深度学习融合水动力模型与遥感观测，用于变化环境下大型湿地淹水动态制图：以鄱阳湖湿地为例

研究提出一种将水动力模块、遥感模块与深度学习融合模块组合的方法，用于绘制大型湿地的淹水动态，并以中国鄱阳湖湿地为应用对象；该湿地为《拉姆萨尔公约》所列重要保护湿地。作者以干季水动力模型模拟的淹水动态作对比，检验该方法的有效性。 结果显示，水动力模型整体表现相对较差，其中子湖区域明显劣于其他区域，总体精度（OA，无量纲，0–1）仅为0.63–0.66；所提融合方法的总体精度提升至0.82–0.92，在子湖区域改善尤为明显。此外，水动力模型倾向于高估淹没时间，中位高估时长为42–50天。 作者认为，该框架可迁移用于变化环境下湿地水文监测，并有助于维护生态完整性与稳定性。上述精度与偏差均来自干季模拟与对比验证，摘要未说明遥感数据源、深度学习结构及验证样本细节，方法在其他湿地和时段的适用性仍需进一步检验。