图1为自动追踪快速IDOAS船舶排放监测系统。 系统由控制模块(笔记本电脑、 二次电源)、 光谱仪模块(带温控的成像差分吸收光谱仪、 CCD面阵探测器)、 光学导入模块(紫外镜头、 多芯光纤束)、 云台系统(二维旋转云台、 摄像头)组成, 系统组成示意如图1(a)所示, 实物如图1(b)所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 自动追踪快速IDOAS系统 (a): 系统测量示意图; (b): 系统实物图Fig.1 Ground-based fast IDOAS system (a): System measurement diagram; (b): System physical diagram

本系统中, 光学导入模块由紫外镜头与一束多芯光纤构成。 光纤束设计如图2所示, 内含49根无源石英光纤核心, 这些光纤前端与紫外镜头实现了精密对接, 确保了光信号的稳定传输。 光纤芯的排列采用了7× 7的矩形阵列布局, 从上到下, 从左至右顺序布置。 光纤束的尾端则与光谱仪连接, 并采取直线顺序排列, 由于采用了这种独特的布局设计, 系统无需采用推扫的扫描方式, 而是能够通过类似摄影的方式直接捕捉图像, 实现快速光谱成像。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 光纤束设计图Fig.2 Fiber bundle design diagram

紫外镜头收集太阳散射光, 该光信号随后通过光纤束引导至入射狭缝。 在通过光栅时, 光发生色散现象后投射到面阵CCD上。 面阵CCD进行光电转换, 并传输给计算机。 经过光谱数据反演, 得到相应的气体斜柱浓度。 云台上搭载一个可见摄像头和一个紫外摄像头, 可以识别并追踪视场内的船舶, 同时获取背景及光谱信息, 二者相结合可以追踪船舶尾气浓度的二维分布。 系统具体参数如表1所示。

表1

Table 1

表1(Table 1)

表1 IDOAS系统参数 Table 1 IDOAS system parameters 仪器参数 本仪器 光谱分辨率/nm 0.5 光谱范围/nm 297~400 CCD像元数/pixel 1 024× 1 024 观测仰角/(°) 5 紫外摄像头水平视角/(°) 5.5 摄像头水平视角/(°) 57.6 温控/℃ -20 曝光时间/ms 500

表1 IDOAS系统参数 Table 1 IDOAS system parameters

云台具备目标识别和自动追踪功能, 使其能够准确识别视场内的船舶并自动定位至指定监测位置。 一旦选定视场内的特定船舶, 通过云台的精确转动, 系统将智能地追踪其在水域中的移动, 并确保船舶始终在画面右下角, 实现对特定船舶的持续监控。

实际操作中, 系统可以识别视场内的所有船舶, 从众多船只中选择一条特定的船舶进行追踪。 通过云台与可见光摄像头定位并追踪目标船舶, 云台根据船舶的实时位置信息调整摄像头指向, 并随其连续转动, 摄像头能够对船舶进行连续拍摄, 捕获一系列时间序列上的船舶照片, 这些照片不仅呈现出船舶的动态变化, 还能为后续的船舶行为分析提供宝贵的资料。 在云台上搭载了紫外摄像头。 在追踪拍摄的同时, 紫外摄像头会同步采集每幅图像所对应的光谱数据。 这些紫外光谱数据为船舶尾气的进一步分析和研究提供了关键信息。

为了获得准确的船舶尾气空间二维浓度分布信息, 需要调整摄像头视场以确保可见摄像头视场完全覆盖紫外镜头视场, 摄像头的水平视角为57.6° , 紫外镜头水平视角为5.5° , 仪器架设位置距离污染源最短距离为7.2 m。 图3(a)为示意图, 图3(b)为两者实际捕获的图像, 其中的白色框为紫外镜头视场。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 系统视场图 (a): 系统视场图; (b): 紫外、 摄像头视场匹配示意图Fig.3 System field of view (a): System field of view; (b): UV and camera field of view matching schematic diagram

本研究运用了差分吸收光谱技术处理采集到的光谱数据, 数据处理流程如图4所示。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 数据处理流程图Fig.4 Data processing flowchart

