环境监测数据论文

环境监测数据论文（精选12篇）

环境监测数据论文 篇1

引言

环境监测数据是环境管理、环境执法的基石, 离开了准确可靠的数据支持, 环境管理与环境执法也失去客观有效的依据。但环境监测数据的获得要经历采样、运输、储存、分析、数据处理等多个环节, 任何一个环节的差错都可能导致监测数据异常, 所以正确分析和处理异常数据在环境监测工作中非常重要。环境监测异常数据一般是指环境监测中的失实数据, 即显著偏离环境实际质量、无法准确反映环境污染状况的数据。但要从大量监测数据中鉴别并剔除异常数据并非易事, 有些看似异常的数据背后可能隐藏着不为人知的因素, 贸然剔除会失去深入了解和挖掘这种因素的机会, 因此必须从技术上找到产生异常数据的原因, 然后再采取正确的处理方法。

1. 环境监测异常数据的类型与形成原因

(1) 环境监测异常数据的类型

异常数据分为离群数据、不合理数据、不符合实际的数据。所谓离群数据是指与全部监测数据平均值相差较大、按一定规则或经验判为无效的数据, 例如《饮食业油烟排放标准 (试行) 》 (GB 18483-2001) 第6.5节规定, 5次采样分析结果中的任何数据小于最大值的1/4, 则为无效数据。不合理数据是指不符合日常监测逻辑的数据, 例如环保治理设施进出口污染物浓度倒置。不符合实际的数据是指与长期监测结果形成的共识差距较大的数据, 例如环境质量监测中的污染物浓度较高, 而排污口浓度却较低。

(2) 环境监测数据异常的原因

如前所述, 环境监测数据异常的原因与形成数据的过程有关, 也就是由采样误差、运输与存储过程中样品受到污染、分析误差引起, 当然也包括其他一些原因。采样误差是由采样不规范、采样位置不符合标准引起。运输与存储过程中样品受到污染主要是由存放样品容器受到污染、样品存放过久而变质、储藏条件不符合要求、样品交叉污染等原因引起。分析误差包括仪器未检定、试剂失效、分析过程受到污染等原因。其他原因如监测工况不符合要求、采样时间不符合规范等。当然, 异常数据有些确实反映环境质量的实际变化情况, 还有些是由于监测误差和代表性不足所引起, 更有一些无法明确数据异常的确切原因。

2. 环境监测异常数据的鉴别与处理

(1) 环境监测异常数据的鉴别方法

①基于历史数据的鉴别。各级环境监测站会对其管理区域的环境质量进行长期跟踪监测并积累了大量数据, 同时也掌握了各种监测数据的规律, 凭此可判断数据是否异常。因为历史数据能反映污染物时空分布与变化规律、各种污染物与工艺流程的关系等情况。例如河道闸口下游不远处的采样点, 若赶上开闸期间采样就可能导致SS异常偏高。

②基于监测因子之间的逻辑关系的鉴别。各种监测因子之间存在一定的逻辑关系, 例如污染物处理设施进出口浓度之间正常情况下应当是出口浓度低于进口浓度, 如果数据倒置就可能存在异常。同一份样品不同监测指标之间也存在一定关系, 例如水环境监测中各监测项目之间存在比较固定的关系, DO与CODCr之间为负相关, BOD5与CODCr、CODMn与CODCr、NH3-N与CODCr之间均为正相关, 偏离这个规律的数据可能存在异常。又如空气自动监测系统也存在类似关系, PM2.5与PM10之间一般有相近的变化规律, 当其中一个站点某一时段PM2.5突然下降, 而PM10并无明显变化时, PM2.5数据可能异常, 例如下雨使空气潮湿而堵塞滤芯。

③基于相关统计资料和物料衡算的鉴别。受监测条件、技术手段等因素的限制, 加上有些企业排污设施不完善, 废水流量测量不准确, 这种情况下可利用同类监测对象的统计资料进行类比分析, 因为产品相同、工艺条件相似的生产企业, 其排放的污染物成分、数量及变化趋势有相似的规律可循, 再结合物料衡算和其他环境要素的分析, 则有助于鉴别监测数据的准确性。

④基于数理统计方法的鉴别。上述鉴别方法, 主要针对监测数据平均值异常或个别监测数据偏离较远的情况, 当监测数据平均值正常而个别监测数据有一定偏离时, 这些数据是否异常可通过数理统计方法进行鉴别。这方面的研究和方法比较多, 例如拉依达 (Pauta) 法、肖维纳 (Chauvenet) 法、格拉布斯 (Grubbs) 法、狄克逊 (Dixon) 法、奈尔 (Nair) 法、t检验法、偏度-峰度法等。决定采用哪种方法之前, 先应确定样本的分布类型, 再采用适当的方法进行鉴别。一般取样合理、合乎规范的数据应符合正态分布, 否则要考虑取样问题, 例如数据是否来自同一样本、数据量是否足够、监测过程是否稳定等。确定数据是否符合正态分布, 《数据的统计处理和解释正态性检验》 (GB/T4882-2001) 介绍了图方法、矩检验、回归检验和特征函数检验。图方法是比较常用的方法, 利用正态概率纸进行检验, 如果观测值累积分布函数近似为一条直线, 说明数据符合正态分布。当样本数量3≤n≤50时, 可采用Shapiro-Wilk检验 (简称W检验) ;n≥50时, 可采用偏度-峰度 (skewness kurtosis) 法。下面将结合实例介绍数理统计方法的应用。

(2) 环境监测异常数据的处理方法

如果监测数据异常是由企业排污和环境质量变化所引起的, 就不能随便删除, 而应就异常原因进行分析和说明, 并将超标数据反映给环境管理部门, 以督促企业进行整改。如果由于监测误差、代表性差而引起数据异常, 应对数据进行处理, 这些数据不能和其他正常数据放在一起分析。当监测数据数量≥5个时, 应将异常数据剔除, 只要剩余有效数据≮3个, 就用剩余数据进行分析评价;如果剩余有效数据<3个, 应采取补充监测措施。如果不能确定监测数据异常的原因, 就必须对污染源重新监测, 并严格控制监测工况、仪器设备和环境因素等条件, 以确保监测数据可追溯。

(3) 环境监测异常数据的数理统计分析与处理实例

表1为某河道天然水样总氮监测的一组数据, 试检验数据是否符合正态分布, 然后分别采用拉依达法、格拉布斯法、狄克逊法、t检验法判断离群值。

①正态性检验。由于n=10<50, 所以采用W检验方法。计算公式如下:

式中xi为按x1≤x2≤…≤xn排序的样本数据;ai为待估常量, 可查表计算;为样本数据平均值。

经计算W=0.860>0.842=Wp, P=0.077>0.05, 接受正态性假设。

②拉依达法。算术平均值。计算剩余误差△Xi=Xi-, 其中7#观测值△X7=0.0156最大。计算3倍标准偏差。由于所有数据剩余误差均小于3σ, 所以按拉依达法准则无异常值。

③格拉布斯法。确定置信概率α=0.05。算术平均值=0.2604, 剩余误差△X7=0.0156, 标准偏差σ=0.0071。查表临界值T0 (10, 0.05) =2.176, T0σ=0.01546。因△X7>T0σ, 按格拉布斯准则应剔除。对剩下9个数据进行同样检验, 无异常值检出, 故只剔除7#数据。

④狄克逊法。确定置信概率α=0.05。将10个数据由小到大排列。然后按Dn= (Xn-Xn-1) / (Xn-X2) 和Dn'= (X2-X1) / (Xn-1-X1) 计算高端离群值和低端离群值, 结果Dn=0.3636, =0, 即Dn>Dn'。查表获得临界值D095 (10) =0.53。因Dn<D095 (10) , 无异常值检出。

⑤t检验法。确定置信概率α=0.05。将10个数据由小到大排列。暂时去除Xn后算得'=0.2587, σ'=0.004796, ∣Xn-'∣=0.01733。临界值K (10, 0.05) =2.43, 所以K (10, 0.05) σ'=0.01165。因∣X1-'∣>K (10, 0.05) σ', 所以判定0.276为异常值, 应予剔除。对剩下9个数据进行检验, 剔除0.268。再对剩余8个数据进行检验, 无异常值检出, 所以共剔除0.276、0.268两个数据。

综上, t检验法最严格, 其次为格拉布斯法, 拉依达法和狄克逊法较宽松。实际上小样本时选择格拉布斯法和t检验法较优。

3. 结语

“错误的数据比没有数据更糟糕”, 所以提供准确可靠的环境监测数据远比仅仅提供数据要重要的多。为了提高环境监测数据质量, 一方面要提高监测人员的职业素养, 减少技术误差;另一方面也要加强数据审核工作, 并通过建立数据追溯制度, 及时发现问题并找出数据异常的原因, 以便不断改进和完善监测工作, 并为环境管理和环境执法提供科学有效的依据。

摘要：环境监测数据是环境管理与环境执法的主要依据, 数据准确、可靠与否直接影响环境执法与环境管理的公正性与合理性, 因而正确鉴别和处理异常数据是环境监测工作中的关键环节, 鉴此, 本文对环境监测异常数据的类型、产生原因、鉴别与处理方法进行了分析。

关键词：环境监测数据,异常数据,分析,处理

参考文献

[1]李志明.环境监测数据审核及异常数据的处理[J].新疆环境保护, 2013, 35 (2) :41-44.

[2]牟永铭.环保验收监测异常数据的分析与处理[J].环境监测管理与技术, 2013, 25 (2) :4-6.

