1 中国科学技术大学环境科学与光电技术学院, 安徽 合肥 230026 国科学院合肥物质科学研究院, 安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
2 国科学院合肥物质科学研究院, 安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
傅里叶变换红外光谱技术可同时测量多种温室气体组分的浓度。 仪器噪声和谱线重叠效应会对光谱数据的质量产生影响, 从而影响各组分反演浓度的结果。 针对上述问题, 使用不同数量的主成分对时序测量光谱矩阵进行重建, 并将重建光谱矩阵与原始光谱矩阵之间的欧式距离和余弦距离作为动态选择主成分数量的判据, 重建时序测量光谱, 从而提高时序光谱数据的质量。 采用该方法分别对数值仿真光谱、 标准气体测量光谱和外场实验测量光谱进行了处理。 结果表明, 叠加0.001 RMS噪声的数值仿真光谱经过光谱重建后, 光谱的结构特征未明显改变, 重建光谱与原始光谱之间的残差标准差为4.191×10-4, 有效降低了测量光谱中噪声的影响。 采用该方法对标准气体的平均测量光谱进行了重建, 并比较了重建光谱与平均光谱的反演浓度精度。 1 min平均测量光谱反演各组分浓度的精度为CO2: 0.24 μmol·mol-1、 CH4: 5.24 nmol·mol-1、 N2O: 2.92 nmol·mol-1和CO: 4.72 nmol·mol-1; 5 min平均测量光谱反演各组分浓度的精度为CO2: 0.18 μmol·mol-1、 CH4: 2.30 nmol·mol-1、 N2O: 1.03 nmol·mol-1和CO: 1.53 nmol·mol-1; 1 min重建光谱反演各组分浓度的精度为CO2: 0.17 μmol·mol-1、 CH4: 2.97 nmol·mol-1、 N2O: 0.72 nmol·mol-1和CO: 1.40 μmol·mol-1; 5 min重建光谱反演各组分浓度的精度为CO2: 0.15 μmol·mol-1、 CH4: 1.74 nmol·mol-1、 N2O: 0.29 nmol·mol-1和CO: 0.97 nmol·mol-1。 利用重建光谱进行反演能够显著提高气体反演浓度的精度, 5 min重建光谱反演浓度的精度结果能够达到WMO/GAW的扩展测量精度要求。 在外场实验中, 1 min重建光谱反演CO2得到的浓度与1 min平均光谱反演得到的CO2浓度的相关系数可达到89.40%。 综合分析可知, 对FTIR时序光谱数据进行主成分动态选择不仅降低了时序测量光谱中噪声的影响, 而且有效保留了时序测量光谱的特征变化信息。
傅里叶变换红外光谱 主成分分析 光谱降噪 温室气体 FTIR Principal component analysis Spectral noise reduction Greenhouse gas 光谱学与光谱分析
2023, 43(7): 2313
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
工业园区中边界污染气体的浓度不仅受工业园区无组织污染源的排放影响, 也受园区道路机动车尾气的扩散影响。 利用AG-FTIR-DA3000型开放光程傅里叶变换红外光谱（Open-FTIR）测量系统, 对厂区边界污染气体进行实时在线测量, 确定污染气体厂界实测浓度。 同时, 针对机动车尾气扩散影响厂区边界污染气体浓度的问题, 通过AG-FTIR-DX4000型便携式傅里叶变换红外光谱（FTIR）测量系统, 确定不同排放标准下机动车尾气污染源浓度。 利用便携式FTIR测量结果、 风速风向、 大气稳定度、 车流量等变量因素建立参考坐标, 给出了高斯扩散的数理模型。 并结合Open-FTIR, 对Open-FTIR的测量路径进行积分计算并构建点线源扩散模型, 从而建立各种排放标准的烟团线源扩散表。 