地表水域の正確な抽出は、洪水防止や災害軽減、水資源計画などにおいて重要な意義を持つ。しかし、河川、湖およびその支流は空間スケールに差異があるため、単一スケールに基づく従来の抽出アルゴリズムでは水域情報を網羅的に捉えることが難しく、境界の詳細を見落としたり、小規模な水域を効果的に識別することも困難である。これを踏まえ、多尺度特徴融合エンコーディング-デコーディングネットワーク（Multi-Scale Feature Fusion Encoding-Decoding Network、MSFFEDN）モデルを提案し、異なるスケールのセマンティック情報を効果的に抽出し、複雑かつ多様な地表水域の自動抽出を実現する。GF-3リモートセンシング画像をデータソースとして採用し、MSFFEDN手法による水域抽出の総合的な精度は90.42％であり、サポートベクターマシン（Support Vector Machine、SVM）、ランダムフォレスト（Random Forest、RF）、U-Net、U-Net-ResNet34モデルおよびWENet（Waterline Extraction Net）モデルなどの手法を凌駕している。MSFFEDNモデルは異なるスケールのセマンティック情報を総合的に考慮し、地表水域抽出に新たな視点を提供する。

地表水域抽出;SAR;多尺度特徴融合;MSFFEDN;GF-3