CN111707622A - 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 - Google Patents
基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 Download PDFInfo
- Publication number
- CN111707622A CN111707622A CN202010466911.9A CN202010466911A CN111707622A CN 111707622 A CN111707622 A CN 111707622A CN 202010466911 A CN202010466911 A CN 202010466911A CN 111707622 A CN111707622 A CN 111707622A
- Authority
- CN
- China
- Prior art keywords
- water vapor
- concentration
- profile
- flux
- doas
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
技术领域
本发明涉及大气测算领域,具体地说涉及基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法。
背景技术
水汽是一种温室气体,也是大气中唯一能发生相变的成分,是大气潜热径向运输的重要媒介,它在对流层参与许多化学反应,能同大气中的气溶胶、污染粒子以及其他气体发生作用,影响大气化学反应,在各种空间和时间尺度上测量大气水汽含量对天气预报、气候研究、大气化学以及地球辐射预算都至关重要[Wagner T,Andreae M O,Beirle S,etal.MAX-DOAS observations of the total atmospheric water vapour column andcomparison with independent observations,Atmospheric Measurement Techniques,2013,6:131–149]。
多轴差分吸收光谱技术(multi-axis differential optical absorptionspectroscopy,MAX-DOAS)被广泛应用于地球大气中痕量气体的测量,它的优点在于可对大气中NO2、SO2、O3、HONO、气溶胶、甲醛等多个气体同时在线测量,并能结合大气辐射传输模型反演出对流层痕量气体的柱浓度和廓线信息。
近年来,中国经历了持续的雾霾污染,PM2.5浓度达到前所未有的高值。重霾污染受多种因素影响,水汽在PM2.5的逐步形成和积累中起关键作用,高相对湿度被认为是促进大气有机气溶胶形成、加重霾污染的重要因素。采用MAX-DOAS在紫外可见波段对水汽进行监测,不仅可以同时测量其他痕量气体便于污染天气的分析,而且可以获得高时空分辨率的水汽垂直分布廓线和通量信息。目前,越来越多的人利用MAX-DOAS对水汽进行研究[LampelJ,D,Polyansky O L,et al.Detection of water vapour absorption around 363nm in measured atmospheric absorption spectra and its effect on DOASevaluations,Egu General Assembly Conference.2017;刘进,司福祺,周海金等.被动差分吸收光谱技术测量大气中水汽垂直柱浓度,光学学报,2013,33:0801002],但也只是反演出垂直柱浓度,对廓线和水汽输送通量研究却是空白。因此,需要研究一种结合现有观测技术计算水汽垂直廓线及区域水汽输送通量的有效方法,开展污染天气水汽演变和输送过程的研究,对水汽区域输送通量进行定量分析。
发明内容
本发明所要解决的技术问题是提供一种基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法。
为了解决上述技术问题,本发明采用如下技术方案:基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法,包括以下步骤:
(1)水汽垂直分布的测算
1.1)利用地基MAX-DOAS技术,计算不同仰角下的O4的斜柱浓度和水汽的斜柱浓度将不同仰角下的O4的斜柱浓度和水汽的斜柱浓度分别扣除夫琅禾费线的干扰,获得不同仰角下的O4的差分斜柱浓度和水汽的差分斜柱浓度将每组测量循环中非90°仰角下的O4的差分斜柱浓度和水汽的差分斜柱浓度分别对应减去90°仰角下的O4的差分斜柱浓度和水汽的差分斜柱浓度,获得O4的对流层差分斜柱浓度和水汽的对流层差分斜柱浓度
