浅海水深数据是研究浅海海洋生物、生态环境、海底地形测量的重要的水文参数和地理空间资料,对于人类开展生产生活、科学研究和军事国防等方面至关重要。遥感水深数据的获取可分为主动与被动两种方式,两者都可搭载于不同的平台（如卫星、有人\无人机、有人\无人船等）。前者主动向水体发射、再接收返回的电磁波能量,包括声呐、激光雷达;后者在遥感探测时,传感器仅接收并记录来自水底及水体反射的太阳辐射,可为每个像元提供几个或上百个波段。其中,被动卫星遥感具有覆盖面积广、更新周期短、不受地域限制、高效便捷等优势。且随着水色遥感理论与技术的发展,基于卫星被动遥感数据进行水深反演成为浅海测深一种重要的方式。按照是否利用实测水深数据参与模型的训练与拟合,多光谱水深反演可以分为基于有控制点的水深反演算法和基于无控制点的水深反演算法两种。基于此,本文采用World View-2高分辨率多光谱卫星遥感作为影像数据源,对我国南海西沙群岛的北岛、赵述岛以及甘泉岛三个研究区分别开展基于有控制点与无控制点情况下的水深反演研究。本文研究区范围为上述三个研究区浅海部分,特指海洋光学浅水区,即辐射能量到达海底底部能够向上反射出水面的区域[1],从遥感影像上看呈现“蓝色”区域。在水质较为清澈的地方,浅海最深可达20-30 m。本文主要工作及结论如下:（1）针对不同地理位置获取的数据具有较强的空间异质性问题以及经数学变换后的遥感光谱存在数据冗余情况,本文提出了一种基于主成分分析的地理加权回归模型（Principal component analysis—Geographically weighted regression,PCA-GWR）反演浅海水深。首先,本实验对经过数学变换后的各个波段反射率数据进行PCA主成分分析;然后将得到的主成分因子作为PCA-GWR水深反演模型的训练参数,结合实测水深值开展地理加权回归计算;最后将PCA-GWR模型的水深反演结果与双波段对数比值模型、多波段线性回归模型和地理加权回归模型（Geographically weighted regression,GWR）的水深反演结果进行比较。结果显示,双波段对数比值模型反演结果最差,多波段线性回归模型反演精度稍好,但在大于15 m的水深范围,两个模型都存在反演水深值低于实际水深值的情况,而在该水深范围,GWR模型与PCA-GWR模型仍具有较高的反演精度。此外,PCA-GWR模型水深反演结果更优,北岛和甘泉岛PCA-GWR模型相关系数分别为0.96和0.98,较GWR模型分别提升1.05%和1.03%。研究表明,对局部参数进行权重回归比全局回归模型更利于解决不同地理位置的水环境和底质差异导致的水深反演精度较低的问题。同时,PCA-GWR模型可以保留水深数据的主要光谱信息,去除冗余信息干扰的同时增强数据潜在差异。（2）研究验证基于无控制点的P-DLA模型测深性能,并总结求解模型四个关键参数的像元采样原则。针对目前广泛应用的多光谱卫星影像反演浅海水深模型多依赖实测水深点数据参与经验模型的训练和拟合的局限性,本文利用World View-2高分辨率卫星遥感影像的蓝色和绿色波段,研究验证了一种新的不依赖水深实测点实现浅海测深算法的有效性——基于物理的双波段对数线性分析模型（Dual-band log-linear analysis model based on physics,P-DLA）。首先,本文详细介绍了双波段对数线性分析模型以及四个关键参数的物理机制,然后利用从多光谱影像提取的不同类型的采样像元光谱值,求解模型的所有未知参数,将其用于浅水深度的估算。同时,本文总结了求解模型四个关键参数的像元采样原则,以降低随机采样对测深结果的精度影响。研究结果表明,在没有实测水深数据参与模型训练的情况下,双波段对数线性分析模型仍能获得较好的浅海测深结果,并能清晰反应岛礁水下微小地形特征及变化。（3）开展有控制点与无控制点水测深对比实验。为进一步对比无水深控制点的P-DLA算法的有效性,本文利用传统的双波段对数线性回归模型（Dual-band logarithmic linear regression model,DLR）对两个研究区进行有控制点的水深反演。对比实验结果显示,在水深20 m以内,利用P-DLA模型甘泉岛水深估算结果的均方根误差（RMSE）为1.69 m,r为0.91,较DLR分别提升1.3%和1.5%;利用P-DLA模型赵述岛水深估算结果的均方根误差（RMSE）为1.74 m,r为0.89,较DLR分别提升18.9%和5.8%。实验显示,基于无控制点的P-DLA测深精度与基于有控制点的DLR水深反演精度大体相当,说明双波段对数线性分析模型可以在不使用实测水深数据训练模型的情况下,实现有效的水深估算。