针对水体叶绿素a浓度监测时大气介质影响光谱真实性的问题，文章从影像外部大气产品校正、内部大气补偿参数校正和光谱均值校正等方面分别对资源1号02D（ZY-1 02D）高光谱卫星影像进行大气校正以突出水体信号，同时借助多维光谱指数和CatBoost机器学习算法进一步提高水体叶绿素a浓度的反演精度。结果表明：大气校正算法在独山湖的应用中，6S优于QUAC,而FLAASH最差；CatBoost模型能够更好地拟合预测误差，提高反演精度；6S算法-四波段参数-CatBoost模型的反演组合效果最好（R²=0.80）。