CN113376652A - 一种激光成像光谱雷达遥感探测方法及设备 - Google Patents
一种激光成像光谱雷达遥感探测方法及设备 Download PDFInfo
- Publication number
- CN113376652A CN113376652A CN202110774347.1A CN202110774347A CN113376652A CN 113376652 A CN113376652 A CN 113376652A CN 202110774347 A CN202110774347 A CN 202110774347A CN 113376652 A CN113376652 A CN 113376652A
- Authority
- CN
- China
- Prior art keywords
- scattering
- pixel
- gas
- calculating
- laser
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种激光成像光谱雷达遥感探测方法及设备,用以解决现有的遥感探测方法探测精度低,且测量周期长、数据处理效率低的技术问题。方法包括:用调谐激光照射大气、用图像传感器接收后向散射光,按图像帧记录不同波长激光散射的数据,由图像中的各像元位置,计算对应散射位置的空间信息,由像元数据计算对应空间目标散射(或反射)的强度;将图像数据与激光波长进行对应,对像元亮度数据序列进行基线重构,得到各像元对应激光传输路径的吸收光谱,对各吸收光谱做线形拟合,得到各传输路径上吸收光谱的谱线参数,由各谱线参数计算各路径上的平均气体浓度、温度、气体压强和气流速度。据此,可以得到激光覆盖空域内的大气数据的分布。
Description
技术领域
本申请涉及激光技术应用领域,尤其涉及一种激光成像光谱雷达遥感探测方法及设备。
背景技术
大气状态对于飞行器大气数据系统、有毒气体泄漏遥感、气体湍流与流场特性测量与诊断等领域至关重要,为测得准确的大气数据,Fabry-Perot干涉仪、Michelson干涉仪、Doppler差分干涉仪等相继被用于大气参数的探测中,而激光外差光谱技术因其分辨率高、灵敏度高、体积小等优势也受到了广泛的关注。但是现有的探测遥感方法受探测范围影响,无法进行高精度探测,且测量周期长,数据处理效率低。
发明内容
本申请实施例提供一种激光成像光谱雷达遥感探测方法及设备,用以解决现有的遥感探测方法探测精度低,且测量周期长、数据处理效率低的技术问题。
一方面,本申请实施例提供了一种激光成像光谱雷达遥感探测方法,包括:基于图像传感器,按帧获取不同波长的调谐激光后向散射光对应的图像数据;针对所述图像数据中的各像元位置,根据该像元在各帧图像数据中的时间序列描述相应激光传输路径的散射光强变化,进行基线重构,得到对应的吸收谱线;对所述吸收谱线进行线形函数拟合,得到对应的吸收谱线参数,以计算所述后向散射光的散射区域内的气体浓度、大气温度、气体压强和气流速度;根据所述图像数据中各像元位置对应的像元数据序列,计算相应空间位置处的空气密度。
另一方面,本申请实施例还提供了一种激光成像光谱雷达遥感探测设备,设备包括:处理器;及存储器,其上存储有可执行代码,当可执行代码被执行时,使得处理器执行如上述的一种激光成像光谱雷达遥感探测方法。
本申请实施例提供的一种激光成像光谱雷达遥感探测方法及设备,至少具备以下有益效果:
将成像技术与光谱技术结合在一起,在探测物体空间特征的同时对每个空间像元吸收光谱进行探测,以较高帧率获取目标的光路图像。由于图像传感器高光谱分辨率的巨大优势,在获取空间散射信号的同时获取气体分子吸收光谱信息,可通过图像传感器获取的信息反演空气的密度、氧气浓度、空气温度、压力和速度等多个参量,实现飞行器所需要的大气数据的多种参数的同步传感和测量,提高了高光谱数据处理的自动化和智能化水平,在航空、航天器中有广泛的应用。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种激光成像光谱雷达遥感探测方法流程图;
图2为本申请实施例提供的一种激光成像光谱雷达遥感探测设备结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种激光成像光谱雷达遥感探测方法流程图,具体包括以下步骤:
S101、基于图像传感器,按帧获取不同波长的调谐激光后向散射光对应的图像数据。
