过去几十年中,在我国经济持续快速发展的同时,受气候和人类活动的双重影响,我国沿海海域的环境和空间结构发生了很大的变化,海洋环境的服务和生态平衡功能受到极大影响。其中,渤海湾由于其半封闭的地理位置,海水循环自净能力低于我国其他海域,因此监测渤海湾水质状况对合理评估其生态环境、资源开发和利用的程度具有重要意义。测定渤海湾叶绿素a浓度,对于评价其水质健康状况、水产资源分布及污染程度等具有指示作用。应用遥感技术可以弥补传统调查手段的不足,实现大范围、长时间连续的水质参数监测。尽管现在已有成形的方法可以作用于海洋叶绿素a浓度的反演,可是这些模型可能不适用于渤海湾的浑浊水体,因此,需要建立针对渤海湾海域的监测模型。本文基于渤海湾水体的光谱特征研究,利用实测叶绿素a浓度数据和准同步的多光谱ETM影像,构建了具有渤海湾区域特色的叶绿素a浓度的遥感监测反演模型。依据定量遥感的反演需求,针对ETM影像进行了一系列预处理工作,完成了精确提取遥感影像信息的前期准备。通过分析ETM影像各波段及波段组合与水体叶绿素a浓度的相关性,选取了敏感性较强的波段组合作为变量,运用逐步回归分析方法,探寻这些变量与叶绿素a浓度之间的定量关系,建立了R2为0.864、RMSE为0.957的统计模型。为了进一步提高反演精度,运用人工神经网络技术,通过对比不同结构的网络的训练结果,确定了一个三层结构的BP神经网络模型,其中ETM影像1-4波段反射率作为输入节点,叶绿素a浓度实测值作为输出节点,隐含层包含8个节点,该模型的R2为0.956、RMSE为0.856。结果表明,BP神经网络模型具有更好的拟合效果,为利用遥感技术快速、准确地监测水域叶绿素a浓度提供了可靠的基础和方法。应用构建的统计模型反演获得了2007年至2010年的叶绿素a浓度分布图,用以研究渤海湾叶绿素a浓度的空间分布特征和时间变化规律。通过分析发现,渤海湾叶绿素a浓度分布大致呈现南部稍高于北部,近岸高于远岸,且随离岸距离增加而减小的空间特征。其叶绿素a浓度年季差异不明显,由于降水、水温等因素影响,春夏季总体高于秋季。