1.2)计算不同仰角下的大气质量因子AMF,将每组测量循环中非90°仰角下的大气质量因子减去90°仰角下的大气质量因子,获得对流层大气质量因子ΔAMF,将水汽的对流层差分斜柱浓度除以对流层大气质量因子ΔAMF,获得水汽的垂直柱浓度
(2)水汽输送通量的测算
2.1)获取研究区域的纬向风廓线和径向风廓线,分别耦合研究区域的水汽浓度廓线,计算t时刻水汽浓度廓线垂直分辨率下各层高度的纬向水汽点输送通量和径向水汽点输送通量;然后将t时刻水汽浓度廓线垂直分辨率下每层高度的纬向水汽点输送通量和径向水汽点输送通量分别进行迭加求和,获得t时刻对流层整层的纬向水汽总点输送通量和径向水汽总点输送通量;
2.2)获取研究区域的垂直于纬向风的横跨距离s和垂直于径向风的横跨距离l,将t时刻对流层整层的纬向水汽总点输送通量乘以s,径向水汽总点输送通量乘以l,获得t时刻研究区域的径向水汽总输送通量和纬向水汽总输送通量。
进一步地,步骤(1)还包括以下测算:
1.3)将O4的对流层差分斜柱浓度代入基于最优估算法的廓线反演算法中,迭代反演出气溶胶消光系数垂直廓线,然后将气溶胶消光系数垂直廓线和水汽的对流层差分斜柱浓度代入基于最优估算法的廓线反演算法中,迭代反演出水汽垂直分布廓线。
进一步地,步骤1.3)中,最优估算法的价值函数表达式如式一所示,迭代过程式如式二所示:
式一中,x是状态向量,由N个元素组成;y是测量向量,由M个元素组成;F为将给定的气体廓线信息转换为ΔSCD值的前向模型函数,xa为先验状态向量,σε为测量误差,σa为先验状态误差,下标n表示N个元素中的第n个元素的,下标m表示M个元素中的第m个元素的;
式二中,T为转置矩阵,K为权重函数矩阵,γ为修正系数;Sε为测量误差协方差矩阵(M×M),其对角线上的值为测量误差σε的平方;Sa为先验协方差矩阵(N×N),其对角线上的值是先验状态误差σa的平方,下标i+1表示当前的,下标i表示先前的。
进一步地,步骤1.3)中,反演水汽垂直分布廓线时,还需将水汽先验廓线代入基于最优估算法的廓线反演算法中,水汽先验廓线采用研究区域的每月水汽探空廓线月均值。
式三中,σ(λ)h表示水汽高分辨率吸收截面,H表示光谱仪的狭缝函数。
Qλ,t=∑i(Δhi·xiui)t 式四;
进一步地,步骤(2)还包括以下测算:
2.3)将一段时间内每个时刻的研究区域的径向水汽总输送通量和纬向水汽总输送通量分别进行迭加求和,获得一段时间内研究区域的水汽总输送量。
进一步地,步骤(2)中获取的纬向风廓线和径向风廓线来源于欧洲中期天气预报中心风廓线数据,地面空间分辨率最高为0.125°×0.125°,时间分辨率为1小时。
本发明的有益效果体现在:
(1)本发明观测方式简单,仪器装置容易实现,成本低(相对激光雷达和星载仪器而言);
(2)本发明与探空气球相比,该方法所获得的数据连续,时间分辨率高;
(3)本发明能同时测量大气水汽和其他污染气体(气溶胶、NO2、SO2、HCHO等)的柱浓度和廓线信息,便于分析水汽对气溶胶吸湿增长的影响以及水汽浓度对重霾天气形成的影响;
(4)本发明使用MAX-DOAS技术,该技术已被广泛应用于大气环境监测领域,最优化廓线反演算法相对成熟,计算中使用的通量计算公式已经在很多领域得到广泛的应用。
附图说明
图1为本发明一实施例的算法流程图。
图2为本发明一实施例计算水汽点输送通量的原理示意图。
图3为本发明一实施例计算水汽区域输送通量的原理示意图。
图4为水汽有效吸收参考截面获取示例(435nm~452nm)。
图5为本发明一实施例气溶胶消光系数垂直廓线和水汽垂直分布廓线的反演算法流程图。
具体实施方式
水汽垂直分布问题是水汽研究中的重要内容,通过水汽廓线可以分析出天气情况。以暴雨形成为例,当地已有的水分是形成暴雨的必要不充分条件,此外,还必须要有外部的水汽源源不断地输入暴雨区。因此,在作暴雨分析和预报时,一定要考虑水汽输送的问题,水汽通量就是为了定量描述水汽输送的方向、大小,从而了解形成暴雨的水汽条件。
本发明利用MAX-DOAS反演水汽垂直分布并计算水汽输送通量的算法流程如图1,利用MAX-DOAS算法可以获得对流层水汽垂直柱浓度,利用最优化廓线反演算法可以获得水汽垂直分布廓线,再结合风廓线信息以及通量计算公式,可以计算出水汽的点输送通量,结合所研究区域的范围可以估算区域总输送通量,迭加便可估算一段时间内水汽总输送量即共多少水汽往此地区输送;图2为利用MAX-DOAS计算水汽点输送通量原理示意图;图3为利用MAX-DOAS计算区域输送通量原理示意图。
更为详细的实施步骤如下:
第一步:基于MAX-DOAS测算水汽的垂直柱浓度
本发明利用地基MAX-DOAS观测不同角度的太阳散射光谱,选取水汽反演波段,为了能同时反演其他痕量气体(气溶胶、NO2、SO2、HCHO等)以便于后续分析水汽对污染天气的影响,一般选取紫外可见波段,采用和仪器狭缝函数卷积的方法获取适用于MAX-DOAS技术的水汽有效吸收参考截面σ(λ),利用DOAS算法拟合不同仰角下O4和水汽的斜柱浓度以及差分斜柱浓度和再将每组循环中非90°仰角dSCD(dSCDα≠90°)减去90°仰角dSCD(dSCDα≠90°),进而获得O4和水汽的对流层差分斜柱浓度再转化为水汽的垂直柱浓度;
