摘要: 水环境污染溯源是精准治污与生态修复的核心前提，对流域生态管理及社会、生态协同治理具有至关重要的纽带作用。传统方法受限于检测准确性不足、模型过度简化及数据整合能力薄弱的技术难题，难以支撑污染物“源-径-汇”全链条动态解析的需求。本文系统梳理了当前水环境污染物溯源的方法现状以及人工智能（AI）技术引入后的技术发展态势，结合文献计量与案例分析，揭示了聚焦于污染源智能识别、迁移路径动态建模及污染汇风险预警三大方向的国内外研究热点。人工智能技术具有突破性的多源异构环境数据处理能力、环境系统中复杂变量间非可加性及非单调性因果关联识别能力与污染物在环境介质中时空演变的动态模拟预测能力。在源解析维度，深度学习和迁移学习等展现了复杂环境条件下利用多源数据进行多尺度表征的能力；面向径建模，时序模型、物理驱动AI等可动态解析污染物在多介质界面的迁移路径；在汇风险评估环节，多尺度预警框架成为解析污染汇的形成机制与生态风险传导路径的重要手段。未来研究需重点突破跨流域模型泛化能力、污染迁移的物化机理可解释性及边缘计算适应性等核心挑战，并通过构建‘感知、决策、治理’联动的智能云链平台，建立涵盖模型架构、数据接口与评估协议的技术标准体系，形成算法伦理审查与跨境治理协同机制。