基于激光雷達技術的局域TSP特性分析

陳柯蓓 何夢迪 張琦 馮俊 董昊 倪曉昌 蘆宇

摘 要：基于美國國家航空航天局云—氣溶膠激光雷達與紅外探測衛星搭載的激光雷達 CALIPSO衛星系統二級數據，選取了華北地區（緯度范圍：38°N～40°N，經度范圍：115°E～117°E）3種不同天氣特征，與經緯度地理位置相結合，通過后向散射系數不同高度色度顯示選取的總懸浮顆粒物（TSP）濃度垂直分布廓線，并利用該分布輪廓線進行了不同特征天氣對比分析。結果表明：空氣質量優良、輕度霧霾、重度霧霾3種情況下繪制出的二維色度圖存在明顯顏色和分布的差異，并給出了二維色度圖平均值與當天氣象局提供的大氣懸浮顆粒物濃度的對比關系曲線，表明不同天氣TSP濃度垂直分布存在很大差異，對直觀分析天氣狀況具有重要意義。

關鍵詞：大氣總懸浮顆粒物（TSP）;CALIPSO;背散射系數;二維色度圖

文章編號：2095-2163（2019）04-0258-05 中圖分類號：TN911 文獻標志碼：A

0 引 言

總懸浮顆粒物（TSP）是氣溶膠的一種，氣溶膠是指氣體粒子、固體粒子或其在氣體介質中的懸浮體。氣溶膠按顆粒的直徑大小分為總懸浮顆粒物TSP（直徑≤100 μm）、可吸入顆粒物PM10（直徑≤10 μm）、微細顆粒物PM2.5（直徑≤2.5 μm）。其中TSP是大氣質量評價中的一個主要指標，主要來源于秸稈燃燒時產生的煙塵、生產加工過程中產生的粉末、建造建筑和交通過程中的揚塵、風沙揚塵以及氣態污染物經過復雜物理化學反應在空氣中生成的相應的鹽類顆粒[1]。影響TSP在大氣中運動的主要因素有風向、風力大小、溫度、大氣穩定度等。大氣對于TSP的運輸和擴散主要作用在垂直和水平兩個方向。TSP對人體的危害程度主要決定于自身的粒度大小及化學組成。慢性呼吸道炎癥、肺氣腫、肺癌的發病與TSP的污染程度明顯相關。

大氣中的TSP能夠吸收一部分光線，還能使一部分的光線散射，這減少了太陽光到達地面的強度，從而影響城市的能見度，還可以改變云層存在時間和多少、降雨的多少以及陽光反射的方式。TSP對能見度影響的程度取決于其中顆粒物的大小和相應的折射指數。在TSP濃度大的時候，在人的視野中物體和環境之間失去了對比度; 而且由于大氣中TSP對光的吸收和散射削弱了光的強度，由此就有了晴天、陰天、霧霾等氣候現象。

對TSP的檢測主要有3種：地面觀測、衛星測量、現場測量。激光雷達具有長期、實時、抗干擾和高空間分辨率的特點，可提供后向散射系數和氣溶膠的消光系數。而基于地面的激光雷達，空基激光雷達能獲得更多高海拔、長距離、時間長的數據，從而為氣象檢測提供了多方面的信息[2]。

本次研究是基于CALIPSO衛星所采集的數據進行的。CALIPSO衛星是美國航天宇航局和法國國家空間研究中心合作發射的衛星，是用來測量云層和大氣中的漂浮物，由此來促進對長期氣候變遷和氣候變化性的預報 [3]。其中的云-氣溶膠偏振激光雷達CALIOP用于檢測云和氣溶膠的特性。而總懸浮顆粒物（TSP）屬于氣溶膠的一部分，所以本文討論的TSP垂直濃度也基于CALIPSO衛星的數據，主要是檢測TSP垂直分布的濃度特征。通過對雷達所反饋的數據的計算和分析，對TSP及其天氣狀況變化產生的影響進行分析研究，以便獲取更加全面和準確的認識。

