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 中国科学院安徽光学与精密机械研究所， 环境光学与技术重点实验室， 安徽 合肥 230031
2 张之栋
3 中国科学技术大学环境科学与光电技术学院， 安徽 合肥 230026 中国科学院安徽光学与精密机械研究所， 环境光学与技术重点实验室， 安徽 合肥 230031中国科学院城市环境研究所中科院城市大气环境卓越中心， 福建 厦门 361021
4 中国科学院安徽光学与精密机械研究所， 环境光学与技术重点实验室， 安徽 合肥 230031
5 安徽大学物质科学与信息技术研究院, 安徽 合肥 230039
二氧化硫（SO2）和氮氧化物（NOx）作为大气中重要的一次排放物， 人为活动造成SO2， NOx的过度排放会对生态环境和人体健康产生巨大危害， 2018年环境保护部就规定了“2+26”城市需要执行大气污染物的特别排放限值， 如: 燃煤锅炉排放限值规定的二氧化硫、 氮氧化物均为200 μg·m-3， 因此了解这些城市中SO2和NOx的分布与排放对大气污染防控管制具有重要意义。 唐山市作为“2+26”城市中大气污染最为严重的重工业城市之一， 近年来实施了多项大气污染防治措施， 但空气质量问题仍然严峻。 2021年2月26至3月1日， 使用基于车载差分吸收光谱技术的移动污染气体监测系统对于唐山市区开展了走航观测实验， 获取了走航路径上NOx和SO2的空间立体分布以及走航区域的排放通量。 实验结果表明唐山市一环存在多处NO2高值区域， 均位于车辆较为集中的立交和路口处。 工业园的走航中部分企业存在高NO2、 SO2的排放， 且获取的NO2和SO2VCD均值较高， 分别是一环的1.75~1.99倍和2.21~3.44倍。 结合垂直柱浓度SO2/NO2的比值以及近地面浓度CO/NO2的比值， 并用Pearson相关系数确定SO2和NO2柱浓度以及NO2近地面浓度和柱浓度之间的相关性， 进一步分析不同区域的主要污染源， 结果表明， 一环走航获取的SO2/NO2最低为0.42， CO/NO2最高为10.88， NO2地表与柱浓度之间的相关性r达到0.56， 3月1日丰南工业园区走航中， 获取的SO2/NO2最高为0.81， CO/NO2最低为7.13， SO2与NO2VCD之间有良好的相关性r为0.787， 唐山市一环区域大气污染物以车辆交通尾气排放为主， 丰南工业园区大气污染物来源以工业生产过程中高架点源（烟囱）释放的大量NO2和SO2为主。
空间分布 排放通量 污染源 走航观测 差分吸收光谱 Distribution Emission flux Pollution source Cruise observation Differential optical absorption spectroscopy 光谱学与光谱分析
2023, 43(5): 1651
1 安徽大学物质科学与信息技术研究院安徽省信息材料与智能传感实验室，安徽 合肥 230601
2 中国科学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
3 中国科学院区域大气环境研究卓越创新中心，福建 厦门 361021
4 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
提出一种基于卷积神经网络（CNN）和支持向量回归机（SVR）的多轴差分光学吸收光谱（MAX-DOAS）对流层NO2垂直分布预测方法。将2019年南京站点采集的原始MAX-DOAS数据通过QDOAS软件拟合获取O4和NO2差分斜柱浓度，结合基于最优估算的气溶胶和痕量气体廓线反演算法——PriAM算法反演了对流层NO2廓线，并将其作为预测模型的输出。此外，通过平均影响值方法进行预测模型输入变量的选择，确定了MAX-DOAS数据、温度、气溶胶光学厚度和低云覆盖率为模型的最佳输入变量。通过实验优化网络结构和参数，最终建立预测模型在测试集与PriAM的平均百分比误差仅为9.14%，与单独建立的CNN、SVR、反向传播模型相比，平均百分比误差分别降低了8.22%、6.00%、32.28%。因此，CNN-SVR能够利用MAX-DOAS数据对对流层NO2廓线进行有效预测。
大气光学 卷积神经网络 支持向量回归机 多轴差分吸收光谱 对流层NO2廓线 光学学报
2022, 42(24): 2401001
北京理工大学光电学院光电成像技术与系统教育部重点实验室，北京 100081
提出了一种严格的非线性成像测量大数值孔径（NA=0.55）变倍率极紫外光刻（EUVL）投影物镜偏振像差的方法。首先在变倍率极紫外（EUV）严格矢量成像模型基础上，通过建立偏振像差与空间像频谱的非线性关系，得到非线性超定方程组，并提出一种同步旋转测量的方法，通过构建和训练深度神经网络算法求解严格非线性超定方程组，实现了EUV投影物镜偏振像差琼斯光瞳的高精度快速测量。仿真结果表明，测量精度达到了10-4λ（λ为波长）量级，该技术将支撑3~7 nm技术节点EUVL质量的在线监控。
