Evaluation of detection efficiency of coherent wind LiDAR
-
摘要: 为了评估相干测风激光雷达在不同扫描模式下探测效能与气象要素之间的联系，使用2020-08~2021-07期间广汉机场相干测风激光雷达探测数据进行了分析验证。结果表明，方位角测量模式扫描方式下，探测距离在3 km之后，探测效能线性下降, 90°扫描时，500 m后探测效能开始线性下降；总体探测效能在11月最高，7月最低；11月至次年7月呈下降趋势，7~11月呈上升趋势；在日落后至日出前的探测效能较低，在午间探测效能最高；夏秋季节，激光雷达探测效能与PM2.5质量浓度呈现正相关，与降雨量的对数呈负相关。该研究为机场激光雷达识别低空风切变准确度提供了重要的基础保障。Abstract: In order to evaluate the relationship between detection efficiency and meteorological elements in different scanning modes of coherent wind light detection and ranging(LiDAR), the detection data of coherent wind LiDAR at Guanghan Airport from August 2020 to July 2021 were used for analysis and verification. The results show that the detection efficiency decreases linearly after the detection range is larger than 3 km under plane position indicator scanning mode; When scanning at 90°, the detection efficiency decreases linearly after 500 m; The overall detection efficiency was highest in November, lowest in July, and decreased from November to following year in July, and increased from July to November; The detection efficiency is low from sunset to sunrise, and the detection efficiency is highest at noon; In summer and autumn, LiDAR detection efficiency is positively correlated with PM2.5 concentration, and negatively correlated with logarithm of precipitation, it provides an important basic guarantee for the accuracy of airport LiDAR identification of low-level wind shear.
-
引言
风直接影响着飞行安全，尤其在飞机起降的近地层阶段，受热力和动力的共同作用，风切变、湍流活动多发，而飞机此时速度小，空速更易受到风场变化的干扰，进而造成升力的短促变化，可能引起不安全事件，甚至导致空难的发生[1]。我国幅员辽阔、山地众多，尤其是西南地区，拥有国内大部分的高原机场和特殊机场，这些机场的开通极大改善了当地落后的交通面貌，促进了当地社会经济的发展，但机场周边复杂多变的风场[2]，始终是威胁航班运行安全的首要问题。及时、有效探测机场进离场区域风场，是提升复杂风场预报预警能力的重要基础。
近年来，相干多普勒激光雷达(light detection and ranging, LiDAR)因高测量精度、高时空分辨率、高适装性等优势，在3维风场精细化探测中的作用越来越受到重视[3]，国内外学者对相干多普勒激光雷达的测量精度开展了多方面的评估工作。DONG等人[4]利用相干多普勒激光雷达和L波段探空资料对台风“鲁米比亚”过程进行了对比试验，结果表明，相干多普勒波束摆动(Doppler beam swing，DBS)扫描模式测定的垂直风廓线与探空资料有很好的一致性。GRECO等人[5]利用放置在飞机上的相干多普勒气溶胶激光雷达开展对流探测试验，并从数据覆盖率、分辨率和频率等方面评估其性能，与探空数据进行比较的结果表明，总体偏差小于0.2 m/s，反映出相干多普勒激光雷达测得的风廓线具有很高的精度。FAN等人[6]评估了晴天、阴天、雾霾天和雨天4种天气条件下，相干多普勒激光雷达和风廓线雷达与探空气球风场探测的相关性，结果表明，除雨天条件下，相干多普勒激光雷达测风精度和稳定性优于风廓线雷达，与探空气球一致性较好。
