我国的山地冰川数量多、总量大,对周边地区的经济生活会产生巨大的影响,因此,对于冰川进行研究具有重大的实用价值。冰川监测是冰川研究的重要手段之一,通过冰川的面积、体积的变化可以反映相关地区生态环境的变化信息。随着语义分割技术的不断进步,地理研究人员开始使用相关语义分割网络完成遥感图像冰川分割的任务。本文基于语义分割相关知识,将语义分割网络应用于多波段遥感图像冰川分割任务中,并对网络进行了针对性的改进,提高了整体网络的效果。本文主要的工作内容如下:（1）针对冰川分割数据集较少的问题,本文使用多波段遥感图像与相关地理矢量文件,制作相关的冰川数据集、冰川水体数据集,并对已有数据集采用数据增强方法进行扩充,丰富相关数据量,通过使用多种波段组合的遥感图像数据提高整体网络的分割精度。（2）针对传统冰川分割方法在此类冰川分割任务中存在的分割精度不高的问题,本文提出了基于多波段遥感图像的冰川分割方法。本文选用语义分割经典网络U-Net网络进行改进,通过增加网络所使用的波段组合,丰富网络的光谱信息,一定程度上解决了传统语义分割网络对多光谱图像使用率较低的问题,通过添加空洞卷积集联的模块,以及添加空间注意力机制的方式,提高整体网络的实验精度。通过对网络进行测试,本文提出的改进型U-Net网络在平均像素准确率和平均交并比等两项评价指标中取得了93.1%和85.1%,相比于原始U-Net网络分别提高了1.7%和0.7%,在所有对比网络中冰川分割效果最好。（3）针对语义分割网络对冰川与水体难以进行区分的问题,本文给出了基于多波段遥感图像的冰水分割方法。本文提出了U-Net网络融合深度可分离卷积的网络结构,并使用Shuffle注意力机制对网络进行效果提升。整体网络通过深度可分离卷积模块减小网络的总计算量,并通过Shuffle注意力机制在添加少量计算量的同时,发挥注意力机制的整体作用,提高网络的整体效果。实验结果表明,本文提出的网络相比于原始U-Net网络在评价指标上有了一定的提升,平均像素准确率这一指标为91.4%,平均交并比为82.6%,一定程度上提高了分割精度。