关于“水质所有权”的研究：如何达成2027年水框架指令目标？

发布日期：2025-03-27 09:08:24 阅读：36

作为乌得勒支大学博士项目的一部分，律师Tessa Rötscheid和公共行政专家Charlotte Offringa将根据《欧盟水框架指令》（WFD）研究影响2027年水质目标实现的行政和法律障碍（以及机遇）。到目前为止，这项任务主要由水务部门（我国的主要水管理机构）负责，但严重依赖农业、能源、工业和空间规划等其他部门的合作。因此，重要的问题是：如何组织必要的“共同所有权”，以及如何将WFD目标纳入部门政策？这项研究由应用水研究基金会（STOWA）资助，该基金会是水务部门的知识中心。STOWA应确保将中期发现和解决方案立即用于实践，因为时间紧迫。

对于这个项目，两名博士生与乌得勒支大学的其他研究人员密切合作，包括可持续发展哥白尼研究所（地球科学学院）和乌得勒支水、海洋和可持续发展法律中心（法学院、经济学院和治理学院）的研究人员，以及国家公共卫生与环境研究所（RIVM）的研究人员。

“水柱”不能独自完成

Charlotte Offringa说，水务部门近年来已经为改善生态和水质化学性做了很多工作：“比如近年来建造的鱼梯、河流的重新蜿蜒和水处理厂的改善。这确实改善了水的化学和生态状况。只是：我们还没有到达那里。需要更多，特别是在行政法律层面。”

此前，欧洲和国家水法教授Marleen van Rijswick（也是博士生导师）在一次下议院委员会会议上谈到这一点时表示：“到目前为止，我们主要是在‘水柱’内实施WFD，但对于直至2027年的后续工作，所有活动、部门和部委都非常重要。” 要实现WFD目标，现在需要全社会共同努力。不仅是水务部门和饮用水公司，所有部门都必须开始为改善水质做出贡献，包括建筑、农业和工业。

依赖自愿合作

最终，只有通过减少农业中的营养物质和农药渗滤，以及减少工业中有毒物质的排放（如PFAS），才能实现水质的持久改善，而这些事情水务部门控制有限。先前的研究表明，水务部门仍然严重依赖自愿措施，在自我发起措施的情况下，往往依赖于土地所有者的合作。“如河流重新蜿蜒和减少营养物质和农药等改进措施会遭遇企业阻力。因此，往往选择自愿而非强制执行或胁迫”，Offringa说。最近才更多地关注加强许可、监督和执法等核心任务。

初步研究问题

这两名博士生刚刚开始他们的博士研究轨迹，其持续时间与WFD目标的截止日期相吻合。在未来的一段时间里，Offringa和Rötscheid将重点关注国家和地方当局在指定WFD水体时是否应用了正确的标准和法律法规。未指定的、往往较小的水体（如大沟渠）不必遵守WFD，但——如果加在一起——可能对河流和湖泊的水质产生巨大影响。他们还启动了关于行政机制在实施水文形态变化（如恢复自然河流流向）中的作用的三项子研究中的第一项，旨在根据WFD标准实现健康的生态水状态。

关于项目

项目KRW: bestuurskundig-juridische bouwstenen voor het verhogen van doelbereik [WFD：提高目标实现率的行政法律基石]由STOWA资助，由乌得勒支大学和国家公共卫生与环境研究所进行。

关于“水质所有权”的研究：如何达成2027年水框架指令目标？

该研究由可持续发展哥白尼研究所（地球科学学院）的Hens Runhaar教授，以及乌得勒支水、海洋和可持续发展法律中心（法学院、经济学院和治理学院）的Marleen van Rijswick教授和Frank Groothuijse教授监督。

‘机器学习在数据中识别模式的速度远超过我们人类。如果我们有腐败或欺诈补贴案例的样本，一个人工智能工具可以在我们现有的样本中学习检测它，并预测新样本。它可以检查是否存在可能的问题，’Titl说，‘因此，可以对该案例进行进一步调查。’

使用新技术面临的挑战包括需要统一的数据收集、数据和系统的互操作性、成本、隐私法规合规性、与人工智能系统中嵌入的偏见相关的道德问题以及大量的误报。

不同层面的启发

CSES和U.S.E.的研究评估了这些技术的优点和局限性，以及在不同管理模式下促进或阻碍它们被采用并成功用于欧盟资金的因素（包括数据隐私、法律要求、技术和成本问题）。

欧盟层面的整合仍然缺失

‘不同国家各自尝试不同的方法，’Titl解释说，‘不同的技术、机器学习等展示了可以做些什么。它可以为其他人和欧盟层面提供灵感。但到目前为止，这个‘第二步’还缺失；在欧盟层面进行整合似乎很困难。

启发来自不同层面。在一些国家，是政府在开发用于检测腐败和欺诈的工具（例如意大利），但也可能是公民运动和非政府组织（例如匈牙利和捷克）。在匈牙利，他们试图防止腐败，也因为这方面有很多担忧，而政府可能也是问题的一部分。’

合作中的障碍

迄今为止，由于成员国在国家控制战略和系统、监管框架、投资能力、数字能力和政治优先事项方面的差异，在欧盟范围内广泛而一致地部署数据驱动技术用于预算控制一直受到限制。

‘在欧洲层面，有许多数据库可以使用。例如，不规则性管理系统，这是在欧盟层面开发的用于收集欺诈数据的工具，包含完美的训练数据。我们还有关于所有补贴的数据。这两个数据集可以合并，并使用人工智能来检测欺诈。某些国家选择不使用这些和类似的系统，如Arachne。这本身没问题，但它为合作制造了障碍。然后，数据集将不兼容。数据标准的统一是一个大问题，’Titl说。

通过选择不参与，国家阻碍了合作

‘各国在理解隐私是什么方面也存在巨大差异，’他继续说道，‘每当我们在与议会成员的讨论中建议使用人工智能时，例如德国议员就非常犹豫。在捷克，许多在德国不能发布的数据都简单地在线发布，在爱沙尼亚或芬兰也是如此。

另一个例子是关于向政党捐赠的法规。在荷兰，你不需要报告低于10,000欧元的捐赠（与许多国家一样），因此你不会在政党提供的列表中看到这些捐赠，因为那些不想被看到的人或公司会稍微捐赠得少一点。这条规则是有道理的，国家可以选择自己的规则，我完全理解这一点。但另一方面，在捷克，我们拥有所有这些信息，并可以利用这些信息来预测问题，并识别可能的欺诈和腐败，而在荷兰这是不可能的，因为这些捐赠不在数据中。在比利时，这甚至是被禁止的。简而言之：规则差异如此之大，以至于很难以统一的方式行事。

欧盟及其成员国陷入了‘我们现在必须解决这个问题’的困境，而不是投资以提高效率。这是我们报告的作用之一：表明在发现欧洲资金欺诈和腐败案件方面，存在巨大的效率提升空间。