车载大气环境监测激光雷达数据处理和结果显示

本文介绍了一种用于大气污染监测的车载激光雷达.首先简要介绍了车载大气环境监测激光雷达系统的系统组成和测量原理.随后阐述了利用差分吸收测量原理(DIAL)即利用待测气体分子的光谱吸收特性测量该气体的浓度,通过对激光雷达测量得到回波数据进行处理和分析,获得O3、NO2、SO2等污染气体浓度的时空变化.并可以将污染物浓度数据根据用户需要和当时测量要求通过浓度廓线图、浓度随时间变化的分色图、浓度随扫描角变化的扫描分色图、和浓度三维立体变化分色图等方式实时显示出来.这种快速大范围的三维测量和显示O3、NO2等多种大气污染物浓度的大气监测手段为国内首创.(OE6)     

国产傅立叶变换红外光谱温室气体在线监测仪及其在大气本底监测中的初步应用

大气温室气体的监测,是掌握温室气体浓度时空变化特征及其影响因素依据。而大气本底监测反映了较大范围内,因人类活动而造成的大气成份长期变化,是温室气体监测的基础数据。大气本底站附近温室气体浓度相对较低,年变化范围小,从而对温室气体连续监测技术精度与稳定性提出了更高的要求。本文基于傅立叶红外技术与WHITE型多次反射池技术方法,研究大气本底温室气体CO2、CH4、N2O超低浓度检测系统。针对CO2、CH4、N2O的分子吸收光谱特征,采用碳化硅作为光源,将测量波段选择在1900-2600区间;采用模拟仿真,模拟不同透过系数和多种气体混合干扰状态下的仪器理论测量精度,根据验证结果,傅里叶红外仪器在CO2、CH4、N2O测量方面表现良好,满足超低浓度温室气体的监测需求。     

长光程开放光路FTIR监测城市空气中C2H4浓度

傅里叶变换红外光谱技术(FTIR)具有高分辨,高光通量、多通道等优点,用于监测大气中痕量气体浓度时,能达到ppb量级.利用自行组建的开放光路测量系统对北京燕山石化地区大气中的乙烯进行了连续监测,并对测量光谱进行了浓度反演.实验表明,该测量系统性能稳定,能以非接触的方式对空气中多种气体进行连续在线监测,及时反映测量区域内污染信息,较好地适应工业区气体污染监测的需要.     

CO_2激光空气污染检测器

ＣＯ_２激光空气污染检测器最近美国威斯汀豪斯科技中心研制成一台用于空气污染物浓度遥测的有源／无源监测系统。其基本概念是吸收光谱学，采用声光可调谐滤光片的中红外和远红外激光器对大气污染物进行遥感测量。其优点是测量速度快（测量１２０种气体仅需２ｍｉｎ），...     

利用双角度光学粒子计数器测量大气气溶胶质量浓度

针对大气气溶胶质量浓度的测量在城市污染监测中的重要性,提出了利用双角度光学粒子计数器测量大气气溶胶质量浓度的方法,该方法利用气溶胶粒子体积谱和密度来计算气溶胶质量浓度,可以对不同粒径范围的气溶胶质量浓度进行计算,最后采用2004年9月和2007年11月在北京测量的数据对计算的PM10和PM2.5进行验证,证明此方法是可行的.该方法对使用光学方法测量气溶胶质量浓度具有参考意义.     

NO2差分吸收激光雷达技术研究进展

二氧化氮(NO2)是一种重要的大气污染物,严重危害人体健康以及生态系统,实现NO2浓度空间分布探测对大气环境监测与治理具有重要意义.作为一种主动式光学遥感探测技术,差分吸收激光雷达(DIAL)技术可实现大气痕量气体水平和垂直空间分布探测、高架源排放气体监测等,在大气环境监测领域具有重要应用价值.DIAL技术通过可调谐激...     

一种多维度数据采集大气污染物探空仪设计

为了快速地获取空间区域内污染物浓度的三维分布,设计了一种由无人机搭载可进行多维度数据采集的大气污染物探空仪。探空仪利用电化学气体传感器检测大气气态污染物浓度,利用气压测高和GNSS定位获得采集点高度、经纬度和采样时间信息,并通过无线数据传送模块将采集数据实时发送回地面控制站,完成数据采集任务。实验表明该型探空仪和无人机组成的探空系统可以实现对大气污染物进行全方位的信息采集和监控。     

基于非色散红外CO2浓度测量的温度补偿研究

非色散红外(Non-dispersed Infrared,NDIR)CO2气体传感器测量CO2浓度时,外部温度是个重要的影响因素.利用Levenberg-Marquardt算法收敛速度快的优点,建立改进型BP神经网络模型,消除环境温度对CO2浓度在线监测的非线性影响,提高了系统测量精度.     

