近几年来,在国务院颁布的“水十条”高效执行下,黑臭水体受到了水环境专家们的广泛关注和积极探索,结合了便捷、高效的前沿远程遥感技术,有效地弥补了传统的黑臭水体监测时间短、人力不足,目前专家已能掌握该地区水体的分布状况,并有效地监测该时段的水体分布状况,为近年来国家的防治、监管和评估黑臭水提供了有力的技术支持。由于黑臭水体多为小水体,且分布零散,不易发现,县域黑臭水体问题逐一显露,使得黑臭水体的关注热点和治理方向拉近到大众视野。本研究在河北省廊坊市设计布设了93个试验坑塘水体点位,就业务化监测开展黑臭水体遥感识别工作。不同于前人对黑臭水体监测局限在单阈值方法,本文基于2018年8月获取的两景研究区内Sentinel-2A卫星影像,利用改进分类属性方法的模糊决策树综合多个水体特征信息,实现了廊坊市识别模型构建。本研究主要取得的成果有:(1)根据定量和定性两种方法判别研究区野外实测数据,深入剖析两类水体光学特征差异,发现了清洁水体和黑臭水体表现在悬浮物浓度和叶绿素a浓度上具有可区分性。悬浮物浓度在110mg/L以上黑臭水体占比约70%,叶绿素a浓度43mg/L以下区域清洁水体占据总体的85%以上,且清洁水体整体分布偏垂直,集中在悬浮物浓度为0～45mg/L范围内,黑臭水体集中在叶绿素a浓度低于38mg/L区域中。(2)通过比较清洁水体和黑臭水体在可见光波段的反射率特征,研究发现黑臭水体反射率在蓝-红光波段整体走势平缓,大致处于清洁水体下方,清洁水体在绿波段存在明显的尖峰,两类水体在可见光波段特征的确具有可分性,黑臭水体判别阈值法具有可靠性和可行性。(3)模糊决策树模型具有与单一特征阈值分割相比的明显优点。基于改进模糊ID3算法实现,通过K-means聚类方法和模糊信息增益率为扩展分类属性,实现了对决策树生长机制的控制,提高了不确定、连续数据集的分类精度,结合人工解译,最终判别黑臭水体识别模型精度为76.0%。