1.基于多源数据的大气污染物数值反演和预测（专业数据赛，此赛题尚未开启报名，请持续关注）

随着工业化与城市化进程加速，PM2.5、O3、NO₂等大气污染物的时空分布规律与精准预测成为破解环境治理难题的关键。本赛题聚焦多源数据融合与算法创新，通过整合卫星遥感、地面监测站点及气象观测数据，构建大气污染物数值同化反演模型，生成高精度的污染物分布热力图，动态解析区域污染扩散特征与演变趋势。在此基础上，结合实时监测数据与机器学习算法，挖掘污染物的时空关联性及气象驱动机制，建立污染物浓度预测模型，为污染过程溯源、重点区域管控提供决策依据。通过量化评估污染峰值时段与空间聚集效应，支撑监管部门动态调整工业生产排放标准、交通限行等管控措施，最终形成“数据反演-规律解析-精准预测-靶向治理”的全链条解决方案，助力实现污染防控从被动响应向主动干预的转型。本赛题的答题目标包括：（1）大气污染物数值反演：对于某一区域，利用卫星遥感数据、地面监测站点数据、气象数据等多源数据融合方法，对大气污染物数值进行同化反演，获得该区域的大气污染物分布热力图。（2）大气污染物数值预测：基于多源数据进行大气污染物数值的72小时预测。（3）主要评价指标：反演精度、预测精度。

2.数据驱动下大气环境监测分析的智能闭环管理（数据验证赛，此赛题尚未开启报名，请持续关注）

近年来，随着物联网、大数据、人工智能等技术的飞速发展，数据驱动的大气环境监测分析成为可能。通过收集多源的大气环境相关数据（包括但不限于空气质量监测数据、气象数据、地理信息数据、污染源数据等），探索如何利用数据驱动的方法，实现大气环境监测分析下的智能闭环管理，提高大气环境管理的效率和效果。通过高效、准确地采集多源异构的大气环境数据实现大气环境数据的实时监测，及时发现污染事件并进行溯源分析，为污染治理提供依据，更准确地了解大气污染的成因和规律，为大气环境管理提供科学依据。本赛题的答题目标包括：（1）汇聚多源数据，建立大气污染趋势预测模型，识别主要污染源，提前预测污染的发生和发展趋势。（2）开发实时监测数据分析系统，及时发现污染事件，并发出预警。（3）形成闭环管理机制，基于历史数据和实时数据，从识别污染、预警管理到科学治理，实现智能闭环管理。

3.基于多源数据的水土生态等多维协同治理（数据验证赛，此赛题尚未开启报名，请持续关注）

随着物联网、边缘计算、人工智能等技术的突破，水-土-地下多介质污染的协同治理迎来新机遇。跨介质污染呈现隐蔽性、复合性、传导性特征，传统单介质治理模式已难以应对系统性风险。本赛题要求通过融合水质监测站、土壤传感器、地下水探测设备等多源异构数据，构建“数据驱动”的跨介质污染联防体系，实现从污染溯源到生态修复的智能闭环管理。本赛题的答题目标包括：（1）推动实现多源异构数据融合、解决多源数据时空不匹配问题。（2）构建污染模型及风险评估模型、关注新污染物等其余潜在污染风险。（3）形成一套实现联防预警评价机制，生成水-土-生态等多介质协同治理方案，搭建智能管理体系。

4.绿色金融数据要素创新应用与可持续发展解决方案（专业数据赛，此赛题尚未开启报名，请持续关注）

绿色金融作为金融“五篇大文章”之一，是推动经济社会发展绿色化、低碳化，实现高质量发展的关键环节。当前金融机构开展绿色金融业务面临绿色金融精准营销能力不足，环境与社会风险管理能力薄弱，缺乏绿色标准识别工具，缺乏环境效益测算工具等痛点，倒逼金融机构建立更加精准的绿色和风险识别机制。本赛题聚焦结构化数据建模，旨在解决金融机构痛点，提升绿色金融专业能力，助力碳达峰、碳中和目标。本赛题围绕企业环境风险识别难、绿色项目识别与环境效益测算难等金融机构核心业务痛点，旨在构建基于结构化数据的分类与测算模型，具体包括：（1）构建企业环境风险分类模型。（2）构建绿色项目智能识别与绿色项目环境效益测算模型。（3）优化模型解释性与可部署性，输出可应用于商业银行信贷管理流程以及嵌入商业银行全面风险管理体系的算法成果。

