水体水色参数主要包括浮游植物、悬浮物质和有色可溶性有机物等。这些水色参数浓度的变化，会引起水体生物光学特性和水面反射率的改变。利用遥感技术能够根据水体光谱特征与水色参数间的关系建立反演模型，从而得到水色参数。
利用环境一号卫星（HJ-1)CCD图像，采用半经验模型建立实测数据与图像之间的关系,反演叶绿素a浓度。
遥感反演模型的构建方法主要有3类:
·经验方法:通过建立遥感数据与地面监测的水色参数值之间的统计关系来外推水色参数值。水色参数与遥感数据之间关系缺乏依据，水质遥感初期的宽波段数据多采用这种方法。
·半经验方法:在已知的水色参数光谱特征的条件下，利用最佳的波段或波段组合数据与实测水色参数值之间的统计关系进行水色参数估算。得到的模型只适用于当时的条件，对于不同季节和地域的水色参数估算需要进行参数矫正。
·分析方法:利用遥感数据与水中各组分的吸收系数、后向散射系数关系模型，反演水色参数含量。该方法与水体光学模型相结合具有明确的物理意义，且具有普遍适用性。分析方法是水色遥感反演模型的发展趋势。
验证方法与反演模型建立类似。将“验证点. txt”文件中的ch含量与图像中导出的像元值放在同一个Excel表格中建立对应关系，将水面采样点与实测叶绿素浓度在空间上建立对应关系。选中B4/B3计算值与叶绿素a实测值，选择Excel主插入散点图。
最终，线性回归方程和R平方值在散点图上显示最终反演模型为: y =0.9813x +0.0.66,R2=0.9066，拟合效果很好。如图3.2.7，图3.2.8所示。
最后通过Cssification→Raster Color Slices工具，进行密度切割添加一个区间:[0. 05，0.146304]。
可以看到，叶绿素a含量大于0.05 mg/L主要分布在太湖沿岸，这部分区域受人后动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
由于反演模型表达为:Chl =0. 0421 * BNR/BRED+0.0165，将此模型应用到比值图像中。
同样使用波段运算Band Math工具，输入表达式:0.0417 * bl+0.0167，将bl为BNR/BRED比值图像，计算得到叶绿素a反演结果图像。
结果图像中的像素值代表该像元范围内( 30 m x 30 m)平均叶绿素a含量，单位与实测数据一致。过程图如图3.2.9，图3.2.10所示。
首先，在本次实验的预处理中，通过融合了解如何增强一副多光谱影像的分辨率；通过裁剪，通过导入商丘市矢量文件，得到想要的形状。
接着，初步掌握了对遥感影像监督分类的过程以及分类后处理方法，深刻明白在影像的监督分类过程中重要的是对兴趣区的选取。