基于深度学习的水体生境质量评价模型的3个应用

摘要：本文介绍基于深度学习的水体生境质量评价模型在实际中的应用，包括对不同乡镇、村落以及不同骨干河道和支流的水体生境质量评价与对比分析，展示模型在全域高精度评价中的优势，为水体生境管理与修复提供数据支持。

关键词：深度学习、水体生境质量评价、骨干河道、支流、乡镇村落、对比分析

5.1 对水体生境质量的评价应用

5.1.1 对比不同乡镇、村落水体生境质量评价

长三角一体化先行启动区的乡镇有大量河网交织，复杂的水陆空间形态对水体生境质量评价提出了挑战，本研究运用基于深度学习方法所构建的水体生境质量评价模型获得了研究范围内水体生境质量的高精度评价结果，可支持研究范围内不同乡镇、村落水体生境质量（图5）的对比研究。

5.1.2 对比不同骨干河道及支流的水体生境质量评价

骨干河道生境质量评价是目前水体生境质量评价研究中的主流，除骨干河道外，密布的支流河道也是水体生境的重要组成部分，已有研究多采取抽样调查的方法，全域评价较鲜见。本研究的评价模型可以快速对研究范围内的骨干河道与细小支流进行全域水体生境质量高精度评价，并支持研究范围内多条骨干河道及支流的水体生境质量对比研究。

以太浦河、泖河在研究范围内的区段（图6）为例，在太浦河（区段长约42.34km）的水体生境质量评价中，“一般”等级的水体生境占比10.89%，“较差”等级的水体生境占比3.02%，“差”等级的水体生境占比86.09%；在泖河（区段长约20.12km）的水体生境质量评价中，“一般”等级的水体生境占比2.55%，“差”等级的水体生境占比97.45%。两条河道水体生境质量等级均以“差”为主，太浦河总体生境情况相对较好。

以研究范围内的骨干河道泖河及其4条支流（图7）为例，泖河的水体生境质量以“差”为主（图6-2）；4条支流中，朱泖河—新胜村区段长约7.04km，其中“一般”等级的水体生境占比33.71%，“较差”等级的水体生境占比4.62%，“差”等级的水体生境占比61.67%；南安庄—潘泾村区段长约8.98km，其中“一般”等级的水体生境占比31.98%，“较差”等级的水体生境占比8.06%，“差”等级的水体生境占比59.96%；大莲湖路—小坪村区段长约3.49km，其中“一般”等级的水体生境占比12.27%，“差”等级的水体生境占比87.73%；南横港—莲爱路区段长约8.14km，其中“一般”等级的水体生境占比8.90%，“较差”等级的水体生境占比3.78%，“差”等级的水体生境占比87.32%。

泖河及其4条支流均不存在等级为“好”和“很差”的水体生境。生境质量对比结果显示，泖河4条支流的水体生境质量均比干流更佳；在4条支流中，朱泖河—新胜村区段、南安庄—潘泾村区段的水体生境质量最佳，大莲湖路—小坪村区段次之，南横港—莲爱路区段最差。