大气污染监测中的DOAS技术研究

简要介绍UV-VIS的差分吸收光谱技术(以下简称DOAS技术),其应用非常广泛.对于在紫外及可见光谱范围内有较明显吸收峰的各类气体及气态物质从理论上讲都可以测量.DOAS以远优于点测量的空间分辨能力和时间响应能力而大量用来测量非标准污染物.并且易于操作,费用低廉,实时分析,全路径非接触测量,比点监测系统有极高的优越性.DOAS作为光谱监测技术,利用激光在开放大气中的各种痕量气体的特征吸收,来确定光通过的路径上各气体的平均浓度.可监测SO2,NO,NO2,NO3,HONO,及形成光化学烟雾的不同痕量气体,诸如:O3,NO2,HCHO,NO3,SO2,BrO,IO,ClO和若干种芳香烃. 我们正在研制有自主产权的DOAS系统,目前正在进行开路监测的系列实验,已能明显获取SO2,NO,NO2的吸收谱线,并且和现有监测技术的测量比对误差小于10%.(OE31)     

基于太阳光谱的FTIR技术监测石油化工区丙烯的浓度分布

介绍了一种基于太阳光谱的傅里叶变换红外光谱(FTIR)技术实时监测石油化工区丙烯浓度分布情况的新方法和非线性最小二乘法反演污染气体浓度的算法。利用自主研发的车载FTIR系统对预监测污染源区域做闭合环路测量获取背景参考谱、测量谱,同时应用气体辐射传输的简化模型计算得到大气透过率谱,最终应用非线性最小二乘拟合算法对大气透过率谱反演得出污染源区域周边污染气体分布的柱浓度信息。运用此方法实际遥测了上海高桥石油化工区丙烯排放的情况,实验结果显示,测量的丙烯柱浓度分布准确地反应了污染物的排放和扩散情况,证明了车载FTIR技术在区域性污染气体监测方面的实用性。     

环渤海城市群空气污染特征及其与气象要素的关系

为探究环渤海三大城市群空气污染特征及其与气象要素关系的异同, 基于 2015–2019 年空气质量指数日报资 料及同期气象要素资料, 利用空间自相关模型和皮尔逊相关系数对其相关性进行了分析。研究表明: (1)对于 PM2.5、 PM10 和 O3 这三大被研究的首要污染物, 在冬季主要以 PM2.5、PM10 为主, 夏季以 O3 为主。除 O3 外其余污染物浓度 呈现下降趋势。(2) 空气质量指数 (AQI) 呈现秋季最低、冬季最高的变化特点, 年际上空气质量在逐步改善。(3) AQI 存在明显的空间集聚现象, 总体上由沿海向内陆逐渐由空气质量优良区变为空气污染区。(4) AQI、PM2.5、PM10 和 O3 在不同季节与各气象要素的相关性不同, 且相关性强度呈非线性变化。     

基于VAR模型的PM2.5与其它空气污染物的动态关系研究分析

通过建立向量自回归（VAR）模型,综合运用格兰杰因果关系检验、广义脉冲响应函数和方差分解法,分析PM2.5与其它空气污染物的动态关系,探讨其它空气污染物对PM2.5的影响,利用西安市2013年1月1日-2014年12月31日有关环境空气质量的数据进行了研究。结果表明：PM2.5与其它空气污染物所构成的空气质量系统是稳定的,二氧化硫、二氧化氮、一氧化碳浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中二氧化硫对PM2.5影响作用最大;臭氧浓度值的增加则会使PM2.5浓度值降低。     

包头城区冬春大气颗粒物污染特征及其与气象条件关系

包头2015~2016年冬春季节出现了连续的雾霾天气,不仅对能见度产生较大影响而且严重危害人体健康。选取了包头主城区8个空气质量浓度监测点的数据,对主城区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征。依据监测区功能的不同将包头主城区划分为5个区域,对各个区域监测点数据筛选整理,得到冬春季各个区域PM2.5和PM10质量浓度由高到低的顺序均为：工业区＞ 商业区 ＞文化区 ＞交通枢纽区＞公园游览区。各区域颗粒物月变化曲线呈双峰单谷型,12月最高,2月最低,并对成因进行分析总结;逐日变化反映PM2.5和PM10质量浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰双谷趋势。本文选取了气温、气压、相对湿度和风速等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10质量浓度的影响。包头春季PM2.5和PM 10的质量浓度分别与气温、气压正相关,与风速、相对湿度（伴有降水时）负相关,风速、气压和相对湿度是影响污染物质量浓度分布的主要因素。     

