(資料圖片僅供參考)

水質參數的實時監測對地表水污染的防治具有重要意義。通過專業的數據比較和問題分析，可以充分了解水污染源、水污染現狀、擴張速度和可能造成的危害，為水污染控制提供數據和經驗，幫助專業人員做出正確判斷，從而設計和制定合理的治理方案，最終有效改善水質，減少環境污染。

化學需氧量(COD)、氨氮(AN)和總氮(TN)是反映地表水污染程度的關鍵指標。紫外-可見(UV-Vis)光譜和近紅外(NIR)光譜作為兩種快速、簡便、多組分的分析技術，在水質監測中具有傳統化學檢測方法無法比擬的優勢。

為了進一步提高光譜方法檢測水質的精確性，中科院合肥物質院智能所光譜智能感知團隊開發出一種基于UV-Vis和NIR光譜數據融合(UV-Vis-NIR)的地表水質檢測策略。他們首先對70份不同污染程度的河流樣本進行光譜采集和化學測定，通過UV-Vis與NIR光譜的初級融合獲得UV-Vis-NIR融合數據，采用不同的變量選擇算法優化地表水污染指標的UV-Vis-NIR融合模型。

研究結果表明，基于UV-Vis-NIR數據融合策略的地表水中COD、AN和TN的光譜預測準確性明顯優于單一光譜技術的預測結果。此外，在不同的優化條件下，這一方法的檢測結果相比單一光譜法更為穩定，因而該方法具有更好的魯棒性。這項研究成果能夠用于地表水質的快速高精度檢測，并且有利于光譜的水質在線監測技術進一步推廣應用。

相關研究成果已在分析化學領域期刊Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy上發表。

(資料來源：合肥物質科學研究院)

關鍵詞：