CN113447410B - 低空无人机探测地面火灾的方法及系统 - Google Patents

低空无人机探测地面火灾的方法及系统 Download PDF

Info

Publication number
CN113447410B
CN113447410B CN202110702695.8A CN202110702695A CN113447410B CN 113447410 B CN113447410 B CN 113447410B CN 202110702695 A CN202110702695 A CN 202110702695A CN 113447410 B CN113447410 B CN 113447410B
Authority
CN
China
Prior art keywords
scattering
transmittance
line
atmosphere
coefficient
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.)
Active
Application number
CN202110702695.8A
Other languages
English (en)
Other versions
CN113447410A (zh
Inventor
刘礼喜
陈志莉
唐瑾
彭吴迪
陈林
胡天佑
刘祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202110702695.8A priority Critical patent/CN113447410B/zh
Publication of CN113447410A publication Critical patent/CN113447410A/zh
Application granted granted Critical
Publication of CN113447410B publication Critical patent/CN113447410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • 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
    • G01N21/59—Transmissivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Dispersion Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于大气监测技术领域，具体公开了一种低空无人机探测地面火灾的方法及系统，该方法通过获取谱线强度和谱线线形，对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数，再计算得到H2O和CO2的透过率，并将H2O透过率和CO2透过率相乘，得到大气分子的透过率，由大气中气溶胶颗粒的散射系数ksca和消光系数kext，计算得到大气中气溶胶颗粒消光的光学厚度τ(λ)，进一步得到气溶胶的透过率，结合大气分子透过率，得到探测地面火灾的大气辐射传输方程式。采用本技术方案，通过HIRTAN谱线参数和气体吸收系数，获取大气辐射传输方程式，进行大气校正，实现低空无人机对地面火灾的探测。