随着相干多普勒激光雷达技术的成熟，国内对相干多普勒激光雷达在机场风切变预警中的应用成为研究热点。ZHANG等人[7]利用相干多普勒激光雷达下滑道扫描模式，采用风切变识别算法，将探测到的风切变事件与机组报告进行对比验证，统计结果显示准确率达到73.33%。LIU等人利用两台相干多普勒激光雷达在北京首都国际机场展开实验观测，结果表明，DBS模式风切变识别方法可有效识别干性雷暴引起的水平低空风切变，下滑道模式可有效识别地形诱导的下滑道顺风和逆风风切变[8]。HUA等人利用相干多普勒激光雷达的多种扫描模式测量数据，对西宁高原机场一次典型风切变过程进行了详细分析，并与机场现有的测风设备数据、机组报告数据进行了对比，结果表明，相干多普勒激光雷达能清楚地探测到风切变的结构、位置、高度和移动方向；相干多普勒激光雷达与自观数据相比，可实现提前10 min左右的预警，与机组报告的结果有较好的一致性[9]。
相干多普勒激光雷达发射激光脉冲，通过空气中微粒的后向反射的频移获得径向速度[10]。但是，随着空气中微粒成分及质量浓度的变化会影响到激光雷达的探测效能[11]，即载噪比(carrier-to-noise ratio，CNR)。当某个格点的载噪比低于一定阈值时，则认为获得的径向风不可信，实际应用中认为该点数据缺失。这种探测效能导致的数据缺失会对后续风场反演、风切变自动识别算法开发造成了一定的困扰。目前学者们多关注激光雷达的探测精度、风切变的识别算法的研究[12]，对不同天气背景下的激光雷达探测效能研究较少，缺乏客观定量的评估。为此，本文作者统计分析不同天气背景下激光雷达的探测效能，以期为激光雷达识别低空风切变奠定良好基础。
1. 设备与资料
中国民用航空飞行学院广汉分院位于成都平原北部的广汉市，距离广汉市区约7 km。机场跑道呈西北-东南走向(见图 1)，2020-08~2021-07期间，一部WINDCUBE®100S/200S 3D雷达被布设于机场跑道旁的塔台附近进行测试。激光雷达依次采用了平面位置指标器(plane position indicator，PPI)、距离高度指标器(range height indicator，RHI)及DBS等方式进行了全方位扫描。PPI扫描时，除西南方向部分区域受塔台遮蔽外，其它方向均平坦无遮蔽。
![图 1 广汉机场激光雷达及观测设施位置]()
图 1 广汉机场激光雷达及观测设施位置Figure 1. Location of LiDAR and observation facilities at Guanghan Airport该激光雷达标称扫描范围为6 km，沿扫描径向线每50 m一个数据。设备自带软件设定当某一点CNR值小于-23 dB，则认为该点测得的风速不可信，会将其设为无效数据，不予显示。图 2a和图 2b分别为一次PPI和RHI的实际扫描图，图中白色区域即为无效数据区。本文作者将CNR大于-23 dB的格点数在一条扫描线或一个扫描面总格点中的占比，定义为探测效能，由此来评估其在不同天气背景下的变化。色柱代表径向风速的大小，冷色为负径向风速，表示风向朝向雷达，暖色为正径向风速，表示风向背离雷达。
本研究中还使用了广汉机场气象台提供的相同时段的自动气象观测站数据及人工观测数据。自动气象观测设备距离激光雷达约30 m，包括逐分钟的温度、湿度、风向、风速及雨量信息。激光测风雷达主要通过空气中的颗粒物后向散射获得径向速度，PM2.5(大气中直径不大于2.5 μm的颗粒物(particulate matter, PM), 也称为可吸入肺颗粒物)质量浓度能够一定程度上反映空气中颗粒物的质量浓度[13]，为此，本文中还使用了距离机场最近的来自中国环境监测总站逐小时的PM2.5质量浓度数据。
2. 探测效能评估
2.1 探测效能随距离的变化
