有色溶解有机物(CDOM)是海洋水色组分之一,认识河口近岸海域CDOM的分布、迁移和转化不仅对于海洋水色遥感具有重要意义,而且有着显著的生物学意义和光谱学意义,其与生物地球化学循环有重要联系。本文以CDOM吸收系数为CDOM浓度指标,对CDOM的遥感反演应用进行研究,并在此基础上探究长江口和邻近海域的CDOM分布特征及其日变化特征。对于长江口高浊度水体,已有的反演模型对于CDOM的变化非常不敏感,反演精度很低,因此本文选择BP神经网络算法进行研究,其优势是得到的模型结果中失效的数据比较少,而其他模型可能存在大面积的算法失效。从精度结果看,BP神经网络算法的精度高于GOCI标准软件GDPS提供的Moon算法与YOC算法,但同时BP神经网络算法也存在需要人为参与学习判断的缺点。本文以长江口及其邻近海域野外实测数据为基础,在QAA算法及QAA-E算法基础上,建立了基于BP神经网络算法反演bbp(555)与ap(443)的关系,适用于GOCI卫星数据的反演模型。利用2012年4月26日星地同步数据对模型进行验证,验证结果表明该模型可以应用于GOCI卫星数据的CDOM吸收系数反演。在此基础上分析了长江口及其邻近海域CDOM吸收系数分布及CDOM日变化情况,得到以下结论。(1)基于QAA算法的BP神经元网络法对CDOM吸收系数的反演效果较好,适用于长江口及其邻近海域CDOM反演。但总体而言,高浊度水域CDOM反演精度仍有待提高,原因是由于长江口及其邻近海域沿岸水体中含较高浓度的悬浮物,而悬浮物对后向散射光谱的影响占主导作用,对叶绿素和CDOM光谱的影响较大,从而减弱了 CDOM与后向散射光谱之间的相关性,最终导致算法在复杂水体的反演精度降低。(2)利用2014年3月15日的GOCI影像反演长江口及其邻近海域CDOM吸收系数,并对其日内变化时空特征进行了分析。结果表明,GOCI数据能够清晰展现CDOM吸收系数的空间分布,体现出水体受潮汐等外界因素影响而导致的CDOM吸收系数的变化。从日内变化来看,在涨潮期间,CDOM吸收系数的空间分布为长江口内北支高于南支浓度,北支浓度与口外接近;而在退潮期间,北支CDOM吸收系数明显下降,且低于口外CDOM吸收系数,南港,北港的CDOM吸收系数也出现逐渐下降现象。而海水与淡水的混合稀释,使CDOM的浓度梯度从长江口往外海区呈现沿西北-东南方向降低的趋势。(3)利用GOCI数据高时间分辨率的特点,可以捕捉一天内CDOM的变化特征,这有利于对CDOM循环过程进行实时监测,为进一步研究长江口及其邻近海域CDOM日循环变化特性及其驱动机制及河口演化规律提供了重要的观测数据。(4)定量遥感中分类、校正、反演模型的误差需要进行统计评估,从而确定其性能与效果,而这些评估通常基于一些常见的统计参数。本文通过计算机模拟了误差的各种近似分布,研究了样本量n和统计指标RMSE、MAE与UA之间的关系。结果表明RMSE、MAE与UA随着样本量n的变化呈现不同的趋势:在n小于40左右时,RMSE和MAE往往随样本量增大呈上升趋势,随后趋于平缓;而UA随样本量n的增加总是平滑下降。由此可以看出,在样本量少的情况下,UA比RMSE、MAE更适合评价遥感模型的不确定性(可信赖度),因为基于统计学常识,样本量越大,建立的模型就越可靠(不确定度越小)。