杭州探索生态“智”理
作者: 简宏妮机器狗变身“AI监测员”,智能识别水中主要污染物;出租车和公交车装上“黑匣子”,采集大气数据并形成空气污染预警;原本需要数周甚至数月完成的企业环评报告,借由通用大模型行业环评应用,缩短至30分钟生成,并于15分钟内完成审批……近年来,杭州开启了一系列生态“智”理的新探索。
中国环境保护组织公众与环境研究中心主任马军认为,“人工智能+环保”的创新模式,能够显著提升监测预测和治理管理的效率和水平。
生态环境部等部门2025年2月印发的《关于加强生态环境领域科技创新 推动美丽中国建设的实施意见》提出,到2035年,环境监测和模拟等一批关键技术和设备装备水平大幅提升,全面实现绿色低碳科技自立自强。
“生态智卫”
浙江省杭州市生态环境局值班室,工作人员发现监控平台提示了一条高值报警信号。10分钟后,当地的网格员到现场核查,发现一个秸秆焚烧火点。该着火点能够迅速被发现,是因为一辆经过这片区域的出租车。
“生态智卫”是杭州生态文明治理的“大脑”。
“这是算力在环保治理细分领域的一次应用。硬件设备是一个用以采集数据的‘黑匣子’,经过多种测试,确保不影响车辆营运安全后,安装在公交车和出租车上,采集大气数据,由算法对数据进行分析和清洗。目前,这一技术能将报警准确率提高到90% 以上。”项目实施单位负责人姚燕告诉《瞭望东方周刊》,之所以选中出租车和公交车,是因为出租车线路随机,可无死角覆盖城市,公交车线路固定,可进行不同时间段的校验。
近年来,杭州将全市几百辆城市出租车和公交车“武装”成一个个移动的微型空气监测站。安装在车辆上的小型感知设备,对沿路空气中的颗粒物浓度进行实时监测,每秒刷新一组数据,这些数据最终形成整个城市的空气实时图像。
杭州通过纯电动公交车、出租车搭载的移动监测设备与AI大模型联动,已实现闭环管理,努力削减本地扬尘污染时长。2024年,杭州市区PM10平均浓度为47.1微克/立方米,同比下降6.7%。
“生态智卫”是杭州生态文明治理的“大脑”。该系统基于全市汇聚的生态环境立体感知网,实时跟踪“环境质量、重点任务、具体事件”三类问题,自动预警并配套相应的溯源、处置、跟踪、督办、反馈、评价等一体化闭环流程。
“生态智卫”建设始于2021年2月,是杭州市数字化改革的重大多跨场景之一。“生态智卫”坚持“大生态”理念,整合“气、水、土、固废、辐射、生态、碳”各类生态环境要素,横向打通政法委、林水、城管、城投等10余个协同部门,纵向贯通省、市、区县、镇街四级,已整合全域大生态数据逾1600万条。
2025年2月,杭州市“生态智卫”系统监测到某道路连续出现PM10浓度超过市区平均浓度3.5倍以上,瞬时峰值超过700微克/立方米。模型结合气象条件对海量秒级监测数据进行自动筛选、深度解析,初步判断高值点附近存在较大的扬尘源。随后系统生成预警信息,包括高值的地点、时间、浓度、疑似污染源位置等。
预警信息第一时间交办至综合行政执法、属地镇街的具体责任人,责任人30分钟内抵达现场,调用洒水车、雾炮车等控制道路扬尘。核查发现,道路西侧有一大型渣土处置消纳场所,内部渣土堆放、运输的控尘措施落实不到位,出场的运输车辆冲洗不干净,导致泥土被带至道路形成二次污染,责任人督促该场所立即落实场地内洒水、喷淋等控尘措施,规范冲洗出场车辆,同时将处置情况和发现问题以图片、视频、文字等形式通过手机端上传,落实闭环整改。移动监测数据显示,1小时后该路段PM10大幅回落。
杭州市生态环境局相关负责人介绍,城市级大气移动监测AI大模型可实时对海量监测数据进行自动筛选、深度解析与高速运算,并将杭州市主城区精细划分为4.8万余个300米×300米的微网格单元。
通过融合多源数据,这套模型已经建立多源数据联动与区域AI特征校验分析机制。截至目前,共捕捉扬尘高值问题5800余条,24小时闭环处理率100%,平均处置时间大幅缩短,预警准确率超95%,溯源成功率达80%。
“通过人工智能追踪和监测环境问题,可以在非常短的时间内锁定污染源的位置,通过卫星图,进行智能化分析,使得环境监测的效率和形成监测报告的质量,都有显著的提升。”马军说。
AI环评
近日,杭州临安浩语纸箱有限公司在完成环境影响评价文件审批的同时,在杭州市生态环境局临安分局的指导下,使用“排污许可AI+智能生成系统”上传企业环评报告后,一键生成了排污许可全要素申报信息,企业将申报信息复制至国家排污许可信息平台,并对相关内容进行确认,即完成排污许可申报信息的填报。
一般来说,企业在完成环评审批后,需再次委托第三方,耗时1—2周填报排污许可申报信息。通过“排污许可AI+智能生成系统”的辅助,企业只需要对系统自动生成的信息进行确认,即可自行完成填报,节省了90%以上的时间及数千元的第三方服务费,真正实现环评与排污许可“两证合一”办理。
机器狗的“上岗”,彻底改变了传统“采样—送检—出数据”的远距离送检模式, 构建起“ 现场采样—即时分析—云端同步”的快速响应机制, 应急响应效率大大提升。
