随着社会经济快速发展和人类活动影响增强,富营养化已经成为水环境领域的一个突出问题。外源输入通常被认定为是造成水体富营养化的主要因素,但现阶段全球和我国的富营养化水体治理实践表明,湖内N、P循环过程对水体营养状态的影响也不可忽视。如何定量的识别内源过程对水体营养状态的影响,并分析未来气候变化对湖内循环过程的影响是未来富营养化湖泊治理的重要内容。本研究剖析了巢湖的长时间序列营养状态变化特征,并结合入湖河流N、P输入变化,利用贝叶斯分层算法和EFDC（The Environmental Fluid Dynamics Code）模型,建立了一维和三维巢湖内部营养动态变化过程模型,量化了湖内营养盐循环对巢湖长期和季节性营养变化特征的影响,并预测了湖泊升温情景下巢湖内源通量和藻类生长的变化特征。研究结果表明,在2007–2016年期间,巢湖TN浓度整体上无显著变化趋势（P＞0.1）,TP浓度总体呈现显著下降趋势（P＜0.01）,导致N/P质量比呈现显著上升趋势（P＜0.01）。从季节性上看,巢湖TN浓度在春冬季高,秋季低,而TP浓度呈现相反的趋势,导致了影响藻类爆发的N、P限制因子的季节性转变。贝叶斯分层算法可以准确地模拟巢湖N、P浓度以及湖泊内部N、P循环过程季节性变化,发现湖泊沉积物在与水体进行营养盐交换方面发挥双重作用,在夏秋季节,沉积物是水体中TP的主要来源,而对于N,沉积物反而起了汇的作用。NH4+-N浓度随时间的变化与外部输入更相关,而NO3--N、ON和TP浓度的季节性变化与内部过程更相关,说明内部N、P循环的季节性波动可以很大程度上决定湖中营养盐浓度。EFDC模型模拟结果很好地体现出了湖内水质的季节性波动及空间变化特征。湖泊内部循环的季节性波动幅度比外部输入的波动大,并且内部循环的波动可能叠加或抵消外部输入。湖泊营养盐浓度与内、外源之间的响应关系与利用贝叶斯分层算法的分析结果一致,证明了EFDC模型分析结果的可靠性。通过削减入湖河流的N、P通量以明确巢湖在减排情景下的水质演化过程。基于已验证的EFDC模型,对未来30年气温变化的情景分析结果表明,在2020–2050年期间,预计巢湖水温每年将以0.037–0.051 oC的速率增加。随着水温升高,巢湖内部循环速率的季节性波动会加剧,NH4+-N内部循环速率在2050年的最大波动相对于2016年将增加2.5–20.1%,TP内部循环速率在2050年的最大波动相对于2016年将增加6.3–10.4%。达到年内最高速率或最低速率的时间会提前,藻类爆发的时间将会提前,爆发的持续时间将从240天延长到252–269天。在湖泊升温的背景下,本研究结果可以为富营养化湖泊的长效管理提供可靠的依据。