黄芪作为重要的中药材，广泛应用于药物制剂和健康产品中，其产地对药材质量及药效具有显著影响。光谱分析技术由于其制样简单、快速等优点在中药材质量控制和产地鉴别中逐渐崭露头角。然而，黄芪基原复杂、成分多样，单一光谱技术难以实现全面表征和准确预测。数据融合技术可以对黄芪多源信息进行不同级别的融合，从而实现更全面、可靠的分析结果。为提高黄芪产地鉴别的准确性，从元素特征和分子特征的互补优势出发，基于激光诱导击穿光谱(Laser-Induced Breakdown Spectroscopy，LIBS)技术和近红外光谱(Near-Infrared Spectroscopy，NIR)分析技术结合数据融合策略实现不同产地黄芪的鉴别分析。实验采集了甘肃、黑龙江、内蒙古、山西和陕西5个产地黄芪的LIBS光谱和NIR光谱数据。首先，建立了基于LIBS和NIR单光谱的支持向量机（Support Vector Machine, SVM)、随机森林(Random Forest, RF)和线性判别分析(Linear Discriminant Analysis, LDA)的产地鉴别模型，在LDA模型上得到最优准确率为88%。进而，以LDA模型作为基础模型，建立了LIBS-NIR光谱低级融合和中级融合的产地鉴别模型。结果显示，低级融合分类的准确率为92.00%，曲线下面积(Area Under Curve，AUC)为0.996 4，低级融合初步提高了分类的性能。中级融合分类效果最优，准确率为96.00%，AUC值为0.999 8。最终结果表明，基于LIBS-NIR光谱中级融合方法有效去除了冗余信息，克服了单一光谱信息源的局限性，实现了黄芪产地的准确鉴别。在此基础上，进一步解释中级融合模型中与黄芪产地鉴别相关的光谱特征重要性，为中药材产地鉴别提供了新思路和技术路径。