为了提升大气物质边界层高度（AMBLH）的识别准确性，基于2020年11月至2021年11月在青岛开展的大气边界层（ABL）观测实验，提出了一种基于相干多普勒激光雷达（CDL）信噪比数据的AMBLH的综合反演方法，并应用此方法反演得到了青岛地区的AMBLH，其与探空仪反演结果的相关度为0.93。分析了青岛一年内的AMBLH发展情况，发现各月份AMBLH均有日变化特征，其中6、7月特征相对较弱，推测这与夏季来自海洋的东南风盛行有关。AMBLH月均值在全年呈起伏波动趋势，在冬末至春初、夏末至秋初的阶段逐步增大。AMBLH月均中位数4月最高、6月最低，AMBLH季度发展程度由高到低的顺序为春季、冬季、秋季、夏季，其中春季和冬季高度相近。AMBLH各季度日变化中抬升趋势出现的时间为夏季早于春季，秋季与春季相近并早于冬季。

为了探究广汉机场上空边界层高度的变化特征，利用多普勒激光雷达的载噪比数据，采用梯度法、小波协方差法和标准方差法，对机场上空的边界层高度进行了反演，并与L波段探空和飞机探测数据进行了对比,利用飞机探测数据和探空仪数据对激光雷达反演的边界层高度进行了验证。结果表明，在对流边界层顶的识别上，3种方法都能较好地捕获边界层信息，且一致性较好，但在对残余层顶和稳定边界层顶的识别上，梯度法无论是准确性、连续性还是稳定性上都表现出了明显优势;反演得到的对流边界层和残余层高度维持在2000 m左右，稳定边界层高度在100 m～200 m之间; 受边界层内湍流的影响，物质边界层高度与热力边界层高度在某些时段会出现显著差异。该研究可为飞行训练提供预警信息，更好地保障飞行安全。

针对常用激光雷达边界层高度估计方法在云层或悬浮气溶胶层等复杂大气结构下会产生误判的问题，提出一种融合K-means和熵权法的高鲁棒性大气边界层高度估计方法。选取美国大气辐射测量项目南部大平原站点的微脉冲激光雷达数据，将K-means算法和熵权法应用于多种条件下的边界层高度估计，从初始参数选取和距离计算两个方面提升基于聚类分析的边界层高度的估计性能。实验结果表明：与常用激光雷达边界层高度估计方法相比，所提方法具有较强的抗干扰能力，能更好地追踪复杂大气结构下的边界层高度日变化过程；在晴朗无云天气和复杂大气结构下，其边界层高度的估计值与无线电探空仪边界层高度的测量值基本一致，相关系数分别为0.9718和0.9175。所提方法具有较高的鲁棒性，可以可靠地估计多种条件下的大气边界层高度。

利用三个站点(金华、合肥和兰州)同时期的观测数据对边界层高度进行了反演、统计和分析。研究结果表明,三个站点的边界层高度具有明显的季节、日变化特征。除冬季外,金华和合肥的边界层高度要低于兰州。兰州的边界层高度的上升和下降时间与日出、日落时间有着良好的对应关系,合肥的边界层高度则在日出数小时后才出现明显上升。金华、合肥和兰州日间月平均边界层高度最高值分别出现在9月、8月和6月,月平均最大混合层高度出现的月份分别是9月、8月和7月。了解边界层高度的时空分布规律,可以为空气污染防治、天气预报以及气候预测等提供进一步的参考。

结合茂名外场观测数据以及气象要素再分析数据,对台风外围环流影响和局地海陆风环流(SLBC)影响下沿海地区的大气边界层(ABL)结构识别方法和特征规律展开研究。利用气象要素探空数据和微脉冲激光雷达(MPL)观测数据进行了大气边界层高度(BLH)识别方法的适用性分析,提出了一种新的基于微脉冲激光雷达的BLH识别方法,以有效提高复杂边界层结构情况下激光雷达识别BLH结果的准确性,进而分析了受大尺度和局地环流影响的ABL结构以及BLH的时空变化特征。结果表明:沿海地区在没有大尺度天气系统的控制时,局地SLBC的影响较为显著,会使ABL出现多层复杂结构,BLH表现出波峰和波谷交替出现的日变化规律;BLH开始增长的时间一般出现在白天的陆风-海风转换时刻,最大值一般出现在正午气溶胶层顶的位置,即2 km左右;BLH下降的时间通常伴随着夜间的海风-陆风转换,最小值一般出现在夜间残留层以下稳定边界层顶的位置,低至500 m左右。而台风外围环流控制下,局地SLBC引起的局地对流现象会被抑制,ABL昼夜交替的空气上升、下沉运动减弱甚至消失,整个ABL内气溶胶垂直分布较为均匀,BLH与气溶胶层顶基本重合,维持在2 km左右,BLH变化波动不大且没有比较明显的日变化规律。

