本研究では、気候変動が引き起こす有害藻類ブルーム（HAB）、特にシアノバクテリアの監視を目的とした「ALGOS」というセグメンテーションと推論のシステムを提案しています。従来の監視手法は労力がかかり、空間的・時間的なカバレッジが限られていますが、最近のビジョン-言語モデル（VLM）の進展により、スケーラブルなAI主導の解決策が期待されています。ALGOSはリモートセンシング画像の理解とブルームの重症度評価を統合し、高品質なセグメンテーションマスクを作成するためにGeoSAMを利用した人間の評価を取り入れています。また、NASAのシアノバクテリア集約手動ラベル（CAML）を使用してビジョン-言語モデルの微調整を行いました。実験結果から、ALGOSはセグメンテーションと重症度評価の両方で堅実な性能を示し、実用的で自動化されたシアノバクテリア監視システムへの道を開くものとなっています。