[3]蔡同峰.现场监测数据审核方法及异常数据的判别研究[J].环境科学与管理, 2014, 39 (10) :60-62.

[4]张发兵, 张明旭, 韩中豪等.大样本水环境监测数据中异常数据的筛选方法研究[J].中国环境监测, 2007, 23 (2) :54-57.

[5]管擎宇.环境空气自动监测数据审核中异常数据判断和处理[J].环境监控与预警, 2016, 8 (5) :59-63.

[6]王秋璐, 周燕遐, 陈斐等.基于SPSS的数理统计方法在海洋重金属环境背景值计算中的应用[J].海洋通报, 2012, 30 (1) :100-103.

环境监测数据论文 篇2

浅谈空气自动监测系统监测数据质量保证及异常数据的处理

文章分析了空气自动监测系统运行过程中,如何建立仪器校准、定期的零点和跨度漂移检查、对异常监测数据的科学处理等监测数据质量保证制度,以确保空气自动监测系统稳定可靠运行、监测数据准确完整,为环境管理提供科学的依据.

作 者：王寅 Wang Yin 作者单位：锦州市环境监测中心站,辽宁,锦州,121001刊 名：广东化工英文刊名：GUANGDONG CHEMICAL INDUSTRY年，卷(期)：36(6)分类号：X8关键词：空气自动监测系统 质量保证 异常数据

大数据环境下数据式审计模式研究 篇3

【关键词】大数据环境；数据式；审计模式

一、引言

在信息技术的应用下，数据式审计模式将以往纸质账目审计对象转变为电子数据审计对象，从而更加高效地进行审计取证工作。在信息化技术不断发展的过程中，审计对象逐步发生变化，开始趋向大数据发展。针对这些状况，数据式审计模式方面的研究工作也应当有所调整。从大数据环境视角来对数据式审计模式展开研究是非常有必要的，有助于解决当前审计工作遇到的现实问题，提高审计水平。

二、大数据环境视角下数据式审计模式的可行性

在对大数据环境视角下数据式审计模式展开可行性分析的过程中可以从两方面进行：一是成本效益角度；二是需求供给角度。具体分析内容如下：

一是从成本效益的角度展开深入研究，从而判定某一审计项目是否具有可行性。在该角度下，我们也能够进行大数据环境的数据式审计模式的可行性分析。在具体的计算过程中，我们可以就每年度的收入、成本与投入进行计算，在设定折现率的基础上就净现值进行计算，根据计算结果我们能够获得这一投入是否具有可行性。当前净现值比0大，这意味着这一投入是具有可行性的；倘若净现值低于0，则意味着这项投入是不具备可行性的。但是从实际情况来看，我们多数情况下是无法准确地获得收入，企业往往还拥有一定的无形收益。所以，运用成本效益方法所获得的结果和现实状况存在一定差距。在现实工作中，我们应根据具体的实施方案来选择净现值最大的方案。

二是从需求与供给的角度来展开可行性分析。在大数据时代，在开展审计工作的过程中如果缺乏有效的审计模式，那么系统控制测评工作将无法顺利开展，整个审计工作无法顺利进行。及时优化与完善审计模式可以促使审计工作适应时代发展的需要，使得审计流程更加科学与规范，相关的数据更为丰富，分析方法更加有效。只有这样，数据式审计模式才能够得到更为广泛的应用。

在现代社会中，大数据技术的应用范围不断扩大，数据式审计模式也应进行适当调整。以往的系统控制测评难以满足网络大数据验证的要求，亟需从数据处理阶段入手，提高数据质量。在各种数据分析的过程中，结构化查询的方法已经难以满足实际应用的需要，相关部门比较加快大数据审计模式方面的研究工作，及时推出有效的分析方法。

三、大数据环境视角下数据式审计模式的路径分析

以往的数据管理系统是依托于关系型数据管理系统而构建的，尽管其能够有效地处理结构化数据，但是却难以处理半结构与非结构化数据。这不仅带来了昂贵的扩展与维护费用，还使得数据分析能力不佳，影响审计工作效率。在下文中，笔者将从采集阶段、处理与存储阶段、分析阶段来对大数据环境下数据审计模式的实施路径展开分析。

1.采集阶段

当前，审计人员能够从多个方面获得有效数据，数据来源渠道更多，如多种门户网站、社交平台、微信与微博等。这些数据大多为非结构化数据，数据量非常庞大，数据类型极为多样。从相关行业来看，其审计过程中所采用的数据大多为结构化数据，非结构化数据相对较少，主要包括业务文档、会议纪要等。在审计工作中，相关的数据包括财务数据、业务数据、管理数据，这些数据大多为审计文书与审计档案等，非结构化数据所占比重较多。因此，在数据采集的过程中应配置传感器、Web爬虫技术等来拓展数据采集范围。

2.处理和存储阶段

在大数据时代中，我们应对相关采集数据展开预处理工作，对数据进行集成、清洗与冗余消除，随后再进行存储。在数据集成的过程中，将不同渠道获得的数据从物理與逻辑方面加以集中，从而为数据的使用者提供统一化的视图；在数据清洗的过程中，将不正确、不完善的数据进行修正与补充，从而提高数据的质量；进行冗余消除能够降低数据的重复，从而有效地利用存储空间。在大数据环境下，进行数据的预处理工作是非常有必要的，是后续审计工作顺利开展的基础。在存储方面应运用Hadoop数据处理平台。HDFS分布式文件系统、Hbase数据库，只有这样才能够满足海量数据存储的需求。

3.分析阶段

在以往的审计数据分析中，查询型分析和多维型分析为主要的分析模式，尽管结果非常准确，但是应用范围却比较小，且缺乏预测方面的分析。在大数据环境下，主要运用统计分析、数据挖掘、数据可视化等方法来拓展分析能力。在选择分析方法的过程中，可以根据数据的具体状况而进行。统计与数据挖掘方法主要应用与结构化数据的分析中；在对文本展开分析的过程中，可以运用本文表达、信息提取、观点挖掘等一系列方法；在对网页展开分析的过程中，可以运用网页结构挖掘、网页内容挖掘等方法；在对多媒体展开分析的过程中，可以采用事件检测、标注与推荐等方法。

四、结束语

随着大数据时代的到来，数据的种类更多多样，数据量也呈现出“海量”的特点。这种情况下，数据审计模式必须加快调整，加大先进信息技术的应用，只有这样才能满足实际审计工作的需要。在审计准备与实施阶段，大数据分析均发挥着不可忽视的作用。在不久的将来，其在审计程序中将前移，从而发挥更有效的作用。

参考文献：

[1]刘蓉.数据式审计模式下审计风险的研究[J].会计之友，2016（19）.

浅谈环境监测数据审核 篇4

关键词：环境监测,数据审核,质量

目前环境管理、环境执法以及社会公众对环境监测数据的需要不断增长, 及时、高效、可靠地为社会各方提供公正、权威的监测数据是环境监测站的责任和立身之本。由于分析方法的局限性、监测分析人员技术水平、监测因子的变异性以及各种干扰因素作用, 造成数据失真现象时有发生, 如果环境监测数据不够准确, 将直接影响环境执法、环境管理、污染纠纷仲裁的合理性和准确性, 而且对环境评价、环境污染治理, 也不可能得出准确结论。从大量环境监测数据里剔除异常数据, 及时报出科学、合理准确的结论, 是环境监测数据审核工作的主要任务。

发现和判别异常数据, 对其进行合理分析是监测数据审核的重要内容, 环境监测工作要求监测数据应达到的质量指标是:监测数据具有代表性、准确性、精密性、可比性、完整性。并且监测分析的误差控制在允许范围内。代表性表示在空间和时间分布上, 所采样品反映总体真实状况的程度;准确性表示测量值与真实值的一致程度;精密性表示多次测定同一重复样品的分散程度;可比性表示在环境条件、监测方法、资料表达等可比条件下所获资料的一致程度;完整性表示取得监测资料的总量满足预期要求的程度或表示相关资料收集的完整性。因此, 系统质量保证是全过程的质量保证。

由于数据审核人员工作经验和思维方式等方面的差异, 其环境监测数据审核的方法也各相不同。研究表明, 在一般的监测数据审核时, 应该围绕着“五性”对监测过程中前后制约的各个环节进行审核, 才能保证监测数据的准确、可靠。

一、监测数据代表性的审核

样品的代表性是指具有代表性的时间、地点, 并按规定的采样要求采集的有效样品的特性。其中采样是关键环节, 我们只有采到有代表性的样品, 分析出来的数据才有使用价值和代表性。样品的采集是全部分析工作的基础。虽然我们有精密的仪器和准确的分析方法, 但是忽视了采样的科学性、技术性, 所获得的监测数据就难以反映被测对象的真实情况。实践证明:缺乏科学性的采样所带来的误差远大于实验室内分析过程中所产生的误差。在环境监测采样过程中, 若采样人员对采样过程的质量保证和技术管理不够重视, 责任心不强, 如在废水采样时忽视了工业废水是污染物浓度和流量随时间而变化的非稳定流体, 没有同步进

□文/张颖杰付国庆

行测流量和采集样品;或随意简化测流程序, 不管排污渠的宽度如何, 只在渠中间用流速仪测一个数据;或用浮标法测流时, 测量的距离和次数均少于规定要求等, 不符合规范的采样必然给监测数据带来较大的误差且不能真正反映样品的代表性。因此审核人员应根据自己负责审核的内容, 把好外场采样的质量关, 及时发现和杜绝可能出现的问题。此外, 数据的代表性具体还体现在“时空”代表性上。负责室内审核的人员应着重审核原始环境样品采样记录是否全面, 采样人员是否严格按照规范认真做好样品采集时周围环境的偶然和人为因素影响的记录, 水文、气象等特征的描述以及污染源监测采样点位置, 生产工况、排污周期、取样方法的记录;检查是否有企业法人代表的签名。如果发现监测数据有异常, 如某污染物排放浓度较以往高等情况, 都应首先通过采样记录详细分析原因, 确保数据具有代表性。