不同波长的调谐激光对空气进行照射,空气中的气溶胶和气体分子对调谐激光发生散射和吸收作用,可得到对应的后向散射光。图像传感器通过光电转换可将采集到的后向散射光转换为对应的图像数据,并逐帧获取图像数据。某一帧图像数据所记录的是某时刻调谐激光在不同空间位置和角度的散射光,该时刻对应了某个特定激光波长,各帧图像数据对应的激光波长不同。其中,图像传感器可以是增强电荷耦合器件(Intensifiedcharge coupled device,ICCD)相机、CCD相机、CMOS相机等任意能够覆盖所使用波长的设备。
在一个实施例中,氧气、二氧化碳、甲烷等大气中的主要气体成分,在海拔100km高空以内,其体积比浓度变化不大,且具有特征吸收作用,适合用于进行大气数据的测量。因此,本申请可设定用于进行测量的气体分子,并确定与其对应的激光信号的中心波长。比如,采用760nm的激光信号,或者其他与氧气分子能够发生作用的谱段,使氧气分子发生特征吸收。
在一个实施例中,在发射激光时,根据预设周期循环发射不同波长的激光形成周期性的发射。激光照射到运动物体上产生反射或散射,当激光发射到空气中后,气溶胶和气体分子会对调谐激光进行散射或吸收,通过滤光片对经过气体分子散射及吸收后得到的后向散射光中的杂散光进行滤除,滤除杂散光之后的后向散射光进入图像传感器后会被转换为相应的图像数据。通过优化的调谐范围和调谐周期设计、充分利用图像传感器的数据采集帧率,可避免数据采样率对光谱分辨率的限制。
S102、针对所述图像数据中的各像元位置,根据该像元位置在各帧图像数据中的时间序列描述相应激光传输路径的散射光强变化,进行基线重构,得到对应的吸收谱线。
图像数据中某像元位置的时间序列,代表了激光沿某一路径散射光强的变化。对所有帧的同一像元位置的时间序列进行分析,可得到同一空间位置、角度和不同波长的散射光强变化序列,其中携带了散射光所历经光程的气体分子吸收,包含了光谱信息,对其进行基线拟合,可得到对应的吸收光谱线形。
具体地,根据像元中携带的吸收信息,采用描述多普勒展宽线形的高斯函数和描述碰撞展宽线形的洛伦兹函数之间的卷积,得到采用福伊特函数描述的气体吸收谱线展宽的线形。
分子吸收具有选择性,只有当入射光波数(或波长)与气体分子的某个跃迁共振时才发生吸收。预设气体分子为氧气分子时,则吸收作用取决于氧气分子的特征吸收光谱。气体分子的吸收遵循朗伯比尔定律,气体吸收光谱取决于分子结构、对应跃迁能级、所处环境条件,受所处环境条件影响而呈现不同的线形。在低压环境或高温环境中,气体吸收谱线增宽的一个主要因素是多普勒展宽,该展宽机制源于气体分子的热运动。分子热运动规律遵循麦克斯韦-玻尔兹曼统计分布,温度越高分子运动越剧烈,多普勒展宽效应增强,可通过高斯函数描述。气体分子间碰撞会引起分子吸收谱线增宽,可通过洛伦兹函数描述。在很多情况下,会同时存在多普勒展宽和碰撞展宽,气体谱线展宽由这二者共同决定。因此,可通过高斯函数和洛伦兹函数的卷积,得到福伊特函数Voigt描述的气体谱线展宽的线形。具体如下:
其中,ΦD表示通过高斯函数描述的谱线展宽,ΦL表示通过洛伦兹函数描述的碰撞展宽,u表示高斯线形的波数,v表示福伊特线形的波数,v0表示高斯线形的中心波数,av和w为无量纲数值,分别表示为:
S103、对所述吸收谱线进行线形函数拟合,得到对应的吸收谱线参数,以计算所述后向散射光的散射区域内的气体浓度、大气温度、气体压强和气流速度。
通过AI-LM拟合算法,对吸收谱线线形进行Voigt线形函数拟合,根据当前迭代过程的迭代拟合结果和对应的拟合参数,预测下一迭代过程中初值赋值的对应参量,通过反馈迭代,确定标准迭代初值,作为最优迭代初值,实现了多参量非线性函数的有效拟合,以得到对应的吸收谱线参数。
该方法不会受到信号信噪比、干扰等影响,有效解决了拟合误差大、拟合失败的问题。Voigt线形拟合依据的洛伦兹、高斯两种线形的卷积,在一定程度上能够有效去除一些干扰和误差,提高测量结果准确性,所以测量标准差相对较小。并且,Voigt线性拟合结果更加稳定,可用于后续的温度等大气数据的计算。
在一个实施例中,根据吸收谱线计算后向散射光的散射区域内的气体浓度、大气温度、气体压强和气流速度,具体通过以下方式:
首先,通过以下公式,计算得到积分吸光度:
其中,A(v)表示气体分子的积分吸光度,It(v)表示出射光强度,I0(v)表示入射光强度,α(v)表示气体分子吸收系数,P表示气体系统总压强,C表示测量路径上气体平均浓度,S(T)表示气体分子吸收线线强,L表示测量路径的光程长度,φ(v)为吸收线线形函数,该函数为归一化函数,其函数积分为1。
