生態環境污染聯防聯控系統及應用研究

摘要：隨著我國污染防治戰略的深入推進，環境治理更加立體。結合物聯網、大數據、人工智能和業務模型技術，文章提出生態環境污染聯防聯控系統解決方案，提出從污染產生到污染治理、污染排放的全過程聯防聯控，重點關注數據“溯源”和“全過程”管控，形成“測、溯、管、治”的精準監管體系，并詳細介紹方案的創新點。該方案能夠適用于城市、園區環保管理，管理模式創新，技術手段先進，能夠幫助管理部門將污染防治力量落到實處。

關鍵詞：污染防治；溯源；產治污；精準監管

中圖分類號：G20" 文獻標志碼：A

0 引言

黨的十八大以來，生態環境保護工作取得明顯成效，已經初步形成生態環境監測感知網絡，但當前單一的環境污染防治手段，對源頭管控不足的現狀，制約著生態環境保護工作的進一步發展。黨的二十大對未來環保工作的開展提出進一步要求，要深入推進環境污染防治，堅持精準治污、科學治污、依法治污，持續深入打好藍天、碧水、凈土保衛戰。大自然是人類賴以生存發展的基本條件，尊重自然、順應自然、保護自然，是全面建設社會主義現代化國家的內在要求。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展。

1 污染聯防聯控現狀

隨著多年的環境治理，我國生態環境污染防治戰略已從排放監測向污染產生全過程監測轉變，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變，從常規的企業環境治理向改善全域環境、調整社會產業結構、發展清潔能源轉變，污染源產污、治污、排污環節的聯防聯控已經成為生態環境管理的重要需求。

在數字化轉型的背景下，一些學者對構建智能便捷的生態環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環境智能感知體系建設，探索利用走航監測、無人機、視頻監控、智能機器人等手段加強對污染排放和環境風險的監測。魏斌等［2］認為生態環境信息化發展的重點是數字技術賦能生態環境綜合管理和決策。

基于物聯網、大數據、人工智能和業務模型算法技術，以數字經濟發展為契機，充分利用新一代信息技術推動生態環境監測、管理業務創新，激發環境要素數據價值，打造集數字化、物聯化、智能化于一體的污染聯防聯控管理體系，成為國家對環境信息化和數字政府建設提出的新要求。

2 污染聯防聯控系統技術思路

構建智能物聯網（IoT）數據中臺，對采集的各類環境數據進行清理、抽取、轉換和裝載，構建環境實時庫和歷史庫，實現在線監測、預警報警、污染溯源和防治決策。生態環境污染聯防聯控系統由“一云、一圖、一中心、三服務”組成（見圖1）。

2.1 “一云”是指環保物聯網云平臺

構建環保物聯網云平臺作為污染聯防聯控系統的基礎底座和應用平臺，為數據提供接入存儲，為用戶管理提供功能交互，實現環境物聯網數據的統一管理。系統采用以云平臺部署的方式，較構建數據中心方案耗時更短、成本更低、性能更高，信息安全有保障。

2.2 “一圖”是指產治污聯防管控一張圖

以畫像的形式呈現業務，以全面數據集成、場景化業務展示為支撐，構建生態環境全要素綜合分析一張圖，實現信息數字化、管理一體化、指揮聯動化和決策科學化。

2.3 “一中心”是指生態環境大數據中心

依托大數據基礎技術架構，對環境管理涉及的海量、多源、異構數據，進行采集、清洗、轉換、存儲、加載和智能分析，建設以環境質量監測、污染源管控、生態環境管理為核心，涵蓋生態環境領域的基礎數據倉庫以及基于業務主題的數據集市，對業務數據進行深入分析、分類、抽象、預測，實現對各類環境數據的統一管理。