二、环境监测数据完整性的审核

在保证样品完整性的同时, 为了保证监测数据的完整性应审核分析方法的选择是否正确, 方法的检出限、测试精度是否符合监测对象的要求。若方法选择不当, 监测数据就会发生偏差或不准确。环境监测按监测目的不同可分为环境质量现状监测、污染源监督监测、环评监测以及建设项目竣工验收监测等, 不同的监测目的有不同的监测方法、规范要求, 与其对应的监测项目、分析方法、监测频次及监测数据所要求的质量目标也各不相同。故在审核监测数据完整性时, 应着重审核不同监测对象的采样频次、采样时间、监测项目设置是否达到监测技术规范的要求, 分析方法、检出限、测试精度、评价标准是否符合监测目的的要求, 若方法不当就会发生偏差或不准确, 特别是工业废水中不同行业的必测项目是否齐全;采样时其他辅助参数的监测项目等是否完整。

三、监测数据精密性、准确性的审核

当按规定采集的具有代表性的有效样品传输到实验室进行分析测试时, 为取得满足质量要求的监测结果, 必须在分析过程中实施各项控制测试质量的实验室质量控制。其中, 精密度和准确度是衡量实验室内测定结果质量的重要指标。因此, 在审核这两项指标时除了要确保所用仪器的精度外, 还要特别注意每批样品的测试是否有按技术规范要求, 有一定比例的样品平行双样分析、加标回收率分析、密码样及密码样平行分析等。检查样品平行测量值是否具有良好的重复性和再现性, 其精密度是否达到方法给定的室内标准差的要求;样品加标回收率的测量值是否尽可能地与真值接近, 回收率达到技术规范要求。此外, 除了审核分析过程的精密性、准确性之外, 还应审核相应的实验室内质量控制内容, 如校准曲线、检出限和空白实验值。在环境样品分析中, 有很多待测组分的浓度水平系衡量范畴, 且常与空白实验值处于同一数量级, 引入的影响也会更大。因此, 空白实验值的大小和分散程度, 将直接影响所选定分析方法的检出限和实验的精密度。我们只有全面审核环境监测实验室内的质量控制内容, 才能保证监测数据的精密性、准确性。

四、环境监测数据可比性 (合理性) 的审核

监测数据的可比性 (合理性) 分析包含时空分布合理性分析、污染物排放规律合理性分析、监测指标之间相互关系合理性分析, 以及采样、监测、数据处理等全过程可比性分析, 还包含标准物质准确度、各行业之间、污染物之间、实验室之间监测数据的可比性和统一性。监测数据的可比性审核的范围很广, 且专业性很强, 不仅要运用环境监测技术规范和国家颁布分析标准, 还要运用各污染物之间相互关系及其在不同环境中的迁移转化规律和浓度变化范围等知识, 才能对比各种物质间的关系, 对异常值进行合理分析。由于物质本身的特性及各组分相互关系和实际情况存在必然联系, 某些要素之间有很紧密的相关性, 对一定的样品, 各监测指标之间客观上也具有一定的规律性, 如在地表水监测中, 阴阳离子平衡, p H影响金属离子的存在形式, CODcr>BOD5, 同一水样的BOD5浓度高, 则CODcr浓度必然高, 但反过来CODcr浓度高, BOD5浓度未必高, CODcr浓度高, 水中溶解氧必然低, 反过来溶解氧浓度高, CODcr浓度未必低, TN>NO3-N、NH3-N、NO2-N三者之和等, 反之为异常;这种变化特点在审核中要加以注意;利用类同监测对象的环境统计资料作类比分析, 两个工厂产品相

1、强度缺陷。

强度是普通混凝土空心砖重要的材性指标, 直接影响到墙体结构的可靠性, 是关系砌体结构质量的重要参数。其主要表现是强度波动较大, 强度偏低。产生原因是: (1) 加强混凝土拌和料中原材料质量的控制, 严同, 工艺条件相似, 其污染物性质、成分、排污状况大致都在一个范围波动, 准确掌握其中一个工厂的污染源监测数据, 对另一个工厂的排污监测数据的审核具有重要参考价值, 结合其他环境要素, 综合分析监测数据。在环境统计资料分析的基础上, 应结合有关的物理、化学、生物及水文等资料进行分析, 如对于较长河流当其穿越降水量小和地表径流小的干旱地区时, 水中的溶解性固体总量一般大于其在降水量大和地表径流大的湿润地区。

环境监测数据审核主要以“五性”进行审核之外, 还应注重测量结果的有效数字位数的审核。在一定的实验条件下, 样品测量结果的

提要近年来, 用得最多的非黏土墙体材料是混凝土空心砖, 混凝土空心砖质量和施工存在诸多问题。本文就影响混凝土空心砖产品质量问题及施工中存在的一些问题加以论述, 提出相应的控制方法, 以加大普通混凝土空心砖的推广应用力度。

关键词:普通混凝土空心砖;施工控制

中图分类号:TU文献标识码:A

用普通混凝土空心砖代替普通黏土砖作为墙体材料, 不仅提高了房屋的有效使用面积, 更重要的是节约了能源, 保护了环境。墙体材料改革工作的不断推进, 黏土类墙体材料越来越多地被非黏土类墙体材料所替代。近年来用得最多的非黏土墙体材料是混凝土空心砖, 该产品是以水泥为胶结材料, 以沙子、碎石为主要集料, 加水搅拌、成型、养护制成的一种多排孔的混凝土砖。它的质量的好坏, 直接关系到建筑工程的百年基业, 由于存在原材料、设备及生产管理影响等问题, 普通混凝土空心砖质量存在诸多问题, 再加上不规范施工上墙, 导致产生诸多问题。

一、普通混凝土空心砖产品质量本身的因素

3、防治措施:

(1) 应定期对生产设备进行检查、维护、校验, 减少计量误差, 芯模具的产量有效数字位数不仅表示测量结果的数值大小, 而且表示测量结果的准确度。监测数据有效数字位数是环境监测中测试记录、运算和最后测量结果报告的一个最基本内容。若在具体操作过程中没有按统一的、正确的规定方法对数据的有效位数进行取舍和运算, 将使监测结果发生偏差, 没有可比性。如重量分析过程中, 把称量结果的有效数字位数少记一位或多记一位数, 就会人为地把测量的绝对误差和相对误差扩大10倍或缩小10倍。

在环境监测工作中, 加强监测数据审核, 是确保监测数据质量的重要环节之一, 审核人员应当不断学习业务知识, 熟悉环境监测技术

格按照《混凝土多孔砖》JC943-2004行业标准选用水泥, 使用不低于32.5号的水泥, 使用符合GB175-1999的硅酸水泥和普通硅酸盐水泥。不同品种、不同标号的水泥不能混合使用;废水泥浆不能作为胶凝材料代替水泥使用。当水泥有变化时, 应及时调整配合比、水灰比, 使配合比既能满足强度要求, 也能满足施工用和易性要求; (2) 满足要求的混凝土强度同准确的计量有密切关系。即使是袋装水泥也应先拆袋倒入计量斗, 经过称量后再倒入搅拌机。所以, 对于这方面工作, 除了要保证计量设备准确无误外, 还应派专职、责任心强的人员从事这方面的工作; (3) 选择适当的工艺参数进行生产, 机械设备应经常维修保养, 机械设备处于一种正常的标准状态, 是使混凝土砖产品质量得到根本保证的前提。

2、尺寸、外形偏差缺陷。即混凝土砖外形尺寸长、宽、高和超出行业标准规定的允许差异范围, 如短碎砖、缺棱掉角、裂缝、孔洞率明显偏小等现象。产生原因: (1) 目前普通混凝土空心砖生产用模具为铁模具, 模具长时间使用后产生磨损变形, 导致产品尺寸偏差增大、孔洞率下降、碎砖增多; (2) 成型时加料不均匀, 配合比不准, 养护制度不合理, 砂石含泥量较大等极易造成混凝土多孔砖表面裂纹等缺陷; (3) 从生产线移到养护堆场过程中振动过大, 产生碰撞破损; (4) 对成品不文明装卸, 产生断碎砖。

3、防治措施: (1) 选择技术管理严格、上规模、质量可靠的企业产品。产品养护期, 春、夏、秋季必须在一个月以上, 冬季还应延长。目的是除了产品强度必须达到要求外, 砌块的收缩在厂里可以完成大半, 减少上墙后的收缩。200厚的墙应用双排孔砌块, 240厚的墙应用三排规范、监测分析标准和各项污染物的特点, 发扬敬业精神, 增强正确执行规范和标准的自觉性, 以科学态度对待每一个环节的监测数据审核, 保证数据审核的质量, 这样才能确保监测数据的准确可靠, 更好地为环境管理服务。

限额约120~150万块, 使模具外形尺寸及刚度变形处于一种标准状态, 同时对达到使用寿命次数的模具进行更换; (2) 加强原材料质量控制, 特别是砂、石含泥量控制。通过实践对比选用合适的混凝土配合比。在满足砂、石级配及混凝土和易性条件下, 尽量使搅拌时间和振捣时间延长一些, 同时加强混凝土养护条件的改善; (3) 规范成品和半成品的运输。

二、影响普通混凝土空心砖施工质量的因素

1、产生现象: (1) 墙面呈不同部位、不同程度、不同开关的开裂; (2) 墙体渗漏。

2、产生原因: (1) 放松对混凝土多孔砖的质量检验, 使一些以次充好的空心砖应用到工程中; (2) 现场管理不严, 对多孔砖施工重视不够; (3) 不按普通混凝土空心砖技术规范组织施工是造成施工质量差的另一个主要原因; (4) 由于温度和湿度的变化、砌体的碳化收缩和基础沉降等原因, 引起建筑砌块墙体的位移, 砌体收缩被抑制时, 墙体就会逐渐产生拉应力, 当这些拉应力超过砌体的抗拉强度、超过砌体和砂浆间的粘结强度或超过水平灰缝的抗剪强度, 墙体就会产生裂缝, 进而造成墙面渗水。

普通混凝土空心砖质量与施工控制

□文/张东强1余龙娥2赵晓燕3樊春阳4

参考文献

[1]环境水质监测质量保证手册 (第二版) .北京:化学工业出版社, 1994.8.

