人工智能在21世纪水与环境领域应用的问题及对策
|
|
涉水设施优化重构与集成管理
随着城市化进程的加快和社会经济的发展，城市水安全问题愈发凸显，主要表现在水污染频发、水资源短缺及水生态退化等方面。城市是人类活动的中心，包含完整的水循环系统，体系庞大、过程复杂、涉水单元相互联系紧密、受人类活动影响显著是其主要特征。但是，传统水系统工程以取水、供水和排水为分割化目标，对其研究和管理的范式既封闭也单一，缺乏从系统论和整体论的角度去优化、管理甚至重构能满足城市可持续发展的涉水设施新范式。若延续传统思路，从现在到未来很长一段时间内，城市水安全问题仍将难有实质性突破。
近 20 年，机理模型、传感器和集成分析等信息技术在水行业的兴起迭代与变革，尤其近几年 AI 的爆发式发展，为突破城市水系统的优化重构与集成管理瓶颈提供了关键性技术（图 5）。例如，将模拟退火算法等 AI 技术运用到排水系统的规划设计及雨水资源的利用管理，可以为排水系统的前瞻布局、优化设计与即时调控提供强大的科技支撑。进一步地，通过构建基于遗传算法的二级优化调度模型，也可在实现城市用水量动态预测的基础上，优化供水能耗，实现供水系统运营成本的精准控制、过程能耗和碳排放的有效降低。
近年来，AI 技术也被运用于城市水系统与水资源的集成管理与优化调控研究；在不久的将来，将有望构建以 AI 为核心的下一代城市智慧水系统，以适应城市快速发展的需求变化。
流域生态系统过程模拟与统筹管理
水与环境过程是涉及地球多圈层、多过程、多尺度和多要素相互交叉作用的耦合过程，其机理复杂，涉及数据量大且多，是地球与生态环境领域的重大科学难题和研究前沿。其中，流域生态系统作为水、土、气、生、人多要素互相作用形成的复杂系统，是自然和社会耦合系统的缩微，也是探索水资源、水环境与水生态统筹管理的重要尺度。保障流域生态系统健康对于实现 SDGs 具有重要的科学价值和实际意义。近年来，AI 技术与卫星通信、空间定位、遥感、地理信息系统等对地观测技术进行了有效融合，实现了地球科学大数据平台构建，使自然降水、水土流失、冰川消融等大尺度水文循环过程及其驱动因子得以实现科学模拟，从而为流域生态系统的过程解析与综合评估提供极为关键的数据基础。
进一步地，如何对自然-社会-经济系统互馈过程进行集成模拟，是科学实现流域生态系统多过程、多要素统筹管理的关键，而 AI 的飞跃式发展可为此提供强大的技术支持。例如，随机森林、梯度增强回归树、回归向量机等 AI 算法可以快速学习并预测流域生态系统对集水区土地覆盖类型、营养盐等胁迫因子、植被季节性演化等动态因素的级联响应，为决策者制定流域管理目标与治理措施提供便利。
未来，在地球科学大数据与社会经济指数相融合的基础上，对 AI 算法与气候变化和人类活动的物理模型进行集成，在流域尺度上开展自然-社会-经济系统的综合调控研究，则有望突破绿色流域构建与统筹管理技术体系。
AI 在水与环境领域应用亟待解决的关键问题及对策建议
第 4 次工业革命势头强劲，以 AI 为核心的信息技术突飞猛进，为水与环境领域从传统的经验型、定性决策为主向精准型、定量智能决策转变提供了颠覆性发展的新机遇，为面向未来的健康、可持续、高弹性、智慧化水系统重构创造了可能。AI 技术的迅速进步，为水环境风险防控、水质安全保障及水系统优化管理等技术从微观到中观和宏观尺度的发展与应用注入了新的活力，从而为加速 SDG 6 目标进程带来了一系列积极效应。尽管如此，该过程也将面临诸多新挑战。纵观前述篇章所及的科学探索和实践，未来AI技术在水与环境领域深入应用仍有若干关键问题亟待解决。
黑盒效应与算法可解释性。尽管以机器学习为突破口、以深度学习为实现方法的各种 AI 技术在水与环境领域中崭露出优异的预测性能，但其可解释性一直是推广应用的短板。例如，目前深度神经网络所具有的高判断能力是通过构造多层非线性映射函数进行逐层抽象而取得的，黑盒效应是其主要特征；换言之，以数据驱动机器学习为核心的 AI 技术虽然可以实现感知、学习、行动甚至自主决策，但技术有效性主要受限于无法向使用者解释其分析和决策的合理性、评估其模型的优缺点、预测其在新任务上的普适性等问题，甚至无法确保其在未来应用中的安全性。另外，具有水环境相关学科背景的研究人员、工程师和管理者通常不具备 AI 领域的相关知识和技术经验，这使得他们在科学选择、综合评估及认知理解AI技术解决水与环境问题时面临较大困难，从而导致AI技术的实际价值未能得到充分发挥。建议：未来应加速突破具备可解释性的 AI 新技术，以及发展面向水与环境领域的 AI 技术系统构建理论与评估方法，这对促进 AI 技术在水与环境领域研究、应用及教育的全面发展具有重要意义。