图5(a)为系统在外场测试期间采集的太阳散射光谱图像。 由于采用了多条光纤传输, 所检测到的图像呈现明显的网格状特征。 图5(b)为沿纵向的光强度分布情况。 在原始图像中, 明暗条纹相分离。 通过数据预处理步骤, 在空间维度上, 对亮色条纹进行了合并处理, 并剔除了暗色条纹的干扰。 图6为经过处理后第二十五根光纤的光谱分布图。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 面阵CCD图 (a): 原始光谱图像; (b): 纵向光强分布图Fig.5 Array CCD image (a): Spectral image; (b): Longitudinal light intensity distribution map

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 第25根光纤光谱图Fig.6 Spectral diagram of the 25th optical fiber

在光谱分析中, 为了实现测量光谱、 参考光谱和吸收截面之间的准确配准, 首先在实验室利用汞灯对光谱仪进行波长— 像元的精确校正, 如图7(a)所示。 将此次校正作为初始值参与到迭代拟合过程中, 最终收敛得到最佳解, 图7(b)为对第25根光纤进行校准后的结果。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 波长校准 (a): 波长-像元; (b): 波长校正Fig.7 Wavelength calibration (a): Wavelength pixel; (b): Wavelength calibration

为了确保船舶烟羽中污染气体浓度反演的准确性, 选择在无云天气下测得的天顶太阳散射光光谱作为“ 洁净” 的参考光谱。 这一步骤有助于消除夫琅禾费线(Fraunhofer)对结果的潜在干扰。 将仪器狭缝函数与气体的高分辨率吸收截面进行卷积处理, 以便与仪器的分辨率相匹配。 在光谱拟合过程中, Ring效应当作一个关键的吸收截面考虑在内。 通过五阶多项式拟合, 去除由米散射和瑞利散射引起的宽带光谱结构。 分析时主要对SO₂和NO₂这两种气体进行反演。 为了精确测量船舶排放的SO₂浓度, 选定308~320 nm具有显著吸收特征的波长范围; 对NO₂测定, 选择338~370 nm的波长区间。 这些选择能够有效获得SO₂和NO₂的斜柱浓度数据。 编写Python程序实现了反演全过程的自动化。 详细的参数设置见表2。

表2

Table 2

表2(Table 2)

表2 DOAS反演参数设置 Table 2 DOAS inversion parameter settings Parameter SO2 NO2 Fitting interval 308~320 nm 338~370 nm SO2 Vandaele et al. (1998) 298 K NO2 Vandaele et al. (1998) 294 K Vandaele et al. (1998) 294 K O3 Serdyuchenko et al. (2014) 243 K Serdyuchenko et al. (2014) 243 K O4 Hermans et al. (2011) 298 K Hermans et al. (2011) 298 K Ring √ √ Polynomial degree 5 5

表2 DOAS反演参数设置 Table 2 DOAS inversion parameter settings

仪器搭建工作完成, 即进行样气测试, 以验证快速成像差分吸收光谱系统在气体浓度测量方面的准确性。 测试对象包括不同浓度的SO₂和NO₂气体。 实验前, 先通入氮气清洗样气池, 消除干扰。 采用氙灯作为光源, 通过样气发生装置稀释气体并控制气体流速, 将不同浓度的气体通入长度为50 cm的吸收池。 每组样气通气五分钟后开始测量, 确保浓度稳定。 连续三次测量后, 使用光谱仪记录光谱信息并存储于电脑。 运用朗伯-比尔定理计算积分浓度, 并通过理想气体方程转化为体积浓度, 获取准确数据。