激光雷达测试期间，PPI模式一共扫描291221次，其中4°和12°仰角分别探测了102251次和66483次，每一次扫描面上有268条扫描线。将所有扫描面中一条固定角度的扫描线上的每个点上的累计有效探测数量除以此扫描线探测总数，获得此扫描线不同距离上的探测效能。由图 3可以看到，4°仰角扫描时，1 km范围内该激光雷达的探测效能几乎没有衰减，近似为100%，即雷达探测到的数据很少出现不可信数据；1 km~3 km时，探测效能略有下降，但仍能保持在90%以上；超过3 km后，探测效能随着距离增长线性下降；至4.5 km处，探测效能已降至60%左右；6 km时的探测效能已不足20%，由此可见，即使在4 km~6 km处发生了风切变，但由于探测效能低，可能导致漏警的发生。12°仰角扫描时，2 km范围内的探测效能与4°仰角接近；2 km后，探测效能就开始线性下降，但下降率要小于4°仰角；同样在4.5 km处的探测效能低于60%；6 km时的探测效能已不足30%。不同仰角的探测效能比较可知，随着扫描仰角的抬升，距离越远时，高度越高，空气中的粒子质量浓度发生变化，导致探测效能有一定变化。结合探测角度和距离计算可知，约在500 m高度以上后探测效能开始明显下降，高仰角扫描时，更近的距离就已扫到更高的高度，导致其探测效能更早下降。
![图 3 PPI、RHI扫描时不同距离的探测效能]()
图 3 PPI、RHI扫描时不同距离的探测效能Figure 3. Detection efficiency at different distances of PPI and RHI scanning利用激光雷达扫描75°、105°和90°方向的径向风获得风廓线是激光测风雷达的重要功能之一[14]。图 3中也重点比较了这3条扫描线的探测效能，可见90°、75°及105°扫描线的探测效能曲线在不同距离上有高度的一致性。500 m以内，探测效能在90%以上，与水平方向上计算得到的探测效能相吻合；高度大于500 m后，随着距离增加，探测效能开始线性下降，下降率与4°和12°探测效能曲线几乎平行；2.5 km时探测效能已减少至50%；4 km以上时的探测效能已不足10%。综合对比可见，500 m以上，随着空气中颗粒物的质量浓度迅速下降，激光雷达探测效能也明显降低，而后，探测效能随高度呈线性下降。由此可见，利用DBS扫描模式获得的风速廓线在2 km以上将存在明显的缺测。
将一次扫描面上的有效探测格点数除以总格点数，作为该次扫描面的探测效能。图 4为PPI 4°和RHI 90°方向的探测效能概率密度图。可以看到，PPI扫描模式下探测效能70%的出现频次最高，低于这一数值和高于这一数值的发生频次均依次减小，但低于60%后出现频次降低更为迅速，反映出探测效能低于60%的情况占比极少(见图 4a)。从累计频率也可以看出(见图 4b)，在60%及以上探测效能累计发生频率已达83%以上，可以视为总体情况，即大部分的探测效能都在60%以上。RHI扫描的探测效能概率密度分布接近正态分布，探测效能60%~20%占比较高，其中探测效能为40%的出现比例最高(见图 4c)，结合探测距离来看，这种分布反映出天顶方向扫描时，探测效能在某个距离内比较稳定，更高和更低的扫描距离都出现频次较低，这与当地云底主要处于一定高度范围有关。从累计频率可以看出(见图 4d)，探测效能40%的累计频率为62.8%，30%的累计频率为78.3%，可以视作总体情况，即大部分的RHI扫描的探测效能在30%以上。
![图 4 PPI 4°、RHI 90°方向探测效能频率统计图]()
图 4 PPI 4°、RHI 90°方向探测效能频率统计图Figure 4. Statistics chart of detection efficiency frequency of PPI 4° and RHI 90° direction2.2 探测效能月日变化特征及其与PM2.5质量浓度和雨量的关系
大气边界层厚度和结构有明显的季节变化和日变化[15]，会影响到大气中颗粒物的质量浓度及分布，进而影响激光雷达的探测效能[16]。以下重点分析PPI 4°低仰角扫描和RHI 90°方向扫描时探测效能的月、日变化。图 5为激光雷达月变化箱状图。可以看出，箱体上下边缘分别对应上下四分位点，中间横线为中位数，长须上下短点分别为上下四分位的1.5倍。由于设备调试，RHI 90°扫描模式在2~6月有缺失。
由图 5a可见，1~4月PPI扫描模式的探测效能中位数由85.9%下降至64.2%；5月探测效能略有提升；而后5~7月探测效能又依次下降；7月探测效能为全年最低，75%扫描次数的探测效能在65%以下；8月探测效能迅速升高，中位数与1月相近，但其离散程度也是一年中最大，反映出该月探测效能变化最明显；9~11月探测效能逐渐升高，离散度也逐渐缩小；11月的探测效能达全年最高，离散度则是全年中最小，反映激光雷达在该月的效果最佳；12月的探测效能中位数较11月略有下降，但离散程度更高。从RHI于90°方向的扫描情况来看(见图 5b)，尽管实验期间的2~6月未设置此种扫描模式，但依然能看到7~12月的探测效率总体呈下降趋势，秋冬季节的探测效能的离散度更小，反映出夏季到冬季边界层高度降低，颗粒物扩散范围更高，冬季边界层高度更加稳定的特征[17]。
