水资源安全是国家生态安全和人民身体健康的保证，随着社会经济的发展，世界各国在水资源安全监管方面越来越严格。但是因偷排、暗排和恶意排污等事件造成的水质污染时有发生，使得我国多个流域遭受不必要的污染，人工采样实验室分析、岸站在线、移动监测(车、船)等水质检测技术，大多是采用化学方法进行检测分析，效率低，需要大量化学试剂，极易产生二次污染。一种基于光谱技术的高效率的原位水质监测技术可以实现实时在线多信息的监测。
　　光谱法水质监测技术作为一种纯物理的监测方法，检测效率高，无需任何化学试剂且无二次污染，是绿色无污染的快速水质检测技术。本文主要针对水样光谱特征提取和污染源识别展开研究，光谱信息处理是本领域的核心技术之一。
　　作为复杂基质的水样光谱，可以简化为多种单一纯物质的叠加组合。本文首先研究了多种单一化合物的光谱信息，提出了描述化合物光谱特征辨析方法，包括光谱重心法、动态分段积分法、有效吸收带宽法，并将其作为水质监测的核心参数。接下来利用光谱特征的时间序列构建了自回归移动平均模型(ARMA)预测模型，异常监测模型摒弃了传统的固定阈值。ARMA预测模型使用预测残差的置信区间作为异常监测阈值，实验证明以光谱重心为监测值的预测模型的检出率达到了98%，且此阈值不受监测水源限制。随后提出了基于动态时间弯曲(DTW)距离的疑似污染物跟踪确定方法，此方法解决了不同维度光谱难以辨析的问题。最后在对湖泊进行原位监测实验中，基于以上模型的水质监测方法准确地检测出水质异常变化，并对产生异常的污染物进行了追溯分析。
　　综上所述，本文通过对环境水样的光谱特征提取、时间序列预测模型和疑似污染物确定方法的研究，进一步完善了水质光谱信息处理的方法，实验结果表明，本文工作在水质状态监测和异常跟踪、污染鉴别等方面计算速度快、污染判别准，极大地有助于提高和拓展光谱法原位在线水质监测技术的检测能力。