摘要：本文开展紫外线吸收光谱谱法在水质COD检测中的应用分析，并给出了COD测试流程。现场测试结果表明，当COD值增加时，样品吸收光谱出现了两个特征峰，即290、570 nm处。以275 nm波长的频谱建立模型，拟合计算结果为y=0.0056x+0.085 1。比较不同波长模式下COD预测结果和实际值，呈现明显的线型特征，回归方差为0.998 54，均方误差为0.375 81。该研究有助于提高水质检测能力，也可以拓宽到其他相关的检测领域。

　　关键词：水质检测；紫外线吸收光谱；特征峰；线性回归

　　0引言

　　近年来，我国面临的水环境问题日趋严峻，急需开展水体污染治理，提升水质水平。当城市生活废水被排放后，会引起pH、溶解氧、色度等各类水质指标的改变，从而导致水源地退化，无法保持稳定的生态系统。因此，必须进一步加大对水资源的保护力度，对水体开展有效污染防治，为了控制水体污染，需要针对水源污染状况开展综合监测，由此可见，对水质开发快速准确监测方法已经成为一个非常重要的方向。

　　在当前开展紫外-可见光谱分析的过程中，进行COD测试的常用方法包括单波长型与多波长型两种基本形式。对于组分相对固定的简单水环境，通常选择单波段探测方法，但因为其所含组分存在一定差异，需对其浓度与光谱吸收率的关系实施校正，从而增加了数据处理难度，不能有效满足各种不同类型或组成差异较大的水质进行检测。多波段探测则可以通过其他特性光谱来弥补单一波段探测的不足，但该方法还不够完整，建模测试的精度也较低。

　　1紫外-可见光谱吸收原理

　　紫外线吸收光谱是一种分子光谱学测试技术，该方法是基于水体中吸光性材料对紫外光具有较高吸收能力，并在一定的波长范围内进行激发态转换来实现检测功能，由此得到一种紫外吸收光谱。根据以上研究结果，本文基于朗伯-比尔定理，通过构建数学模型计算出水体中的污染物含量。对于同一类型的吸光性材料，当污染成分的含量增加时，对应的峰值点位置及数量基本不发生明显改变，而峰值高度则跟含量之间保持线性的规律。由于各种物质最大峰位置的波段不一致，因此可以根据这一特征来区分水体中吸光性物质类型。

　　2 COD检测方法

　　COD的测试是以重铬酸钾作为氧化剂对水样进行氧化处理，可以根据氧化剂用量变化情况判断水体受到还原性物质的污染情况。该测试系统由光源、光路、分光光度计及上位机4个基本部分构成。分光光度法是根据溶液中各组分对光谱的吸收程度来计算COD值。COD浓度现场测试照片见图1所示。COD测试数据按以下流程进行处理：

　　1）测试光谱数据，从中提取出相应特征谱参数。

　　2）建立信息融合模型，对比不同模型之间的相互影响，经筛选得到最优多谱参数模型。

　　3）经过筛选获得最优模型条件后，将其作为处理测试样本COD值的计算模型。可以通过该系统对水质COD测试光谱完成光电信号处理，根据电压和COD值关系构建COD值-电压模型，完成系统在线测试的功能。

　　3 COD溶液的检测实验与分析

　　3.1 COD溶液的吸收光谱

　　按照质量浓度梯度为5 mg/L准备5~50 mg/L范围内标准COD溶液共10份，为光谱仪设定10 ms的积分时间，采集10份不同质量浓度的样品光谱数据。

　　在190~400 nm的紫外波段内，对试样溶液进行吸收光谱测试得到图2的结果。结果显示，透射光强度随COD值的增加而降低，而试样的紫外光吸收能力则不断提高，见图2-1。从图2-2可以看出，COD标准溶液在近紫外区形成了较强的吸收特征，特别是在200~300 nm范围内，紫外吸收强度与溶液浓度有较好的对应关系，而在波长300 nm以上的部分则没有发生吸收的现象。实验结果表明，当COD值增加时，样品吸收光谱出现了两个特征峰，即在290 nm位置出现了第一个吸收峰，第二个吸收峰出现于570 nm处。可以发现，对于相同COD标准液测试时，在不同COD值下的吸收峰位并没有改变，但峰值绝对高度与COD值之间呈线性变化关系。

