卫星遥感是监测全球陆地河流网络的重要手段。然而，现有河网遥感信息提取方法常难以区分水体和干扰特征，难以提取连续的河网。河网在汇流过程中与地表相互作用，塑造地表形态，并同时受地表约束，基于此，本研究提出了一种连续河网遥感信息提取方法：利用Sentinel-2遥感影像计算改进归一化水体指数，并烧录Copernicus数字高程模型（DEM），反映河流对地表的塑造作用；计算HAND地形指数构建自适应宽度的河流感兴趣区，反映地表对河流位置的约束作用；空间叠置水体提取结果与DEM排水网络，基于河流连通性识别连通河网和孤立湖泊。在全球16个研究区，研究对比分析了该方法与4套10米分辨率土地覆盖数据集（FROM GLC10、ESA WorldCover、Esri Land Cover和Dynamic World）的河网提取精度。结果表明，该方法能准确提取不同时期、不同影像背景和不同形态的河网，Kappa系数、生产者精度和用户精度分别为0.840 ± 0.114、0.858 ± 0.171和0.901 ± 0.066，均优于现有数据集，并且显著提升了河网连通性（表现为数量更少长度更长的连通域），实现了地表水体的初步分类。

河流网络，遥感信息提取，河流汇流