为了准确反演水体中叶绿素a浓度，以黄柏河东支流域为例，采用STNLFFM时空融合算法，对2017年GF-4和Sentinel-2反射率数据进行融合，以重构Sentinel-2影像的时间序列数据，并对应用算法前后获取的水质参数-光谱特征响应关系建立多元线性回归模型，比较模型对叶绿素a的预测效果以验证时空融合算法的可行性，利用重构后影像光谱特征与水质参数的响应关系建立人工神经网络模型，反演2017年黄柏河东支流域各水库水体叶绿素a浓度。结果表明：利用时空融合算法生成的影像接近真实影像，提高了多元线性回归模型预测叶绿素a的效果，R2从融合前0.659提高至融合后0.844，且基于时空融合算法获取的水质参数-光谱关系建立的人工神经网络模型模拟精度较好，R2和MRE达到0.925和9.461%，反演的叶绿素a浓度空间差异性明显。证明了时空融合算法在水质参数反演过程中具有较好的应用前景。
