文献总结 | Science:机器学习助力预测美国《清洁水法案》监管范围

文摘   2024-02-04 13:24   江苏  

点击上方湖泊遥感与智慧流域关注我们


背景阅读
“萨克特诉联邦环保署案”(Sackett vs Environmental Protection Agency)是一宗2023年由美国最高法院审理裁决的案件,涉及美国《清洁水法案》的适用范围。原告萨克特夫妇在自家土地上进行的房屋建设被美国环境保护署突如其来的叫停,原因是这块土地被联邦法律认定为“受保护的湿地”,随后他们遭到了联邦环境保护署的制裁。萨克特夫妇的律师团队认为:“美国环境保护署没有权力对私人土地进行监管,湿地保护是联邦政府的职责,但这并不意味着政府可以随意侵犯私人财产权”。然而,也有部分人认为萨克特夫妇的观点过于片面:“湿地保护不仅仅是政府的职责,也是每个公民的责任。保护湿地对于维护生态平衡和保护野生动物至关重要。”所以,“萨克特夫妇诉美国环境保护署案”的审理结果被认为是一个会对美国环境保护和私人财产权产生重大影响的案子。

历经16年的诉讼,美国最高法院最终做出裁决撤销了联邦环境保护署的制裁,这一判决被视为对《清洁水法案》实际执行范围的调整,平衡了个人和企业的权利与环保法规的有效执行。总的来看,这个案件的裁决将对未来环保法律实践产生了出乎意料的影响,成为环保法治领域的影响深远的案件。美国环保署署长迈克尔·里根表示,他对最高法院的判决感到失望,认为这会削弱长期以来对清洁水源的保护。

纵观“萨克特诉联邦环保署案”,和与之类似发生在2006年的Rapanos案,辩论的焦点问题是如何定义《清洁水法案》中“美国水域”的适用范围。“美国水域”的定义涉及到《清洁水法案》中何种水域受到保护的问题,而这直接决定了《清洁水法案》的保护范围。在过去的三个美国总统任期内,联邦环境保护署和陆军工程兵团分别发布了多个定义“美国水域”的规则。奥巴马政府在2015年颁布了《清洁水规则》,然而特朗普政府又废除了该规则,并在2020年发布了《航行水域保护法规》。现任美国总统拜登则计划更新法规,恢复2015年规则的定义。

因为涉及到了对河流、湖泊和溪流之外水域的界定和法规执行,涵盖了湿地等各类水域,该法案对于湿地的合理保护以及环境可持续性具有关键作用。因为美国施行案例法,先前案件的裁定结果可以作为以后案件裁定的依据。因此,2023年美国最高法院对该案的判决对于环保法律中关键术语的解释,尤其是对“美国水域”范畴的界定,产生了深远的影响。基于以上背景,本研究采用了机器学习的方法,学习以往的裁决案例来助力预测《清洁水法案》的监管范围。
研究背景
RESEARCH BACKGROUND
维护美国水域的化学、物理和生物完整性一直是美国《清洁水法案》(Clean Water Act, CWA)的核心目标。自1972年颁布以来,《清洁水法案》一直是美国环境保护的基石,代表着对水质监管的最高标准。根据《清洁水法案》第301(a)节的规定:“未经许可或授权,原则上禁止向可通航水域添加任何污染物。”这项法律旨在保护美国水域免受污染,并确保水资源的可持续利用。然而,清洁水法案的执行和适用一直是一个复杂的问题,尤其是涉及到对“美国水域”范围的界定。

“美国水域”(Waters of the United States,简称WOTUS)是《清洁水法案》中的核心概念,其界定直接影响到联邦政府对水资源的管辖范围。根据《清洁水法案》的规定,联邦环保署和陆军工程兵团负责界定“美国水域”的范围。这两个机构分别于1977年、1986年制定了有关“美国水域”的条例。1986年,为了实施《清洁水法案》第404节计划,陆军工程兵团对其有关界定“美国水域”的监管规定进行了整合。联邦机构有关“美国水域”的界定从1977年至2015年基本上保持不变,只在1993年增加了将先前已转换的农田排除在外的规定。然而,这些界定引起了许多争议和法律诉讼,因为不同的界定会影响到《清洁水法案》的执行和适用范围。

近年来,《清洁水法案》的适用范围受到了几项重要司法和行政规定的影响,如2023年Sackett案、2006年Rapanos案、《清洁水规则》(Clean Water Rule,简称CWR, 2015年由奥巴马政府颁布)和《可航行水域保护规则》(Navigable Waters Protection Rule, 简称NWPR,2020年由特朗普政府颁布)。这些规定的出台引起了广泛关注和争议,因为它们涉及到水域的具体管辖范围和环保法规的解释。特别是2006年Rapanos案的判决对清洁水法案管辖范围的理解产生了深远影响,引发了对“美国水域”的定义和范围的广泛讨论。随着不同政府机构和法院对清洁水法案的解释和执行出现分歧,对其适用范围的争议也日益加剧。

