传统的遥感水深反演模型主要有分析模型和统计模型,但近来的研究成果表明,其水深反演精度提高的空间有限.作为一种有效的非线性逼近方法,BP神经网络常应用于遥感定量反演中,对浅海水深遥感反演也具有较好的实用价值.本文应用高分辨率WorldView-2八波段多光谱遥感影像,利用实测水深和对应位置像元水体辐亮度组成的数据集,构建了西沙群岛东岛周边水深的BP人工神经网络遥感反演模型,分析了遥感图像低通滤波对水深反演精度的影响,并对不同水深段的反演结果进行误差分析.结果表明，本文试验中,最适网络结构为9个神经元节点的1个隐含层网络,隐含层传递函数为logsig,输出层传递函数为purelin,检查点处的平均相对误差与平均绝对误差分别为26.7％和1.2m;3×3窗口的低通滤波能在一定程度上提高反演精度,滤波处理后平均相对误差减少3％,平均绝对误差减少0.5m,5×5窗口的低通滤波相比3×3的反演精度略有提高;以2m、5m、10m为节点将水深分成4段,随着深度增加,平均相对误差降低,四个水深段的平均相对误差分别为57.7％、29.9％、17.2％、11.2％,而平均绝对误差增加,分别为0.5m,1.0m,1.5m和1.6m.