此外，叶绿素监测还可以为水域管理、湿地环境研究提供数据和资料，了解水体中污染物的分布状况，搜索污染物的来源、污染面积、污染途径和扩散规律，提前预测水体污染的变化趋势，用于判断污水对生态环境和人类生命健康造成的影响，评价环境保护措施的成果，提供代表叶绿素浓度状况的数据，用于水体环境质量的评价[1]。

现在国际上一般是通过建立光学测量值与地面监测的叶绿素参数之间的统计关系来计算叶绿素参数值。20世纪80年代初，Sahyendrananth等介绍了经验模型在叶绿素监测中的应用。国外许多学者利用了美国Landsat的MSS、TM数据以及法国的SPOT等数据监测叶绿素浓度，采用不同的方法提高叶绿素浓度的反演精度[2]。Carpenter等采用了MSS不同波段的灰度值、卫星的过境时间和当时的太阳高度角与湖泊叶绿素参数，构建了回归方程，成功的反演了叶绿素等浓度[3]。Verdin等[4]考虑了大气影像，通过大气校正把MSS数据的转换成水面反射率，分析不同波段的反射率与叶绿素浓度的相关性，结果表明MSS的第6波段反射率与叶绿素有着较高的相关性(R Square=0.74)。Ritchie把MSS数据灰度值分别转换成辐亮度值、遥感反射率值来估测美国密西西比地区月亮湖的悬浮物浓度，研究表明MSS3的反射率值与悬浮物浓度的相关关系最好，R2值达到了0.84[5]。Dekker采用TM数据分析了荷兰境内富营养化湖泊Loosdrecht的叶绿素状况，表明悬浮物浓度和叶绿素浓度都与TM2的相关性最好[6]。Baban分析了TM波段组合与叶绿素浓度之间的相关关系，分析表明TM3/TM1与叶绿素浓度的相关关系最好[7]。Tassan和王学军等通过对波段组合取对数或叶绿素参数取对数的方法，进一步提高了叶绿素参数与遥感数据之间的相关性[8,9]。Miroslaw、Darecki等利用海洋水色卫星监测了爱尔兰西部海岸和南波罗的海，建立了相应的回归方程，结果表明在同一地区不同时期的回归方程系数差别较大，即使在同一时间不同地点的回归方程也有着较大的差别，分时间分地点建立相应的回归方程明显的提高了叶绿素参数的反演精度。Lathrop等也利用不同的遥感数据，采用不同的波段比值，反演了叶绿素、悬浮物等叶绿素参数，取得了较好的效果。

环境卫星遥感监测叶绿素主要靠搭载的传感器，传感器上接受到总辐亮度中离水辐亮度可以用来监测叶绿素[10]。一般来说离水辐亮度主要受到水中叶绿素、悬浮物、黄色物质，即溶解性有色有机质等物质的影像。

洪泽湖，是中国第四大淡水湖，地理位置在北纬33º06′—33º40′，东经118º10′—118º52′之间，也是苏北平原地区面积最大的淡水湖，南水北调工程的东线工程枢纽。自古以来，多次受到东部海水的侵淹。在高海面期之后，该地区又不断受河流作用影响，而黄河泛滥夺淮入海，进一步推动了了洪泽湖在历史时期的成型。近代以来，由于人口的迅猛增长，工农业快速发展以及水利工程设施的修建等，是琥珀环境受人类活动影响越来越大，并产生了一系列的注入湖泊富营养化，湖泊污染及湖泊萎缩等生态环境问题[10]。

洪泽湖即是淮河中游的河道大型水库，也是其侵蚀基准面。受干流影响，水位及叶绿素的季节年际变化强烈。洪泽湖不仅汇合了上游地区污染，也成为下游地区和南水北调工程的污染之源。因此洪泽湖的叶绿素问题关系着沿河，沿湖乃至整个淮河流域的经济可持续发展[11]。

在借鉴了前人对叶绿素环境遥感研究的基础上，针对利用了叶绿素监测在对水质特征识别中的优势，通过ENVI等软件处理卫星遥感影像数据，分析叶绿素浓度的变化情况，建立了影响叶绿素的变量的数学模型。通过对洪泽湖叶绿素浓度监测和相关研究，能够及时对洪泽湖区域的水质状况进行监测和控制。在水污染治理、水体质量估测、湖泊环境保护等方面具有重要意义。