本文主要研究了水体泄漏柴油、原油、苯乙烯的反射率光谱与其污染物厚度间的关系,对水上污染物厚度预测实验的可行性进行了分析研究,在此基础上主要是针对低空无人机(多光谱)和地物(高光谱)不同观测平台下获得的两种光谱数据,分别提取了不同污染物的厚度预测变量。然后,通过多元线性回归、偏最小二乘、支持向量机和随机森林四种预测模型分别建立了水上柴油、原油、苯乙烯泄漏的厚度估算研究,主要的实验结果如下:(1)利用无人机多光谱影像作为水上污染物厚度反演时,首先通过选取感兴趣区域,提取图像中实验范围内的多光谱数据,观察水上柴油、原油、苯乙烯的污染物光谱与其他周围环境的地物特征差异,并利用该差异对研究区域的图像进行了处理。然后,基于获取的四个波段通过波段组合公式进行了筛选,选定对柴油、原油、苯乙烯三种样品厚度相对较为敏感的波段以及波段组合,对建模样本中提取的11个光谱参数建立了MLR和RF预测模型。从模型预测效果可以看出,随机森林模型的整体预测精度要优于多元线性回归模型的反演效果。但总体利用无人机多光谱影像数据来预测水上污染物厚度变化,其模型预测精度并不是特别理想。(2)利用地面高光谱做水上污染物厚度反演时,柴油、原油、苯乙烯在12种光谱形式变换和19种特征参数与不同厚度的水上污染物的相关性分析研究中。柴油提取了9个预测变量、原油提取了8个预测变量、苯乙烯提取了9个预测变量参与厚度模型研究。3种污染物分别经过了多元线性回归、偏最小二乘回归、支持向量机和随机森林进行建模,由于样本量较少,在建模过程中主要通过“留一法”交叉验证的形式检验模型的预测能力。实验结果发现,通过以上四种模型预测研究得到的实测值与反演值之间的相关性相对较高,RMSE都比较理想,并且比较四种反演模型可以得出随机森林的决定系数较高,拟合效果最好。利用随机森林模型,柴油、原油、苯乙烯厚度预测值与实测值的相关系数分别达到0.9555、0.8756、0.9111,均方根误差则分别为14.76、20.82、24.64。