在计算大气温度时,由于热力学平衡态下,分子能级的粒子数布局满足玻尔兹曼分布,吸收光谱的线强与对应能级跃迁的粒子数目以及跃迁概率有关,就特定吸收谱线而言,其光谱线强的大小只与温度有关。因此利用同一气体分子的两个吸收谱线,就可以在一定温度范围内反映所处环境的温度。由于吸收光谱的积分吸光度与压力、吸收谱线的线强、物质的摩尔浓度和光程长度密切相关,两条吸收谱线的积分吸光度在同一环境中测得,并且认为物质的摩尔浓度,压力,温度和光程长度相同,则两个吸收峰的积分吸光度之比可以简化为线强之比,即:
其中,A1、A2分别是两个吸收谱线的积分吸光度,E″1、E″2分别为两个谱线的低跃迁能级的能量,S1(T0)、S2(T0)分别是两个谱线在参考温度T0时的谱线线强,kB为玻尔兹曼常数,c为真空中光速。在实践中,参考温度T0时的谱线线强S(T0)可以通过光谱数据库(HITRAN或HITEMP)查询得到,或者由实验测量获得。
在计算大气压力时,根据测量得到的气体的吸光度和谱线的洛伦兹展宽,可以计算气体压强,具体通过以下公式实现:
Δvc=P∑jxjγj(T)=PxO2γO2+Pxairγair 公式(9)
其中,Δvc表示洛伦兹线宽,A表示气体的积分吸光度。
在计算速度时,由于空气的气体流动,散射光的中心频率和吸收光谱的中心频率都发生多普勒频移,气体分子运动速度V与多普勒频移的关系为:其中,λ为激光中心波长,ΔfD为多普勒频移,θ是激光束与粒子运动方向的夹角。
在空气中发生的散射和分子吸收都有多普勒效应,可以分别用于空气速度测量,通过吸收光谱计算气流速度时无须鉴频器。并且通过同时测速、并以二者的测速结果做比对,可相互印证,获得更为精准的测量结果。二者同时应用时,还可以用于对复杂流场的湍流结构进行测量和诊断。
S104、根据所述图像数据中各像元位置对应的像元数据序列,计算相应空间位置处的空气密度。
同一帧图像数据中不同的像元位置分别对应了不同角度和空间位置的空间散射位置。通过对各像元位置在各帧图像数据中的像元数据序列进行分析,可计算对应空间位置的散射(或散射)强度,进而反演出相应的米散射光强和瑞利散射光强,求得大气中气溶胶和大气分子的密度,计算出该帧图像数据所在空间位置处的空气密度。
在一个实施例中,调谐激光在空气中经过散射后形成了相应的图像数据,分别针对各像元计算相应空间散射位置的散射光强,以测量该帧图像数据所在空间位置的空气密度。
具体地,确定图像数据中各像元对应的空间散射位置后,根据各像元携带的散射信息和吸收信息,计算其对应的散射光强。
第一,后向散射光中包括气体分子的瑞利散射和气溶胶的米散射,根据各像元携带的散射信息,以及气体分子的直径和调谐激光的波长之间的关系,分别采用米散射模型或瑞利散射模型,对像元散射能量进行描述。调谐激光与空气粒子之间的散射作用取决于激光波长与粒子直径的大小关系,若粒子直径与波长相近或大于波长,通过米散射模型对像元的散射能量进行描述,若粒子直径远小于波长,通过瑞利散射模型对像元的散射能量进行描述。
第二,根据像元中携带的吸收信息,采用描述多普勒展宽线形的高斯函数和描述碰撞展宽线形的洛伦兹函数之间的卷积,得到采用福伊特函数描述的气体吸收谱线展宽的线形。具体过程在S102中已详细说明,对此不再进行赘述。
第三,根据像元散射能量的描述和气体谱线展宽的线形的描述,计算各像元对应的散射光强。
具体地,调谐激光在空气中同时产生米散射、瑞利散射和分子吸收时,通过以下公式(4)可计算出像元对应的散射光强:
其中,I0表示入射光强度,v表示入射激光的波数,λ表示波长,r为空间散射位置到观察点的距离,n为折射率,w表示质量浓度,ρ表示粒子密度,d表示粒子平均粒径,i1(θ)和i2(θ)分别为垂直和平行于散射平面的偏振散射强度函数,是与粒子粒径d、折射率n、波长λ有关的函数,α(v)表示气体分子吸收系数,吸收系数表示单位浓度以及单位光程长度下气体的吸光度,代表了气体分子对不同波数光的吸收能力,C表示测量路径上的气体平均浓度,L表示测量路径的光程长度。公式(4)中包含了散射和吸收的多重过程,信号极为复杂,但是每种信号的特征并不相同。米散射与瑞利散射具有不同的角度分布特征,且具有不明显的波长特征,即表现为宽带特征,而吸收表现为随波长的窄带特征。通过对接收到的后向散射信号进行空间角度、波长特征的测量和解析,获得不同信号的分离,进而可计算信号中携带的微粒密度、分子密度、压力、温度和速度等数据。
