本发明公开一种基于联邦学习的低通信量库区水环境风险识别方法，通过个性化本地计算、本地更新相关性检查以及全局模型补偿技术，在保证库区水环境风险识别模型精度的前提下，同时降低上游以及下游通信频次，优化联邦学习通信效率。个性化本地计算通过向本地损失函数中引入正则项，使得本地训练能够适应不同设备能力的无人机，缓解异构数据导致的全局模型精度低等问题；检测无人机本地模型更新与全局模型更新之间的相似程度，避免无人机上传不必要的本地模型更新，降低上游通信频次；在全局模型补偿阶段，参数服务器按概率选取部分无人机下发全局模型更新，未接收到全局模型更新的无人机采用本地更新弥补与全局模型间的差距，降低下游通信频次。