以MERIS i高光谱数据和环境卫星高光谱数据(HSI)为研究对象,根据已有的大气传输理论和大气校正方法,研究适合于内陆湖泊二类水体的高光谱影像大气校正方法。针对目前内陆湖泊二类水体大气校正方法存在的问题,通过构建大气校正神经网络模型和利用水体反射率关系改进Gordon大气校正模型的方法,实现太湖二类水体影像的大气校正,为MERIS数据和HSI数据在水色遥感定量反演方面的应用提供技术支持。取得的研究成果如下：1.通过辐射传输模拟,分析了气溶胶类型、光学厚度变化对太湖水体影像的影响,并计算了在通常假设气溶胶状况条件下大气校正可能造成的误差。研究认为,错误的气溶胶类型和光学厚度假设都会造成较大的反射率误差(>40%),其中光学厚度比气溶胶类型对水体影像辐亮度影响更大,造成的误差也更大。2.采用神经网络,可以建立输入卫星辐亮度直接提取水体反射率的模型,无需同步气溶胶信息。通过辐射传输模型,可以建立一个包含太湖不同水体光谱、不同气溶胶类型、不同光学厚度的精确的模拟数据集,用于大气校正神经网络的训练。针对根据优化研究的结果,认为单层、10个隐含层节点、LM训练算法的BP神经网络在MERIS和HSI数据大气校正中有较高计算效率、又可以保证精度,并且具有良好的泛化能力。3.经过对太湖水体光谱的分析,发现太湖水体近红外波段反射率之间存在线性关系,并且这种关系是稳定的,受水体组分变化影响很小。本文将这种线性关系引入到Gordon大气校正模型,根据模型中气溶胶散射与水体之间的关系优化求解得到气溶胶指数ε,进而实现了对环境一号卫星高光谱数据的二类水体大气校正。采用改进后的大气校正方法,没有出现Gordon方法直接用于二类水体反射率结果为负的情况；校正得到的射率光谱形态上符合二类水体的特征,与神经网络法的到的结果比较,发现二者形态和数值上都相似,二者相互印证。