在一个实施例中,在计算得出各像元对应的散射光强后,可根据不同像元位置对应的亮度数据序列对空气中的气体分子密度和气溶胶密度进行估计,从而计算出该帧图像数据相应空间位置处的空气密度。
具体地,根据图像数据中各像元的灰度值,分别计算对应的散射光能量。本申请实施例采用ICCD作为图像传感器。散射光能量是通过ICCD进行拍照,采集对应位置的像素灰度值。通过以下公式将测得的灰度值转换为散射光能量:
Nphoton=S[cnts]/Sens[cnts/ph.el]/QE 公式(11)
其中,S[cnts]表示测得的像素灰度值;Sens[cnts/ph.el]表示灵敏度,即每个光子代表的灰度值大小,与增益数值有关,增益值为100%时,Sens[cnts/ph.el]为620cnts/ph.el;QE为量子效率,通过QE[%]=Pr[mA/W]×124/λ(nm)计算得到,在760nm波长下,QE=3%。在测量过程中,在ICCD镜头前放置滤光片,透光率为τ,最终ICCD探测到的散射光通量其中,P为激光功率,η为转换效率,α为修正因子,取1。
进一步地,探测获得的散射光中包括了气体分子的瑞利散射和气溶胶的米散射,由于激光光路较长,一般在十几米的范围内,该高度下的大气中包含气体分子和较多的气溶胶粒子,因此在描述散射光能量时,需要将米散射和瑞利散射分开,分别计算出米散射光强、瑞利散射光强与散射光能量的占比。
首先,针对不同的像元,分别计算出相应的米散射光强和瑞利散射光强。空气中的米散射来源于空气中的气溶胶,米散射强度可以由麦克斯韦方程组推导出来,给出均质球形粒子在电磁场中对平面波散射的精确解。波长为λ、光强度为I0的单色光,照射到折射率为n的粒子上发生散射,P设为观察点。通过公式(12),计算米散射的光强:
其中,r为空间散射位置到观察点的距离,NMie为散射区域内的气溶胶粒子数;r和Z轴组成的平面为散射面,θ为散射角。i1(θ)和i2(θ)分别为垂直和平行于散射平面的偏振散射强度函数,是与微粒粒径d、折射率m、波长λ有关的函数。随着粒子直径增大,米散射效率因子随波长基本不变,具有几乎相同强度的散射,米散射的强度跟波长无关。
激光在空气中的瑞利散射,主要来自于空气中的气体分子和极细微气溶胶,散射光强正比于粒子密度。分子热运动会引起多普勒频移以及谱线加宽,因此利用瑞利散射可以测量空气的密度、温度和速度等重要参数。瑞利散射是弹性散射,不改变散射光的波长。通过公式(13),计算瑞利散射的光强:
其中,I0是入射光强度;为散射距离与Y轴之间的夹角;为散射距离与Z轴之间的夹角;d为散射分子半径;nR为粒子的折射率;r为散射距离;NRay为散射区域内的气体分子数。水平方向的散射光强呈对称性变化,垂直方向的散射光强分布与散射的角度无关。
其次,计算米散射光强、瑞利散射光强与散射光能量的占比。将公式(10)表示为以下形式:
I(v)=(M+R)I0(v) 公式(14)
其中,M表示米散射在整个散射能量中所占比重,R表示瑞利散射在整个散射能量中所占比重。通过对不同散射角度以及散射距离下,M和R的计算,可以得到在760nm激光波长下,米散射和瑞利散射的比例。由此得到大气密度。
进一步地,激光经过散射后会形成相应的散射区,需要求得各像元对应的散射区体积。对于激光,其光束宽度很窄,因此散射区可近似看作一个圆台型,散射区体积为:
其中,h1=r1+r2φ2/2,D1=h1φ1/2,分别为大圆锥的高度和底面半径;h2=r1-r2φ2/2,D2=h2φ1/2,分别为小圆锥的高度和底面半径。
更进一步地,由公式(15)和公式(16)可知,在已知散射距离r和散射角度θ下,米散射的贡献M可以视为NMie的线性函数,其余参数可以计算得到。同理,R可以表示为NRay的线性函数。通过二元线性回归法对N'Mie和N'Ray进行估计:
IN=(μ0+N'Mie·VN·x1N+N'Ray·VN·x2N)·I0N 公式(18)
其中,NMie和NRay表示散射区内的气溶胶数和气体分子数,与散射体积大小有关,N'Mie和N'Ray表示每平方米中所含气溶胶粒子数和分子数,μ0为回归系数,VN为每个光斑散射区域大小,单位为平方米,
在一定高度下,单位体积内的气溶胶数和气体分子数保持不变,因此,可采用最小二乘法对N'Mie和N'Mie进行估计,并对回归方差进行分析,从而确定出最佳回归结果,得到相应的气溶胶密度和气体分子密度。