MAX-DOAS技术以被动DOAS为基础,在天顶观测的基础上增加多仰角接收太阳散射光从而获取大气中痕量气体的空间分布。依据的理论基础是朗伯-比尔定律(Lambert–BeerLaw),如式(1)所示:
I(λ)=I0(λ)·exp[-σ(λ)·c·L] 式(1)
式(1)中,I(λ)表示光源强度,I0(λ)表示经过光路衰减后的接收光,σ(λ)为气体的吸收截面,c表示分子浓度,L表示光程。
对于水汽来说,由于水汽的光谱吸收线较细而且密集,如图4(a),因此要把水汽高分辨率吸收截面σ(λ)h和仪器的狭缝函数H(Slit function)进行卷积,获取适应于仪器分辨率下有效的水汽的吸收截面图4为吸收截面卷积示例,示例波段选取可见蓝光波段(435nm~452nm),的表达式如式(2)所示:
痕量气体j的光谱吸收结构可分为随波长的快变化和随波长的慢变化,通过高通滤波滤除去光学厚度中各种慢变化和散射等宽带结构,剩余的就是由痕量气体吸收所引起的随波长的快变化结构,再与标准气体分子吸收截面进行最小二乘拟合,即可获得痕量气体j的斜柱浓度SCDj(Slant Column Density,SCD),如式(3)所示:
式(3)中,为光学厚度OD,σj′(λ)代表痕量气体j分子的窄带吸收,P为低阶多项式,包含瑞利散射、米氏散射、仪器响应以及分子宽带吸收所引起的宽带光谱结构,由以上公式可以得出不同仰角下的O4的斜柱浓度和水汽的斜柱浓度
需要注意的是,对于DOAS方法测量水汽,当水汽浓度偏高时会出现饱和吸收的现象,从而产生较大的测量误差。饱和效应的产生是由于在朗伯-比尔定律中,水汽吸收参考截面与仪器函数的卷积不能与指数函数交换。对于给定的水汽斜柱浓度可以通过将吸收截面替换为式(4)给出的饱和校正后的水汽吸收截面σ(λ)satu来纠正这种影响,σ(λ)satu表达式如式(4)所示:
通过选取一条“干净”的太阳散射光谱作为夫琅禾费参考光谱(FraunhoferReference Spectrum,FRS)进而扣除强烈的夫琅禾费线的干扰从而得到气体的差分斜柱浓度(differential Slant Column Densities,dSCD),通常选取接近正午较小太阳天顶角下仰角α=90°时的光谱作为琅禾费参考光谱,计算公式如式(5)所示:
dSCDα=SCDα-SCDref 式(5)
式(5)中,dSCDα为α仰角下气体的差分斜柱浓度,SCDref代表通过最小二乘拟合得到的夫琅禾费参考光谱的斜柱浓度,SCDα为α仰角下气体的斜柱浓度(对于水汽来说,可以是未经过饱和矫正过的或者是经过饱和矫正过的),上述公式即可获得每个仰角α下的O4的差分斜柱浓度和水汽的差分斜柱浓度
90°仰角方向的dSCD里含有平流层浓度的信息,因此,需要扣除平流层痕量气体吸收,由每个测量循环中离轴方向,即α≠90°仰角下的气体的差分斜柱浓度dSCDα≠90°减去α=90°仰角下的气体的差分斜柱浓度dSCDα=90°,即可获得气体的对流层差分斜柱浓度ΔSCD,计算公式如式(6)所示:
ΔSCD=dSCDα≠90°-dSCDα=90° 式(6)
通常将斜柱浓度转换为垂直柱浓度(Vertical Column Density,VCD),即垂直穿过大气层的积分浓度,气体的垂直柱浓度计算公式如式(7)所示:
式(7)中,AMF为大气质量因子(Air Mass Factor,AMF),他依赖于太阳位置、观测角度、气溶胶特性分布以及痕量气体分布,常使用大气辐射传输模型,比如SCIATRAN RTM来计算。
计算不同仰角下的大气质量因子AMF,将每组测量循环中非90°仰角下的大气质量因子AMFα≠90°减去90°仰角下的大气质量因子AMFα=90°,获得对流层大气质量因子ΔAMF,将气体的对流层差分斜柱浓度ΔSCD除以对流层大气质量因子ΔAMF,即可获得气体的垂直柱浓度VCD,代入水汽的对流层差分斜柱浓度即可获得水汽的垂直柱浓度它反应了本地的水汽含量,水汽的垂直柱浓度反映了测量点本地单位面积上沿高度积分的大气水汽分子数。
地基MAX-DOAS一般由太阳光汇聚系统、多角度扫描系统、光信号传输系统、光谱探测系统和光谱存储及解析系统分别由望远镜、旋转云台、光纤、光谱仪和计算机组成,利用望远镜进行多仰角接受太阳散射光,根据不同仰角的光路吸收,最终实现对大气痕量气体垂直柱浓度解析的仪器,所依据的理论基础是朗伯-比尔(Lambert-Beer)定律,表达式为I(λ)=I0(λ)·exp[-σ(λ)·c·L];卷积的目的是为了获取适应于光谱仪分辨率下的水汽有效吸收参考截面σ(λ),首先要用汞灯对光谱仪进行定标,获取仪器狭缝函数H(Slitfunction),再与水汽高分辨率吸收截面σ(λ)h进行卷积(水汽高分辨率吸收截面可到HITRAN数据库官网下载);差分斜柱浓度的计算公式为dSCD=SCDα-SCDref,α和ref分别代表仰角和参考光谱,参考光谱通常选取接近中午90°测量光谱;对流层差分斜柱浓度ΔSCD的获取中减去90°仰角是为了扣除平流层信息,它所反应的是浓度沿光路的积分。