图8(a— d)分别为成像DOAS光谱反演结果, 图中黑色实线表示实测光谱数据, 红色实线为拟合结果。 SO₂样气浓度为6.03× 10¹⁶ molecule· cm^-2, NO₂样气浓度为9.05× 10¹⁶ molecule· cm^-2。 反演得到SO₂斜柱浓度为6.4× 10¹⁶ molecule· cm^-2, 反演残差为2.4× 10^-3, NO₂斜柱浓度为9.54× 10¹⁶ molecule· cm^-2, 反演残差为1.3× 10^-3, 表明光谱拟合效果良好。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 成像DOAS光谱反演结果示例 (a): SO2光谱拟合结果; (b): SO2斜柱浓度拟合残差; (c): NO2斜光谱拟合结果; (d): NO2柱浓度拟合残差Fig.8 Example of imaging DOAS spectral inversion results (a): SO2 spectral fitting results; (b): SO2 oblique column concentration fitting residuals; (c): NO2 spectral fitting results; (d): NO2 oblique column concentration fitting residuals

样气测试涵盖多个浓度SO₂与NO₂样本, 采用图9设备测试, 样气测试结果见表3, 所有测量相对误差均未超过7%。 证明系统能够较为准确地获得气体的浓度。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 样气测试仪器图Fig.9 Sample gas testing instrument diagram

表3

Table 3

表3(Table 3)

表3 SO2样气实验结果 Table 3 Results of SO2 Sample Gas Experiment NO2样气/ (molecule· cm-2) 测量浓度平均值/ (molecule· cm-2) 相对 误差/% SO2样气/ (molecule· cm-2) 测量浓度平均值/ (molecule· cm-2) 相对 误差/% 6.03× 1016 6.34× 1016 5.1 6.03× 1016 6.40× 1016 6.2 9.05× 1016 9.54× 1016 5.5 9.05× 1016 9.60× 1016 6.1

表3 SO2样气实验结果 Table 3 Results of SO2 Sample Gas Experiment

为了进一步验证仪器的准确性, 携带本系统与推扫式地基IDOAS仪器在铜陵市工业园区展开对比观测实验, 仪器的架设地点及周边环境如图10(a, b)所示, 仪器架设在电厂烟囱西南侧1.4 km处, 测量时间约为12:00。 两台仪器同时对电厂烟囱烟羽中的SO₂进行成像测量。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 观测示意图 (a): 观测区域; (b): 观测现场Fig.10 Schematic diagram of observation (a): Observation area; (b): Observation site

仪器与对比实验仪器对电厂烟囱烟羽中SO₂的空间二维分布成像结果如图11(a, b, c)所示, SO₂斜柱浓度的高值位于烟羽中心区域, 本仪器SO₂斜柱浓度最高值为8.4× 10¹⁶ molecule· cm^-2, 对比仪器SO₂斜柱浓度最高值为8.6× 10¹⁶ molecule· cm^-2。 二者的观测结果差值平均约为4%。

图11

Fig.11

	Figure Option ViewDownloadNew Window
	图11 电厂烟囱排放SO2反演结果 (a): 对比仪器; (b): 对比仪器烟羽部分; (c): 本仪器Fig.11 Inversion results of SO2 emissions from power plant chimneys (a): Comparison of instrument results; (b): Compare the results of the instrument plume section; (c): The instrument results in this article

云台追踪功能设计, 使系统具有对船舶尾气追踪的功能。 为验证系统功能, 进行船舶尾气追踪实验。

2024年1月26日— 27日, 在铜陵市某码头, 搭建测量系统, 针对船舶污染进行观测实验, 实验地点为长江水域, 具体位于铜陵长江大桥以南约4 km处, 观测仪器安置于长江西岸, 与待测船舶的距离约为40 m。 测量时间约为12:00, 测量期间当地的风速为5~6 m· s^-1。 为确保能垂直扫描烟羽, 将测量仪器安放在船舶北侧40 m的位置。 如图12(a, b)所示, 通过云台调整镜头, 使其抬升到一个特定角度— 仪器下边缘与水平线的夹角约为5° 。 这样的配置确保了整个烟羽均能被视场覆盖。 实验当天对船舶烟羽进行了多次测量, 扫描采集一幅图像的时间需要2 s, 获得高时空分辨率完整烟羽二维分布时间约为2 min, 在实际观测时, 因反演的数据繁多, 编写Python程序实现反演全过程自动化。 实验现场如图12(a, b)所示。

