在气候变化与人类活动加剧的双重压力下，水环境系统日益复杂，污染来源更加多样，物质迁移过程更具非线性，生态响应也更加不确定。在此背景下，传统确定性模型往往难以有效处理高维、多尺度且高度异质的时空数据，尤其当实际问题需要快速、情境敏感的预测与决策支持时更为突出。这推动了面向数字化水治理需求的智能建模框架加速发展。

机器学习通过从多源变量中学习非线性关系，提供了一条灵活的数据驱动路径，已被广泛用于水质预测、污染评估、生态响应建模以及水体状态分类。然而，其在水环境研究中的效果常受数据受限条件制约，这些限制通常来自高成本实验、稀疏监测网络与间歇性采样，进而导致样本量有限、特征维度相对较高、结构信息不完整等问题，并显著增加过拟合、训练不稳定与泛化不足的风险。同时，许多研究仍沿用数据丰富领域的流程，未充分适配环境数据的非平稳性与结构不完备特征，从而削弱模型的稳健性、可解释性与可迁移性。

为建立稳健的定量基础，本综述对水环境机器学习研究开展了文献计量分析。基于既定检索策略，从Web of Science获取2010—2025年共9746篇相关文献，并通过Python整合为统一数据集。结果显示，过去十五年该领域发文量呈近指数增长，不同水环境子领域的研究占比也在动态变化，反映出机器学习在环境科学中的快速渗透及应用场景的持续扩展。值得注意的是，共现网络中缺乏对“小数据”问题的显性表述，这更像是一种概念盲区，意味着研究热点更多围绕方法与应用展开，而对数据约束这一底层瓶颈缺少系统化组织。

图1.水环境研究中机器学习应用的文献计量学趋势（2010–2025）

图2.2010–2025年间9746篇水环境研究中机器学习应用相关文献的关键词共现网络

水环境小数据建模的结构性困难通常集中在四个数据特征：结构完整性低、特征维度高、样本代表性不足和缺失率高。结构完整性低表现为时空覆盖不连续或不均匀，使模型难以学习过程的连续演化与突发变化。特征维度高意味着输入变量数量相对样本量过多，并伴随冗余与共线性，导致有效信号被稀释、模型复杂度膨胀并显著增加过拟合风险。样本代表性不足体现为数据更偏向常态工况而极端或罕见状态覆盖不足，使模型在异常情景下预测偏差增大、泛化能力下降。缺失率高多由测量成本或监测条件限制引起，且缺失往往具有系统性，会引入偏差并破坏变量间结构关系，从而进一步削弱训练稳定性与推断可靠性。

因此，小数据条件下的建模策略核心目标并不仅是提升拟合精度，而是同时保障数据结构的可靠性、模型学习的稳定性、评估结论的可重复性以及解释结果的可用性，需要在数据预处理、模型选择、模型评估与可解释性等环节形成协同的系统化应对框架。

图3.小数据条件下环境数据建模的工作流程

本综述系统梳理了水环境小数据条件下机器学习应用的主要挑战与方法缺口，并以四类数据特征为线索组织研究进展，从数据预处理、模型构建到性能评估与可解释性诊断，总结提升稳健性与可信度的关键策略与优化思路。同时提出面向水环境小数据场景的框架化视角与实践工作流，用于梳理挑战、数据特征与方法选择之间的对应关系，并在具备条件时讨论引入迁移策略以提升跨区域应用的可推广性，为数据受限条件下的水环境建模与决策支持提供参考。（来源：EngineeringJournals微信公众号）

相关论文信息：https://journal.hep.com.cn/fese/EN/10.1007/s11783-026-2186-9