-
偏振激光雷达具有两个偏振通道,在实现气溶胶后向散射系数、消光系数测量的同时,还可获得退偏比信息。系统结构示意图如图1所示。
激光器发射线偏振光,经扩束镜扩束后入射大气,通过望远镜系统接收大气回波信号,经滤光片抑制背景后,通过偏振分束器件将回波信号中的平行分量、垂直分量分别耦合入光电探测器件,将光信号转化为电信号后由采集控制系统进行采集存储,并进行分析反演,获取大气粒子状态及分布信息。偏振激光雷达系统架设在扫描云台上,可实现对关注区域水平及垂直方向的快速扫描测量。
表1为偏振激光雷达性能指标,系统选取了微脉冲、高重频激光源,保障人眼安全的同时,提升信噪比。光电探测器为单光子计数型APD,对弱信号具有较高响应,从而实现最大探测距离在10 km以上的远距离测量。
Parameters Values Laser Nd:YAG Wavelength/nm 1064 Single pulse energy/μJ ≥100 Pulse width/ns ≤10 Polarization state Horizontal polarization Frequency/kHz 1-10 Time resolution/s 5 Spatial resolution/m 15 Detection range/km ≥10 @Nighttime
≥7 @DaytimeScanning angle/(°) 0-360@ Horizontal
−5-90@ VerticalTable 1. Main technical parameters of the polarization lidar
-
在森林、湿地、草原等区域进行火灾监测时,由于需覆盖的面积较大,从激光器成本和稳定性,对野外环境和生物的影响,烟尘浓度监测灵敏度以及有效探测距离等几个方面考虑,选择激光雷达系统最优波长。
激光雷达常用波长为355、532、1064、1550 nm。前三个波长由Nd:YAG 固体激光器产生,其中1064 nm为基频,器件价格和系统稳定性最优。出射1550 nm激光的为光纤激光器,虽然更易于雷达系统装调,但价格较高,出于性价比考虑,在系统中未选择该波长。
其次,激光雷达应用于野外环境,需考虑激光波长对环境及生物的影响,可见光会对昆虫、鸟类以及野生动物产生惊扰,并产生光污染,因此选用不可见光更为适宜。
激光雷达在进行烟尘浓度监测时,利用的是弹性散射原理。弹性散射包括米散射和瑞利散射。当粒子尺度与激光波长可比拟时发生米散射,当粒子尺度远小于激光波长时发生瑞利散射。瑞利散射的强度与波长的四次方成反比,因此,当探测目标物为分子时,应尽量选择短波。而烟尘的粒子尺度较大,激光雷达探测主要为米散射过程,可考虑较长波长,减少瑞利散射信号的干扰。
最后,因为森林、湿地、草原等环境较为辽阔,应在保障安全的前提下,尽量满足远距离探测的要求,从而实现用较少的激光雷达布设量完成较大范围的探测。以下对532 nm和1064 nm激光波长的雷达系统进行了仿真,仿真过程所使用的硬件参数见表2。
Parameters Value Wavelength/nm 532 1064 Single pulse energy/μJ 150 Polarization state Horizontal Frequency/kHz 10 Diameter of telescope/mm 100 Integral time/s 10 Spatial resolution/m 15 Detector quantum efficiency 40% 3% Received field angle/mrad 0.4 Filter bandwidth/nm 1 Table 2. Simulation parameters of lidar detection performance
相比于1064 nm波长,532 nm波长太阳背景光辐射更强,大气透过率却更低,图2分别模拟了白天和夜间、不同能见度条件下,采用两种波长的微焦级激光雷达水平通道的探测距离。1064 nm波长在5 km能见度条件下,可实现全天时水平6 km以上探测距离。
Figure 2. Simulation of 532 nm and 1064 nm polarization lidar detection range under different visibility conditions. (a) Daytime; (b) Night-time
综上所述,采用1064 nm波长激光,更加适用于自然环境下火灾烟尘的探测。
-
进行自然界火灾烟尘测量,其现场安装环境具有多样性,草原及湿地监测,视野较为开阔,但用于山林火灾监测的激光雷达,扫描视场易受山体、树木的遮挡。图3给出了不同环境的扫描视场示意图。
Figure 3. Diagram of lidar scanning in different environments. (a) Moun-tain, many obstacles; (b) Grassland, wetlands, fewer obstacles
火灾的早期发现及预警,时效性非常重要,而雷达扫描测量需要一定的周期性,如何快速锁定火点位置非常重要。因此,需对雷达的扫描策略进行优化设置。
