近海岸二类水体的水色遥感反演，在监测和评估近海岸海洋第一生产力、赤潮监测、近海岸泥沙浓度分布模拟等方面具有重要的意义。与一类水体水色遥感相比，二类水体的水色遥感反演更为困难。在Case2水体中，由于河口泥沙、有机物和其它物质的大量排放及浅海因潮汐作用而使泥沙浮动，泥沙、叶绿素和黄色物质呈现出独立的时空变化，泥沙和黄色物质的浓度不能够像一类水体那样统一的表达为与叶绿素浓度相关的函数。其次，泥沙含量较大是近海二类水体的另一特征，在高的泥沙浓度背景下，二类水体中叶绿素浓度的准确遥感反演十分困难。另外，二类水体水色遥感具有很强的局地性：不同地区的海域其泥沙、叶绿素和黄色物质的浓度变化范围差别较大，加之不同海域生物－光学模型的差异更增加了二类水体遥感反演的难度。目前，国内外二类水体水色遥感同步反演的方法基本上可以分为两类：基于线性的反演方法，主要有主成分分析方法(PCA)、线性矩阵反演方法等；和非线性优化算法，诸如遗传算法(GA)、人工神经网络算法(ANN)。 本文根据中国黄海、东海的实测光谱及实测物质浓度，调整了叶绿素吸收模型和生物－光学模型的其他一些参数。选择MNB(MeanNormalizedBias)和RMS(RootofMeanSquare)作为误差评价标准对线性反演算法包括矩阵反演算法、主成分分析算法和因子分析算法的反演误差进行了评估，结果表明线性反演算法(包括矩阵反演算法、主成分分析算法、因子分析算法)的反演误差平均而言远远高于实践应用需要的30％。也就是说线性算法并不适于二类水体的物质浓度反演，或者至少不适用于中国近海二类水体的物质浓度反演。对线性算法高误差的分析是文本的重要贡献之一。分析表明，叶绿素、悬浮泥沙、黄色物质对遥感反射率的作用不是简单的线性叠加关系，而是复杂的非线性关系。即使我们将包含生物－光学模型的遥感反射率方程转化为线性的形式，发现线性方程的矩阵之一的其中两行是高度负相关的。根据基本的线性代数原理，方程病态，不能获得准确的解。这是线性算法不适用于二类水体反演的根本原因。 遗传算法是近二、三十年兴起的一种非线性优化算法。本文的数值模拟实验Ⅰ结果表明，使用遗传算法反演二类水体叶绿素、悬浮泥沙和黄色物质的反演误差基本能够满足小于30％的误差水平。这一结果从某种程度上说明了非线性优化算法的优势和前景。然而实测值的遗传算法反演精度较数值模拟实验要低，也就是说遗传算法对二类水体水色遥感的正模型要求很高，只有当模型与实测的光谱曲线十分接近时，遗传算法才能发挥更好的作用。这对于遥感反射率模型，生物－光学模型及相关参数的基础研究提出了更高的要求。