巢湖是中国第五大淡水湖,随着经济的高速发展,该地区的土地利用结构也发生着巨大变化。巢湖流域作为我国“三河三湖”污染治理工程之一,受到普遍的关注,相关研究涉及到流域内的各个方向。多源遥感影像数据所提供的信息具有冗余性、互补性和合作性,适合进行长时序遥感影像水体提取,成为长久监测湖泊水体变化的重要手段。传统基于光学遥感影像的目视解译水体在生产成本、更新周期、时效性等方面存在诸多不足。基于像元的分类方法（SVM法,决策树法）和基于面向对象的方法因分类结果破碎、对象规则集开发复杂、泛化不高等问题难以满足大范围、多时态水体遥感信息监测。而高分辨率卫星影像受限于可见光和近红外波段水体指数构建的局限性,难以实现对水体的准确提取。本文针对现有遥感影像水体提取存在的问题,提出一种基于深度学习的水体提取模型,该模型引入密集连接块和局部特征压缩模块,能够克服当前深度学习水体提取模型的泛化能力弱、无法跨传感器的问题;加强了模型对影像特征的提取能力以及特征融合能力,实现了高精度、跨传感器的水体提取任务。选取巢湖流域作为研究区域,将本文所提方法应用于多源遥感影像水体提取中,分别提取1景高分2号遥感影像,2景高分6号遥感影像和6景Landsat 8 OLI遥感影像中水体,为河流蜿蜒度、洪涝灾害监测、水体时空变化和水系格局提取数据支持,本文具体结果如下:（1）本文所提出的方法可以快速,准确从多源高分辨率遥感影像中提取水体信息。经实验验证,本文方法在高分2号、哨兵2号等多源遥感影像水体提取上有较好表现,并得到了高分2号遥感影像最佳水体提取的波段组合-绿+红+近红波段。遥感影像中大型水体提取完整,阴影误提和细小水体漏提问题得到改善。经定量精度评价,本文方法的提取精度在OA,F1-分数和Io U指标上分别取得了99.21%、97.51%和96.50%,本文方法在高分6号,哨兵2号以及资源3号三种遥感影像水体提取上也有良好表现。经定量精度评价,在高分6号影像上,本文方法的提取精度在OA,F1-分数和Io U指标上分别取得了99.42%,99.2%和98.42%,因此本文所提方法实现了多源高分辨率光学遥感影像水体的快速自动提取。能够快速准确的提取水体信息,可为相关决策部门提供技术支持和数据支撑。（2）本文从多源遥感影像中提取的水体数据可进行多方面研究。1、定义河流弯曲破碎度,对河流弯曲程度进行定量计算利用高分2号影像得到的水体数据,提出弯曲破碎度指标,并结合河流弯曲度定量分析河流蜿蜒度。2、洪涝灾害监测由高分6号水体提取结果可知,2020年巢湖流域洪涝受灾严重,此次洪涝灾害后,巢湖本体水体范围变大,流域内河道宽度增加,巢湖流域出现了5个大范围的淹没区。3、长时序湖泊面积变化监测与水系空间分布特征利用2013-2018年Landsat 8影像得到的水体数据,得到6年间水体面积变化规律;并对2013年的水体提取结果进行进一步处理,得到巢湖流域的水系分布图,并与两种不同分辨率的DEM生产的水系进行对比分析,结果表明本文得到的水系数据更加精确,可以作为衡量DEM生成的水系质量。利用本文方法的得到的水系数据进行水系格局空间特征分析。总体上2013年至2018年6年间巢湖流域水体面积呈现基本稳定的趋势,并存在小幅度的增长。2013年巢湖流域6个县区的河网密度、水面率、河频率、河网发育系数、一级平均分枝比最大的是无为市、巢湖市、庐江县、无为市、肥西县。