第九届数字中国建设峰会 数字生态文明分论坛 典型应用汇编 (上册）

(上册) PREFACE 前言 数字技术浪潮奔涌向前，生态文明建设蹄疾步稳。当前，人工智能、大模型、物联网、卫星遥感等新一代信息技术与生态环境保护深度融合，一场以“数智化”为引擎的治理变革正在神州大地全面展开。 2026年是“十五五”规划的开局之年，也是美丽中国建设承上启下、实现生态环境根本好转的关键时期。全国生态环境系统深人学习贯彻习近平生态文明思想和习近平总书记关于数字中国建设重要论述，全面深化以人工智能为核心的数字技术应用，积极推进生态环境治理体系向智慧化、精准化转型。 值此第九届数字中国建设峰会数字生态文明分论坛在福州召开之际，我们围绕“共绘美丽中国生态治理新画卷”主题，汇编整理了全国各地选送的77个典型案例。本汇编涵盖大模型全域智治、AI精准治污、数智监测感知、AI数据治理、数智执法信访、智能决策服务六大领域，系统呈现人工智能技术在生态环境治理全链条中的深度应用，鲜活勾勒出数字技术赋能美丽中国建设的生动图景 我们希望通过这本汇编，为全国各地提供可借鉴、可复制的经验样本，也期待与社会各界一道，继续以数字之笔，共绘美丽中国生态治理的新画卷。 目录 大模型赋能全域智治·生态环境智慧中枢81（）， 智慧环保一体化监管体系构建与应用（生态环境部环境工程评估中心等）...·..．009人工智能赋能生态环境智治体系建设（广东省生态环境厅）014河北省生态环境监管AI大模型（河北省生态环境数智中心等）：024（）....030（），035龙江省生态环境信息与公共关系协调中心）041数据赋能全面推进美丽内蒙古建设（内蒙古自治区生态环境厅综合保障中心）.·：.047泸州市“环保门诊”（泸州市生态环境局）.053构建渐进式助力多维度场景的“生态智能助手”（北京市大兴区生态环境局等）．...056“美丽巴中AI管家”平台（巴中市生态环境局），060数智护绿绘就生态新图景一佛山生态环境数字化治理“一网统管”标杆案例（北京思路创新科技有限公司等）.....065 AI驱动精准治污·蓝天碧水净土守护 “数智蓝天”：大气联防联控全域协同治理（福建省生态环境厅）.073智驭数驱守护蓝天：基于“AI+大数据”的移动源污染智慧管控平台（山东省机动车排气污染监控中心）：..077区域空气质量智能监测与预报技术研发与应用（广东省生态环境监测中心等）..．082沈阳市环境空气质量智能管控与应急指挥平台-大模型+小模型：双轮驱动，破解数据与预报双重瓶颈（沈阳市生态环境局等）....096基于多源视频与多算法协同识别的大气污染AI视觉闭环应用（成都市生态环境局）104 恶臭污染溯源及精细化监管系统（内蒙古自治区生态环境厅综合保障中心等）...：117大气污染综合治理系统（中国铁塔枣庄市分公司）122127AI赋能闽江水环境溶解氧智能管控（福建省生态环境厅）130贵州省水生态环境管理人工智能场景应用（贵州省环境保护厅电子政务中心）..．1134湖北省长江大保护数字化治理智慧平台应用（湖北省生态环境信息中心）：.138山西省水生态环境综合管理大模型（山西省生态环境厅等）146水污染智能反演与精准溯源平台（上海市环境科学研究院）渝小水：重庆探索AI+守护一江碧水向东流（重庆市生态环境局）162AI赋能海洋生态环境智慧监管·打造美丽海湾“厦门样板”（厦门市生态环境局）..．167入河排污口设置论证及审批智能体（生态环境部环境规划院等）172基于AI的农村生活污水治理成效数智化评估：从人巡到智评（广东省环境科学研究院）180 大模型赋能全域智治生态环境智慧中枢 数智监测感知·天地一体生态守望 重要生态空间人为活动智能监测一体化终端（商标：星昇态）（生态环境部卫星环境应用中心等）.