海洋是地球上生命的搖籃，蘊藏著巨大的能源，世界上各個國家的發展都離不開海洋。隨著我國日新月異地發展，我國沿海和內河區域船舶溢油污染、壓載水和船舶生活垃圾任意排放量與日俱增，陸源污染物的海洋排放量持續增加，我國沿海水域海水污染問題變得日益嚴峻，不僅影響著人們的日常生活和身體健康，也制約了我國航運業的發展。為了規范船舶操作、保護海洋環境，IMO制定了一些船舶防污染公約，比如《1954年油污公約》(OIL54)、《MARPOL73/78公約》、《(2001年控制船舶防污底系統國際公約》(AFS Convention 2004)、《國際安全與環保拆船公約》等。

我國擁有漫長的海岸線，保護海洋環境防治海水污染必須引起我們的重視。IMO制定的防治海洋污染公約的實施將對我國的航運業產生巨大的影響。傳統的海水水質監測方法效率較低，無法獲得大范圍海水的水質狀況，尋找一種更加精確、簡便的沿海海域污水監測模型，對海水水質進行監測是一項十分重要的工作。隨著全球遙感理論不斷革新，海洋污水遙感監測技術逐漸由定性遙感向定量遙感轉變。將遙感技術應用于海洋水質監測領域，不僅可以對某一區域進行長期監測，從而對海水污染趨勢進行預測，而且節約了污水監測成本。對海水水質進行監測同樣符合IMO船舶防污染相關公約的精神。本文對我國沿海水域污水遙感監測方法進行了深入的理論研究，污水遙感監測分為定性監測點和定量監測。

論文利用HJ1A/1B遙感衛星數據對我國香港海域海水水質進行了定量反演，同時利用NOAA系列衛星數據對2010年8月2日河北秦皇島老龍頭海域船舶排放的污水團的擴散及漂移狀況進行了解譯分析。在反演香港海域海水水質時，以反演葉綠素濃度指標為例，首先從我國資源衛星應用中心獲取2012年12月26日香港海域的HJ1A/1B影像資料，其次從香港環保署獲取2012年12月香港海域76個水質監測點的葉綠素濃度現場數據。

本文利用三種方法對香港海域葉綠素濃度進行了分析：

①用Pearson相關性分析法分析了100多種波段組合，并選取Pearson相關性系數最大的波段組合對葉綠素濃度進行多元線性回歸分析；

②將HJ1A/1B遙感數據四個波段數據作為輸入，建立BP神經網絡模型對香港海域葉綠素濃度進行反演；

③建立RBF神經網絡模型對葉綠素濃度進行反演。研究結果表明：多元線性回歸模型和RBF神經網絡模型反演結果相對誤差較大，約為0.67；BP神經網絡反演結果誤差較小，相對誤差約為0.38。2010年8月2日秦皇島老龍頭海域發生海水污染事故，給當地養殖戶造成了巨大損失，本文利用遙感圖像增強的相關方法，對NOAA系列遙感影像進行人工目視解譯，最終發現海水污染源頭及污水漂移擴散規律。