激光雷达反演大气边界层高度的优化方法 下载: 850次
1 引言
大气边界层(PBL)是存在各种尺度湍流活动,并存在显著日变化的低层大气[1],近地面气溶胶和地表在吸收太阳短波辐射后会影响边界层的演变。边界层的演变过程对污染物的扩散和云凝结核的输送起到了重要作用[2],同时边界层也是天气预报和模式中需要考虑的重要因素[3]。另外,大气气溶胶多聚集在边界层内[4],与人类生活息息相关。
边界层高度(PBLH)是边界层的重要参数,其范围从数百米到几千米不等,随时间、空间的变化而发生改变。对边界层高度进行连续观测是研究边界层变化的有效途径。因此获取高时空分辨率的边界层高度观测数据具有重要意义。激光雷达是一种具有时空分辨率高、探测距离远、部署便捷等优势的主动遥感设备,可以对大气进行连续的垂直探测,实时获取大气垂直结构,并能准确反映污染物的分布聚集情况与时空变化[4-7]。该设备通过望远镜接收大气后向散射信号,以气溶胶作为示踪物间接反映边界层的高度变化,是边界层高度探测的有效手段[5,8-12]。利用激光雷达对边界层高度进行反演的方法主要有梯度法[13-14]、小波协方差变换法[15-16]、阈值法[17-18]等,还包括结合气溶胶参数对边界层高度进行反演的方法[19]。用阈值法对大气边界层进行识别,需要后向散射信号有较高的信噪比(SNR),且在气溶胶垂直分布复杂的情况下,使用阈值法识别边界层高度存在困难[20]。小波协方差变换法在用梯度法的基础上增加了低通滤波器[19],多应用于激光雷达实时获取边界层高度。
小波协方差变换法是利用Haar小波协方差变换得到激光雷达大气后向散射回波信号的协方差廓线,再通过确定极值位置得到边界层的高度。对于边界层高度处存在明显的信号突变且边界层高度周围的垂直梯度小的情况,小波协方差变换法能够反演得到有效的边界层高度。Haar小波尺度的选取会受到边界层高度的信号跃变强度和边界层高度周围的垂直梯度大小的影响[15]。针对大气回波信号中有气溶胶层结构位于边界层之上的情况,采用较小Haar小波尺度的小波协方差变换法获取边界层高度会存在较大误差,采用较大Haar小波尺度能够得到可靠的边界层高度结果,但会损失近地层信号结构[21]。在边界层以上出现气溶胶层的情况下,利用1064 nm通道的回波信号反演的边界层高度比532 nm通道能够更好地反映边界层的演变,这是因为1064 nm波长相比532 nm波长,对大粒子更敏感,更容易反演得到可靠的边界层高度。
对于单波长弹性散射激光雷达通常采用532 nm通道观测大气气溶胶,在复杂的气溶胶垂直分布情况下,利用532 nm通道信号反演的边界层高度易受到多层气溶胶的影响。本文针对边界层以上出现气溶胶层的复杂大气垂直分布情况,理论模拟并分析Haar函数尺度参数选取对边界层高度识别的不确定性影响,并对选取的2013年7月1日和2013年8月23日本课题组在浙江金华实验中获得的双波长激光雷达数据,将包括梯度法、小波协方差变换方法和二维矩阵方法在内的3种反演方法应用到边界层高度反演实验中,以1064 nm波长信号反演的边界层高度为可靠结果(小波协方差变换方法和二维矩阵方法的结果相近的情况下),比较小波协方差变换方法和二维矩阵方法在532 nm波长下边界层高度反演结果的差异,分析二维矩阵方法在复杂大气气溶胶垂直分布情况下的反演优势。最后给出边界层高度演变随地面温度的变化情况。
2 实验仪器设备及数据介绍
本研究使用的激光雷达数据来自一台自主研制的双波长米氏偏振拉曼激光雷达系统,简称DMPRL[22-23]。该激光雷达系统的发射光有532 nm和1064 nm两个波长,532 nm波长激光由1064 nm波长激光经过二倍频获得,接收通道分别是532 nm垂直、532 nm平行、607 nm和1064 nm 4个通道。获得的激光雷达数据的时间分辨率为30 s,空间分辨率为7.5 m。采用的激光雷达探测的边界层高度并非传统意义的边界层高度,而是利用大气气溶胶作为示踪物,将气溶胶后向散射信号由强变弱的地方确定为边界层高度。DMPRL的设备参数详见
表 1. DMPRL系统参数
Table 1. Parameters of the DMPRL system
|
