摘要
水体分割对于洪水监测、水资源管理以及生态与环境保护至关重要。近年来，深度学习与遥感技术的进步极大地提高了水体分割的自动化水平和精度。然而，现有方法在包含阴影和密集植被的复杂景观中仍易出现误检（假阳性），对破碎水面和小水体的分割能力有限，且对季节性变化的鲁棒性和跨区域迁移能力仍需进一步提升。本文全面综述了水体分割方法、数据集、评价指标、当前挑战及未来研究方向，考察了基于U-Net、DeepLabv3+、Transformer、Mamba以及Segment Anything Model（SAM）的代表性模型，并重点分析了它们的架构改进与优化策略。同时，归纳了涵盖河流、湖泊和水库的代表性数据集，并对常用的评价指标进行了综述与解读。未来研究应聚焦于时空自适应多模态融合、大模型集成分割策略、细粒度水体分割以及可解释性与物理机制的融合。本综述为改进水体分割模型、构建高质量水体数据集以及支撑水资源管理与环境监测的实际应用提供了有益参考。
