地表水体的准确提取对于防洪减灾和水资源规划等具有重要意义。然而，由于河流、湖泊及其支流在空间尺度上存在差异，传统基于单一尺度的提取算法往往难以全面捕捉水体信息，不仅容易忽略边界细节，也难以有效识别小尺度水体。鉴于此，提出了一种多尺度特征融合编解码网络模型(Multi-Scale Feature Fusion Encoding-Decoding Network，MSFFEDN)，能够有效提取不同尺度上的语义信息，实现复杂多样的地表水体的自动提取。采用GF-3遥感图像作为数据源，应用MSFFEDN方法的水体提取总体准确率为90.42%，优于支持向量机(Support Vector Machine，SVM)、随机森林(Random Forest，RF)、U-Net、U-Net-ResNet34模型和WENet（Waterline Extraction Net）模型等方法。MSFFEDN模型综合考虑了不同尺度上的语义信息，为地表水体提取提供了新的视角。