广东省遥感智算一体化平台：构建生态环境监测新范式（广东省生态环境监测中心等）191环境噪声智能监测与溯源关键技术研发及示范应用（广东省生态环境监测中心等）200（）广东省红树植物物种细粒度AI识别与端云协同监测技术构建及应用（广东省生态环境监测中心等），...215基于红外无人机的斑海豹种群动态智能监测体系（辽宁省大连生态环境监测中心等）220“电磁之眼”辐射环境AI监测与可视化模拟预测（辽宁省大连生态环境监测中心等）225AI赋能的新疆生态环境监测一体化平台一一水环境、噪声及社会化监管数智化实践（新疆维吾尔自治区污染物监控中心等）229数字福州·生态智巡：山水林田湖草沙一体化低空数智治理（福州市生态环境局等）.238全自动AI水质检测系统（辽宁省沈阳生态环境监测中心等）浙江省桐乡市乌镇省控水站智能运维系统（嘉兴市生态环境局桐乡分局）......．251机器与AI协同的智慧监测应用（海南省生态环境厅）...257行业知识驱动的生态环境监测人员数智化考核系统应用（上海市生态环境局）.．263“穗小测”数智助手生态环境监测数智化应用（广州市生态环境局等）..267杭州市创新打造第三方环境监测服务监管新模式“环检码”（杭州市生态环境局等）274 智慧环保一体化监管体系构建与应用 生态环境部环境工程评估中心北京思路创新科技有限公司北京捷通华声科技股份有限公司 一、总体介绍 《国务院关于深入实施“人工智能+”行动的意见》把“共绘美丽中国生态治理新画卷”，列为“‘人工智能+’治理能力”的重要构成部分。在项目环评、排污许可、环境执法等生态环境监管关键环节推进人工智能技术应用研究是落实意见要求、推动生态环境治理朝着智能化方向转型的关键举措，也是助力美丽中国建设、筑牢生态环境安全防线的重要实践， 环评、排污许可、执法共同构成了生态环境源头严防、过程严管、后果严惩的全链条监管体系但当前环评文件审批、排污许可证审核和执法案卷评查等关键业务均存在以人工为主、智能化水平不高等问题。本案例聚焦生态环境监管关键环节痛点，通过对海量数据的智能分析、重要问题的精准识别、非现场监管执法线索的智能发现、执法案卷的科学研判，构建全链条关键节点智能化监管新方式。核心技术涵盖长文本理解与推理、多模态大模型解析、机器学习、人工智能与图像识别等，采用“数据驱动+规则辅助”等技术路线，搭建各模块智能应用体系，实现全流程自动化处理与审核优化。应用范围覆盖全国生态环境相关管理部门，广泛应用于环评文件辅助审核、排污许可辅助审核、执法案卷辅助评查和非现场执法场景，目标是实现监管自动化、标准化，打造公平高效的监管新范式，提升管理效能与规范性，同时减轻基层负担，推进依法行政与生态环境监管提质增效 二、技术路线 （一）模型情况 本案例共选用三种不同的模型，分别为： 1.机器学习模型 （1）随机森林模型 （2）卷积神经网络模型 参数量：总参数量1.3万 部署方式：基于PyTorch框架实现，支持CPU、GPU单机单卡训练与推理；通过Python完成数据预处理、模型训练与验证，将最优模型保存为.pth权重文件实现持久化；可直接加载权重完成水文多特征实时预测。 部署方式：模型基于Python原生开发，采用模块化封装，支持标准云平台的弹性部署，兼容GPU与CPU混合运算模式。并支持在隔离环境中部署以满足合规要求。 （二）数据情况 本案例共构建5类业务数据集，分别为： 1.建设项目环评文件数据集 数据来源：全国建设项目环评统一申报和审批系统各地申报项目提交的环评文件，脱敏后使用。 数据规模：截至2026年3月30日，已完成5个行业4433个建设项目审核；每年全国约10万份环评文件。 数据分类：按行业分为电机制造、塑料制品业、结构性金属制品、金属表面处理及热处理加工、提取数据、智能审核问题数据、专家人工复核数据等。 构建方式：从全国环评统建系统自动同步数据，经智能附件筛选、多模型融合解析后完成结构化处理，结合500余条环评审核规则及审核点进行专业标签化标注。 质量情况：数据均来自官方环评申报审批渠道，真实性、权威性、合规性高，经多轮模型解析校验与人工复核，数据完整性、准确性均达到智能审核业务要求，可充分支撑模型运行与迭代优化 2.