（来源：中国环境网）

转自：中国环境网

一条已经上链存证的数据，点击“数据核验”，系统显示通过；人为修改后再核验，系统立即显示不通过。

近日，山东省济南市生态环境局基于区块链的大气监测智能执法监管项目接受背靠背测试。从数据采集、AI异常筛查到区块链存证核验、线索进入执法流程，整套非现场执法模式迎来试点一年多来的阶段性检验。

多源数据：监管视线向生产端、治污端延伸

2025年3月，生态环境部同意济南市生态环境局开展区块链技术支撑非现场执法应用试点。试点以空气质量改善为重点，针对重点行业企业日常合规达标排放和重污染天气应急响应，将区块链、人工智能和大数据分析技术深度融合，针对不同行业和场景开发问题识别方法，强化重点行业企业远程监管。

同时，依托区块链数据不可篡改、全程留痕可追溯的特性，试点探索“异常判别＋数据存证”模式，实现全量数据实时存证、多源数据交叉校验和违法线索即时固证。

沿着这一路线，济南市生态环境局搭建起面向执法实际需求的非现场监管系统。与简单增加监控设备不同，济南试图解决的是怎样把过去分散的生产、治污、排污数据关联起来，让数据真正服务于执法研判。

答案是把监管视线从排放端进一步延伸到生产端和治污端。目前，试点面向钢铁、发电、汽车、制药等12个重点行业的17家企业21个排口，部署了21套区块链固定污染源自动监测智能执法监管设备（以下简称“黑匣子”）和21个站房视频监控设备，并在相关企业的生产、治污关键节点部署36套水电工况非侵入式监控设备。

据介绍，“黑匣子”与企业原有数采仪并联运行，采集分析仪发送的在线监测数据，不影响企业原有数采仪正常上传数据，同时还可以获取相关动态管控参数。生产、治污端的36套设备包括电表、水表、蒸汽表、温度表等，根据企业原有表计配置，通过图像识别或红外识别后上传系统。截至今年6月底，已累计采集数据8．4万条。

21个试点排口均部署站房固定机位摄像头，记录人员进入站房以及操作分析仪、数采仪等情况，摄像头具备人体入侵侦测算法，站房内检测到人员时自动开启录像。录制的视频，通过摄像头自带的4G流量卡传输至平台。截至6月底，已采集监控视频2．4万条。

至此，一家企业的排放端在线监测数据、生产和治污环节用能数据、监测设备参数以及站房视频，被汇集到同一个平台。

“现在不仅看排放数据，还要结合生产、治污环节的水、气、电等工况来分析。”现场工作人员介绍。

污染物浓度发生变化时，不仅要看监测曲线本身，还要看同时段生产设施和治污设施处于什么状态——企业标记停产，生产用电是否还在增加？污染物浓度突升突降，生产负荷和治污设施运行有没有同步变化？监测设备标记校准时，站房内是否有人操作？

过去需要分别调取的数据，如今可以按照时间关联，通过多源数据交叉验证企业生产、治污和排污状态。

双轮驱动：“算法筛线索＋区块链存证”

数据汇集之后，一个现实的问题随之而来：这么多数据，执法人员怎么看得过来？

济南市生态环境局的做法是，把AI异常识别放在数据与执法之间。

基于对生态环境部2025年204个企业弄虚作假执法案例和4003个运维校准不规范案例的分析，济南市生态环境局以在线监测数据为核心，结合水电气表、监控视频等多源数据，构建综合规则、时序融合和人工智能技术的异常线索识别模型，形成30类异常识别算法。

超标后数据突降、企业标记停产但生产用电异常、设备校准行为不规范……不同异常对应不同数据特征，算法从海量数据中筛查并生成线索。

“管理上的需求，就是怎么能快速识别它是真的造假，还是一般的数据异常？”现场工作人员说。

试点期间，平台已识别7例企业数据采集异常线索和54例校准不规范问题，形成13份异常线索月报和一套重污染天气应急管控异常线索清单。

但算法发现异常只是线索进入监管流程的起点。

2025年12月26日，平台推送某企业“排放水平陡升陡降”异常线索——此前一天，该企业氮氧化物在线监测数据短时间内多次大幅波动。执法人员没有立即入企，而是先开展非现场核查，查看企业生产状态、在线监测数据和站房视频，随后于2026年1月7日入企调查，调取数采仪日志、分析仪记录等资料。

