1 西藏高原大气环境科学研究所, 西藏 拉萨 850000 中国科学院长春光学精密机械与物理研究所, 应用光学国家重点实验室, 吉林 长春 130033
2 中国气象科学研究院, 灾害天气国家重点实验室和青藏高原气象研究所, 北京 100081
3 中国气象局气象探测中心, 北京 100081
4 中国科学院长春光学精密机械与物理研究所, 应用光学国家重点实验室, 吉林 长春 130033
5 西藏自治区大气探测技术与装备中心, 西藏 拉萨 850000
基于多轴差分吸收光谱技术(MAX-DOAS)开展拉萨上空太阳散射光谱观测和对流层NO2柱浓度反演研究, 探究西藏和平解放70周年大庆活动期间拉萨上空NO2对流层垂直柱浓度变化特征。 研究结果表明: 观测实验期间(2021年8月9日至2021年8月31日)白天NO2对流层垂直柱浓度的平均值为4.46×1015 molec·cm-2, 明显高于西藏和平解放70周年大庆活动日当天NO2浓度水平(2.85×1015 molec·cm-2); 而且NO2对流层垂直柱浓度日均值的逐日变化与地面在线观测数据具有良好相关性, 相关系数为0.58。 观测实验期间拉萨市主导风向为西风, 东西方向是大气NO2污染物的传输通道, 这与拉萨城区河谷地形相一致。 观测实验期间NO2对流层垂直柱浓度小时均值的平均日变化呈现“U”型分布, 早晚出现高值, 低值浓度出现在16:00时左右, 但西藏和平解放70周年大庆活动日当天NO2对流层垂直柱浓度的日变化除表现为早晚峰值外, 还在正午12:00时出现峰值, 这与活动结束后道路管控措施解除以及活动保障车辆行驶排放有关。 本研究证实了地基MAX-DOAS遥感观测技术在高原城市拉萨具有很好地适用性, 同时也发现拉萨大气NO2浓度水平变化主要受城市交通排放影响, 西藏和平解放70周年大庆活动当日拉萨对流层大气NO2浓度低。
多轴差分吸收光谱技术 二氧化氮 对流层柱浓度 拉萨 MAX-DOAS NO2 Tropospheric column density Lhasa 光谱学与光谱分析
2023, 43(6): 1725
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, 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
2 安徽新华学院城市建设学院, 安徽 合肥 230088
发光二极管(LED)发射光谱窄限制了差分吸收光谱反演波段, 难以实现多种气体的同时测量。 采用光纤束组合两种紫外LED形成组合式LED宽带光源, 应用于DOAS系统实现大气SO2和O3的同步探测。 光谱分析显示两种LED灯谱在280～295 nm处发生叠加, 275～301 nm有明显的灯结构。 该灯结构会随着双峰光强比增加而增强, 同时向短波方向漂移。 实际测量时, 外界环境改变会引起两个LED光谱各自独立变化, 且二者发射光谱波段内大气消光存在差异。 这将导致大气吸收光谱的双峰光强比不断变化, 且与灯谱不一致, 二者相除难以抵消灯结构。 光谱反演结果显示宽带光源灯结构为参考谱参与拟合无法较好地扣除干扰。 为扣除测量时LED光谱独立变化对光谱反演的影响, 提出采用各LED独立灯结构作为参考谱参与拟合, 结果显示SO2和O3拟合残差分别由1%、 6‰降低至4‰左右, 扣除效果较好。 该方法与避开干扰结构相比, 拓宽了SO2和O3的反演波段, SO2和O3吸收峰分别增加了1.75倍和1倍, 平均拟合误差分别降低了67.5%和37.3%, 测量精度明显提高。 SO2和O3测量结果与同时段同地区的传统氙灯长光程DOAS系统比较, 结果显示二者保持较高一致性, 相关性系数R高于95%。 结果表明DOAS反演时组合式LED宽带光源灯结构可以通过各LED独立的灯结构来拟合扣除。
差分吸收光谱技术 组合式LED宽带光源 光谱结构扣除 同步探测 Differential optical absorption spectroscopy Combined LED broadband light source Spectral structure removal Simultaneous 光谱学与光谱分析
2023, 43(11): 3339
1 合肥学院生物食品与环境学院, 安徽 合肥 230601
2 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, 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
3 中国科学技术大学, 安徽 合肥 230026
成像差分吸收光谱技术 (IDOAS) 能够显示污染物的空间分布, 目前已成功运用于地基扫描、机载与星载等多个平台, 为环境监测及治理提供了有力支撑, 其中地基 IDOAS 主要运用于对某一污染源的探测。分析了成像系统基于“推扫”方式的工作原理, 并将此技术应用于城市大气边界层污染物分布的探测。为更高效使用差分吸收光谱技术 (DOAS) 反演各种痕量气体成分, 更精确地分析污染气体的时空分布特征, 对 QDoas 软件进行了源码级分析和优化。在 Windows 平台上, 使用 C++ 和 QT 对 QDoas 代码进行重组, 通过重新提取、整合、改写与优化代码, 实现了更快速便捷的反演功能模块。为检验模块的反演效果, 以大气中常见的污染物 NO2 和 SO2 为例, 于 2019 年 11 月 6 日在铜陵富鑫钢铁厂开展了现场观测实验。使用新编软件对观测数据进行数据反演后成功获得污染气体的二维分布信息图, 证实了该软件在实际大气环境监测中的适用性。