Description

低空无人机探测地面火灾的方法及系统
技术领域
本发明属于大气监测技术领域，涉及一种低空无人机探测地面火灾的方法及系统。
背景技术
化学品火灾事故风险高、危害大，探测特征污染物是识别评估其污染物危害的主要依据。现有的地面监测手段存在仅能获取局部点位火灾污染信息、监测设备损毁风险大等局限，难以满足实际需求。无人机搭载多光谱、高光谱仪是大范围、远距离和省时省力探测地面火灾特征污染物的最佳途径。但无人机探测器与地面火灾目标物之间存在着一段远距离的大气环境干扰，无人机拍摄的地面火灾的高光谱图像，由于大气吸收的存在，需要对辐射亮度数据进一步大气校正才能得到地面物体的反射光谱和化学品火灾特征污染物的发射光谱。
目前主要使用的有MODTRAN软件来进行大气校正，MODTRAN是一种计算机程序，用来模拟0.2-100μm光谱范围内的电磁辐射在大气中的传播。但MODTRAN软件，在使用过程中运算复杂且移植和兼容较困难，且MODTRAN软件进行的大气校正操作多适用于30km高度以上的路径，无法针对1km低空的无人机探测地面火灾等情况进行探测。
因此，开展无人机探测化学品火灾特征物研究是提升我国应急监测与快速响应能力的迫切现实需求。
发明内容
本发明的目的在于提供一种低空无人机探测地面火灾的方法及系统，进行大气校正，实现低空无人机对地面火灾的探测。
为了达到上述目的，本发明的基础方案为：一种低空无人机探测地面火灾的方法，包括如下步骤：
获取谱线强度Sij和谱线线形fv(v，v0)；
对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数；
根据谱线强度Sij、谱线线形fv(v，v0)和谱线的吸收系数，获取H2O和CO2的单一组分光学厚度，通过单一组分光学厚度获取H2O和CO2的透过率，并将H2O透过率和CO2透过率相乘，得到大气分子的透过率；
根据米氏散射理论，获取大气中气溶胶颗粒的散射系数ksca和消光系数kext；
通过粒子谱分布，结合散射系数ksca和消光系数kext，计算得到大气中气溶胶颗粒消光的光学厚度τ(λ)，根据光学厚度获取气溶胶颗粒透过率；
结合大气分子透过率和气溶胶颗粒透过率，得到探测地面火灾的大气辐射传输方程式：
Figure BDA0003130771700000021
其中v0是中心频率，v是中心频率之外任意位置的谱线波数；exp(-τ)是透过率，包括大气分子透过率和气溶胶颗粒透过率，i是大气分子和气溶胶颗粒的排序序号；Iλ(0)代表没有被大气吸收散射以及没有被气溶胶吸收散射的波长为λ的谱线的光谱强度，即地面火灾起始位置发出的红外光谱强度；I为光谱的辐射亮度值，或者I为辐射强度值，λ为波长，取值为一个区间。
本基础方案的工作原理和有益效果在于：无人机探测地面火灾时，大气中具有常见的气溶胶粒子，且大气中的CO2、H20和O3是对大气中红外辐射影响最大的三种分子，但在低空中臭氧含量很低，通常不予考虑。根据低空大气中的物质成分，获取可能影响无人机采集数据的谱线参数、大气分子的透过率及大气中气溶胶颗粒的透过率，计算得出大气辐射传输方程式，从而实现大气校正，使无人机顺利探测得到地物的反射光谱和化学品火灾特征污染物的发射光谱。
进一步，获取谱线强度Sij和谱线线形fv(v，v0)，得到谱线的吸收系数的具体步骤如下：
获取谱线强度Sij和谱线线形fv(v，v0)的表达式：
Figure BDA0003130771700000031
Figure BDA0003130771700000032
Figure BDA0003130771700000033
Figure BDA0003130771700000034
Figure BDA0003130771700000035
其中，g′和g″分别表示高能态和低能态跃迁的统计权重，E″表示低能态，Iα为分子内同位素的丰富度,c2为第二辐射常数，vij为谱线波数，基态i和激发态j，Aij为爱因斯坦-A系数，单位是s-1；γ为谱线半高度，Q(T)为总分配函数,T是开尔文温度；e是自然指数；Rij是电偶极跃迁矩阵元；aL是洛伦兹半宽度，aD是多普勒半宽度，d是光学路径长度，gk是所处能态跃迁的统计权重，Ek是所处能态；h为普朗克常数，c为光速，k为玻尔兹曼常数；
对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数k(vij)：
Figure BDA0003130771700000041
line(start)为波长区间的起点，line(end)为波长区间的终点。
获取谱线吸收系数，利于后续操作，利于使用。
进一步，HITRAN中存储的谱线强度Sij是在参考温度296K下得到的，对Sij进行推导可得到其他温度T下的谱线强度：
Figure BDA0003130771700000042
其中，T是开尔文温度,Tref是参考温度，Q(T)为总分配函数。
根据推导获取各种温度下的谱线强度，使该方法适用于不同温度下的探测，便于使用。
进一步，单一组分气体分子的光学厚度及气体分子的透过率分别为：
Figure BDA0003130771700000043
气体分子透过率＝exp[-P·∑ki(vij)·χi·ds]；
气体分子的散射忽略不计，其中，ds为气体微元的长度；P是气体压强；ki(vij)为某大气组分在波数v处的吸收系数，与大气中气体组分、温度有关；χi为大气中某个气体组分i的浓度。
气体分子的透过率通过python的HAPI计算程序员代码实现，只需要输入气体压力、组分浓度、温度、光学路径长度，操作简单，便于计算。
进一步，获取大气中气溶胶颗粒消光的光学厚度τ(λ)以及气溶胶颗粒的透过率的具体操作步骤如下：
将大气中气溶胶颗粒的半径与入射光波长设置在一个数量级，把大气气溶胶颗粒近似看成理想球体，根据等效球的米氏散射理论，大气中气溶胶颗粒的散射系数ksca和消光系数kext为：
Figure BDA0003130771700000051
Figure BDA0003130771700000052
kext(消光)＝ksca(散射)+kabs(吸收)
其中，rmax是气溶胶粒径的最大值；
采用粒子谱分布：
η(r)＝arαexp(-brγ)
计算气溶胶粒子数浓度N：
Figure BDA0003130771700000053
