本论文以珠江水系广州河段为研究对象，提出了联合使用遥感(Remote Sensing，简称RS)、地理信息系统(Geographical Information System，简称GIS)和人工神经网络(Artificial Neural Networks，简称ANN)技术对珠江水质进行分析监测的新技术。该新技术能大大减轻传统的监测所耗人力和物力，并能对大范围水域进行快速监测。 基于RS、GIS和ANN的监测技术主要是利用GIS对RS图像进行地理定位，然后利用RS专用软件提取定位点的RS数据，最后通过建立前馈误差反传人工神经网络(BP网络)，确定TM(Thematic Mapper，专题成像仪，简称TM)数据前5个波段在定位点的反射率与水质三个主要参数的映射关系，即建立RS数据与水质的映射模型。本研究对模型建立过程、模型检验进行了探讨，得出了该监测技术完全能满足当前实际需要。 本研究是建立在当前水色RS技术理论之上的，即RS数据与河水组成是呈复杂函数关系的，但当前水色RS卫星主要是针对海洋设计的，并不适用于内陆江河的水质分析，所以采用了陆地卫星Landsat系列的TM数据。又由于陆地卫星并不是针对水色RS理论建立起来的，所以需重新建立TM数据与水质参数的映射关系，这里采用人工神经网络技术建立两者之间的复杂关系。 数据采集整理和模型建立是本研究中的两个重点。数据采集主要利用GIS和RS技术，同时采集相同时段的历史监测数据，数据整理主要是针对模型的训练数据，要采取均匀性原则。人工神经网络模型是最常用的含有一个隐层的两层BP(误差反向传播，Error Black Propagation，简称BP)网络，充分利用训练集数据和校验数据，确定了最佳隐节点数目是7个，最佳训练次数是1000次。 利用这种新技术，可使预测误差小于20％，已经能够满足现实需要。