图12

Fig.12

	Figure Option ViewDownloadNew Window
	图12 观测示意图 (a): 观测区域; (b): 观测现场Fig.12 Schematic diagram of observation (a): Observation area; (b): Observation site

该成像系统具备2 s时间分辨率, 对一艘以标准航速(约2.88 m· s^-1)行驶的船只, 完全通过观测区域大约耗时3 min。 本研究选取在航道内航行的代表性船只, 通过将光谱数据与同步获取的图像信息整合, 成功绘制了船舶排放SO₂的空间二维分布图。 这些图像详细记录了在监测水域中特定船只排放尾气的轨迹, 选取其中六幅图像, 如图13(a— f)所示。

图13

Fig.13

	Figure Option ViewDownloadNew Window
	图13 航道内典型船只尾气SO2追踪结果 (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55Fig.13 SO2 tracking results of typical ship exhaust gas in the waterway (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55

12:28:07时, 一艘船只进入了监测水域。 该监测系统迅速识别并开始追踪这艘船舶, 同时确保该船始终呈现在画面的右下角。 在整个观测过程中, 由于风速较低且风向与船舶航向相反, 船尾烟羽顺着船舶后方扩散。 从观测数据可以清晰地看出, 在船只尾部区域SO₂浓度显著增高, 而在左下角较远处的一艘小型船只周围, 同样观察到较高的SO₂浓度。 随着船只沿航道前进, 五个时间点所展示的船舶尾气浓度变化进一步证实了船舶尾部的气体浓度明显高于背景值。 在12:29:36, 船只接近监测点, 到了12:30:55, 船只逐渐驶出观测区域, 由这六幅图可以看出船舶排放的SO₂浓度分布总体保持一致, 观测区域内的SO₂浓度最高值为5.64× 10¹⁶ molecule· cm^-2。

为了更直观地了解SO₂浓度的变化, 采用线性插值方法对图像进行处理, 使观测结果更为明显。 经过处理的图像能够更清晰地揭示船舶尾部的SO₂浓度变化。 六幅图像详细展现了对典型船只的追踪过程以及船舶尾部排放的SO₂浓度, 呈现出了良好的一致性, 如图14(a— f)所示。

图14

Fig.14

	Figure Option ViewDownloadNew Window
	图14 航道内典型船只尾气SO2追踪结果 (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55Fig.14 SO2 tracking results of typical ship exhaust gas in the waterway (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55

图15(a— f)详细展示了对目标船只的追踪过程, 以及船舶尾部排放的NO₂浓度。 这些图像与上述SO₂浓度观测相对应, 反映了同一艘船只在同一时刻NO₂的浓度变化, 观测区域内的NO₂浓度最高值达到8.75× 10¹⁶ molecule· cm^-2。 通过对比分析, 从图像中清晰辨识出, 尽管所在区域的NO₂背景浓度本身较高, 但是船舶尾部排放的NO₂浓度显著超过了这一背景水平。 这种差异在图像中表现得比较明显, 不仅揭示了船舶尾气排放对局部环境的影响, 也展现了数据之间的一致性, 验证了观测方法的可行性。

图15

Fig.15

	Figure Option ViewDownloadNew Window
	图15 航道内典型船只尾气NO2追踪结果 (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55Fig.15 NO2 tracking results of typical ship exhaust gas in the waterway (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55

为了更直观地了解NO₂浓度的变化情况, 采用线性插值方法对图像进行处理。 经过处理的图像能够更清晰地揭示船舶尾部排放的NO₂浓度变化。 图16(a— f)详细展现了对典型船只的追踪过程以及船舶尾部排放的NO₂浓度, 呈现出了良好的一致性。

图16

Fig.16

	Figure Option ViewDownloadNew Window
	图16 航道内典型船只尾气NO2追踪结果 (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55Fig.16 NO2 tracking results of typical ship exhaust gas in the waterway (a): 12:28:07; (b): 12:28:40; (c): 12:29:06; (d): 12:29:36; (e): 12:30:10; (f): 12:30:55