中文摘要：

为了进一步推动我国淡水水域蓝藻监测和治理的信息化进程，更有效地解决蓝藻暴发强度的定量评估与准确预测问题，本项目基于由视频传感器和水质参数传感器组成的多元传感器网络，提出一种蓝藻暴发强度评估方法和预测模型。利用图像特征提取方法，进行蓝藻识别和图像分割，提出一种基于视频图像的蓝藻暴发强度评估方法。建立蓝藻图像与水质参数之间的映射关系，深入研究由水质参数反演蓝藻暴发强度的方法。针对蓝藻图像和水质参数的历史数据，进行时空序列分析，研究蓝藻暴发强度的预测模型。本科研团队已在太湖搭建多元传感器网络蓝藻监测系统，可为上述研究提供综合验证平台。研究成果不仅可以定量评估蓝藻暴发强度，而且能够准确预测蓝藻打捞的时间和地点，对于我国淡水水域的蓝藻监测和治理具有重要的理论和实际意义。

结论摘要：

蓝藻监测对于我国水环境监测和保护具有重要意义。本课题基于由视频传感器和水质参数传感器组成的多元传感器网络，在蓝藻暴发强度评估与预测方面开展了一系列研究。首先，基于水面图像数据，我们提出了一种主动学习策略，仅使用传统方法50%的图像样本即能构建高精度的图像分类模型。基于该分类模型，我们提出了一种基于图像分割的蓝藻识别算法，可以准确地估计蓝藻暴发强度。之后，我们使用高斯过程回归模型，建立了蓝藻暴发强度与多元水质参数之间的映射关系，能够仅使用3种水质参数数据准确地估计蓝藻暴发强度。最后，我们设计了两种时间序列预测方法，第一种是运行于资源受限传感器节点的单步预测方法，另外一种是运行于云端服务器的多步预测方法。这两种方法可以用于未来时刻的蓝藻暴发强度的预测。课题研究过程中发表SCI论文3篇，申请发明专利3项，完成了预定指标，这些研究成果可以应用于我国淡水水域的蓝藻监测和治理。