摘要
水体分割对于洪水监测、水资源管理以及生态和环境保护至关重要。深度学习和遥感技术的最新进展显著提高了水体分割的自动化和准确性。然而，现有方法在包含阴影和密集植被的复杂景观中仍容易出现误报。它们区分破碎水面和小水体的能力也有限，且对季节变化的适应性和跨地区的适用性仍有待进一步提升。本文全面回顾了水体分割方法、数据集、评估指标、当前面临的挑战以及未来的研究方向。文章重点讨论了基于U-Net、DeepLabv3+、Transformer、Mamba和Segment Anything Model (SAM)的代表性模型，分析了它们的架构改进和优化策略。文中总结了涵盖河流、湖泊和水库的典型数据集，并对常用的评估指标进行了梳理和解读。未来的研究应侧重于时空自适应的多模态融合、大型模型的集成分割策略、细粒度水体分割，以及可解释性和物理机制的整合。本综述为改进水体分割模型、开发高质量的水体数据集以及支持水资源管理和环境监测的实际应用提供了有价值的参考。
