河口海岸是陆海交互作用的过渡地带,生态环境脆弱、动力环境复杂,水环境具有强烈变化的特征。卫星遥感观测技术的发展为河口海岸的水环境变化提供了强有力的监测手段,然而,至今尚未有一种专门针对河口海岸水环境监测的星载数据源,即同时满足空间分辨率（＜30m）、光谱分辨率（＜20nm）、时间分辨率（＜1h）的单一数据源。因此,本研究综合多源卫星数据的优势,以河口近岸悬浮物质、动力环境、生态灾害等典型目标作为观测与应用示范对象,开展了基于高空间、高时间分辨率光学与微波多源遥感数据融合和协同技术的研究,以及与地面实测和数值模拟多源异构数据相结合的方法研究。通过机器学习、特征识别追踪、时空融合等多项技术研究,深度挖掘遥感信息潜力,提升面向河口海岸水环境变化的遥感监测能力,为实现基于多源数据的河口海岸系统立体综合观测体系奠定基础,研究内容与结果具体如下:（1）交叉对比及验证了多源遥感数据应用于河口海岸水环境的一致性研究了多源遥感数据对河口海岸水域观测的适用性,为多源遥感数据综合观测研究提供数据支持与理论依据。通过交叉验证方法,对比了空间分辨率10~1米级的Landsat-8/OLI、GF-1/WFV、Sentinel-2/MSI三个传感器的遥感数据,以及10~2米级的水色探测器GOCI遥感数据,结果表明四个探测器的数据具有较好的一致性,反射率间的R~2大于0.9;根据探测器信噪比分析,Landsat-8/OLI和GF-1/WFV能够辨别SPM浓度0.2 mg/L的变化,Sentinel-2/MSI能够辨别0.5mg/L的SPM浓度变化;基于变异系数的空间分辨率影响分析表明:同一水域,10 m分辨率影像内的信息约为500 m分辨率影像信息的1.2–1.4倍。（2）改进了高浊度河口水域SPM浓度的遥感反演算法在半经验辐射传输（Semi-Empirical Radiative Transfer,SERT）模型单波段反演SPM浓度的基础上,发展了基于波段比值法的SERT模型（SERT＿r）,结果显示:SERT＿r反演的SPM浓度与实测SPM间的R~2为0.85,平均绝对误差为112 mg/L,反演精度优于常见SPM反演模型,适用于不同浊度的水域。（3）结合深度学习,发展了多源时空卫星数据时空融合技术学习训练了河口不同区域高、低分辨率光学影像数据,构建基于超分辨率卷积神经网络（Super-Resolution Convolutional Neural Network,SRCNN）的空间尺度转换模型,并结合时空自适应反射率融合模型（Spatial and Temporal and Temporal Adaptive Reflectance Fusion Model,STARFM）,实现高时-高空分辨率遥感信息重建。模拟数据的验证结果表明:SRCNN-STARFM相比于STARFM对SPM水平运动的预测误差减少1.2%,对SPM垂向运动的预测误差减少0.6%。（4）提出了基于多源异构观测数据分析水动力变化规律的方法利用GOCI逐小时遥感数据,分析了四个台风前后的SPM分布变化以及Soulik台风过境后SPM分布的时序变化,结合地面台站实测数据、气象资料、数值模拟数据,探究了台风期间水动力的变化规律,发现:台风过境期间,长江口口门的SPM增长迅速,高浓度的SPM在台风消散后仍持续1–2天;长江口外的平均有效波高相比于台风前增加了2.1倍,长江口下段水域,约有53%的SPM增加来源于台风风浪作用的贡献。此外,基于降维法解决了最大互相关（Maximum Cross Correlation,MCC）技术在河槽水域表层流场信息提取失效的问题。经实测数据验证,结果表明:基于多波段的天顶反射率、互逆滤波技术和多维MCC技术相结合反演的流场具有较高精度,反演得到的流场流向误差为24°,流速误差为0.14 m/s,优于数值模拟结果。（5）提出了小尺度斑状藻华时空演变的光学-微波多源遥感数据协同分析方法为弥补受海岸带多云天气影响而导致的光学遥感数据的时序缺失,利用光学遥感的高时间分辨率和合成孔径雷达遥感不受云雨干扰的优势,开展了光学-微波遥感数据协同技术研究。基于光学与微波遥感的信号机理,研究了藻华浒苔的高精度分类提取方法,藻华在微波数据中的分类准确度达到99%以上。同时,解决了不同尺度像元混合导致的藻华面积高估问题,高频观测和分析了黄海浒苔藻华时空演变的分布特征。上述研究成果是为构建河口海岸水环境立体综合监测系统所进行的新技术与新方法的探索与尝试,以及生产高精度数据产品提供支撑,从而提升河口海岸水环境要素、河口表层流场、近岸生态灾害等方面的综合监测能力。