海洋水体叶绿素a质量浓度是评估海洋生态环境与水质状况的重要指标之一,对于海洋资源管理和海洋保护具有重要意义。以黄海海域为研究对象,基于2022年VIIRS遥感数据,利用BP神经网络机器学习方法,构建了3隐藏层、4-6-4节点架构的神经网络模型,采用同时段多波段遥感反射率和海洋表面温度作为输入层数据,实现了黄海水体叶绿素a浓度反演模型;并与常用OC2模型、OC3模型、linear模型及cubic模型结果进行了比对研究,表明5种模型均可用于黄海海域叶绿素a浓度的分布反演,但本研究设计的模型反演结果误差更小(相对误差基本小于12%,平均相对误差8.2%),优于其它模型;为进一步评估模型性能,本研究运用综合评价指标对神经网络模型进行了全面评估,证明模型反演效果(MAE=0.122,RMSE=0.153,R2=0.937)满足预期。另外,使用研究区域2021年2月的VIIRS遥感数据与海洋表面温度数据进行了模型泛化能力实验,经过验证,本模型的泛化能力较好,可以完成同区域其他时段水体叶绿素a浓度反演任务。本研究证明基于VIIRS数据的BP神经网络模型监测海洋叶绿素a技术的可能性,并为相关实践和研究提供了基础。