进入二十世纪后,随着我国人口的快速的增长、城乡化水平不断的提高、经济规模总量持续的增长,人民生活的水平与日常需求日益增大,造成企业无论是数量还是规模也在渐渐增加,大量的工业与生活污水在缺乏监管的情况下未经任何净化处理或处理不当不达标即被排入河流、湖泊等水体中,使得我国的水污染及水环境承载力失衡等问题已成为制约国家经济发展,人民饮水、身体健康的一项重大阻碍。因此,在党和国家促进生态文明建设,倡导可持续发展型经济的大背景下,掌握区域的水体水质状况对该区域制定相关的政策尤为重要。水体水质状况需通过获取准确的、周期性和时效性的监测来获得相关的数据从而了解该区域内水环境及其变化状况。水体水质检测中众多参数中的一个重要指标便是叶绿素,叶绿素a(Chl-a)存在于所有水体中的浮游藻类等植物中,并且水体中处于游离状态叶绿素a的含量浓度的大小与该水体中藻类或者水生植物的种类和数量有着十分紧密的联系,因此监测水体中叶绿素a的浓度也是指示整个水体环境是否存在富营养化问题的重要参数之一,通常认为当水体叶绿素a浓度大于10(μg/L)时,即认为该水体处于富营养化的状态。目前,我国的水体水质监测系统,主要还是以传统的在实验室内对野外采集的水体样本进行化学分析为主。该传统方法虽然监测准确性高,但是投入产出比低,而且受区域环境和天气情况等多种不可控因素影响约束,难以快速获得大范围、周期性的监测数据。而高光谱反演技术相较于传统方法而言速度快,成本低,并且有时效性和周期性强等优势,在区域水质富营养化监测提前预警与预防方面可以发挥早发现,早处理的指示参考作用。该方法也可作为是传统水质监测方法的补充,为区域性水环境监测提供新的技术手段和参考。本论文将以眉山市彭山区所辖将军湖水库,双凤水库以及龚家堰水库作为研究应用示范区域,以实地采集的水体高光谱数据和传统方法获取的化学分析检验数据为基础。将实地所采集的水体高光谱曲线与传统化学分析手段检验得出的水体叶绿素a浓度(μg/L)进行定量的模型拟合,从而建立一个通过实时采集的水体高光谱曲线即可快速反演出该水体的叶绿素a浓度(μg/L)的反演模型。本文研究的主要结论如下:(1)本文的重要工作之一,是通过水体高光谱数据的反射率信息进行定量反演得出水体叶绿素a(Chl-a)浓度(μg/L)。由于采集到的高光谱数据有大量的噪声存在,影响了高光谱数据的质量,同时也会制约之后建立的水体叶绿素平板模型的精度。因此,本文针对实测的水体高光谱数据的特点,在前人提出的小波阈值去噪方法的基础上,通过选择恰当的阈值及阈值量化函数,建立了一种新小波阈值去噪方法。通过将此新小波阈值去噪法传统的硬阈值和软阈值去噪法进行仿真对比,反映出该新小波阈值去噪法不仅简化了计算,而且具有明显的数学和物理意义。通过此去噪仿真实验结果还可以发现,使用此去噪法还可以获得更高的信噪比,而且误差也更小,去噪效果更佳。将此新小波阈值去噪法运用在实测高光谱数据处理中可以有效改善图像和信号处理效果,达到提高信噪比的目的,突出高光谱数据反射率所包含的信息。(2)通过改进前人的PROSPECT模型,使之能够更好的模拟出水体环境中的叶绿素a的相关关系。通过改进的PROPECT模型,结合SAIL模型模拟出的水体叶绿素a反射率高光谱曲线筛选了高光谱曲线的敏感性波段,为水体-叶绿素a反演模型的建立提供数据基础。同时本文通过借鉴MTCI指数的思路,建立了针对高光谱水体叶绿素a的HWCI指数。通过改进的PROSPECT-SAIL平板模型与HWCI指数相结合,对水体高光谱曲线所包含的特定“红边区域”敏感波段的反射率信息与使用传统化学分析手段测出的水体中的叶绿素a浓度建立了一个定量反演模型,即水体-叶绿素a平板模型。并且在实验室中进行水体-叶绿素a仿真实验,并对该仿真实验进行了误差分析,证明了该模型的可行性。(3)在证实了水体-叶绿素a平板模型的可行性后,本文针对眉山市彭山区开展了对于该模型的应用示范。采用16组在彭山区实地采集的水体高光谱数据和与之相对应的使用传统化学分析手段得到的叶绿素a浓度建立了彭山区水体-叶绿素a平板模型,对该模型进行误差分析,检验了此模型的精确性。之后在使用另外5组个采样点的数据带入该模型,将使用模型得到的反演叶绿素a浓度与使用传统化学分析手段得到的真实叶绿素a浓度进行误差分析,检验了该模型的可靠性。最后本文结合了《成渝经济区典型地区资源环境承载力评价试点》项目经过专家验收通过的水资源评价结果与本文中通过采集的水体高光谱数据经过彭山区水体-叶绿素a平板模型得出的叶绿素a浓度反映出的水体富营养化程度进行对比,以此来证明本文所建立的反演模型在实际环境下应用的合理性。