DMPRL于2013年6月开始在浙江省金华市的浙江师范大学(119.65°N,29.14°E)进行大气垂直探测实验,数据采集时间为2013年6月至2014年6月,历时一年。金华位于浙中丘陵盆地地区,地势复杂,海拔高度差大,不利于大气中污染物扩散。金华地区PM10和PM2.5的主要贡献源为工业源[24]。局地气溶胶和传输气溶胶的多种气溶胶来源,加上复杂的地形结构,容易影响大气气溶胶的垂直分布,增加了利用激光雷达反演边界层高度的难度[25]。对此次实验数据的分析,有利于边界层高度算法的优化和多层气溶胶结构复杂情况下边界层高度的连续反演。对边界层高度反演使用的数据是DMPRL中532 nm和1064 nm波长的大气回波信号。地面温度资料来源于就近的气象站点,该气象站点距离DMPRL观测地点4 km左右,时间分辨率为1 h。
3 激光雷达反演边界层高度的方法
激光雷达具有很高的时间分辨率和空间分辨率,可以24 h无人值守连续观测,在连续探测边界层高度方面有很大的优势。在雷达数据进行边界层高度反演前,需要确定激光雷达回波信号具有较好的信噪比,因此要选择数据质量良好的信号进行边界层高度的反演。同时,在云底高度过低的情况下,也会影响边界层高度的识别。边界层高度通常在100~3000 m的范围内变化[4],因此对于3 km以下出现云层回波信号的情况需要考虑云层出现对边界层反演的影响。本文选取的观测时间段内3 km以下无云层回波信号存在,因此不涉及云层出现对边界层反演影响的讨论。
米氏散射激光雷达方程可以表示为
式中:P(z)是激光雷达接收高度z处的大气后向散射回波信号的功率;C为激光雷达系统常数;O(z)为几何因子;β(z)为高度z处的大气后向散射系数;α(z)为高度z处的大气消光系数。P(z)通过去背景和几何因子校正,再通过距离平方校正可以得到激光雷达的距离平方校正回波信号(RCS)。激光雷达将气溶胶作为示踪物,判断大气回波信号中的信号突变位置,并将其作为边界层高度。小波协方差变换法经过Haar函数的处理可以检测出大气回波信号的突变位置。
3.1 小波协方差变换法识别边界层高度
小波协方差变换(WCT)法利用Haar函数对距离校正信号进行协方差变换,具体可以表示为[15]
式中:h为Haar函数;b为Haar函数的中心位置;a为Haar函数的尺度大小;Wf为信号通过协方差变换后得到的新廓线;zb和zt分别表示处理高度的上限和下限位置。Wf取得最大值的位置为边界层的高度。
图 1. 利用小波协方差变换法从模拟RCS中理论识别的边界层高度。(a)(b)边界层以上不存在散射层时的RCS强度和对应的边界层高度;(c)(d)边界层以上存在散射层时的RCS强度和对应的边界层高度
Fig. 1. Theoretical calculation of PBLH retrieved by WCT from simulated RCS. (a)(b) Simulated RCS intensity and corresponding PBLH profile without a backscatter layer above PBLH; (c)(d) simulated RCS intensity and corresponding PBLH with a backscatter layer above PBLH
3.2 二维矩阵方法识别边界层高度
使用小波协方差变换法识别边界层高度时,边界层高度的反演结果易受到多层气溶胶的影响。为了在多层气溶胶出现复杂大气垂直分布的情况下仍能够识别到可靠的边界层高度,本研究使用基于二维矩阵的方法来提升边界层高度的识别准确性。该方法的具体计算过程可表示为
式中,(2n+1)为二维矩阵的尺度大小,m为权重大小(m>1),Gt(z)为距离校正信号在时间为t、距离为z处的梯度大小,Δt和Δz分别为数据采集的时间分辨率和距离分辨率。
确定矩阵的维度大小和矩阵中元素权重后,可以得到二维矩阵An。以Gt(z)为中心,向四周扩展,选取(2n+1)×(2n+1)大小的矩阵组成Qn。通过(6)式计算得到新的廓线M(z),当M(z)达到最小值时的高度位置定义为边界层高度。这种矩阵结合梯度对边界层高度进行反演的方法,称为矩阵优化法(2-D matrix method)。矩阵优化法不仅考虑了垂直方向的距离优化,还考虑了水平尺度的时间优化,通过二维尺度搜索距离校正信号的突变位置,获取边界层高度的识别结果。
4 实验结果
选取两个时间段的DMPRL观测数据,同时使用小波协方差变换法和二维矩阵方法对选取的数据进行边界层高度识别。选取的时间分别为2013年7月1日10:00—19:00和2013年8月13日6:00—12:00。DMPRL可以同时获得532 nm和1064 nm波长两个通道的大气回波信号,因此可以同时反演两个波长的边界层高度。梯度法的识别结果也一并给出,以作参考。其中,二维矩阵方法采用232.5 m和15 min的二维尺度大小,小波协方差变换法中Haar函数分别采用300 m(532 nm)和100 m(1064 nm)的尺度大小来对边界层高度进行识别。