5.基于多源数据的新能源汽车充电需求预测与电网协同调度优化（专业数据赛，此赛题尚未开启报名，请持续关注）

随着新能源汽车普及，充电需求时空分布不均导致电网负荷峰谷差扩大，亟需通过数据驱动优化调度策略。本题目需解决如何精准预测区域充电需求，并协同电网负荷实现削峰填谷，降低碳排放等问题。数据算法需采用历史充电记录、用户行为数据、天气数据、电网负荷数据、交通流量数据等材料，构建预测模型预测未来24小时充电需求，并设计调度算法优化充电桩使用与电网负荷分配。本赛题要求构建预测模型预测未来24小时充电需求，并设计调度算法优化充电桩使用与电网负荷分配。

6.储能电站跨域安全数据融合与智能运维决策挑战（专业数据赛，此赛题尚未开启报名，请持续关注）

电力现货市场价格预测直接关系到电力市场参与者的经营效益水平。随着新能源高比例并网和电力市场化改革深化，现货价格波动加剧、影响因素更加多元，需要基于市场运行数据构建智能高精度预测模型，为发电、售电企业决策提供依据。本赛题的答题目标包括：（1）构建考虑多影响因素的日前市场分时段价格预测模型，要求平均绝对百分比误差（MAPE）≤15%。（2）识别影响价格波动的关键敏感因子，建立价格极端波动的预警机制。（3）算法模块应具备工程实用性，支持15分钟粒度滚动预测，输出格式满足主流电力交易平台接口规范。

7.数据驱动的智慧能源运营管控（数据验证赛，此赛题尚未开启报名，请持续关注）

在“双碳”目标的推动下，新能源装机容量快速增长，储能系统作为提升新能源消纳能力和电网稳定性的核心技术迎来高速发展，但其高效运维和智能管理仍面临诸多挑战，如设备健康状态难以实时监测、故障排查依赖人工经验、运维成本较高等。当前，储能系统运维管理存在策略不精准、故障筛查和根因分析能力不足、运维成本高且效率低下等问题，传统方式依赖人工巡检和经验判断，难以实现精细化管理，尤其在复杂故障成因和多变工况下难以精准定位故障点，影响运维效率。此外，储能系统分布广泛，运维涉及大量人力和时间成本，亟需基于数据的智能辅助决策优化资源调度和运维策略。本赛题涉及的核心数据包括设备运行数据（电压、电流、功率、SOC、SOH、温度等）、历史故障数据（异常记录、报警日志、故障类型等）、维护记录（巡检日志、维修记录等）以及环境监测数据（气温、湿度等），通过数据驱动的智能运维优化，可提升储能系统运营效率，降低运维成本，增强系统可靠性，助力新能源和储能行业高质量发展。本赛题的答题目标包括：（1）构建设备智能分析模型。实时评估设备健康状态，识别异常工况，优化智能故障检测和故障反演分析，实现快速故障定位和根因推测，提高运维精准度。（2）实现智能运维辅助决策：构建数据驱动的运维优化模型，预测设备可能出现的故障或性能衰减趋势，提升储能系统的运维效率和经济性。（3）构建耦合智能治理体系。实现储能系统及电网各个环节领域的协同治理方案。

8.基于大模型的生态环境领域法规类文本知识检索模型评估（专业数据赛，此赛题尚未开启报名，请持续关注）

生态环境领域相关的法律法规、环境标准、环评报告等文本类文件规模巨大，且相互耦合。在实际业务场景中，往往需要就某一环境污染问题查阅广泛的文件才能解决该问题。随着人工智能技术，尤其是大模型技术的发展，基于自然语言问答的形式查找相应知识文本成为了可能。本赛题旨在探索利用大模型的信息检索能力，以自然语言问答的形式，帮助用户快速检索所需的知识内容，提高知识检索的效率和效果。本赛题基于用户输入的问题检索知识库，提供相应智能回答，并要求回答中附带相应的参考政策文件信息。

