中国环境报：臭氧逐步上升为仅次于PM2.5的【de】作用优良天数的重要因素，今年夏季，在新冠肺炎疫情防控常态化形势下，生态环境【jìng】部门开展臭氧污染防治监督帮扶攻坚行动，越来越倚重新一代信息化技术的参与。在臭氧监测领域，有哪些高【gāo】新技术手段出现？

　　孙越：臭氧污染防治工作的艰巨性和复杂性，亟需监测科技力量的支持。

　　臭氧污染具有明显的复合型，其成因非常复杂，涉及氮氧化物（NOx）和挥发性有机物（VOCs）的【de】排放，还与气象条件、地理环境，比如气温、光照、湿度、气压、风速、风向都有关系。

　　因此，我们【men】不仅要监测臭氧的【de】浓度，更要研究它的生成机理，测出导致臭氧污染的各个因素的贡献率。以此为出发点，我们设计了一系列参与臭氧生成光化学反应的常规污染物、特征污染物监测指标，这些监测不仅指向【xiàng】区域，甚至能锁定污染行业、企业、工艺。

　　目前大家可以看到的臭氧【yǎng】污染监测，除固定站外，已经增加了大气环境走航监测车。大部分走航车功能还相对简单，仅仅是监测VOCs，主要作用是定位 VOCs超标的【de】点位，从而识别来源。

　　在此基础上，聚光科技提出了协同走航监测的概念，也就是同时监测 VOCs、NOx、臭氧以及PM2.5。一台走航车协同监测的优势在于不仅能获知VOCs浓度，而且通过模型演绎，计算和预测各类污染源对整个地区臭氧污染的贡献，全面、精准、实时、定性、定量地诊断区域污染状况。有效改善了过去虽然监测到单【dān】一污染物的浓度，但还是无法判断污染源究竟【jìng】是谁，以及它与片区臭氧浓度究竟关联性有多大的被动局面。

　　我们试图通过这样的监测和模型计算，对一个地区的臭氧污染成因【yīn】精准画像，什么时间段生成，哪个时段浓度最高，哪些因子较活跃，是哪些行业导致的……当然，一个城市的臭氧不仅仅来自于本地，还有外源输入。对此，我们也有一个监测指【zhǐ】标【biāo】——PAN。PAN（CH3C（O）OONO2，过氧乙酰硝酸酯）是由大气中部分VOCs和NOx进行光化学反应而生成的，是一种重要的二次污染物，聚光科技PANs在线监测系统就是【shì】针对它。通过这一监测【cè】，能迅速分析出臭氧污染是外源输入还是本地源造成的。

　　这些围绕VOCs的监测，除了因为它通过光照与NOx发生反应后生产臭氧，也源于它与空气中的氧化剂、硝酸等发生氧化、吸附、凝结【jié】反应会生成二次有机颗粒物，也就是我们熟知的PM2.5。监测分析VOCs就把臭氧防治和PM2.5防治两项任务协同起【qǐ】来了，也就是既要扭转臭氧【yǎng】污染升高态势，还要维持PM2.5污染持续下降。

　　我们的走航车同时开展VOCs+大气常规六参数（O3、NO2、SO2、CO、PM2.5、PM10）监测工作，再通过搭载的空气质量模型，分析本地生成【chéng】和外部传输臭氧前体物与臭氧的占比，获得各地区各类污染源排放对受体点环境【jìng】臭氧浓度的贡献。当得到环境中臭氧浓度与其生成前体物排放之间的【de】定量关系后，还可以以此为依据开展减排效果评估。

　　这些复杂的源解析模型和扩散模型、预【yù】警模型都需要人工智能（AI）不断优化，让一台车至少解决五六个方面的疑问，大大降低了监【jiān】测成本。比如除了前面讲的，PM10我们怎么办？在走航车底部就有这样的装置，针对建筑工地或者城市道路的【de】道路积尘负荷，都可以做到实时监测。

　　除了降低成本，还要提升工作效率。现在的【de】大气走航监测车采用飞行时间段质谱仪，实现秒级出数，便于快速摸清污染底数。同时与搭载【zǎi】的气相色谱-质谱联用仪（GC-MS分析仪）相结合，输出VOCs特征因子污染全域图，全面【miàn】摸排、定性定量诊断污染状况。

