人口增长与工农业生产扩张导致河流水污染事件频发，对区域饮用水安全、生态系统稳定性与社会运行安全均构成显著负面影响。在河流水污染事件（尤其是突发水污染事件）发生后，快速锁定污染排放源对应急处置工作的高效开展具有关键意义。然而，传统基于水质指纹识别、过程模型推演等技术的水污染溯源方法长期面临计算成本高、对先验知识依赖性强、溯源结果不确定性大等瓶颈，导致河流水污染的及时精准溯源仍面临重大挑战。

    近年来，地理人工智能（GeoAI）范畴下的时空大数据、知识图谱等技术发展迅速，为复杂地理现象的知识表征与过程推理提供了技术支撑，也为实现河流水污染的快速精准溯源开辟了极具潜力的新路径。当前，该方向的相关研究仍较为匮乏，整体处于起步发展阶段。

    针对上述问题，中国科学院南京地理与湖泊研究所邱银国等人依托GeoAI技术，整合流域河网水系、水质/水文监测断面、流域空间管控单元及多行业污染排放特征等多源要素，构建了统筹上下游、左右岸、干支流多维度关联关系的河流水污染知识图谱，并进一步研发出基于“目标河段-风险单元-排污主体”逐级锁定机制的河流水污染智能溯源框架（图1）。该框架可显著提升河流水污染溯源过程的效率与准确性，能够为突发水污染事件的应急决策提供科学支撑。

图1. “目标河段-风险单元-排污主体”逐级锁定的河流水污染智能溯源框架

    相较于传统的河流水污染溯源方法，该框架具有如下优势：

    （1）基于图结构建模，显著提升了溯源效率与精度。将河流水污染各因素间的空间依赖关系转化为可计算的图结构（图2），明确了支流网络、污水排放口、水质监测站及水文监测站等要素的上下游位置关系，捕捉了河段与流域单元间的空间关联，可直观呈现污染源迁移路径，显著提升了溯源效率与精度。

图2. 河流水污染相关要素的图结构建模结果

    （2）构建逐级锁定式溯源框架，有效降低了溯源结果不确定性。提出“目标河段-风险单元-排污主体”渐进式推理框架，水污染事件发生后，可迅速定位目标河段，并逐步锁定风险单元、排污主体（图3）；即便有时无法辨识具体排污主体，也可大幅压缩野外调查的空间范围，为现场排查工作提供科学指引。

图3. 农业面源排放区域锁定案例

    （3）量化不同行业排污特征，突破了污染源密集区准确溯源瓶颈。针对工业园区等工业设施高度集聚区域的污染源识别难题，该研究系统梳理了不同行业企业的排污特征，使得即便在排污企业高度集聚、空间邻近的情景下，仍可通过排污特征的比较分析，实现污染排放企业的精准追溯（图4）。

图4. “目标河段-风险单元-排污主体”逐级锁定智能溯源案例

    研发的河流水污染智能溯源技术框架已在巢湖南淝河流域开展实证应用。结果表明，该框架可实现污染排放源与风险单元的快速锁定，溯源过程平均耗时小于1分钟；同时能够显著提升溯源结果的准确性，污染源定位的平均误差控制在1公里以内。在当前全球河流水污染问题日益严峻的背景下，该框架为河流水污染事件的应急处置与流域水环境的精细化管理提供了高效可行的技术方案。

    上述研究成果近期发表于美国化学会（ACS）旗下环境领域著名期刊ACS ES&T Water，论文第一作者为邱银国副研究员，共同作者包括段洪涛研究员、罗菊花研究员、肖启涛副研究员等。

       文章信息：Qiu Y., Shao J., Zhang J., et al. (2026). A Knowledge-Graph-Driven Framework for Intelligent River Pollution Traceability. ACS ES&T Water, DOI：10.1021/acsestwater.6c00893