随着遥感技术的蓬勃发展,使用遥感技术对水体进行低成本、大范围、高时间分辨率以及无接触式的水质反演成为可能。针对目前内陆水体遥感水质反演仍然存在数据获取成本高、模型通用性不足、理论研究与实际应用结合不紧密等问题,本文开展了内陆水体遥感水质反演算法的研究。本文主要从以下几个方面展开研究:(1)针对准分析算法(quasi-analytical algorithm,QAA)在内陆水体水质反演时的低适用性问题,提出了一种半分析的基于改进QAA的内陆水体水质反演方法。该方法基于同一水体特定区域内相邻点位间固有光学特性的同质性和合理性,实现了对QAA的无监督改进,以适用于当前研究水体;通过改进QAA反演水体吸收系数,并利用其波段组合构建了总悬浮物(total suspended matter,TSM)的反演模型;最终利用具有最优反演效果的归一化总悬浮物浓度指数(normalized difference TSM index,NDTI)模型反演得到了总悬浮物浓度的空间分布图。(2)针对高光谱数据强相关性和高冗余度造成的维度灾难问题,提出了一种基于神经网络(neural network-based band selection,NNBS)波段选择的内陆水体水质反演方法。利用神经网络权重对特征重要性的表达能力,对高光谱数据进行波段选择;选择得到的波段集合作为下游模型输入数据的特征,并分别利用随机森林和神经网络构建总悬浮物浓度和叶绿素浓度的反演模型。实验结果表明,本文提出的基于L1范数和L2范数的NNBS算法能够得到信息量更大的波段集合,且在利用神经网络作为下游模型时,能够获得较好的总悬浮物浓度和叶绿素浓度反演效果。(3)结合前述理论和方法,基于浏览器/服务器(browser/server,B/S)架构,研制了基于遥感水质反演的水务管理与监控软件。该软件具有系统管理、水体数据管理、水质反演、水质数据分析、水务管理等功能。