Research of NO2 vertical profiles with look-up table method based on MAX-DOAS

Obtaining the vertical distribution profile of trace gas is of great significance for studying the diffusion procedure of air pollution.In this article,a look-up table method based on multi-axis differential optical absorption spectroscopy(MAX-DOAS)technology is established for retrieving the tropospheric NO₂ vertical distribution profiles.This method retrieves the aerosol extinction profiles with minimum cost function.Then,the aerosol extinction profiles and the atmospheric radiation transfer model(RTM)are employed to establish the look-up table for retrieving the NO₂ vertical column densities(VCDs)and profiles.The measured NO₂ differential slant column densities(DSCDs)are compared with the NO₂ DSCDs simulated by the atmospheric RTM,and the NO₂ VCDs,the weight factor of NO₂ in the boundary layer,and the boundary layer height are obtained by the minimization process.The look-up table is established to retrieve NO₂ VCDs based on MAX-DOAS measurements in Huaibei area,and the results are compared with the data from Copernicus Atmospheric Monitoring Service(CAMS)model.It is found that there are nearly consistent and the correlation coefficient R2 is more than 0.86.The results show that this technology provides a more convenient and accurate retrieval method for the stereoscopic monitoring of atmospheric environment.     

基于MAX-DOAS 的淮北地区NO2柱浓度观测研究

基于多轴差分吸收光谱技术 (MAX-DOAS) 反演 NO2 柱浓度的方法, 构建了相应的地基 MAX-DOAS 系统, 开 展了 NO2 柱浓度变化特征的观测。反演中选取天顶方向的光谱作为参考光谱, 通过非线性最小二乘法反演出 NO2 斜柱浓度 (SCD), 结合不同观测方向的斜柱浓度得到 NO2 差分斜柱浓度 (dSCD), 再利用几何近似法得到大气质量 因子 (AMF), 最终获取 NO2 垂直柱浓度 (VCD)。于 2019 年 6 月至 2020 年 5 月在淮北地区开展了为期一年的外场 实验, 研究结果表明淮北地区 NO2 VCD的月均值在观测期间内呈现倒“U”型变化, 在 12 月份达到最高值 2.13×1016 molecules·cm−2, 在 8 月份达到最低值 5.23×1015 molecules·cm−2。将 MAX-DOAS 观测结果的日均值与 OMI 卫星 (云 系数分别为 0 < FeC ≤ 0.1 和 0 < FeC ≤ 0.3) 测量结果进行对比, 发现两者具有较好的相关性 (R2 = 0.88, R2 = 0.90), 表明 MAX-DOAS 不仅可以准确反演出 NO2 垂直柱浓度, 还可以验证卫星数据。     

基于粒子群算法的BP 神经网络在大气 NO2 浓度预测中的应用研究

NO2 是主要的大气污染气体之一, 在大气光化学过程中起着重要作用。研究 NO2 浓度的时空演变, 预测其浓 度变化趋势, 对政府出台改善环境措施具有重要意义。提出利用粒子群算法 (PSO) 的反向传播 (BP) 神经网络对大气 NO2 浓度进行预测。以合肥地区 2017 年 1 月 1 日至 2019 年 12 月 31 日的大气污染数据和气象数据为基础, 结合逐步 回归方法筛选出与 NO2 浓度相关性较大的影响因子作为输入样本。构建 PSO-BP 神经网络预测模型, 利用 PSO 找出 BP 神经网络最优的初始权值和阈值。对比 BP 神经网络、遗传算法改进的 BP 神经网络和 PSO 改进的 BP 神经网络 三种模型的预测结果, 发现 PSO-BP 模型能够较为准确地预测出 NO2 浓度的动态变化规律, 并且预测精度高、模式简 单, 有望广泛应用于大气污染物浓度预测等方面的研究。     

基于MAX-DOAS淮北地区疫情前后HCHO观测研究

构建了具有操作简单、大范围以及高灵敏度等特点的地基多轴差分吸收系统(MAX-DOAS),对淮北地区2019年10月至2020年5月进行连续观测,得到HCHO的时间序列.为了减少其他气体的干扰,采用不同波段反演HCHO差分斜柱浓度,对比发现,选用324～342 nm波段时,反演误差波动最小,能够精确获取甲醛气体浓度.由H...     

基于主成分分析的 RBF 神经网络预测 SO2 浓度

利用基于主成分分析 (PCA) 算法的径向基 (RBF) 神经网络对大气中 SO2 浓度进行滚动预测。以北京大兴地 区 2019 年 9 月 1 日至 2020 年 10 月 31 日的气象数据和空气质量参数为基础, 结合逐步回归法筛选出与 SO2 线性相 关的参数作为输入样本, 构建 PCA-RBF 预测模型。利用该模型预测北京大兴地区某天的 SO2 浓度, 将预测值保留并 作为下一天预测模型的输入参数。以此将预测值不断地向前延伸并进行分析和预测, 从而实现 SO2 浓度的滚动预测。 对比 RBF 网络和 PCA-RBF 网络两种模型的预测结果, 其中 PCA-RBF 模型期望值和预测值的误差及相关系数分别为 0.03 µg·m−3 和 0.9989。表明 PCA-RBF 网络模型能精准预测 SO2 浓度变化趋势, 为进一步解决大气污染问题提供技术 支持。