【摘要】大气监测是对空气环境进行空间、时间的数据采集，在数据参数基准的确定下，对大气环境污染值进行衡量，为人们日常工作与生活提供基础保障。基于此，文章以大数据技术为出发点，对其在大气监测中的应用优势及实际应用形式进行研究。

【关键词】大数据技术;大气监测;环境监测

网络信息时代的到来，加快行业领域的发展效率，但同时各项运营行为产生的数据信息也逐渐加大，在一定程度上阻缓行业发展进程。大数据技术的出现则有效解决数据信息的加载与存储问题，依托于数据信息处理技术，可对各类信息储备资源进行深度挖掘，然后依据既有的程序指令，对内部信息进行精细化核对，确保各项数据信息运行的精准性。对于大气监测系统来讲，大数据技术的应用，可对气体危害形式产生的数据参数进行精准分类与存储，并依据网络数据库将所测得的数据信息进行核对，然后将数据信息的误差值及时上传到交互界面，为技术人员提供决策信息，为大气环境监管举措的建设提供信息化保障。

1. 大数据技术在大气监测中的应用优势

1.1 共享性优势

近年来，我们国家基础建设的不断完善，令社会经济体系的发展呈现出直线上升趋势，但同时也催生出较为严重环境污染问题，如汽车尾气排放、企业不规范排污等，均将对现有的生态环境造成污染。而在实际防控过程中，独立的职能部门运营体系工作范畴具有一定的局限性，需要通过多部门协同工作，才可形成联动处理机制，对大气环境进行立体化监测。但在监测过程中，污染类气体属于动态移动体系，其随着风向的变化而呈现出区域移动的特性，同时在移动过程中，不可控因素较多，增加实际监测的难度。传统的监测体系只是针对既有的气体环境得出结论，然后将影响因素结合自身的经验来制定防控举措，在动态化环境的变化下，无法保证某一区域的值量监测范围。而在大数据技术的应用下，可通过终端数据库对内部信息资源进行存储与共享，并为各监管部门提供信息交流平台。但受到传统工作体制的影响，各职能部门间的协调机制不足，仍处于各自为战的工作情况。为此，要想发挥大数据技术的优势，应对传统运营形式进行优化改进，积极探索大数据技术的价值，然后将技术与工作体制进行深度融合，以保证大气环境监测工作的顺利开展。

1.2 职能部门融合优势

大气监测过程中，数据信息的展现形式较为繁琐，如各项气体基准参数不一致的话，在数据资源交换过程中，将难以发挥数据本身的优势，进而造成实际监测结果存在一定的误差。从我国现有的监测体系来讲，环保部门实际工作形式是无法满足高效率、高质量监测需求的，同时，在多形式化的监测机制下，每一个职能部门的监测形式也各不相同，如各项参数基准制定不合理的话，将对监测结果造成较大的误差影响。而大数据技术的应用，则可为各个监管部门建立沟通平台，令各部门之间可依据各项参数信息来制定参数基准，实现数据的无缝对接，打破传统职能部门的交流局限，以便于建立标准、规范的数据参数，提高大气监测的精准性。

1.3 数据整合优势

在大气监测中，大数据技术呈现出的数据流动记录与核对的优势，在每一项数据监测中，如二氧化碳、二氧化硫、二氧化氮、大气粉尘颗粒含量等，可将数据值进行时间、空间维度下的精准记录，然后依据数据库内的基准值对有害气体的含量值进行比对。从大气防控角度来看，监测体系一般以全天候为基准，而统计人员在对数据进行整合时，则需从空气质量、大气环境等方面进行分析，而大数据技术则可与卫星系统、地面监测系统进连接，依托于人工智能、神经网络算法来生成相应的数据模型，进而对大气环境中的各项污染值进行精准分析，为技术人员提供决策信息。