第二步:基于最优估算法反演水汽垂直分布廓线
首先利用第一步得到O4的对流层差分斜柱浓度将其代入基于最优估算法的廓线反演算法中,反演出气溶胶消光系数垂直廓线;再将水汽先验廓线和第一步获得的以及气溶胶消光系数垂直廓线一同代入基于最优估算法的廓线反演算法中,迭代n次后判断价值函数是否小于仰角个数M,如果大于M将最后一次迭代的结果作为先验廓线继续迭代,直至价值函数小于M即可输出此仰角循环的水汽垂直分布廓线x(h,t),h为高度,t为时间;
最优估算法实质上是求解迭代方程的非线性反演问题,反演的目的是最小化价值函数,价值函数χ2(x)表达式如式(8)所示:
式(8)中,x是反演得到的状态向量(本文指气体的垂直分布廓线),由N个元素组成;y是测量向量(本文指不同仰角下的气体对流层差分斜柱浓度),由M个元素组成;F表示将给定的气体廓线信息转换为ΔSCD值的前向模型函数,xa表示先验状态向量,σε表示测量误差,σa表示先验状态误差,下标n表示N个元素中的第n个元素的,下标m表示M个元素中的第m个元素的。整个反演过程就是价值函数χ2最小化的过程,也就是如果能找到使价值函数最小化的状态向量x,即为我们要输出的结果。
对于非线性反演问题,也就是状态向量x和F之间是非线性关系,需要通过Gauss-Newton方法多次迭代并采用Levenberg-Marquardt算法对迭代进行修正,最后逐渐获得最优化解,迭代过程表示为式(9):
式(9)中,T表示转置矩阵,Sε是测量误差协方差矩阵(M×M),其对角线上的值为测量误差σε的平方,K为权重函数矩阵;γ是一个修正系数,用于改变状态量向价值函数接近的速率,可以先设置为1,再根据迭代情况修改;Sa为先验协方差矩阵(N×N),其对角线上的值是先验状态误差σa的平方,下标i+1表示当前的,下标i表示先前的,如xi+1和xi分别是当前和先前的状态向量。如果x满足式(10),则迭代停止:
式(10)中,M就是仰角个数,其中协方差矩阵Sσy表示为式(11):
Sσy=Sε(KSaKT+Sε)-1Sε 式(11)
迭代反演误差主要由三部分组成:平滑误差(Ss)、测量误差(Sm)和剩余误差(Sr),总误差(St)是三种误差的均方根。三种误差计算公式如式(12)至(14)所示:
其中,Sc是模拟值和测量值差异的协方差矩阵。
以上内容即为最优估算法,实质上就是输入测量向量y和一个状态向量x的先验值xa,并通过大气辐射传输模型计算权重函数K、协方差矩阵和模拟值,我们把这个先验值xa作为xi代入式(9)计算出xi+1,然后把xi+1和xi代入式(10)判断其值是否小于M,如果小于,则xi即为最优化解,如果大于,则将xi+1作为xi代入式(9)继续迭代,直至满足式(10),迭代停止。对于MAX-DOAS,测量向量y就是不同仰角下对流层差分斜柱浓度ΔSCD,状态向量x就是要反演的气体廓线。
由于气溶胶状态影响光在大气中的传输路径,进而会影响由ΔSCD获取痕量气体垂直分布的反演,因此需将反演过程分为两步。首先利用实施步骤第一步中DOAS方法反演得到O4的对流层差分斜柱浓度将其代入基于最优估算法的廓线反演算法中,反演出气溶胶消光系数垂直廓线;再将水汽先验廓线和实施步骤第一步中获得的以及气溶胶消光系数垂直廓线一同代入基于最优估算法的廓线反演算法中,迭代n次后判断价值函数是否小于仰角个数M,如果大于M将最后一次迭代的结果作为先验廓线继续迭代,直至价值函数小于M即可输出水汽垂直分布廓线x,对于MAX-DOAS,廓线x是高度和时间的函数,因此可将其表示为x(h,t),h为高度,t为时间。
采用最优估算法基于MAX-DOAS反演痕量气体廓线的具体实施步骤如下:
对于气溶胶消光,将测量向量y和状态向量x分别定义为式(15)和(16):
x=(AEC1 AEC2 AEC3 AEC4 AECn)T 式(16)
式(15)、(16)中,n为要反演气溶胶垂直廓线的层数,m为MAX-DOAS每组完整仰角扫描对应的个数,Ω为由三个分量组成的观测几何向量:太阳天顶角(SZA),相对方位角(RAA)和仰角(EL)。RAA是望远镜方向与太阳之间的方位角。AEC(Aerosol ExtinctionCoefficient)为气溶胶消光系数。
基于最优估算法,首先将仰角、相对方位角、太阳天顶角、气溶胶单次反照率、非对称因子、温压廓线和气体吸收截面等参数输入大气辐射传输模型(SCAITRAN RTM),并计算与测量状态对应的权重函数K,然后再将测量值、气溶胶先验廓线(一般为指数型)以及权重函数K等输入到最优估算法中计算xi+1,判断价值函数是否最小化,如果不满足最小化,则将xi+1作为xi继续迭代,直至获取气溶胶消光系数垂直廓线最优化解。在迭代过程中,如果数据质量不好有可能出现迭代次数过多的情况,会耗费大量时间,因此需要设置一个最大迭代次数n。