更进一步地,根据气溶胶密度和气体分子密度,及单个气溶胶粒子和的单个气体分子的质量,计算出像元所在图像数据的空间位置处的空气密度。
在一个实施例中,通过S101~S104可根据不同波长的调谐激光,计算出不同光路对应的散射区域内的大气数据。针对多条光路测得的多组空气密度、气体浓度、大气温度、气体压强和气流速度,对多组数据均进行平均处理,求多组大气数据的平均值,并将处理结果作为标准大气数据,这样可提高大气数据的准确性,减少误差。
在一个实施例中,在三维坐标系的X、Y、Z轴三个方向上均设置有图像传感器,飞行器在飞行过程中可从三个方向上分别测得相应的空气密度、气体浓度、大气温度、气体压强和气流速度,并作出对应的三维廓线,为飞行器的安全飞行提供数据支持。
本申请将成像技术与光谱技术结合在一起,在探测物体空间特征的同时对每个空间像元吸收光谱进行探测,以较高帧率获取目标的光路图像。由于图像传感器高光谱分辨率的巨大优势,在获取空间散射信号的同时获取气体分子吸收光谱信息,可通过图像传感器获取的信息反演空气的密度、氧气浓度、空气温度、压力和速度等多个参量,实现飞行器所需要的大气数据的多种参数的同步传感和测量,提高了高光谱数据处理的自动化和智能化水平,在航空、航天器中有广泛的应用。
以上为本申请提出的方法实施例。基于同样的发明构思,本申请实施例还提供了一种激光成像光谱雷达遥感探测设备,其结构如图2所示。
图2为本申请实施例提供的一种激光成像光谱雷达遥感探测设备结构示意图。如图2所示,设备包括处理器201、及存储器202,其上存储有可执行代码,当可执行代码被执行时,使得处理器201执行如上的一种激光成像光谱雷达遥感探测方法。
在本申请的一个实施例中,处理器201用于基于图像传感器,按帧获取不同波长的调谐激光后向散射光对应的图像数据;针对所述图像数据中的各像元位置,根据该像元在各帧图像数据中的时间序列描述相应激光传输路径的散射光强变化,进行基线重构,得到对应的吸收谱线;对所述吸收谱线进行线形函数拟合,得到对应的吸收谱线参数,以计算所述后向散射光的散射区域内的气体浓度、大气温度、气体压强和气流速度;根据所述图像数据中各像元位置对应的像元数据序列,计算相应空间位置处的空气密度。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种激光成像光谱雷达遥感探测方法,其特征在于,所述方法包括:
基于图像传感器,按帧获取不同波长的调谐激光后向散射光对应的图像数据;
针对所述图像数据中的各像元位置,根据该像元位置在各帧图像数据中的时间序列描述相应激光传输路径的散射光强变化,进行基线重构,得到对应的吸收谱线;
对所述吸收谱线进行线形函数拟合,得到对应的吸收谱线参数,以计算所述后向散射光的散射区域内的气体浓度、大气温度、气体压强和气流速度;
根据所述图像数据中各像元位置对应的像元数据序列,计算相应空间位置处的空气密度。
2.根据权利要求1所述的一种激光成像光谱雷达遥感探测方法,其特征在于,所述方法还包括:
分别通过三个不同方向,即第一方向、第二方向、第三方向上设置图像传感器,获取该散射区内的空气密度、气体浓度、大气温度、气体压强和气流速度。
3.根据权利要求1所述的一种激光成像光谱雷达遥感探测方法,其特征在于,所述方法还包括:
确定所述图像数据中各像元位置对应的空间散射位置;
根据各像元携带的散射信息,分别采用米散射模型或瑞利散射模型,对像元散射能量进行描述,以及,根据各像元携带的吸收信息,采用通过高斯函数和洛伦兹函数卷积得到的福伊特函数,对气体吸收谱线展宽的线形进行描述,以及,根据所述像元散射能量的描述和气体吸收谱线展宽的线形的描述,计算所述各像元对应的散射光强。
5.根据权利要求1所述的一种激光成像光谱雷达遥感探测方法,其特征在于,根据所述图像数据中各像元位置对应的像元数据序列,计算相应空间位置处的空气密度,具体包括:
根据所述图像数据中各像元的灰度值,分别计算对应的散射光能量;
针对不同的像元,分别计算所述像元的米散射光强和瑞利散射光强,及所述米散射光强、所述瑞利散射光强与所述散射光能量的占比;
分别确定各所述像元对应的空间散射区体积;
根据所述米散射光强的占比与所述气溶胶数之间的线性关系,以及所述瑞利散射光强的占比与所述气体分子数之间的线性关系,以及所述散射区体积,计算所述气溶胶密度和所述气体分子密度;
根据所述气溶胶密度和所述气体分子密度,计算所述图像数据对应的空间位置处的空气密度。
6.根据权利要求1所述的一种激光成像光谱雷达遥感探测方法,其特征在于,计算所述后向散射光的散射区域内的气体浓度、大气温度、气体压强和气流速度,具体包括:
根据所述吸收谱线参数,计算得到积分吸光度;
根据所述吸收谱线的中心频率的多普勒频移,计算得到对应的气流速度;
根据对应的吸收谱线对,以及所述吸收谱线对的积分吸光度、参考温度时的谱线线强,计算得到大气温度;
根据所述积分吸光度、测量光程长度、吸收谱线的洛伦兹线宽,计算得到气体压强;
根据所述积分吸光度、气体压强、测量光程长度、吸收谱线线强,计算得到气体浓度。
7.根据权利要求1所述的一种激光成像光谱雷达遥感探测方法,其特征在于,所述方法还包括:
分别计算不同波长的调谐激光对应的散射区域的空气密度、气体浓度、大气温度、气体压强和气流速度,并将其作为大气数据,将得到的多组所述大气数据进行平均处理。
8.一种激光成像光谱雷达遥感探测设备,其特征在于,所述设备包括:
处理器;
及存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-7任一项所述的一种激光成像光谱雷达遥感探测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110774347.1A CN113376652B (zh) | 2021-07-08 | 2021-07-08 | 一种激光成像光谱雷达遥感探测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110774347.1A CN113376652B (zh) | 2021-07-08 | 2021-07-08 | 一种激光成像光谱雷达遥感探测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113376652A true CN113376652A (zh) | 2021-09-10 |
CN113376652B CN113376652B (zh) | 2022-05-13 |
Family
ID=77581527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110774347.1A Active CN113376652B (zh) | 2021-07-08 | 2021-07-08 | 一种激光成像光谱雷达遥感探测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376652B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050078729A1 (en) * | 2003-10-09 | 2005-04-14 | Zhong-Quan Zhao | Excited state atomic line filters |
CN102288973A (zh) * | 2011-06-28 | 2011-12-21 | 华中科技大学 | 基于频谱特征信号的多气象参数同步测量方法及激光雷达 |
CN102620857A (zh) * | 2012-03-27 | 2012-08-01 | 南京大学 | 基于边沿滤波法的单光子探测布里渊光时域反射仪 |
CN103604774A (zh) * | 2013-12-05 | 2014-02-26 | 天津大学 | 基于非线性调谐提高激光气体分析灵敏度的方法和装置 |
CN104089929A (zh) * | 2014-07-11 | 2014-10-08 | 长沙理工大学 | 基于Mie散射理论的汽轮机蒸汽湿度测量方法 |
CN104792674A (zh) * | 2015-04-01 | 2015-07-22 | 东南大学 | 一种颗粒浓度测量方法 |
CN107764761A (zh) * | 2017-10-18 | 2018-03-06 | 中国科学院合肥物质科学研究院 | 一种开放空间大气中有害气体浓度的激光检测系统及其方法 |
CN108692830A (zh) * | 2018-07-27 | 2018-10-23 | 上海光维电力科技有限公司 | 一种分布式光纤测温系统 |
CN108760681A (zh) * | 2018-04-26 | 2018-11-06 | 北京航空航天大学 | 一种基于波形分解的路径平均温度测量系统与方法 |
