悬浮物浓度(TSM)是水生态环境评价的重要参数之一,及时掌握河流悬浮物浓度动态变化信息对于内陆水质监测、水环境治理是十分必要的.本研究基于野外实测光谱和悬浮物浓度数据,筛选与悬浮物浓度高度相关的波段组合反射率作为自变量,基于CatBoost、随机森林和多元线性回归算法构建悬浮物浓度遥感反演模型,采用带交叉验证的网格搜索法分别对CatBoost和随机森林2种机器学习模型进行超参数调优,确定模型最优参数配置,并对比不同模型反演精度,确定最优模型.基于最优模型,利用2019-2020年多时相Sentinel-2　MSI遥感影像,反演闽江下游悬浮物浓度,并分析其时空变化特征.结果表明:①b4/b3、(b6-b3)/(b6+b3)、(b4+b8)/b3、(1/b3-1/b4)×b5是MSI反演闽江下游TSM浓度的最佳波段组合反射率;②对比其他2种模型,基于超参数优化的CatBoost算法建立的悬浮物反演模型精度最高,其决定系数R2为0.95,均方根误差RMSE和平均绝对百分比误差MAPE分别为15.32　mg/L和19.68％;③2019-2020年闽江下游悬浮物浓度分布＂西低东高＂,白沙至琅岐入海口呈升高趋势;④悬浮物浓度夏季最高,冬季和秋季次之,春季最低.本研究可为闽江下游悬浮物浓度监测及时空变化分析提供一种有效的技术手段和理论参考.