核心用法
Harmful Algal Bloom Monitor 是一款面向湖泊、水库及近岸水体的有害藻华遥感监测工具。用户可通过 CLI 指定传感器类型（Sentinel-2、MODIS 或 Sentinel-3 OLCI）和藻华指数（NDCI、FLH、BGI、ARI），输入卫星反射率数据或自动从 Microsoft Planetary Computer 下载影像，系统将自动完成云掩膜、耀斑剔除、浑浊水体过滤等质量控制，输出藻华概率分布、持续天数统计、事件追踪及风险等级评估报告。
核心工作流包括：数据获取 → 质量控制 → 指数计算 → 事件检测 → 风险评级 → 报告生成。支持合成演示模式用于流程验证，也支持真实卫星数据的全链条处理。输出产物涵盖 HTML 可视化报告、GeoJSON 事件矢量、日尺度面积 CSV、栅格数据（概率/持续时间）及质量保证文档。
显著优点
多源数据兼容：支持 Sentinel-2（10m 高分辨率）、MODIS（每日重访）、Sentinel-3 OLCI（海洋水色专用）三类主流传感器，兼顾精度与时效性。
多指数协同：集成 NDCI（叶绿素敏感）、FLH（荧光高度法）、BGI（蓝绿指数）、ARI（藻类指数）四种算法，适应不同水体光学特性，降低单一指数误判风险。
智能事件追踪：采用"连续 N 天超阈值 + 允许 M 天缺测"的事件确认逻辑，有效过滤短暂噪声，精准识别持续性藻华过程。
分级风险预警：综合藻华概率与持续时间，自动输出绿/黄/橙/红四级风险等级，满足环保部门应急响应需求。
零配置数据获取：内置 Microsoft Planetary Computer 数据下载能力，无需 API 密钥即可自动获取指定时空范围的卫星影像。
潜在缺点与局限性
指数混淆风险：藻华、浑浊水体、沉水植物可能产生相似光谱信号，单一指数无法可靠区分，必须结合多指数综合判读或人工复核。
云覆盖制约：光学卫星受天气影响显著，持续云层会导致数据缺测，可能遗漏藻华暴发峰值或误判事件持续时间。
阈值地域依赖：默认阈值基于文献典型值，不同水体的光学特性差异显著（如高浑浊河流 vs 清澈高原湖），需本地率定后方能可靠应用。
模型迁移限制：训练好的模型不可直接跨水体迁移，新区域应用需重新采集样本验证。
OLCI 支持待完善：规格建议 Sentinel-3 OLCI 为最优数据源，但当前 pipeline 主要适配 Sentinel-2 GeoTIFF 格式，OLCI L2 NetCDF 格式切换需后续开发。
适合的目标群体
- 生态环境监测部门：省/市/县级环境监测中心、流域管理局，用于例行藻华巡查与应急响应
- 水务管理机构：水库管理局、自来水厂原水监测部门，保障饮用水水源地安全
- 科研院所：湖泊学、水环境遥感研究团队，开展藻华时空演变机理分析
- 环保企业：水环境第三方检测与咨询服务机构，为客户提供藻华监测报告
使用风险
数据质量风险：自动质量控制可能误判复杂水况（如高悬浮泥沙、有色溶解有机物），建议关键决策前进行人工目视检查。
计算性能风险：大范围、长时间序列处理时，栅格数据内存占用较高，建议分块处理或配备充足计算资源。
依赖项风险：核心依赖 rasterio、xarray、scipy 等科学计算库，版本冲突可能导致处理失败，建议使用 Conda 隔离环境。
法律合规风险：监测报告涉及公共安全与行政管理，输出明确标注"行政、工程、安全或事故归因必须人工复核"，不可直接作为执法或事故定责依据。