为了更准确地理解清洁水法案的管辖范围,以及不同规定的影响,本文提出了一种基于机器学习的方法——美国水域-机器学习模型(WOTUS-ML)。WOTUS-ML是一个深度学习模型,能够预测不同规定下水域是否受到管辖,并将水资源分类为受管制和未受管制类别。该模型的提出旨在帮助政府和利益相关方更好地理解清洁水法案的适用范围,从而更有效地保护美国的水资源。
研究数据与方法
获批管辖裁定(Approved Jurisdictional Determinations,简称AJD),是由美国陆军工程兵团工程师做出的具有法律约束力的裁定,用于确定特定地点是否受到《清洁水法案》管辖的范围。本研究使用了往年多个AJD案例来训练WOTUS-ML模型。WOTUS-ML的架构采用了广泛使用的ResNet-18卷积神经网络结构。该模型的预测目标包括确定一个地点是否受到管制,以及该地点所代表的九种水文或法律分类类型。本研究汇集了Rapanos、CWR和NWPR三种政府法案规则下的数据,并将其作为一个输入层的标识。地面数据被划分为互不相交的测试、训练和验证集。由于美国陆军工程兵团要求AJD列出水资源的中心点,因此本研究认为WOTUS-ML更适合用于判断资源是否受管制,而不是用于界定湿地边界。

WOTUS-ML模型(图1)有34层输入数据,包括来自国家农业影像计划的RGB和近红外波段的航空照片;来自国家土壤调查地理数据库的网格化土壤、地下水和海拔数据;来自国家水文数据集的水文信息;来自国家湿地清查的湿地覆盖;陆军工程兵团的管辖区和州边界以及相关记录。WOTUS-ML模型分别针对Rapanos、NWPR和CWR规则,输出一个介于0到1之间的分数,代表目标是否受到《清洁水法案》管制的置信度。0表示该点未受管制的置信度,1表示该点受到管制的置信度。在评估预测准确性时,本研究将结果四舍五入为“1—受管制,”与“0—未受管制”。

图1. WOTUS-ML模型架构使用了一个具有34个输入层的ResNet-18神经网络。训练数据基于往年的多个AJD案例。模型具有34个输入层,ResNet-18神经网络架构以一个卷积块(Conv 1)开始,然后是四个残差块,一个平均池,最后是一个全连接层。全连接层的输出结果通过softmax函数处理,产生一个在[0, 1]范围内的分数。如果得分超过0.5,则该预测点受《清洁水法案案》管辖。

研究结果

利用WOTUS-ML模型,本研究对美国境内的400万个随机点以及一组随机抽样的AJD和传统航行水道进行了管辖概率预测(图2)。根据本研究的预测结果发现,Rapanos案后《清洁水法案》涵盖了美国境内22%的点,而NWPR修正案后仅涵盖了8%。由于AJD代表潜在的水资源,根据预测,Rapanos案裁决规则下的平均管辖概率比随机点高出15个百分点。在具体的管辖范围方面,研究发现在Rapanos规则下,有三分之二的溪流受到管辖,但在NWPR法案下只有46%。这表明NWPR解除了对大量溪流的管辖,超过了七个州的所有河流和溪流的总和。与Rapanos相比,NWPR解除了30%的溪流和湿地区域,这些区域为美国普通公民提供饮用水。对于湿地,Rapanos管辖了52%,而NWPR管辖了27%。NWPR取消的管辖涉及了大量湿地,这对防洪工事、土地利用和生态系统都产生了重要影响。

图2. 在美国本土范围内,对400万个点进行监管概率预测。(A) 在Rapanos规则下的CWA监管概率预测(WOTUS-ML分数)(B) 在NWPR规则下的监管概率估计(C) 从Rapanos到NWPR的监管状态变化估计(D) 在CWR规则下的监管概率估计(E) 从CWR到NWPR的监管状态变化估计。“监管状态变化”描述了状态变更的情况,棕色代表解除管制,绿色代表新增管制。

此外,本研究观察到Rapanos规则下的管辖范围反映了一定的地理和政治规律。在NWPR下,大多数预测的管辖概率低于20%,尤其是在干旱的西部地区。另外,本研究通过案例研究的进一步分析(图3),证实了模型结果的准确性,并发现了管辖范围在地理区域内的空间异质性规律。

