霾监测是环境治理中的关键技术之一。目前地面观测站进行霾监测的耗费较大,基于多光谱遥感的霾识别精度较低。将深度学习用于高光谱遥感数据的霾监测,提出一种基于深度残差网络的高光谱霾监测方法,利用深度网络提取霾光谱曲线特征,再使用残差学习等方法降低网络训练难度,得到了霾监测模型。苏州地区Hyperion高光谱数据集上的实验表明,与其他遥感霾监测方法相比,所提方法的霾识别精度更高。

根据CCD侧向散射激光雷达(Clidar)及Mie散射理论,建立侧向散射光强分布与PM2.5浓度的关系模型,并分析测量误差。在研究过程中,搭建以波长为532 nm的激光器为光源、CCD为接收器的Clidar PM2.5浓度测量系统装置;将获取的侧向散射回波信号图与BAM-1020颗粒物监测仪记录的PM2.5浓度进行对比,建立高、低增益下各等级模型的关系式。将高、低增益各等级模型的PM2.5预测值与实际测量结果进行对比,得到各模型的平均误差、残差方差和综合偏差率统计量,并确定最佳反演精度模型的增益和等级i值。结果表明:当PM2.5浓度在0~70 μg m ^-3范围内时,高增益模型的反演精度高于低增益模型;对于高增益模型,S(20)模型的反演精度最高。

目前监测网中大部分SO₂、NO₂和O₃监测设备为地基点式仪器。该种设备不能获得大气SO₂、NO₂和O₃的空间分布信息。SO₂、NO₂和O₃的空间分布数据在习惯上一般是通过球载探测仪来获取。但通过球载仪获得的数据时间和空间分辨率都较差。中科院安徽光机所已开发研制完成了车载测污激光雷达系统。该系统能进行大气SO₂、NO₂和O₃进行三维空间扫描测量。利用该系统2001年12月27日至2002年1月27日期间于北京市进行了大气SO₂、NO₂和O₃的监测实验，首次给出了北京市近地面层大气SO₂、NO₂和O₃的激光雷达测量数据。测量数据与地面仪器的监测数据进行了比较，结果表明车载测污激光雷达系统的测量数据是合理可靠的。

通过光谱探测的方法,研制了可以实时监测大气污染状况的实验系统。此系统不但可以弥补以往那些大气污染检测方法的不足,实现实时监控,定量分析,还可以通过光路调整,检测从地面到高空大气中各种有害污染物的含量。初步给出了激光等离子体光谱的时间演化。该技术还可以应用于某些特定场所特定物质成分的遥控。