CN109990843A (zh) * | 2019-04-24 | 2019-07-09 | 南昌航空大学 | 监测飞行器飞行速度及所处环境参数的方法及装置 |
US20200064191A1 (en) * | 2018-08-22 | 2020-02-27 | Paul Bartholomew | Raman Spectroscopy for Minerals Identification |
-
2021
- 2021-07-08 CN CN202110774347.1A patent/CN113376652B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050078729A1 (en) * | 2003-10-09 | 2005-04-14 | Zhong-Quan Zhao | Excited state atomic line filters |
CN102288973A (zh) * | 2011-06-28 | 2011-12-21 | 华中科技大学 | 基于频谱特征信号的多气象参数同步测量方法及激光雷达 |
CN102620857A (zh) * | 2012-03-27 | 2012-08-01 | 南京大学 | 基于边沿滤波法的单光子探测布里渊光时域反射仪 |
CN103604774A (zh) * | 2013-12-05 | 2014-02-26 | 天津大学 | 基于非线性调谐提高激光气体分析灵敏度的方法和装置 |
CN104089929A (zh) * | 2014-07-11 | 2014-10-08 | 长沙理工大学 | 基于Mie散射理论的汽轮机蒸汽湿度测量方法 |
CN104792674A (zh) * | 2015-04-01 | 2015-07-22 | 东南大学 | 一种颗粒浓度测量方法 |
CN107764761A (zh) * | 2017-10-18 | 2018-03-06 | 中国科学院合肥物质科学研究院 | 一种开放空间大气中有害气体浓度的激光检测系统及其方法 |
CN108760681A (zh) * | 2018-04-26 | 2018-11-06 | 北京航空航天大学 | 一种基于波形分解的路径平均温度测量系统与方法 |
CN108692830A (zh) * | 2018-07-27 | 2018-10-23 | 上海光维电力科技有限公司 | 一种分布式光纤测温系统 |
US20200064191A1 (en) * | 2018-08-22 | 2020-02-27 | Paul Bartholomew | Raman Spectroscopy for Minerals Identification |
CN109990843A (zh) * | 2019-04-24 | 2019-07-09 | 南昌航空大学 | 监测飞行器飞行速度及所处环境参数的方法及装置 |
Non-Patent Citations (6)
Title |
---|
S. MAASS: "Experimental comparison of measurement techniques for drop size distributions in liquid/liquid dispersions", 《SPRINGER》 * |
丁霞: "太赫兹频段雷达探测的冰云微物理参数反演算法模拟研究", 《热带气象学报》 * |
张海丹: "采用激光吸收光谱测量高温条件下CO体积分数及其影响因素的研究", 《动力工程学报》 * |
杜振辉等: "基于空心光波导的激光吸收光谱氨气传感器", 《光谱学与光谱分析》 * |
沈法华等: "基于单固体F-P标准具的双频率多普勒激光雷达研究", 《红外与激光工程》 * |
项建胜等: "基于Mie光散射理论的尾流气泡前向散射光特性研究", 《光子学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113376652B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9513166B2 (en) | Split field spectral imager | |
US20210055180A1 (en) | Apparatuses and methods for gas flux measurements | |
EP0586146A1 (en) | Particle measurement apparatus | |
