1 桂林理工大学环境科学与工程学院, 广西 桂林 541004
2 中国人民解放军军事科学院防化研究院, 北京 102205
乙腈广泛应用于医药、 化工等领域, 而乙腈属于易燃易爆化学品, 其引发的火灾事故具有极大的危害。 研究乙腈燃烧的温度场与浓度场、 火焰辐射光谱以探究其火灾污染特性具有重要实用价值。 首先采用平面激光诱导荧光技术(PLIF)与Fluent数值模拟方法, 获取了5 cm尺度乙腈池火燃烧产物NO在20、 40、 60和80 s时刻的空间浓度值, 并结合CFD与FDS仿真模拟获取了不同时刻下乙腈燃烧温度场与浓度场信息。 其次, 采用所获取的乙腈火焰温度场和浓度场数据(将火焰划分为6个热力学平衡区域), 并基于HITRAN数据库内高温气体分子吸收系数与火焰总体辐射传输方程构建了乙腈火焰光谱辐射模型。 再次, 将所得乙腈浓度场与温度场数据代入火焰光谱辐射模型, 模型模拟计算结果与相同条件下乙腈火焰光谱实测数据进行对比, 以验证模型精度, 然后再与Radcal模型进行精度对比。 最后, 利用自行构建的火焰光谱辐射模型对燃烧特征污染产物NO进行了浓度反演。 结果表明: (1)5 cm尺度乙腈池火火焰温度范围为400~1 000 K, 在池火上方60~80 mm区域温度较高, 最高温度为945 K。 (2)在20、 40、 60和80 s时刻下5 cm乙腈池火燃烧产物NO的体积分数为0.005%~0.025 5%, H2O的体积分数为0.034 5%~0.062 5%, CO2的体积分数为0.055 5%~0.085 5%。 (3)自行构建了乙腈火焰光谱辐射模型, 模型模拟值与实测值对比得出, 燃烧产物中CO2特征峰处准确度最小为86.8%, 最大为88.7%; NO特征峰处准确度最小为79.6%, 最大为84.9%; H2O特征峰处准确度最小为84.6%, 最大为89.1%。 与Radcal模型计算的光谱辐射值进行对比, 自行构建的模型计算精度提升约10%。 (4)在5.62~5.66 μm主导波段, 乙腈燃烧特征产物NO在20、 40、 60和80 s时刻下的浓度反演精度分别为76.9%、 78.5%、 94.7%和81.3%。 此研究可为探测大尺度乙腈类化学品火灾的燃烧场信息以及遥感定量反演燃烧污染产物浓度提供基础与参考。
乙腈池火 燃烧浓度场 燃烧温度场 火焰光谱辐射模型 浓度反演 Acetonitrile pool fire Combustion concentration field Combustion temperature field Flame spectral radiation model Concentration inversion 光谱学与光谱分析
2023, 43(12): 3690
1 河北科技师范学院海洋科学研究中心, 河北 秦皇岛 066004
2 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
3 国家卫星海洋应用中心, 北京 100081
海水中的叶绿素浓度是描述海洋初级生产力、 获知浮游植物丰度及变化规律、 评估环境质量、 预报生态灾害的主要参数。 国内外卫星遥感叶绿素产品的通用反演模型是利用不同波段上遥感反射光谱的强度比值来构建的OCx(x=26)算法, 应用在一类水体中, 全球尺度上的平均相对误差在35%左右。 但对于固有光学特性复杂且具有较大区域差异性的二类水体, OCx算法误差较大甚至失效。 现有研究成果表明, 光谱的相对高度有利于特征波段信息提取及水色信号信噪比的提高。 但基于相对高度构建反演模型, 目前尚存在波段单一、 应用面窄等问题。 在我国近岸水体中, 相对高度模型的构建方法及应用效果尚需进一步研究和验证。 在对秦皇岛近岸海域的叶绿素浓度和表观光学参量进行原位测量的基础上, 对高光谱数据进行了规范化处理, 选取了特征波段并利用特征波段的相对反射深度构建了反演模型。 模型反演值与实测值的相关系数为0.883 58, 平均相对误差为28.33%; 将模型与OCx等算法进行比较, 平均相对误差均降低了27%~50%; 模型验证估算值的平均相对误差为31.17%。 在此基础上, 对我国海洋卫星HY-1C水色水温扫描仪的多光谱数据及实测叶绿素浓度进行了相关分析, 并基于443及520 nm处的相对反射深度建立了反演模型, 模型估算值的平均相对误差比同期L2B产品降低了53.44%。 结果表明, 基于相对反射深度构建反演模型, 可充分利用叶绿素特征波段信息、 降低数据敏感性、 提高水色要素的信噪比, 进而大幅提高模型的反演精度及稳健性。 对于水色要素的高光谱及多光谱反演模型构建、 水体光学参量测量、 卫星产品普及应用、 初级生产力估算、 生态环境监测、 水动力过程研究等领域具有重要的科学意义及较强的应用价值。