城市空气质量智能监测节点的设计

文章以STM32为核心, 采用GPRS通信数据传输方式, 设计出一个流动的城市空气质量智能监测节点, 可以 监测温度、湿度、气压和PM2.5的数值, 并进行了测试试验, 相关测试数据可以送到监控中心供城市管理 者进行决策分析。     

基于多传感器的室内环境质量监测系统

室内环境与人们生活、学习、工作密切相关，其环境质量直接影响人们的身体健康。文中据此设计了一种基于多传感器数据融合的室内环境质量监测系统。传感器采集室内甲醛浓度、温度、湿度、PM1.0、PM2.5、PM10、CO浓度，通过RS 485通信方式传送到电脑监控端, C#界面实时显示环境数据及综合质量，超过上限发出语音警报，数据通过SQL数据库保存。经试验证明，该系统能够稳定、高效监测室内环境数据。     

大气湍流与气溶胶环境室内模拟方法的研究

在实验室内利用大气模拟池模拟了大气湍流作用,大气湍流的强度可以通过控制模拟池上下板面之间的温度差来调节。同时,在模拟池内模拟了PM2.5环境,利用颗粒传感器测量PM2.5的浓度值。由于大气能见度主要受PM2.5的影响,我们获取了北京某地区一段时间内的空气质量数据,对两者之间的关系进行数值拟合,并得到了两者之间的回归模型。将该回归模型应用到大气模拟池,计算模拟大气的能见度,并与气象局公布的北京市丰台地区的空气质量进行比对,检验模拟池对PM2.5环境模拟的准确性。该模拟池在湍流模拟的基础上,又对PM2.5环境进行了模拟,该方法可行、理论依据充分,为日后研究激光大气传输提供了可靠的室内实验平台。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。     

基于LabVIEW的小型气象站设计

针对大气参数测量要求与测量方法,利用C8051F350及多种传感器等设计了一种小型自动气象系统。该系统可采集温度、湿度、风速、风向、气压、PM2.5浓度等信息,并将数据通过无线串口上传至主机,利用主机上LabVIEW设计的程序将实现气象信息显示、记录。由实验结果可知,该小型气象站可满足一般情况下的大气测量要求。     

基于多源数据的PM2.5反演方法

利用MODIS L1B 1km分辨率数据和NASA 的V5.2 气溶胶改良业务反演算法,对南京都市圈2013年9月至2014年1月期间的气溶胶光学厚度（AOD）进行反演,并运用AERONET地基气溶胶监测网的AOD产品对反演结果进行验证。然后,将经过验证后的AOD与国家环保部建立的国家空气质量自动监测点实测得到的PM2.5质量浓度和PM10质量浓度根据经典统计学进行线性回归性分析,并用气溶胶细模态光学厚度AODf和气象因子对PM2.5质量浓度与MODIS AOD之间的模型进行修正,修正后的模型为y=136.78+9.16x1-0.36 x2-3.98x3,R2=0.79,并应用该模型,证实气溶胶光学厚度可以用来对城市空气质量进行评价。     

河南省PM2.5时空分布特征研究

PM2.5是影响河南省空气质量的首要污染物,秋冬季节灰霾污染严重。为了解河南省PM2.5污染的特征,对河南省的17个城市,运用统计学方法和ARCGIS技术分析其时空分布特征。结果表明：从2015年1月至12月,河南省17个城市日均质量浓度达标天数比例为57.16%,冬季整体污染严重,超标天数比例为73.68%,春季超标天数比例为44.37%,秋季超标天数比例为34.52%,夏季超标天数比例为20.08%。在去除气象记录的空气质量重污染日之后,周末的PM2.5平均值比工作日高 8.04%,表现出“逆周末效应”。PM2.5/PM10值在0.50~0.65之间,且PM2.5与SO2相关性较高,表明河南省受传统煤烟型污染影响较大,粗粒子污染明显。 PM2.5与PM10、SO2、NO2均呈现显著的相关性,说明河南省的污染主要是由燃煤及机动车尾气造成。由于温度及光照变化的影响,河南省PM2.5与O3在不同季节呈现显著差异,其在冬季和秋季的相关性分别为-0.315(p=0.05)、-0.353(p=0.05),而在夏季的相关性为0.496(p=0.01),春季为0.003。