2.4 “三服務”是指企業信息化服務、環境監管服務和區域治理服務

為企業提供全面環保信息化服務，全面掌握企業產污、治污、排污全過程，融合企業“智改數轉”工作，全面提升企業環保管理意識和管理能力，落實企業環境監管主體責任。

為政府提供環境精準監測、高效管理、科學應急的系統化業務應用，與現有線下的工作相結合，提升環境監測和污染監管水平，提升政府綜合管理與服務能力。

為區域生態環境大數據建設提供數據和能力支撐，實現更快速感知影響區域環境的監測指標，為重點區域治理方向及重大環境問題決策提供依據和參考，實現可持續發展。

3 環境數據支撐體系

系統建立物理分散、邏輯集中的生態環境監測數據資源中心體系，對各類環境業務數據建立數據傳輸協議、數據發布和交互規范、統一的數據接口標準。通過數據標準化建設，有效降低了各子系統之間的交互成本，提高了數據協同提取效率，為環境數據橫向協同計算分析提供高效的數據底座。

3.1 環境大數據收集

產品的數據來源主要有物聯網設備數據收集和Web數據爬取兩種，系統使用的關鍵技術有Sqoop、Flume以及網絡爬蟲Heritrix、Nutch等技術。收集包括“環境質量監測數據”“污染源監測管理數據”“環境管理業務數據”“環境政策法規標準”4大類38小類數據資源，構建生態環境數據資源目錄。

3.2 環境大數據預處理

在特定場合下，環境原始數據可作為環境執法部門現場執法的證據，因此系統在數據管理的一致性、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。為了提高數據質量，系統引入數據預處理功能。數據預處理包括數據清理、數據集成、數據歸約與數據轉換等階段。關鍵技術有數據過濾和修正技術、數據噪聲的識別與平滑技術、數據歸約技術、數據選樣技術、臟數據識別技術、基于模型和學習的數據轉換技術等［3］。

3.3 環境大數據存儲

系統使用了結構化、半結構化、非結構化等數據存儲技術，應用分布式磁盤文件系統HDFS（Hadoop分布式文件系統）、MongoDB文檔數據庫、Hadoop Hbase 列式存儲數據庫、Redis緩存數據庫，構建形成環境大數據基礎的數據存儲和數據管理系統，實現對數據的快速存儲、讀取。

3.4 環境大數據處理

系統使用Hadoop MapReduce分布式計算框架和Netty基礎應用架構，在源生運算規則的基礎上，考慮環境數據顆粒度小、數據量大、客戶端訪問請求小、運算量大等特征，進一步優化底層架構，構建適用于環境數據特征的HH-TEC環境大數據處理系統，實現支持垂直和水平兩種方式進行分布式運算，實現環境大數據的高效處理，為應用系統提供數據處理后臺。

4 環境模型與大數據技術融合研究

4.1 企業產污治污聯控模型

4.1.1 設施啟停狀態分析模型

企業產治污設施啟停狀態分析是對排污企業的產污設施、治污設施的狀態進行實時監控［4］。一般來說，企業的產污設施、治污設施有兩種狀態：正常開啟、停電停機。系統支持對排污企業的每個產污設施、治污設施設置啟停閾值，并可根據企業設施連續運行狀態進行啟停閾值的分析。當設施運行功率低于設置閾值并且滿足一定的時長要求時，即可判斷該設備處于停機狀態。

4.1.2 治理設施低負荷運行模型

企業產治污設施低負荷運行是對企業產污設施、治污設施用電狀況進行判斷，如產污設施的實際功率在正常生產狀態下5日平均值20%（或其他基準值，系統支持設定）以內，但治污設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，則可判斷治污設施處于低負荷運行狀態。

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，對排污企業進行重污染天氣停限產管理。當區域出現重污染天氣時，系統根據大氣實時監測情況自動發布預警并生成停產、現場建議清單，通過管控模型對執行停產、限產的企業生產設施進行實時監控，判斷停限產目標是否達成，能夠對未來管控限值進行預測。

4.2 非現場管理與企業評價模型

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

圖2 非現場執法流程

圖3 非現場執法管理效能

4.3 大氣污染溯源模型

《環境影響評價技術導則 大氣環境》（HJ2.2—2018）等國家標準中推薦了一些大氣環境污染預測模型，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據、地形數據、地表參數，對于一般的工業園區、環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在線監測數據，有效識別污染時段源貢獻率，實現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

