【行业观察】大气污染精准治理要靠“人工智能+”打开新局面

今年的政府工作报告中提出“持续推进制造业数字化转型和‘人工智能+’行动”，同时明确“制定实施空气质量持续改善行动计划”。3月1日起实施的《环境空气质量标准》（GB 3095—2026）逐步收严颗粒物及其主要前体物浓度限值。面对新目标、新要求，我们既要继续抓实减排举措，又要更加注重提升治理的精准性、前瞻性和协同性，让“人工智能+”为推动空气质量持续改善提供重要支撑。

经过多年持续攻坚，我国大气污染防治工作取得显著成效。而随着空气质量持续改善，污染物进一步减排的难度加大，一些传统治理方式也急需与时俱进进一步优化升级。

一是传统手段边际效益递减，精细化治理能力有待提升。经过多年持续治理，不少城市PM2.5浓度已降至较低水平，继续下降越来越依赖对细小排放环节和短时污染过程的精准识别和控制。单靠人工巡查、经验判断和常规调度，已经难以适应新阶段要求。

二是污染溯源和预警能力不足，影响治理措施精准落地。PM2.5来源复杂，且受气象条件影响明显，当前大气污染治理的难点不只在于PM2.5单项削减，还在于PM2.5与其他污染物的协同治理。由于工业排放、机动车尾气、扬尘、生物质燃烧以及污染物之间二次转化过程相互交织，不同季节、不同气象条件下发生污染的主导因素并不相同。现有手段在实时性、覆盖面和动态识别能力上仍有不足，难以及时支撑针对性调控措施实施。

三是监测网络和数据应用还存在薄弱环节。现有监测体系已具备较好基础，但对工业园区、交通走廊、施工区域等局地高值点位的感知还不够精细，对异常排放的快速识别能力也有待提升。与此同时，各职能部门数据共享和协同分析不足，影响联防联控效率。

污染防治攻坚战越深入推进，越要靠精准治理打开新空间，人工智能的深度应用正成为突破传统治理方式瓶颈的关键变量。破解上述难题，需要围绕污染防治全链条提高智能化水平，以“人工智能+”为牵引，形成从监测溯源到预警执法再到效果评估的治理闭环。

建议构建以人工智能为驱动的精准溯源和预报预警体系。人工智能的作用不只是“看得见”污染，更在于把分散的监测画面、巡查轨迹和排放数据转化为可核查、可追踪、可处置的执法依据，推动监管由事后处置更多转向主动发现。整合地面监测、卫星遥感、气象数据、排放清单等多源信息，运用机器学习算法建立高时空分辨率的污染溯源模型，实现主要排放源的实时识别和贡献量化。建设基于智能模型的空气质量预报系统，提高重污染天气预警的预判能力和准确率，从而为应急减排争取更充裕的响应窗口期。

推动无人机与人工智能协同的常态化智能巡查。围绕工业园区、建筑工地、交通干线等重点区域，综合运用搭载气体传感器、光学设备的无人机巡查手段，结合图像识别和异常排放情况判别技术，提高问题发现和线索锁定效率，弥补地面监管覆盖面的不足。

建设跨部门大气治理智能决策平台。打通生态环境、气象、交通、住建、能源等部门数据接口，强化污染过程分析、会商研判和联合调度，增强区域联防联控的针对性。对重点时段、重点区域和重点行业，可借助智能推演和情景模拟手段，比较不同管控措施下的减排效果和实施成本，增强治理方案的科学性和经济性，推动治理措施精准发力。

加强智能治气领域的标准建设和能力储备。推动制定智能监测、溯源、预报等环节的技术规范和数据标准，确保智能化应用的可靠性和结果可比性。在生态环境系统和基层执法队伍中加强技能培训，培养既懂大气污染防治又熟悉智能技术的复合型人才，为技术落地提供持续支撑。

需要注意的是，人工智能归根到底是治理工具，不能替代产业结构、能源结构、交通运输结构的深层调整，污染治理也不能脱离精准治污、科学治污、依法治污的基本路径。技术手段与结构性减排相互配合、同向发力，才能不断巩固和深化污染防治攻坚成效。空气质量每降低一微克都不容易，越是如此，越需要把智能化手段真正嵌入治理日常，用更扎实的数据支撑和更精准的管控能力推动环境空气质量持续改善。（王善仙）