分析低仰角的探测效能日变化可知，探测效能较低的4~7月，探测效能的日变化特征不明显，但其它月份的探测效能则有明显的日变化，在中午十分的探测效能最高，这与这些季节这一时段温度低、湿度大，空气饱和，容易出现轻雾以上天气有关。另一方面，随着午后边界层高度的抬升，颗粒物被扩散至更高高度，也有利于低仰角扫描时的探测距离得到延伸。
为了验证以上结果，图 5中还给出了PM2.5质量浓度(见图 5c)和降雨量的年变化特征(见图 5d，绿色柱状图为月累计降雨量)。由图 5c可见，PM2.5质量浓度的逐月变化特征与图 5a中激光雷达的探测效能有很好的一致性。1~4月，PM2.5质量浓度逐月降低; 5月出现一次小的峰值，而后又进一步降低；7月的PM2.5质量浓度为全年最低；8~10月的PM2.5质量浓度略有上升；至11月PM2.5质量浓度达到峰值；12月PM2.5质量浓度与11月接近。通过比较可以看到，PM2.5质量浓度较高的1~3月及11、12月[18]，激光雷达探测效能也比较高，PM2.5质量浓度最低的7月，其总体探测效能也是全年中最差。
从表 1可以看到按月逐日计算的PM2.5质量浓度与探测效能的相关系数。PM2.5质量浓度较高的1~3月和11、12月中，仅2月PM2.5质量浓度变化与探测效能显著正相关，12月的PM2.5质量浓度和探测效能之间呈弱的负相关。由具体分析可知，在12月27日的PM2.5质量浓度为当月最高值，当日机场记录到了雾和轻雾，能见度仅为100 m~2500 m，当日的探测效能为该月最小，仅为36.3%。由此可见，秋冬季节较高的PM2.5质量浓度含量，配合高湿环境形成的雾霾天气，导致激光雷达探测效能下降。夏秋季节，随着大气扩散条件转好，降雨量显著增加，PM2.5质量浓度明显降低。激光雷达探测效能与PM2.5质量浓度呈显著正相关，8月二者的相关系数可达0.59，通过99%的信度检验。降雨能够直接影响激光雷达探测效能，另一方面也使得空气中的PM2.5质量浓度下降[19]，间接影响激光雷达的探测效能[20]。这也是累积降雨量大，降雨强度变化大的8月，PM2.5质量浓度和探测效能相关性最好的重要原因。
表 1 逐月探测效能与PM2.5质量浓度的相关系数表Table 1. Correlation between monthly detection efficiency and PM2.5 concentrationmonth 1 2 3 4 5 6 RPM2.5 0.29 0.56** 0.18 0.28 0.47** 0.29 month 7 8 9 10 11 12 RPM2.5 0.42* 0.59** 0.47** 0.48** 0.42* -0.16 为进一步分析PM2.5质量浓度和降雨对激光雷达探测效能的影响，选取6~8月，分别计算降雨日和非降雨日的激光雷达探测效能与PM2.5质量浓度和降雨量之间的相关系数。由表 2可以看到，降雨日激光雷达探测效能与PM2.5质量浓度和降雨量分别呈显著正相关和负相关，都通过95%的信度检验，但与PM2.5质量浓度的相关度更高。非降雨日PM2.5质量浓度与激光雷达探测效能的正相关更高，通过了99%的信度检验，由此可见，PM2.5质量浓度变化对探测效能的影响更为显著。表 1和表 2中，RPM2.5表示探测效能与PM2.5质量浓度的相关系数；Rrainfall表示降雨与探测效能的相关系数；**表示通过99%信度检验；*表示通过95%信度检验，数据后无任何标记表示没有通过信度检验。