测量 极紫外光刻 光刻成像理论 像差测量 成像测量技术 偏振像差 光学学报
2022, 42(23): 2312001
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 中国科学技术大学研究生院科学岛分院, 安徽 合肥 230026
5 中国环境监测总站, 国家环境保护环境监测质量控制重点实验室, 北京 100012
大气水汽的吸收强度从微波区域到可见蓝光区域逐渐降低, 然而在紫外波段的吸收却经常被人忽略。 多轴差分吸收光谱(MAX-DOAS)技术是一种被动光学遥感技术, 可以同时反演气溶胶、 多种痕量气体(如NO2, SO2, HCHO, HONO等)以及水汽, 常用于区域大气立体分布及输送监测, 具有成本低、 时间分辨率高、 稳定、 可实时监测等特点。 水汽是一种重要的温室气体, 在紫外波段反演一些痕量气体时水汽的吸收经常不被考虑, 可能对紫外波段痕量气体的反演造成影响, 从而产生系统误差。 介绍了基于MAX-DOAS对紫外波段大气水汽的反演, 于2020年6月1日—9月24日在西安乾县进行观测, 通过选取最优反演波段, 并将反演结果与可见蓝光波段的水汽进行对比, 证实了紫外波段存在水汽吸收, 评估了紫外水汽的吸收对同波段痕量气体反演的影响。 首先, 根据不同拟合波段反演的水汽均方根误差(RMS)以及水汽和O4的吸收截面情况, 选取紫外和可见蓝光波段水汽的最优反演波段分别为351~370和434~455 nm。 其次, 通过DOAS拟合得到紫外和可见蓝光波段O4和H2O的对流层差分斜柱浓度(DSCD), 分别将紫外和可见波段的O4 DSCD和H2O DSCD做相关性分析, 两个波段O4 DSCD的相关系数r=0.85, H2O DSCD的相关系数r=0.80。 为消除不同波段的辐射传输差异, 将同波段的H2O DSCD和O4DSCD作比值, 两个波段H2O DSCD/O4DSCD的相关系数r=0.89。 紫外和可见蓝光波段H2O DSCD/O4DSCD的高相关系数表明, 即使在相对沿海城市水汽浓度较低的西安市, 在363 nm附近的紫外波段同样存在水汽吸收, 这将会对采用DOAS技术在紫外波段反演其他痕量气体造成影响。 最后, 分别对可能受紫外波段水汽吸收影响的气体(O4, HONO和HCHO)进行DOAS反演误差评估, 紫外波段水汽的吸收将使O4 DSCD, HONO DSCD以及HCHO DSCD在DOAS拟合过程中增加, 分别对应于+1.16%, +8.55%和+9.04%的变化。
多轴差分吸收光谱 紫外波段 水汽 误差评估 MAX-DOAS Ultraviolet band Water vapor Error evaluation 光谱学与光谱分析
2022, 42(10): 3314
1 安徽大学物质科学与信息技术研究院,安徽 合肥 230601
2 淮北师范大学污染物敏感材料与环境修复安徽省重点实验室,安徽 淮北 235003
3 中国科学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
4 中国科学院区域大气环境研究卓越创新中心,福建 厦门 361021
5 中国科学技术大学环境科学与光电技术学院,安徽 合肥 230025
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。
多轴差分吸收光谱 二氧化氮 气态亚硝酸 垂直分布 反演算法 Multi-Axis differential optical absorption spectroscopy NO2 HONO Vertical distribution Inversion algorithm 光谱学与光谱分析
2022, 42(7): 2039
强激光与粒子束
2022, 34(2): 026013
1 南京理工大学紫金学院,南京 210000
2 南京邮电大学通信学院,南京 210000
**目标识别是目标检测领域中的一大研究方向，这对于提前侦测敌情和精准打击目标具有重要的意义，目前，主流的**目标识别算法主要是运用YOLO,Fast RCNN等非监督深度学习网络模型，这些方式都是通过将手动标注的数据集输入到网络中，经过处理输出结果，但是数据集数量总是有限的，在精度上有所欠缺，泛化能力也不足。针对这种问题，提出了基于非监督网络的**目标识别算法，可以通过生成式对抗网络(GAN)有效地解决数据集不足以及精度不够的问题。
**目标识别 目标检测 非监督网络 深度学习 military target recognition target detection YOLO YOLO unsupervised network deep learning
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
