自2007年以来,我国已经连续11年在黄海、东海附近海域爆发大规模的绿潮灾害,不仅对沿海城市的经济、海上交通、观光旅游等活动产生影响,而且给海洋生态环境造成了严重的危害。针对绿潮爆发覆盖面积大、分布范围广的特点,卫星遥感凭借其视域范围广、收集数据快和连续观察等优势成为绿潮检测的重要手段。但目前监测所用的遥感卫星数据,受分辨率及云雾等因素的影响,导致传统绿潮检测方法(NDVI、FAI、EVI等)的绿潮检测精度不高,因此,本文以黄海海域为研究区域,综合使用GF-1 PMS、Landsat 8以及MODIS影像数据对2014-2018年黄海海域绿潮进行监测,并在此基础上进行了相关研究。本文的主要研究内容为:(1)基于数据挖掘的聚类算法和分类算法分析常见的云覆盖类型,进而分析不同云覆盖情况下绿潮和海水的区分阈值与影像光谱差之间所具有的线性关系,提出一种适用于高分辨率影像的绿潮分区自适应阈值自动检测方法。(2)分析多源多分辨率遥感影像绿潮的监测能力,结合不同数据源的监测结果分析2014-2018年黄海绿潮覆盖面积的年际变化特征。(3)探究2014-2018年黄海绿潮爆发全过程的分布情况以及对绿潮的爆发进行动态监测,并进一步从遥感的角度分析绿潮的生长过程。研究结果表明:(1)本文提出的基于数据挖掘的遥感影像绿潮自适应阈值分区自动检测方法,针对不同云覆盖区域自身的特点自动选取阈值,绿潮信息的提取精度明显优于传统的阈值检测方法,避免了解译人员的人工参与步骤,实现了绿潮的全自动检测。(2)结合本文提出的自适应阈值分区自动检测方法和归一化植被指数法(NDVI)对不同分辨率的GF-1 PMS、Landsat 8和MODIS的同步影像进行绿潮监测能力分析,结果表明:Landsat 8数据的监测结果与GF-1 PMS数据相比产生了9.39%~32.70%的偏差;MODIS数据的监测结果与GF-1 PMS数据相比产生了529.91%~1456.7%的偏差;结合多种数据源的监测结果的验证,分析得出近五年来,绿潮的覆盖面积呈现先增加后减少的趋势,于2015年达最大值,绿潮覆盖面积为611.96km~2,而后逐年减少,2018年绿潮的最大覆盖面积为214.34km~2。(3)对2014-2018年绿潮的爆发过程进行动态监测,发现绿潮自首次出现在苏北浅滩附近后逐步向东北方向漂移并登陆山东半岛沿岸,但绿潮首次被监测到时的分布范围逐年扩大,且每年绿潮首次出现时间和消亡时间不相同,绿潮各生长阶段时间长短不一,得出绿潮的日均增长率和日均衰退率不仅与绿潮的覆盖面积相关,也与绿潮所处生长阶段时间和环境等因素有关。