叶绿素a(Chl-a)是水生藻类的重要成分,是水质状况评价的一个重要指标。如何精确的定量模拟大量遥感信息与Chl-a浓度之间的关系是Chl-a浓度遥感反演的一个关键。妫水河是北京市的重要水源地——官厅水库的三大支流之一,其水体长期处于富营养化状态,监测妫水河水体Chl-a能间接的反映库区水体的水质状态。本文以官厅水库妫水河段为研究区,利用高光谱和多光谱两种遥感数据来实现妫水河水体Chl-a浓度的遥感反演模型的研究,在提高遥感反演的精度方面做一些尝试,为妫水河的水质遥感监测提供技术和方法的参考。Chl-a高光谱反演模型研究中：将一阶微分法和基线校正法两种高光谱预处理技术应用于此次研究中,探寻合适的高光谱预处理技术,其中,基线校正法定义了两种基线：750nm的反射率值,500ntm与750nm的反射率值连线,基线校正为光谱反射率减去基线值；将目前广泛应用的综合考虑水体吸收与后向散射特性的三波段模型和非线性拟合能力较好的支持向量机回归(SVM)模型其应用于此次研究中,综合评价模型的精度。首先,分析2011年9月24日、2012年5月9日、2012年7月11日、2012年9月30日、2013年6月2日、2013年7月16日六个时期水体实测高光谱数据发现,5、6、7月份的反射率数据中,反射率值在450nm处的比750nm呈抬升趋势,反射率值均值增加了1.16×10-3；蓝绿光区(450nm-750nm)的反射率均值比红光区(710nm-760nm)的反射率均值的抬升了5.89×10-4；676nm左右的吸收峰和700nm左右的荧光峰特征不明显,上述特征表明这三个时期妫水河水体具有高悬浮物浓度的特征。其次,为了削弱悬浮物对Chl-a光谱信息的干扰,提高Chl-a浓度的反演精度,根据6期光谱数据的特征,结合两种基线校正方法,对原始光谱数据进行了五种方式的基线校正；为了削弱水体环境因素对Chl-a光谱信息的干扰,对原始光谱数据进行一阶微分处理。最后,利用原始光谱数据作为光谱预处理技术优劣的评价标准,将三波段模型应用于以上六种方式预处理后的高光谱数据和原始光谱数据,建立七个Chl-a三波段反演模型,评价模型的精度；利用以上七个三波段模型筛选出的所有波段的反射率值与Chl-a浓度做相关分析,将相关系数大于0.49的波段作为SVM的输入变量,训练SVM,并且评价模型的精度,结果发现：(1)一阶微分技术不适合作为Chl-a三波段反演模型的预处理技术：三波段模型的反演结果不符合实测值得分布趋势,但是,一阶微分技术可以获取包含较多Chl-a光学信息的高光谱波段。(2)合理的基线校正方式有利于提高Chl-a浓度的反演精度：五种基线校正方式中,对悬浮物浓度特征明显的5、6、7月份的光谱数据进行基于500nm与750nm反射率连线的基线校正后建立三波段反演模型,模型的精度得到提高；基于其他四种基线校正方式的三波段模型的反演精度有所下降,是因为基线包含了较多的Chl-a的光学信息,基线校正的同时削弱了Chl-a的光学信息。(3)SVM模型和三波段模型都适合应用于妫水河水体Chl-a浓度的高光谱反演：与SVM模型相比,基于生物光学模型的三波段模型简单可行,但应用模型估算Chl-a浓度值时会存在偏差较大的值,影响模型的整体反演效果；SVM模型的扩展性很好,反演精度高,反演结果接近实测值,不会存在个别偏差较大的值。Chl-a多光谱反演模型研究中：将常用的线性回归模型和非线性拟合能力较好的SVM模型应用于此次研究中,综合评价模型的精度,利用精度较高的模型反演水体Chl-a浓度,在此基础上对水体富营养程度进行评价。首先,基于2011年9月24目和2012年9月30日的两期实测Chl-a浓度数据和同步的环境一号卫星(HJ-lA)多光谱数据,分析Chl-a浓度与波段以及各种波段组合反射率之间的相关性；其次,分期构建Chl-a的一元线性反演模型和SVM反演模型,其中,选择相关系数最波段的反射率作为一元线性反演模型的自变量,选择HJ-1A的4个波段反射率值和两种与Chl-a浓度相关系数最大的波段组合方式的反射率一起作为SVM的输入变量；最后,反演水体的Chl-a浓度,评价水体的富营养化程度。结果发现：(1)SVM模型适合应用于妫水河水体Chl-a浓度的多光谱反演,模型的反演精度要高于一元线性回归模型,反演的结果更接近实测值。(2)Chl-a浓度的反演结果在空间分布上,深水区的浓度值低于浅水区,上游高于下游。时间分布上,2012年9月30日Chl-a浓度值普遍要高于2011年9月24日,均值上升了6.86ug/L(3)基于SVM模型反演的Chl-a浓度值,计算出研究区水体营养状态指数,结果表明：两个时期研究区水体大部分处于富营养状态,少部分处于轻度营养状态。