人工智能在21世纪水与环境领域应用的问题及对策
|
|
落实 SDG 6 的挑战
SDG 6 为 2030 年全球水与环境可持续发展指明了清晰方向，但也面临着新挑战。目前，各个国家和地区的发展阶段，及不同国家和地区在水与环境领域的科技水平均存在不同程度的差异，使得 SDG 6 内部不同具体目标之间及其与其他 SDGs 之间存在着相互增强或制约的复合关系。因此，系统性认识 SDG 6 在落实过程中遇到的困难，并以此为攻坚方向，因地制宜地提出解决路径和方案，是世界各国、各地区共同实现 SDG 6 的重要基础。具体的，SDG 6 在落实过程中正面临 3 个方面挑战。
数据监测与分析评估手段不足，严重制约了联合国组织及各国、各地区对水与环境卫生真实现状和发展成效的全面掌握。对 SDG 6 各个具体目标的有效度量和监测是保障实现水与环境可持续发展的重要环节。截至 2019 年，SDG 6 的 11 项监测指标中仍有 4 项多数国家未能定期提供监测数据。当前，对 SDG 6 各个具体目标的度量和监测主要依赖统计或普查数据。前者常因城市和农村区分不明确等因素而导致统计数据缺乏代表性和空间解析能力；后者则受普查工作的人工和时间成本限制，所得数据的实时性不佳、不确定性大，数据代表性极为有限。因此，科学评估 SDG 6 进程，急需发展长时序、多尺度、多维度、高分辨率的数据监测与指标模型化手段。
水循环系统构建、监控、模拟、评估和整体优化调控的困难。完整的水循环系统涉及地表水、地下水、雨水及城镇供水排水系统等多个自然和人工水单元过程，是复杂、多样、动态和相互联系的庞大体系，而水系统工程的传统研究思路和管理模式则较为封闭和单一；此外，世界各国和各地区在相关领域的科技能力也存在差异，这使得水循环系统的构建、监控、模拟、评估和整体优化调控遇到极大的挑战。如何突破传统的封闭式研究思路和模式，打造开放式的水科技创新生态，突出学科交叉融合和国际科技合作，是实现水资源与水系统集成管理的核心科学问题。
水环境与水生态风险的复杂性。随着工业化快速发展及人类消费需求的扩大化和多元化，水中污染物呈现种类愈发复杂和时空变化相异的特征，水环境与水生态风险普遍提高。如何从极其复杂、多变的水系统中快速识别、深入认知和高效解决复合污染及风险，是发展健康、可持续、高弹性未来水系统亟待解决的关键技术难点。
AI在水与环境领域的研究及应用现状
AI 是计算机科学的一个分支，它是研究和开发用于模拟、延伸和拓展人类智能的理论、方法、技术及应用系统的一门新的技术科学。近年来，随着计算机算力的大规模发展及算法的不断突破，AI 得到了快速发展，这为水环境污染防控、水质安全保障、涉水设施优化重构及流域生态系统管理等技术的研发和创新提供了强大的工具。梳理和总结国内外近 10 年相关文献发现，AI 技术主要在 4 个方面的研究和应用中发挥重要作用。