JP6677431B2 (ja) | 大気微量ガスのファブリ・ペロー干渉計に基づく衛星検出 | |
US7333184B2 (en) | Ground surface cover type reflectivity variation correction in a differential absorption LIDAR system | |
Titchener et al. | Single photon Lidar gas imagers for practical and widespread continuous methane monitoring | |
US6756592B1 (en) | Apparatus for gas filter correlation radiometry and methods for 2-dimensional and 3-dimensional atmospheric sounding | |
CN108760681A (zh) | 一种基于波形分解的路径平均温度测量系统与方法 | |
CN103344964B (zh) | 一种遥感区分灰霾类别的激光雷达装置 | |
Shi et al. | First level 1 product results of the greenhouse gas monitoring instrument on the GaoFen-5 satellite | |
Kuhn et al. | A Fabry–Perot interferometer-based camera for two-dimensional mapping of SO 2 distributions | |
CN110749528B (zh) | 基于结构光测量表面毛细波的液体检测方法及系统 | |
CN113358160B (zh) | 一种大气数据测量方法及系统 | |
CN103616338A (zh) | 差分吸收光谱断层扫描重构大气痕量气体空间分布方法 | |
Fuchs et al. | Quantitative imaging of volcanic SO 2 plumes using Fabry–Pérot interferometer correlation spectroscopy | |
KR101894406B1 (ko) | 수평 대기투과도 계산을 위한 선형 대기투과도 모델 산출방법 | |
CN210572755U (zh) | 一种基于多普勒展宽测量大气温度的激光雷达系统 | |
CN106769895A (zh) | 一种标定测量整层大气光谱透过率的方法 | |
DK2588847T3 (en) | Device and method for the quantification of gases in the tabs by telemetering | |
CN113376652B (zh) | 一种激光成像光谱雷达遥感探测方法及设备 | |
Fei et al. | Retrieval of the aerosol extinction coefficient from scanning Scheimpflug lidar measurements for atmospheric pollution monitoring | |
O'Brien et al. | Testing the polarization model for TANSO-FTS on GOSAT against clear-sky observations of sun glint over the ocean | |
Lanevski et al. | Gonioreflectometer for measuring 3D spectral BRDF of horizontally aligned samples with traceability to SI | |
CN111122499B (zh) | 一种径向羽流多组分气体测量遥感系统 | |
US9952146B1 (en) | Determining gas concentration near planetary surfaces |
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 |