基于侧向散射激光雷达的PM2.5浓度测量误差 下载: 845次
1 引言
近年来,城市空气污染的治理力度有所加大,但是灰霾等天气仍然频繁出现。目前,大气气溶胶[1]已经直接影响到国民生计。大气中空气动力学直径小于2.5 μm的颗粒物(PM2.5)引起了人们的广泛关注。史博等[2-4]提出了探测近地面PM2.5时空分布的方法。常规的PM2.5探测仪器只能探测地表附近PM2.5的浓度变化,且实时性较差(一般1 h输出一次数据),较难获取PM2.5的实时时空分布。激光雷达的出现使得PM2.5的实时时空探测成为可能[5]。Barnes等[6-7]使用收发装置分离的激光雷达装置探测了当地大气情况,证明了使用该装置探测大气气溶胶消光系数的空间分布是切实可行的。孟祥谦等[8-9]利用水平散射图像得到大气散射相函数的相对值,将其作为参数并反演了垂直方向的气溶胶消光系数分布廓线,反演得到的消光系数值与合肥大气辐射观测站的双波长偏振Mie散射激光雷达的观测结果一致。麻晓敏等[10]提出了基于CCD的侧向散射激光雷达信号提取方法,证明了侧向散射激光雷达测得的数据是可靠的。胡淼等[11]提出了基于CCD后向散射激光雷达进行实时PM2.5浓度监测的方法。但是,在该方法中,由于激光发射光路与望远镜视场在近区内不完全重合,因此从地面到数百米高度的低空范围内的激光雷达存在探测盲区,气溶胶后向散射信号不能完全被探测到,而这一区域恰好为PM2.5的富集区,是气象和环境部门重点关注的区域。改进后的侧向散射激光雷达[12]将发射装置与接收装置分两处放置,消除了后向散射激光雷达中几何因子产生的影响。在低空PM2.5富集区,PM2.5的浓度测量精度大大提高,同时使用了侧向散射技术,使空间分辨率也得到了提高。这两种方法使得侧向散射激光雷达在测量低空PM2.5浓度分布时具有显著的优势。由于实时侧向散射激光雷达采用的CCD敏感度较高,容易受背景光的影响。CCD接收到的侧向散射回波信号夹杂了大量的背景噪声,因此如何减少背景噪声的干扰并减小激光雷达的测量误差是当前的主要研究方向。
本文研究了CCD侧向散射激光雷达(Clidar)系统的PM2.5浓度测量误差。通过实验数据的拟合结果得到经验公式,将不同增益下各预测模型的反演值与实际测量结果进行对比,以平均误差、残差方差和综合偏差率统计量的角度对Clidar的测量误差进行分析。
2 测量原理和实验装置
根据颗粒物粒径尺度与激光波长的关系,将大气气溶胶颗粒散射分为瑞利散射、Mie散射和拉曼散射。散射程度为粒子半径
Clidar系统由激光发射、光学接收、几何定标及数据采集等子系统组成。
对于Clidar系统,在散射角
表 1. Clidar系统的关键技术参数
Table 1. Key technical parameters of Clidar system
|
式中
假定大气成分组成比例在实验测量期间未发生变化,在每天测量的数据中,只有PM2
根据(3)式可得
3 实验结果分析
在实验过程中,背景干扰光可能为月光、星光、路灯及建筑物等的反射光。为了减弱背景干扰光的影响,实验时间选在晴朗的夜晚(19:00-23:00),实验地点选在杭州电子科技大学科技馆楼顶。为了防止二次反射和地面干扰,选择夜空作为背景,同时在CCD前安装中心波长为532 nm的干涉滤光片,以提高探测信号的信噪比。调整镜头焦距使激光散射信号在CCD中清晰成像,选择合适的光圈以增大CCD的动态范围,并防止PM2.5浓度过大导致的信号溢出。为了与BAM-1020颗粒物监测仪的测量结果进行比较,Clidar系统每隔1 min采集1组数据,利用程序自动捕捉并保存50帧回波信号图,1 h内得到60幅信号图,并求取平均值。BAM-1020颗粒物监测仪每小时得到1组PM2.5质量浓度平均数据。实验期间地区周边无新开设的工厂,气溶胶颗粒密度分布函数基本保持不变。
在处理回波信号图时,为了进一步减弱天空背景光和自身热效应等噪声的干扰,将50幅图像各个相同位置像素点上的灰度值进行叠加,然后求出各个像素点灰度的平均值。提取回波信号图的灰度值矩阵,绘制相应的伪彩图以观察噪声的变化。
式中
图 2. 不同PM2.5浓度下的回波信号伪彩图。 (a) 低浓度; (b) 正常浓度; (c) 高浓度
Fig. 2. Echo signal pseudo color images under different PM2.5 concentrations. (a) Low concentration; (b) normal concentration; (c) high concentration
