La extracción precisa de cuerpos de agua superficiales es de gran importancia para la prevención de inundaciones, la mitigación de desastres y la planificación de recursos hídricos. Sin embargo, debido a las diferencias en la escala espacial entre ríos, lagos y sus afluentes, los algoritmos tradicionales de extracción basados en una sola escala suelen tener dificultades para capturar toda la información del agua, omitiendo detalles de los bordes y siendo poco eficientes para identificar cuerpos de agua a pequeña escala. En vista de ello, se propuso un modelo de red de codificación-decodificación con fusión de características multiescala (Multi-Scale Feature Fusion Encoding-Decoding Network, MSFFEDN), capaz de extraer eficazmente información semántica en diferentes escalas, logrando la extracción automática de cuerpos de agua superficiales complejos y diversos. Se utilizaron imágenes de teledetección GF-3 como fuente de datos. La precisión general de la extracción de cuerpos de agua mediante el método MSFFEDN es del 90,42%, superando a métodos como la Máquina de Vectores de Soporte (Support Vector Machine, SVM), Bosques Aleatorios (Random Forest, RF), U-Net, U-Net-ResNet34 y el modelo WENet (Waterline Extraction Net). El modelo MSFFEDN considera integralmente la información semántica a diferentes escalas, proporcionando una nueva perspectiva para la extracción de cuerpos de agua superficiales.

extracción de cuerpos de agua superficiales;SAR;fusión de características multiescala;MSFFEDN;GF-3