其中，a、b为正的常数，Г(α+1)是伽马函数；
散射截面σs与气溶胶粒径几何截面πr2之比等于散射效率因子K0，无偏振自然光的散射截面σs表示为：
Figure BDA0003130771700000054
散射效率因子K1可以表示为：
Figure BDA0003130771700000055
消光截面σext与气溶胶粒径几何截面πr2之比等于消光效率因子K0，无偏振自然光的消光截面σext表示为：
Figure BDA0003130771700000056
因此，消光效率因子K0可以表示为：
Figure BDA0003130771700000057
消光系数的光学厚度：
Figure BDA0003130771700000061
其中，Z为路径长度，即无人机探测点到火灾发生点的近似直线距离；
大气中气溶胶颗粒的透过率：
气溶胶颗粒透过率＝exp(-τext(λ,Z))。
由于大气气溶胶颗粒、密度、大小分布及其复杂，严格描述理论还不存在，本方法将大气中气溶胶颗粒的半径与入射光波长在一个数量级，把大气气溶胶颗粒近似看成理想球体，根据等效球的米氏散射理论，获取大气中气溶胶颗粒的散射系数ksca和消光系数kext，简化运算的复杂度，便于操作。
进一步，根据米氏散射理论，当入射光强为I0，波长为λ的自然光沿z轴的正方向平行入射到半径为r的各向同性球形粒子上时，在散射角为θ，距离散射粒子l处的散射光强为：
Figure BDA0003130771700000062
Figure BDA0003130771700000063
Figure BDA0003130771700000064
Figure BDA0003130771700000065
Figure BDA0003130771700000066
i1为散射光强度函数的垂直分量，i2为散射光强函数的平行分量；S1为散射光复振幅的垂直分量，S2为散射光复振幅函数的平行分量；
Figure BDA0003130771700000067
分别为S1、S2共轭复数，n为散射项数；
其中πn，τn为角系数，表达式如下：
Figure BDA0003130771700000068
Figure BDA0003130771700000069
Figure BDA0003130771700000071
为一阶n次第一类legendre函数，Pn(cosθ)为第一类legendre函数；an、bn为散射系数，其表达式如下：
Figure BDA0003130771700000072
Figure BDA0003130771700000073
式中：
Figure BDA0003130771700000074
Figure BDA0003130771700000075
a1为粒子尺寸参数，a1＝2πr/λ；m＝m1-im2为颗粒的复折射率，m1为折射率的实部，m2为折射率的虚部，
Figure BDA0003130771700000076
和
Figure BDA0003130771700000077
分别为半整数阶的第一类Bessel函数和第二类Hankel函数；Ψ′n、ζ′n为对各自变量的微商。
根据米氏散射理论，计算所需参数，简化计算过程。
进一步，散射项数n的取值根据气溶胶颗粒的尺度参数x变化：
Figure BDA0003130771700000078
Figure BDA0003130771700000079
获取散射项数n根据气溶胶颗粒的尺度参数x变化的方程式，利于提取不同尺度气溶胶颗粒所在大气中的散射项数，便于后续运算。
进一步，通过仪器响应函数对光谱仪分辨率进行卷积运算，得到与多种高光谱、多光谱仪相匹配的分辨率精度，所述仪器响应函数的表达式为：
Figure BDA00031307717000000710
其中，x是波数，单位为cm-1；γ是分辨率参数。
多光谱、高光谱分辨率一般比较高7.7cm-1，而计算的时候是0.1cm-1，让两者更好相计算，把0.1cm-1计算后的结果进行卷积，使得数据维度保持一致。
本发明还提供一种低空无人机探测地面火灾的系统，包括无人机和设置在无人机上的探测设备，探测设备用于采集地面火灾的高光谱图像，并利用上述的方法对高光谱图像数据进行大气校正。
无人机搭载探测设备用于大范围、远距离探测地面火灾特征污染物，省时省力。
附图说明
图1是本发明低空无人机探测地面火灾的方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1所示，本发明公开了一种低空无人机探测地面火灾的方法，包括如下步骤：
获取谱线强度Sij和谱线线形fv(v，v0)；
对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数；
根据谱线强度Sij、谱线线形fv(v，v0)和谱线的吸收系数，获取H2O和CO2的单一组分光学厚度，通过单一组分光学厚度获取H2O和CO2的透过率，并将H2O透过率和CO2透过率相乘，得到大气分子的透过率；
根据米氏散射理论，获取大气中气溶胶颗粒的散射系数ksca和消光系数kext；
通过粒子谱分布，结合散射系数ksca和消光系数kext，计算得到大气中气溶胶颗粒消光的光学厚度τ(λ)，根据光学厚度获取气溶胶颗粒透过率；
结合大气分子透过率和气溶胶颗粒透过率，得到探测地面火灾的大气辐射传输方程式：
Figure BDA0003130771700000091
其中v0是中心频率，v是中心频率之外任意位置的谱线波数；exp(-τ)是透过率，包括大气分子透过率和气溶胶颗粒透过率，i是大气分子和气溶胶颗粒的排序序号；Iλ(0)代表没有被大气吸收散射以及没有被气溶胶吸收散射的波长为λ的谱线的光谱强度，即地面火灾起始位置发出的红外光谱强度；I为光谱的辐射亮度值，单位为w/cm2 um sr，或者I为辐射强度值，单位为w/cm2 um；λ为波长，取值为一个区间。
本方案的一种优选方式中，获取谱线强度Sij和谱线线形fv(v，v0)，得到谱线的吸收系数的具体步骤如下：
获取谱线强度Sij和谱线线形fv(v，v0)的表达式：
Figure BDA0003130771700000101
Figure BDA0003130771700000102
Figure BDA0003130771700000103
Figure BDA0003130771700000104