最终，执法部门认可企业关于喷氨管路被园区车辆意外撞断、导致脱硝系统失效的解释；同时针对分析仪自动校准零点偏差过大问题，责令企业限期整改。整个流程形成“数据采集上链—系统推送线索—线上研判—现场检查—整改反馈”的闭环。

“执法是一件非常严谨的事情。”济南市生态环境保护综合行政执法支队相关负责人介绍，异常数据不直接等同于违法事实，真正进入案件办理环节，还需要结合企业生产记录、污染治理设施运行记录以及现场依法取得的相关证据综合判断。

算法想要筛得准，还有一个基本前提：输入的数据本身要可信。这正是区块链在系统中承担的主要功能。

济南市生态环境局围绕数据存证、查询核验追溯、电子固证等功能建设数据保真模块，将生产治污设施用能数据、在线监测数据、动态管控参数、状态标记、站房视频等不同来源的数据上链。截至2026年6月底，累计上链数据超过7700万条。

8月18日的测试现场，工作人员对这一功能进行了直接演示：一条数据上链后形成哈希值等存证信息，当平台当前数据与链上存证信息一致时，系统核验通过；人为修改后，两者不再一致，系统随即提示不通过。

“如果改了数据，它就校核不通过；没改，数据校核就能通过。”现场技术人员介绍。

区块链在这里并不是简单增加一个“技术标签”，而是记录数据采集、传输后的状态，为核验相关数据在存证后是否发生变化提供依据。执法人员发现异常线索后，可进一步查询、关联和核验相关数据，为后续线索研判和调查核实提供数据支撑。

背靠背测试：检验系统运行成效

硬件能不能稳定采集？算法能不能识别异常？链上数据能不能核验？这些最终都要接受实际测试的检验。不久前，专家组围绕上述环节进行了现场考察和背靠背测试。

形成的专家意见认为，本次测试组织规范、内容完整，区块链可信存证和异常线索识别等功能运行正常，相关数据可实现保真、防篡改、可追溯，测试结果符合预期。专家组一致同意此次背靠背测试有效。

从2025年3月生态环境部同意开展试点，到2026年8月接受背靠背测试，济南市生态环境局的探索逐渐呈现出清晰的技术路径。这套模式并非单独使用“黑匣子”、AI或区块链中的某一种技术，而是围绕执法业务，把硬件采集、多源数据交叉校验、AI异常判别、区块链可信存证以及线索审核、调查核实、整改反馈连接起来，形成从“采数据”到“看数据”，再到“找问题”“核数据”“查线索”的应用链条。

济南市生态环境局此次探索的一个特点，是将不同技术嵌入执法业务流程，形成一套可运行、可验证、可追溯的工作机制。数据采集有“黑匣子”和工况设备提供前端支撑，数据存证核验有区块链提供支撑，线索发现有AI算法辅助筛查，线索核实则通过非现场研判与现场检查进一步衔接。

试点期间的实际案例也检验了这一模式的应用流程。在上述企业污染物排放数据陡升陡降案例中，从平台推送异常线索，到非现场核查、现场调查，再到责令整改，技术手段提供线索和数据支撑，执法人员则通过进一步调查核实情况，形成从异常发现到问题处置的完整链条。

阶段性检验也意味着探索仍在继续。专家组在肯定测试结果的同时，提出进一步完善方向：明确“黑匣子”数据采集和完整性校验规则适用范围，明确疑似违法行为与数据变化之间的关联性；细化预警分级、推送及反馈处置流程，健全执法部门、企业和运维单位之间的线索闭环。

面对企业源源不断的海量数据，如何更快找到真正值得核查的异常，让有限的执法力量更精准地投向重点问题，仍是济南市生态环境局“异常判别＋数据存证”模式继续探索的方向。技术如何更好嵌入执法流程、提高异常发现和核查效率，仍将在实际监管中继续检验。