地球观测与人工智能时代下迈向公平的水文数据

《Nature Water》：Towards equitable hydrological data in the age of Earth observations and artificial intelligence

　　

全世界对淡水系统进行系统监测以应对水危机的需求日益明显。地球观测（Earth observation, EO）、卫星遥感（satellite remote sensing）和人工智能（artificial intelligence, AI）的最新进展为改进水文观测提供了前所未有的机遇。然而，应对水危机不仅需要更大体量的数据，还需要在不同区域和利益相关者之间实现公平的代表性，以及公平地获取、共享和使用此类水数据的能力。研究人员认为，虽然技术进步带来了前所未有的机会，但也构成了可能阻碍水文数据公平使用的挑战。

论文解读：地球观测与人工智能时代的水文数据公平性

全球水危机日益严峻，对淡水系统进行系统性监测的需求愈加迫切。近年来，地球观测（EO）、卫星遥感和人工智能（AI）的快速发展为改进水文观测提供了前所未有的机遇。然而，研究人员指出，仅增加数据量并不能解决水危机，还必须确保不同地区和利益相关者之间能够公平地代表、获取、共享并使用水文数据。论文发表在《Nature Water》，旨在揭示EO和AI虽然带来技术红利，但也可能阻碍水文数据公平使用的结构性挑战。

该研究通过整合全球卫星领域组织伙伴关系数据、公共云中启用图形处理器（GPU）的区域数据、大型语言模型（LLM）水足迹估算以及孙德尔本斯参与式行动研究案例，系统分析了水文数据链中的不平等现象。研究发现，卫星基础设施和数据生产集中在少数技术先进国家；全球南方（Global South）在计算能力和数据延迟方面处于劣势；AI模型存在地理和群体偏见，且其自身耗水巨大。更重要的是，水数据并非中立，主导的数据化方式排斥了社区生成的知识、定性知识和原住民知识。基于此，研究人员提出了实现公平水文数据的三项承诺和具体机制。该研究的重要意义在于，它打破了“开放数据即可实现公平”的简单假设，为水治理中的知识正义和权力再分配提供了理论框架。

在技术方法上，研究人员主要采用了以下手段：一是利用公开数据集统计各国卫星领域组织伙伴关系数量和启用GPU的公共云区域数量，并通过累积百分比（帕累托）曲线展示全球集中格局；二是基于近期估算评估AI的全球水足迹；三是在印度和孟加拉国共享的孙德尔本斯红树林三角洲（约10,000 km²）开展参与式行动研究，由当地社区参与采集和解释盐度、潮汐淹没范围、水生资源变化等地面数据。这些数据来源均为公开数据和社区合作。

研究结果分为四个部分。第一部分“Inequalities and Earth observations”（不平等与地球观测）：通过分析卫星部门组织伙伴关系数据，发现这些伙伴关系集中在少数国家，反映出EO控制权和专业知识的集中。技术能力、计算基础设施和数据延迟方面的差异，以及互操作性和FAIR原则（可查找、可访问、可互操作、可重用）执行不足，进一步削弱了全球南方对EO数据的有效利用，导致EO收益分配不均。

第二部分“Inequalities and AI”（不平等与人工智能）：公共云区域和GPU能力的分布显示，少数国家主导了先进计算资源的获取。LLM的训练数据偏向英语和全球北方，容易对低收入地区产生扭曲表征，并复制对边缘群体的偏见。同时，AI的全球水足迹预计到2027年达每年42至66亿立方米，许多数据中心位于水资源紧张地区，这可能使新兴技术收益集中于特权群体，加剧水治理中的不公平。

第三部分“Water data are not neutral”（水数据并非中立）：研究人员指出，EO和AI技术难以捕捉当地社会水文过程的实际状况，数据化将知识局限于可量化、可扩展的测量，忽视了社区生成的数据、特定情境的定性理解和原住民知识。数据收集和证据有效性的判断受社会政治价值观影响，从而影响水问题的定义与应对方式，可能再现和放大现有不平等。

第四部分“Equitable access and representation”（公平获取与代表性）：通过孙德尔本斯案例，研究人员展示了参与式行动研究如何生成地方性数据，如池塘盐度、潮汐淹没发生时间和范围、水生资源变化等，这些数据补足了正式监测和“大数据”的盲点。实现公平的水文数据需要重新分配数据生产、治理和使用中的权力，使社区、原住民群体、从业者和决策者能够访问、质疑、贡献并塑造知识系统。

讨论部分强调，实现公平需要具体改变数据基础设施的建设和治理，走向包容、参与和透明的实践。研究结论指出，水文数据的快速扩展不仅仅要求技术进步，还要求数据生产、治理和使用中的权力再分配。科学家、政府、资助者、数据提供者和技术开发者应确保塑造水知识的数据不会强化现有不平等。这需要投资于技术创新，也需要投资于制度、能力和参与过程，使多种形式的水知识能够影响数据的产生、解释和使用。若不做出这些转变，水文学中的数据革命可能延续其旨在解决的不平等；而若实现这些转变，EO和AI将能够为更公正和可持续的水未来奠定基础。