9.居民垃圾智慧消纳服务（数据验证赛，此赛题尚未开启报名，请持续关注）

在环卫管理向智慧化、高效化发展的进程中，传统环卫监管模式已无法满足现代环卫管理的需求。本赛题聚焦于打造“一云、两端、三中心、四体系”的智慧环卫监管体系。统筹设施、车辆、人员、事件四大核心要素，深层次打通作业闭环数据，实现对环卫管理的全程跟踪和精准指挥调度，推动环卫管理从传统的粗放式模式向智能化、精细化模式转变。本赛题的答题目标包括：（1）构建数据融合与贯通体系。以环卫监管平台为数字底座，整合云计算、边缘计算能力，实现跨部门数据融合共享，提供全面数据支撑。（2）打造两端智能感知与决策系统。管理端可视化指挥系统集成决策模块，实时呈现人车物资金态势辅助决策；作业端智能终端群构成感知网络，实时采集作业现场数据，为作业调度和管理提供准确信息。（3）畅通应急保障闭环。通过数据建模与分析评估作业效能，自动发现问题、精确掌握运行态势，统筹人车物动态匹配，实现突发事件的“信息流预警 - 物质流响应 - 资金流保障”闭环。

10.利用数字技术实现固体废物监管分析的智能化管理（数据验证赛，此赛题尚未开启报名，请持续关注）

随着城市化进程加快，固体废物产生量逐年攀升，传统管理模式在分类效率、资源回收、污染防控等方面面临严峻挑战。大数据和人工智能技术的快速发展为固体废物管理提供了新的解决方案。通过采集、监测、分析、预测与评估固体废物产生、收集、贮存、运输、利用、处置等各环节数据，更准确地了解固体废物产生的规律、趋势及潜在的问题点，为固体废物管理提供科学依据。通过分析固体废物产生量数据、分类图像数据、运输轨迹数据、处理设施运营数据、地理信息数据、居民行为数据等相关数据，实现对固体废物全过程信息化管理，提升各环节管理效率，助力实现“无废城市”建设目标。本赛题的答题目标包括：（1）基于历史数据和实时数据，建立固体废物预测模型，更准确地预测未来废物产生种类、产生量等。（2）搭建智能识别预警体系，强化危险废物管理，及时发现问题并进行调整，支撑环境安全应急及风险管理。（3）基于监测、预警体系，构建综合智能决策模型，为决策者提供科学的固体废物管理建议，实现固体废物精准治理和高效管理。

11.基于大语言模型的排污许可证数据智能核查应用（数据验证赛，此赛题尚未开启报名，请持续关注）

排污许可证及执行报告作为企业环境行为核心数据载体，其数据质量直接关系固定污染源监管制度效能与精准治污成效。随着《排污许可管理条例》深入实施及“双碳”目标对精细化环境治理的更高要求，当前排污许可证及执行报告审核面临数据体量大、合规校验复杂、人工审核效率低等挑战。为落实政策要求，需依托大语言模型等技术，突破非结构化数据解析与跨领域知识融合瓶颈，构建全流程数据质量智能核查体系。本赛题的答题目标包括：（1）聚焦锅炉、污水处理厂等重点行业，融合行业特征、工艺标准和监管要求，制定排污许可证及执行报告精准核查指南与示范案例。（2）依托大语言模型解析文本，校核各类要素逻辑，自动生成问题定位表，支持审核结果一键推送区局及企业。（3）提供审核表格批量导出工具，单份审核耗时压缩至分钟级，问题发现准确率提升90%以上，构建“数据核验-问题推送-整改追踪”监管闭环体系。

