水是人类社会最重要的基础性自然资源、经济资源和战略资源，是环境的良性运行和经济社会实现可持续发展的重要物质基础。湖泊是世界上重要的淡水资源库之一，但湖泊污染和富营养化问题日益严重，因此，湖泊富营养化和水华预测是湖泊研究的热点。　　本研究以太湖为主要实验区，建立了湖泊二维水动力模型，对太湖水动力情况进行模拟;在此基础上建立二维水生态模型，对主要营养盐及产生水华的主要藻类（蓝藻、绿藻、硅藻）进行了模拟;通过Morris筛选法对模型参数进行了灵敏度分析，选定模型关键参数;针对关键参数对模型进行率定并验证;采用GLUE方法对模型进行不确定性分析，以确保模型的可靠性;采用数据同化方法（集合卡尔曼滤波），实现观测数据和MERIS遥感数据与水生态模型的结合，动态更新模型的参数及状态，以提高模型的可靠性和对预测的精度。最终实现准确、及时地获悉整个湖泊的蓝藻时空分布、变化趋势以及增殖速度等，并对水华爆发的范围和强度进行预测。研究主要取得了以下成果:　　1)采用Morris筛选法，对Delft3D-BLOOM中与蓝藻、绿藻、硅藻生物量关系最为密切的6类参数（包括0℃时的生长速率，0℃时的死亡速率，0℃时的维持性呼吸速率，生长速率温度系数，死亡速率温度系数，维持性呼吸速率温度系数）进行了灵敏度分析，确定了对蓝藻、绿藻、硅藻生物量影响最大的前10个参数。有效的降低了模型参数率定的工作量，提高模型精度，提升建模效率。　　2)采用GLUE方法对模型进行不确定性分析，经分析，在2009～2011年36个观测值中，大多数观测值位于90％的置信区间之内，或非常接近90％的置信区间。说明本研究建立的水生态模型是可靠的，在此基础上进行水华预测是可行的。　　3)在采用站点实测数据进行太湖水生态模型单点同化时，无论是只同化状态变量，还是同时同化状态变量和参数，模拟结果与观测值的一致性系数IOA值都有了一定程度的提高，但采用同时同化状态变量和参数的方案时，模拟结果的IOA值比只同化状态变量时的IOA值更高。这说明，同时同化状态变量和参数的同化方案比只同化状态变量的同化方案更优。　　4)在采用MERIS遥感反演数据进行太湖水生态模型区域状态变量同化时，同化时段内所有月份的数据同化结果的REMS均低于BLOOM模拟结果的RMSE，这说明采用MERIS遥感数据对BLOOM模型进行区域状态变量同化可以综合利用水生态模型和遥感数据的优势，改进模型的模拟效果，提高模型的模拟精度。　　5)在采用站点实测数据和MERIS遥感反演数据这两种数据源进行太湖水生态模型状态变量同化时，若两种数据源的监测结果较为一致，模型的同化效果较为明显;若两者监测结果差别较大，采用站点实测值的同化效果不尽理想，这说明观测数据的误差估计对同化效果具有明显影响。但是多源数据同化具有观测频率高的优势，更有利于改进模型的预测精度。