以事發地點為中心，往上風向畫一條直線作為輔助線。設定溯源半徑，以事發地點為圓心，畫出一個圓形區域，形成基本區。

從事發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，形成一個扇形區域，作為疑似區。在垂直輔助線左右夾角范圍內分別找到與事發地點距離最近的事發前24 h一直未報警的大氣監測點，以未報警監測點與事發地點之間距離為半徑，圈出左右兩個扇形區域，形成溯源區。

4.3.2 計算綜合貢獻率

結合在線監測數據分析基本區內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聯污染因子事發期間以及事發前24 h的源貢獻率求均值。排口源貢獻率根據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，并利用可視化技術進行擴散模擬。模型支持0.1 km×0.1km細顆粒度網格劃分，根據計算得到網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。可視化結果與評估區域基礎地理信息底圖疊加，實現了預測結果直觀顯示。

4.4 水污染源溯源模型

4.4.1 污染物超標報警

設置污染物超標報警策略，當污染物濃度持續超過閾值時觸發系統報警，可以通過修改污染物濃度閾值、持續超標數據條數等參數調整報警策略。

4.4.2 污染物超標監測站追溯

通過污染物超標報警，確認報警時間、污染物的種類、濃度、超標持續時長。根據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。

依據測點歷史監測數據，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。

假設報警持續時長為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。

最終得到設定的追溯范圍內上游所有存在報警污染物超標的監測點。

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濃度變化數據（4 h做1次樣，共12條數據）。

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濃度變化數據（見圖5）。

利于余弦相似度法，計算以上2組濃度變化數據的相似度。

依據此法，計算上游所有存在報警污染物超標的監測點與報警點污染物濃度48 h連續數據的相似度。

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聯清單。基于測點關聯污染源過濾器，根據源頭測點的關聯污染源，得到初步的疑似污染源名單。

建立污染源排放特征庫。基于污染源排放特征過濾器，剔除與當前報警污染物不相關的污染源，得到最終的疑似污染源清單（見圖6）。

5 人工智能技術與環境物聯網應用

采用機器學習、知識圖譜、圖像處理和自然語言處理，實現生態環境預測、溯源、調度等功能。通過人工智能機器學習，能夠智能識別企業篡改數據違法行為；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；能夠基于歷史數據預測環境質量未來走勢，形成預警報警；能夠學習環境應急預案，對環境預案內容進行解析生成應急流程步驟，一鍵自動調度指揮。

基于數據分析引擎對異常數據進行檢驗，包括超標檢驗、波動檢驗、定值檢驗、零值檢驗、規律性檢驗等。同時，從企業自身全生命周期數據維度進行異常數據融合分析識別，在自動監控數據基礎上，結合企業生產要素、企業能耗、工況等數據進行關聯分析，發現異常數據和違法違規行為。

建立環境大數據知識圖譜，采集各類環境監測數據和環境工作文本數據， 對數據進行融合分析， 構建一個多源異構數據的融合知識圖譜， 將構件流程工具化。建立環境特征庫，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，將業務實時數據與環境特征庫通過計算模型，應用OCR技術分析比對，獲得關鍵結論，解決生態環境監管中的技術難題。

6 結語

生態環境污染聯防聯控系統可以為環境保護等" 管理部門提供快速監測、執法、應急反應的依據，為滿足國家生態環境數字化、智能化管理等方面提供技術保障。通過先進的數字技術手段靶向管理，彌補了環境監管人員數量和技術力量的不足，精簡了各項管理成本。系統的應用和推廣實施，對吸引各方資本朝著綠色產業、節能環保行業、高精尖領域投入起到很好的促進作用，實現了市場資源的有效配置和社會資本的合理使用，具有很高的投入產出比，并對區域產業結構調整、關鍵基礎設施技術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”構建智慧高效的生態環境管理信息化體系的思考［J］.環境保護，2022（20）：24-27.

［2］魏斌，黃明祥，郝千婷，等.數字化轉型背景下生態環境信息化建設思路與發展重點［J］.環境保護，2022（20）：20-23.

［3］馬金鋒，饒凱鋒，李若男，等.水環境模型與大數據技術融合研究［J］.大數據，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］.應用基礎與工程科學學報，2010（4）：571-580.

［5］彭博.Z所預研創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