大数据环境下的数据安全研究论文 篇5

大数据的应用规划以及它的信息安全应要提高到发展战略的高度，对大数据进行系统的分类，明确一些重点的保障对象，强化对数据的监控管理。大数据环境是一个庞大的数据信息系统，要确保数据信息的安全性，需努力建立起一个完整的数据信息安全体系。

4.2 进行数据安全删除

当今信息安全技术当中一个极为关键的问题。所谓的数据安全删除指的就是对数据恢复正常的条件进行破坏，使数据在删除之后无法恢复，无法逆转。相对于部分敏感数据而言，数据安全删除是十分关键的。众所周知，普通文档实行删除操作仅仅是对其标记进行删除;高级格式化同样无法对数据区内的数据信息进行覆盖处理，因此不能将其叫做安全删除。

4.3 对动态数据进行安全监控

相对与静态的信息数据，动态的信息数据更容易产生安全问题。因此需要对动态数据进行安全监控，完善对于动态数据的安全监控机制。在对动态数据进行监控的过程中，必须要对分布式计算系统进行健康监控，以保证其健康运行。在一些大规模的分布式计算中，要对动态数据的细粒度进行安全监控和分析，对大数据分布式进行实时监控。

5 结语

基于大数据环境下的气象数据分析 篇6

关键词：大数据 气象数据 分析

中图分类号：TP311.52 文献标识码：A 文章编号：1674-098X（2016）04（c）-0079-02

在社会的发展过程中，天气对社会中的很多行业都有一定的影响。在当前阶段，天气预报作为我国主要对天气进行预测的手段就对数据进行了一定的应用，但是随着大数据时代的到来，不仅是数据的数量，还是数据所隐藏的信息都有了很大的增加，在这种情况下，只是天气预报一种使用数据的手段就不能满足社会发展的需求，在这种条件下，加强对气象数据的研究，使其在气象工作中发挥出更大的作用，为人们的生活、工作提供良好的帮助。

1 大数据

1.1 大数据的内容

在当今社会的发展中，网络技术得到了大力的发展，在这种情况下，在网络中就会出现大量的数据，这些数据就构成了大数据，这些数据具有一定的实时性，其本质不在“大”上面，而是要对这些数据进行有效分析，将数据中所包含的内容全部挖掘出来，使用挖掘出来的信息来进行工作。因此，大数据就不只是对数据数量的一种诠释，更是对数据进行处理的一种手段。这就表示其与以往的数据有很大的不同，首先就可以发现两者之间规模具有很大的区别，其次是在对数据使用时，使用的方式也完全不同，在使用传统的数据时，只是使用单一的或者几种方式就可以了，而在使用大数据时，往往需要很多的方式才能完成[1]。

1.2 大数据的特征

随着社会科技的不断发展，大数据的应用越来越广泛，其特征也随之在增加。在大数据刚刚出现时，只是具有数据量大、处理传输的速度较高、数据的种类较多3个特征，而随着大数据的发展，在大数据的特征中又加入了数据真实性的特征，而到了现在，随着商业活动的不断增加，使数据又有了商业价值大的特征。根据这些特征可以发现，这些大数据中都含有一定的信息，为了将数据中的信息进行使用，就需要一定的手段将其从这些数据中寻找出来，这也是当前阶段中一个重要的工作内容。

2 气象数据

2.1 气象数据的内容

在气象部门工作的过程中，会出现很多的数据，其包括了气候数据与天气数据，这些数据统称为气象数据。气候数据就是使用一定的检测仪器对环境进行测量，将测量到的结果进行分析与整理所得到的数据。而随着社会的发展，世界各国对气候的研究有了更深层次的理解，使气候数据的内容有了进一步增长。天气数据就是为了推测天气变化而产生的数据，这些数据大部分是来自于卫星传输的。两者之间的区别主要在于前者往往反映的是一个地区长时间的环境变化，而后者只是表现了一个地区在一定的时间内的环境变化。但是两者之间还有一定的联系，对很长时间的天气数据进行分析与整理，就可以确定出某个地区的气候数据[2]。由于很多因素的存在，导致在我国当前阶段中对气象数据研究的对象为天气数据。

2.2 气象数据的特征

气象数据作为大数据中的一种，因此，其具有的特征就是大数据存在的一些特征。对其具体分析后可以发现，首先就可以发现其具有数据量大的特点：在气象部门发展的过程中，国家安装了很多雷达设备以及地面接受装置，同时，随着科技的发展，卫星技术的不断成熟，我国也向太空发射了一些气象卫星，在这些设备的使用过程中，产生了大量的数据，使其数量大的特点很好地体现出来。但是，对气象的观察并不是一直在进行的，这就使其产生的数据不是无限增长的[3]。同时其还具有一定的商业价值：在气象数据产生的过程中，来源比较单一，内容比较重复，这就不能使其自身带来经济价值，但是，其不能受到人为的干扰，在交通、旅游等行业中，就可以被很好地使用，将其商业价值很好地体现出来。

3 大数据对气象数据的影响

3.1 数据采集的影响

在对当前气象数据的采集过程中，已经将“大”的特点体现出来，但是这些只是对字面上的体现，而没有真正体现出来其真正的含义。在当前对气象数据的研究中，只是针对专门的气象数据进行研究，而与气象数据有关的其他数据研究得比较少，其中存在的利用价值很难被人们使用。因此，在对气象数据进行采集的过程中，不仅要将纯气象数据寻找出来，还要对其他气象中有关的数据进行采集。例如人们远距离出行要坐飞机，这时就可以对航班的信息进行了解，使人们出行更加便捷[4]。

3.2 数据存取的影响

由于大数据存在数量大的特点，这就为其存取造成了一定的影响。首先就是储存容量的问题，在我国当前阶段中，由气象产生的数据达到了5 PB（5×10245 B），需要的储存空间相当大。其次是存取速度的问题，由于数据量较大，在寻找有用数据的过程中需要花费一定的时间，可能达不到“1秒钟输出结果”的定律。在这两个问题当中，既有一定的联系，又存在着一定的矛盾，因此，在对气象数据存取时，就要进行统筹管理。对数据储存环境的扩建不是根本的解决办法，而是要加强对大数据的管理。在存储过程中，使用有效的方式对其进行分类，将其按照每种分类进行管理，使数据系统的性能更加强大[5]。

3.3 数据分析的影响

在气象部门的工作过程中，很早就将对气象数据的分析作为了主要的任务，但是在大数据环境下的分析还处在起步的阶段，其他行业大数据的分析过程中为气象行业的数据分析提供了良好的保证。在气象部门进行数据分析的过程中，将相对关系进行有效把握，对其进行良好分析，就可以对未来做出预测。而在大数据环境下，气象数据的数量得到了一定的增加，对未来预测的过程中就有更多的数据来进行分析，可以保证预测的结果更加准确。

4 结语

在对当前阶段中的气象数据进行分析可以发现，大数据对气象工作产生的影响有很多，上述几点只是其中影响最广泛的几点。从国家的发展角度来说，在大数据环境中，气象数据面向社会各界是必然的趋势，加快了社会各行业的发展；从公共服务角度来说，要对大数据进行有效分析，将数据中人们的需求信息寻找出来，根据这些信息加强对服务的改善，使其能满足人们的需求。在当今社会中，大数据对社会的影响还会继续的增加，在这种情况下，有效地利用好大数据就可以使其更好地发展。

参考文献

[1]刘立明，王彬.气象网格环境下大数据的端到端传输机制研究[J].计算技术与自动化，2014，8（1）：122.

[2]刘培宁，韩笑，杨福兴.基于R语言的NetCDF文件分析和可视化应用[J].气象科技，2014，4（4）：629.

[3]米卫红，巢惟忐，支星，等.移动互联网环境下的上海市气象信息数据发布：需求、现状与探索[J].电子政务，2014，10（11）：23.

[4]聂俊岚，刘益萌，陈贺敏.非线性映射的气象数据可视化及其应用[J].燕山大学学报，2015（3）：276.