(2)由气溶胶消光系数廓线反演大气水汽垂直分布廓线
对于水汽,将测量向量y和状态向量x分别定义为式(17)和(18):
x=(MR1 MR2 MR3 MR4 MRn)T 式(18)
式(17)、(18)中,n为要反演气溶胶垂直廓线的层数,m为MAX-DOAS每组完整仰角扫描对应的个数,Ω为由三个分量组成的观测几何向量:太阳天顶角(SZA),相对方位角(RAA)和仰角(EL)。RAA是望远镜方向与太阳之间的方位角。MR(Mixing Ratio)为水汽体积混合比。同样的基于最优估算法,将气溶胶消光系数垂直廓线、气溶胶单次反照率、仰角、相对方位角、太阳天顶角和非对称因子等一同输入SCAITRAN RTM里,计算对应的权重函数K,然后再将测量值,水汽先验廓线以及权重函数K等输入到最优估算法中计算xi+1,判断价值函数是否最小化,如果不满足最小化,则将xi+1作为xi继续迭代,直至获取水汽垂直廓线最优化解。图5为具体水汽廓线反演流程。
水汽先验廓线采用测量站点附近的每月水汽探空廓线月均值;廓线反演算法的核心是基于最优估算法求解迭代方程的非线性反演问题,其中n为最大迭代次数,可以自己设置,迭代次数越大,反演时间越长。廓线反演算法分为两步。这是因为,气溶胶状态影响光在大气中的传输路径,进而会影响由气体斜柱浓度获取痕量气体垂直分布的反演。所以,需要先由O4的斜柱浓度基于最优估算法反演出气溶胶消光系数垂直廓线,再由气溶胶消光系数廓线反演水汽垂直分布廓线;水汽的先验廓线为最优化算法反演气体廓线前输入的一条起始廓线,它需要经过多次迭代从而使价值函数最小化后才能输出廓线结果。
第三步:基于风场信息计算水汽输送通量
从欧洲中期天气预报中心(ECMWF)ERA Interim,Daily官网中下载每小时风廓线ui分量和vi分量数据,其时间分辨率为1小时,空间位置分辨率为0.125°×0.125°,垂直高度按照等压面分层,分辨率为25hpa;
由于MAX-DOAS获得廓线的时间分辨率通常为3分钟~5分钟,因此风廓线对应时刻的正负半小时内的所有水汽廓线均用同一条风廓线耦合,将风廓线插值到水汽廓线对应的每层高度,水汽浓度垂直分布一般为指数递减,所以插值方法为指数插值。结合水汽输送通量计算公式,那么在t时刻第i层的纬向水汽点输送通量Qλ,i,t和径向水汽点输送通量分别如式(19)所示:
显然,t时刻观测的浓度扩散在湍流的影响下具有随机性,类似的可以按照风场统计方法,统计t到t+Δt(Δt表示统计的时间范围,一般可以选择在30~60分钟)的点输送通量作为t时刻的水汽点输送通量,这样经过修正的t时刻对流层整层的纬向水汽总点输送通量和径向水汽总点输送通量的计算公式如式(21)所示:
式(21),j表示t到t+Δt时间段内的第j时刻,N表示对应个数。
通过长时间观测,采用统计平均的办法可得到水汽本底浓度,除去本底点输送通量即可得到一段时间内的水汽点净输送通量Qλ,clean和利用MAX-DOAS计算每一层的点输送通量,这种计算显然也包括了对应高空输送带的点输送通量,这对研究暴雨的形成非常重要。因为讨论的是输送问题,因此大气在水平面上假设是混合均匀的,那么利用MAX-DOAS便可研究对城市区域的水汽输送。假设城市区域垂直于t时刻径向风向的横跨距离为s,垂直纬向风向的横跨距离为l,则t时刻该区域的对流层整层的纬向水汽总点输送通量Qλ,area和径向水汽总点输送通量如式(22)所示:
点输送通量单位为g/(m·s),区域输送通量的单位为g/s。区域输送通量是一个估算量,是将MAX-DOAS站点廓线测量结果应用于整个区域,考虑环境变化,区域范围不易过大,在非临海城市,可估算40km×40km范围内的区域水汽输送通量,计算的区域输送通量为城市区域垂直截面上的径向和纬向输送通量。
若对一个城市区域进行长时间观测研究,将所有时刻的水汽区域输送通量迭加即可,将一段时间内每个时刻的该区域的径向水汽总输送通量和纬向水汽总输送通量分别进行迭加求和,获得一段时间内该区域的水汽总输送量。
通量误差分析:计算水汽输送通量的不确定性主要由风场的波动和水汽浓度的波动引起。由于平均的方式也降低了DOAS方法引起的随机误差,因此MAX-DOAS测量的水汽点输送通量最主要的误差来源为风场不确定性、廓线反演误差、AMF误差。
应当理解本文所述的例子和实施方式仅为了说明,并不用于限制本发明,本领域技术人员可根据它做出各种修改或变化,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法,其特征在于:包括以下步骤:
(1)水汽垂直分布的测算
1.1)利用地基MAX-DOAS技术,计算不同仰角下的O4的斜柱浓度和水汽的斜柱浓度将不同仰角下的O4的斜柱浓度和水汽的斜柱浓度分别扣除夫琅禾费线的干扰,获得不同仰角下的O4的差分斜柱浓度和水汽的差分斜柱浓度将每组测量循环中非90°仰角下的O4的差分斜柱浓度和水汽的差分斜柱浓度分别对应减去90°仰角下的O4的差分斜柱浓度和水汽的差分斜柱浓度,获得O4的对流层差分斜柱浓度和水汽的对流层差分斜柱浓度
