近日，中科院合肥物質院智能所光譜智能感知團隊提出了一種基于紫外可見光譜(UV-Vis)和近紅外(NIR)光譜數據融合策略，用于地表水質的快速高精度檢測。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。

　　水質參數的實時監測對地表水污染的防治具有重要意義。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，科研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。研究人員首先對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。這項研究成果有利于光譜的水質在線監測技術進一步推廣應用。

　　徐琢頻博士為第一作者，王琦研究員和張鵬飛副研究員為通訊作者。本工作得到合肥市關鍵共性技術研發項目、國家自然科學基金等項目的支持。