近岸海洋水质与人类生活密切相关,海洋水质监测对海洋水环境的保护有重要意义。叶绿素a（Chl-a）和悬浮物（SS）是重要的海洋水质参数,也是水质遥感监测的重要指标,在近岸海洋水质监测中尤为重要。有限的站点实测数据无法满足山东近岸海洋水质的大范围、准确、实时、连续的观测需求,水质遥感监测可以有效地弥补缺陷。为更有效地监测山东近岸海洋水质,本文基于长时间序列的MODIS影像,利用水体指数法精确提取山东近岸海域,通过分析水体中叶绿素a和悬浮物的光谱特性以及波段敏感性,利用传统经验统计方法和机器学习方法建立山东近岸海洋水质参数遥感反演模型,反演2014年-2018年山东近岸海域叶绿素a浓度和悬浮物浓度。利用图像均值法和图像差值法分析山东近岸海域叶绿素a浓度和悬浮物浓度的总体空间分布及时空演变特征。进一步利用相关海水评价标准、规范和归一化的综合分析法,建立基于悬浮物的水质状况评价方法、基于叶绿素a的富营养化评价方法以及基于叶绿素a和悬浮物的综合水质状况评价方法,进行有效的山东近岸海洋水质状况综合评价。主要内容与研究成果如下:（1）基于时序MODIS影像的山东近岸海域叶绿素a浓度和悬浮物浓度遥感反演。利用传统经验统计方法和机器学习方法建立山东近岸海域叶绿素a浓度和悬浮物浓度的特征波段比值、差值、和差组合、支持向量回归（SVR）和随机森林（RF）的遥感反演模型。研究结果表明,在叶绿素a浓度和悬浮物浓度处于低值时,模型均具有较好的反演精度和适用性。随着浓度的升高,模型的反演精度均下降。经过模型的精度验证和对比,机器学习模型优于传统经验统计的特征波段模型,具有更好的反演精度和适用性。随机森林模型反演结果最优,估测叶绿素a浓度与实测的叶绿素a浓度的R~2（决定系数）为0.697,RMSE（均方根误差）为1.105μg/L,MAPE（平均绝对百分误差）为26.201%,估测悬浮物浓度与实测悬浮物浓度的R~2为0.788,RMSE为7.661 mg/L,MAPE为23.103%。（2）长时间序列的山东近岸海域叶绿素a浓度和悬浮物浓度的空间分布与时空演变特征分析。研究结果表明:山东近岸海域叶绿素a浓度和悬浮物浓度的总体空间分布均呈现由近岸向远海递减的趋势,沿岸海域存在高值区,呈现从西北、西南向东递减的趋势。叶绿素a和悬浮物的浓度季节变化特征明显,叶绿素a浓度冬秋季呈现低值,春夏季呈现高值;悬浮物浓度春秋季呈现低值,夏冬季呈现高值。（3）山东近岸海洋水质评价分析。研究结果表明,山东近岸海域水质状况总体较好,富营养化指数均较低（小于1）,山东近岸水质总体呈现近岸至远海逐级递减的分布。水质状况“优”的海域占11.2%,水质状况“良好”的海域占29.2%,水质状况“一般”的海域占32.6%,水质状况“较差”的海域占23.6%,水质状况“差”的海域占3.4%。