环境监测数据审核方法研究 篇7

1 环境监测数据审核的主要方法

在实际监测过程中, 环境的具体情况千差万别, 因此需要针对监测对象的类别和特征对监测数据审核方法进行合理的选择。虽然监测数据审核方法多种多样, 但主要围绕以下四个方面对数据进行筛选。

1.1 审核环境监测数据的代表性

在数据代表性审核过程中, 各个环节的采集人员均负有审核职责。现场采样人员应严格的审核样本是否与现场情况相符, 在采集过程中严禁人为影响样本, 采集时间应选取当地平均天气出现最频繁的时刻, 如在长期干旱的地区采集样本时, 应避开阴雨天, 以免样本不能代表当地实际情况;数据审核人员应审核样本采集记录是否齐全, 不能产生错漏数据。

1.2 审核环境监测数据的准确性和精密性

为了使监测结果能够满足质量要求, 在分析过程中必须采取各种控制措施保证质量。如按技术规范的要求开展有一定比例的样品平行双样分析、密码样分析等。质控人员负责审查整个过程中操作人员是否严守操作规程, 操作方式是否准确, 数据精度是否达标。同时在环境分析中, 许多待测组分含量属痕量分析范畴, 且常与空白实验处于同一数量级, 空白值大小和分散程度直接影响其精密度, 为此, 只有全面审核实验室内质量控制内容, 才能保证监测数据的精密性和准确性。

1.3 审核环境监测数据的完整性

环境监测的种类有环评监测、建设项目验收监测、污染源监测和常规监测等。审核各类监测方案时, 要根据项目的具体情况, 分析监测数据的选取频率、选取方法和各项指标是否符合实际情况, 如果参数选取错误, 最终监测结果就会发生偏差。

2 环境监测数据审核的内容

监测数据审核的主要内容就是甄别错误和异常数据并进行筛减, 对正常数据进行合理分析。监测数据合格的具体指标有:数据准确、精度达标、具有区域代表性、采样完整、具有对比性以及误差不超过允许范围。

数据准确就要求采集的数据贴近实际情况, 精度达标就可以保证样本采取频率能够满足分析需要, 区域代表性的样本可以直观反映现场实际情况, 采样完整以及允许误差可以使分析结果正确反映区域环境污染当前状况, 为环境监测部门的决策提供正确数据支持。

3 监测数据审核技巧

3.1 利用各成分之间关系进行监测数据审核

数据审核过程中, 既要考虑整体, 也要注意区分具体成分, 各具体成分之间既有区别, 又有联系。在难以直接监测目标时, 也可以通过监测与之相关的间接量进行测定, 并确定两者之间的具体关联方式, 从而达到获取目标监测数据的目的。如根据化学需氧量、五日生化需氧量和高锰酸钾指数=:个项目的定义和测定方法, 三者的监测结果应存在以下规律:同一水样的化学需氧量浓度高于高锰酸钾指数, 化学需氧量浓度大于五日生化需氧量;三氮与溶解氧的关系由于环境中的氮循环, 一般溶解氧高的水体硝酸盐氮高于氨氮, 而亚硝酸盐氮与溶解氧无明显关系;六价铬不能大于总铬浓度;硝酸盐氮、亚硝酸盐氮和氨氮浓度之和不应该大于总氮浓度;—般情况下水中溶解氧值不应大于相应水温下的饱和溶解氧值等;大气环境中一般的SOx的浓度高于NOx浓度等。如发现反常, 则需对该批数据进行详细审核查明原因。

3.2 利用数据库对监测数据进行审核

现有的技术已经能够实现对历史监测数据的永久保存, 这样就可以在分析新的监测数据时, 调用历史数据进行对比, 避免传统的人为确定异常值方法的主观性和不确定性。通过查看单独数据以及平均值等分析结果, 确定环境是否处于合理状态。

3.3 利用统计原材料审核监测结果

对于可见污染源, 如污水排放、有害气体排放等, 可以通过调查污水和气体产生具体工业流程, 通过倒推方式推算单位有害污染物产生所需的工业原料, 然后统计企业日常原料使用量, 进而计算出实际的污染排放量。这样做可以避免一些企业私自进行污染物排放。

4 结语

当前环境污染问题突出, 环境污染既损害了人民群众的利益, 也拖延了经济持续、健康发展的步伐。作为环境治理的前沿阵地, 环境监测尤其重要, 对环境监测数据审核的研究应该不断深入, 积极探索新的方法监控环境动态, 为环境污染治理提供更多、更准确的数据支持。作为环境领域研究人员, 更应该结合自身岗位实际, 研究环境监测数据审核的最优方式, 为环境治理做出应有的贡献。

摘要：经济发展不可避免带来环境污染, 如何治理污染关系到经济和社会的发展。作为环境污染治理的前沿阵地, 环境监测至关重要, 各种环境监测数据审核方法使数据分析结果更贴近实际, 有利于促进环境污染治理。本文通过分析当前环境监测数据审核方法的类别及应用现状, 探讨审核方法的研究方向。

关键词：环境监测数据,审核方法,意义研究

参考文献

[1]环境监测技术基本理论 (试题集) .中国环境科学出版社, 2002.12.

[2]中国环境监测总站等.环境水质监测质量保证手册 (第二版) [M].北京:化学工业出版社, 1994.

[3]吴鹏鸣等.环境空气监测质量保证手册[M].北京:中国环境科学出版社, 2008.

浅谈环境监测数据的审核 篇8

环境监测数据审核工作之所以很重要,是因为环境监测数据本身就是环境监测的重要产出,其代表性大,影响范围大,对其进行审核有重大意义[1]。

1 环境监测数据审核的重要性

环境监测数据是环境监测站通过室内室外各项检测和实验得出的结果。包括布点、采样、现场测试、样品运输、样品交接、样品制备、分析测试、数据处理、数据审核、综合分析和评价等多个技术环节的各个过程。环节多就容易出现错误,一个采样的失误就会导致整个监测过程的偏差,造成结果的错误;又由于分析方法的限制,也会使结果存在问题。另外,由于监测人员自身的原因,如技术水平,客观干扰因素等,也会造成监测数据失真的现象。

在以上前提下,数据的审核工作就变得尤为重要。做好数据的审核,能使环境监测质量管理工作有效进行,也是其进行的重点内容。环境监测数据的审核内容主要包括分析监测数据是否达到了质量控制所规定的标准,分析各指标数据的合理性,预测数据所具有的代表性和价值。做好环境监测数据审核工作,可以有效提高数据质量,为将来实际的环境管理提供第一手资料。合理有效的环境监测数据,帮助政府制定治理环境的相关政策,是政府进行环境预测、排污审核制定、排污费征收等工作的重要依据。环境监测数据的质量体现的是环境监测的权威性和严肃性,直接反映着人民的生存环境,间接影响政府的措施和人民未来的生活环境,其重要性日益显著。所以必须通过高效的审核来确保数据的科学性,再将监测数据运用到分析实际情况中来。

2 提升监测数据审核力度

保障监测数据代表性、完整性、精密性、准确性和可比性。有效的监测数据需要具有五项标准,即代表性、完整性、精密性、准确性和可比性。对环境监测数据的审核,就是保证数据的五性。

2.1 监测数据的代表性审核

代表性是指在具有代表性的时间、地点,并按规定的采样要求采集的有效样品特性,所采集的样品必须反映总体的真实状况。

数据必须具有代表性,这也就意味着在对检测数据进行审核时,要对数据被得出之前的各个环节进行严格的考察。在进行现场采样时,要严格地把握样品的质量,保证样品能真实地反应出所检测对象。进行室内实验时,审核对采样的原始数据记录是否真实完整,各个环节的人员是否严格地按照规范做到认真的操作并做好各项记录。另外,也要关注周围一些客观因素的影响,排除偶然性因素,更要严防人为因素的参与而影响数据记录。得出数据的所有环节都要有相关负责人的签名,保证可以追究到责任人。

对于出现异常情况的监测数据,要从最初的采样原始记录开始进行详细分析,看到底是哪个环节出现了问题,从而确保数据的代表性。

2.2 监测数据的完整性审核

监测数据的完整性更加强调工作总体规划的切实完整,即保证按预期计划取得系统性和连续性的有效样品,而且无缺漏地获得这些样品的检测结果及相关信息。

对数据完整性的审核,首先要审核监测对象的采样频次,不同的检测对象需要有不同的检测频次,还要审核检测项目是否满足技术规范的要求,对于检测项目的各项测试是否齐全,在检测过程中是否存在缺测、漏测的现象。分析在采样时,相关的辅助测试项目是否进行的全面,样品分析方法、检出限、测试精度等是否符合检测目的要求等,通过这些审核来确保数据的完整性,并能够推测出一些不确定性因素的影响作用,在一些允许的条件下,为了保证数据的完整性,检测工作甚至可以在最接近原始条件的前提下重复进行[2]。

2.3 监测数据的可比性审核

监测数据的可比性指的是横向可比和纵向可比。也就是说监测数据不仅要能在实验室内在统一样品之间进行对比,还要能够在各实验室之间对统一样本的的项目检测进行对比。另外,相同的项目检测结果在无重大客观因素影响的情况下,历年的数据也要达到可比性。监测数据的可比性审核主要关注一下几方面:

2.3.1 根据物质之间的性质进行科学对比

简单来讲,大气、水、土壤等物质都具有本身的特性,虽然随着环境的不同,显示结果会不同,但是却能以各物质相同的标准来进行分析,了解物质的特性,对于监测数据审核人员来讲是很有帮助的。

举例来讲,地表天然水体的pH值与水的色度有很大关联。当水的pH值高时,水的色度往往会加深,因此,即使在不同的环境下检测的水的pH值不同,但是都可以以pH值的高低来判断。再比如,通常情况下对于环境中的噪音,若检测结果显示为L10,L40,L100,则其关系为L10