　　3.2特征波长数据分析

　　本实验以具有简单、稳定组分的水作为研究对象，基于光谱吸收率与水环境参量之间的关系，构建了基于目标光谱的信息提取模型，并通过在目标区域内对目标物质吸收强度进行求解确定目标物质的含量。针对COD标准溶液组分简单、适用于光谱探测的特点，本文选择波长290 nm和570 nm作为特征波长，将COD值设定成横轴，再将吸光度设为纵轴，由此建立两者的函数关系。

　　通过对比表1可以发现，以275 nm波长的频谱建立模型进行拟合计算的结果是y=0.005 6x+0.085 1，对应相关系数为r=0.996 84，确定系数R2=0.994 5、均方根MSE=0.000 08。

　　对COD溶液实测吸收率进行测定，并将结果代入计算式中，以此求出COD函数反演结果。通过对两种方法进行比较可以得到不同波长模式下COD值预测结果和实际值的关系，可以看到两者呈现明显的线型特征，其中，回归方差为0.998 54，均方误差为0.375 81。

　　本文方法能够实时、快速测定COD值，并针对水质中的各种环境干扰因子（如浊度与温度参数）引起的模型结果偏差实施补偿与修正，从而提高检测准确性，为实际水质监测应用过程中COD值的高精度检测提供了参考价值。

　　4结论

　　本文开展紫外线吸收光谱谱法在水质COD检测中的应用分析，取得如下结论：

　　1）当COD值增加时，样品吸收光谱出现了两个特征峰，即在290 nm位置出现了第一个吸收峰，第二个吸收峰出现于570 nm处。

　　2）以275 nm波长的频谱建立模型拟合计算结果y=0.005 6x+0.085 1。比较不同波长模式下COD值为预测结果和实际值，呈现明显的线型特征，回归方差为0.998 54，均方误差为0.375 81。

　   参考文献：

　　[1]李煜，毕卫红，孙建成，等.紫外-可见吸收光谱结合化学计量学算法的水体总有机碳浓度快速检测[J].光谱学与光谱分析，2024，44（3）：722-730.

　　[2]姚燕丹，赖永忠，吴悦，等.吸收光谱异常的工业废水六价铬检测方法探讨[J].中国给水排水，2023，39（24）：145-154.

　　[3]姜吉光，石磊，苏成志，等.基于SPA-SVR的紫外光谱水质污染物含量解耦预测方法[J].激光与光电子学进展，2023，60（7）：396-403.

　　[4]陈莹，白昕，王伟华，等.气相分子吸收光谱法测定水中硝酸盐氮[J].中国无机分析化学，2023，13（4）：330-334.

　　[5]李文，蔡永青，马永跃，等.基于嵌入式技术的双光谱水质多参数一体化系统设计[J].仪表技术与传感器，2022（2）：101-106.

　　[6]毕卫红，李煜，孙建成，等.海洋总有机碳光谱法检测技术研究现状与发展趋势[J].燕山大学学报，2022，46（1）：1-8.

　　[7]郑培超，赵伟能，王金梅，等.基于PSO-PLS混合算法的水体COD紫外吸收光谱检测研究[J].光谱学与光谱分析，2021，41（1）：136-140.

　　[8]张文浩，赵铎霖，王晓毓，等.太白山自然保护区水体CDOM吸收与三维荧光特征[J].环境科学，2020，41（11）：4958-4969.

　　[9]郑培超，杨晨，张航熙，等.水质COD的激光诱导荧光检测方法研究[J].激光杂志，2022，43（8）：55-59.

　　[10]蔡嘉城，邓霄，阚崇轩，等.基于紫外-可见光谱的水质COD在线检测系统设计[J].激光与光电子学进展，2022，59（1）：347-354.

　　[11]管理，李精伟，梅松，等.面向养殖水体分布差异的COD光谱法检测研究[J].中国农机化学报，2021，42（12）：51-56.

　　[12]漆伟，冯鹏，魏彪，等.嵌入式粒子群-遗传算法的水质COD检测特征波长优化算法[J].光谱学与光谱分析，2021，41（1）：194-200.