g′和g″分别表示高能态和低能态跃迁的统计权重，E″表示低能态(最低能态假定为0)，Iα为分子内同位素的丰富度，一般仅取含量占比最多的一种同位素体(含量在99％以上)。c2为第二辐射常数，vij(谱线波数，基态i和激发态j)，Aij为爱因斯坦-A系数，单位是s-1；h为普朗克常数，c为光速，k为玻尔兹曼常数，γ为谱线半高度，Q(T)总分配函数(包含振动、转动等),T是温度(开尔文K)；e是自然指数，为自然对数的底数，值为2.7182818284；Rij是电偶极跃迁矩阵元，gk是所处能态跃迁的统计权重，Ek是所处能态；
谱线宽度和形态(对谱线形态影响最大的碰撞增宽机理，碰撞增宽对谱线的影响可用高斯线型函数和洛伦兹线型函数的卷积形式Voigt谱线函数，它考虑温度和压强对谱线的碰撞展宽)：
Figure BDA0003130771700000105
V0是中心频率，单位cm-1；v是任意其他位置的谱线波数，单位cm-1；aL是洛伦兹半宽度，aD是多普勒半宽度，d是光学路径长度，gk是所处能态跃迁的统计权重，Ek是所处能态；
HITRAN中存储的谱线强度Sij是在参考温度296K(Tref)下得到的，对Sij进行推导可得到其他温度T下的谱线强度：
Figure BDA0003130771700000111
其中，T是开尔文温度,Tref是参考温度，Q(T)为总分配函数；
对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数k(vij)：
Figure BDA0003130771700000112
line(start)为波长区间的起点，line(end)为波长区间的终点。
对于处于热力学平衡状态的气体，气体分子的散射忽略不计，气体分子的透过率通过python的HAPI计算程序员代码实现，只需要输入气体压力、组分浓度、温度、光学路径长度。单一组分气体分子的光学厚度及气体分子的透过率分别为：
Figure BDA0003130771700000113
气体分子透过率＝exp[-P·∑ki(vij)·χi·ds]；
其中，ds为气体微元的长度；P是气体压强；ki(vij)为某大气组分在波数v处的吸收系数，与大气中气体组分、温度有关；χi为大气中某个气体组分i的浓度。
在python语言环境下基于HITRAN光谱数据库建立对气体分子的吸收系数逐线计算，HITRAN数据库包含了49种气体分子的光谱数据库，不但包含N2、O2、H2O、CO2和CO等常见的大气组分，还有SO2、NO2、NO、N2O、H2S和O3等污染性气体，以及CH4、C2H2、C2H6和CH3OH等燃料气体，可用于模拟和分析气体介质中光的传输和发射。还可通过访问HITRAN服务器获取气溶胶数据，获得氯化钠、海盐、水溶性气溶胶、生物质燃烧气溶胶、有机雾霾、沙尘气溶胶、火山灰、油料(柴油、汽油)烟灰等气溶胶颗粒随波长μm(波数cm-1)变化的复折射率数据，有利于后续大气中气溶胶颗粒相关参数的运算。
通过python软件连接HITRAN数据库的编程程序HAPI接口，调用HAPI程序的功能参数，设置参数(温度为300K，大气压为1atm，光学路径长度为1km，为航空遥感的探测高度)计算。在这段大气介质中，只考虑(H2O、CO2)的吸收作用，相对于气体的吸收对光在介质层中传输的影响，气体分子的散射可以忽略不计。1km低空中，对红外光谱有影响的大气分子只有H2O和CO2。一般在10～50千米大气层中O3的含量都很低，所以航空遥感(1km)不考虑O3的影响，只有航天遥感(平流层以上750km)才把O3也考虑进去。将得到的H2O透过率和CO2透过率相乘，可以得到适用于1km距离上的航空遥感的大气分子透过率。
本方案的一种优选方案中，获取大气中气溶胶颗粒消光的光学厚度τ(λ)和气溶胶颗粒的透过率的具体操作步骤如下：
根据米氏散射理论，把求解对象颗粒假定为一个规则的球形，粒子尺度与波长可相比拟，即r/λ≈1。当入射光强为I0，波长为λ(单位为um)的自然光沿z轴的正方向平行入射到半径为r的各向同性球形粒子上时，在散射角为θ，距离散射粒子ι处的散射光强为：
Figure BDA0003130771700000121
Figure BDA0003130771700000122
Figure BDA0003130771700000123
Figure BDA0003130771700000124
Figure BDA0003130771700000125
其中，i1为散射光强度函数的垂直分量，i2为散射光强函数的平行分量；S1为散射光复振幅的垂直分量，S2为散射光复振幅函数的平行分量；
Figure BDA0003130771700000131
分别为S1、S2共轭复数，n为散射项数；πn，τn为角系数，是legendre构成的与散射角相关的函数，表达式如下：
Figure BDA0003130771700000132
Figure BDA0003130771700000133
Figure BDA0003130771700000134
为一阶n次第一类legendre函数，Pn(cosθ)为第一类legendre函数；
an、bn在Mie散射中被定义为散射系数，是Mie散射中重要的中间量，其表达式如下：
Figure BDA0003130771700000135
Figure BDA0003130771700000136
式中：
Figure BDA0003130771700000137
Figure BDA0003130771700000138
a1为粒子尺寸参数，a1＝2πr/λ；m＝m1-im2为颗粒的复折射率，m1为折射率的实部，m2为折射率的虚部，
Figure BDA0003130771700000139
和
Figure BDA00031307717000001310
分别为半整数阶的第一类Bessel函数和第二类Hankel函数；Ψ′n、ζ′n为对各自变量的微商。
散射项数n的取值根据气溶胶颗粒的尺度参数x变化：
Figure BDA00031307717000001311
Figure BDA00031307717000001312
x等于上述公式中的a1。