本文的數據主要來自于CALIPSO激光雷達的二級數據中氣溶膠濃度信息數據，選取華北地區2018年中優良天氣、輕度霧霾、重度霧霾3種特征天氣各一天的數據，采用Matlab制圖軟件對3個特征天氣的TSP濃度進行繪制二維色度圖，直觀地表現出不同天氣的TSP濃度隨高度和經緯度的變化，為探討分析天氣變化與TSP關系提供了一種新方案。

1 數據選取與處理辦法

1.1 CALIPSO激光雷達探測原理

本次采用的激光雷達所采集的數據是在單次散射的情況下，雷達接收到了離地面z'目標的后向散射的回歸功率為p'，雷達方程為[4]：

1.2 CALIPSO的數據獲取過程及其處理

近年來衛星探測技術不斷發展，搭載的云—氣溶膠衛星觀測平臺（CALIPOSO）主要載荷雙波長正交偏振云-氣溶膠激光雷達（CALIOPS）[5]，為研究全球范圍內的云和大氣懸浮顆粒物垂直分布廓線及其光學特性提供了很大的便利。其具有發射532 nm和1 064 nm 2種波長的功能，兩種波長的反向散射信號可以比較和區分大氣顆粒物密度與大小，通過正交偏振測量可以區分云的冰相和水相。其對大氣顆粒物、煙塵、沙塵等氣溶膠成分有很強的觀測與區分能力，可以獲得大氣污染物空間分布的三維結構。CALIOP目前在科學研究中較常用的是一級產品（Level 1）和二級產品（Level 2），通過Level 2產品數據可分析大氣中總懸浮顆粒物的垂直分布廓線。CALIOP提供了總后向散射系數、退偏比、色比和氣溶膠光學厚度（AOD）等各項統計參數特征[6]。

圖1介紹了從NASA下載CALIPSO雷達數據的流程。

依據已有的研究來看，采用的方法有很多。這里從提取CALIPSO采集的數據中的體積退偏比及后向散射系數這2種值來分析大氣中的氣溶膠分布情況的例子來說明。

體積退偏比是用來測量目標物體的規則程度，一般認為云、水分子和規則形狀的氣溶膠，這些的體積退偏比很小，近乎為零。被測物質的形狀越不規則、越不能被看作是球形的體積退偏比越大[7]。

總消光后向散射系數，又稱為大氣衰減，是指光波在大氣中傳播時，因受氣溶膠和氣體分子的散射和吸收而削弱的現象。由定義可知，在氣溶膠和氣體分子分布較多的區域，這部分的后向散射系數較大。用這組數據可以繪制出后向散射系數隨高度變化的柱狀分布圖。

以上的2種對氣溶膠的分析方式都是通過采集數據，繪制相應的柱狀圖，由氣溶膠分布數值的高低來確定柱狀圖，柱狀高低得出相應區域的氣溶膠分布數量的高低。

本次采用繪制氣溶膠在大氣中分布的二維圖的方式來分析氣溶膠分布的多少。近些年隨著經濟的快速發展城市進程的加快，華北地區天氣狀況逐漸惡化，晴朗天氣逐漸減少，霧霾天氣持續增加，嚴重影響了人們的生活質量和公共安全。因此選取華北地區的優良天氣、輕度霧霾、重度霧霾3種特征天氣的總懸浮顆粒物濃度作為研究對象。

實驗中擬合了氣溶膠分布高度和經緯度之間關系，得到了關于典型天氣的氣溶膠垂直廓線圖 。在圖中用不同顏色標記大氣中不同的物質，藍色的部分為水分子，也就是大氣中的云，顏色越接近于黃色表示那部分大氣污染物含量越高，接近黃色或者黃色部分越多，表明當天的大氣污染程度越高。

本次繪制的是氣溶膠垂直廓線圖，能直觀地表現出所測區域的大氣氣溶膠分布情況。不僅可以從顏色的深淺不同直接看出大氣污染物多少，還可以從顏色所分布的位置來得知當天所測區域的大氣污染物處在大氣中的高低位置。圖2介紹了本次運用MATLAB繪圖的過程：

