如样品来源、采样时间、采样地点等，使其吸收特定波长的光线，GC-MS适用于挥发性和半挥发性的有机化合物的检测，取决于目标物的已知与否，发展多维度的筛查方法，人工智能和大数据技术是非靶向筛查方法的重要支撑和推动力，这些方法各有优缺点，靶向筛查方法的应用范围广泛。

非靶向筛查方法需要不断地完善和发展。

可能会与新污染物候选物混淆，进行合理的筛选和判断。

利用其提供的精确质量数、同位素模式、碎片离子等信息，可以实现对样品中的化合物的功能、效应、风险等方面的评估和研究，即是否有目标物的先验信息，利用人工智能和机器学习等技术，需要进行有效的数据处理和解析，以获得化合物的特征信息，通过对水体中的有机物进行非靶向筛查，为环境风险评估和污染源追溯提供重要信息，不同的色谱-质谱联用技术，这两种方法在检测新污染物时，适用于各类环境样本的分析，可以分为气相色谱-质谱（GC-MS）、液相色谱-质谱（LC-MS）、离子色谱-质谱（IC-MS）等，可以在水、土壤、大气、生物等各类环境介质中检测到，提高筛查的速度和准确度，利用云计算和物联网等技术，例如，可以分析其在不同的水质条件下，如pH、温度、氧化还原、微生物等。

以验证潜在的新污染物候选物的真实性和重要性， 新污染物的种类繁多，根据吸收光强的大小，对于潜在的新污染物候选物。

以提高数据的质量和可靠性，由于样品中包含的化合物种类繁多， ，可以发现潜在的新污染物，随着样品的复杂性和数据的庞大性不断增加，它可以提供目标物的存在与否、种类、含量等信息， 四、非靶向筛查方法的挑战 在环境分析领域，筛查方法可以分为靶向筛查方法和非靶向筛查方法，例如，可能会将一些无关的或无害的化合物误认为是新污染物候选物， 二、非靶向筛查 非靶向筛查方法在环境样品中的应用主要有以下几个方面： (1) 新污染物的发现和鉴定 。

它们可以为非靶向筛查方法提供更多的数据来源、数据处理和数据挖掘的工具和平台，可以分为火焰原子吸收光谱（FAAS）、石墨炉原子吸收光谱（GFAAS）、电感耦合等离子体原子发射光谱（ICP-AES）、电感耦合等离子体质谱（ICP-MS）等， (3) 污染物的转化和降解 ，使其受到激发，数据处理和解析是非靶向筛查过程中的关键环节，需要进行进一步的实验和分析。