水稻作为中国三大粮食作物之一,其高耗水特点和中国严重水资源短缺的现状,限制了水稻可持续发展。同时,黑龙江省作为中国的粮食主产区之一,水稻灌溉用水占比达到了全省社会总用水量的74%。因此,在黑龙江省大范围地推广节水灌溉技术不仅能推动水稻的可持续发展,而且能有效地缓解水资源短缺。推广节水灌溉技术关键是因地制宜的选择节水灌溉方式。因此,对黑龙江省水稻灌溉方式的评价,能够科学与准确选择因地制宜的灌溉方式。文章围绕黑龙江省半湿润区水稻灌溉方式评价做了如下工作:首先,文章选取控制灌溉、浅湿灌溉、全面淹灌作为灌溉方式,以黑龙江半湿润区水稻作为研究对象,该试验于2017-2019年间3个生长季在庆安灌溉试验站开展,每种灌溉方式重复3次,共9个田间试验小区,选取水稻的农艺性状、光合特性、产量及其构成因素和资源利用效率4个方面的14个指标作为水稻灌溉方式评价的初步指标并观测3年数据。其次,在不同灌溉方式下利用3个生长季中水稻各指标数据的变化情况,研究不同灌溉方式对水稻农艺性状、光合特性、产量及其构成因素和资源利用效率的影响。综合对水稻农艺性状、光合特性、产量及其构成要素和资源利用效率的数据变化情况,得出控制灌溉是最适宜黑龙江省半湿润区的灌溉方式。然后,提出一种生成对抗网络与Apriori融合方法对14个评价指标作降维处理。首先,采用生成对抗网络对14个指标进行数据增强。其次,采用Apriori算法对增强后数据通过搜索频繁项集和挖掘关联规则,筛选出与水分利用效率指标最为关联的9个指标,包括ETR、叶面积指数、茎粗、叶片SPAD值、千粒重、q _N、干物质量、Fv/Fm、q _P。作为对比方法,文章也采用主成分分析提取了14个评价指标的5个主成分。最后,提出一种基于卷积神经网络的深度评价模型。首先,分别依据生成对抗网络与Apriori融合方法筛选的指标和依据主成分分析方法提取的主成分及其对应的水分利用效率指标构建实验数据集并采用生成对抗网络对数据集进行数据增强。然后,在由生成对抗网络与Apriori融合方法筛选的指标下增强数据集和由主成分分析方法提取的主成分下增强数据集,分别采用深度评价模型对黑龙江省半湿润区水稻不同灌溉方式进行评价。评价结果表明在两种不同的降维处理方式下控制灌溉都是黑龙江省半湿润区最适宜的水稻灌溉方式。同时,由模型训练和实例分析结果表明在由生成对抗网络与Apriori融合方法筛选的指标下评价结果比在由主成分分析方法提取的主成分下评价结果在宏观平均精确率、宏观平均召回率、宏观平均F₁值和准确度分别高了10.96%、12.50%、9.72%和5.33%。文章提出了一种水稻不同灌溉方式的深度评价模型,并在黑龙江省半湿润区的实例分析中证明了方法的可靠性和有效性。文章提出的评价方法能够避免以前对小尺度的灌溉方式评价研究中评价指标单一的问题,更加符合农业生产实际情况,评价方法的实用性也更强,在对评价结果推广时也更易被当地农民接受,从而达到大范围的节水、增产和增收的效果。