气候变化正在增加有害藻华（HAB）的频率和严重程度，这些藻类在水产养殖场中造成大量鱼类死亡。这有助于海洋污染和温室气体（GHG）的排放，因为死鱼要么被倾倒到海洋中，要么被带到垃圾填埋场，进而对气候产生负面影响。当前，列举有害藻类和其他浮游植物的标准方法是在显微镜下手动观察并对其进行计数。这是一个耗时，乏味且容易出错的过程，导致农民的管理决定妥协。因此，自动化此过程以进行快速准确的HAB监控非常有帮助。但是，这需要大量且多样化的浮游植物图像数据集，并且这些数据集很难快速生产。在这项工作中，我们探讨了产生新型高分辨率的光真逼真的合成浮游植物图像的可行性，这些图像包含相同图像中的多个物种，并且给定了一小部分真实图像。为此，我们采用生成的对抗网络（GAN）来生成合成图像。我们使用标准图像质量指标评估了三种不同的GAN架构：ProjectedGan，Fastgan和styleganv2。我们从经验上显示了仅使用961个真实图像的训练数据集的高保真合成浮游植物图像的产生。因此，这项工作证明了甘斯从小型培训数据集中创建大型浮游植物的大型合成数据集的能力，从而朝着可持续的系统监测有害藻类绽放迈出了关键的一步。