近日，中科院合肥物质院智能所光谱智能感知团队提出了一种基于紫外可见光谱(UV-Vis)和近红外(NIR)光谱数据融合策略，用于地表水质的快速高精度检测。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。

　　水质参数的实时监测对地表水污染的防治具有重要意义。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，科研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。研究人员首先对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。这项研究成果有利于光谱的水质在线监测技术进一步推广应用。

　　徐琢频博士为第一作者，王琦研究员和张鹏飞副研究员为通讯作者。本工作得到合肥市关键共性技术研发项目、国家自然科学基金等项目的支持。