如图4所示,当雷达安装完毕并开启后,如进行障碍物较多的山林地区测量时,设置多仰角PPI扫描,如进行草原或湿地等视野较为开阔地点的测量时,设置单仰角PPI扫描。共扫描10组数据,作为背景谱保存,并结合GIS地理信息确定扫描所覆盖的具体区域。该步骤主要用于后续固定障碍物扣除,以及扫描区域自动选取。激光照射到火灾烟尘粒子后,会有强回波,需根据信号退偏比剔除云雾、气溶胶等引起的信号增大。如无异常信号,则偏振激光雷达进入日常扫描模式,单方向积分30 s,扫描角度间隔2°。如发现异常信号,为防止误判,需对两个周期以上的信号进行核验。如未同时出现异常,则进入日常扫描模式,如均出现异常,则进入火点追踪模式。在异常点周边30°角范围内进行快速扫描测量,单方向积分5 s,扫描角度间隔0.5°~1°,结合GIS地理信息给出火点位置并做告警处理。
-
受激光雷达安装位置影响,为最大程度实现大覆盖范围测量,需要对激光雷达探测仰角进行调整,图5为不同仰角下,高度及距离偏差随探测距离的变化情况。即有仰角时,距离激光雷达安装点位越远的距离处,实际探测高度与激光雷达安装水平面存在一定的高度偏差。当仰角为2°时,6000 m处的实际探测高度为209.397 m。当仰角为5°时,6000 m处的实际探测高度为522.934 m。同时,雷达获取的距离值为斜程距离,转化为水平方向距离时也存在距离偏差,在数据反演及火点定位时需予以校正。
Figure 5. Variation of height deviation and range deviation with detection range at different elevation angles
虽然火点发生在地面,但烟尘会随气流扩散,尤其在风速较大的情况下,其上升到空中的浓度高值点与地面火点存在位置偏差,为进一步分析误差,采用高斯烟羽模型对不同风速、不同高度层烟羽状态进行仿真。
高斯烟羽模型公式如下:
式中:C为烟尘浓度,单位kg/m3;Q为源强,单位kg/s;u为火点高度的平均风速,单位m/s;
$\sigma_y 、 \sigma_{{z}}$ 分别为浓度标准偏差表示的y轴和z轴上的扩散参数;H为火点的有效高度,单位m。国家标准扩散参数见表3。选择点源扩散模型,分别对大气稳定度为B,平均风速为1 m/s,大气稳定度C,平均风速5 m/s的情况进行了仿真,如图6所示,(a)~(e)为大气稳定度B,平均风速1 m/s时,0、50、100、150、200 m高度层烟尘浓度的分布结果。可见随着高度的升高,烟尘浓度的高值点与实际火点的偏移距离逐渐增大,200 m高度时,偏移距离≥1 km。当大气稳定度为C,平均风速5 m/s时,(f)~(j)对应给出了0、50、100、150、200 m高度层的烟尘浓度分布,其浓度高值点距实际火点的偏移距离更大,200 m高度时,偏移距离≥1.5 km。同时,随着高度的增加,烟尘浓度高值逐渐下降,且平均风速为1 m/s时,各高度层的烟尘浓度值高于平均风速为5 m/s时的浓度值。即激光雷达工作在高仰角,高平均风速天气条件下时,对于远距离火点烟尘的探测,定位难度升高,需结合风速风向、大气稳定度,测量获得的回波信号高值点距离,对火点实际位置进行修正。由于实测过程中风速风向在动态变化,无法将测量地风场实时数据导入软件,因此,该部分的偏差校正需通过后期数据处理来完成。即将激光雷达扫描结果进行网格化处理,确定烟尘浓度高值点距雷达安装点距离后,根据激光雷达探测仰角、安装高度,获得该点位实际测量高度。根据高斯烟羽模型中该高度层烟尘浓度高值点距实际火点距离值,按风向的反方向画入网格图,获得校正后的火点位置。
Atmospheric
stability$ {\sigma _y} $ ${\sigma _{{z} } }$ A 0.22x/(1+0.0001x)0.5 0.2x B 0.16x/(1+0.0001x)0.5 0.12x C 0.11x/(1+0.0001x)0.5 0.08x/(1+0.0002x)0.5 D 0.08x/(1+0.0001x)0.5 0.06x/(1+0.0002x)0.5 E 0.06x/(1+0.0001x)0.5 0.03x/(1+0.0003x) F 0.04x/(1+0.0001x)0.5 0.016x/(1+0.0003x) Table 3. Table of national standard diffusion para-meters
Figure 6. Gaussian plume simulation results. (a)-(e) Atmospheric stability B, average wind speed of 1 m/s, concentration distribution map at 0 m, 50 m, 100 m, 150 m, and 200 m; (f)-(j) Atmospheric stability C, average wind speed of 5 m/s, smoke concentration distribution diagram at 0 m, 50 m, 100 m, 150 m, and 200 m
Polarization lidar system for smoke and dust monitoring and experimental research
doi: 10.3788/IRLA20220508
- Received Date: 2022-07-21
- Rev Recd Date: 2022-10-31
- Publish Date: 2023-03-25
-
Key words:
- polarization /
- lidar /
- depolarization ratio /
- remote sensing /
- fire smoke monitoring
Abstract: