本发明公开了一种立体化水质监测方法及系统，属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息，通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义，并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系，由此对水质图像进行区域分割得到不同的区域信息，再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合，利用光谱植被指数的反演组合构建水质目标要素反演模型，进而通过水质目标要素反演模型对水质进行大面积实时连续监测，能够及时发现并针对性地应对突发的水质问题，有效反映水质空间分布状况，具有较强的实用性和广泛适用性。(56)对比文件WO 2023000159 A1,2023.01.26赵晨曦等.改进Ｕ－Ｎｅｔ网络的遥感图像水质分割算法《.遥感信息》.2023,第137-143页.River water quality estimation basedon convolutional neural network.《Proceedings, APSIPA Annual Summit andConference 2018》.2018,第1305-1308页.Cuixiao Liang等.ColorWater: A DiverseDataset and Benchmark for Semantic WaterSurface Understanding《.2022 26thInternational Conference on PatternRecognition》.2022,第3743-3749页.陈文骏等.葡萄多模态目标检测和语义分割数据集《.中国科学数据》.2023,第1-16页.何红术等.基于改进U-Net网络的高分遥感影像水体提取.地球信息科学学报.2020,(10),第94-106页.