田飛;羅佳;胡大平;葉一東【摘要】目前基于激光雷達測量能見度的反演算法可以較為準確地反演均勻大氣條件下的水平能見度，對云雨霧等非均勻大氣條件下斜程能見度的準確反演較為困難.為了準確探測復雜大氣條件下的斜程能見度，分析了激光雷達探測大氣能見度的反演算法,重點針對非均勻大氣條件下能見度難以準確反演的問題，提出了一種將Collis斜率法與Klett后向法相結合的能見度反演迭代算法，適用于不同天氣條件下不同傾角路徑平均能見度的反演.利用車載式激光雷達系統對能見度進行了實際測量，實驗表明:在均勻大氣條件下，該迭代算法與廣泛使用的Collis斜率法和Klett后向法完全吻合；對于非均勻大氣條件，該迭代算法也可克服Collis斜率法和Klett后向法的局限，更為快速穩定準確地反演出需要的大氣能見度信息.％Presentinversionmethodforatmosphericvisibilitybasedonlidartechniqueisonlyabletoinversehorizontalvisibilityaccurately.Manydisadvantagesexistforslantvisibilityinversioninconditionofinhomogeneousatmospheresuchasrainy,cloudyandfoggy.Inordertomeasureslantvisibilityaccurately,theprinciplesofatmosphericvisibilitymeasurementwithlidarwasinvestigated,andexperimentsforvisibilitymeasurementwithmobilelidarwereconducted,especiallyanewiterationalgorithmusedforvisibilityinversionwasposed.Thealgorithmisacombinationofthewell-knownCollisslopemethodandKlettbackwardmethod,anditisabletoretrievethevalueofatmosphericvisibilityindifferentweathercondition.ThecomparisonexperimentresultsshowthatthisiterationalgorithmagreeswithCollisslopemethodandKlettbackwardmethodcompletelyinconditionofhomogeneousatmosphere.Forinhomogeneousatmosphere,thisiterationalgorithmcanmakeuptheshortagesofCollisslopemethodandKlettbackwardmethodandretrievethevalueofatmosphericvisibilityquickly,stablyandaccurately.【期刊名稱】《激光與紅外》【年(卷)，期】2012(042)011【總頁數】5頁(P1239-1243)【關鍵詞】激光雷達;斜程能見度;消光系數;氣溶膠;迭代算法【作者】田飛;羅佳湖大平;葉一東【作者單位】中國工程物理研究院應用電子學研究所，四川綿陽621900;中國工程物理研究院研究生部，北京100088;中國工程物理研究院應用電子學研究所,四川綿陽621900;四川中物科技集團有限公司，四川綿陽621900;中國工程物理研究院應用電子學研究所，四川綿陽621900【正文語種】中文【中圖分類】TN958.981引言能見度的好壞直接影響人們的工作生活、水陸空交通運輸、工農業生產、天文觀測以及空間遙感遙測等，快速準確地探測不同天氣條件下不同傾角路徑的能見度具有十分重要的意義。目前基于激光雷達的能見度反演算法能較為準確地反演均勻大氣條件下的水平能見度［1-3］，對非均勻大氣條件下斜程能見度的準確反演較為困難，但這些條件下能見度的準確探測具有很大的實際需求，如飛機起降路徑能見度的觀測、云雨霧天能見度的測量等。