为了寻找
以平均误差、残差方差和综合偏差率统计量角度对Clidar系统反演PM2.5浓度值的测量误差进行分析。利用残差,即各点实际值与预测值(通过直线函数计算所得)的差值,求出各个残差的平均值,将该平均值作为平均误差。残差方差,即残差的平方和除以残差个数与1的差值。综合偏差率,即各数据点偏差率的平均值,可反映CCD在不同增益下
图 3. 高、低增益下S(i)模型的PM2.5浓度反演值与实测PM2.5浓度值对比图。 (a) i=0; (b) i=20; (c) i=40; (d) i=60; (e) i=80
Fig. 3. Comparison of PM2.5 concentration derived from S(i) model with high gain and low gain and measured PM2.5 concentration. (a) i=0; (b) i=20; (c) i=40; (d) i=60; (e) i=80
表 2. 高、低增益下5种预测模型的参量
Table 2. Parameters of five models under high gain and low gain
|
4 结论
通过Clidar系统观测大气颗粒物,获得了CCD观测图像,提取出灰度值矩阵,拟合CCD在高、低增益下获取的回波信号图光强分布总值与PM2.5浓度的关系式,将根据经验公式反演的PM2.5颗粒物浓度值与BAM-1020颗粒物监测仪实测的颗粒物浓度值进行对比,比较CCD在不同增益下不同预测模型的平均误差、残差方差和综合偏差率,并得出以下结论:CCD在高增益下预测模型的反演精度高于低增益下预测模型的反演精度;CCD在高增益下,
[1] 石广玉, 王标, 张华, 等. 大气气溶胶的辐射与气候效应[J]. 大气科学, 2008, 32(4): 826-840.
石广玉, 王标, 张华, 等. 大气气溶胶的辐射与气候效应[J]. 大气科学, 2008, 32(4): 826-840.
Shi Guangyu, Wang Biao, Zhang Hua, et al. The radiative and climatic effects of atmospheric aerosols[J]. Chinese Journal of Atmospheric Sciences, 2008, 32(4): 826-840.
[2] 史博, 陶宗明, 麻晓敏, 等. 基于侧向散射技术的近地面气溶胶后向散射系数廓线探测[J]. 光学学报, 2015, 35(5): 0501006.
史博, 陶宗明, 麻晓敏, 等. 基于侧向散射技术的近地面气溶胶后向散射系数廓线探测[J]. 光学学报, 2015, 35(5): 0501006.
[4] 陶宗明, 单会会, 麻晓敏, 等. 近地面PM2.5质量浓度廓线反演方法及个例研究[J]. 激光与光电子学进展, 2015, 52(11): 110102.
陶宗明, 单会会, 麻晓敏, 等. 近地面PM2.5质量浓度廓线反演方法及个例研究[J]. 激光与光电子学进展, 2015, 52(11): 110102.
[7] Barnes J E. Sharma N C P, Kaplan T B. Atmospheric aerosol profiling with a bistatic imaging lidar system[J]. Applied Optics, 2007, 46(15): 2922-2929.
Barnes J E. Sharma N C P, Kaplan T B. Atmospheric aerosol profiling with a bistatic imaging lidar system[J]. Applied Optics, 2007, 46(15): 2922-2929.
[8] 孟祥谦, 胡顺星, 王英俭, 等. 基于电荷耦合器件探测气溶胶散射相函数与大气能见度的研究[J]. 光学学报, 2012, 32(9): 0901001.
孟祥谦, 胡顺星, 王英俭, 等. 基于电荷耦合器件探测气溶胶散射相函数与大气能见度的研究[J]. 光学学报, 2012, 32(9): 0901001.
[9] 孟祥谦, 胡顺星, 王珍珠, 等. CCD激光雷达探测边界层气溶胶消光系数垂直分布[J]. 光学学报, 2013, 33(8): 0801003.
