随着人类社会经济的不断发展,海洋藻华污染这一问题逐渐被人们所重视,藻华爆发时对相关海域生态平衡构成了严重的危害,并对人类生存环境造成严重威胁,所以对有害藻华的检测十分重要。传统的检测方法操作复杂且实时性差,不利于对有害藻华进行快速准确检测,三维荧光光谱法可以提供丰富的光谱信息,并且不会造成二次污染,可以实现对被测目标的快速在线检测。本文以褐潮污染成因藻抑食金球藻为例,使用瞬态荧光光谱仪对藻类光谱数据进行采集,并结合信息融合算法构建褐潮藻门类识别和细胞浓度测量模型,主要研究工作如下:首先,基于荧光的产生原理及特征光谱的分析,对荧光强度与藻类细胞浓度的关系进行研究,并依据朗伯-比尔定律推导二者之间存在的关系;将浮游藻光合色素对荧光的响应机制作为定性定量分析的依据;光谱采集实验时通过手动调节及数据预处理等方式消除部分外界条件带来的干扰,并对得到的特征光谱进行特征分析,为建立褐潮藻门类识别和细胞浓度测量模型奠定理论基础并提供数据支持。其次,针对不同门类藻之间存在的光谱重叠现象,提出一种基于梯度提升决策树（GBDT）结合逻辑回归算法（LR）的褐潮藻识别模型。对藻类光谱数据利用GBDT算法进行特征提取,将连续光谱特征转换成高维度稀疏矩阵形式,避免了人工进行特征组合,并利用LR算法处理高维度稀疏矩阵的优势实现对褐潮藻的准确识别;最后将模型应用到不同生长周期褐潮藻上,建立了较为准确的褐潮藻识别模型。最后,在实现对褐潮藻准确识别的基础上,提出一种基于改进麻雀搜索算法（FASSA）优化广义回归神经网络（GRNN）的褐潮藻细胞浓度测量模型。引入萤火虫扰动策略对麻雀搜索算法（SSA）易陷入局部收敛的问题加以改善,并以FASSA优化GRNN模型参数,降低人为参数选择带来的计算误差。然后以经过特征筛选后的藻类特征光谱区域荧光强度信息作为模型输入进行网络学习,并输出褐潮藻细胞浓度。通过与其他算法进行对比,FASSA-GRNN模型迭代次数减少,测量精度提高,同时该方法也为其它藻类细胞浓度的测量提供了相应的技术支持。