悬浮泥沙浓度（SSC）不仅直接影响河口水体的透明度、浊度等光学性质,同时对河口的冲淤变化、沿海地区的水土保持也产生影响。研究河口区域SSC的空间分布与变化对于维护沿海区域和海洋生态系统的健康、了解河口地形地貌变化具有重要意义。传统的现场收集SSC样本的方法耗时、费力且空间连续性不足,随着遥感技术的发展,利用水体的遥感反射率定量反演表层悬浮泥沙浓度（SSSC）成为悬浮泥沙监测的一种重要方法。目前的反演研究多数基于卫星多光谱数据,存在空间分辨率低、光谱信息不全面、无法进行灵活监测等问题。近年来,无人机遥感被应用于水质监测,但是目前基于无人机技术的SSSC监测研究还较少,尤其是对于水动力环境复杂的河口区域,无人机高光谱反演模式不够完善,缺乏潮周期内的SSSC变化研究。针对以上问题,本研究选取长江口北港为实验区域,提出利用无人机搭载高光谱传感器对潮周期内的SSSC变化进行监测。通过分析含沙水体的光谱曲线特征,确定了SSSC敏感波段区间,在此基础之上,开展了SSSC高光谱反演模型研究,并将建立的模型应用于无人机影像SSSC反演,分析了长江口北港不同潮情SSSC的变化规律。主要研究工作及结论如下:（1）针对悬浮泥沙浓度对长江口水体光学性质的影响,阐述了光在水体中的辐射传输原理,采集了长江口南汇嘴附近典型粒径的表层沉积物,开展了长江口水体SSSC梯度变化光谱特性定量研究。结果表明,随着SSSC的增加,水体的光谱反射率曲线具有相似的形态,但也存在一定的差异。当SSSC＜36.59mg/L时,光谱曲线仅在560～580nm处有一个反射峰;当SSSC＞52.69mg/L时,光谱曲线第一反射峰位于570～710nm,并在近红外波段780～820nm处出现第二反射峰。光谱曲线第一峰值区间存在明显的“红移”现象,且波长的“红移”变化与SSSC的线性拟合R~2达到0.91,说明两者呈较强的线性相关性。在400～900nm光谱范围内,740～860nm区间内的波段对SSSC的变化具有较强的响应能力且比较稳定。因此,选取740～860nm作为SSSC变化的敏感波段区间,为下一步的SSSC高光谱反演模型研究提供理论基础。（2）针对高光谱波段数量多,相邻波段之间的线性相关性强,导致的数据冗余问题,本研究引入基于主成分分析的高光谱波段降维方法。利用少量互不相关的主成分变量代替大量的原始高光谱波段数据,在减少模型输入参量的同时尽可能多的保留原光谱信息,以达到简化高光谱数据的目的。分析了长江口北港丰水期、枯水期2个不同数据集的高光谱波段降维结果,发现对于不同数据集,前3个主成分已经能够映射原光谱数据90%以上的信息,前10个主成分已经能够映射原光谱数据99%以上的信息,表明利用3～10个主成分变量就可以代替原光谱数据的45个波段。（3）选取3～10个主成分变量,利用丰水期、枯水期2个不同时期的数据集分别建立了PCA-BP神经网络模型,并与传统的线性回归模型进行比较。结果表明,不同时期建立的PCA-BP神经网络模型的预测精度均优于线性回归模型。对于丰水期,在选取6个主成分变量时,PCA-BP反演模型的拟合R~2达到0.87,RMSE为18.45mg/L,MRE为9.41%。枯水期在选取5个主成分变量时,建立的PCA-BP模型拟合R~2达到0.93,RMSE为4.21mg/L,MRE为8.75%。（4）选取悬浮泥沙浓度受潮汐影响明显的长江口北港河段,开展基于无人机高光谱传感器的SSSC潮周期变化监测研究。利用基于主成分分析方法建立的PCA-BP神经网络模型进行SSSC反演,完成了丰水期、枯水期,涨潮、涨憩、落憩不同潮情SSSC变化监测。实验结果表明,丰水期SSSC的平均值涨憩高于涨潮高于落憩,随着离岸距离的增加,涨潮状态下的SSSC变化剧烈,涨憩和落憩时段的SSSC波动较小;枯水期SSSC平均值涨潮高于落憩,且随着潮位的上涨,SSSC也随之增加,不同时段的SSSC随着离岸距离的增加均先下降后趋于平稳。将不同时期的反演结果进行对比分析,发现丰水期的SSSC整体高于枯水期。经验证,反演结果与实测结果具有一致性,表明本研究提出的基于无人机的河口区域SSSC潮周期监测方法是可靠的。