图 2. 对DMPRL在2013年7月1日10:00—19:00的532 nm和1064 nm两通道RCS分别通过梯度法、小波协方差变换法和二维矩阵方法反演的边界层高度。(a) 532 nm波长RCS强度;(b) 1064 nm波长RCS强度;(c) 532 nm波长的边界层高度;(d) 1064 nm波长的边界层高度
Fig. 2. PBLH retrieved by gradient, WCT and 2D matrix methods from RCS at 532 nm wavelength and 1064 nm wavelength of DMPRL during 10:00 to 19:00 on July 1, 2013. (a) Intensity of RCS at 532 nm wavelength; (b) intensity of RCS at 1064 nm wavelength; (c) PBLH at 532 nm wavelength; (d) PBLH at 1064 nm wavelength
在
图 3. 对DMPRL在2013年8月13日6:00—12:00的532 nm和1064 nm两通道数据分别通过梯度法、小波协方差变换法和二维矩阵方法反演的边界层高度。(a) 532 nm波长RCS强度;(b) 1064 nm波长RCS强度;(c) 532 nm波长的边界层高度;(d) 1064 nm波长的边界层高度
Fig. 3. PBLH retrieved by gradient, WCT and 2D matrix methods from RCS at 532 nm wavelength and 1064 nm wavelength of DMPRL during 6:00 to 12:00 on August 13, 2013. (a) Intensity of RCS at 532 nm wavelength; (b) intensity of RCS at 1064 nm wavelength; (c) PBLH at 532 nm wavelength; (d) PBLH at 1064 nm wavelength
图 4. 2013年7月1日(Case 1)和2013年8月13日(Case 2)沿532 nm和1064 nm两通道通过小波协方差变换法和二维矩阵方法反演得到边界层高度的相关性,平均时间为15 min,误差棒表示标准差。(a) 1064 nm通道;(b) 532 nm通道
Fig. 4. PBLH correlation between WCT and 2-D matrix methods from RCS at 532 nm wavelength and 1064 nm wavelength on July 1, 2013 (Case 1) and on August 13, 2013 (Case 2), in which the average time is 15 min, and the error bar represents the standard deviation. (a) PBLH at 1064 nm wavelength (b) PBLH at 532 nm wavelength
由于在
图 5. 532 nm和1064 nm两通道反演边界层高度的相关性
Fig. 5. PBLH correlation between 532 nm wavelength and 1064 nm wavelength
边界层的演变发展具有日变化特征,
图 6. 532 nm和1064 nm两通道反演的边界层高度和地面温度随时间的变化 。(a) 2013年7月1日10:00—18:00; (b) 2013年8月13日6:00—11:00
Fig. 6. PBLH retrieved from RCS at 532 nm wavelength and 1064 nm wavelength and surface temperature versus time in two cases. (a) 10:00 to 18:00 on July 1, 2013; (b) 6:00 to 11:00 on August 13, 2013