3 中国科学院区域大气环境研究卓越创新中心中国科学院城市环境研究所, 福建 厦门 361021
4 安徽大学物质科学与信息技术研究院信息材料与智能感知安徽省实验室, 安徽 合肥 230601
针对准确、快速、便携测量大气中CO2、CH4等温室气体的需要,本文介绍了一种基于可调谐法布里-珀罗干涉仪(FPI)传感器的多波长温室气体测量系统。将FPI作为波长选择元件,利用干涉滤波片实现了在3100~4400 nm(波数范围为3226~2273 cm -1)波段内的连续测量。通过将测量的吸收光谱和CO2的吸收截面拟合获得相关系数,进而计算得到CO2的气体浓度。为了校正仪器分辨率低带来的非线性吸收效应,采用迭代算法优化CO2的吸收截面。 结果显示,相比于直接拟和计算,CO2浓度为4.08×10 -4时测量误差降低了18%。对系统的干扰优化、仪器精度、探测限等参数进行了验证,实验结果表明,气室内残留的CO2浓度小于1×10 -6,仪器精度为±1.32×10 -6,当时间分辨率为10 min时,系统的探测限为1.13×10 -6(2σ,2倍标准偏差)。此外,利用该系统在合肥市科学岛进行了一个星期的室外测量,获得了CO2浓度的日变化结果及昼夜特性,验证了系统的稳定性和可靠性。
测量 红外光谱 二氧化碳 可调谐法布里-珀罗干涉仪 光学气体传感器 光学学报
2021, 41(18): 1812004
1 安徽理工大学人工智能学院, 安徽 淮南 232001
2 中国科学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 安徽科技学院, 安徽 凤阳 233100
非相干宽带腔增强吸收光谱技术（IBBCEAS）利用高精密谐振腔增强吸收光程, 实现对痕量气体的高灵敏探测。 目前, IBBCEAS技术主要采用发光二极管（LED）作为非相干光源。 当谐振腔镜片反射率曲线与带宽有限的LED辐射谱不能很好匹配时, 光谱反演波段选择不当可能会对被测气体浓度拟合结果产生较大偏差。 以定量探测大气NO2浓度为例, 分析了IBBCEAS光谱反演波段对NO2拟合结果的影响, 发现当反演波段宽度窄到一定程度后, NO2浓度拟合相对误差会迅速增加。 为此, 提出了一种基于RBF神经网络结合遗传算法的机器学习IBBCEAS光谱反演波段优化方法, 以使浓度拟合误差达到最小。 在430～480 nm待选波段内, 选择各种宽度和中心波长的子波段作为反演波段, 分别进行NO2浓度拟合, 以此获得435个样本数据, 并将样本数据按照4∶1比例分成学习样本和测试样本, 分别用于RBF神经网络学习训练和测试, 得到输入参数“反演波段的起始波长与截止波长”与输出参数“浓度拟合相对误差”之间的非线性映射关系。 使用遗传算法搜索最优反演波段, 将反演波段的起始波长和截止波长组合进行个体编码, 随机产生若干个体形成种群。 以RBF神经网络的输出（即浓度拟合相对误差）作为个体适应度, 经过多代种群进化过程后, 获得适应度最优个体, 即获得最优反演波段。 在种群规模为100个体, 种群进化最大代数为100的情况下, 当种群进化第61代时, 最优个体出现, 对应的最优适应度为3.584%, 最优反演波段为445.78～479.44 nm。 选择相同带宽的其他4个典型反演波段, 与最优反演波段下的NO2拟合结果进行了对比。 结果显示, 在最优反演波段下, 无论是拟合误差、 相对拟合误差还是拟合残差标准偏差, 均低于其他4个反演波段, 光谱拟合质量达到最优。 结果表明, 利用机器学习来确定IBBCEAS最优反演波段是可行的。
非相干宽带腔增强吸收光谱 优化 反演波段 机器学习 遗传算法 Incoherent broadband cavity enhanced absorption sp Optimization Retrieval range Machine learning Genetic algorithm 光谱学与光谱分析
2021, 41(6): 1869
针对复杂电磁环境下风洞实验中绕流阻力测量和飞行器空速监测的需求,利用自主研制的基于白光干涉测量技术的压差式光纤气流传感系统开展了相关实验研究。该系统由压差式光纤气流传感探头和小型化白光干涉测量传感解调仪组成,可以实现同步高速、高精度的压差测量。传感探头可实现单通道的压差传感,通过获取待测对象表面受压与流场中静压之间的压差来进行阻力探测,或与皮托管耦合进行流速测量。传感解调仪主要由波长扫描激光器、现场可编程门阵列控制与采集模块、光电探测器组成。该系统对风洞实验中以圆柱绕流阻力为代表的经典绕流模型进行了测量与分析,所得结果和标准多通道电子压力测量仪的结果相近。该光纤传感系统仅利用光纤来感知和传输信号,可有效对抗电磁干扰,为强电磁干扰环境下利用光学方法对空气流场绕流阻力进行精确分析提供一种新的选择,在未来空气动力学研究和飞行器监测领域具有潜在的应用价值。
光学学报
2021, 41(13): 1306022