1.2)计算不同仰角下的大气质量因子AMF,将每组测量循环中非90°仰角下的大气质量因子减去90°仰角下的大气质量因子,获得对流层大气质量因子ΔAMF,将水汽的对流层差分斜柱浓度除以对流层大气质量因子ΔAMF,获得水汽的垂直柱浓度
(2)水汽输送通量的测算
2.1)获取研究区域的纬向风廓线和径向风廓线,分别耦合研究区域的水汽浓度廓线,计算t时刻水汽浓度廓线垂直分辨率下各层高度的纬向水汽点输送通量和径向水汽点输送通量;然后将t时刻水汽浓度廓线垂直分辨率下每层高度的纬向水汽点输送通量和径向水汽点输送通量分别进行迭加求和,获得t时刻对流层整层的纬向水汽总点输送通量和径向水汽总点输送通量;
2.2)获取研究区域的垂直于纬向风的横跨距离s和垂直于径向风的横跨距离l,将t时刻对流层整层的纬向水汽总点输送通量乘以s,径向水汽总点输送通量乘以l,获得t时刻研究区域的纬向水汽总输送通量和径向水汽总输送通量。
3.根据权利要求2所述的基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法,其特征在于:步骤1.3)中,最优估算法的价值函数表达式如式一所示,迭代过程式如式二所示:
式一中,x是状态向量,由N个元素组成;y是测量向量,由M个元素组成;F为将给定的气体廓线信息转换为ΔSCD值的前向模型函数,xa为先验状态向量,σε为测量误差,σa为先验状态误差,下标n表示N个元素中的第n个元素的,下标m表示M个元素中的第m个元素的;
式二中,T为转置矩阵,K为权重函数矩阵,γ为修正系数;Sε为测量误差协方差矩阵(M×M),其对角线上的值为测量误差σε的平方;Sa为先验协方差矩阵(N×N),其对角线上的值是先验状态误差σa的平方,下标i+1表示当前的,下标i表示先前的。
4.根据权利要求2或3所述的基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法,其特征在于:步骤1.3)中,反演水汽垂直分布廓线时,还需将水汽先验廓线代入基于最优估算法的廓线反演算法中,水汽先验廓线采用研究区域的每月水汽探空廓线月均值。
8.根据权利要求1或2或3所述的基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法,其特征在于:步骤(2)还包括以下测算:
2.3)将一段时间内每个时刻的研究区域的径向水汽总输送通量和纬向水汽总输送通量分别进行迭加求和,获得一段时间内研究区域的水汽总输送量。
9.根据权利要求1或2或3所述的基于地基MAX-DOAS的大气水汽垂直分布及输送通量的测算方法,其特征在于:步骤(2)中获取的纬向风廓线和径向风廓线来源于欧洲中期天气预报中心风廓线数据,地面空间分辨率最高为0.125°×0.125°,时间分辨率为1小时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010466911.9A CN111707622B (zh) | 2020-05-28 | 2020-05-28 | 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010466911.9A CN111707622B (zh) | 2020-05-28 | 2020-05-28 | 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111707622A true CN111707622A (zh) | 2020-09-25 |
CN111707622B CN111707622B (zh) | 2023-04-14 |
Family
ID=72538281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010466911.9A Active CN111707622B (zh) | 2020-05-28 | 2020-05-28 | 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111707622B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836332A (zh) * | 2020-11-10 | 2021-05-25 | 中国气象科学研究院 | 大气水物质平流输入输出计算方法 |
CN114324206A (zh) * | 2021-12-18 | 2022-04-12 | 复旦大学 | 基于被动多轴差分吸收光谱技术的天空条件分类方法 |
CN114415266A (zh) * | 2021-12-31 | 2022-04-29 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
