水质监测是水质评价与水污染防治的主要依据,随着水体污染问题的日渐严重,水质监测成为社会经济可持续发展必须解决的重大问题。目前,我国水体水质常规的监测方法是现场采样,实验室进行分析,根据分析数据进行具体的水质评价,这种方法难以获取大范围水域水质参数的分布和变化情况,不能满足对水质适时、大范围的监测评价要求。水质遥感监测方法不但可以反映水质在空间和时间上的分布和变化情况,而且可以发现常规方法难以做到的污染源和污染物迁移特征,具有大区域监测、快速获得结果、费用低廉和持续动态监测的优势。本文基于实测光谱和遥感技术对研究区叶绿素a和悬浮物分别进行了模型构建和反演。论文主要取得了下几个方面的成果:1.对获取的研究区实测光谱数据进行了原始数据校正和平均,光谱数据转换,异常曲线剔除,光谱归一化处理,一阶微分平滑处理等一系列光谱曲线预处理,数据处理结果能够满足模型构建。2.本文采用基于手持GPS选取地面控制点的几何校正法对研究区ETM遥感影像进行了几何校正;遥感影像的大气校正是定量遥感的关键步骤,本文利用FLAASH方法对研究区ETM遥感影像进行了大气校正,分析表明,该方法的校正结果可以满足模型构建的需要;利用水体在ETM+图像某些波段与其他地物亮度的显著差异,尝试利用单波段法和多波段法分别从遥感影像上提取出水体;通过对比分析发现,多波段法的归一化差异水体指数能较好的排除河流及其他细小水体的影响,完整提取出研究区水体。3.在光谱数据和遥感数据预处理基础上,本文分析叶绿素a含量与水体反射光谱特征的关系,运用PEARSON法分析两者之间的相关性,确定叶绿素a的敏感波长;分析结果表明对几个最大正相关的光谱值进行平均处理可以提高反演精度。本文确定一阶微分光谱AVE(691+692-609)线型模型估算叶绿素,利用半经验法模型法构建了叶绿素a的反演模型,并利用ETM遥感数据反演了叶绿素的浓度。4.对于悬浮物浓度的反演,本文首先采取归一化处理和一阶微分法提取悬浮物对应的敏感波段。对于归一化光谱而言,用最大正相关处的光谱值与最小负相关的光谱值相除,可以提高相关性;对于一阶微分光谱而言,用最大正相关处的光谱值与最小负相关的光谱值相减,可以提高相关性。归一化光谱和一阶微分光谱都能获得较好估算效果,相比之下,后者的精度更高。利用确定的敏感波段光谱反射值和实测浓度数据建立了悬浮物反演模型,并利用ETM数据反演了研究区悬浮物浓度。验证结果表明,模型反演的研究区叶绿素a和悬浮物浓度与实际监测情况基本吻合。本文建立的悬浮物遥感反演模型应用效果较好,但其精度在一定程度上受到水体中其他水质参数含量的影响。叶绿素a遥感反演模型对叶绿素a含量中等的水体反演精度较高,且具有较好的适用性,但对叶绿素a含量较低及发生水华的水体,反演精度较差。