因此，本文重點針對非均勻大氣條件下能見度難以準確反演的問題，提出了一種將Collis斜率法與Klett后向法相結合的能見度反演迭代算法，可快速穩定準確地反演出不同天氣條件下不同傾角路徑的平均能見度，并利用激光雷達的實際測量數據對該算法進行了對比驗證。2基于激光雷達原理的能見度反演方法根據激光雷達基本原理，單次米散射雷達接收到探測距離R處的回波信號功率可表示為[4-5]:式中，P(R)為激光雷達接收到距離R處的回波信號功率；P0為激光脈沖平均功率;C為雷達常數;B(R)為大氣后向散射系數;。(R')為大氣消光系數。求解上述米散射激光雷達方程，進一步求出測量路徑上的大氣消光系數。，即可反演出大氣能見度V:式中，入為測量波長，單位為nm;q一般由以下經驗公式給出[6]:值得注意的是，當大氣不均勻時，消光系數在測量路徑上不均勻，計算能見度時應代入消光系數在測量路徑上各點數據的算術平均值，所求能見度為測量路徑上的平均能見度。常用的能見度反演方法主要有以下兩種：2.1Collis斜率法Collis斜率法假設大氣分布均勻，則方程(1)可寫為[7-8]:令S(R)=In[R2P(R)],上式兩邊取對數并對距離R求導，可得:在大氣均勻分布的情況下，d&/dR=0，從而可求得大氣消光系數:此方法可較為準確地反演出均勻大氣條件下的能見度，且簡單易行，從而得到了廣泛的應用。但該方法存在嚴重缺陷，對非均勻大氣條件下能見度的反演存在較大誤差，不能滿足實際需求。2.2Klett后向法Klett方法首先假設大氣消光系數。和后向散射系數P之間存在如下關系[9-12]:式中，C0為常數，與反演結果無關;k的取值范圍一般為0.67~1[9]，與激光雷達的測量波長和氣溶膠的性質有關。如果再假定k為常數，將假設式(7)代入米散射激光雷達方程(1)求解，可得到R<Rm處大氣消光系數的穩定解：式中，Rm為參考距離，一般選取最大的有效探測距離，Sm=S(Rm),om=o(Rm)。Klett提出可以用Collis斜率法對am進行估算：該反演方法對Collis斜率法進行了改進，成功克服了均勻大氣條件的限制，但消光系數的反演結果依賴于am的初值，初值偏小則反演的消光系數偏小，初值偏大則反演的消光系數會偏大，準確地給出am的初值是該反演方法的難點，目前尚無有效的方法能準確地給出實際測量條件下am的初值。3穩定的能見度反演迭代算法為了快速準確穩定地反演出復雜天氣條件下不同傾角路徑的平均能見度，本文在Collis和Klett的工作基礎之上，提出了一種穩定的能見度反演迭代算法，計算流程如圖1所示。圖1迭代算法流程圖Fig.1flowchartoftheiterationalgorithm讀入原始雷達回波信號P(R)，據雷達幾何重疊因子修正原始數據，去除本底(無激光回波時信號平均值作為背景噪聲)，確定有效數據起點Rs，給定閾值信噪比計算閾值信號，確定最大反演距離Rm;用Collis斜率法處理距離Rs至Rm修正后的回波信號，初步估算測量路徑上的平均消光系數。，將估算的。賦值給。m,并根據。估算能見度確定常數k的取值；將k的取值和om的初值代入公式(8),計算各點的消光系數，再求得有效測量路徑上(Rs至Rm)的平均消光系數oavg;將oavg與om做差值，若誤差大于設定的迭代誤差(本文取5%),將oavg賦值給om重新進行迭代;若誤差滿足要求，則輸出oavg作為測量路徑上的平均消光系數，進一步反演出需要的能見度信息。該能見度反演迭代算法選取Klett后向法作為迭代主程序，使其具有了Klett后向法簡單可靠、穩定性好、待定參數少以及誤差來源少等優點，同時該算法還將Collis斜率法與Klett后向法相結合，使其較單一的Collis斜率法和Klett后向法具有明顯的優勢。首先，克服了Collis斜率法均勻大氣假設的限制，適用于不同天氣條件下不同傾角路徑能見度的反演;其次，降低了能見度反演結果對消光系數初值om的依賴程度，通過控制迭代精度，經過有限次迭代可求得大氣消光系數的穩定解;最后，選用Collis斜率法估算Klett后向法的迭代初值om,可實現快速迭代。4激光雷達結構及技術參數本激光雷達系統為車載式，可方便地用于外場測量，其基本結構如圖2所示，該系統主要由激光發射光源、光學接收系統和信號接收采集系統三部分組成，各部分主要性能參數如表1所示。