将Open-FTIR实测浓度与构建的点线源扩散模型模拟浓度相结合, 分析工业园区边界污染气体的来源。 结果表明: 厂区边界污染气体主要包括一氧化碳、 甲烷、 乙烯、 乙醛、 丙烯、 甲醇、 丙醛、 异丁烯、 甲醛、 二氧化硫, 其中一氧化碳、 甲烷、 乙烯浓度受机动车尾气的扩散影响。 早晚高峰期时, 机动车尾气的扩散对边界污染气体浓度影响较大; 非高峰期, 在1:00时与4:00—6:00时浓度骤升, 出现高浓度点, 不符合机动车尾气模型排放规则, 主要受园区排放影响。 其最高浓度与集中浓度分别为: 5.50与4.00 mg·m-3; 1.85与1.60 mg·m-3; 78.00与40.00 μg·m-3。 对比扩散表, 符合尾气扩散浓度分布结果。 其他测量结果组分的最高值和平均值依次为: 1.65与1.40 mg·m-3; 2.60与1.27 mg·m-3; 43.53与11.40 mg·m-3; 310.23与839.05 μg·m-3; 76.32与38.96 μg·m-3; 47.70与25.20 μg·m-3; 1.33与1.16 mg·m-3。 该研究不仅实现了工业园区边界多组分污染气体的实时在线测量, 同时结合外场环境及便携式FTIR测量结果实现了边界污染气体浓度的混合测定。 为今后对工业园区边界污染气体的来源判断提供了一种分析思路。
厂区边界 机动车尾气 扩散模型 Factory boundary VOCs VOCs FTIR FTIR Motor vehicle exhaust Diffusion model 光谱学与光谱分析
2022, 42(12): 3762
中国科学院合肥物质科学研究院, 安徽光学精密机械研究所, 环境光学与技术重点实验室, 安徽 合肥 230031
被动傅里叶变换红外(FTIR)扫描遥测成像系统采集的红外高光谱图像具有空间、 光谱等维度信息, 可被用于大气环境中有毒有害气体的识别、 定量及可视化。 该系统具有光谱分辨率高、 非接触式及远距离探测等优点, 然而其单帧图像的像元数量少且部分存在气体吸收或发射特征, 无法直接用于红外高光谱图像的目标检测。 提出了基于多帧背景的泄漏气体自适应匹配滤波(AMF)检测方法, 以短时间内、 同一区域的多帧红外高光谱图像为基础, 筛选出无目标气体特征的背景光谱并计算探测区域的背景最大似然估计, 应用于后续帧的目标气体泄漏检测。 红外高光谱图像来自于SF6气体的遥测实验, 共扫描四帧(120像元/帧), 去除前三帧内含有目标气体特征的像元光谱, 剩余背景光谱被用于计算背景的最大似然估计, 第四帧红外高光谱图像逐像元对SF6气体进行的AMF检测, 并与非线性最小二乘法反演的SF6柱浓度图像比对, 结果表明AMF检测高值与柱浓度高值有较强的相关性。 为验证多帧背景在不同空间检测方法下的性能, 分别对该帧数据进行了基于正交子空间的自适应子空间检测(ASD)、 基于混合空间的自适应余弦检测(ACE)及基于斜子空间的最大似然比检测(OGLRT), 并分别与SF6柱浓度图像比对, 结果表明多帧背景适用于不同空间的检测方法。 此外, 为验证存在目标气体吸收特征的非背景光谱对背景空间的影响, 向背景空间中加入多条含有SF6气体吸收特征的光谱, 通过ROC曲线检验, 结果表明背景空间中混入目标气体特征会降低AMF方法的检测性能。 AMF检测值的假彩色图像也能应用于被动FTIR扫描遥测成像系统, 相较于柱浓度假彩色图像, 泄漏源及扩散趋势更为明显。 基于红外高光谱图像的检测方法依赖于整体背景的统计特性, 相较于单像元光谱波段的反演算法, 极大地降低了背景的依赖性。 多帧背景下的AMF泄漏气体检测方法能很好地应用于被动FTIR扫描遥测成像系统上并满足在线监测要求。
傅里叶变换红外光谱技术 扫描遥测 气体泄漏 自适应检测 FTIR Scanning remote sensing Gas leakage Adaptive detection 光谱学与光谱分析
