河流水体范围信息是计算流量的关键，同时对于把握流域水文状况、了解流域水文特征以及研究其对气候变化的响应都具有重要的意义。目前已经提出了很多使用光学或者微波遥感影像提取河流水体范围的方法，如水体指数法和阈值分割法等。但是，云覆盖、地形、成像质量以及混合像元等因素往往会给这些方法引入大量的不确定性。因此，一些研究试图通过概率的方式来量化并降低不确定性。但是，单一数据源的缺陷依旧难以突破，如光学影像中的云覆盖、SAR影像中的地形因素等等。
影像融合通过结合多源遥感影像各自优势，是进一步减小不确定性的有效方式。对多源影像的融合往往可以获得高空间、高时间分辨率的地表观测数据。因此，本文提出了一种可以同时融合Landsat-8，Sentinel-1以及Sentinel-2三种影像的方法，以实现对河流水体范围的高精度、高频率观测。该方法主要包含两个部分，一是将原始影像通过支持向量机模型转化为河流水体的后验概率影像，二是对这些后验概率影像从四个信息维度分配权重并进行加权融合，得到高精度、稳定的河流水体范围信息。
本研究选择了中国西北地区的三个具有不同特征的河段作为实验区，使用日期相近的高精度无人机影像对融合方法提取的河流水体范围进行精度评定。总体上，与单一遥感影像源相比，融合得到的结果在各实验区都具有更高的精度。通过融合，一方面能够解决降低SAR影像提取水体的不确定性，另一方面可以去除Landsat-8和Sentinel-2受云覆盖的限制。
 

多维度加权融合；支持向量机；后验概率；河宽；影像融合