本文以太湖梅梁湾为研究对象,依据水体表面光谱和水质参数特征,对不同时期的梅梁湾水体进行分类——浮游藻类主导的水体和非藻类颗粒物主导的水体。在此基础上,利用四个季节和两种类别的数据分别对已有的典型悬浮物浓度估测模型进行验证,并利用其敏感波段进行模型的重建。最后,在总结前人研究成果的基础上,进行梅梁湾悬浮物浓度反演模型的构建,主要研究内容与研究成果包括：(1)梅梁湾水体的光学特性太湖梅梁湾水体具有典型的内陆二类水体的光谱特性,然而,由于采样的时间不同,导致其表观光学特性存在较大的差异,其中,2010年9月、2011年3月、2011年4月、2011年7月的梅梁湾水体表现出了浮游藻类主导的二类水体的光学特性,而2010年10月、2011年5月,则主要表现为非藻类颗粒物主导的光谱反射率光谱特征。尽管藻类的繁殖程度跟季节有着很大的关系,但具体到各个月份,则情况又有所不同,研究中发现5月份的梅梁湾水体叶绿素浓度异常的低,表面光谱表现为非藻类颗粒物主导,以季节分类的悬浮物浓度反演模型存在一定的缺陷。(2)梅梁湾水体类别的划分分析了不同时期梅梁湾水体表观光学特性,叶绿素a浓度,悬浮物浓度,依据表面光谱数据的特性,将水体划分为浮游藻类主导的类型Ⅰ水体和非藻类悬浮物主导的类型Ⅱ水体,并利用总悬浮物浓度与叶绿素a浓度之比、有机悬浮物与无机悬浮物浓度之比加以确认。水体类别划分的意义在于检验模型对不同类别水体的适应性。(3)典型悬浮物浓度估测模型的检验利用不同季节不同类别的水体数据进行已有悬浮物浓度估测模型的检验,结果发现：表面光谱的测量和计算方式不同,造成数值的偏差,所建立的模型无法适用于其他数据；简单的模型(单波段线性模型、单波段幂函数模型等)往往能取得较高的验证效果,越是复杂的模型,将数据直接代入验证的效果往往越差,一般需要重新定义经验系数。就梅梁湾而言,单波段线性模型、单波段幂函数模型、波段比值模型的验证效果最佳。(4)梅梁湾水体的敏感波段分析和模型的建立利用各期梅梁湾数据和分类后的水体数据进行波段敏感分析,发现：近红外波段光谱反射率同悬浮物浓度具有非常高的相关性,是反演悬浮物浓度的首选波段,浮游藻类主导的Ⅰ类水对整个波段的敏感度小于非藻类颗粒物主导的Ⅱ类水,而幂函数模型和波段比值模型能够克服这一缺陷。R824的线性模型、R720的幂函数模型和R824/R555的比值模型在本文的数据中,达到了较高的效果。