5 结论
激光雷达具有高的时间、空间分辨率,能够对大气进行全天候连续垂直探测。激光雷达以气溶胶为示踪物,通过识别大气回波信号中的信号突变位置来确定边界层高度,是连续监测大气边界层高度变化的有效工具。本研究理论模拟了小波协方差变换法在大气回波信号中存在散射层情况下识别的边界层高度,结果表明Haar小波尺度选取对识别结果的影响较大,Haar小波尺度选取不合理会造成边界层高度的误判和低层信号的损失,故该方法应用于边界层以上出现气溶胶散射层信号的情况时存在不足。为此,提出考虑时间和距离的二维矩阵方法,并将其应用于这种复杂情况下大气边界层高度的识别。选取浙江金华实验两个时间段的连续观测数据进行分析,对其532 nm和1064 nm波长的距离校正信号采用梯度法、小波协方差变化法和二维矩阵方法进行边界层高度的识别,当边界层出现多层气溶胶结构时,边界层高度的识别结果在532 nm波长出现差异,且小波协方差变换方法识别的边界层高度要高于二维矩阵方法识别的结果,而在1064 nm波长,两种方法的识别结果一致。将1064 nm波长的小波协方差变换法的识别结果作为可靠的边界层高度(1064 nm波长下使用小波协方差变换法和使用二维矩阵方法获得的识别结果相差不超过200 m情况下),发现在532 nm波长使用小波协方差变换法的识别结果和可靠结果的相关性与532 nm波长使用二维矩阵方法获得的识别结果和可靠结果的相关性从0.37提高到0.87。最后给出了532 nm波长(二维矩阵方法)和1064 nm波长(小波协方差矩阵方法)的边界层高度与地面温度随时间的变化,一致的变化趋势说明此结果是可靠的。
二维矩阵方法从时间、距离二维尺度上识别信号中的边界层高度,有助于改善在532 nm波长大气回波信号中存在多层气溶胶结构情况下边界层高度的识别结果,为进一步改善无云情况下(3 km以内无云层出现)激光雷达自动连续识别边界层高度提供了优化的反演方法。在污染条件下,气溶胶垂直分布具有多种来源,夜间会出现夹卷层和残留层,故多层气溶胶结构较易出现。二维矩阵方法可以很好地改善532 nm激光雷达在上述情况下对边界层高度的自动连续反演能力,边界层高度的可靠识别对于研究气溶胶的传输、气溶胶的来源和夜间边界层的探测提供了重要的边界层参数信息。
[1] 盛裴轩, 毛节泰, 李建国. 大气物理学[M]. 2版. 北京: 北京大学出版社, 2013: 239- 240.
Sheng PX, Mao JT, Li JG. Atmospheric physics[M]. 2nd ed. Beijing: Peking University Press, 2013: 239- 240.
[2] Emeis S, Schäfer K, Münkel C. Surface-based remote sensing of the mixing-layer height a review[J]. Meteorologische Zeitschrift, 2008, 17(5): 621-630.
[3] Mao M J, Jiang W M, Gu J Q, et al. Study on the mixed layer, entrainment zone, and cloud feedback based on lidar exploration of Nanjing City[J]. Geophysical Research Letters, 2009, 36(4): L04808.
[4] Stull RB. An introduction to boundary layer meteorology[M]. Dordrecht: Springer Netherlands, 1988: 545- 585.
[5] 庄全风, 王一萌, 王章军, 等. 多波长气溶胶激光雷达观测北京地区持续性雾霾的典型案例[J]. 激光与光电子学进展, 2019, 56(24): 240101.
[6] 徐俊杰, 卜令兵, 刘继桥, 等. 机载高光谱分辨率激光雷达探测大气气溶胶的研究[J]. 中国激光, 2020, 47(7): 0710003.
[7] 方欣, 王敏, 胡顺星. 合肥梅雨季节大气污染物分布特征的激光雷达探测[J]. 中国激光, 2019, 46(1): 0110003.
[9] 闫宝东, 宋小全, 陈超, 等. 2011春季北京大气边界层的激光雷达观测研究[J]. 光学学报, 2013, 33(s1): s128001.