所以说,审核人员要充分认识到物质的特性,对不同环境下的不同情况分别进行审核,科学地对数据做出判断,分析数据的合理性。

2.3.2 进行类比分析

在环境监测的过程中,会对不同的同类型企业进行检测,如两个类似的造纸厂,纸质相同,生产过程相似,那么这两个企业的废水的性质、成分,排污情况等就大致相似,至少是界定在一定的范围内。如果对其中一个工厂进行了准确可靠地检测,那么监测数据就对另一个工厂的情况具有重要的参考意义。也就是说,可以将同类数据进行类比分析,进而相互判断准确性,并得出该领域统一的标准,方便以后相似的检测审核。

2.3.3 进行综合分析

环境的检测,总会受到客观因素的影响,在对数据进行分析时,要综合周围的影响环境。如在一年中的不同时期,河水的溶质成分会呈现季节性的变化规律。对于较长的河流,当其穿越较干旱地区时,河水中的溶解性固体总量一般大于其在湿润地区的溶解性。也就是说,不同的检测结果可能只是物质的物理性质影响,所以,综合分析其他的影响因素,能帮助科学地判断数据的准确性。

2.4 监测数据的精密性和准确性审核

监测数据的精密性指的是数据是否存在良好的重复性和在现行;而准确性指的是检测值与真实值之间的相符度。精密性和准确性是监测数据最基本的性质,所以要对数据进行严格审核来确保其实现。

对数据精密性和准确性的审核,首先要确保分析仪器的精密性和准确性,分析仪器的不准确将会使后面的实验毫无意义。然后要进行平行样和加标回收样的分析,这些分析包括样品平行双样分析、密码样分析等,通过对分析结果的对比分析来进行检验。另外,质检人员要对分析人员在分析全过程所表现的专业性进行审核,并给出相关的质控记录,切实做到全面审核,保证数据的性质。

审核的对象还包括校准曲线、空白实验值、方法检出限等,所有相关的方面都要受到审核,以此来保证检测数据的精密性和准确性。

3 建立五性贯穿的环境监测审核体系

监测数据的审核要经过三道程序。首先是由实验室的专业人员对样品分析的全过程进行记录和审核,确保数据的完整性、准确性、可比性;其次是由质检人员对实验室产生的数据进行检测,保证监测数据的精密性、准确性、可比性;最后,要经过终极审核,由技术责任人对监测数据进行逆向分析,即从数据的精密性、准确性、可比性出发,结合数据之间的相关性,再结合数据的来源、空间属性、与上下游之间的关系、周围影响因素等,综合对数据进行分析。需要指出的是,终极检测是最关键的检测,要求执行人员不仅对监测分析理论有深厚的理解,更要严格恪守监测数据审核的原则,仔细对数据进行审核,并进行合理的判断,确保数据的“五性”。

纵观整个审核程序,“五性”指标贯穿在整个环境监测工作中,保证环境监测数据能具有现实意义。借助数据的“五性”指标的审核,也使得审核工作更有方向性和有效性。

综上所述,对环境监测数据的审核的工作具有重大现实意义,也需要根据数据特性进行综合分析。审核人员要不断提高技能,确保环境监测数据的科学性和准确性。

参考文献

[1]中国环境监测总站《环境水质监测质量保证手册》编写组.环境水质监测质量保证手册[M].第2版.北京:化学工业出版社,1994.

环境监测数据分析系统的研究 篇9

环境监测数据分析系统是环境信息系统不可或缺的一部分，同时也是环境监测的最重要途径。环境监测的信息主要是通过环境监测站收集得来。每一个环境监测站的数据就多达几万条条，一年下来环境监测的信息能够达到上百万，这些大量的数据如果采用人工会简单的数据分析很难体现数据的真正价值，同时也无法做到数据分析的科学性和准确性，从而不能对环境决策提供最可靠的数据支撑。因此，建设其功能齐全的环境监测数据分析系统使环境信息从接受、存储、分类、分析、应用等各个环节都能进行完整的科学计算，成为环境监测活动至关重要的环节。

2 环境监测数据的特点

对环境监测的数据进行有效分析的前提是要对这些信息的具体特点进行分析，本文认为环境监测数据的特点有以下几点：(1)空间性：环境监测的每一个监测点都是一个空间上的具体位置，因此说监测数据都是带有空间性质。(2)时间性：环境监测数据是截取的某个时间点环境污染源和环境因子的变化情况。因此环境监测的数据会随着时间的变化而变化，是具有时间性质的动态过程。(3)多样性：环境数据的多样性首先源于监测的环境种类不同，因此数据会呈现出多样性的特点，其次相同环境监测内容的数据类型也有所不同，各种统计数据与图表数据等形式非常丰富。

3 环境监测数据分析系统的主要功能

3.1 系统主界面

系统的主界面主要是进入环境监测数据分析系统的入口。在主界面输入用户名和密码之后即可以用户身份登陆系统，主界面菜单中还包括用户登陆界面、密码修改菜单、搜索词条等功能。搜索词条可以用来对环境监测站、监测信息、污染源信息等数据进行检索。

3.2 数据查询

数据查询界面从主界面进入，数据界面可以进行搜索的数据主要包括监测站基本信息查询、排放单位查询、水污染查询、大气污染查询、噪声数据查询等等。在每一个主分类下还包括相应的子菜单详细的数据分类可以查询。

3.3数据分析

数据分析功能在整个系统中作用最为重要的组成部分，数据分析菜单中分为不同的分析项目，可以设定不同的时间段内监测数据的变化情况，对各种数据进行对比和分析，经过分析的数据可以得出表格形式的分析结果。

4 GIS在环境监测数据管理分析中的应用

4.1 环境质量监测数据分析

环境质量检测是一个地区进行日常环境监测最基本的内容。主要的监测项目为空气、水源、固体废物和噪音。通过定时、定量的监测可以对该地区的环境质量进行较为准确的评估。利用GIS技术中的空间数据内插的方法，可以对一定区域内分散的监测点的相关数据进行分析，这种方式可以找到这些分散点中的内在关系，从而得出较为准确的数据结果，对评估一个地区的环境质量具有重要的作用。

4.2 污染源监督监测数据分析

对于污染源的监测数据信息必须采用GIS的技术方式，主要是因为污染源的地理空间特性决定了在对污染源监测信息的处理方面需要从定量和空间两个维度入手。不仅要对污染源的排放量进行分析，还要从空间方面入手分析排放浓度和分布的特点。因此GIS技术能够实现这一数据分析的目标。GIS以数据表示空间分布,数字和图形融为一体,支持数字思维与空间思维同时进行,比传统的地图分析和仅仅对统计数据的定量分析方法有质的改进。

4.3 应急监测数据分析

应急监测不是常规性的监测，而是在突发污染事件发生之后对污染现场的监测行为，主要的目的是为了能够了解污染事故的程度、污染情况、危害程度等等，从而能够以最快的速度找到最优的解决和补救的方法。这些行为的完成都需要对现场采集的数据进行详细的分析基础之上才能够做到。在这一方面，GIS技术的优势非常明显，GIS全面的数据收集和分析方法在应急监测方面发挥良好的优势。首先确定事故发生地位置,然后利用GIS与环境模型的结合预测受影响的区域范围,通过GIS的可视化提供污染区域内的敏感单位、救援单位、人口以及由事故发生地点到指定地点的最佳路径等信息,为应急监测、应急救援工作的开展提供决策依据。

5 结语

本文在对环境监测信息特点的分析基础之上，对环境监测数据分析系统在主要功能、应用方面进行了一定的研究，并提出GIS技术在环境监测数据的分析和处理方面有着强大的优势。随着GIS技术的不断发展和完善，其与环境监测活动的结合将更为紧密。通过GIS技术能够更加便捷简单的对环境监测信息进行处理和分析，得到更具参考价值的数据结果，在未来，环境监测数据的处理将向集成化、高度自动化、实时利用方向发展，为环境规划和管理提供直观、科学的决策支持。

参考文献

[1]刘澍.环境监测数据处理平台设计与应用研究[J].江西化工,2015(6):55-58.

环境监测数据综合分析方法的探讨 篇10

1. 统计规律分析

统计规律分析是环境监测数据综合分析的一种重要方法, 此种分析方法中包含了对环境要素质量和数学模式的分析, 简单来讲就是利用数理统计的方法进行具体情况的分析。在具体的利用中, 对于不同环境要素的数学、物理方程可以选用模糊数学法, 在此种方法的利用中, 虽然具体的分析结果很难确定, 但是根据分析结果可以对环境的发展规律进行解释和分析。在目前的利用中, 环境调查、环境评价等范围较大的工作中时常会用到此方法。比如在目前的社会中, 城市生活垃圾的焚烧会形成较大的环境问题, 在分析我国城市生活垃圾增长规律的基础上进行相应的控制措施, 生活垃圾对于环境的影响会得到有效的控制。下图表示的是我国近年来城市生活垃圾的增长以及焚烧能力占无公害处理能力比例的规律图。

2. 合理性分析

(1) 通过项目间的相关性进行分析

通过项目间的相关性进行分析是合理性分析方法中的一项重要内容。就目前的环境监测来看, 监测项目具有多样性, 无论是有机的还是无机的都会涉及。因为物之间存在着相互的关系, 所以在把握项目监测数据关系的基础上进行数据的分析, 监测数据的质量性会有进一步的提升。F和Ca、Mg在形成沉淀物的时候容积度比较小, 所以在呈现中性或者是弱碱性的水溶液当中, F和水溶液的硬度值会表现出负相关的关系, 因此, 在高氟区的水质监测报告中硬度值会显得比较低。如果在监测报告中发现高氟区的水质监测硬度较高, 那么结果肯定存在错误, 这时候就需要进行重新的监测分析。

