在佛山水业举办的孙连“佛水高质量发展大会暨佛山水业集团60周年活动”上，中山大学环境科学与工程学院院长孙连鹏提出了水环境全过程智慧管控的鹏何思路，就是管网WhatsApp%E3%80%90+86%2015855158769%E3%80%91paintings%20of%20cranes以流域为单元，坚持“一张蓝图绘到底”的为核理念，对工业园区、心构生活小区、建源污水处理厂、孙连各类排水管网及设施、鹏何道路、管网河湖等涉水环节进行全面摸查，为核统筹规划，心构科学实施水环境治理项目，建源构建“源、孙连厂、鹏何网、管网河”一体化管理机制，WhatsApp%E3%80%90+86%2015855158769%E3%80%91paintings%20of%20cranes实现对水环境全流域、全流程管控，上下联动，提升排水系统整体运行效能，稳固水环境治理成效。
孙连鹏
01环境管控成效不稳定，缺乏系统思路及现代化智慧化技术手段
“十三五” 以来，我国水环境逐步向好，2021 年底地表水三类水体以上达 84.9%，“十四五” 期间也有明显进展，2024 年 8 月数据显示全国2023 年地表水优良率提升至 89.4%，超出 “十四五” 规划目标 4.4 个百分点。
“雖然水環境綜合治理取得了顯著成效，但全國水環境質量改善不平衡、不協調的問題依然存在，面源污染防治仍是薄弱環節，黑臭水體消除從根本上難度還比較大，‘三水’統籌治理還處于起步階段。”孙连鹏介紹。
具体而言，一是对源头治理不够重视，尤其偏重末端治理，包括各种提标改造，导致水环境质量不稳定；二是整体统筹不够，普遍存在“头痛医痛、脚痛医脚”的情况，缺乏系统治理思路；三是治理技术现代化不够，智慧化水平有待提高。
02水环境智慧管控的关键
“安全與效率是水環境管控的兩大關鍵要素。”孙连鹏強調，安全要求能夠快速識別水環境變化并及時應對，如同人體體檢，即使未出現明顯問題，指標變化也可能預示風險。水環境變化迅速，更需精準識別并降低風險；提高效率實際上也是降低成本，通過各種技術優化減少資源與能源投入，從而減少碳排放。
近些年，國家相繼發布了《全國“十四五”農村供水保障規劃》、《關于大力推進智慧水利建設的指導意見》等一系列政策，其中，智慧化被頻繁提及。孙连鹏認為，智慧化將成為水環境管控未來發展的重大趨勢。
水环境智慧管控的关键，一是要明确的机理、大数据（大量的数据和可靠的数据）；二是建立机理模型或/和数据模型，明确数学关系；三是少滞后的控制，全局的优化和协调。
03以管网为核心，构建“源网厂河”全过程智慧管控
”水環境管控的問題大都來自于管網，因為它連接著源頭、污水廠與河流等所有關鍵環節，管控管網就相當于管控了水環境的全過程。”所以孙连鹏提出要以管網為核心，以流域為單元，堅持“一張藍圖繪到底”的理念，對工業園區、生活小區、污水處理廠、各類排水管網及設施、道路、河湖等涉水環節進行全面摸查，統籌規劃，科學實施水環境治理項目，構建“源、廠、網、河”一體化管理機制，实现对水环境全流域、全流程管控，上下联动，提升排水系统整体运行效能，稳固水环境治理成效。
在智慧管网方面，一是要基于图像识别的排水管道缺陷智能评估技术，对存量污水管网、纳污暗渠开展清淤及CCTV检测工作，准确、高效、批量式处理海量的存量数据；二是要开展管网健康度的仿真评估技术，实现排水管网健康度定量分析，修正水力模型 ；三是基于管网健康度的排水管网水力模型构建及模拟技术，模拟及评估不同工况下的管网运行情况，提出管网优化及内涝预警方案。
智慧水厂建设方面，一是要建立机器学习智慧预测模型，探究水质指标的变化关系，实现对常规污染物、新兴污染物的在线准确预测；二是分析污水处理厂中各个处理设施之间的关系、水质参数，建立多目标过程智慧管控与预测模型，实现全局角度的处理单元水质智慧控制；三是根据数据挖掘和过程控制的处理、优化中探寻关键性影响因素和结论，建立减污降碳评估体系，实现污水处理厂“提质增效、低碳运行” 。
在河流水环境的智慧建设过程中，应使用多元监测的手段来构建水力模型，包括无人船的水质移动监测及污染溯源技术、大数据及模型的污染溯源技术。然后以“一张蓝图绘到底”的理念，将所有的数据放到一个体系里面，做到全数据一个库，全流域一张图，从而构建一个“天上+地表+地下”及“固定+移动”的“源-网-厂-河/流域”水环境智慧监管平台。
最后孙连鹏強調，當前，智慧化工具和技術層出不窮，這背后，幾個關鍵問題尤為突出：首先，數據的準確性是基礎中的基礎，任何偏差都可能導致后續分析的誤導；其次，數據的多少也非常重要，沒有足夠的數據支撐，任何智能算法都難以發揮其應有的效能；最后，也是最為核心的一點，即機理的缺乏。如果我們對于水環境問題的內在機理理解不夠深入，那么即便擁有海量的數據，也難以通過智慧化的手段來有效解決這些問題。因此，要想真正智慧化地解決水環境問題，我們必須在確保數據準確性和充足性的同時，不斷深化對問題機理的研究和理解。