本文通过选取某城市典型的缓流水体为研究对象，通过野外观测采样、实验室监测分析及数学模型分析相结合的方法，研究城市缓流水体水华暴发的限制性因素，并构建相应的数学模型以预警水华的暴发。研究的时间段分为2个时期即2012-5-15至2012-9-30及2013-7至2013-8期间，其中2012-5-15至2012-9-30期间所监测的数据用于水华暴发的限制性因素的确定及预警模型的构建，2013-7至2013-8期间的数据用于模型的验证。依据城市缓流水体的特点及相关的文献报道，研究确定了机理预警模型及风险预警模型为城市缓流水体水华暴发的预警模型。其中机理预警模型是由生长动力学模型及内集外集模型构成，生长动力学模型主要是用来预测水体中藻类生物量的变化，内集外集模型主要是用来确定水华暴发的生物量的阈值。风险预警模型主要由风险评估模型及概率预警模型所构成，风险评估模型是将与水华暴发密切相关的因素转化为水华暴发的风险（水华暴发的危险程度），概率预警模型是将水华暴发的风险转化为暴发的概率的模型。通过对2模型的构建与分析产生如下结论：（1）由于城市水体周边的分散的面源及水体中的底泥內源，使水体中氮磷等营养盐含量丰富，营养盐不是水华暴发的限制性因素。由于缓慢的水体流动利于藻类的生长及聚集，水动力条件不是水华暴发的限制性因素。水温、藻类光合活性（FＶ/FM）是影响藻类生长及水华暴发的限制性因素。模型采用水温、光合活性及藻类生物量（Chla）为模型的变量。（2）通过分析，构建机理预警模型中的生长动力模型，并依据情况将其分为2种情况，即是否存在水质交换。有水质交换的情况下模型参数Gmax、 Dmax、θ率定的结果为：3.31d-1、0.61d-1、0.29，无水质交换的情况下Gmax、 Dmax、θ率定的结果为：7d-1、1.16d-1、0.29。机理预警模型所确定的水华暴发的藻类的生物量阈值为40μg/L。（3）通过对风险预警模型进行构建，水温、光合活性、Chla等评估指标的权重分别为0.14、0.13、0.73。在风险预警模型中，当水体中风险值大于等于0.52时，水华的暴发就是1件概率确定的极大概率事件，且该概率为0.65。（4）两种模型对城市缓流水体的预警均取得了很好的效果。机理预警模型适用于城市缓流水体水华暴发的实时监测预警，风险预警模型适用于水华暴发的风险管理。