近年来,随着经济的快速发展,人类对湖泊的影响逐渐凸显,水体富营养化程度加剧,致使部分河湖蓝藻水华大面积爆发,严重影响到区域生态环境,威胁人类健康,制约当地经济社会的发展。巢湖作为中国五大淡水湖之一,同样遭受了严重的水体富营养化问题。因此,实现对河湖蓝藻水华的有效监测成为环湖生态治理的首要任务。云在光学卫星遥感影像中十分常见,而现有蓝藻水华识别方法往往将一些云像素误判为蓝藻水华,严重降低测量精度。此外,现有方法依赖大气校正反演蓝藻真实光谱信息,在实现过程中,整个流程的耗时主要集中在大气校正环节。因此,构建一种抗云层干扰的高精度、快速蓝藻水华提取模型显得尤为重要。本文研究一种既不依赖大气校正又能消除云层干扰的蓝藻水华遥感监测方法,解决现有方法将云误判为蓝藻水华的问题,避免由不恰当的大气校正引入的蓝藻水华监测误差,实现高精度、快速蓝藻水华卫星遥感监测。主要研究内容和结论如下:（1）传统指标在Sentinel-2数据下的适应性。恰当的阈值是传统指标提取蓝藻的关键,而阈值的选取与研究对象、传感器等因素有关,Sentinel-2在分辨率、重访周期、光谱丰富度方面的优势,为水华提取提供了较好的数据源。因此,有必要对现有指标在Sentinel-2影像巢湖蓝藻水华提取中的适应性进行分析,针对FAI阈值难以确定问题提出了基于回归模型的阈值确定方法。研究表明,将FAI在Sentinel-2数据下的阈值设置为-1.152更为合理,在Sentinel-2晴空数据下应用归一化植被指数（NDVI）和浮游绿藻指数（FAI）能更够提取到面积较小的零星蓝藻水华像素信息,相比于其他卫星,能够很大程度上提高提取的精度。然而,在云雾遮挡影像中NDVI和FAI均将部分云像素误判为蓝藻水华,降低了蓝藻识别准确度。（2）抗云层干扰的蓝藻水华提取模型的构建。本文采集了2019-2021年不同季节的9幅Sentinel-2遥感影像,在缨帽变换（TCT）的基础上,通过构建包括蓝藻水华、水体和云的遥感影像数据集,采用均方根误差（RMSE）、相关系数（R~2）、中值百分比误差（MPD）作为评价指标,筛选出最优分量组合,并将所提指标的阈值（252.5）设置在蓝藻最大小和非蓝藻最大值之间。所提模型蓝藻的识别率99.99%,云影和绿色云边缘误认率0,黄色云边缘误认率1.55%,云误认率0.02%。实验结果表明:所提模型能够最大程度上识别蓝藻水华像素,排除其他像素干扰。（3）模型质量评价。应用测试集数据对比ICW3C与FAI的提取结果,在实验中,ICW3C仅将0.02%的云像素和1.55%的黄色云边缘像素错误分类为蓝藻水华,而FAI将19.18%的云、13.74%的黄色云边缘和19.34%蓝绿色云边缘像素错误地识别为蓝藻水华。在没有蓝藻大量繁殖的云覆盖图像区域中,FAI错误分类的云和云边缘像素是ICW3C的608倍以上,提取速率仅为ICW3C的18.76%。实验结果表明,本文所提指标在抗云层干扰方面具有较大的优势。（4）模型敏感性及适应性分析。在敏感性方面,阈值从175变化到330,蓝藻水华的正确识别率仅提高0.002%,而云整体误认率依然低于0.03%。实验结果表明:ICW3C阈值在其值范围（175-330）内的变化不会导致错误分类的严重增加;在视场角敏感性方面,指标在经纬方向上R~2均超过0.95,实验结果表明:ICW3C对视场角的变化表现稳定;指标在常见传感器（Landsat-8、GF-1、HJ-1）的适应方面,同一传感器采用不同方法提取的蓝藻水华面积相对偏差低于5%。扩展测试表明ICW3C适用于其他几种常见传感器。（5）巢湖蓝藻水华时空及气象因子分析。利用本文构建的模型对2016-2021年Sentinel-2数据巢湖区域蓝藻水华面积进行统计,结合温度和降雨量等气象数据,探索蓝藻水华时空变化规律和气象因子对蓝藻水华爆发的影响机制。实验结果表明,在时间序列上,蓝藻水华有季节性爆发趋势,在空间上,呈现西北水域多东北少,湖边多湖心少的现象。蓝藻水华在气温较高的月份大量爆发,随着气温降低而逐渐消失,气温对蓝藻爆发起到促进作用,而降雨量会稀释水体营养成分延缓了蓝藻水华爆发的时间,对其爆发有抑制作用。