核心用法
Harmful Algal Bloom Monitor 是一款面向湖泊、水库及近岸水体的专业藻华监测工具。用户可通过命令行接口灵活配置监测任务，支持三种主流传感器（MODIS、Sentinel-2、Sentinel-3 OLCI）与四种藻华指数（NDCI、FLH、BGI、ARI）的自由组合。系统提供两种数据输入模式：一是直接加载本地反射率数据，二是通过 Microsoft Planetary Computer 自动下载卫星影像（无需 API 密钥）。
核心工作流程包括：反射率数据读取与预处理 → 多指数藻华概率计算 → 云/耀斑/浑浊/浅水质量控制掩膜 → 事件连续性与缺测容忍度检测 → 风险等级划分与报告生成。输出成果涵盖 HTML 可视化报告、GeoJSON 事件边界、日尺度面积统计表、藻华概率与持续天数栅格等多维数据产品，便于进一步空间分析与决策支持。
显著优点
算法体系完善：集成四种经过文献验证的藻华指数，覆盖从叶绿素荧光（FLH）到色素吸收特征（NDCI）的多元探测手段，适应不同传感器特性与水体光学条件。质量控制严格：四层掩膜机制有效剔除云、太阳耀斑、高浊度水体及浅水底质干扰，显著提升监测结果可靠性。事件追踪智能：基于连续天数阈值与缺测容忍参数的时空聚类算法，可自动识别藻华事件的生灭演变，支持持续时间统计与动态风险评估。数据获取便捷：内置 Microsoft Planetary Computer 数据接口，实现 Sentinel-2 等数据的自动检索与缓存管理，降低用户使用门槛。输出标准化：完整的数据清单与质量检查报告，满足科研 reproducibility 与环境监测业务规范要求。
潜在缺点与局限性
指数特异性不足：藻华、浑浊水体与沉水植物可能产生相似的光谱信号，单一指数难以实现完全区分，需依赖多指数综合判读与人工核验。模型本地化需求高：默认阈值基于文献典型值，不同水体的光学特性差异显著，模型参数需针对目标水域进行实地率定，跨水体迁移应用存在风险。云覆盖制约时效：光学遥感受天气条件限制，高频率云覆盖区域将导致数据缺测天数增加，可能遗漏藻华事件的关键发展节点。传感器兼容性待完善：当前自动下载功能默认对接 Sentinel-2 L2A 产品，而 Sentinel-3 OLCI（更适配色素探测）的数据格式差异导致分析流程需重写，完整功能有待后续增强。合成数据仅限验证：演示模式生成的合成反射率数据仅用于流程测试，不可作为实际监测结论依据。
适合的目标群体
环境监测机构：各级生态环境监测站、流域管理局的水质遥感监测业务人员，用于例行巡查与应急响应。科研院校团队：水环境遥感、湖泊生态学、环境科学等领域的研究人员，开展藻华时空演变机理研究。水务管理部门：水库管理局、自来水厂、流域综合管理单位，关注饮用水源安全保障与蓝藻水华预警。国际组织与 NGO：从事跨境水体保护、气候变化适应项目的技术人员，需要标准化、可复现的监测工具。
常规使用风险
性能依赖：处理高分辨率时序数据对计算资源要求较高，大规模区域长时序分析需预留充足存储与内存。依赖项管理：需确保 GDAL、rasterio、xarray 等遥感 Python 生态库版本兼容，缺失依赖将触发退出码 3。阈值误设风险：未经本地验证直接采用默认阈值可能导致漏报或误报，关键决策场景务必结合实地采样数据校准。归因边界：系统明确声明输出仅为"辅助分析、候选对象和证据"，行政决策、工程措施及安全责任认定必须经人工复核，不可自动化归因。数据时效延迟：卫星数据获取与预处理存在固有滞后，实时预警需求需结合高频地面监测手段补充。