作为世界上破坏力最强的自然灾害之一,洪涝灾害往往会造成巨大的经济损失和人员伤亡。及时准确的获取洪水淹没范围,并分析洪水的时空分布信息以及演进趋势,可为防灾减灾业务部门开展洪涝灾害的应急响应和抗灾救灾决策提供有效的信息和技术支持。针对已有研究中缺少系统应用深度学习模型对SAR影像进行洪水淹没提取以及提取精度较低等问题,本文以Sentinel-1 SAR影像为数据源,首先设计了一种基于SAR数据的洪水水体提取卷积神经网络FWENet（Flood Water Extraction Network）,用于SAR数据的洪涝水体信息快速提取,随后将三种经典的语义分割模型网络（UNet、Deeplab v3和UNet++）和两种传统方法（Otsu全局阈值法和面向对象法）的洪涝水体提取结果与FWENet模型进行比较,接着对FWENet模型开展消融与泛化实验进一步探究模型的性能,最终基于FWENet模型对鄱阳湖十三期水体分布进行洪水时空分析以及演进趋势分析。本文的主要研究内容与结论如下:（1）设计了FWENet模型。针对现有深度学习模型提取洪水淹没信息存在着边缘轮廓提取不完整以及细小河流水体提取精度较低等不足,结合多尺度空洞卷积和注意力模块的优势,本文设计了FWENet模型,模型采用了主流的编码解码结构,其中编码部分采用Resnet18网络,编码后以4种多尺度并行空洞卷积来提取深层语义特征,每一层的输出都会输入Scse注意力模块中,从而对洪涝水体边缘的提取更加完整。（2）对比了FWENet模型与另外5种方法的洪涝水体提取精度。结果表明:FWENet模型的洪涝水体提取精度最高,在两个精度评价区域其F1值分别为0.9871和0.9006,mIoU值分别为0.9808和0.9014;模型不仅能提取出大范围的洪涝水体,也能准确地提取出细小的河流湖泊,模型具有很强的健壮性。（3）分析了2020年鄱阳湖洪涝灾害。结果表明:鄱阳湖水域面积在整个洪涝灾害阶段表现为“陡升缓降”的变化趋势,其在2020年7月14日达到峰值,其主体水域面积为4242 km~2。洪水淹没范围主要分布在鄱阳湖西部、西南部、东部以及东北部。洪水淹没的土地利用类型主要是耕地,其淹没面积为767.13 km~2,且淹没耕地主要集中在鄱阳湖的西南部和东部。（4）建立了基于SAR影像提取河流溃坝决口的技术流程。本文基于空间分析和地理信息技术,利用算法提取出溃坝决口疑似区,并在高精度无人机影像和光学遥感影像的辅助下进行核查,进而得到两个溃坝决口真实的地理位置和损毁宽度等信息。