相对反射深度 高光谱 叶绿素浓度反演 卫星遥感 秦皇岛海域 Relative reflection depths Hyperspectral Chlorophyll concentration inversion Satellite remote sensing Qinhuangdao coastal 光谱学与光谱分析
2022, 42(4): 1083
西安理工大学 机械与精密仪器工程学院,陕西 西安 710048
为了对重化工污染区甲醛气体进行探测,开展了差分吸收激光雷达甲醛气体浓度探测研究。基于差分吸收激光雷达原理,针对甲醛气体在中红外波段有较强的吸收波段,并考虑开放光程下大气干扰气体的影响,选择了系统的探测波长
${\lambda _{\rm on}}$![]()
![]()
、
${\lambda _{\rm off}}$![]()
![]()
;依据差分吸收激光雷达浓度反演方法,结合系统参数,对设计的DIAL系统的探测距离、气体浓度及干扰气体的可能影响进行了仿真研究。结果表明,该系统有望对浓度为0.017~1.5 ppm (1 ppm=10
−6),距离为0.4~1.1 km范围内的甲醛气体进行探测,相对误差小于5%,可满足对重化工污染区甲醛气体浓度探测需求。文中的研究可为应用于化工重污染区域甲醛气体无组织排放监测的中红外差分吸收激光雷达系统的研制提供理论依据和技术基础。
差分吸收激光雷达 甲醛气体 吸收截面 浓度反演 DIAL formaldehyde gas absorption cross section concentration inversion 红外与激光工程
2022, 51(9): 20210925
1 桂林电子科技大学电子工程与自动化学院,广西 桂林 541004
2 广西光电信息处理重点实验室,广西 桂林 541004
二氧化碳(CO2)是造成温室效应的气体之一,其浓度的空间分布对气候预测和人类生产、生活的影响不可忽视,实现CO2浓度的准确反演有利于掌控全球CO2时空分布。但是在近红外波段,地表反射率的不确定对CO2浓度反演存在影响。引入比值法对卫星对地辐射光谱进行处理,验证吸收波段辐亮度比值与CO2浓度之间存在某种关系,该关系反演CO2浓度具有可行性。以MODTRAN4仿真的辐亮度光谱为数据源,选取4个特征吸收峰的光谱辐亮度比值与CO2浓度进行分析。结果显示,光谱辐亮度比值与CO2浓度存在近似线性关系,而且在6310 cm-1处的线性关系更为明显,误差仅有1.15%。然后通过设置不同的大气模式和气溶胶模式,进一步对辐亮度比值与浓度之比进行剖析,结果表明,在0.1~0.9反射率区间,两者呈高度相关,相关系数高达0.98,平均误差不超过2%。最后对实测数据进行相同处理,与仿真数据进行了对比。在4个波段的拟合中,6334 cm-1处拟合效果最好,线性关系达到了0.99,从另一方面说明了光谱辐亮度比值与CO2浓度存在线性关系,这种关系可以很好地应用于CO2浓度的反演,近似消除地表反射率影响。
大气光学 二氧化碳浓度反演 地表反射率 比值法 MODTRAN4 激光与光电子学进展
2022, 59(1): 0101001
1 华南理工大学电力学院,广东 广州 510640
2 广东省能源高效低污染转化与工程技术研究中心,广东 广州 510640
3 广东红海湾发电有限公司,广东 汕尾 516626
可调谐半导体激光吸收光谱(TDLAS)技术利用了半导体激光器可调谐和窄线宽的特性,具有高选择性和高灵敏度,可以在气体成分复杂、高温等恶劣环境下准确测量CO2。基于TDLAS的扫描波长直接吸收(SDAS)技术是常用的气体浓度反演方法,针对该方法反演气体浓度时采用的吸光度积分法需要准确获得频域信息,从而导致系统结构复杂的问题,本文提出了基于直接吸收峰峰值标定的气体浓度反演方法。首先利用HITRAN2016光谱数据库建立CO2数值仿真模型,并参考电厂尾部烟道内高温和高浓度的CO2环境,分析了吸收峰峰值随浓度(10%~20%)和温度(298~338 K)的理论变化规律,然后将理论规律作为建立实际吸收峰峰值浓度标定模型和温度修正曲线的参考依据。通过搭建基于TDLAS的CO2检测实验系统,验证了所提方法应用于浓度测量的可行性。研究结果显示,采用峰值标定法反演得到的CO2浓度的相对误差均方值为1.08%,验证了利用吸收峰峰值标定的气体浓度反演方法在高浓度CO2准确测量方面的可行性。