圖2車載式激光雷達結構示意圖Fig.2schematicdiagramofthemobilelidar表1車載式激光雷達主要技術參數Tab.1keyparametersofthemobilelidarlasertransmittingpartopticalreceivingpartdataacquisitionpartlaser:Nd:YAGwavelength:532nmpulseenergy:300mJrepetitionrate:10Hzpulsewidth:60nstelescope:Cassegraintypediameter:450mmblindrange:200mscanner:two-mirrorscannerhorizontal:0°~360°vertical:-10°~90°PMT:R7400U-04range:185~850nmpeakwavelength:400nmA/Dcard:CompuScope14100conversionrate:50MHzdynamicrange:16bit激光光源為Nd:YAG激光器，可輸出1064nm,532nm,355nm和266nm的激光，測量能見度時發射532nm激光。雷達采用共孔徑發射接收，掃描平面鏡可進行俯仰和方位轉動，以實現三維空間立體掃描。被測大氣的后向散射光由卡塞格林望遠鏡接收，信號由掃描平面鏡反射到接收主鏡，經次鏡聚焦，通過反射鏡反射到探測器中，在探測器中依次通過聚焦透鏡、小孔光闌、窄帶濾光片等到達光電倍增管，再用前置放大器和數據采集卡對光電倍增管輸出的微弱電信號進行處理，獲取測量數據，并傳送到計算機，進一步對數據進行處理，可獲得需要探測的信息。5典型實驗結果及對比分析5.1均勻大氣條件下反演算法對比圖3給出了2011年3月29日16:14的雷達回波信號實驗數據，路徑傾角為8°。當日天氣晴朗，大氣中氣溶膠粒子較少且分布較為均勻，雷達回波信號平緩衰減，可探測距離約為2km。圖3車載式激光雷達回波信號Fig.3returnsignalofthemobilelidar采用Collis斜率法對數據進行處理，最小二乘擬合結果如圖4所示，結果顯示在大氣較為均勻的情況下，S(R)隨距離R幾乎線性減小，線性擬合殘差較小，路徑平均消光系數。約為3.45x10-4m-1，對應能見度為11.82km。圖4S(R)和距離R線性擬合圖Fig.4linearfitofS(R)anddistance將Collis斜率法估算的消光系數代入公式(9)進行迭代，經一次迭代誤差就小于預先設定的5%，迭代結果如圖5所示，可以看出，在大氣較為均勻的情況下，消光系數隨距離均勻分布，最終算得測量路徑上的平均消光系數。約為3.55x10-4m-1，對應能見度約為11.50km,與Collis斜率法估算的能見度11.82km較為接近，相對誤差僅為2.7%。圖5均勻大氣條件下迭代結果及誤差分析Fig.5iterationresultsanderrorofhomogeneousatmosphere實驗結果表明，對于均勻大氣條件，該迭代算法與廣為使用的Collis斜率法和Klett后向法(該算法一次迭代即為Klett后向法)具有良好的一致性，在均勻大氣條件下是適用的。5.2非均勻大氣條件下反演算法對比同年8月11日，天氣多云，圖6為當日15:39的雷達回波信號，路徑傾角為39°。由圖6可見，多云天氣溶膠分布不均勻，雷達回波信號不平滑，在1.35km處有明顯的增強，可探測距離約為1.6km。圖6車載式激光雷達回波信號Fig.6returnsignalofthemobilelidarCollis斜率法處理結果如圖7所示，估算的消光系數。約為2.13x10-4m-1,對應能見度為19.26km,此時S(R)與距離R線性相關性小，該反演方法存在較大的誤差，不適用于非均勻大氣條件下能見度的探測。圖7S(R)和距離R線性擬合圖Fig.7linearfitofS(R)anddistance用該迭代算法對上述數據處理的結果如圖8所示，消光系數隨距離分布并不均勻，1.35km處消光系數明顯增加，采集數據時在紅外相機中觀察到此處有云朵飄過，應該是造成此處消光系數增加的主要原因。局部消光系數增加時，Collis斜率法估算的平均消光系數會偏小，使其反演的能見度大于實際值。