2022, 42(10): 3307
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所环境光学与技术重 点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
将变量选择方法中 SFS、LASSO 和 Elastic Net 三种不同方法与广义交互验证准则相结合, 实现对 FTIR 光谱气体成分变量的初步筛选, 再采用循环迭代 CLS 方法对初步筛选的变量中浓度小于 0 的成分进行循环剔除, 然后根据变量在测量向量中的方向占比对选择的变量进行精选, 最终得到目标气体成分。为了验证各识别算法的识别性能, 分别进行了 CH4 和 SF6 外场排放实验, 两组实验结果表明建立的识别算法应用于气体目标识别的效率高、识别准确率高, 且能够识别出干扰成分 H2O。此算法为被动 FTIR 技术在危险气体泄露预警监测中的应用提供了方法基础。
光谱学 气体识别方法 变量选择技术 光谱分析 spectroscopy gas identification method variable selection method spectral analysis
1 桂林电子科技大学 电子工程与自动化学院, 广西 桂林 541004
2 广西光电信息处理重点实验室, 广西 桂林 541004
为识别空间外差光谱仪探测目标干涉信号的特征信息, 提出一种基于经验模态分解与回归分析的空间干涉谱目标提取方法。首先对预处理后的光谱进行经验模态自适应分解, 得到各阶次固有模态分量并分别计算它们与原始光谱信号的Pearson相关系数, 根据相关系数分选准则判定背景与目标信息重构的分界点。然后计算重构背景与实测背景间的Pearson相关系数来判定经验模态分解结果。对信号主导的固有模态分量利用小波软阈值进行消噪,重构较纯净的目标特征信息; 利用目标特征信息与原始干涉光谱信息进行多元线性回归分析获得最佳的近似滤波系数, 构造滤波器并应用到目标信号, 提取目标。最后通过差谱信号与提取的目标光谱的Pearson相关系数来判别提取的目标信号。实验结果表明: 经验模态分解可将背景与目标近似分离; 在未知背景信号情况下, 利用经验模态分解与回归分析可实现钾共振双线特征光谱的提取。
空间外差光谱仪 光谱图 经验模态分解 多元线性回归分析 Pearson相关系数 spatial heterodyne spectrometer spectrum empirical mode decomposition multivariate linear regression analysis Pearson correlation coefficient 红外与激光工程
2018, 47(12): 1223001
1 桂林电子科技大学电子工程与自动化学院,广西 桂林 541004;
2 桂林电子科技大学广西光电信息处理重点实验室,广西 桂林 541004
3 中国科学院通用光学定标与表征技术重点实验室,安徽 合肥 230031
针对红外超光谱干涉光谱仪的技术特点,分析其探测器非线性响应的形成机理,仿真含有高阶非线性误差的干涉数据,并研究二、三阶非线性响应对光谱的影响;提出一种迭代方法,即通过交叉迭代使光谱带外畸变最小,从而确定校正系数进而校正非线性响应;通过获取不同温度黑体观测的干涉数据,用交叉迭代法校正实测数据并复原光谱,将未吸收波数光谱响应与黑体辐亮度进行拟合。结果表明:二阶非线性响应主要影响带外数据,三阶非线性响应主要影响带内数据,仅校正二阶非线性响应时,光谱带内数据仍会有残留误差;交叉迭代法可以校正探测器的非线性响应,且三阶非线性校正的精度比二阶的提高了约7.26%;校正后的拟合优度比校正前的提高了约0.4%,校正后的干涉数据更准确。
探测器 遥感 非线性响应 交叉迭代 红外超光谱 校正