表 2 有无降雨时探测效能的相关系数表(6~8月)Table 2. Correlations of detection efficiency with or without rainfall(from June to August)with rainfall without rainfall RPM2.5 0.32* 0.47** Rrainfall -0.30* — 结合广汉机场的风场年变化特征来看，PM2.5质量浓度较低的几个月份, 风对飞行的影响较为明显，特别是降雨造成的道面湿滑，再配合大风会对飞行安全构成严重威胁。为了定量评估PM2.5和降雨量对激光雷达探测效能的影响，图 6a中选取相关系数较高的5~11月，绘制了无降雨的小时平均探测效能和PM2.5质量浓度散点图。可以看到，小时PM2.5质量浓度小于20 μg/m3时，探测效能变化较大，二者的相关性并不明显。随着PM2.5质量浓度的增加，探测效能基本呈线性增强，其拟合方程为y=0.15x+60.92，即，PM2.5质量浓度每增加10 μg/m3，探测效能增加3.3%。图 6b中给出了取对数后的小时降雨量与小时平均探测效能散点图。由于降雨量与雨滴直径密切相关，而阵性降雨的雨滴谱一般较宽，连续性降雨雨滴谱较窄，雨滴谱的大小会不同程度地影响激光雷达的探测效能，图中可以看到，探测效能与小时雨量的对数基本呈明显线性下降趋势，拟合方程为y=-0.41lgx+65.72。民航气象地面观测中将小时降雨量不大于2.5 mm定义为小雨，2.6 mm~8 mm定义为中雨，大于8.1 mm定义为大雨。代入方程可以看到，降雨量为2.5 mm时，探测效能为65.6%。图中黄色线为拟合线，上侧和右侧为分布曲线。
3. 结论
基于激光雷达2020-08~2021-07 PPI和RHI扫描模式的数据资料，通过探测距离分析、日变化及月变化分析得出激光雷达平均探测效能的一般结论。
(1) 探测距离方面：PPI扫描模式下4°仰角，总体平均探测距离达到3 km时，探测效能呈现线性下降趋势，距离达到4.5 km时，探测效能降低至60%上下；RHI扫描模式下，垂直方向500 m以上，随着空气中颗粒物的质量浓度迅速下降，激光雷达探测效能随距离呈现线性下降趋势，达到2.5 km效能为50%，4 km后探测效能极低，结果可用性较差。PPI总体探测效能集中在60%~100%，RHI 90°方向探测效能集中在30%~60%。
(2) 从月变化及日变化可看出：PPI扫描模式探测效能总体平均探测水平11月份最高，11月至次年7月呈下降趋势，探测距离由5.4 km下降到3.7 km; RHI 90°方向扫描在7~12月探测效率总体呈下降趋势，秋冬季节的探测效能的离散度更小; 从日变化特征来看, 日落后至日出前的探测效能较低，在中午12:10的探测效能最高。
(3) PM2.5质量浓度及降雨的影响：夏秋季节，降雨量增加，PM2.5质量浓度明显降低，激光雷达探测效能与PM2.5质量浓度变化更为密切，呈显著正相关，与降雨量的对数呈负相关。
-
![]()
图 1 广汉机场激光雷达及观测设施位置
Figure 1. Location of LiDAR and observation facilities at Guanghan Airport
![]()
图 3 PPI、RHI扫描时不同距离的探测效能
Figure 3. Detection efficiency at different distances of PPI and RHI scanning
![]()
图 4 PPI 4°、RHI 90°方向探测效能频率统计图
Figure 4. Statistics chart of detection efficiency frequency of PPI 4° and RHI 90° direction
表 1 逐月探测效能与PM2.5质量浓度的相关系数表
Table 1 Correlation between monthly detection efficiency and PM2.5 concentration
month 1 2 3 4 5 6 RPM2.5 0.29 0.56** 0.18 0.28 0.47** 0.29 month 7 8 9 10 11 12 RPM2.5 0.42* 0.59** 0.47** 0.48** 0.42* -0.16 
下载: 导出CSV
表 2 有无降雨时探测效能的相关系数表(6~8月)
Table 2 Correlations of detection efficiency with or without rainfall(from June to August)
with rainfall without rainfall RPM2.5 0.32* 0.47** Rrainfall -0.30* —
下载: 导出CSV
-
[1] 黄仪方. 航空气象[M]. 成都: 西南交通大学出版社, 2011: 1-348. HUANG Y F. Aeronautical meteorology[M]. Chengdu: Southwest Jiaotong University Publishing House, 2011: 1-348(in Chinese).