CN117147475A (zh) * | 2023-10-30 | 2023-12-01 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067534A (zh) * | 2015-07-25 | 2015-11-18 | 中国科学院合肥物质科学研究院 | 基于地基max-doas的污染物输送通量测算方法 |
JP2017090054A (ja) * | 2015-11-02 | 2017-05-25 | エバ・ジャパン 株式会社 | 情報処理装置、情報処理方法、及びプログラム |
-
2020
- 2020-05-28 CN CN202010466911.9A patent/CN111707622B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067534A (zh) * | 2015-07-25 | 2015-11-18 | 中国科学院合肥物质科学研究院 | 基于地基max-doas的污染物输送通量测算方法 |
JP2017090054A (ja) * | 2015-11-02 | 2017-05-25 | エバ・ジャパン 株式会社 | 情報処理装置、情報処理方法、及びプログラム |
Non-Patent Citations (1)
Title |
---|
王杨等: "多轴差分吸收光谱技术测量NO_2对流层垂直分布及垂直柱浓度", 《物理学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836332A (zh) * | 2020-11-10 | 2021-05-25 | 中国气象科学研究院 | 大气水物质平流输入输出计算方法 |
CN112836332B (zh) * | 2020-11-10 | 2023-08-15 | 中国气象科学研究院 | 大气水物质平流输入输出计算方法 |
CN114324206A (zh) * | 2021-12-18 | 2022-04-12 | 复旦大学 | 基于被动多轴差分吸收光谱技术的天空条件分类方法 |
CN114324206B (zh) * | 2021-12-18 | 2024-01-16 | 复旦大学 | 基于被动多轴差分吸收光谱技术的天空条件分类方法 |
CN114415266A (zh) * | 2021-12-31 | 2022-04-29 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
CN114415266B (zh) * | 2021-12-31 | 2022-09-20 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
CN117147475A (zh) * | 2023-10-30 | 2023-12-01 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
CN117147475B (zh) * | 2023-10-30 | 2024-01-30 | 杭州泽天春来科技有限公司 | 气体分析仪的多目标气体分析方法、系统及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111707622B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707622B (zh) | 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 | |
Chen et al. | Differential column measurements using compact solar-tracking spectrometers | |
Yang et al. | Capability of Fengyun-3D satellite in earth system observation | |
Washenfelder et al. | Carbon dioxide column abundances at the Wisconsin Tall Tower site | |
Buchwitz et al. | Atmospheric carbon gases retrieved from SCIAMACHY by WFM-DOAS: version 0.5 CO and CH 4 and impact of calibration improvements on CO 2 retrieval | |
Irie et al. | Eight-component retrievals from ground-based MAX-DOAS observations | |
CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
Natraj et al. | Multi-spectral sensitivity studies for the retrieval of tropospheric and lowermost tropospheric ozone from simulated clear-sky GEO-CAPE measurements | |
Rozanov et al. | NO2 and BrO vertical profile retrieval from SCIAMACHY limb measurements: Sensitivity studies | |
Todd et al. | Measuring chemical emissions using open-path Fourier transform infrared (OP-FTIR) spectroscopy and computer-assisted tomography | |
Barkley et al. | Measuring atmospheric CO 2 from space using Full Spectral Initiation (FSI) WFM-DOAS | |
CN105067534A (zh) | 基于地基max-doas的污染物输送通量测算方法 | |
CN111859695B (zh) | 基于高分五号卫星紫外可见高光谱的大气污染成分反演方法 | |
CN110389103B (zh) | 一种大气近地面二氧化氮浓度反演方法 | |
CN115730176A (zh) | 一种紫外高光谱大气臭氧垂直柱浓度反演方法 | |
Schwaerzel et al. | Three-dimensional radiative transfer effects on airborne and ground-based trace gas remote sensing | |
Zhang et al. | Robust algorithm for precise X CO2 retrieval using single observation of IPDA LIDAR | |
Zhang et al. | Quantifying emission fluxes of atmospheric pollutants from mobile differential optical absorption spectroscopic (DOAS) observations | |
Scheepmaker et al. | HDO and H 2 O total column retrievals from TROPOMI shortwave infrared measurements | |
Qian et al. | Retrieval of tropospheric ozone profiles using ground-based MAX-DOAS | |
Thundathil et al. | Assimilation of lidar water vapour mixing ratio and temperature profiles into a convection-permitting model | |
Wulfmeyer et al. | Comparison of active and passive water vapor remote sensing from space: An analysis based on the simulated performance of IASI and space borne differential absorption lidar | |
Cheng et al. | Retrieving tropospheric NO 2 vertical column densities around the city of Beijing and estimating NO x emissions based on car MAX-DOAS measurements | |
CN116188705A (zh) | 区域大气污染物千米级分辨率立体分布的重构方法 | |
Lee et al. | First-time remote sensing of NO2 vertical distributions in an urban street canyon using Topographic Target Light scattering Differential Optical Absorption Spectroscopy (ToTaL-DOAS) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |