本研究以大型浅水内陆浑浊水体--太湖为研究对象，通过多年的野外实验观测，系统地研究了太湖水体中各组分固有光学量的变化规律，结合辐射传输模拟研究揭示了太湖水体组分与光谱反射率信息变化的内在影响机制。在此基础上构建了基于查找表的组分协同反演算法：首先通过光谱分类算法对太湖水体反射率光谱进行分类；针对各类型的水体光谱，分别构建叶绿素a、悬浮物和CDOM浓度反演模型；进而构建基于查找表的组分协同反演算法。该算法通过在反演一种组分时考虑了其他组分的影响，经验证表明，该方法很大程度上降低了高估和低估的程度，提高了反演模型的精度。研究的主要结论如下：　　(1)不同浓度组分混合对遥感反射率的影响　　通过Hydrolight模拟实验研究各组分对其他组分在遥感反射率方面的影响。无机悬浮泥沙的反射光谱信息受其他两要素的影响最小，700nm以后影响率几乎接近于0。黄质对无机悬浮泥沙的影响呈近似直线式下降，叶绿素对无机悬浮泥沙的影响在700nm以前变化不大，影响最大值位于440nm叶绿素吸收峰处，且二者对无机悬浮泥沙的影响均是由于吸收作用造成的。无机悬浮泥沙对叶绿素反射光谱的影响远远大于黄色物质；黄色物质对叶绿素的影响在短波处。当水体中出现适量的叶绿素或无机悬浮泥沙时，黄色物质的反射信息就会被掩盖，因此卫星监测太湖地区黄色物质浓度十分困难。　　(2)太湖水体反射率分类方法及光谱特征指标的确定　　通过对实测遥感反射率光谱曲线特征的分析结合实测叶绿素a、总悬浮物、无机悬浮物等浓度信息，将太湖水体遥感反射率光谱分为藻类主导型水体的光谱、藻类与非藻类共同主导型水体的光谱和非藻类悬浮物主导型水体的光谱，其中非藻类悬浮物主导型光谱又分为悬浮物主导一型光谱和悬浮物主导二型光谱。在此基础上确定了用于光谱分类的特征指标，并建立了用于分类的光谱分类算法。光谱特征指标包括：580nm附近反射峰的左半峰的斜率、700nm附近的反射峰与675nm附近的反射谷之间的斜率和600nm到650nm间反射率的斜率。　　(3)各类别单组分反演模型构建　　针对各个类别的特征，构建了降低其他组分影响的单组分修正型反演模型。其中对于类型二的叶绿素a模型建立了一个新的指数ACI，用于削减悬浮物对叶绿素信息的影响，有效的提高了叶绿素a浓度反演的精度，将平均相对误差从31.8％降到了22.8％；对于其他三种类型也重新建立了对应的三波段模型。对于悬浮物模型，类型一和类型二建立了波段组合的反演模型，而对悬浮物浓度高的类型三和类型四建立了近红外双波段模型。　　(4)基于查找表的组分协同反演算法　　通过建立水体类别、模型参数与浓度范围三者之间的查找表关系，用于约束模型反演带来的高估和低估偏差。并在此基础上构建基于查找表的组分协同反演算法。经过验证，协同反演可以通过查找表的精细化调整和约束，有效的减小模型高估和低估的程度，提高了组分反演的精度，可以适用于太湖地区水体组分浓度的反演。