1.4 时效性优势

从我国既有的固定节点监测形式来讲，显然已经无法满足当前城市格局的发展形势，而对于政府职能部门来讲，则需通过建设网络监测节点，对大气环境实行多点线控监测。大数据技术则不受时间、空间的限制，只需要终端智能设备便可进行动态化监测，同时，在移动监测的无规律特性下，可令监测结果具有一定的时效性与精准性，拓展实际监测范围，令数据本身的处理结果也呈现出动态特性。

2. 大数据技术在大气监测中的应用研究

2.1 物联网体系建设

空气环境污染呈现出扩散性、区域性、动态性等特点，如单一化的对城市区域进行监测，而未将城市周边区域纳入到监测范畴内，则实际监测结果只能在固定的时间节点下呈现出一定的效果，如当前监测结果在正常值的范畴内，而随着大气动态运动趋势，可能在下一秒的时间下，各类危害空气质量的物质将超出实际检测范畴，令数据监测结果不准确。依托于大数据技术来建立物联网体系，是以外界传感器为监测载体，通过对大气环境中各类信息值及时反馈到物联网体系中，以组建一个高精密性的网络监管体系。而此种监测体系则是将大气环境监测系统、移动监测装置、监测节点等进行综合，打造出一个空前体系下监测格局，对大气质量进行全天候监管。物联网监测体系的覆盖范畴是以传感器的分布形式来决定的，即传感器的数量及空间布局，将直接影响实际监测效率。同时，在系统内部多点控信息的传递下，可对某一项信息资源进行整合，然后依托于内部精密算法及数据库信息资源匹配，决定未来一段时间内大气质量的变化趋势，为技术人员提供较为全面的信息。而技术人员通过内部信息可依据信息的变化趋势，对某一空间节点下污染源进行确定，然后将信息上传到执行部门，令部门及时制定出防范举措。

2.2 数字化模型建设

数字化模型建设是依据信息采集结果，制定监测节点，然后依托于大气污染的数据基准，对各项数据行为进行监测与分析，确保监测结果可满足当前大气环境的监测需求。从大气污染源来讲，内部污染物不具备稳定的化学特性、物理特性等，其在一定反应条件下，可与其它基体进行反应，进而增大物体本身的不确定性。而从模型建设角度来看，大数据技术则可对空气污染物进行多维度监管，然后深度挖掘污染物本身的特性、反应机理等，如大气环境中二氧化硫含量较多时，则当在雨水天气下，大气中的二氧化硫气体可形成酸雨，此时固然空气污染降低，但生成的酸雨将对地表物体、植物等造成一定的影响。而数字化模型的建设，可将各类信息资源进行整合，及时对各类反应信息进行处理，并将结果传输到操作系统内，当工作人员接收到相应的信息时，可及时制定方案，减小大气污染对环境造成的危害。

2.3 数据平台建设

数据平台的建设，主要是对系统运行过程中产生的信息进行整合，为各部门之间建立数据对接平台。如不同区域下的气体监测结果具有一定差异性，而相邻两个监测区域内的信息值关联性较大，在数据信息资源的定向整合下，可有效提升数据监管效率，提升实际监测质量。

3. 结语

综上所述，大数据技术是数据采集、处理、挖掘等技术的总称，在内部精密算法的作用下，可对数据预期变化行为进行预测，极大提升数据分析的精准性。大数据技术在大气监测环境中应用时，通过物联网、数字化模型、数据平台的建设，可对大气环境进行多维度监管，内部信息的实时反馈下，可为职能部门建立信息对接渠道，加大各部门工作的协调性。

参考文献：

[1]涂江重.探讨大气环境监测中大数据解析技术的运用[J].低碳世界，2019，9（08）：1-2.

[2]馬北玲，吕欣，陈星，陈晓红.火电厂大气排放监测大数据分析及政策影响研究[J].中国人口·资源与环境，2019，29（07）：73-79.

[3]陈伟，高嘉文.基于大数据可视化分析技术的大气污染防治审计方法研究[J].财务与会计，2019（07）：65-68.

作者简介：武勇 硕士研究生，工程师，研究方面：大气监测设备方面的。