利用紫外-可见光谱和三维荧光光谱技术, 结合平行因子分析法, 对环滇池地区土壤中溶解性有机质(dissolved organic matters, DOM)的结构特征和来源进行了研究。 结果显示, 所有样品的紫外-可见光谱曲线均呈现出相似的特征, 吸收系数随着波长的增加而降低, 并在250～280 nm波段存在一个明显的肩状吸收峰。 柴河水库和滇池东部地区土壤DOM的芳香性(A250/A365)、 分子量(SR)、 腐殖化程度(SUVA254)和所含疏水组分(SUVA260)均高于其他三个区域。 三维荧光光谱显示, 环滇池土壤DOM中含有紫外可见光区类富里酸峰、 可见光区类富里酸峰和两种类腐殖酸峰。 荧光指数(fluorescence index, FI)和自生源指标(autochthonous index, BIX)均表明该地区土壤DOM有着典型的陆源特征, 且类蛋白成分生成量较少, 生物可利用性较低。 平行因子分析法(PARAFAC)将土壤DOM分成四个荧光组分, 四个组分之间有着非常显著的相关性(p＜0.01), 表示具有同源性。 此外, 类富里酸荧光组分对DOM的贡献率最大, 说明土壤DOM中富里酸物质的含量相对较多。

单一的光谱技术不能对溶解性有机质(dissolved organic matters, DOM)的结构特征和来源进行全面的分析, 因此, 本研究选择紫外-可见光谱和三维荧光光谱技术相结合的方法, 对昆明松华坝库区表层土壤中DOM的组成结构和来源进行了研究。 结果表明, 所有样品的紫外-可见光谱曲线均呈现出相似的特征, 吸光度随着波长的增加而降低, 并在250～280 nm波段存在一个明显的肩状吸收峰。 A250/A365(波长在250和365 nm处紫外吸光度的比值)的范围在2.59～5.21之间, 说明DOM中主要物质为富里酸或者胡敏酸且分子量较高; SUVA254(单位DOC浓度在波长254 nm处的吸收系数)和SUVA260(单位DOC浓度在波长260 nm处的吸收系数)分别为1.19～3.00和1.15～2.89, 两者之间存在十分显著的相关性, 表明该地区土壤DOM的腐殖化程度相对较高并含有较多的疏水组分。 三维荧光光谱显示, 所有DOM样品中主要存在3个特征峰: 紫外光区类富里酸峰、 可见光区类富里酸峰和类腐殖酸峰, 而类蛋白峰不显著。 荧光指数(fluorescence index, FI)总体上接近于1.4, 表明该地区土壤DOM以外源输入为主; 自生源指标(autochthonous index, BIX)均小于1, 自生源特征不明显并且生物利用性较低, 这可能与当地较强的人类活动有关。 以上研究结果可以为进一步探讨DOM对有机或重金属污染物迁移转化的影响提供理论依据。

基于太湖、巢湖、滇池和三峡水库水体组分生物光学特性, 根据辐射传输模型和神经网络优化算法建立悬浮颗粒物和叶绿素浓度优化生物光学反演模型.利用野外实测数据对优化生物光学算法进行检验, 结果表明, 该优化生物光学反演模型在一定程度上可以减少测量噪音对反演精度的影响.反演结果表明, 受悬浮颗粒物和叶绿素生物光学特性时空差异影响, 该优化生物光学反演模型在太湖、巢湖、滇池和山峡反演精度具有一定的差异, 但总体上能够较为准确地反演悬浮颗粒物和叶绿素浓度.其中悬浮颗粒物反演精度(平均绝对误差: MAPE, 均方根误差: RMSE)分别能够达到23%和15.13mg/L(样本数N=228), 叶绿素反演精度(MAPE和RMSE)分别能够达到26%和17.68μg/L(样本数N=228).

根据太湖悬浮颗粒物生物光学特性建立的悬浮颗粒物红外单波段生物光学模型具有明确的机理性.利用2006年至2009年野外实测悬浮颗粒物浓度和水体光学数据对该生物光学模型进行检验和分析.结果表明, 悬浮颗粒物比后向散射系数的时空差异是影响总悬浮颗粒物生物光学模型精度的主要因素.总悬浮颗粒物在红外波长的吸收系数对总悬浮颗粒物生物光学模型精度也具有显著的影响.根据中分辨率光谱成像仪(MERIS)悬浮颗粒物反演结果和野外实测风速数据，太湖沉积物再悬浮将显著增加水体中悬浮颗粒物的含量.

基于辐射传输模型模拟得到叶绿素和悬浮颗粒物在不同垂直分布条件下的遥感反射率数据集，利用该数据集对现有叶绿素、悬浮颗粒物浓度和固有光学量模型进行检验，研究了垂直分布对遥感反演算法反演精度的影响。结果表明：在悬浮颗粒物垂直分布、叶绿素及其垂直分布的影响下，悬浮颗粒物波段比值模型高估的悬浮颗粒物浓度要大于单波段模型；叶绿素波段比值模型和三波段模型能够较好地降低由叶绿素垂直分布、悬浮颗粒物及其垂直分布引起的叶绿素浓度高估的程度。悬浮颗粒物和叶绿素及其垂直分布对固有光学量反演具有双重效应，悬浮颗粒物垂直分布将使得吸收系数和后向散射系数被高估，而叶绿素垂直分布将使得吸收系数和后向散射系数被低估。在悬浮颗粒物和叶绿素共同作用下，固有光学反演结果具有较大的不确定性。