由于大气气溶胶颗粒、密度、大小分布及其复杂，严格描述理论还不存在，本方法将大气中气溶胶颗粒的半径与入射光波长设置在一个数量级，把大气气溶胶颗粒近似看成理想球体，根据等效球的米氏散射理论，大气中气溶胶颗粒的散射系数ksca和消光系数kext为：
Figure BDA0003130771700000141
Figure BDA0003130771700000142
kext(消光)＝ksca(散射)+kabs(吸收)
当大气环境中含有特殊气溶胶颗粒(如海盐、火山灰、有机雾霾、沙尘、氯化钠等)时，kabs＝0；其中，rmax是气溶胶粒径的最大值；
大气环境中，气溶胶是由大量的尺寸各异的气溶胶粒子构成的粒子系，不同的粒子尺度谱分布η(r)对气溶胶的光学特性有直接影响。粒子谱分布采用幂指数分布、伽马分布或对数正态分布之一，根据需要选择适宜的粒子谱分布，保证大气校正运算顺利进行。本方案采用伽马分布(Gamma)：
η(r)＝arαexp(-brγ)
α，γ为正的常数，可设置为α＝3，γ＝1；a，b没有具体含义，具体实际使用过程可以用常数，如a＝1，b＝1，类似于修正公式。
计算气溶胶粒子数浓度N，可从0到∞积分得到：
Figure BDA0003130771700000143
其中Г(α+1)是伽马函数；
散射截面σs与气溶胶粒径几何截面πr2之比等于散射效率因子K0，无偏振自然光的散射截面σs表示为：
Figure BDA0003130771700000144
因此，散射效率因子K1可以表示为：
Figure BDA0003130771700000151
消光截面σext与气溶胶粒径几何截面πr2之比等于消光效率因子K0，无偏振自然光的消光截面σext表示为：
Figure BDA0003130771700000152
因此，消光效率因子K0可以表示为：
Figure BDA0003130771700000153
消光截面σext等于散射截面σs+吸收截面σa：
σa＝σext-σs
则吸收效率因子K2可以表示为：
Figure BDA0003130771700000154
消光(衰减)系数的光学厚度：
Figure BDA0003130771700000155
其中，Z为路径长度，即无人机探测点到火灾发生点的近似直线距离；
大气中气溶胶颗粒的透过率：
气溶胶颗粒透过率＝exp(-τext(λ,Z))。
由于光谱仪种类繁多，不同仪器具有不同的响应函数。基于HITRAN数据库计算得到的光谱仪分辨率较高(高于0.1cm-1)。因此可以通过仪器响应函数对光谱仪分辨率进行卷积运算，得到与多种高光谱、多光谱仪相匹配的分辨率精度，仪器响应函数采用矩形函数、高斯函数、三角函数或迈克尔逊函数之一。本方案中采用高斯函数，其表达式为：
Figure BDA0003130771700000156
其中，x是波数，单位为cm-1；γ是分辨率参数。多光谱、高光谱分辨率一般比较高为7.7cm-1，而计算的时候是0.1cm-1。为了让两者更好地配合计算，把0.1cm-1计算后的结果进行卷积，使得数据维度保持一致。例如1-10um,7.7cm-1分辨率只有1000个数据，0.1cm-1有一万个数据，只有通过卷积才能使它们对应的波段相对应相同数量的数据。
本发明还提供一种低空无人机探测地面火灾的系统，包括无人机和设置在无人机上的探测设备，探测设备用于采集地面火灾的高光谱图像，并利用上述的方法对高光谱图像数据进行大气校正。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种低空无人机探测地面火灾的方法，其特征在于，包括如下步骤：
获取谱线强度Sij和谱线线形fv(v，v0)；
对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数；
根据谱线强度Sij、谱线线形fv(v，v0)和谱线的吸收系数，获取H2O和CO2的单一组分光学厚度，通过单一组分光学厚度获取H2O和CO2的透过率，并将H2O透过率和CO2透过率相乘，得到大气分子的透过率；
根据米氏散射理论，获取大气中气溶胶颗粒的散射系数ksca和消光系数kext；
通过粒子谱分布，结合散射系数ksca和消光系数kext，计算得到大气中气溶胶颗粒消光的光学厚度τ(λ)，根据光学厚度获取气溶胶颗粒透过率；
结合大气分子透过率和气溶胶颗粒透过率，得到探测地面火灾的大气辐射传输方程式：
Figure FDA0003794421480000011
其中v0是中心频率，v是中心频率之外任意位置的谱线波数；exp(-τ)是透过率，包括大气分子透过率和气溶胶颗粒透过率，i是大气分子和气溶胶颗粒的排序序号；Iλ(0)代表没有被大气吸收散射以及没有被气溶胶吸收散射的波长为λ的谱线的光谱强度，即地面火灾起始位置发出的红外光谱强度；I为光谱的辐射亮度值，或者I为辐射强度值，λ为波长，取值为一个区间。
2.如权利要求1所述的低空无人机探测地面火灾的方法，其特征在于，获取谱线强度Sij和谱线线形fv(v，v0)，得到谱线的吸收系数的具体步骤如下：
获取谱线强度Sij和谱线线形fv(v，v0)的表达式：
Figure FDA0003794421480000021
Figure FDA0003794421480000022
Figure FDA0003794421480000023
Figure FDA0003794421480000024
Figure FDA0003794421480000025
其中，g′和g″分别表示高能态和低能态跃迁的统计权重，E″表示低能态，Iα为分子内同位素的丰富度,c2为第二辐射常数，vij为谱线波数，基态i和激发态j，Aij为爱因斯坦-A系数，单位是s-1；γ为谱线半高度，Q(T)为总分配函数,T是开尔文温度；e是自然指数；Rij是电偶极跃迁矩阵元；aL是洛伦兹半宽度，aD是多普勒半宽度，d是光学路径长度，gk是所处能态跃迁的统计权重，Ek是所处能态；h为普朗克常数，c为光速，k为玻尔兹曼常数；
对谱线强度和谱线线形进行积分计算，得到谱线的吸收系数k(vij)：
Figure FDA0003794421480000026
line(start)为波长区间的起点，line(end)为波长区间的终点。
3.如权利要求2所述的低空无人机探测地面火灾的方法，其特征在于，HITRAN中存储的谱线强度Sij是在参考温度296K下得到的，对Sij进行推导可得到其他温度T下的谱线强度：