12.构建基于“数据融合+AI驱动”的政企协同双碳治理智能决策应用（数据验证赛，此赛题尚未开启报名，请持续关注）

在双碳目标战略背景下，各级政府面临碳排放底数不清、监管手段滞后、企业碳资产管理粗放等核心挑战。现有碳治理体系存在数据孤岛、政企协同低效、风险预警滞后等问题，亟需构建融合重点企业实时数据、行业碳排放特征、区域能源结构等多源数据的智能中枢，打造“监测-分析-决策-治理”全链条闭环。通过AI技术重构政企双向互动机制，实现从“被动响应”向“主动预防”、从“经验决策”向“数据驱动”的治理模式升级，推动双碳目标的高效落地。本赛题的答题目标包括：（1）构建三维数据融合体系。整合企业实时监测数据、政府监管数据、行业基准数据，构建“区域-行业-企业”三级联动的碳数据感知网络，运用知识图谱技术实现多源异构数据的动态关联与语义解析。（2）打造智能协同治理机制。建立AI赋能的“数据核验-风险预警-策略生成-效果评估”智能工作流，实现碳排放异常自动识别、履约风险预测、减排方案智能匹配的政企协同闭环。（3）构建动态决策模型。深度挖掘碳排放时空演化规律，开发碳排放强度预测、碳配额动态优化、减排路径仿真推演等决策模型，形成“一企一策、一行一策”的精准治理体系。

13.基于数据要素的零碳园区智慧运营体系构建（数据验证赛，此赛题尚未开启报名，请持续关注）

随着双碳目标深入推进，零碳园区建设成为经济绿色转型的核心抓手，需通过数据要素与园区运营的深度融合破解发展瓶颈。本题聚焦能源结构优化、碳排放精准监测和资源循环利用等场景，依托多源异构数据构建全链路解决方案：整合园区内智能表计、生产管理系统及物联传感设备，实时采集电力、燃气等能源消耗数据与直接/间接碳排放数据，同步接入气象环境参数与建筑设施信息，实现碳排放动态追踪与全景画像；基于历史运营数据与实时数据流构建低碳评估模型，通过机器学习量化分析能源结构优化路径，为设施布局调整提供决策依据；同时建立涵盖碳强度、清洁能源渗透率等指标的评估体系，对光伏改造、余热回收等低碳项目进行全周期效果验证，通过动态反馈机制持续优化园区运营策略。针对数据规模大、时效性高、质量不均衡等挑战，需搭建集数据清洗、特征工程与模型训练于一体的技术中台，最终形成标准化、可复制的零碳园区智慧管理范式。

14.北京市温室气体排放量同化反演（数据验证赛，此赛题尚未开启报名，请持续关注）

为深化我市城市大气温室气体监测数据应用，更好支撑碳达峰碳中和工作，对北京及周边地区卫星遥感监测、地面温室气体自动监测、走航监测、碳同位素监测等多源数据进行数据质量分析评估与融合，结合大气传输与碳源汇变化机理，建立适用于城市尺度的温室气体排放同化反演模型，分析北京市二氧化碳、甲烷等排放状况及趋势变化，提升排放清单时空分辨率，满足精细化排放清单对超大城市二氧化碳等温室气体排放的及时准确估计，以支撑当前和未来相关政策及缓解措施制定。本赛题要求搭建城市温室气体排放反演模型算法1套，输出温室气体清单空间分辨率不大于1×1公里、时间分辨率不超过1个月，输出排放清单不确定性至少降低20%。

15.北京市碳汇计量精细化管理（数据验证赛，此赛题尚未开启报名，请持续关注）

随着全球气候变化问题日益严峻，北京作为国际化大都市在推动经济发展的同时，亟需通过提升碳汇能力实现碳中和目标并增强城市生态韧性。当前北京虽在森林、湿地及城市绿地等自然与人工碳汇系统建设中取得进展，但仍面临碳汇基础数据不完善、计量监测技术滞后及潜力评估不足等核心挑战。在此背景下，本次竞赛聚焦两大关键业务问题：一方面需突破现有碳汇计量方法精度不足、动态监测能力薄弱的瓶颈，通过整合卫星遥感、物联网和地面监测数据构建实时精准的碳汇计量体系；另一方面需系统评估城市绿化空间拓展、森林修复及湿地保护等领域的碳汇潜力，结合城市规划制定分阶段、分区域的碳汇增长目标与实施路径，为北京实现碳汇能力跃升提供科学决策依据和创新解决方案。本赛题要求构建碳汇计量与监测模型，构建能够准确计量和实时监测北京市不同类型碳汇的模型。模型需具备较高的精度和可靠性，能够对未来一定时期内的碳汇变化趋势进行有效预测，为碳汇管理提供科学依据，打造森林、湿地、绿地等不同土地类型碳储量情况清单。形成智慧化碳汇潜力提升方案：制定详细的碳汇潜力提升方案。方案应明确不同区域、不同生态系统和人为活动的碳汇提升目标、具体措施及实施步骤，同时对方案实施后的碳汇增量和生态经济效益进行量化评估。注重结合CCER和碳普惠项目开发，实现碳汇的生态价值与经济价值双赢。