图3. 案例研究揭示了不同监管规则下的差异。(A) 围绕Sackett的房屋进行了密集取样:该房屋的管辖权是Sackett诉EPA案的主题,该物业用橙色星号标记。该物业上的点的平均模型分数约为0.5,与案件的矛盾性一致(B) 北达科他州的孤立湿地:靠近草原坑洼的点在Rapanos下更有可能受到管制,在NWPR下不受管制。(C) 密西西比河沿岸的农田:在Rapanos和NWPR下,周围的大部分点都受到管制(D) 靠近内华达州、犹他州和亚利桑那州的边界,湖米德北部的短期溪流:WOTUS-ML预测,在图像的中北部,短期溪流从Rapanos到NWPR都失去了管制。米德湖在两种规则下都受到管制(E) 南佛罗里达,包括沼泽地和迈阿密:WOTUS-ML预测,Rapanos和NWPR管制着大沼泽国家公园和大多数其他受保护的野生动物区。沿图像西北和东部边缘的湿地和开发区域在NWPR下的模型分数要低得多。
总结讨论
在当前备受关注的辩论中,确定哪些水资源受到《清洁水法案》的管制,是问题的关键。WOTUS-ML模型为最新的《清洁水法案》执行提供了有力的证据。它揭示了过去十年中许多自然资源管辖范围发生变化的情况。管理部门可以利用WOTUS-ML来支持对单个水资源点的监管决策、设计政策和评估等,从而减少不确定性和延误,节省大量成本。这代表了机器学习算法可以为监管者解释和应用法律监管提供参考。尽管WOTUS-ML预测的准确度并不完美,但因为WOTUS-ML可以为美国最复杂和最具争议的环境政策提供见解,其出现还是值得肯定的。

除了澄清《清洁水法案》管辖的水域范围之外,WOTUS-ML还可以辅助利益相关者的决策。开发商可以利用WOTUS-ML估计某个地点受到《清洁水法案》管辖的概率。行政法官可以使用WOTUS-ML提供的管辖范围的作为参考。白宫和EPA可以利用WOTUS-ML来预测改变管辖范围规则的影响。州环境机构可以利用WOTUS-ML帮助实施比联邦法律更多的监管,例如对州级湿地规则的执行。环境或行业协会可以利用WOTUS-ML为法庭备忘录提供统计数据。

本研究提供了一个将现有的机器学习算法应用于解决法律监管实施问题的模版。尽管机器学习可以成功预测法院的裁决,但这与监管者实施这些裁定的原则并不一定相同。本研究展示了机器学习如何解释环境监管法律的实施,这对于许多从业者解释和应用法规可能有所帮助。
✎ 编者注

以上总结仅代表个人对论文的理解,仅供研究参考所用,不用于商业用途。若上述理解内容有误,请以论文原文为主。未经同意,禁止转载。


原文链接 ↓
https://doi.org/10.1126/science.adi3794

点击左下方 “阅读原文” 可下载论文原文。



团队介绍

湖泊遥感与智慧流域创新团队,主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作,并在流域尺度开展大数据智慧管理平台研究,保障湖泊水质安全。团队拥有博士和硕士导师4人(段洪涛,罗菊花,刘东,谭振宇),可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学(国科大南京学院联合培养)等招收博、硕士研究生,欢迎报考!同时,长期招收联合培养研究生,欢迎咨询!

联系人:段洪涛研究员,htduan@niglas.ac.cn

点击下方链接直接关注我们

科学前沿丨文献总结 | RSE:PlanetScope卫星影像全球日尺度河流水体掩膜AI方法
科学前沿丨文献总结 | RSE:全球中等分辨率Landsat和Sentinel-2数据产品的需求和展望
科学前沿丨文献总结 | 使用GEE中Landsat影像和RGRB模型绘制北美湖泊和水库的水体透明度
科学前沿丨文献总结 | nature geoscience:蜿蜒的河道塑造了地球和火星的地貌
团队成果 | JAG:基于摄像头RGB图像的蓝藻水华动态实时监测算法研究
团队成果 | 湖泊草藻不同群落遥感自动识别算法研究取得进展
团队动态 | 段洪涛研究员连续4年入选全球前2%科学家榜单
团队动态段洪涛研究员再次入选全球前2%顶尖科学家榜单

湖泊遥感与智慧流域
围绕“湖泊遥感与智慧流域”方向,介绍学科方向前沿,分享团队研究成果和动态,提供论文下载和数据共享等服务。版权所有 @ NN TEAM联合创新团队(NIGLAS & NWU Innovation Team)
 最新文章