A crescente demanda por monitoramento da poluição ambiental da água e gestão refinada requer uma detecção rápida e precisa de poluentes orgânicos na água para identificação. A espectroscopia de fluorescência tridimensional pode fornecer informações espectrais ricas sobre poluentes e tornou-se um foco principal de pesquisa na identificação e rastreamento de poluentes em corpos hídricos. Os métodos atuais concentram-se principalmente na análise de dados espectrais baseados em aprendizado profundo, exigindo grandes quantidades de dados espectrais e dificultando a aplicação em campo. Este artigo utiliza dados espectrais de fluorescência tridimensional (3D-EEM) e propõe um método para reconhecimento multiclasse de corpos d'água e ajuste preciso de componentes baseado na combinação de wavelet de Gabor bidimensional com máquinas de vetor de suporte (SVM), extraindo eficazmente características texturais e posições de picos espectrais, melhorando a eficiência da análise de componentes de amostras de água. O método usa a subtração de branco e interpolação por triângulos de Delaunay para reduzir ruídos de fundo e interferência de espalhamento nos dados espectrais, e emprega um método estendido de suavização de Savitzky-Golay para suprimir flutuações espectrais. Em seguida, utiliza wavelet de Gabor bidimensional e método de extração de pico de fluorescência para extrair informações texturais e globais dos picos fluorescentes 3D-EEM. Finalmente, o modelo EEM_MSVM foi construído com base em MSVC e CF_MSVR para realizar classificação precisa e predição de componentes em diferentes corpos d'água. Resultados experimentais em amostras reais mostraram acurácia de classificação de 97,6%, erro quadrático médio da predição de componentes de 5,3 e coeficiente de correlação de 0,94, alcançando classificação e análise precisa dos componentes de corpos d'água típicos.

espectroscopia de fluorescência tridimensional;mapas de componentes fluorescentes;reconhecimento de corpos d'água;rastreamento de origem