本文提出了一种基于人工神经网络技术的，利用海表面参数反演海水叶绿素浓度垂直分布特征的方法。叶绿素浓度的垂直分布特征对于研究海洋的生物量、初级生产力和海洋固碳具有十分重要的意义。 卫星传感器只能探测到海水一个光学衰减深度的叶绿素浓度平均信息，无法获得其垂直分布特征。针对这个问题，本文建立了一个三层人工神经网络模型，实现由海表参数反演叶绿素浓度的垂直分布特征。叶绿素浓度垂直分布特征采用Marlon R．Lewis et al．(1983)提出的高斯模型来描述。人工神经网络模型采用BP算法，网络输入六个变量分别为时间、纬度、经度、表面温度、混合层深度和表面叶绿素浓度，输出四个变量为高斯模型的四个参数Bo，h，σ，Zm。在神经网络建模过程中，采用主成分分析去相关的方法对网络的输入数据进行预处理，显著提高了网络的学习速度。训练好的网络模型和统计回归模型相比较，证明人工神经网络模型的优越性。最后通过对网络模型的敏感度分析和误差传递分析，探讨了网络模型在卫星海洋遥感领域的应用前景。 本文建立的人工神经网络模型能够较好地再现叶绿素浓度的垂直分布特征，但用卫星数据做网络的输入数据时，由于卫星资料反演的海表参数精度所限，网络的结果有待进一步分析和印证。