差分吸收光谱技术 数据反演 二维分布成像 软件研发 differential absorption spectroscopy data inversion two-dimensional distribution imaging software development 大气与环境光学学报
2022, 17(2): 249
1 中国科学院空天信息创新研究院, 国家环境保护卫星遥感重点实验室, 北京 100101
2 中国科学院大学, 北京 100049
3 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, 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
4 上海卫星工程研究所, 上海 201109
5 安徽师范大学地理与旅游学院, 安徽 芜湖 241000
云顶压强可用于估计云高, 对气象观测和云特性研究等具有重要的作用。基于高分五号卫星搭载的多角度偏振探测仪 (DPC) 在氧气 A 吸收带设置的 763 nm 和 765 nm 两个波段进行了云顶压强反演方法的研究。首先, 通过辐射传输模拟和多项式拟合得到了大气压强的计算公式, 并对拟合公式进行了误差分析和校正。然后, 分析了气溶胶、大气廓线等因素对云顶压强反演结果的影响, 并进一步利用晴空地表对反演方法进行了稳定性测试和原理性验证。测试结果表明氧气 A 带方法稳定性较好, 可以适用于不同天气状况和观测角度; 验证结果表明 DPC 反演压强与 DEM 估算压强有很好的一致性, 地表压强的平均偏差约为 47.6 hPa。最后, 将 DPC 反演的云顶压强与 MODIS 云顶压强产品 (MYD06) 进行了对比, 结果表明两颗卫星的云顶压强观测结果具有较好的空间一致性。
云顶压强 差分吸收光谱技术 氧气 A 吸收带 反演 cloud top pressure differential optical absorption spectroscopy oxygen A-band retrieval 大气与环境光学学报
2021, 16(3): 256
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, 中国科学院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 230036
3 安徽大学物质科学与信息技术研究院, 安徽 合肥 230601
利用差分吸收光谱技术 (DOAS) 反演了我国首个星载大气痕量气体差分吸收光谱仪 (EMI) 的臭氧斜柱浓度 (SCD), 通过 SCIATRAN 辐射传输模型建立了大气质量因子 (AMF) 的查找表, 最终得到 EMI 的臭氧垂直柱浓度 (即臭氧柱总量)。将 EMI、OMI 和 TROPOMI 于 2018 年 11 月 2 日获得的南极区域臭氧柱总量进行了对比分析, 三者均观测到南极中高纬度 (30° S～70° S) 的臭氧高值区域与南极内陆 (75° S～90° S) 的臭氧低值区域, 且 EMI 与 OMI、TROPOMI 的臭氧柱总量相关性 (R2) 分别为 0.977 和 0.979。进一步将 EMI 反演的臭氧柱总量与南极长城站 (62.22 S, 58.96 W) 地基天顶散射光差分吸收光谱仪 (ZSL-DOAS) 反演的臭氧柱总量进行对比, 二者相关性 (R2) 为 0.926。
大气痕量气体差分吸收光谱仪 差分吸收光谱技术 南极 臭氧柱总量 查找表 environmental trace gases monitoring instrument differential optical absorption spectroscopy Antarctica total ozone columns lookup table 大气与环境光学学报
2021, 16(3): 215
淮北师范大学物理与电子信息学院, 安徽 淮北 235000
基于多轴差分吸收光谱技术 (MAX-DOAS) 反演 NO2 柱浓度的方法, 构建了相应的地基 MAX-DOAS 系统, 开展了 NO2 柱浓度变化特征的观测。反演中选取天顶方向的光谱作为参考光谱, 通过非线性最小二乘法反演出 NO2 斜柱浓度 (SCD), 结合不同观测方向的斜柱浓度得到 NO2 差分斜柱浓度 (dSCD), 再利用几何近似法得到大气质量因子 (AMF), 最终获取 NO2 垂直柱浓度 (VCD)。于 2019 年 6 月至 2020 年 5 月在淮北地区开展了为期一年的外场实验, 研究结果表明淮北地区 NO2 VCD的月均值在观测期间内呈现倒“U”型变化, 在 12 月份达到最高值 2.13×1016 molecules·cm-2, 在 8 月份达到最低值 5.23×1015 molecules·cm-2。将 MAX-DOAS 观测结果的日均值与 OMI 卫星 (云系数分别为 0