Figure FDA0003794421480000027
其中，T是开尔文温度,Tref是参考温度，Q(T)为总分配函数。
4.如权利要求2或3所述的低空无人机探测地面火灾的方法，其特征在于，单一组分气体分子的光学厚度及气体分子的透过率分别为：
Figure FDA0003794421480000031
气体分子透过率＝exp[-P·∑ki(vij)·χi·ds]；
气体分子的散射忽略不计，其中，ds为气体微元的长度；P是气体压强；ki(vij)为某大气组分在波数v处的吸收系数，与大气中气体组分、温度有关；χi为大气中某个气体组分i的浓度。
5.如权利要求1所述的低空无人机探测地面火灾的方法，其特征在于，获取大气中气溶胶颗粒消光的光学厚度τ(λ)以及气溶胶颗粒透过率的具体操作步骤如下：
将大气中气溶胶颗粒的半径与入射光波长设置在一个数量级，把大气气溶胶颗粒近似看成理想球体，根据等效球的米氏散射理论，大气中气溶胶颗粒的散射系数ksca和消光系数kext为：
Figure FDA0003794421480000032
Figure FDA0003794421480000033
kext(消光)＝ksca(散射)+kabs(吸收)，
其中，kabs为大气中气溶胶颗粒的吸收系数，rmax是气溶胶粒径的最大值；
采用粒子谱分布：
η(r)＝arαexp(-brγ)
计算气溶胶粒子数浓度N：
Figure FDA0003794421480000034
其中，a、b为正的常数，α，γ为正的常数，Г(α+1)是伽马函数；
散射截面σs与气溶胶粒径几何截面πr2之比等于散射效率因子K1，无偏振自然光的散射截面σs表示为：
Figure FDA0003794421480000041
an、bn在Mie散射中被定义为散射系数，是Mie散射中重要的中间量，n为散射项数，散射效率因子K1可以表示为：
Figure FDA0003794421480000042
消光截面σext与气溶胶粒径几何截面πr2之比等于消光效率因子K0，无偏振自然光的消光截面σext表示为：
Figure FDA0003794421480000043
Re()为复变函数，表示取一个复数的实部，因此，消光效率因子K0可以表示为：
Figure FDA0003794421480000044
消光系数的光学厚度：
Figure FDA0003794421480000045
其中，Z为路径长度，即无人机探测点到火灾发生点的近似直线距离；
大气中气溶胶颗粒的透过率：
气溶胶颗粒透过率＝exp(-τext(λ,Z))。
6.如权利要求5所述的低空无人机探测地面火灾的方法，其特征在于，根据米氏散射理论，当入射光强为I0，波长为λ的自然光沿z轴的正方向平行入射到半径为r的各向同性球形粒子上时，在散射角为θ，距离散射粒子l处的散射光强为：
Figure FDA0003794421480000046
Figure FDA0003794421480000047
Figure FDA0003794421480000051
Figure FDA0003794421480000052
Figure FDA0003794421480000053
i1为散射光强度函数的垂直分量，i2为散射光强函数的平行分量；S1为散射光复振幅的垂直分量，S2为散射光复振幅函数的平行分量；
Figure FDA0003794421480000054
分别为S1、S2共轭复数，n为散射项数；
其中πn，τn为角系数，表达式如下：
Figure FDA0003794421480000055
Figure FDA0003794421480000056
Figure FDA0003794421480000057
为一阶n次第一类legendre函数，Pn(cosθ)为第一类legendre函数；
an、bn为散射系数，其表达式如下：
Figure FDA0003794421480000058
Figure FDA0003794421480000059
式中：
Figure FDA00037944214800000510
Figure FDA00037944214800000511
a1为粒子尺寸参数，a1＝2πr/λ；m＝m1-im2为颗粒的复折射率，m1为折射率的实部，m2为折射率的虚部，
Figure FDA00037944214800000512
和
Figure FDA00037944214800000513
分别为半整数阶的第一类Bessel函数和第二类Hankel函数；Ψ′n、ζ′n为对各自变量的微商。
7.如权利要求5或6所述的低空无人机探测地面火灾的方法，其特征在于，散射项数n的取值根据气溶胶颗粒的尺度参数x变化：
Figure FDA0003794421480000061
Figure FDA0003794421480000062
8.如权利要求1所述的低空无人机探测地面火灾的方法，其特征在于，所述粒子谱分布采用幂指数分布、伽马分布或对数正态分布之一。
9.如权利要求1所述的低空无人机探测地面火灾的方法，其特征在于，通过仪器响应函数对光谱仪分辨率进行卷积运算，得到与多种高光谱、多光谱仪相匹配的分辨率精度，所述仪器响应函数的表达式为：
Figure FDA0003794421480000063
其中，x是波数，单位为cm-1；γ是分辨率参数。
10.一种低空无人机探测地面火灾的系统，其特征在于，包括无人机和设置在无人机上的探测设备，探测设备用于采集地面火灾的高光谱图像，并利用权利要求1-9之一所述的方法对高光谱图像数据进行大气校正。
CN202110702695.8A 2021-06-24 2021-06-24 低空无人机探测地面火灾的方法及系统 Active CN113447410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110702695.8A CN113447410B (zh) 2021-06-24 2021-06-24 低空无人机探测地面火灾的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110702695.8A CN113447410B (zh) 2021-06-24 2021-06-24 低空无人机探测地面火灾的方法及系统

