叶绿素a浓度（Chlorophyll-a,简写为Chla,单位:mg/m3）卫星产品可用于实时、大范围监测海洋水色要素的海域分布和动态变化,但是薄云、气溶胶、太阳耀斑以及近岸高浑浊水体等常导致卫星数据过程中的掩膜,使卫星获取的Chla浓度存在大面积缺测（非云缺失）。针对这一问题,本文以渤黄海为研究区域,基于可见光红外成像辐射仪（Visible Infrared Imaging Radiometer Suite,VIIRS）卫星影像,结合后向传播（Back Propagation,BP）机器学习算法建立了适用于非云缺失区的Chla浓度反演模型,对比了BP模型得到的叶绿素a浓度（Chl-BP）与VIIRS业务化产品（Chl-v）的差异,并分析了月平均产品、有效像素百分比及其对平均产品的影响。主要研究内容如下:（1）基于2017年VIIRS 365景卫星影像,以及美国国家航空航天局（National Aeronautics and Space Administration,NASA）数据标准l2＿flags筛选高质量数据,建立机器学习模型训练的测试数据集。为了减少薄云、气溶胶的影响,本文采用瑞利校正反射率(Rrc)作为模型的输入值,根据Chla浓度的固有光谱特征,进行波段组合。同时,考虑到研究区域水体成分复杂、气溶胶种类多样且存在季节性变化,基于映射原理,将Chla浓度、490nm处的漫衰减系数（Kd（490））和551nm处的气溶胶光学厚度（AOD（551））一起作为模型的输出参数,大大增强了模型的稳定性。通过不断调整BP模型的隐含层和节点个数,结合模型精度和运算时间选取最优的BP结构。由于气溶胶和Chla浓度存在季节性变化,本文逐月进行数据训练和建模,得到12个模型。模型训练结果的相关系数（Correlation Coefficient,R2）为0.94～0.99,相对均方根误差（Relative Root Mean Square Differene,RMSD）为0.33～1.56,平均绝对误差（Mean Absolute Difference,MAD）为14.19～36.61,平均相对误差（Mean Relative Difference,MRD）为5.86～24.01%,无偏百分数误差（Unbiased Percent Difference,UPD）为5.69～15.39%;模型验证的R2、RMSD、MAD、MRD、UPD分别为0.93～0.99、0.32～1.44、14.25～33.96、5.75～20.28%、5.76～15.72%。利用2016年的两景卫星影像进行独立检验,BP模型的结果与VIIRS业务化产品具有很好的一致性,Chl-BP和Chl-v的相关系数高达0.98。此外,本文还采用现场匹配数据集进行模型的精度验证,结果表明BP模型的精度与VIIRS业务化产品相当。（2）将BP模型运用到2017年VIIRS 365景卫星影像中,对比了Chl-v和Chl-BP的有效像素个数,结果表明:经BP反演后的Chl-BP有效像元个数显著增加。对于渤海湾、莱州湾、辽州湾以及苏北浅滩等近岸高浑浊水域,BP模型在保证数据质量的同时,较好地反演了因吸收性气溶胶、高反射被错误掩膜的水色数据。BP模型反演得到的Chl-BP月平均分布特征与VIIRS Chl-v的月平均分布一致,反演后Chl-BP对长时间序列结果有重要意义。（3）利用BP模型可以恢复因薄云、气溶胶以及高浑浊水体而错误掩膜的数据,增加了Chla浓度有效覆盖范围,这对海洋变化的近时应用和时间序列研究具有深远的意义。