为实现机动车尾气高精度监测，提出一种高精度宽量程NO测量方法。针对尾气中SO₂及NO在紫外波段存在吸收峰重合从而无法直接进行单组分气体反演问题，首先用紫外差分光学吸收光谱（ultra-violet differential optical absorption spectroscopy, UV-DOAS）法计算得到混合气体在NO敏感波段（200 nm～230 nm）的差分光学密度（differential optical density, DOD），并引入自适应干扰对消技术以实现混合气体DOD的快速分离，最终利用最小二乘法对分离出的NO进行浓度反演。该方法可实现100×10^?6～3 000×10^?6范围内NO浓度（气体的体积分数）快速反演，经测试，在100×10^?6～200×10^?6浓度范围内反演相对误差绝对值小于10%，在300×10^?6～3000×10^?6浓度范围内，反演相对误差绝对值小于5%。该方法具有测量量程大、速度快的特点，可满足汽车尾气中3 000×10^?6范围内NO浓度测量要求。

HONO作为大气OH自由基的前体物和重要贡献源, 影响着大气中污染物的氧化降解, 控制着对流层大气的自净能力, 对灰霾和光化学烟雾形成起到重要作用, 同时受污染排放特征、 垂直传输和混合、 非均相反应和大气光氧化等影响, HONO具有明显的垂直分布特征, 因此探究大气中HONO的垂直分布特征对于了解大气灰霾和光化学污染的形成和控制都十分重要。 MAX-DOAS作为一种被动遥感技术, 能够快速有效地获取大气中污染物的立体分布特征。 采用MAX-DOAS仪器对合肥市科学岛2017年12月冬季大气HONO和NO₂进行了立体探测, 通过基于最优估算的气溶胶和痕量气体廓线反演算法PriAM获取了两种气体的垂直分布特征。 研究结果表明, 在观测期间NO₂在近地面10 m内体积混合比(VMR)和垂直柱浓度(VCD)的范围分别在0.51×10¹¹~20.5×10¹¹ molecules·cm^-3和6.0×10¹⁵~5.5×10¹⁶ molecules·cm^-2, 在垂直方向上其浓度主要集中在1 km内, 且在近地面浓度混合均匀。 HONO的VMR和VCD分别在0.03×10¹⁰~5.1×10¹⁰ molecules·cm^-3和3.5×10¹⁴~7.0×10¹⁵ molecules·cm^-2之间, 浓度高值出现在100 m内, 浓度随高度的升高而明显下降。 通过对HONO和NO₂的对比发现, HONO/NO₂比值在0.17%~16.0%(VMR)和1.0%~25.0%(VCD)之间, 表明研究期间HONO主要来自于NO₂的转化。 对冬季一次典型污染过程(2017.12.26—2017.12.31)分析, HONO/NO₂的比值大于5%, 且HONO的浓度值升高(大于0.26×10¹¹ molecules·cm^-3), 表明污染条件下NO₂向HONO的转化作用变强。 结合风场信息研究发现, 污染期间研究区域的NO₂和HONO浓度受到合肥市城区、 安徽北部和西北部地区传输的影响。

成像差分吸收光谱技术是成像光谱技术和差分吸收光谱技术的结合, 能够采集图谱合一的数据立方, 并通过光谱反演得到痕量气体浓度的二维分布信息。 地基IDOAS仪器通过安装平台的水平旋转实现摆扫成像, 可用于识别污染气体的排放源和监测气体的扩散情况。 然而和所有的成像光谱技术相类似, 地基IDOAS也容易出现条带噪声的问题, 会产生相应的伪结构, 影响后续的信息提取和数据分析。 目前星载和机载IDOAS中常见的条带噪声去除算法有均匀区域校正法、 传输模型模拟法、 傅里叶变换频域滤波法、 多项式拟合法等, 应用到地基仪器中均存在不适用的问题。 介绍了一种基于权重变分模型的条带噪声去除算法, 该算法首先通过分块自适应阈值分割得出表征遮挡区域的权重矩阵, 然后利用条带噪声的方向性和稀疏性建立各向异性的变分模型, 最后通过交替方向乘子算法迭代求解。 为检验去条带算法的可靠性, 使用稀疏、 稠密、 周期、 随机、 整行、 部分、 单行、 多行等多种模拟噪声进行了性能测试。 测试结果证明权重变分算法能够有效去除各种常见的条带噪声, 目视效果和四种全参考评价指标均有良好的表现。 地基IDOAS于2018年夏季在四川乐山进行了外场实验, 实验中仪器的水平扫描范围覆盖360°全方位角, 扫描间隔为1°, 垂直方向仪器同时采集0°~30°仰角内的光谱。 仪器的积分时间设置为500 ms, 每组全景扫描的工作时间约为15 min。 利用DOAS技术对采集到的太阳散射光谱进行反演, 最终得到的NO₂和SO₂气体的二维浓度分布图的像素大小为360×48。 从反演结果来看, 条带噪声对不同时间和不同气体的观测结果的影响大小均不同。 经权重变分算法处理后, 多组NO₂和SO₂浓度分布中的条带噪声情况得到极大的改善, 并且没有出现过度平滑的情况。 结果表明, 该算法适用于地基IDOAS数据的条带噪声去除。