[2] 范琪, 朱晓林, 周鼎富, 等. 激光测风雷达分析典型高原机场风场特征[J]. 激光技术, 2020, 44(5): 525-531. DOI: 10.7510/jgjs.issn.1001-3806.2020.05.001 FAN Q, ZHU X L, ZHOU D F, et al. Analysis of the wind field characteristics using the wind lidar in a typical plateau airport[J]. Laser Technology, 2020, 44(5): 525-531(in Chinese). DOI: 10.7510/jgjs.issn.1001-3806.2020.05.001
[3] 王青梅, 郭利乐. 激光雷达在机场低空风切变探测中的应用[J]. 激光与红外, 2012, 42(12): 1324-1328. https://www.cnki.com.cn/Article/CJFDTOTAL-JGHW201212003.htm WANG Q M, GUO L L. Development of lidar in detection of low altitude wind shear[J]. Laser & Infrared, 2012, 42(12): 1324-1328(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-JGHW201212003.htm
[4] DONG D B, YANG Sh Zh, WENG N Q, et al. Analysis of observation performance of a mobile coherent doppler wind lidar using DBS scanning mode[J]. Journal of Physics, 2021, 1739(1): 012048.
[5] GRECO S, EMMITT G D, GARSTANG M, et al. Doppler aerosol wind (DAWN) lidar during CPEX 2017: Instrument performance and data utility[J]. Remote Sensing, 2020, 12(18): 2951. DOI: 10.3390/rs12182951
[6] 范琪, 朱克云, 郑佳锋, 等. 不同天气类型下全光纤相干激光测风雷达探测性能分析[J]. 中国激光, 2017, 44(2): 0210003. https://www.cnki.com.cn/Article/CJFDTOTAL-JJZZ201702037.htm FAN Q, ZHU K Y, ZHENG J F, et al. Detection performance analysis of all-fiber coherent wind lidar under different weather types[J]. Chinese Journal of Lasers, 2017, 44(2): 0210003(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-JJZZ201702037.htm
[7] 张曦, 张建军, 丁媛媛, 等. 机场多普勒激光雷达风切变探测与识别[J]. 气象科技, 2021, 49(2): 184-191. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ202102005.htm ZHANG X, ZHANG J J, DING Y Y, et al. Airfield Doppler laser radar wind shear detection and identification[J]. Meteorological Science and Technology, 2021, 49(2): 184-191(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ202102005.htm
[8] 刘晓英, 吴松华, 张洪玮, 等. 基于相干多普勒测风激光雷达的不同成因类型的低空风切变观测[J]. 红外与毫米波学报, 2020, 39(4): 491-504. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYH202004014.htm LIU X Y, WU S H, ZHANG H W, et al. Low-level wind shear observation based on different physical mechanisms by coherent Doppler lidar[J]. Journal of Infrared and Millimeter Waves, 2020, 39(4): 491-504(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-HWYH202004014.htm
[9] 华志强, 黎倩, 黄轩, 等. 激光测风雷达在航空保障中的典型应用分析[J]. 激光技术, 2020, 44(5): 600-604. DOI: 10.7510/jgjs.issn.1001-3806.2020.05.012 HUA Zh Q, LI Q, HUANG X, et al. Analysis of the typical application of laser wind measurement radar in aviation support[J]. Laser Technology, 2020, 44(5): 600-604(in Chinese). DOI: 10.7510/jgjs.issn.1001-3806.2020.05.012
[10] 张涛, 黎倩, 郑佳锋, 等. 激光测风雷达研究微下击暴流引发的低空风切变[J]. 激光技术, 2020, 44(5): 563-569. DOI: 10.7510/jgjs.issn.1001-3806.2020.05.007 ZHANG T, LI Q, ZHENG J F, et al. A study on low-level wind shear caused by microburst using LiDAR and other data[J]. Laser Technology, 2020, 44(5): 563-569(in Chinese). DOI: 10.7510/jgjs.issn.1001-3806.2020.05.007
[11] 何涛, 侯鲁健, 吕波, 等. 激光雷达探测反演PM2.5质量浓度的精度研究[J]. 中国激光, 2013, 40(1): 0113001. https://www.cnki.com.cn/Article/CJFDTOTAL-JJZZ201301037.htm HE T, HOU L J, LV B, et al. Study of accuracy of lidar inversion PM2.5 concentration[J]. Chinese Journal of Lasers, 2013, 40(1): 0113001(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-JJZZ201301037.htm
[12] HON K K, CHAN P W. Application of LiDAR-derived eddy dissipation rate profiles in low-level wind shear and turbulence alerts at Hong Kong International Airport[J]. Meteorological Applications, 2014, 21(1): 74-85.
