近日，某市生态环境执法部门组织相关人员对当月全市重点排污单位自动监测异常数据进行分析研判，最终挖掘超标排放以及其他异常线索超200条。为核实分析研判线索的准确性，执法部门组织执法人员对挖掘的线索进行了现场核查。然而，从结果来看，200余条线索中，超九成分析研判不准确。比如某热电有限公司当月有4天出现颗粒物、二氧化硫、氮氧化物自动监测数据超标的情况，现场核查却发现，超标时段企业废气排口均处于停炉状态，并非真实排放超标。

这一案例并非孤例，笔者在实际工作和调研中曾多次发现类似情况。比如某地生态环境执法人员对分析研判后移交的自动监测超标排放线索进行现场核查时发现，近七成的超标数据实为因自动监测设备调试、故障、日常维护、校准等产生的无效数据。而这些本应在分析研判阶段就被剔除的无效数据，却大量进入了后续核查流程。

应用自动监测监控数据对企业污染物排放情况进行监管，是生态环境部门实施非现场监管、减少现场检查频次的重要手段。2025年7月，生态环境部办公厅印发的《关于严格规范生态环境行政检查 大力提升执法质效的通知》明确提出强化重点污染源非现场监管执法，要求充分利用用电、用能、视频等生产及治理设施工况监控手段，实现设备开停有数、治污效果可查。实践也证明了其效果，某市2024年发现生态环境问题1078个，其中通过污染源在线监测、分表计电、扬尘在线监控、餐饮油烟在线监控等在线监测数据发现的问题有822个，占比高达72.3%，现场检查频次较上一年度下降30%以上。

应用自动监测监控数据对企业污染物排放情况进行监管，本意是在降低现场检查频次的同时精准发现问题，减少无效执法。但由于部分地区生态环境部门因自动监测异常数据分析研判能力不够，反而导致现场检查频次以及无效执法不降反增，与非现场监管的初衷背道而驰。

针对上述问题，笔者认为，当务之急是建立科学合理的自动监测异常数据分析研判机制。当前一些地区仅由执法部门依据“数据是否达标”这一简单标准进行研判，显然不够。从实际检查情况来看，长期存在恒值、零值、突升突降等情形的自动监测数据往往才是弄虚作假、超标排放的主要表现。因此，各地可出台相关机制，明确数据分析研判的具体部门以及异常数据的具体情形。

在这方面，上海市的实践提供了有益借鉴。2024年10月，上海市出台了《上海市污染源自动监测数据执法应用规定》，明确了两个关键点：一是责任主体专业化，规定由市区两级生态环境监测机构而非仅执法部门对自动监测超标数据进行认定，并针对长期存在恒值、零值、突升突降等情形的标记为疑似不属实的异常数据开展专业分析，出具报告。二是流程清晰化，监测机构将分析报告报送同级生态环境执法部门，执法部门据此进行调查，对发现的违法行为进行处理。这种“监测部门专业分析研判、执法部门精准核查处理”的分工模式，有效提升了线索的可靠性。

在完善机制的同时，各地还可以充分利用大数据、人工智能等科技手段，进一步增强分析研判的精准性和效率。比如江苏省苏州市开发的机动车排放检验非现场监管“AI前哨”系统，通过前期积累大量异常数据样本，构建了涵盖数据骤停、数据恒值、曲线陡降、功率异常、转速异常等97个特征的分析模型，基本覆盖了目前已知的机动车排放检验异常数据情形。通过这种科技手段分析研判并推送的12条异常线索，执法部门核实后均已立案处理，精准性极高。

这种基于数据建模的智能分析模式具有强大优势。各地可参照此种方式，结合本地重点监管行业和常见违法手段，建立符合本地实际的自动监测数据异常识别模型。通过模型对海量数据进行高效、智能初筛和研判，能够有效过滤设备故障等无效数据，快速锁定具有高度违法嫌疑的异常线索，从而进一步提升分析研判的精准度。