同時該迭代算法om的初值也會偏小，需五次迭代誤差才小于5%，首次和第五次迭代算得的消光系數分布如圖8(a)所示，消光系數隨迭代次數的增加而逐漸增加且趨于穩定。第一次迭代(Klett方法)的平均消光系數。1約為2.70x10-4m-1，對應能見度約為15.12km,最終算得的平均消光系數。5約為3.82x10-4m-1，對應能見度約為10.69km,明顯小于Collis斜率法估算的19.26km,相對誤差為44.5%，也小于Klett方法估算的15.12km,誤差為29.3%。圖8非均勻大氣條件下迭代結果及誤差分析Fig.8iterationresultsanderrorofinhomogeneousatmosphere同樣有實驗數據表明，當測量路徑上出現潔凈層時，Collis斜率法和Klett方法反演的能見度會小于實際值，該迭代算法依然可以彌補其不足，求出消光系數的穩定解準確地反演出相應的能見度。總之，當大氣非均勻時，此迭代算法可以克服Collis斜率法和Klett后向法的局限，更為快速穩定準確地反演出大氣能見度信息。6結論能見度對海陸空交通運輸以及空間探測遙感等活動都有重要的影響，準確探測復雜天氣條件下不同傾角路徑的平均能見度具有非常重要的意義。本文用激光雷達對能見度進行了探測，并提出了一種將Collis斜率法與Klett后向法相結合的能見度迭代算法，可快速穩定準確地反演出不同天氣條件下不同傾角路徑的平均能見度。實驗對比表明，在均勻大氣條件下，該迭代算法與廣泛使用的Collis斜率法和Klett方法完全吻合;對于非均勻大氣條件，該迭代算法也可克服Collis斜率法和Klett方法的局限，更為快速準確地反演出需要的大氣能見度信息。參考文獻：[1]XieChenbo,HanYong,LiChao,etal.Mobilelidarforvisibilitymeasurement[J],HighPowerLaserandParticleBeams,2005,17⑺:971-975,(inChinese)謝晨波，韓勇，李超，等,車載式激光雷達測量大氣水平能見度[J]，強激光與粒子束，2005,17(7):971-975,[2]SunZhaobin,GuoJinjia,LiuZhishen,etal,Visibilitymeasurementoverthehorizontalpathbymeansofmicropulsedlidar[J],LaserTechnology,2007,31(2):200-202,(inChinese)孫兆濱，郭金家，劉智深，等,微脈沖激光雷達測量大氣水平能見度[」].激光技術，2007,31(2):200-202,[3]HanDaowen,LiuWenqing,ZhangYujun,etal,Analgorithmforhorizontalvisibilitybasedonlidar[J],Laser&Infrared,2007,37(12):1250-1252,(inChinese)韓道文，劉文清，張玉鈞，等,基于激光雷達的水平能見度自動反演算法[J],激光與紅外，2007,37(12):1250-1252,[4]FrancescRocadenbosch,GregoriVazquez,AdolfoComeron,Adaptivefiltersolutionforprocessinglidarreturns:opticalparameterestimation[J],ApplOpt,1998,37(30):7019-7034,[5]VladimirAKovalev,Lidarmeasurementoftheverticalaerosolextinctionprofileswithrange-dependentbackscatter-to-extinctionratios[J],ApplOpt,1993,32(30):6053-6065,[6]YueBin,DongJingjing,SunDongsong,etal,Measuringmethodofatmosphericslantvisibilitywithsemiconductorlidar[J],InfraredandLaserEngineering,2003,3