基于水动力模型和辐射传输模型，模拟不同风速条件下水体组分（浮游植物和悬浮颗粒物）垂直分布对遥感反射率的影响，对比分析现有的两种水体光学均一函数（Zaneveld权重函数和Gordon权重函数）在不同层化程度水体中的应用。结果表明，悬浮颗粒物垂直分布对500~650 nm范围内的遥感反射率（Rrs）影响较大，随着参考深度悬浮颗粒物质量浓度增加（由5~70 mg/L），悬浮颗粒物垂直分布对Rrs的影响不断减小 (变异系数由27.46%减小到3.38%)，同时Rrs受到悬浮颗粒物影响的最大波长位置向长波方向移动(由585nm逐渐移动到685 nm)；在浮游植物垂直分布影响下，400~725 nm范围内的Rrs值随着风速的增加呈现先增加再逐渐减小趋势， 400~450 nm范围内的Rrs受浮游植物垂直分布影响较小，变异系数仅为1%； 500~600 nm范围内的Rrs受浮游植物垂直分布影响较大，最大变异系数可达27.18%。在水体组分层化较弱水体中，Zaneveld与Gordon权重函数对水体光学均一处理效果较为相似；但在水体组分层化较为严重的水体中，Zaneveld权重函数光学均一处理效果要好于Gordon权重函数。

基于2006年10月,2007年3月和2007年11月三次太湖野外实测颗粒物散射(bp)和后向散射(bbp)光谱数据，分别计算其光谱幂指数斜率、总悬浮物(TSPM)、有机物(OSPM)和无机物(ISPM)的比散射和比后向散射系数，进而探讨太湖水体bp和bbp光谱特征及其形成机理。结果表明，TSPM,ISPM和OSPM比散射系数平均值分别为：0.634(550 nm)，1.057(532 nm)和0.396(532 nm) gm-2，ISPM和OSPM比后向散射系数平均值分别为0.0051(532 nm)和0.0022(532 nm) gm-2；2006年10月,2007年3月和2007年11月，后向散射率(B)平均值分别为：0.01078，0.01375和0.01251；bbp和bp及其B具有较强的光谱依赖性，但OSPM和有色溶解有机物(CDOM)在短波长以及叶绿素在675 nm的强吸收作用一定程度上减弱了该特征；bbp光谱斜率幂指数与ISPM/OSPM，532 nm处的bbp(532 nm)具有较强的相关性，而与粒径分布斜率相关性较小。

基于光学辐射传输软件HYDROLIGHT,模拟不同外界和水质条件下水气界面透射率T,Gordon模型参数f和二向性因子Q,研究风速、太阳天顶角、单次反照率和拉曼散射对T、f和Q及其组合f/Q的影响和交互作用,确定T、f、Q和f/Q的主导影响因子,以期为确定水色反演算法误差来源以及减小反演误差提供定量的依据。研究结果表明,T、f和Q的主导影响因素为太阳天顶角,单次反照率和风速对T、f和Q的影响相对较小,而对f/Q影响最大是单次反照率,其次是太阳天顶角,风速最小,且各影响因素之间具有较强的交互作用。高散射特性水体中,拉曼散射对f、f/Q和T的影响可忽略不计;黄质(CDOM)和叶绿素的荧光特性对f和f/Q的影响随着叶绿素和CDOM浓度的增加不断减小,但在高CDOM和叶绿素浓度的富营养化水体中该影响仍难以忽略。

悬浮物浓度是水质和水环境评价的重要参数之一.利用2007-11-08 ～ 2007-11-21 14天时间对太湖74个样点 进行水质取样分析和波谱实测.在提取水体遥感反射率后, 分析其与悬浮物浓度的相关关系, 发现在400～900nm 波段范围的各波长遥感反射率与总悬浮物、无机悬浮物浓度都存在中高度相关, 最大相关系数均出现在725nm处, 分别为0.883和0.869, 而与有机悬浮物浓度则无较好的相关性.同时利用敏感波段的遥感反射率建立了悬浮物浓 度估算的神经网络模型, 结果表明:对于总悬浮物浓度, 隐含层节点数为6的神经网络模型的 R 2 =0.948, RMSE= 4.947, 在各节点中的训练效果最佳;而对于无机悬浮物浓度, 隐含层节点数为4的神经网络模型的 R2 =0.956, RMSE=5.104, 模型整体训练结果最好.此外, 通过测试样本对神经网络模型和经验模型的预测误差进行分析表 明, 无论是估算总悬浮物浓度, 还是无机悬浮物浓度, 无论从建模样本的建模精度, 还是测试样本的误差分析, 神经 网络模型都优于经验模型.

针对高散射特性的二类水体中难以测量的双向性函数Q, 利用HYDROLIGHT模拟观测角为太阳天底角下440 nm处的Q值, 并分析环境及水体光学特性对Q值的影响。结果表明,在高散射特性的近岸水体或内陆湖泊水体中, 由于散射次数的增加, 使得风速、散射相函数等影响因素对Q值影响相对减小, 单次散射反照率W0和太阳天顶角θ成为Q值的主要影响因素; 随着深度的增加,双向性函数Q受边界条件和光线入射状况影响的程度逐渐减少, 直至不受其影响, 而成为只与固有光学量相关的内秉光学量; 利用Q值的主要影响因素W0、θ和上行辐亮度的漫衰减系数KLu分别对Q值进行参数化, 得到Q值的2种参数表达式。