基于差分吸收激光雷达反演了气溶胶消光系数、边界层高度以及臭氧的质量浓度，通过大气温度廓线、地面气象要素和空气质量数据以及后向轨迹和海军气溶胶分析与预测系统分析了望都县的一次重污染过程。实验结果表明，观测期间望都县处于东亚大槽系统的控制下，近地面层100~200 m内一直存在逆温层。颗粒物污染严重时，地面相对湿度较高、风速较小，高空有弱下沉气流，这有利于颗粒物的吸湿增长和长时间聚集；且边界层的高度始终较低，不利于污染物的扩散。此外，边界层高度与颗粒物质量浓度没有明显的相关性，但与能见度呈负相关，相关系数为-0.344。臭氧的质量浓度与气温和能见度呈正相关，与相对湿度、边界层高度和风速呈负相关。本地的静稳天气以及外地污染源传输是造成本次望都县空气污染的主要原因。

由于大气中气溶胶垂直分布复杂,常用的梯度法和小波协方差变换法在边界层高度自动连续识别方面仍具有较大的不确定性。选取在浙江金华两个时间段内观测得到的双波长激光雷达数据,将二维矩阵方法应用于复杂大气垂直分布情况下边界层高度的反演,从距离和时间两个维度优化边界层高度的反演结果。研究结果表明,在气溶胶垂直分布出现多层结构的情况下,小波协方差变换法反演的边界层高度有较大的误差,而二维矩阵方法具有一定的优势。在532 nm波长基于二维矩阵方法和小波协方差变换方法反演的边界层高度与1064 nm波长基于小波协方差变换方法反演的边界层高度的相关系数分别为0.87和0.37。边界层高度与地面温度变化趋势一致,表明边界层高度的反演结果是可靠的。二维矩阵方法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可靠性提供了很好的借鉴与参考。

大气边界层的垂直分层可以阻碍或改变能量、动量、湿气和微量物质的垂直和水平传输,所以边界层高度对于大气的研究特别重要。探空数据在时间上不能连续给出全天的边界层高度变化,很多情况下边界层顶的气溶胶含量的梯度不明显,所以不能准确给出边界层高度。本文基于拉曼激光雷达的水汽混合比数据,采用斜率法和Douglas-Peucker(DP)算法相结合的方法反演边界层高度,并将其结果与探空数据进行比较,结果表明两者吻合得较好。

2015年12月份重污染频发的北京市先后启动两次大气重污染红色预警。本研究根据中科院大气物理研究所铁塔分部激光雷达的立体探测数据, 采用梯度法反演北京市区大气边界层高度, 并对中尺度数值模式WRF的模拟结果进行评估。结果表明, 虽然两种方法的结果具有较好的一致性, 但是极值并没有很好地吻合。激光雷达反演边界层高度日变化与WRF模拟结果的相关性达到0.76, 均方根误差为163 m, 平均偏差为-61 m。同时发现在清洁天气下, WRF模拟的准确性要高于污染天气下的模拟结果。此外地面观测的PM2.5质量浓度与激光雷达反演的大气边界层高度相关性达到-0.85。

拉曼激光雷达已经广泛应用于大气气溶胶、大气温度和水汽的空间分布及时间演变特征测量。为了获取北京污染期间大气气溶胶边界层的特征, 2014年11月~2015年1月期间在中国科学院大学雁栖湖校区利用拉曼激光雷达进行连续观测。使用梯度法处理激光雷达观测数据得到边界层高度,同时与国家环保部提供的当地颗粒物浓度数据进行对比。观测期间灰霾天共出现15天, 污染天出现27天, 干净天出现24天。灰霾天、污染天和干净天三种情况下的平均大气边界层高度范围分别为0.6~0.9、0.9~1.3、1~1.9 km; PM2.5的质量浓度范围分别为143~203、77~90、17~34 μg/m3; PM10的质量浓度范围分别为170~271、103~153、33~78 μg/m3。研究结果表明: 北京地区大气边界层高度对近地面颗粒物浓度具有明显的负相关影响。干净天、污染天和灰霾天下的PM2.5和PM10的质量浓度变化率随大气边界层高度降低而依次增大。灰霾天大气边界层高度引起的PM2.5质量浓度平均变化率为-242.4 μg·m-3/km, 约为污染天(-114.8 μg·m-3/km)的两倍, 干净天(-77.4 μg·m-3/km)的三倍; 灰霾天大气边界层高度引起的PM10质量浓度平均变化率为-224.2 μg·m-3/km, 约为污染天(-117.6 μg·m-3/km)的两倍, 干净天(-90.4 μg·m-3/km)的两倍。