　　另外，5G技术的应用也使走航车对污染源的定位日臻精准，已经达到厘米级，如果是4G的话，也就只能精确到10米级【jí】。这意味着，溯源对于我们来说不仅限于一个地区【qū】、一家企业，而是可以找到某个车间。尽管有些车间和生产【chǎn】工艺是连续性的，但我们在工艺段之间的走航能够非常准确地找到无组织排放点到底是在哪个位置。伴随【suí】着快速定位，我们还能够进行远程的可视化管控，也就是在走航过程中增加了摄像头，摄像头抓拍到的无组织排放违法行动，包括视频、图像，都通过5G网络瞬时传输到监察人员手中。

　　无论利用空气质量模型对臭氧源解析和敏感性【xìng】进行分析，对臭氧污染过程进行模拟，还是精准溯源、实时可视化监管，都是目前5G+ AI与环境监测深【shēn】度耦合，助力我们数字化转型的例子。

　　中【zhōng】国环境报：关于生态环境部提出的构建全流域生态质量监测一张网，您怎么理解？作为环境监测行业的龙头【tóu】企业，又会在水环境监测领域有何布局？

　　孙越：按照全流域、全要素的要求系统治理水环境，是当前的新方向。一条河是统一的【de】自然生态系统，生态修复必须遵循自然规律，统筹兼顾各种要素、协调各方关系，把局部疑问放在整个生态系统中来解决【jué】。之前我们投入的大量治污工程虽然成效显著，但也有所反复，就说明水环境治理既有【yǒu】其显著性，又有其复杂性。

　　一条河流途经不同行政辖区，原本具有整体性、关联性特征的流域自然空间被【bèi】行政区单元所分割管理，流域内各类资源、各个因【yīn】素相互作用、相互促进、相互约束，共同构成统一的动态平衡系统，因此涉水事务非常多，管理部门业务上相互交叉。

　　把“系统治理”“协同治理”作为方向手册，对流域治理来说既是挑战也是机【jī】遇。我们以此提出“源、网、岸、排、河”五方面监测，分别对【duì】应污染源、排水管网、近水岸线、入河排污口和河道水质。

　　污染源不仅有工业源，污水处理方【fāng】式厂也可以当成点源，还有农业面源，都要监测。以改善水环境、恢复水生态治理为主的系统性治理将逐步成为【wéi】未来市场的发展趋势。

　　排水管网不仅要监测污水管网，还有雨水管网，也可能出现超标。

　　管网的终端就是排口。生态环境部开展长江入河排污口排查整治专项行动时【shí】就提出，往长江里排【pái】污的到底有多少【shǎo】排污口，在哪里排【pái】，谁在排，排什么【me】，排多少等一系列疑问。如何把入河排污口这个最重要的基础性底数摸清楚，也是对监测行业的一场大考。首先，这个数量是非常庞大的。以去年生态环境部完成的长江流域2.4万公里岸线及沿岸2公里区域的入河排污口排查为例，排查出长江入河排污口6万多个。这是我们目前掌握的数字，具体到每一个排污口 如何监测则涉及更复杂、更多样的状况。比如，许多污染排放不是连续性的，如果是抽查，很难监测到超标现象。

　　所以说，水里的疑问，根源在岸上，对长江沿岸的重点工业企业，我们也要全部纳入日常监测【cè】，进行全过程跟踪，实现长江沿岸区域【yù】污染源状况明、底数清。

　　我们发现，河【hé】流、湖泊岸线范围不明，功能界定不清，部分河段岸【àn】线开发不合理，也会严重破坏河流生态环境。比如用河道两侧两公里保护范围的这把“绿色标尺”去衡量，涉及到的监测对象包【bāo】括沿河化工企业的排污，建筑垃圾生活垃圾等固体废物堆存产生的【de】渗滤液废水。