排污许可结构化数据集 2.大语言模型 数据集来源：数据源自全国排污许可证管理信息平台，脱敏后使用。 (1） Qwen-2.5 数据规模：数据集总量近4900万条，覆盖全国各省（自治区、直辖市）和新疆生产建设兵团，时间跨度为2017-2025年。 来源：阿里云开源的通用大语言模型，官方实现与预训练权重开源托管于GitHub，属于通义千问系列开源模型。 数据分类：数据均为结构化数据，按行业类别进行分类。 参数量：总参数量32B（320亿）。 构建方式：采用“原始数据清洗－专家标注－分类归集”三步构建流程：首先剔除非本行业的数据；其次由环保领域专家进行关键字标注；最后按分类标准归集整理。 部署方式：基于Ollama工具实现本地化一键部署，原生支持Windows、macOS、Linux多操作系统；通过~ollamarunqwen2.5:32b指令即可完成模型权重拉取、运行环境自动配置与本地服务启动;支持本地CPU、NVIDIA/AMDGPU硬件推理加速，可通过原生终端直接交互、RESTAPI接口调用，适配对话交互、内容创作、代码生成、逻辑推理等多场景任务，同时支持自定义Prompt、推理参数调优与二次业务集成。 质量情况：数据均采用以核发数据，准确率高，符合行业数据质量标准，可直接用于模型训练。 3.环境执法案件评查数据集 数据源自行政处罚案例、司法判例、裁量基准及历史评查案例及试用类型涵盖一般行政处罚、不予行政处罚、查封扣押、按日计罚等七类案卷，脱敏后使用。经数据拉取、清洗标准化、人工标记关键信息，剔除无效案卷后划分训练集与验证集。数据经完整有效性校验，较贴合实际需求，模型整体准确率相对较高，验证了数据高质量与适用性。 (2) qwen3-30b-a3b-thinking-2507; qwen3-next-80b-a3b-instruct; qwen3-8B-vl; MinerUV2.7.6 部署方式：环境专网私有化部署 4.水环境非现场监管多源异构融合数据集 3.自研模型 数据涵盖地表水自动监测数据、人河排污口在线监测数据、DEM高程数据、气象数据、水文数据、排污许可证数据等。数据构建方式上，项目先进行时间对齐、空间映射、格式统一、缺失补全和异常值处理，再执行预处理、标准化、关联融合和质量校验四级流程，最终形成用于训练与应用的融合数据库。 （1）异常线索模型 （2）排污许可证智能辅助审核模型 参数量：以单一行业为例，深度学习子模型采用轻量化架构设计，参数量约30万，在保证推理精度的同时，兼顾计算效率与部署灵活性。 四、应用成效 5.水文水质时空预测数据集+流域治理知识数据集 数据来源主要包括流域监测站点实测数据、降雨与气象数据、土地利用／土壤/坡度等基础地理数据、遥感影像数据、河网与行政区划数据，以及CSA识别、TMDL核算、BMP措施配置等业务资料与专家经验知识。 环评智能辅助审核方面，已完成全国电机制造、塑料制品业、结构性金属制品、金属表面处理及热处理加工、铸造及其他金属制品制造等5个行业4000余个建设项目审核，单日可高效处理超百个环评项目，大幅降低监管部门人工评审成本，同时缩减企业项目审批等待周期，助力项目加快落地投产。 在规模上，数据集覆盖试点流域的流域空间网格/HRU单元数据、河道断面与监测点时序数据、多时段降雨径流与水质指标数据，以及治理措施、规则知识和业务文档等非结构化数据，形成结构化、半结构化、非结构化相结合的数据资源体系。 许可智能辅助审核方面，已开发完成覆盖全部37万余家持证企业的排污许可智能辅助审核功能，并且在全国排污许可证管理信息平台上线，供各地排污许可核发人员试用，为31个省（区、市）及生产建设兵团的各级管理账号开通试用权限，日均使用次数超900次。以水泥制造行业为例，在排污许可证审核工作中，人工审核单张许可证的重点问题通常需要约2小时，采用智能辅助审核模型，仅需72小时即可完成全