水资源是自然界中生物生存和发展的重要物质基础,是人类生产、生活和文明发展的重要物质保障。在地球演化历程中,它在物质循环和能量交换进程中有着非常重要的作用,同时,它对地球表层自然人文地貌的形成与发展有着非常重要的影响。随着人口快速增长和社会工业现代化进程的加快,人类活动在范围和强度上有了显著的提高,不断增长的人口和有限的自然资源环境之间的矛盾愈加突出,水污染、水土流失等生态环境问题愈加普遍和扩大。水资源短缺成为了目前进行水资源保护首先要解决的难题,而对地表水体信息进行动态监测,分析其变化情况,由此提出相应的解决方案,可以为合理开发、利用以及保护水资源提供一定的理论依据。遥感技术手段可以准确客观地提取地表水体信息,从而研究地表水体的周期性变化,这对于水资源调查和洪涝等自然灾害监测有着非常重要的意义。遥感技术具有成像范围大、高分辨率、成本低廉等很多优势,一定程度上克服了传统的地表水体信息监测费时费力、数据收集时间跨度大等缺点。将深度学习技术和合成孔径雷达（Synthetic aperture radar,SAR）影像地表水体信息提取相结合,可在高精度的前提下,提升地表水体信息获取的时效性和准确性,大大提升相关研究的效率和水平,具有重要的研究意义与价值。本文构建适用于星载合成孔径雷达影像的复数卷积神经网络,通过研究近5年丰水期和枯水期的安徽省Sentinel-1A SAR数据,提取安徽省多年地表水体分布图,并进行了长江安徽段的地表水体频率分析和安徽省不同频率水平水体像素的分布数量分析。在此基础上,对研究区的地表水体面积变化进行了分析,并结合年降雨量和地表水资源总量进一步探讨地表水体面积变化的原因并进行了相关性分析,从而为今后水资源保护及规划做出科学参考,减少水资源利用及规划的盲目性和主观性。具体结论如下:（1）基于复数卷积神经网络模型（complex-valued convolutional neural network,CV-CNN）可以充分利用SAR影像特有的振幅信息和相位信息,对安徽省进行地表水体信息提取,实验结果表明该方法可以快速、准确的提取大范围的地表水体分布信息。（2）在2015年至2019年间安徽省年平均地表水体面积最小值为2019年的4.2526×1010m~2,最大值为2016年的6.5772×1010m~2,面积基本保持在5.0×1010m~2,除个别年份外,年均地表水体面积总体上呈现出稳定的趋势。（3）长江干流的地表水体频率为1,而沿岸的地表水体频率随距离干流的距离变大而变小;安徽省地表永久水体面积为3.4×1010m~2,占全部地表水体面积的48.6%左右,季节性水体的像素数量为7.45×10~7,对应的地表水体面积为2.98×1010m~2。（4）地表水体面积与年降雨量和水资源总量的相关性R~2介于0.6504-0.7939之间,具有中度相关性,水资源总量和年均水体面积的相关性最大,为0.7939,接近高度相关,地表水体面积和降雨量、水资源总量具有正相关性。（5）安徽省境内的地表水体数量变化主要受小型水体影响,而地表水体面积的变化受到大型水体的影响较大。地表水体中小型水体数量众多,小面积水体在干旱气候状况下更容易消失。地表水体面积中大型湖泊河流所占比重较大,这对于安徽境内地表水的稳定具有非常重要的作用。