將業(yè)務實時數(shù)據(jù)與環(huán)境特征庫通過計算模型，應用OCR技術(shù)分析比對，獲得關(guān)鍵結(jié)論，解決生態(tài)環(huán)境監(jiān)管中的技術(shù)難題。

6 結(jié)語

生態(tài)環(huán)境污染聯(lián)防聯(lián)控系統(tǒng)可以為環(huán)境保護等" 管理部門提供快速監(jiān)測、執(zhí)法、應急反應的依據(jù)，為滿足國家生態(tài)環(huán)境數(shù)字化、智能化管理等方面提供技術(shù)保障。通過先進的數(shù)字技術(shù)手段靶向管理，彌補了環(huán)境監(jiān)管人員數(shù)量和技術(shù)力量的不足，精簡了各項管理成本。系統(tǒng)的應用和推廣實施，對吸引各方資本朝著綠色產(chǎn)業(yè)、節(jié)能環(huán)保行業(yè)、高精尖領(lǐng)域投入起到很好的促進作用，實現(xiàn)了市場資源的有效配置和社會資本的合理使用，具有很高的投入產(chǎn)出比，并對區(qū)域產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、關(guān)鍵基礎(chǔ)設(shè)施技術(shù)進步起到重大促進作用。

參考文獻

［1］張波，吳班，臧元琨.“十四五”構(gòu)建智慧高效的生態(tài)環(huán)境管理信息化體系的思考［J］.環(huán)境保護，2022（20）：24-27.

［2］魏斌，黃明祥，郝千婷，等.數(shù)字化轉(zhuǎn)型背景下生態(tài)環(huán)境信息化建設(shè)思路與發(fā)展重點［J］.環(huán)境保護，2022（20）：20-23.

［3］馬金鋒，饒凱鋒，李若男，等.水環(huán)境模型與大數(shù)據(jù)技術(shù)融合研究［J］.大數(shù)據(jù)，2021（6）：103-119.

［4］何寧，吳宗之，鄭偉.一種改進的有毒氣體擴散高斯模型算法及仿真［J］.應用基礎(chǔ)與工程科學學報，2010（4）：571-580.

［5］彭博.Z所預研創(chuàng)新項目管理模式研究及應用［D］.北京：中國科學院大學，2014.

（編輯 姚 鑫編輯）

Research on the joint prevention and control system of ecological environment pollution and its application

Zhao" Shuxian， Mao" Lei， Gao" Chenglin

（Jiangsu Huihuan Environmental Protection Technology Co.， Ltd.， Nantong 226000， China）

Abstract： With the deepening of China’s pollution prevention and control strategy， environmental governance has become more three-dimensional. Combining the Internet of Things， big data， artificial intelligence， and business model technology， this article proposes a solution for the ecological environment pollution joint prevention and control system， proposing the entire process of joint prevention and control from pollution generation to pollution control and emission， with a focus on data “traceability” and “whole process” control， forming a precise regulatory system of “measurement， traceability， management， and governance”， and providing a detailed introduction to the innovative points of the solution. This plan can be applied to environmental management in cities and parks， with innovative management models and advanced technical means， which can help management departments implement pollution prevention and control efforts.

Key words： pollution prevention; traceability; production and pollution control; accurate regulation