16.基于多源数据要素驱动全域智慧生态环境执法（数据验证赛，此赛题尚未开启报名，请持续关注）

生态文明建设进入攻坚期，传统生态环境执法面临多重挑战：数据孤岛导致跨层级部门数据共享受阻，人工巡查响应滞后且取证困难，污染源全生命周期动态监控能力不足。现有系统难以满足党的二十大“精准治污”要求，亟需通过数据中台与智能分析模型重构“监测-执法-整改”数字化闭环，推动“一网统管”转型，实现科学治污。本赛题的答题成果包括：（1）多源数据融合引擎。整合大气国控站、排污许可等12类数据源，构建统一数据中台，关联非结构化文本（文书/图像/传感器数据），建立污染源画像标签体系，实现“一企一档”动态管理。（2）智能执法研判系统。开发案例知识图谱，支持多维检索与相似案例推荐；构建知识图谱验证文书证据链关联；部署微调AI模型，构建“案例匹配-评查诊断-智能问答”闭环体系。3.全流程闭环管理。构建稽查信访智能分析模块，实现情绪识别与诉求分类；建立污染投诉热点聚类模型，生成执法热力图，提升问题发现效率30%。4.智慧决策支持平台。开发执法效能数字孪生系统，实时可视化执法资源分布、任务进度及污染热点动态，支撑管理层“一屏统揽”全局态势。

承办单位：北京市丰台区人民政府、北京市密云区人民政府、北京市大兴区人民政府

主办单位：北京市生态环境局、北京市发展和改革委员会

协办单位：北京丰台城市数字科技集团有限公司、中国环境保护产业协会、中国经济信息社北京中心

1.启动阶段：

      5月28日启动北京分赛，发布北京分赛赛道赛题等赛事信息。

2.初赛阶段：

      竞赛启动后，参赛团队可通过官网报名和提交材料，初赛报名和比赛分阶段进行，预计8月下旬开展初赛评审，审核获奖材料，确定晋级北京分赛区决赛单位。

3.决赛阶段：

      公布决赛评审时间和评审安排，预计8月底左右开展北京分赛区决赛，围绕初赛评选产生的优秀项目，采取路演答辩等方式进行决赛评选，计划9月底前提交参加全国总决赛名单。

各赛道设置一、二、三等奖、优秀奖等奖项，并提供以下权益：

1.数据流通

鼓励优秀项目数据资源和成果加入北京市数据流通利用增值协作网络，组织北京国际大数据交易所与参赛单位开展“所商合作”，促进数据要素流通，通过市场化实现价值化。

2.产融对接

持续组织国家级、市级和区级投融资机构举办产融对接活动，提供的产融合作资源支持。

3.展示推广

组织数据应用方与参赛单位开展业务合作，举办论坛沙龙、座谈交流、线下推展等赛事活动，制作获奖项目案例汇编，促进数据产品的服务推广与供需对接。

4.企业发展

符合条件的获奖团队可享受相关市级部门和属地政府提供的产业支持、人才招引等政策。

5.跟踪服务

北京分赛组委会建立竞赛项目库、主体库，推动全市产业支持政策触达参赛单位，加强常态化跟踪与沟通服务。

6.交流学习

获奖团队有机会参与大赛组委会举办的政策宣贯、调研走访、成果转化等活动。

每个赛道的奖项数量、大赛权益详情将在后续进行通知，敬请持续关注。