本课题以内陆水体中的藻类叶绿素a与藻青蛋白（PC）为研究对象，获取了东北地区和美国印第安纳州府所在地主要湖泊与饮用水源地水质参数、光谱反射率、水体光学活性物质组分固有光学特性等相关数据，并基于实验测试与Hydrolight模拟分析叶绿素a与PC固有光学特性数据；以生物光学模型为基础，构建了智能算法、半解析算法与经验模型，并以实测光谱、机载成像光谱仪数据为主，进行了模型的构建与验证，分析了影响模型的主导因素。主要研究结果如下：1）基于自动搜索法构建优化波段比值模型反演水体总悬浮物浓度，发现该算法可以提升高光谱遥感数据的应用效率，为智能算法的构建提供数据支持；2）构建了自适应混合模型（GA-PLS与PLS-ANN），提高了叶绿素与PC浓度的反演精度，发现智能算法具有很强的自适应性，尤其是遗传算法在波段信息的挑选方面具有很强的优势，为偏最小二乘（PLS）回归模型的构建提供了有力支持，这两种算法无论在实测光谱数据，还是机载成像光谱仪（AISA）数据的应用，与三波段算法比较，都表现稳定，精度得到提升；3）在借鉴叶绿素a三波段模型的基础上，构建了内陆水体藻清蛋白三波段（TBM）遥感反演模型，该模型通过波段微调的方式，选取了PC的主要吸收波段，并有效抑制了叶绿素a与无机颗粒物的影响，提高了模型精度。4）以Hydrolight模拟与部分实测数据为主，通过生物光学模型和准解析法（QAA），分析了内陆湖泊与水库浮游植物色素遥感反演模型的敏感性，以扩展性傅里叶幅度分析（EFAST）定量评估了光学活性物质对遥感反射率的影响，并以QAA为案例，分析了CDOM与颗粒物对叶绿素a与藻青蛋白(PC)反演的影响，以及内陆水体中藻类浓度对悬浮物反演的影响。此外，项目还基于TN、TP与叶绿素、悬浮物、透明度的关系，构建了营养盐遥感反演模型，并以实测光谱与成像光谱仪数据进行的模型验证与制图。本课题的研究结果可为内陆浑浊水体富营养化与蓝藻爆发的遥感监测提供理论与技术支持。