利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数（COD_Mn），对于区域水环境管理和丰富水质反演理论具有重要意义。以贵阳市红枫湖与百花湖为研究区，基于Sentinel-2 MSI影像和COD_Mn浓度数据，使用随机森林回归（RFR）、支持向量回归方法（SVR）、高斯过程回归（GPR），构建COD_Mn反演模型，获得2018~2020年不同时期的COD_Mn空间分布。结果表明：①RFR模型估算精度最高，验证集RMSE为0.222 mg·L^-1，MAPE为5.84%，R²为0.841；②红枫湖COD_Mn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征。百花湖除了上游，整体湖区COD_Mn浓度较低且随时间变化不大。研究揭示了RFR模型与Sentinel-2数据在喀斯特高原深水湖库COD_Mn浓度反演具有良好的适用性。

以北部湾为研究对象，基于Sentinel-3A卫星搭载的OCLI水色传感器，探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区，结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子，包括波段比值、波段差值和波段差比，构建了叶绿素a浓度的遥感反演模型。研究结果表明：①北部湾海域的遥感反射率曲线呈现明显的分区的特征，结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体；②不同水体类型适用不同的反演因子构建模型，其中R_rs（764.375）/R_rs（681.25）用于近岸水体，［1/R_rs（620）-1/R_rs（708.75）］/R_rs（753.75）用于过渡水体，R_rs（708.75）-R_rs（764.375）用于离岸水体，均取得了较好的拟合效果，相应的R²值分别为0.67、0.80和0.8；③分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentinel-3A卫星OCLI数据的分区模型，成功实现了对北部湾水体叶绿素浓度的遥感反演，同时，实现了北部湾叶绿素浓度的遥感监测，并为提升海洋生态环境管理和保护提供了重要的科学依据。

针对传统河流水质监测成本高、地面监测站点稀疏等问题，基于哨兵2卫星多光谱遥感数据，结合MODIS地表温度、植被指数、气溶胶光学厚度数据产品，以及ERA5气象数据产品中的地表风速数据，以非光学活性参数溶解氧（DO）、化学需氧量（COD）和氨氮（NH₃-N）的地面水质监测站的监测数据为参照，采用支持向量回归（SVR）、随机森林（RF）和多层感知机（MLP）3种机器学习方法，通过对比实验选出每种水质参数最优反演模型及其对应的输入特征组合。模型性能测试实验结果表明，利用多源遥感及气象数据反演出的DO、COD以及NH₃-N的决定系数（R²）分别为0.896、0.781、0.529，均方根误差（RMSE）分别为0.263 mg/L、0.383 mg/L、0.061 mg/L。与仅使用哨兵2卫星多光谱遥感数据的反演结果相比，R²分别提高了7.04%、19.05%、18.34%，RMSE分别降低了34.58%、37.42%、14.08%。表明多源遥感及气象数据对提高DO、COD以及NH₃-N水质参数反演准确性有重要意义。最后，模型鲁棒性评估实验表明，当模型训练数据的代表性与全局数据较为接近时，训练的模型具有较好的时空鲁棒性。

叶绿素a浓度可以评估海水富营养化状况，对沿海叶绿素a浓度影响因素的研究在海洋环境保护方面具有重要意义。而现有研究多关注自然因素对沿海叶绿素a浓度的影响，忽视了人为因素的作用。因此实验以夜间灯光遥感数据表征人类活动强度，根据夜间灯光亮度和沿海叶绿素a浓度间的关系将东南沿海的城市分为3个类型，并同时结合海表温度、风速、太阳辐射、降水等自然因素，通过广义相加模型（GAM）分析不同季节下3类城市中人为和自然等多重因素对沿海叶绿素a浓度的影响。结果表明：在北海、汕头等类型Ⅰ城市中自然因素主导叶绿素a浓度的变化，春季的主导因素为风速，夏、秋、冬季为海表温度；而人类活动对叶绿素a浓度的影响较小且没有显著的影响关系。珠海、东莞等类型Ⅱ城市的叶绿素a浓度受自然因素主导，春、秋、冬季的主导因素为风速，夏季为海表温度；而人类活动在夏、秋季对沿海叶绿素a浓度有较大的促进作用。深圳、香港等类型Ⅲ城市中人为因素主导叶绿素a浓度的变化，春、夏、秋季人类活动对叶绿素a浓度的影响最大且为负相关，冬季海表温度对叶绿素a浓度的影响最大。

地下水水质污染日益加重，监测地下水离子化合物含量有利于地下水的动态管理与精准防治。离子化合物光谱响应信号微弱且反演机理尚不明晰，现有研究多数对离子化合物进行简单的定性分析，较少采用数理统计方法综合估算其含量。基于离子化合物光谱机理和高光谱数据冗余的特性，通过测量实验室配比的不同浓度钠、钾、钙3种离子化合物标准液的可见—近红外反射光谱（400~1 000 nm），探究水体3种离子化合物的光谱响应机理、最佳预处理方式及特征波段优选算法，并基于最优特征波段构建BP神经网络模型以定量反演离子化合物含量。研究发现：①3种离子化合物整体反射率在波长400~1 000 nm处与含量成反比，与离子的电荷数和半径成正比；②基于主成分分析较连续投影法提取的特征谱段，构建的多元线性回归模型能够较好地反演水体离子化合物含量；③KCl最优反演模型的预处理方式为SG滤波，CaCl₂和NaCl最优反演模型的预处理为SG滤波后进行反射率归一化；④相较于传统线性反演模型，PCA-BPNN非线性模型取得了最优的反演结果，其中钾离子化合物含量反演结果最优，其训练集R²和RMSE分别达到0.996 4和248.77，测试集R²和RMSE分别达到0.998 8和156.89，研究可为地下水离子化物遥感反演提供重要的理论与技术支撑。

无人机载多光谱遥感在小型水体水环境监测中具有成本低、时间灵活等优势，但是常见的多光谱相机具有像素数量低、缺少内陆水体特征波段等问题，限制了无人机多光谱遥感在水环境监测中优势的发挥。针对这些问题，研究定制了面向内陆水体水质监测的高像素航天数维KP-8多光谱相机，相机包括面向内陆水体叶绿素a反演的670和700 nm波段；利用无人机飞行实验获取了浑浊富营养化的陆浑水库的多光谱影像，并利用同步水面实验获取的水质参数构建了典型水质参数透明度、浊度、悬浮物和叶绿素a浓度反演模型；将反演模型应用于多光谱影像，反演并分析了陆浑水库典型水质参数空间分布规律。结果表明：这种波段定制的高像素无人机多光谱相机在内陆水体水环境业务化监测方面具有重要潜力。

高分六号中分辨率宽幅相机（GF6-WFV）设计了两个红边波段，具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区，获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证，选取最优反演模型。结果表明，GF6-WFV数据新增红边Ⅰ波段（B5：710 nm）和红波段（B3：660 nm）构建的两波段比值模型反演精度较高，相关系数平方（R²）为0.89，平均相对误差（MRE）为34.71%，均方根误差（RMSE）为13.29 mg/m³。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度，研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型，在中国东部典型湖库具有较好的适用性。