悬浮物浓度是水质评价的重要参数.对2009年6月巢湖实测的高光谱数据进行小波变换以去除数据冗余,减少建模时间.考虑到不同的小波基函数和分解尺度对数据压缩的影响,采用3个指标作为评价标准,最终选择小波基函数为Db4,分解尺度为4的小波变换,经小波变换后,原来的451个波段的光谱数据压缩为34个特征变量.利用小波变换后的光谱数据建立了悬浮物浓度反演的偏最小二乘法(PLS)模型,其中20个样本用于建模,9个样本用于验证,结果表明:当主成分个数为3时,PLS模型具有最佳的效果,此时模型的R2为0.93,R2(pred)为0.89,PRESS为3.29,3个主成分累积解释了98.60%的自变量信息和92.37%的因变量信息.此外,PLS模型能够充分利用高光谱数据信息,具有较高的精度和稳定性(R2=0.93,RMSE=4.77mg/L,MAPE=9.02%).通过与单波段模型、光谱一阶微分模型及波段比值模型的对比分析得出,PLS模型无论是从建模样本精度还是验证样本的误差方面均高于传统的经验模型,适合于利用高光谱数据进行悬浮物浓度的反演.