水是生命之源，是生态的基础，也是维持生态系统健康和人类社会可持续发展的核心要素。然而，由于气候变化、高强度的人类活动以及多种污染压力源，全球水生态环境正面临前所未有的压力（吴等人，2021年；李等人，2023年；克拉默等人，2018年）。作为水资源管理、环境保护和生态修复的核心技术手段，水生态环境系统模拟通过定量表示水文循环及其相关过程，为理解复杂水生态环境系统的内部机制提供了科学依据（王等人，2025年；泽伊纳利等人，2025年；陈等人，2025年）。一个主要挑战是如何整合水文学、环境科学、生态学和信息科学等多个学科的理论和方法，将水生态环境概念化为一个与自然和社会经济过程共同演化的复杂系统。解决这一挑战不仅有助于深入理解水生态环境问题的形成机制并准确预测其未来演变趋势，还有助于制定智能的流域管理策略、制定前瞻性的风险预警和适应对策，以及确保长期的水环境和生态安全。
随着全球水资源短缺的加剧、水污染的加重以及极端水文事件的频繁发生，水生态环境系统模拟的重要性日益凸显（罗德尔等人，2018年；王和何，2025年；王等人，2024年）。其应用范围已从单一河流水质模拟扩展到涉及多个过程耦合的复杂系统分析，如流域水文过程、水化学迁移与转化、水生生态响应和社会经济驱动因素。1925年Streeter-Phelps模型的诞生首次将溶解氧平衡与有机污染物降解过程定量联系起来（Streeter和Phelps，1925年）。经过一个世纪的发展，水生态环境系统模拟已从早期的一维稳态模型发展为当前的多维、多尺度和多过程耦合模型，能够整合水文和水动力过程、污染物迁移与扩散过程、生态系统反馈机制以及人类活动干预等多种因素。特别是自20世纪90年代以来，计算机技术的快速发展推动了水生态环境系统模拟的技术创新。一系列高度集成的模拟软件，如SWAT（土壤和水资源评估工具）、EFDC（环境流体动力学代码）、MIKE和WASP，逐渐成为该领域的主流工具。这些模型凭借其模块化设计、多过程耦合能力和强大的空间表达能力，实现了从微污染物迁移到宏观流域管理的多尺度应用（Wellen等人，2015年）。
水环境模型是描述水体中污染物迁移与转化、水动力过程和生态响应的数学工具（栾等人，2024年）。它们的算法开发基于水动力和水质动力学理论，整合了数值计算、机器学习等领域的技术。传统的水环境模型以确定性物理化学方程为中心，算法设计侧重于这些方程的数值求解（Ebrahimzadeh等人，2025年）。它们适用于物理过程明确且参数可测量的场景。水动力学是水环境模拟的基础，核心方程包括描述一维明渠流的Saint-Venant方程和描述二维或三维水流的浅水方程。这些是非线性偏微分方程，无法通过解析方法求解，需要数值算法进行离散化和求解。相关方法包括有限差分法（FDM）、有限元法（FEM）和有限体积法（FVM）等。水质模块模拟污染物的平流、扩散和降解过程，其核心方程是平流-扩散方程，算法必须与水动力模块中的流场数据耦合。
近年来，水生态环境系统建模在多个方向取得了显著进展。在机理建模方面，集成模型（如SWAT-MODFLOW）实现了地表水和地下水过程之间的动态交互，大大提高了流域尺度水循环模拟的完整性。先进的生态模型（如升级版的AQUATOX）通过纳入浮游动物群落动态和鱼类摄食行为，增强了食物网相互作用的表示能力。在数据驱动建模领域，深度学习模型（如LSTM、Transformer）在水质时间序列预测方面表现出色，其非线性拟合能力克服了传统统计模型的局限性。物理信息神经网络（PINNs）通过嵌入控制方程约束，部分解决了黑箱模型的可解释性问题。在技术集成方面，融合遥感和物联网数据的实时模拟系统（如基于WRF-Hydro和EnKF的洪水预报框架）提高了模型的动态响应能力，数字孪生流域平台通过多源数据和多模型协作初步实现了决策支持功能。
尽管取得了这些进展，现有研究仍存在三个局限性。首先，多尺度耦合机制尚未充分发展。现有模型主要关注单一尺度（如流域或渠道），而跨尺度传递函数和边界条件处理仍依赖于经验假设，导致从坡面到河流网络以及从河流到湖泊的物质通量模拟存在系统性偏差。其次，过程整合的深度有限，特别是在“水文-水质-生态-社会”过程之间的耦合反馈机制的全面描述方面。例如，灌溉农业对地下水氮负荷的长期影响及其对作物种植结构的反馈尚未在主流模型中以闭环模拟的形式实现。第三，AI与机理模型的整合大多停留在“数据驱动的参数优化”阶段，尚未发展成为“知识嵌入、自我演化的”智能建模范式，这限制了模型在极端气候或突发污染情景下的外推能力。
为解决这些研究空白，本文系统构建了一个三维的“尺度-过程-技术”分析框架，旨在实现以下三个贡献：（1）从理论上，我们提出了一种“源-流-网络-汇”多过程耦合架构，突破了传统局限于单一介质或单向过程的建模范式。（2）从技术上，我们明确了将AI嵌入机理模型的关键途径（如物理约束的损失函数设计、多智能体耦合建模），为智能模拟器的开发提供了方法论支持。（3）在应用方面，通过比较典型国内外模型的适用场景和局限性，我们制定了面向不同管理目标的模型选择指南，从而推动水生态环境模型从研究工具向操作系统的转变。
总之，本研究系统回顾了水生态环境系统建模的最新进展，旨在阐明不同水体类型的过程基础模型的原理及其与AI技术的深度融合，并探索推进建模范式和提高预测精度与效率的途径。研究分为六个类别：流域、河流、城市、湖泊和水库、海洋及沿海水生态环境模型，以及AI在污染源追踪和预警中的跨领域应用。对于每个类别，我们追溯了从传统机理模型到混合数据-机理方法的演变过程，分析了其背后的原理和算法，并通过前沿案例研究评估了它们的潜力和局限性。该框架旨在支持多样化应用背景下的模型选择和开发，为更科学、智能和精确的水生态环境管理提供理论和实践指导。