2 特征天氣二維色度圖結果分析

2.1 重度霧霾

選取華北地區E115°N40°-E116°N38°。高度從0～3 KM低空激光雷達氣溶膠數據，進行二維彩色圖形繪制，如圖3和圖4所示。

首先，選取2種繪圖方法繪制出圖3和圖4，圖3和圖4同時選取2019年1月12日華北地區重度霧霾特征天氣。在繪制圖3時，選取經緯度信息為橫坐標，高度為縱坐標，右側為TSP對光的后向散射系數數值的彩色分布規律表示圖。通過這些標準，使用激光雷達提供的二級數據繪制了TSP濃度的二維廓線圖，廓線圖可以看出TSP濃度的大體分布狀況，但是本文認為圖3中TSP具體高低的分布狀況通過廓線圖不能直接展現出來，只能看出大體的分布輪廓，所以進行了改正繪制出圖4。圖4中可以清晰的看出TSP的濃度分布規律，包括每個點所對應TSP濃度分布規律，對比圖3廓線圖更能全面直觀的看出任何位置的TSP濃度分布規律，從而選取圖4進行后面TSP濃度分析，后面的2組特征天氣也使用圖4的方法進行繪制和分析。

圖4中橫坐標顯示經緯度信息，縱坐標為海拔高度，右側為TSP對光的后向散射系數數值的彩色分布規律表示圖。后向散射系數數值大小與TSP濃度大小成正比。2018年1月12日華北地區E115°N40°～E116°N38°區域內，高度從0～3 KM低空TSP濃度分布為：低空近地面0～1 KM內TSP 濃度隨高度的增加濃度越來越低，該高度內后向散射系數分布在此之間。通過后向散射系數和TSP濃度的對應關系可知，當天近地面TSP濃度很高、霧霾嚴重，隨著高度的增加（1～2 KM高度內）后向散射系數分布在0～0.005之間，TSP濃度比1 KM以下有所降低，大氣質量較好。2～3 KM內后向散射系數基本為0，TSP濃度基本為零。可見當天天氣為重度污染，污染物主要聚集在近地面1 K以下，當天人們感受霧霾嚴重，圖像表示出來的信息與氣象臺發布的天氣信息相符合。

2.2 輕度霧霾

選取華北地區E116°N40°～E117°N38°。高度從0～3 KM低空激光雷達氣溶膠數據，進行二維彩色圖形繪制，如圖5所示。

圖5選取2018年2月21日華北地區輕度霧霾特征天氣，圖中橫坐標顯示經緯度信息，縱坐標為海拔高度，右側為TSP對光的后向散射系數數值的彩色分布規律，后向散射系數數值大小與TSP濃度大小成正比。圖中清晰可見，2018年2月21日華北地區E116°N40°～E117°N38°區域內，高度從0～3 KM低空TSP濃度分布為：低空0～1 KM內圖中顯示后向散射系數在0.005～0.01之間，表明TSP濃度相對較低。高度1～2 KM內后向散射系數基本為0.005～0.01內數值較低，表明TSP濃度相對較低，與0～1 KM內TSP濃度基本相同。高度2～3 KM內后向散射系數為0～0.005內，基本沒有污染物。如圖5所示該地區低空TSP濃度較高，霧霾較為嚴重空氣質量略差，圖中西部地區相對晴朗，TSP主要分布在低空0～2 KM內，所以當天污染為低空污染近地霧霾，TSP濃度不高。由圖顯示當天天氣狀況為輕度霧霾，和氣象局發布的信息相對應，圖片顯示較為準確。

2.3 優良天氣

選取華北地區E116°N40°～E117°N38°。高度從0～3 KM低空激光雷達氣溶膠數據，進行二維彩色圖形繪制，如圖6所示。

圖6選取2018年2月 5日 華北地區優良特征天氣，圖中橫坐標顯示經緯度信息，縱坐標為海拔高度，右側為TSP對光的后向散射系數數值的彩色分布規律表示圖。后向散射系數數值大小與TSP濃度大小成正比。圖中清晰可見，2018年2月5日華北地區E116°N40°～E117°N38°區域內，高度從0～3 KM低空TSP濃度分布為：0～1 KM內通過顏色可以直觀看出后向散射系數為5×10-3以下，數值很小，所以當天TSP濃度很低，空氣狀態良好為優良天氣，與當天氣象局檢測結果一致。