孟祥谦, 胡顺星, 王珍珠, 等. CCD激光雷达探测边界层气溶胶消光系数垂直分布[J]. 光学学报, 2013, 33(8): 0801003.
[10] 麻晓敏, 陶宗明, 马明俊, 等. 基于CCD的侧向散射激光雷达信号提取方法[J]. 光学学报, 2014, 34(2): 0201001.
麻晓敏, 陶宗明, 马明俊, 等. 基于CCD的侧向散射激光雷达信号提取方法[J]. 光学学报, 2014, 34(2): 0201001.
[11] 胡淼, 谢家亮, 吴端法, 等. 基于CCD后向散射激光信号的PM2.5测量研究[J]. 光学学报, 2015, 35(2): 0201002.
胡淼, 谢家亮, 吴端法, 等. 基于CCD后向散射激光信号的PM2.5测量研究[J]. 光学学报, 2015, 35(2): 0201002.
[12] 胡淼, 吴端法, 李齐良, 等. 基于CCD侧向散射激光雷达的PM2.5浓度测量研究[J]. 光学学报, 2016, 36(11): 1101002.
胡淼, 吴端法, 李齐良, 等. 基于CCD侧向散射激光雷达的PM2.5浓度测量研究[J]. 光学学报, 2016, 36(11): 1101002.
[13] 李丽芳. 大气气溶胶粒子散射对激光大气传输影响的研究[D]. 太原: 中北大学, 2013.
李丽芳. 大气气溶胶粒子散射对激光大气传输影响的研究[D]. 太原: 中北大学, 2013.
LiLifang. The study of atmospheric aerosol particles scattering impact on laser propagation in the atmosphere[D]. Taiyuan: Zhongbei University, 2013.
LiLifang. The study of atmospheric aerosol particles scattering impact on laser propagation in the atmosphere[D]. Taiyuan: Zhongbei University, 2013.
[14] 麻晓敏, 史博, 单会会, 等. 基于CCD成像的侧向散射激光雷达几何标定方法[J]. 光子学报, 2015, 44(2): 0201002.
麻晓敏, 史博, 单会会, 等. 基于CCD成像的侧向散射激光雷达几何标定方法[J]. 光子学报, 2015, 44(2): 0201002.
[15] 范雪波, 刘卫, 王广华, 等. 杭州市大气颗粒物浓度及组分的粒径分布[J]. 中国环境科学, 2011, 31(1): 13-18.
范雪波, 刘卫, 王广华, 等. 杭州市大气颗粒物浓度及组分的粒径分布[J]. 中国环境科学, 2011, 31(1): 13-18.
Fan Xuebo, Liu Wei, Wang Guanghua, et al. Characterization and source apportionment of PM2.5 and PM10 in Hangzhou[J]. China Environmental Science, 2011, 31(1): 13-18.
[16] Tao ZM, LiuD, Xie CB, et al. A numerical inversion method for CCD side-scatter lidar[C]. International Conference on Remote Sensing, Environment and Transportation Engineering, 2013: 350- 352.
Tao ZM, LiuD, Xie CB, et al. A numerical inversion method for CCD side-scatter lidar[C]. International Conference on Remote Sensing, Environment and Transportation Engineering, 2013: 350- 352.
[17] 何涛, 侯鲁健, 吕波, 等. 激光雷达探测反演PM2.5浓度的精度研究[J]. 中国激光, 2013, 40(1): 0113001.
何涛, 侯鲁健, 吕波, 等. 激光雷达探测反演PM2.5浓度的精度研究[J]. 中国激光, 2013, 40(1): 0113001.
He Tao, Hou Lujian, Lü Bo, et al. Study of accuracy of lidar inversion PM2.5 concentration[J]. Chinese J Lasers, 2013, 40(1): 0113001.
Article Outline
陈松, 胡淼, 曾然, 李齐良, 周雪芳, 蔡美伶, 聂佳林, 汪延安. 基于侧向散射激光雷达的PM2.5浓度测量误差[J]. 光学学报, 2017, 37(12): 1201003. Song Chen, Miao Hu, Ran Zeng, Qiliang Li, Xuefang Zhou, Meiling Cai, Jialin Nie, Yan’an Wang. Measurement Error of PM2.5 Concentration Based on Side Scattering Lidar[J]. Acta Optica Sinica, 2017, 37(12): 1201003.