光谱学 可调谐半导体激光吸收光谱 直接吸收 吸收峰峰值 浓度反演 温度修正 激光与光电子学进展
2021, 58(3): 0330002
1 中国科学院西安光学精密机械研究所, 中国科学院光谱成像技术重点实验室, 陕西 西安 710119
2 中国科学院大学光学学院, 北京 100049
鉴于浅层人工神经网络(ANN)需要依靠先验知识进行人工提取特征, 同时较浅的网络结构限制了神经网络学习复杂非线性关系的能力, 将深度神经网络(DNN)应用于利用傅里叶变换红外光谱(FTIR)对多组分易挥发性有机物(VOCs)进行的浓度反演研究, 并利用仿真实验验证了算法的有效性。 从美国环境保护署(EPA)的数据库中选取了包括苯、 甲苯、 1,3-丁二烯、 乙苯、 苯乙烯、 邻二甲苯、 间二甲苯、 对二甲苯在内的八种VOCs气体在8~12 μm波长范围内的吸光度谱, 每种气体有四种不同浓度下的谱线, 依据Beer-Lambert定律从每种VOCs气体中选择一种浓度下的吸光度谱进行混合, 得到65 536种不同的VOCs混合气体吸光度谱样本。 随机选择5 000组混合气体的吸光度谱, 其中4 000组作为训练样本, 1 000组作为预测样本。 通过积分提取和主成分提取对光谱矩阵进行降维预处理, 将光谱维度从3 457维降到30维。 将光谱矩阵经过预处理后得到的新矩阵作为网络输入, 对应八种VOCs的浓度矩阵作为输出, 建立了30-25-15-10-8的深度神经网络回归预测模型来实现多组分VOCs浓度反演, 反演得到样本的均方根误差为0.002 7×10-6, 相比于前人利用非线性偏最小二乘拟合、 人工神经网络等方法拟合的精度有了明显的提高。 每种VOCs气体的均方根误差均不超过0.005×10-6, 每个样本的均方根误差均不超过0.006×10-6, 证明了深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性。 当训练样本不足(典型值: 小于500)时, 深度神经网络无法充分地学习, 网络误差较大, 精度低于单隐藏层的人工神经网络, 但随着训练样本数量的增加, 深度神经网络的精度不断提高, 当训练样本数充足时, 相比浅层的人工神经网络, 深度神经网络具有更强的非线性关系学习能力, 预测精度更高, 模型更为稳定。 同时, 由于训练前对光谱矩阵进行了降维处理, 大大降低了算法的复杂度, 有效提高了反演效率。 分析表明, 深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性, 无需人工提取特征就能够充分学习数据特征, 同时对多组分VOCs进行浓度反演并达到较高精度。
深度神经网络 傅里叶变换红外光谱 易挥发性有机物 浓度反演 多组分分析 Deep neural network Fourier transform infrared spectroscopy Volatile organic compounds Concentration inversion Multi-component analysis 光谱学与光谱分析
2020, 40(4): 1099
1 中南大学自动化学院, 湖南 长沙 410083
2 湖南人文科技学院信息学院, 湖南 娄底 417000
鉴于2次谐波外的其他谐波成分中依然蕴含着浓度信息,提出了基于2次+4次谐波、2次+4次+6次谐波、2次+4次+6次+8次谐波的三种浓度反演方法,推导出各自的气体浓度反演表达式,评估了所提反演方式对应的最佳调制度,分析了气体浓度检测系统中噪声干扰的主要存在形式,在理论上证明了所提出的联合多次谐波分析方法可以显著提升噪声抑制能力,并给出了用于参考的实验方案。仿真结果表明:与基于2次谐波峰值的浓度反演方法相比,2次+4次谐波可以使浓度反演误差降低31.38%,2次+4次+6次谐波可以使浓度反演误差降低42.03%,2次+4次+6次+8次谐波可以使浓度反演误差降低47.45%。
光谱学 谐波联合分析 可调谐半导体激光吸收光谱 洛伦兹线型展开 气体浓度反演 光学学报
2019, 39(10): 1030001