[10] 张薇, 吴松华, 宋小全, 等. 夫琅禾费暗线激光雷达探测青岛市郊大气边界层[J]. 光学学报, 2013, 33(6): 0628002.
[11] 王东祥, 宋小全, 冯长中, 等. 相干多普勒激光雷达观测渤黄海海洋大气边界层高度研究[J]. 光学学报, 2015, 35(s1): s101001.
[12] 项衍, 张天舒, 刘建国, 等. 基于激光雷达对WRF模式模拟边界层高度的评估[J]. 中国激光, 2019, 46(1): 0110002.
[13] Endlich R M, Ludwig F L, Uthe E E. An automatic method for determining the mixing depth from lidar observations[J]. Atmospheric Environment, 1979, 13(7): 1051-1056.
[14] 王珍珠, 李炬, 钟志庆, 等. 激光雷达探测北京城区夏季大气边界层[J]. 应用光学, 2008, 29(1): 96-100.
[15] Brooks I M. Finding boundary layer top: application of a wavelet covariance transform to lidar backscatter profiles[J]. Journal of Atmospheric and Oceanic Technology, 2003, 20(8): 1092-1105.
[16] Lewis J R, Welton E J, Molod A, et al. Improved boundary layer depth retrievals from MPLNET[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(17): 9870-9879.
[17] Melfi S H, Spinhirne J D, Chou S H, et al. Lidar observations of vertically organized convection in the planetary boundary layer over the ocean[J]. Journal of Climate and Applied Meteorology, 1985, 24(8): 806-821.
[18] Campbell J R, Sassen K, Welton E J. Elevated cloud and aerosol layer retrievals from micropulse lidar signal profiles[J]. Journal of Atmospheric and Oceanic Technology, 2008, 25(5): 685-700.
[19] Bravoaranda J A. Moreira G D A, Navasguzman F, et al. A new methodology for PBL height estimations based on lidar depolarization measurements: analysis and comparison against MWR and WRF model-based results[J]. Atmospheric Chemistry and Physics, 2017, 17(11): 6839-6851.
[20] 滕继峣, 秦凯, 汪云甲, 等. 基于激光雷达观测的大气边界层自动识别局部最优点算法[J]. 光谱学与光谱分析, 2017, 37(2): 361-367.
[21] Mao F Y, Gong W, Song S L, et al. Determination of the boundary layer top from lidar backscatter profiles using a Haar wavelet method over Wuhan, China[J]. Optics & Laser Technology, 2013, 49: 343-349.
[22] 于思琪, 刘东, 徐继伟, 等. 大气气溶胶多层结构的激光雷达探测[J]. 装备环境工程, 2019, 16(6): 30-34.
Yu S Q, Liu D, Xu J W, et al. Aerosol multi-layer vertical distribution detected by lidar[J]. Equipment Environmental Engineering, 2019, 16(6): 30-34.
[23] Wang Z Z, Liu D, Wang Y J, et al. Development of dual-wavelength Mie polarization Raman lidar for aerosol and cloud vertical structure probing[J]. Proceedings of SPIE, 2014, 9299: 929916.
[24] 项成龙, 王杨君, 周怀中, 等. 金华市人为源大气污染物排放清单[J]. 环境科学与技术, 2017, 40(S2): 229-237.
Xiang C L, Wang Y J, Zhou H Z, et al. Development of the anthropogenic air pollutants emission inventory in Jinhua[J]. Environmental Science & Technology, 2017, 40(S2): 229-237.
[25] Zhang W C, Augustin M, Zhang Y, et al. Spatial and temporal variability of aerosol vertical distribution based on lidar observations: a haze case study over Jinhua basin[J]. Advances in Meteorology, 2015, 2015: 447-466.
于思琪, 刘东, 徐继伟, 王珍珠, 吴德成, 钱立勇, 毛敏娟, 王英俭. 激光雷达反演大气边界层高度的优化方法[J]. 光学学报, 2021, 41(7): 0728002. Siqi Yu, Dong Liu, Jiwei Xu, Zhenzhu Wang, Decheng Wu, Liyong Qian, Minjuan Mao, Yingjian Wang. Optimization Method for Planetary Boundary Layer Height Retrieval by Lidar[J]. Acta Optica Sinica, 2021, 41(7): 0728002.