Publications (2)

Publication Number Publication Date
CN113447410A CN113447410A (zh) 2021-09-28
CN113447410B true CN113447410B (zh) 2022-12-23

Family

ID=77812510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110702695.8A Active CN113447410B (zh) 2021-06-24 2021-06-24 低空无人机探测地面火灾的方法及系统

Country Status (1)

Country Link
CN (1) CN113447410B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8601176D0 (en) * 1986-01-17 1986-02-19 Infrared Eng Ltd Sensing
ITTO20080519A1 (it) * 2008-07-07 2010-01-08 Cnism Consorzio Naz Interun Iversitario Pe Dispositivo lidar a retrodiffusione elastica e retroriflessione per la caratterizzazione del particolato atmosferico
CA2842377A1 (en) * 2011-07-19 2013-01-24 Ovizio Imaging Systems N.V. A method and system for detecting and/or classifying cancerous cells in a cell sample
KR20130023789A (ko) * 2011-08-30 2013-03-08 강릉원주대학교산학협력단 지표면 도달 일사량 계산을 위한 단층 태양복사모델의 구성 방법 및 장치
CN103293117A (zh) * 2013-05-03 2013-09-11 中国科学院合肥物质科学研究院 一种微脉冲差分吸收激光雷达水汽时空分布反演方法
CN106526614A (zh) * 2016-10-25 2017-03-22 中国科学院合肥物质科学研究院 一种优化激光雷达探测大气成分谱线分析的方法
KR101894406B1 (ko) * 2017-09-19 2018-09-04 강릉원주대학교산학협력단 수평 대기투과도 계산을 위한 선형 대기투과도 모델 산출방법
CN110207831A (zh) * 2019-06-12 2019-09-06 哈尔滨工程大学 高温高压气体介质中的辐射高温计测温结果修正方法
CN110441777A (zh) * 2019-07-11 2019-11-12 中山大学 一种基于激光雷达的气溶胶垂直廓线的反演方法
CN110500138A (zh) * 2019-09-25 2019-11-26 中国矿业大学(北京) 一种煤矿井下皮带火灾预警系统
CN111462254A (zh) * 2020-04-30 2020-07-28 南京智谱科技有限公司 一种多光谱监测方法与系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107247024B (zh) * 2017-05-23 2019-12-17 北京环境特性研究所 一种导弹尾焰辐射强度探测的大气修正方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8601176D0 (en) * 1986-01-17 1986-02-19 Infrared Eng Ltd Sensing
ITTO20080519A1 (it) * 2008-07-07 2010-01-08 Cnism Consorzio Naz Interun Iversitario Pe Dispositivo lidar a retrodiffusione elastica e retroriflessione per la caratterizzazione del particolato atmosferico
CA2842377A1 (en) * 2011-07-19 2013-01-24 Ovizio Imaging Systems N.V. A method and system for detecting and/or classifying cancerous cells in a cell sample
KR20130023789A (ko) * 2011-08-30 2013-03-08 강릉원주대학교산학협력단 지표면 도달 일사량 계산을 위한 단층 태양복사모델의 구성 방법 및 장치
CN103293117A (zh) * 2013-05-03 2013-09-11 中国科学院合肥物质科学研究院 一种微脉冲差分吸收激光雷达水汽时空分布反演方法
CN106526614A (zh) * 2016-10-25 2017-03-22 中国科学院合肥物质科学研究院 一种优化激光雷达探测大气成分谱线分析的方法
KR101894406B1 (ko) * 2017-09-19 2018-09-04 강릉원주대학교산학협력단 수평 대기투과도 계산을 위한 선형 대기투과도 모델 산출방법
CN110207831A (zh) * 2019-06-12 2019-09-06 哈尔滨工程大学 高温高压气体介质中的辐射高温计测温结果修正方法
CN110441777A (zh) * 2019-07-11 2019-11-12 中山大学 一种基于激光雷达的气溶胶垂直廓线的反演方法
CN110500138A (zh) * 2019-09-25 2019-11-26 中国矿业大学(北京) 一种煤矿井下皮带火灾预警系统
CN111462254A (zh) * 2020-04-30 2020-07-28 南京智谱科技有限公司 一种多光谱监测方法与系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Atmospheric window characterictic and channel capacity of THz wave propagation;Wang Yu-Wen;《ACTA PHYSICA SINICA》;20160405;第65卷(第13期);1201-1211 *
LCA of rare earth and critical mental recovery and replacement decision for commercial lighting waste management;Liu Lixi 等;《RESOURCES CONSERVATION AND RECYLING》;20200630;第159卷;1403-1411 *
建筑开口火溢流在不同方向辐射强度变化规律的数值模拟;李元洲 等;《安全与环境学报》;20201025;第20卷(第5期);1721-1727 *
氧气A吸收带平均透过率的多光谱非成像测量;余皓 等;《光学学报》;20170120;第37卷(第4期);34-40 *
相关K分布法在氧气吸收被动测距中的应用;闫宗群 等;《光学精密工程》;20150513;第23卷(第3期);667-677 *

