利用遥感技术对农村水环境进行有效监测和治理，及时报告水资源质量状况，反映存在的水环境问题，对促进村镇经济、水资源保护协调发展和新农村建设具有重要的现实意义。本文以江苏常熟辛庄镇元和塘水体为研究对象，在野外调查数据的基础上，分析了元和塘水体表观光学量的光谱特征，建立了基于表观光学特性的水质参数反演统计模型，并完成了水质参数的SPOT影像反演和填图。同时，根据国家地表水质评价标准，对元和塘水质状况进行了综合评价，并给出了相关治理意见。　　 本文主要研究成果如下：　　 1、建立了元和塘秋季表观光学量光谱数据库和水质参数数据库，分析并确定了元和塘水体悬浮物浓度、总氮和总磷的反射率特征波段和光谱一阶微分特征波段，并根据各水质指标的敏感波段，建立了各参数反演的多项式统计模型。　　 2、根据实验室水质指标化验数据和地表水Ⅳ类水环境质量标准，分析得到元和塘水域总氮浓度指标超标1倍，并尝试利用《湖泊(水库)富营养化评价方法及分级技术规定》对元和塘水域的富营养化程度进行评价，元和塘水体处于中度富营养化。　　 3、通过分析各水质指标与光谱特征的关系，可以将670nm、646nm、515nm和620nm的光谱反射率，583nm、622nm、638nm、619nm和665nm的光谱一阶微分作为BP神经网络和RBF神经网络的输入用以反演悬浮物浓度、叶绿素浓度、总氮和总磷浓度。　　 4、BPNN和GRNN反演四个水质指标的精度存在差异，特别是叶绿素浓度的反演，RBF神经网络的函数逼近能力和预测能力好于BP神经网络。　　 5、在内陆水体遥感数据大气校正原理的基础上，建立了基于大气辐射传输模型6S的SPOT多光谱影像大气校正和遥感反射率计算方法；并利用SPOT多光谱影像和本文建立的水质参数反演人工神经网络模型，完成了元和塘的叶绿素浓度填图。