图9 2002-2007年太湖蓝藻水华爆发强度走势图
3.6 2010年太湖水华现象年内变化特征
图14是太湖蓝藻水华在2010年中的月平均暴发强度（每月中出现蓝藻水华现象的爆发天数与对某个湖区有效监测的总天数之间的比值称为该月的蓝藻月平均爆发强度），从下列统计图图7中我们可以看出，1-3月份，蓝藻的平均爆发强度很小，几乎接近于0，所以在这段时间内大部分地区未出现明显的蓝藻水华现象，而3月份之后，在每年的4月份-8月份，该研究区域的蓝藻平均爆发强度连续上升，并且增加明显，8月份蓝藻的平均爆发强度达到最大值，可以说明每年的8月份，是太湖蓝藻一年中爆发最为旺盛的时间，爆发强度达到了峰值。4～6月份蓝藻的月爆发强度逐渐增加，可以推断是是蓝藻水华暴发的起步和增长期。每年的8月份之后，也就是每年的8月份-11月份，蓝藻的平均爆发强度逐步减少，但是平均爆发强度仍旧占有很大的百分比，这些时间段的爆发强度大于1月份-3月份的爆发强度，每年的10～12月份，蓝藻水华爆发逐渐减少，因此这时间段是蓝藻水华的衰退和消亡期，4～6月份蓝藻水华暴发的总体强度略大于10～12月，l～3月份蓝藻的月平均爆发强度极地接近于0，属于基本不再有蓝藻水华出现的时间范畴。由于蓝藻属于植物，每年的萌芽期、生长期、旺盛期和凋亡期都有一定的季节规律，本次研究是采用2010年的监测影像来分析蓝藻在每个月份的生长规律，所以我们可以得出结论：太湖水域蓝藻重点预警在4月份左右。并且推断出8月份蓝藻水华爆发的峰值，以辅助有关部门的决策。 (图11、图12、图13 分别为2010年5月13日的MODIS影像处理结果)
图11 2010年5月13日的MODIS影像的NDVI分级显示
图12 2010年5月13日的MODIS影像的分级决策树
图13 2010年5月13日的MODIS影像的统计结果（面积）
图14 2013年月平均爆发强度（%）统计图
4 太湖蓝藻信息研究的展望
4.1 太湖蓝藻的精确提取
本次研究提取太湖水域的蓝藻水华信息，主要是采用NDVI归一化植被指数的方法。前文提到：归一化植被提取算法主要是计算研究对象在近红外与可见光下的光谱发射率的比值。NDVI植被指数算法是主要用于提取植被信息的一种方法，而自2007年太湖出现大面积的蓝藻水华现象引起社会各界的关注后，太湖蓝藻水华现象得到一步步日趋完善的治理。现在的太湖水域境内，湖面生长的不仅有原本就生长的蓝藻，还有治理期间新生长的一些水生植物，比如：菹草、马来眼子菜等等，如果采用归一化植被提取算法，则研究得出的结果会将水生植被的量当成是蓝藻的量，在某种程度上，扩大了太湖水华现象的出现范围，其研究结果不能客观公正的反映太湖这一片曾经受过严重水华影响的水域的蓝藻治理情况。因此为了更为精确研究出太湖水域的蓝藻生长情况，需要将归一化植被指数计算出来的结果中水生植被的量去除，以保证最后的结果如实反映太湖生长的蓝藻情况。
Gons算法和Simis算法是用于研究浮游植物色素的吸收与其浓度遥感的反演的两种算法。其中，Gons算法是适用于浮游植物色素吸收的研究，而Simis算法适应于藻蓝素吸收的研究，而蓝藻中的主要成分就是藻蓝素。但是，Gons算法和Simis算法必须在水华未完全覆盖水体的情况下进行遥感反演，一旦湖面的水华现象严重，造成蓝藻完全覆盖了太湖湖面，这两种算法会失去作用。 4.2 太湖温度的反演
利用传感器接收到的地物光谱反射率来进行地面温度的反演，从而获得温度对太湖蓝藻生长的影响。但是太湖是我国的五大淡水湖之一，其水域面积甚是辽阔，并且由于蓝藻是生长在水里，在水里快速繁殖。而相对于地面，水体的传热性比较好，因此用于蓝藻的光谱特征信息来反演湖面的温度，在短时间内的温度变化不大，可以视为几乎没有任何的变化，因此温度反演后的图像在颜色上没有明显的变化。因此短周期的湖面反演用于太湖区域湖面温度的研究在实际生活中没有多大的研究意义，其研究出来的结果也没有多大的实际价值。
但是，延长湖面温度反演的时间周期对于太湖蓝藻的研究具有现实意义。在每个月份，气温变化的幅度不是很大，其气温变化的范围也只是很小的区间内，因此，我们可以采用某个月份内连续几天的气温平均值作为这段时间的湖面温度，然后相比较这大跨度的时间间隔内蓝藻的生长情况与湖面温度的变换情况，以此来得出蓝藻水华现象与湖面温度之间的变化关系，将其结果辅助于相关部门