在复杂地表环境下的多云多雨地区，基于合成孔径雷达（SAR）图像的水分提取容易受到水田和山影等其他地面特征的干扰。传统的灰度阈值法和SVM法没有考虑到水与其他地物在质地和地形上的差异，因此水提取结果的准确性较差。首先，使用Refined　Lee滤波器对SAR图像进行预处理。然后，通过建模和坡度计算提取地形特征。通过计算图像灰度共生矩阵，提取纹理特征（包括均匀性、角二阶矩和熵），结合SAR图像的极化信息和SDWI指数，融合地形特征和图像纹理特征，形成水提取的特征空间，提出了一种改进的SVM分类法的水提取模型。通过使用Sentinel1号SAR的数据，将开发的模型与SDWI水体指数法和SVM的水提取结果进行比较，发现改良SVM分类法的水提取结果更好地消除了水田和山脉的阴影，提取的水面比传统的SVM方法更完整，总体精度为98.06%，比SDWI法和SVM高23.24%和5.49%，有效提高了复杂环境下地表水的提取精度。最后，将开发的模型应用于马哈韦利河盆地2018年的月度水提取和变化分析，有效地解决了山影和水田误分类问题。本文提出的改进的SVM方法可以实现复杂地表环境中大规模水信息的准确、完整提取。