For the spatiotemporal analysis of water resources and disasters, water body
detection using satellite imagery is crucial. Recently, AI-based methods have been
widely employed in water body detection using satellite imagery. To use these AI
techniques, a substantial amount of training data is required. When creating training
data for water body detection, optical imagery and synthetic aperture radar (SAR)
imagery have their respective strengths and weaknesses. To use the advantages of
both, this study proposes a water body detection method through the fusion of
optical and SAR imagery. The results of the proposed model show an Intersection
over Union of 0.612 and an F1 score of 0.759, which is better compared to using
either optical or SAR imagery alone. This research presents a method that can easily
generate a large amount of water body data, making it promising for use as AI
training data for water body detection.