氨气是大气中常见的污染气体之一，其浓度检测结果易受到环境温度的影响，为准确检测氨气浓度，必须对温度的影响进行修正。该文将遗传算法与差分吸收光谱技术相结合，对氨气检测过程中温度的影响进行研究。基于紫外差分吸收光谱技术，搭建了296 K～328 K温度下的氨气检测系统，采用遗传算法对氨气检测结果进行温度补偿。结果表明，通过实验获得的温度补偿模型可有效消除温度对氨气检测的非线性影响，从而提高检测精度。在328 K温度下，44×10⁻⁶氨气检测结果的误差降低了26.97%，随着温度变化，线性相关系数均在0.998 16以上；6×10⁻⁶氨气在温度补偿前后系统的检测限分别为0.198×10⁻⁶和0.278×10⁻⁶。

取代基通过取代苯环上的H原子形成不同苯系物(苯、 甲苯、 二甲苯等), 其共有结构苯环上的不固定π键电子受到激发, 使得苯系物在紫外波段240~280 nm具有明显的特征吸收结构, 鉴于此大气中的苯及相关的苯系物可以通过差分光学吸收光谱(DOAS)方法来进行定量, 但采用该波段测量需要考虑以下问题: 首先是氧气(O₂)的吸收干扰问题, 苯(C₆H₆)在该波段的吸收截面与O₂在243~287 nm Herzzberg带相互重叠, 且O₂的特征光谱结构随O₂的浓度不同而变化, 导致O₂的吸收光学密度与O₂的浓度不成线性关系。 其次, 苯系物结构上的相似性使其在紫外波段的特征吸收结构差别较小并且相互重叠, 从而对C₆H₆的拟合产生干扰。 此外, 除了O₂和苯系物以外, 还有臭氧(O₃)、 二氧化硫(SO₂)等干扰。 C₆H₆在195~208 nm的深紫外波段具有较大的吸收截面(2.417×10^-17 cm²·molecule^-1), 为240~260 nm处截面大小(2.6×10^-18 cm²·molecule^-1)的9倍左右, 针对C₆H₆在深紫外195~208 nm波段的吸收特征, 开展便携式DOAS定量方法研究, 采用该波段进行C₆H₆的光谱定量分析并应用到实际的外场观测。 通过建立C₆H₆与干扰气体SO₂, 氨(NH₃), 二硫化碳(CS₂)和一氧化氮(NO)的差分吸收截面的二维相关性矩阵, 获取C₆H₆光谱定量的最优反演波段。 通过开展实验室条件下C₆H₆, SO₂和NH₃不同浓度配比的混气实验对195~208 nm波段反演C₆H₆的效果进行评估。 实验结果显示, 采用195~208 nm波段进行光谱反演的探测限为17.6 μg·m^-3, 光谱反演浓度与理论浓度的相对测量误差均小于5%且RSD(相对标准偏差)小于3%, 同时与240~260 nm波段反演结果进行对比, 相对误差小于5%。 在外场实际情况下, 利用便携式DOAS系统获取190~300 nm的大气测量光谱, 通过DOAS方法解析并结合GPS信息, 获得了某化工园区C₆H₆的污染浓度分布, 实验结果表明采用195~208 nm深紫外波段同样能适用于对C₆H₆的光谱定量, 与240~260 nm波段反演结果进行对比, 二者的相关性达到了0.98且相对误差小于10%。

利用差分吸收光谱法(DOAS)可以实现污染气体的在线监测。 为了提高监测精度, 通常利用傅里叶变换滤波法(FFT)处理差分吸收光谱数据, 但是因其频率分辨率的限制, 影响其幅值精度, 导致气体浓度的测量误差较大。 提出了一种将FFT和FT相结合的差分光谱数据处理方法(FFT+FT), 首先对差分吸收光谱数据做FFT变换, 得到其全景谱, 再对峰值点附近的频谱用改进的连续FT进行细化, 提高特征吸收频段的分辨率, 对幅值误差进行补偿, 从而提高气体浓度在线监测的精度。 实验配制了不同浓度的SO₂和NO₂气体, 当细化倍数为15时, SO₂和NO₂气体的最大测量误差不超过3.68%和3.17%, 相对于FFT法, 平均误差分别降低了1.82%和1.45%; 相对于传统的多项式拟合法, 平均误差分别降低了14.9%和1.80%; 对恒定浓度的SO₂和NO₂气体分别进行了多次测量, 验证了FFT+FT方法的稳定性。 分析了细化倍数对测量精度的影响, 当细化倍数小于15时, 浓度测量误差随着细化倍数的增加而降低; 当细化倍数从15增加到20时, 误差反而逐渐变大, 在大于20以后, 误差出现波动, 且都大于细化倍数为15时的测量误差。 由于细化倍数太大, 使谱线过于密集, 找到频谱序列最大值的概率降低了, 因此在有噪声的情况下采用该法进行频谱校正时, 会出现细化倍数加大而测量精度反而降低的现象。 确定了最优细化倍数, 在确保测量精度前提下, 使频谱细化的计算量最小, 满足DOAS法实时在线监测气体浓度的要求。