世界各地湖泊水华暴发日趋严重，我国湖泊水华现象也日益突出。建立一种快速、准确的淡水体系浮游藻群落组成的现场监测技术，以实现浮游藻日常监测及水华预警势在必行。浮游藻三维荧光光谱能完整地表达出所选激发波长、发射波长范围内的荧光信息，本文基于此，采用不同方法（小波技术、多小波技术、Bayesian判别分析）提取浮游藻三维荧光特征谱，结合系统聚类分析、非负最小二乘法等建立淡水体系的浮游藻荧光分析技术，可对浮游藻进行分类识别测定。本文在对我国主要湖泊浮游藻群落组成进行总结的基础上，选择27种（6门、22属）浮游藻在不同实验条件下培养，测得各条件下的三维荧光光谱，提取特征谱，构建标准谱库，建立分析技术，以期在门类水平上识别测定浮游藻群落组成（优势门及次优势门），在属类水平上识别常见水华肇事藻。具体开展的研究有以下几个方面：（1）分别对我国主要湖泊（如巢湖、滇池、太湖）以及部分河流、水库的浮游藻的组成、数量进行总结：在非水华期间，由某一个门或某两个门的不同种藻占优势；水华期间，多样化程度显著降低，由一到两种浮游藻占优势。我国湖泊水华多由蓝藻（如微囊藻、鱼腥藻等）疯长形成，河流、水库中的水华则多由硅藻（如小环藻、冠盖藻等）形成，甲藻（如拟多甲藻等）形成的水华也呈现增多的趋势。（2）以相对标准偏差（RSD）作为标准，考察了浮游藻三维荧光光谱的稳定性，多数浮游藻的三维荧光光谱具有稳定性；对不同门、属的浮游藻荧光光谱进行组间、组内方差分析，不同门、属的浮游藻荧光光谱具有较明显的差异。（3）采用四种小波（db7小波、coif2小波、SA4多小波和GHM多小波）对预处理后的浮游藻荧光光谱进行分解，得到不同尺度分量和小波分量，应用Bayesian判别分析选择分类能力最强的特征分量，通过系统聚类构建相应的标准谱库，以此为基础，利用非负最小二乘法解析的多元线性回归建立各个小波的荧光分析技术。对四种技术进行验证，单种藻样品，在门类水平上平均识别正确率分别为98.6%、98.2%、98.3%、97.8%，在属类水平上的平均识别正确率86.2%、86.0%、84.1%、84.0%；实验室实际混合样品，优势门在门类水平上的平均识别正确率分别为97.5%、97.5%、97.8%、87.1%，含量分别为67.1%、67.9%、62.7%、57.5%；优势种在属类水平上的平均识别正确率分别为79.6%、80.1%、73.1%、75.8%，易形成水华的浮游藻，多数在属类水平上识别正确率达75%以上；基于db7、coif2小波所发展的技术效果要优于基于两种多小波发展的技术，对其进行互补性分析，建立互补技术，改善了个别藻的属水平识别效果。（4）以研制节能、便携、快速的浮游藻荧光分析仪为最终目标，利用逐步判别法，结合对浮游藻荧光光谱图的观察分析，并考虑单色发光二极管能否获得的实际情况，最终选择18个激发波长点（400、415、430、435、450、470、480、490、500、515、535、555、575、590、600、620、630、650nm）组成新的离散三维荧光光谱（发射光谱范围选择650~700nm）。选取db7、coif2小波对离散三维荧光光谱进行分解，按上述方法建立两种离散荧光分析技术：单种浮游藻样品在门类水平上可实现98.2%、98.8%的正确分类，属类水平上可分别实现81.0%、80.9%的正确分类；实验室实际混合样品的优势门（优势种）在门类水平上的识别正确率可达到97.5%、96.2%，且对次优势门可实现90.7%、88.8%的正确分类；优势种在属类水平上的识别正确率分别为81.7%、76.7%。以此作为技术支持，可研制适用于淡水体系的浮游藻荧光分析仪。综上所述，本文针对淡水体系的浮游藻所建立的荧光分析方法既能应用于已有荧光分光光度计，又为研制新的浮游藻荧光分析仪提供科学合理的技术支持。