赤潮是指海水中某些浮游植物、原生动物或细菌在一定环境条件下爆发性增殖或聚集在一起而引起的水体变色的一种生态异常现象。本文从两个方面着手完成秦皇岛海域赤潮的监测。其一,建立基于现场实测数据的神经网络赤潮预测模型；其二,利用MODIS卫星遥感数据,建立检测秦皇岛海域赤潮发生的模型,并监测其发展趋势。在利用现场实测数据建立基于神经网络的赤潮预测模型方面,本文分别应用粒子群算法和遗传算法,建立起PSO-LMBP和GA-LMBP的赤潮预报模型,以改善LMBP网络在学习训练中容易陷入局部极小的缺点。经仿真实验证明,该改进算法有效提高了赤潮预报的稳定性和准确度。此外,还构建了基于主成分分析PCA算法的GRNN神经网络赤潮预测模型。实验结果证明,PCA-GRNN神经网络赤潮预测模型的预测精度高,且网络收敛快。在利用MODIS遥感数据监测赤潮方面,本文使用叶绿素a浓度阈值分割法、波段比值阈值分割法、最大似然监督分类法、基于决策树的赤潮信息提取方法,通过ENVI软件,分别进行秦皇岛海域的赤潮提取。实验结果表明,叶绿素a浓度探测方法对秦皇岛海域赤潮探测效果一般,模型尚有待改进；波段比值阈值分割模型、最大似然监督分类法均存在一定的不足之处；本文提出的秦皇岛海域多波段差值决策树赤潮检测模型,在对秦皇岛海域赤潮探测时,取得了满意的结果。