[13] 雷山东, 杨婷, 柴文轩, 等. 联网激光雷达的观测性能综合平行比对[J]. 中国环境监测, 2020, 36(3): 153-162. https://www.cnki.com.cn/Article/CJFDTOTAL-IAOB202003024.htm LEI Sh D, YANG T, CHAI W X, et al. Comprehensive parallel comparison of observational performance of connected lidars[J]. Environmental Monitoring in China, 2020, 36(3): 153-162(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-IAOB202003024.htm
[14] 吴俊杰, 方璘, 王昊, 等. 面向机场的多普勒激光雷达风场反演技术研究[J]. 航空计算技术, 2020, 50(6): 1-4. https://www.cnki.com.cn/Article/CJFDTOTAL-HKJJ202006001.htm WU J J, FANG L, WANG H, et al. Research on airport-oriented Doppler lidar wind field inversion technology[J]. Aeronautical Computing Technique, 2020, 50(6): 1-4(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-HKJJ202006001.htm
[15] 盛裴轩. 大气物理学[M]. 北京: 北京大学出版社, 2013: 1-551. SHENG P X. Atmospheric physics[M]. Beijing: Peking University Press, 2013: 1-551(in Chinese).
[16] 熊兴隆, 李永东, 冯帅, 等. PM2.5质量浓度廓线的激光雷达反演研究[J]. 光子学报, 2020, 49(4): 0401001. https://www.cnki.com.cn/Article/CJFDTOTAL-GZXB202004005.htm XIONG X L, LI Y D, FENG Sh, et al. Lidar inversion of PM2.5 mass concentration vertical distribution[J]. Acta Photonica Sinica, 2020, 49(4): 0401001(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-GZXB202004005.htm
[17] 蒋兴文, 李跃清, 王鑫, 等. 青藏高原东部及下游地区冬季边界层的观测分析[J]. 高原气象, 2009, 28(4): 754-762. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX200904005.htm JIANG X W, LI Y Q, WANG X, et al. The observational analysis of atmospheric boundary layer structure in east part and downstream of tibetan plateau[J]. Plateau Meteorology, 2009, 28(4): 754-762(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX200904005.htm
[18] 桑悦洋, 初奕琦, 刘喆, 等. 基于激光雷达数据对混合层高度与细颗粒物浓度关系的研究[J]. 北京大学学报(自然科学版), 2022, 58(3): 412-420. https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ202203003.htm SANG Y Y, CHU Y Q, LIU Zh, et al. Research on the relations between atmospheric mixing layer heights and fine particle concentrations with lidar measurements[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2022, 58(3): 412-420(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ202203003.htm
[19] 栾天, 郭学良, 张天航, 等. 不同降水强度对PM2.5的清除作用及影响因素[J]. 应用气象学报, 2019, 30(3): 279-291. https://www.cnki.com.cn/Article/CJFDTOTAL-YYQX201903003.htm LUAN T, GUO X L, ZHANG T H, et al. The scavenging process and physical removing mechanism of pollutant aerosols by different precipitation intensities[J]. Journal of Applied Meteorological Science, 2019, 30(3): 279-291(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-YYQX201903003.htm
[20] FU S L, XIE Ch B, LI L, et al. PM2.5 concentration identification based on lidar detection[J]. Acta Photonica Sinica, 2021, 41(9): 0928001(in Chinese).
计量
- 文章访问数: 10
- HTML全文浏览量: 2
- PDF下载量: 6