我国内陆淡水湖泊中水华现象正在严重威胁水质安全,对水华的治理迫在眉睫。水华是藻类植物大面积繁殖造成在水体表面聚集的现象,因此利用水华中的浮游藻类具有同植物相似的光谱特征,结合遥感技术大范围、连续性、长时序的优势,可以更好地监测出水华的时空分布特征和发生强度,从而为治理和防治提供宏观指导。本文以太湖为例,研究我国淡水湖泊蓝藻水华的监测和风险预警问题,通过长时间序列的太湖蓝藻水华多源遥感数据监测结果,分析总结出太湖蓝藻水华时空分布规律,再结合气象数据建立太湖蓝藻水华预警模型,为太湖蓝藻水华的监测和治理提供理论基础,为我国内陆淡水湖泊的蓝藻水华治理提供参考信息。主要内容如下:（1）评价了提取算法精度和多源光学遥感监测识别结果的一致性。对三种光学遥感数据的蓝藻水华提取算法进行了精度评价和其监测结果的一致性进行了比较,结果发现MODIS数据利用归一化植被指数算法对蓝藻水华的识别精度为95.83%;Landsat 8数据采用浮游藻类植被指数算法识别精度为97.17%;Sentinel-2数据采用叶绿素反射峰强度算法与归一化植被指数算法结合提取精度达到96.68%。对MODIS、Landsat 8和Sentinel-2数据监测识别结果的一致性分析,结果表明Landsat 8与MODIS数据的R~2为0.9612,Sentinel-2与MODIS数据的R~2为0.83,不同的遥感影像数据其对蓝藻水华的监测识别结果具有较高的一致性。（2）分析了光学遥感太湖蓝藻水华时空分布特征。通过对2015-2020年太湖蓝藻水华的监测识别结果定量分析得到以下结论:从时间分布上来看,夏秋两个季度是蓝藻水华的高暴发期,2017年5月是太湖蓝藻水华面积最大的月份,面积为1080km~2,2017年太湖蓝藻水华年平均面积最大,2015年平均面积最小。从空间分布上来看,湖心区的暴发面积最大,其次是西部沿岸区和南部沿岸区,梅湾湖和贡湖面积较小,竺山湖的蓝藻水华面积最小。（3）研究了雷达遥感蓝藻水华监测识别方法。蓝藻水华区域在雷达影像中灰度值低,影像上表现为黑色暗斑。对暗斑分割、暗斑特征提取,建立以C-SVM支持向量机为核心方法的暗斑分类识别模型,模型识别结果显示本文的模型对太湖蓝藻水华的识别精度达到72.00%,证明了利用雷达影像对蓝藻水华监测识别的可行性。（4）构建了太湖蓝藻水华发生概率风险预测模型。温度、光照、风速等气象条件能够加快水华的生长、繁殖等生命活动,将气象条件作为自变量因子,将蓝藻水华发生概率作为因变量,建立以Logistic回归模型为核心的蓝藻水华发生概率风险预测模型,进而实现太湖蓝藻水华的预测,预测结果表明该模型的预测准确率为84.7%。