中国科学院合肥物质科学研究院的研究团队提出了一种融合紫外可见光谱(UV-Vis)和近红外光谱数据的快速准确检测地表水质的新策略。NIR)地表水的光谱。

多传感器融合模型实现地表水质快速准确检测

该研究发表在《SpectrochimicaActaPartA:MolecularandBiomolecularSpectroscopy》上，旨在实现水质参数的实时监测，这对于预防和控制地表水污染至关重要。

化学需氧量(COD)、氨氮(AN)和总氮(TN)是评估地表水污染程度的关键指标。与传统的化学检测方法相比，紫外-可见光和近红外光谱提供了快速、简单的多组分分析技术，在水质监测中具有显着的优势。

为了提高水质检测光谱方法的准确性，研究人员通过融合紫外-可见和近红外光谱数据(UV-Vis-NIR)开发了检测策略。他们收集了光谱数据，并对70个不同污染程度的河流样本进行了化学测定。

通过结合紫外-可见和近红外光谱并使用不同的变量选择算法，他们优化了地表水污染指标的紫外-可见-近红外融合模型。

结果表明，与使用单一光谱技术相比，UV-Vis-NIR数据融合策略显着提高了地表水中COD、AN和TN的光谱预测精度。

此外，该方法在不同的优化条件下表现出更好的稳定性，确保比单一光谱技术获得的检测结果更稳健。

这项研究为在线光谱监测技术在水质评估中的未来应用提供了令人兴奋的前景。