面向天然河道或者水体，以及在复杂的废水收集管网中的污染物排放通常是很隐蔽和繁杂的。这主要是由于各个排污单元污水的种类和时空排放规律造成的。而作为一个整体的天然水体，由于监测成本的问题，我们通常只是在特定的断面进行水质的监测。这样的监测会造成对各个排污单元或者是排放口的监管相当困难，也很难对污染事件的责任划分进行有法律依据的界定。污染物溯源是目前水环境监测领域较为重要的领域。

通过科学的设置，污染排放点以及河流断面的监测手段和取样策略，可以明显增加此类工作的可行性和有效性。

例如，可以在需要监控的排污口，设置特定时间间隔的留样器，来达到保留证据和后期精准标准测定的样本，从而明确污染排放的时间节点和数量。比如可以对一个化工企业的总的排放口，每隔一小时留取一个样本，可以设置留样器的总时间为三天。然后随着时间的推进，用最新的样本替代最老的样本，循环留样。通常情况下， 这样的样本并不进行后续的化学测定分析。而只是作为一种出现特殊情况的时候，能够获取先前样本的一种手段。

对于受纳水体的监控，作为一个完整的监控系统，需要长期规律化的稳定的进行。在特定的关键断面，可以设置标准化的常规指标监测系统。这是现有水环境监测体系一直在推进的工作，不再赘述。

但纯粹作为一种溯源的目的，可以将受纳水体的断面监控与排污口的留样系统综合在一起进行考虑，并结合一些水质指纹图谱的化学分析方法，利用智能来识别受纳水体污染与排污口排放之间的关系。这样可以大大简化整体的操作难度以及总体方案成本。

在具体的方案里边，通过采集排污口的典型空间分布的水质污染指纹图谱数据集，以及完整的流量信息。然后，将其在空间上叠加到受纳水体空间分布的相应图谱数据中，确定其实时污染贡献率。由于指纹图谱是一类综合性的数据形式，与现有的国家水质监测标准是有差异的，一般不能作为监测执法和管理的直接证据。这个时候我们就可以通过前面的留样系统，对计算确定时间和空间的责任污染事件的样本进行调取，执行完整的标准化分析实验。大概估计这样的检测分析工作强度会降低几个数量级。

液体样本的指纹图谱近年来，获得了分析化学领域的广泛关注，可以通过很多的途径来获得二维图谱性质的数据。例如，利用三维荧光图谱、近红外扫描、化学机器视觉技术等。在面向水环境监测领域，随着监测空间由点到面的扩张，所需的成本也成百倍的上升，所以，如何能够控制监测设备的成本、人工成本都是非常重要的内容。相对来说，结合了人工智能的化学机器视觉技术，具有现在广泛使用的机器视觉技术的成本优势，以及数据获取容量大，频度高的优势，可能会构建更为高效的水环境污染监管溯源系统。