2.4 平均AQI濃度和平均后向散射系數104與大氣污染程度關系

圖7擬合了平均AQI（空氣質量指數）濃度和平均后向散射系數104與大氣污染程度之間的關系。由圖中可以看出，在污染程度加重的同時，平均AQI濃度和平均后向散射系數*104這2個指數的大小呈上升趨勢，展現為一定的線性關系，當平均后向散射系數低于3.2×103時或AQI低于92時為優良天氣，當w平均后向散射系數低于1.1×104或AQI低于310時為輕度污染天氣，當平均后向散射系數高于1.1×104或AQI高于310時為重度污染。隨著污染程度的增加，這2個指數的增長速度越來越快，上升的幅度也更大。

為了驗證本文方法的可行性，隨機選取天津地區的2018年12月16日的天氣數據進行了對后向散射系數進行繪制圖形分析，擬合后得出當天平均后向散射系數為2.3×104，對比圖7得出2018年12月16日當天的天氣狀況應為重度污染，這與當天氣象局所提供的AQI為290當天為重度污染相符合，證明了此驗證方法的可行性。

3 結束語

本文對CALIPSO的主要荷載激光雷達CALIOP的基本參數進行了簡單的介紹，并對其提供的二級產品（Level 2）的下載和從中提取相應有效數據并對處理、繪制、擬合圖形進行了詳細的介紹。首先選取了3種典型天氣（優良天氣、輕度霧霾、重度霧霾），基于CALIOP的提供的二級數據選取華北地區3種典型天氣，通過MATLAB進行處理并繪制出二維色度圖，可以直觀地反映出所選區域經緯度和垂直高度與大氣對光的后向散射系數大小的色彩對應關系，得出平均后向散射系數、后向散射系數與TSP濃度的關系圖，進而可以直觀地看出TSP在大氣中的分布位置和以及所測量區域污染物的多少。結果表明：不同特征天氣情況下二維色度圖有明顯差異，二維色度圖平均值與當天TSP濃度對比曲線成正比例關系，不同天氣濃度垂直分布存在很大差異。通過二維色度圖更加直觀地反映出當天的空氣質量狀況，為以后的大氣檢測與環境治理提供便利。

參考文獻

[1]吳瑛，馬金鵬. 校園PM2.5和PM10的分布及形貌觀察[J]. 干旱環境監測，2019，33（1）：8-12.

[2] 帕麗達·牙合甫，楊鵬月. 烏魯木齊市近幾年大氣顆粒物中重金屬的濃度特征[J/OL]. 干旱區地理：1-9[2019-03-31].http：//kns.cnki.net/kcms/detail/65.1103.X.20190315.1358.036.html.

[3] 溫玉海，倪曉昌，董昊，等. 基于激光雷達技術的京津冀區域氣溶膠特性分析[J]. 天津職業技術師范大學學報，2018，28（2）：18-23.

[4] 溫玉海. 局域激光雷達信號參數對氣溶膠特性的分析研究[D]. 天津：天津職業技術師范大學，2017.

[5] 賈瑞，劉玉芝，華珊，等. 青藏高原地區CALIPSO衛星氣溶膠觀測資料的訂正研究[C]//第33屆中國氣象學會年會. 西安：中國氣象學會，2016：119.

[6] 葛巧麗. 基于激光雷達的杭州市區不同強度霾探測研究[D]. 杭州：浙江大學，2014.

[7] 張武，顏嬌瓏，曹越前. 西北東部及長三角地區霾事件中氣溶膠的空間特征與比較[C]//第十三屆全國氣溶膠會議摘要集. 石家莊：中國顆粒學會氣溶膠專業委員會，2017：119.

[8] 馬驍駿，秦艷，陳勇航，等. 上海地區霾時氣溶膠類型垂直分布的季節變化 [J]. 中國環境科學， 2015，35（4）：961-969.

[9] MARENCO F， AMIRIDIS V， MARINOU E， et al. Airborne verification of CALIPSO products over the Amazon：a case study of daytime observations in a complex atmospheric scene [J]. Atmospheric Chemistry & Physics， 2014，14（7）：11871-11881.

[10]TIAN Pengfei，CAO Xianjie，ZHANG Lei，et al. Aerosol vertical distribution and optical properties over China from long-term satellite and ground-based remoteensing[J]. Atmospheric Chemistry and Physics， 2017（4）：2509-2523.