这是杭州通用大模型行业环评应用落地、实现试点行业环评报告“智能生成+智慧审批”双突破的一个缩影。在通用大模型的助力下,30分钟自动生成环评报告、15分钟完成报告审核,标志着杭州环评审批正式迈入AI时代。
杭州市生态环境局依托“大语言模型+报告表生成”智能体应用,重塑了环评报告文本编制模式。以往,企业需要耗费大量时间查阅资料和进行数据分析,才能编制出一份完整的环评报告。现在,试点行业企业只需要花费5分钟填报基础数据,就能一键实现报告表自动生成。
杭州市生态环境局构建的AI辅助审批智能体,实现试点行业环评报告表一键上传与智能审查功能,快速输出审查结论,并自动生成环评质量审核问题清单。清单中的问题位置会被标注出来,并以三色分级标识提醒审批人员关注。
杭州市生态环境局相关负责人介绍,2023年底,针对环评项目复杂、编制效率低、人员核查吃力等问题,杭州开始谋划AI助力环评。2024年9月,生态环境部发布《关于进一步深化环境影响评价改革的通知》,将北京市海淀区、浙江省杭州市、福建省厦门市、四川省成都市等4个试点地市(区)作为试点城市,开展环评文件标准化编制、智能化辅助审批试点。

对此,杭州市生态环境局分别围绕企业减负和基层提能两方面工作,开发完成“大语言模型+报告表生成”智能体应用。以塑料制品业试点行业为例,企业只需要花费约5分钟时间填报项目核心数据,就可一键实现报告表自动生成,环评报告表编制时间从1个月左右缩短至30分钟左右,同时降低报告表编制费用,有助于提升政务服务水平,助力经济社会发展。
“我们依托杭州‘生态智卫’大平台,开发‘大模型+环评报告生成’智能体,实现选址论证、智能生成、智能审批、预测模型等功能。目前,塑料制品行业通过环评领域智能体,只需花费40分钟,就能生成准确率约85%的环评报告,智能审批可在15分钟内完成报表拆解与规则匹配。”杭州市生态环境局相关负责人告诉《瞭望东方周刊》。
此外,杭州市生态环境局构建AI辅助审批智能体,通过上传导入环评报告表,系统自动解析报告文本,基于系统内嵌80余项智能化辅助审批要点和算法规则,实现环评报告表约15分钟完成智能审查,自动输出环评质量审核问题清单,助力基层审批效能提升,适当把控履职风险。
下一步,杭州市生态环境局将持续深化AI环评应用,构建多模型、多模态、多智能体的应用创新体系,充分借助人工智能本地产业优势,开展先行先试,探索打造“人工智能+”生态环境治理的新模式。
马军认为,AI具有强大的整合能力,如果生态环境相关的数据、知识库可以和“双碳”、气象、工业等其他方向协同起来,形成更加广泛的链接和统一的标准,可以进一步提高AI助力决策的能力,有效支撑更强大的生态环境政策和监管工作。

机器狗取样
杭州生态环境监测中心新入职了一名“AI监测员”。3月底,这名身披银甲的“数字员工”,沿着45度陡峭的坡道下行,前视摄像头锁定水面后,俯身将采样头缓缓放入水中。这是它首次在现场开展实地监测。据了解,这名集地形征服者、芯片极客、数据“闪电侠”于一身的智能体,是杭州生态环境部门对于智能科技的一次全新探索与尝试。
生态环境监测,场景多样而复杂。面对地形复杂的采样点,至少需要两名监测人员,还要带着各类设备。机器狗只要迈开“四足”就可跨越半米高的陡坡,快速到达河边,每天可以在多个点位分时取样,一次充电最多可“跑”20公里。
机器狗背上的微流控芯片,能“滴水出数”。以前,采样完成后,样品要送到实验室做分析,路远的话,来回要花1天的时间,至少要隔天才能出数据。机器狗“上岗”后,5分钟即可完成pH(酸碱度)值、COD(化学需氧量)、硝酸盐、氨氮、总氮等5项监测指标的采样、分析及数据传输,在手机上就能看到相关数据。
机器狗的“上岗”,彻底改变了传统“采样—送检—出数据”的远距离送检模式,构建起 “现场采样—即时分析—云端同步”的快速响应机制,应急响应效率大大提升。
杭州市生态环境局相关负责人介绍,与传统分析技术相比,微流控芯片水质分析技术在测定氨氮、总氮等项目时,试剂消耗量减少80%,设备体积减小80%,分析效率提高50%。
“现在,这名日均行走2万步的‘硬核员工’,就像水环境里的‘天网’探头,可进行应急水样的无人监测、分析和实时数据传送。未来,杭州将继续探索智慧监测新手段,将‘四足机器人+微流控’水质监测模式应用于河道巡查、饮用水源地监测以及重大活动保障等场景,为服务生态环境管理工作提供新路径。”杭州市生态环境局相关负责人告诉《瞭望东方周刊》。
近年来,杭州围绕生态文明智慧治理进行了诸多尝试。2020年,借助“生态智卫”平台,杭州将生态信息从线下搬到了线上。2023年,杭州完成数字化整合,形成“一张图、一块屏”,横向打通各相关部门,实现了事件交办闭环。2024年,杭州谋划AI方向应用,包括AI+监测、AI+治理、AI+执法、AI+管理、AI+服务等场景,目前仍在积极探索中。