Also Published As

Publication number Publication date
CN113447410A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
Shingler et al. Airborne characterization of subsaturated aerosol hygroscopicity and dry refractive index from the surface to 6.5 km during the SEAC4RS campaign
Lenoble et al. Aerosol remote sensing
Brock et al. Aerosol size distributions during the Atmospheric Tomography Mission (ATom): methods, uncertainties, and data products
Clarke et al. Size distributions and mixtures of dust and black carbon aerosol in Asian outflow: Physiochemistry and optical properties
Strawa et al. The measurement of aerosol optical properties using continuous wave cavity ring-down techniques
Wagner et al. Comparison of box-air-mass-factors and radiances for Multiple-Axis Differential Optical Absorption Spectroscopy (MAX-DOAS) geometries calculated from different UV/visible radiative transfer models
Chowdhary et al. Modeling atmosphere-ocean radiative transfer: A PACE mission perspective
Zhang et al. Retrieval of effective complex refractive index from intensive measurements of characteristics of ambient aerosols in the boundary layer
Wagner et al. A review of optical measurements at the aerosol and cloud chamber AIDA
Zege et al. New algorithm to retrieve the effective snow grain size and pollution amount from satellite data
Brock et al. Ambient aerosol properties in the remote atmosphere from global-scale in situ measurements
Koike et al. Case study of absorption aerosol optical depth closure of black carbon over the East China Sea
Lamb et al. Global-scale constraints on light-absorbing anthropogenic iron oxide aerosols
Li et al. Retrieval of atmospheric fine particulate density based on merging particle size distribution measurements: Multi‐instrument observation and quality control at Shouxian
CN113447410B (zh) 低空无人机探测地面火灾的方法及系统
Nakata et al. Seasonal and regional characteristics of aerosol pollution in east and southeast Asia
Rao et al. Hyperspectral satellite remote sensing of aerosol parameters: Sensitivity analysis and application to TROPOMI/S5P
Castellanos et al. Mineral dust optical properties for remote sensing and global modeling: A review
Willeke et al. Extinction coefficients for multimodal atmospheric particle size distributions
Buzorius et al. Secondary aerosol formation in continental outflow conditions during ACE‐Asia
CN114280694B (zh) 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统
CN113533262B (zh) 一种大气气溶胶红外散射透过率确定方法
CN108872093A (zh) 基于被动遥感的o4吸收校正及气溶胶消光廓线反演方法
Liley et al. Black carbon in aerosol during BIBLE B
Moon et al. Non-intrusive optical measurements of gas turbine engine inlet condensation using machine learning

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210928

Assignee: Guilin Yidoumi Information Technology Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2023980044286

Denomination of invention: Method and system for detecting ground fires using low altitude drones

Granted publication date: 20221223

License type: Common License

Record date: 20231027