不仅F和水质监测的硬度存在关系, COD、BOD5和高锰酸解之间也存在着指数的关系。在具体的分析利用中, COD指的是用强氧化剂在酸性条件下将有机物氧化成二氧化碳和水所消耗的氧量。BOD5指的是在水温保持20摄氏度的情况下, 微生物氧化有机物所消耗的氧量。在分析实践中, 利用高锰酸钾水样中具有的有机物以及无机物的还原特性, 可以根据消耗的高锰酸钾进行氧量的计算, 从而可以判断出COD>BOD5、COD>CODMn。简言之, 在物质之间存在着一些特定的关系, 在把握这种相关性的基础上进行环境数据监测的综合分析, 检测结果的合理性会明显的提升。

(2) 通过已有资料和监测值进行分析

通过已有资料的监测值进行分析也是数据分析合理性方法应用的一个重要方面。在进行环境数据与监测数据分析后, 一般会存在两种数据, 一种是历史数据, 另一种是实时数据。历史数据主要指的是在过去的一段时间内获得的环境监测数据, 而实时数据则指的是具有全新性特点的动态监测数据。在历史数据的分析中可以进行区域环境的历史分析, 以此便会形成区域环境的历史资料。而根据实时动态数据分析的结果可以发现区域环境在一定时间段内的数据变化情况。历史资料作为已有资料, 是对区域环境数据过去的把握, 在历史资料的基础上进行现有监测值的分析, 可以清楚的对比出区域环境的数据差异, 根据这种差异性能够更好的分析出数据变化的规律以及存在这种变化的原因。简言之就是通过已有资料和监测值的分析进行, 数据综合分析的合理性有了显著的提升。

(3) 通过监测项目的性质对监测值进行分析

通过监测项目的性质对监测值进行分析也是合理性方法利用的一个主要方面。在环境监测的过程中发现, 不同的监测项目, 其对监测值会有不同的影响。所以根据相关的监测值可以分析监测是否准确。例如总氮指的是可溶性以及悬浮颗粒物当中的氮含量, 如果在水质监测的过程中发现总氮和氨氮以及硝酸盐氮等的数据呈现出倒挂的关系, 那么就表明检测的结果不可靠。不仅是在水质监测中, 在空气检测中也一样, 如果氮氧化物和一氧化氮、二氧化氮发生数据倒挂情况, 监测结果也是不准确的。简言之就是利用监测项目的性质对监测值进行准确性分析, 可以使得监测值的可靠性明显的提升。所以在环境综合分析的过程中, 把握好监测项目的性质, 并对其与监测值的关系进行清楚的认知, 可以对数据监测结果的可靠性做出有效的分析。

(4) 通过污染的了解进行监测值的分析

通过污染的了解进行监测值的分析也是合理性方法利用的一个主要体现。环境数据监测是一项持续性的工作, 在持续性监测的过程中, 对于区域环境污染会有全面的了解。比如在华北地区的持续监测中发现, 华北区域每逢冬季, 雾霾便会成为区域主要污染物, 这种污染情况的存在使得空气质量有了显著的下降。在环境区域监测值判定的时候, 全面的掌握区域污染情况, 可以对监测值的准确性进行分析。比如已知某区域的环境污染情况属于重度污染, 但是在进行监测值分析的时候发现, 其数值远远达不到重度污染的指标, 出现这种情况, 只能说明监测数值具有不可靠性, 所以分析需要重新进行。简言之就是利用污染情况的掌握可以分析监测值的准确性。

3. 效益分析

效益分析法也是环境监测数据综合分析的有效方法。从实际工作来看, 环境监测数据比较多样, 主要包括环评监测、验收监测、例行监测、监督监测等等。在这些内容中, 监督监测对于数据的分析比较少, 所以对其进行数据的合理性判断最为容易。相比于监督检测, 环评监测和例行监测会涉及到大量的数据, 而且需要对数据进行短时间内的可靠性分析, 因此其工作量比较大。总而言之就是无论是哪种监测, 都可以为环境管理的实际工作提供简单、明了的数据依据。在有依据的情况下, 环境管理工作可以进行针对性的开展, 这样就能够有效的避免企业的重复性工作。简言之就是效益分析法主要为企业环境管理工作的效益提升而服务。

结束语

环境数据监测是环境污染治理重点参考的依据, 强化环境数据监测综合分析方法的探讨, 可以保证整个数据分析的过程更加科学, 从而获得更加准确的分析结果。简言之, 环境治理的措施需要以基本数据为指导, 所以说数据分析结果的可靠性能够有效提升环境治理方案的实效性。在充分研究环境检测数据分析方法的基础上, 对于实践工作中的数据分析进行方法更新和完善, 数据信息的有效性会得到强化。

摘要：近年来我国经济获得了长足的发展, 但是环境问题也更加的严重。为了更好的治理环境, 实现经济和环境的协调发展, 积极的进行环境分析具有重要的价值。从目前的环境治理来看, 要想取得较好的成绩, 就必须对环境问题有全面和深入的了解, 而数据报告可以为环境恶化的具体情况提供有效的参考, 所以说做好环境监测, 利用数据综合分析的方式来研究和制定环境治理方案的意义重大。本文就环境监测数据综合分析方法进行系统的探讨, 目的就是要强化环境分析的准确性, 从而为环境治理效果的有效性提升打好基础。

环境监测数据论文 篇11

关键词：数据库；监测数据管理；设计以及开发

中图分类号：TP311.52

随着网络不断普及，我国环境监测部门累积了各级部门数据，已经储备了大量的监测数据。虽然这些数据量比较充足，但是监测数据的管理工作依旧停留在表面，只是进行简单的手工交互处理以及单机处理，这些数据无法被整合在一起，数据总是属于分散状态。另外，数据审核主要是靠手工进行核实。这些原因导致数据在运行中，数据无法得到高效运行、数据有序化程度比较低，最终导致信息在进行开发时，滞后性非常明显。从发展现状上看，各级信息收集部门要自备一套完整的信息处理方案，该方案可以实现整合网络化、可以实现业务信息处理。该方案适应环境监测数据管理需求，可以保障网络技术在高度发展环境下实现管理需求，从而不断提高环境监测质量，综合分析能力也得到提升。

1 系统设计实施

1.1 开发平台

该系统使用的是微软公司NET作为技术开发平台，系统使用的开发语言是VB语言、NET语言以及ASP语言，这是系统最常使用语言。有的WebGIS部分不采用语言进行编程，它使用的是MAPX技术以及MAPINFO家族技术，这两项技术同语言编程一样重要。该系统主体使用的是B/S构建，该构建能够保障系统正常运行。其中录入使用的构建是C/S结构，该结构保障系统正常运行，提升运行效率。

1.2 服务器端与客户端进行互换

系统使用了B/S架构之后，主要利用WebService就可以实现简化作用，该简化主要体现在服务器端以及客户端之间的交换。众所周知，WebService在网络运行中，它可以发挥出调用的作用，满足客户端调用需求。只要进行客户端调式，WebService就会在服务器中运行，运行中处理各种问题，收集各个服务端的数据，将最终的结果返回到调试区域内，用户只要进行互换便可以实现服务器端以及客户端高效互动。系统在进行数据访问时，使用的是ADO.NET技术，该技术能够保障系统运行速率，能够实现数据缓存。在系统中，该技术被称为ADO.NET数据缓存技术，这主要参照了该系统功能来定义。技术保障数据在数据库中实现交互，交互成功的数据在放置内存中。在后期系统会根据这些数据的归类，会使用到这些数据。数据被使用，在系统运行时，交互速度明显提升，保障系统运行效率。

2 主要功能模块

2.1 进行监测数据录入

C/S结构类型的数据，该结构能够为数据提供清空数据库，也是人们熟悉的数据初始化处理。可以在该结构中进行校验设置、数据导出、数据录入等等工作。另外，还可以进行数据查询修改以及时间设置等等功能。这些功能实现，主要为了各级数据查询修改每个月能够获取检测数据，能够高效的使用这些数据。数据通过该方式处理之后，例行监测数据得到规范化运行。这些数据利用效率明显提升，可以其余的数据还可以直接导入网络版本系统中，提供给环境监测平台使用。该系统的功能模块主要有数据分析、数据管理、数据录入、数据输出以及自动监测数据管理等等模块，这些模块在运行中相互促进，相互推动系统高效发展。随着网络技术不断发展，该功能模块还延伸到系统设置、定点数据分析以及WebGIS数据查询等等功能，功能不断增强，系统运行水平不断提升。

2.2 例行监测数据导入

该系统可以提供两种数据导入格式，第一种是ACCESS格式，第二种是DBF格式，这两种形式借助数据导入工具进行传输。那些不符合要求的数据，重复的数据以及校对不能通过的数据在该系统中全被拒绝在外，无法导入系统内部，如果强制性被导入，会有错误提示。用户在该系统中，可以自行制定校对规则，该校对规则主要包含监测项目是否完整校对、监测点位是否完整校对、监测值是否在规定范围内等等，这些设置值用户可以完全自行进行设置。根据工作需求，根据系统运行规律进行设置，该设置内容完全符合系统运行需求。操作人员如果有需要对数据进行查询，或者是将对数据结果进行分析，可以在EXCEL中进行编辑，便可以实现。另外，系统还向用户提供特殊的导入工具，该工具能够过滤不符合需求的数据，保障导出功能能高效率运行。

