(相关资料图)
水质参数的实时监测对地表水污染的防治具有重要意义。通过专业的数据比较和问题分析，可以充分了解水污染源、水污染现状、扩张速度和可能造成的危害，为水污染控制提供数据和经验，帮助专业人员做出正确判断，从而设计和制定合理的治理方案，最终有效改善水质，减少环境污染。
化学需氧量(COD)、氨氮(AN)和总氮(TN)是反映地表水污染程度的关键指标。紫外-可见(UV-Vis)光谱和近红外(NIR)光谱作为两种快速、简便、多组分的分析技术，在水质监测中具有传统化学检测方法无法比拟的优势。
为了进一步提高光谱方法检测水质的精确性，中科院合肥物质院智能所光谱智能感知团队开发出一种基于UV-Vis和NIR光谱数据融合(UV-Vis-NIR)的地表水质检测策略。他们首先对70份不同污染程度的河流样本进行光谱采集和化学测定，通过UV-Vis与NIR光谱的初级融合获得UV-Vis-NIR融合数据，采用不同的变量选择算法优化地表水污染指标的UV-Vis-NIR融合模型。
研究结果表明，基于UV-Vis-NIR数据融合策略的地表水中COD、AN和TN的光谱预测准确性明显优于单一光谱技术的预测结果。此外，在不同的优化条件下，这一方法的检测结果相比单一光谱法更为稳定，因而该方法具有更好的鲁棒性。这项研究成果能够用于地表水质的快速高精度检测，并且有利于光谱的水质在线监测技术进一步推广应用。
相关研究成果已在分析化学领域期刊Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy上发表。
(资料来源：合肥物质科学研究院)
关键词：