两淮矿区是我国大型的煤炭基地之一，经过多年的开采已形成大面积的沉陷水域，为推进水资源合理利用，水深的测量尤为关键，使用遥感反演水深的方法可高效便捷获取大范围水深数据。本文以淮南矿业集团谢桥煤矿范围内沉陷水域为研究区域，利用Sentinel-2B多光谱影像，研究了相对于随机样本数据集划分法（RS,Randomsampling）和光谱-理化值共生距离法（SPXY,Samplesetpartitioningbasedonjointx-ydistance）对线性拟合模型和神经网络模型的优化作用。实验结果表明：（1）神经网络模型在研究区域内的反演效果较为理想，随机样本数据集划分法和SPXY样本数据集划分法的决定系数分别为0.737和0.787;(2)由于水中悬浮物对光谱反射率的影响很大使得在6-9m的深水域反演效果较差，两种样本数据集划分方法构建的神经网络模型的均方根误差分别为1.178m和1.059m;(3)SPXY样本数据集划分法对构建沉陷水域水深反演模型有着优化作用，对神经网络模型的改进效果最为明显其决定系数提高了0.05，均方根误差和平均绝对误差分别降低了0.097m和0.065m。