海洋遥感是目前科学研究的一个热点方向,水深是近岸海域重要的地形要素,发展发展快速、准确的浅海测深方法无论对于经济开发还是对于军事、国防都有十分重要的意义。遥感测深技术由来已久,但近岸海水相对浑浊,属于II类水体,利用可见光探测水深的精度依赖于建立合适的水深反演模型并考虑多种水质因子的影响。本文利用HJ-1A多光谱CCD和HSI高光谱数据遥感数据进行了基于BP人工神经网络技术、考虑了多个水色影响因子的浅海水深反演研究。本文以大连近岸海域为研究区,首先,分析了遥感反演水深的机理;其次,研究了影响多光谱遥感水深反演的各种因素,概括出主要的影响因素,即:悬浮泥沙与叶绿素a,并根据实测数据分别建立了悬沙因子和叶绿素因子模型;再次,利用SPSS建立了单波段线性回归模型,利用Matlab的神经网络工具箱分别编程直接构建了水深反演模型和在网络输入端加入悬沙参数因子与叶绿素参数因子再构建水深反演模型两种模型;最后,通过比较水深反演值和实测数据,对三种模型算法的性能进行了对比分析。本文研究结果表明,BP人工神经网络因其良好的自组织、自学习能力、非线性性等优势,构建水深反演模型精度明显优于线性的回归建模,而加入了水色影响因子后,水深反演的精度又得到进一步的提高。