2.3 例行监测数据管理

监测数据管理主要有两种形式，第一种是监测数据管理，另一种是基础数据管理。基础数据管理包含诸多内容，最主要的有时间转换基础代码、数据增加、数据修改以及按点位属性数据等等，它包含的数据类型比较复杂，这些数据在运行时，需要细分出数据间的关联点，才能保障这些数据存储安全性。另外，监测数据管理，它主要包含高级查询、简单查询以及按照点位属性数据，这些数据查询方式都比较简单，而且数据类型也比较简单。

2.4 例行监测数据分析

这些被收录的数据要进行分析，分析的最终结果要绘制成报告以及图表，这样人们在查看数据的时候才更直观和清晰。环境监测部门重视数据分析工作，该工作成为环境监测部门工作的核心。该分析模块主要是对入海河口、地下淡水、江河水源、近岸海域、空气质量以及噪声进行监控分析。数据分析模式主要包含宏观以及微观两大模式，微观的分析模式是人们熟悉的污染物分析，在进行污染物分分析时，主要得出超标率、水质类型、数值以及平均值等等，这是微观分析主要内容。因对应的宏观分析，它要对个站点进行分析，从监控点中收集数据，然后进行综合分析。分析的结果能准确的反映出环境情况，环境情况主要由空气污染级别、综合污染指数、大气污染指数以及水质污染指数等等。宏观和微观数据分析方式，可以将这些收集到的数据进行详细分析，将最终的结果用图表的形式展现，方便人们查看。数据分析时，用户可以根据污染物类型，选择合适的评价标准。对污染物地点、点位集以及地区等等，在进行设置时，应该基于标准体系要求下，这样才能保障数据分析得准确、科学。webGIS数据查询分析，该数据可以通过视图类型，将图景进行缩放，也可以进行移动。人们还可以根据需要将属性数据以及地图数据进行互换查询，在地图中便可以实现各种数控分析，分析效率高，保障分析精准度。随着社会不断发展，网络技术快速发展，它方面了人们生活，提高人们工作质量。数据管理平台在该技术下，得到完善和发展。各个部门拥有了监测数据管理平台之后，工作效率和质量快速提升。科技推动社会进步，科技发展社会，该平台方面各级部门开张工作。

3 结束语

该数据平台借助NET平台开发，使用人们熟悉的B/S架构，再借助NETRemoting技术以及MAPX技术，对网络运行中常出现的问题进行分析，WebGIS技术推广使用。环保部门利用该技术便可轻松的获取管理监测数据，而且该数据在新平台上，得到高效运行。为日后软件系统开发应用提供了发展平台，该平台符合信息技术发展需求，保障系统快速运行。

参考文献：

[1]柯跃前，黄江福.基于ZigBee模块的海洋网箱养殖环境监测数据传输系统设计[J].渔业现代化，2012，5.

[2]李晶，刘颖.浅谈实验室CMA计量认证技术在环境监测数据处理中的应用[J].中国科技博览，2012，33.

[3]徐健，郑业鲁.农田环境监测数据可视化系统的设计与实现[J].农业网络信息，2013，2.

[4]范洪艳.环境监测数据的质量保证措施浅析[J].黑龙江科技信息，2013，7.

环境监测数据审核技巧及重点探讨 篇12

1 审核环境监测数据的意义所在

随着社会的发展与社会公众民主意识的提升, 社会各界对与各种环境管理以及环境执法的信息越来越关注, 而环境监测数据则能为广大社会民众提供相关的信息, 同时环境监测数据对于科研也有着极为重要的作用, 因此不管是科研还是来自于社会的需求, 都要求环境监测数据能够准确及时, 这就为环境监测数据的审核提出了要求。但是因为在实际的监测分析中所采用的分析方法本身所存在的局限性、相关分析人员的技术水平限制、监测因子等多方面的原因的影响, 使得数据失真的现象难以被克服, 如果最终所获得的数据不够准确, 那么将会对环境执法、管理等一系列的后续活动产生不可预估的影响。而审核环境监测数据就是为了能够尽量的消除这些不可估量的影响, 提供更加准确、权威的环境监测数据, 为后续工作打下良好的基础。

2 审核环境监测数据可采用的技巧

2.1 发现并掌握各项数据之间的客观规律

环境监测数据本身是目标环境在质量上的一种数据化的外在表现。而目标环境本身就具备一定的关系, 反映在环境监测数据上就会体现出一种各项数据之间的数量关系。因此, 在对环境监测数据进行审核时, 技术人员首先要做的不是直接查看数据吗, 而是需要对历年来环境监测的资料进行研究, 然后了解客观环境所存在的规律, 这样就能够对环境变化的规律进行一定程度的了解, 此时再来对环境监测数据进行审核, 那么必然会事半功倍, 很快的查出其中的不合理之处, 作出正确的审核。

2.2 通过动态数据库对审核数据进行审核

当对各项数据之间的客观规律掌握后并不能够就之间凭借自身的经验来对数据进行审核, 这样虽然能够找出其中的异常数据, 但是难以全面, 而且容易出现失误。在平常的工作中, 应该要利用先进的动态数据库技术来建立起环境监测的动态数据库, 并将历年来的大量数据根据相关的要求进行处理, 然后存储到数据库中, 利用数据库将同一地点的监测结果按照一定的顺序列出, 并计算出各宗均值, 从中找出环境要素变化的特点以及各个要素之间的相关性和内在联系等内容。同时将新的监测数据整理到动态数据库中, 让数据库中的数据得以不但的补充和完善。通过数据库, 审核人员能够利用数据库将历年的数据与新的监测数据进行对比, 这样将更加有助于发现其中的异常变化和数据, 能有效的提高效率。

2.3 可以通过各个物质之间的关系对监测数据进行审核

物质本身所具有的性质以及相互之间的关系, 都能够在监测项目中的量值上有所体现, 并且各种量值总是存在着一种定量或半定量关系。在进行数据审核时, 不仅仅需要关注单个项目的情况, 还需要注意部分监测项目之间的关联性, 氨氮必定要小于总氮等等。如果发现了反常, 那么就需要对这批数据进行详细的审核以查明原因。在通常的情况下, 监测的结果只有在产生了新的污染源或者发生了突发性的污染事故等才有可能发生突变, 如果通某一个项目中的数据特高或特低, 就必须查找原因。

3 审核环境监测数据时需要注意的重点

3.1 注重各个环境监测数据的代表性

每一项环境监测数据的得来都具有其特定的代表性, 而所有的数据综合在一起才能够真实的反映出环境的状况, 因此在进行审核时就需要注意监测样品的采样的原始记录是否全面、采样人员的操作与记录是否有不符合规范的地方、在采样点是否还有其他因素的影响等进行重点审核。同时监测人员还需要注意自己所使用的监测分析方法与标准规范、评价方法等是否合理, 例如在验收监测中就需要注意采样时的工况如何, 同时还需考虑到采样的位置以及取样方法等等, 只有这样才能快速的发现异常数据, 对数据的代表性进行保障。

3.2 注重数据的精密性和准确性

想要让监测结果能够满足质量, 必须要在分析时通过各种方法来对环境监测结果的质量进行保障, 例如必须要有一定比例的样品平行双样分析, 而且分析必须要严格的遵守系那个个的技术规范等等。而质量控制人员就必须要审查分析人员在分析的过程中的精密性与准确性, 并且在审查时还需要写出相关的质控记录, 同时还必须要避免各种有可能会影响到监测数据精密性与准确性的因素。

3.3 重视监测数据的可比性

在对监测数据进行审核时必须要重视监测数据的可比性。对监测数据的可比性分析包括了各种合理性分析, 其中还包括了对多个污染物之间、多个行业之间、多个实验室之间等方面的监测数据的统一性和可比性的分析。可比性审核所囊括的范围十分官方, 并且都具有相当强的专业性, 要求相当高, 因此不仅仅要运用各种专业的、先进的监测技术规范和相关的分析标准, 同时还需要能够掌握并运用各种污染物之间的相互关系以及相关的迁移变化规律等等, 这样才能够更好的对各种物质之间的关系进行对比分析, 并对各种异常值进行分析合理的分析。

3.4 重视环境监测数据完整性

环境监测根据其目的的不同可以分为环评监测、污染源监督监测、环境质量现状监测以及建设项目竣工验收监测等多种不同的环境监测, 对于不同的监测目的就会有不同的监测方法以及规范和要求, 因此与之相对应的监测项目、分析方法、监测频次以及所需要的质量目标也会不同。所以在进行数据审核时就必须要注意监测数据的完整性, 要对不同监测对象所采用的采样频次、采样时间、监测项目的设置是否达到了监测技术规范的相关要求进行重点审核, 如果数据不完整, 那么就容易使得最终结果出现偏差, 因此必须要确定数据的完整性。

4 结语

总之, 对环境监测数据的审核技巧都需要审核人员通过自身的探索和长期的积累才能够形成自身的技巧。作为环境监测数据的审核人员必须要通过不断的学习业务知识以及熟悉各种新的环境监测技术规范、分析方法标准和各种污染物在不同环境中分布规律和特点, 才能够不断的提高自身的素质, 使得审核更加的准确。同时还必须要以科学的态度来对待每一个环节的监测数据, 只有这样才能够保证数据的准确可靠。

摘要：掌握环境监测数据审核的技巧和重点能够有效的提高对环境监测数据审核的效率与准确性, 文中就环境监测数据审核的技巧以及重点进行了简要的分析。

关键词：环境监测,数据审核,技巧,重点

参考文献

[1]龙小清.浅谈环境监测及其数据审核[J].科海故事博览:科技探索, 2010.