多轴差分吸收光谱技术 NO2 垂直柱浓度 对比分析 multi-axis differential optical absorption spectro OMI OMI NO2 vertical column density contrastive analysis 大气与环境光学学报
2021, 16(2): 107
安徽大学物质科学与信息技术研究院, 安徽 合肥 230601
二氧化氮(NO2)在大气光化学中发挥着重要作用, 不仅参与了对流层臭氧(O3)的催化生成, 同时也能促进生成二次气溶胶。 NO2作为交通运输和工业过程中的重要排放产物, 通常也被视为一种评估人为污染源排放的指示物, 因此, 开展城市NO2分布与排放研究对于城市大气污染管控与治理具有重要意义。 2018年1月和2月期间, 基于车载多轴差分吸收光谱技术(MAX-DOAS)对衡水市区开展了4次走航观测实验, 获取了衡水市区环城路上对流层NO2垂直柱浓度(VCD)的空间分布, 其浓度范围为0.89×1015~56.33×1015 molecule·cm-2, 均值在22.42×1015~30.20×1015 molecule·cm-2。 观测结果表明衡水市NO2污染源主要分布在城外东南方向的工业聚集区, 以及市区环城路东部的立交桥路段; 而城市西部和北部则较为干净, 当风场来自该区域会对污染源区起到一定的清洁作用, 可使源区NO2浓度降低20%以上。 航测期间进行了站点对比观测, 综合两者的观测结果评估了衡水市东部污染区域的相对贡献, 其NO2含量比西部洁净区域高出了30.1%~61.9%、 贡献值高7.89×1015~13.32×1015 molecule·cm-2。 将NO2城市分布与WRF模式模拟的气象数据相结合, 可计算出目标区域的NO2本地排放通量为0.86×1024 molecule·s-1, 该结果相对较低, 一方面说明衡水市区相对于其他研究区域, 其NO2污染源并非在集中在市区内部; 另一方面是因为本次实验研究区域的面积仅有50 km2, 远小于其他研究的城市区域范围。 对于实验测得的衡水市区输出总通量, 其中96.16%来源于外部传输, 3.84%为本地排放造成, 进一步证明了衡水市NO2主要污染源位于城外。 通过实验期间衡水市区的后向轨迹气团与OMI卫星的NO2平均结果可看出, 衡水市除城市东部和东南部的本地污染源外, 也受到了北部的保定、 廊坊和西北部的石家庄等地的污染传输影响。 总体来看, 车载多轴差分吸收光谱技术对于城市NO2等污染气体的源区确认、 污染贡献评估和排放通量计算方面有较出色的应用前景。
车载多轴差分吸收光谱技术 空间分布 排放通量 Mobile MAX-DOAS NO2 Distribution Emission flux NO2
淮北师范大学,物理与电子信息学院,安徽 淮北 235000
基于2018年12月8日～12月31日淮北地区多轴差分吸收光谱技术(MAX-DOAS)获得的太阳散射光谱观测数据,反演了该地区NO2对流层柱浓度, 并分析了冬季不同天气下NO2浓度日变化特征。观测结果表明NO2浓度高值出现在12月18日～12月27日期间,日均值最大值6.83×1016 molecules/cm2出现在12月27日,约为日均值最低值的2.9倍。结合风场轨迹模型研究了不同大气条件下的风场,发现在NO2浓度较低时段主要为 偏北风场, NO2浓度高值时段偏南风场增加,表明城区产生的污染向观测区域进行了输送。将MAX-DOAS结果与OMI卫星结果进行了 对比,发现两者具有较好的一致性(R2=0.88)。
多轴差分吸收光谱技术 NO2垂直柱浓度 变化特征 对比分析 multi-axis differential optical absorption spectro NO2 vertical column density variation characteristics contrastive analysis 大气与环境光学学报
2020, 15(3): 217
1 重庆大学 光电技术及系统教育部重点实验室,重庆 400044
2 重庆川仪自动化股份有限公司技术中心,重庆 401121
使用差分吸收光谱技术(Differential optical absorption spectroscopy, DOAS)进行工业在线气体检测,在气体浓度较低时,其光谱吸收不明显, 信噪比较低,通过传统方法来对工业气体浓度进行反演,预测结果难以满足工业应用具体要求。针对SO2气体的差分吸收光谱特点, 采用氚灯作为光源,采集189.73～644 nm波段内的标准浓度SO2的吸收光谱高维数据,选取吸收光谱数据并进行预处理,然后 利用训练集数据建立深度信念网络模型进行低维特征提取。在此基础上,利用训练数据的低维嵌入特征构建极限学习机反演模型, 实现SO2气体浓度计算,并对该模型进行了有效性测试,从而得到一种更加精确的SO2气体浓度在线检测方法。
气体浓度检测 差分吸收光谱技术 深度信念网络 极限学习机 gas concentration detection SO2 SO2 differential optical absorption spectroscopy deep belief network extreme learning machine 大气与环境光学学报
2020, 15(3): 207
