□记者 宋雨恒

　　问：目前AI在河湖管理中有哪些应用场景？AI视频监测效果如何？与传统的人工巡查相比，有什么差别？在哪些场景下替代了人工，哪些场景还替代不了？

　　郑学东：视频AI识别技术目前已深度融入河湖管理的巡查、预警与决策中，实现对非法采砂、违建侵占、违法施工、水面漂浮物及人员越界等问题的自动识别与秒级告警。用好视频AI识别技术，关键在于用好数据、做准识别、做实服务，以智能化引领降本增效。

　　与传统人工巡查相比，视频AI识别技术在常态化巡检中已有效替代人工采集信息，大幅度降低漏报率和巡查成本。但AI并不能完全取代人力——在复杂险情综合研判、应急处置指挥和柔性执法等场景，仍需依靠人的经验与判断。AI的价值在于让水利工作者从“盯屏幕”的繁杂事务转向“做决策”的核心职责，真正让科技赋能江河湖库管理。

　　问：目前AI识别河湖库“四乱”问题的准确率如何？提高AI识别准确率难点是什么？

　　郑学东：目前，受应用场景、技术路线与模型选型等因素影响，AI识别河湖库“四乱”问题的准确率波动较大，整体处于65%—95%。

　　现阶段AI识别技术大规模落地应用仍面临诸多难点：一是河湖库现场环境复杂，同物异谱、异物同谱、植被遮挡以及水位季节性涨落等现象易造成模型误检与漏检；二是“四乱”目标形态多样、尺度差异大、部分非法行为隐蔽性强，进一步加大了AI的识别难度；三是AI仅可实现对地物目标的感知识别，不具备行为合规性判定能力，需要结合河湖管控边界、项目审批台账等业务资料，才能认定是否属于“四乱”问题；四是“四乱”问题样本分布不均衡、模型跨区域泛化能力有限、数据源受时空条件约束，制约了智能识别技术的高效落地应用。

　　问：AI能识别水面以上的变化，但河势变化、岸坡变形、泥沙输移等往往藏在水下或需要一个较长的演变周期，对这类变化，AI能帮上什么忙？

　　周银军：AI视频监测的确无法直接“看见”水下环境，但这恰恰成就了它的独特优势——AI不直接依赖视觉观测，而是通过融合多源观测数据，反演泥沙输移过程与河床演变规律，大幅降低人工解译的工作量。

　　针对泥沙输移监测，水中的悬浮泥沙会改变水体的颜色与透明度，AI模型可通过分析遥感影像的光谱信息，实现大范围、高频次悬浮泥沙的浓度反演。依托短时连续的水下地形数据，AI能够自动识别并追踪水下推移质颗粒的运动，精准提取推移质输沙率等关键参数。AI还可以根据多年水文与地形数据，训练河床演变预测模型，模拟不同来水来沙条件下河床的调整趋势，预判主流摆动、滩体消长等演变过程。

　　针对岸坡变形监测，AI可以快速处理实时监测数据。例如崩岸隐蔽性强、突发性高、随机性大，它的发生涉及近岸水沙运动、岸坡表面变形与土体内部性质改变等多种复杂过程。传统的崩岸监测设备存在覆盖面不够、预警不及时、数据不精确等问题，我们在开展长江崩岸治理过程中，研发了“一杆通”式岸坡内部多要素监测设备，可实现对温度、含水率、水平位移、沉降、渗压5种参数的动态感知；监测到的数据经机器学习模型处理后，能够多参数协同预警，实现崩岸险情“抢早、抢小”。