　　岸线的管控也是非常重要，最终回归到水体本身。除了水质监测，还有很多外延，比如非法采砂、非法养殖、非法捕捞、非法倾倒废弃【qì】物等。试【shì】想如果长江沿岸密集安装摄像头，那么海量的监控录像由谁来甄别鉴定？

      查看监控视频是工作量巨大且效率低【dī】下的事情，靠人力几乎难以解决。如何真正节【jiē】约人力和成本，提高效率和正确率？

　　这就要依靠视觉AI技术。对人类而言，70%~80%的信息获取来自【zì】视觉，但人类长期观看监视录像易丧失注意力和辨别力。而我们希望让计算机具备“从识人知物到辨识万物”的能力，帮助我们在环境监管中，提升处理方式信息的效率。

　　真正的视频监测可以区分人体形态，车辆、船只或【huò】选定物体与所有其他物体的一般移动和变化，从而进行抓取、分析、预警。随着以改善水【shuǐ】环境、恢复水生态治理为主【zhǔ】的系统性治理将逐步成为未来市场的发展趋势，我们要监测的对象可以是蓝藻的覆盖面积、生长速度、扩散状况，还有水生生物的多样性状况，外来物种对生态平衡的破坏，甚至结合电子显微镜监测微生物【wù】种类、菌群数量。

　　AI技术适用于生物识别场景的预【yù】演已经在进行中，推动环境远程监测、在线监测是继高清化和网络化之后的第三次技术变革。从“看得见”到“看得清”再到现在的“看得懂”，在未来必将有更多的AI算法、AI芯片、AI产品被应用到环境监测行【háng】业，比如对岸上、水里的不同种类动物，从颜色、形态、运动轨迹、三维位置及尺寸信息来差异化判别它们。

　　中国环境报：《生态环境监测条例》正在加速出台，此【cǐ】举将大大推进生态环境监测的法治【zhì】化进程。对于公开征求建议的《条例（草案）》，您怎么理解？从中可以看出哪些环境监测行业未来发展的一个方向和可以突破【pò】、拓展的空间？

　　孙越：生态环境监测是生态环境保护的基础，但过去这项工作的法律支撑不太完善。比如关于监测数据的法律效力，《条例（草案）》首次明确，通过自动监测设备、设施获取的监测数据，可以作为环境监督管理【lǐ】和行政【zhèng】执法的依据，是一个转折性的变化。通过《条例》的制订，进一步确立了【le】各级生【shēng】态环境监测的法律地位和作用，保护各级各类生态环境监测机构的权利和义务，同时也进一步强化各界生态环境监测机构的法律责任。

　　通过《条例（草案）》，我们欣喜地看到，生态环境监【jiān】测的定义扩展到了六大内涵，包括对环境质量、生态状况和污染物排放及其变化趋势的采样观测、调查普查、遥感解译、分析测试、评价评估、预【yù】测预报等活动。过去无论是在线分析还是实验室分析，我们的监测机【jī】构还局限在理化分析层面，也就是对各类污染物排放活动的监测，而今后，环境监测的范畴将大幅度拓宽。

　　除了六大内涵，我们还看到了九大外延，也就是对森林、草原、湿地、荒漠、河湖、海洋、农田、城市和乡村等生态状况的监测，包括对大气、地表水、地下水、海水、土壤、声、光、热、生【shēng】物【wù】、振动、辐射、温室气体等环境要素质量的监测。显【xiǎn】而易见，未来生态环境监测高新技术、先进装备的研究、开发应用和推广，新型污染物、应对新兴环境疑问和履行国际环境公约涉及【jí】污染物的研究性监测将有更多突破和发展。

　　环境监测网络的不断完善，监测对象和适用范围的不断丰富，将推动物联网、传感器、区块链、人工智能等新技术在监测检测业务中的应用，一批生态环境监测创新示范基地有望建立，具有自主知识产权的监测技术装备研发和应用转化全面加速，生态环境【jìng】监测自动化、智能化、信息化能力不断提升，为创新驱动环境监【jiān】测产品的【de】不断升级与推陈出新助力。同时我们的研发投入也在持续加【jiā】大，例如在环境与健康领域，我们已经对环境病理性、毒理性监测分析有【yǒu】所布局。