火电厂硫化氢控制技术研究

1 概述 
　　每年春季，我国北方大部分地区都会受到不同程度的沙尘天气的影响，一方面，沙尘引起的能见度降低与大颗粒沙尘的沉降严重影响了运输业、农业等行业的正常发展，对于国民经济造成极大的直接和间接的损失；另一方面，悬浮在空气中粒径小于100μm的总悬浮颗粒物会对人们的健康带来不利的影响。 
　　国内对沙尘天气的检测当前以遥感为主、地面站点检测为辅。比较而言，使用卫星传感器获取的遥感影像具有检测范围广且时效性强的特点，以搭载MODIS的Aqua和Terra卫星为例，它们可以以1～2天为周期获取数据，这样便可以及时发现沙尘源地并将其规模和运动方向标记出来，达到动态、省时省力检测大范围沙尘天气的目的。随着遥感技术的发展，卫星传感器更加广泛地应用于环境管理与污染检测等方向。 
　　2 数据源 
　　2.1 MODIS数据 
　　MODIS是Terra与Aqua上搭载的十分重要的地球观测传感器，两颗卫星上的MODIS传感器可以每1～2天对地球观测一次，同时获取36个波段（0.4～14.3μm）的数据，包括16个热红外波段以及20个可见光与近红外波段，这些数据常用于反演水汽含量、地表温度、气溶胶参数等，可以帮助研究人员理解陆地、海洋以及低层大气的动态变化进程，并有助于构建可以预测变化的地球系统模型。 
　　2.2 臭氧检测仪（OMI）的数据 
　　2.2.1 Aura/OMI传感器。Aura卫星亦隶属于EOS系统，该卫星被设计用于获取臭氧、气溶胶和大气中关键气体的定量信息，因此，Aura搭载了四个相关的传感器，分别是高分辨动力发声器、微波分叉发声器、臭氧层观测仪和对流层放射光谱仪。其中，OMI可以对264～504nm范围的波段进行观测，其光谱分辨率在0.42～0.63nm，利用OMI获取的数据可以对大气中的NO2、SO2、BrO、HCHO以及气溶胶进行量测，同时使用OMI还可以区分不同的气溶胶类型，如沙尘和硫化物。 
　　2.2.2 紫外波段气溶胶指数（UVAI）。大气气溶胶可以通过吸收作用对紫外辐射产生影响，研究表明，沙尘的增加使达到地面的紫外辐射量减少，而这个过程又可以对对流层中臭氧光化学反应产生影响，因此可以使用臭氧观测仪收集的数据衍生出反映气溶胶变化的紫外波段气溶胶指数，可以认为UVAI提供了气溶胶对紫外波段吸收作用的量化指标。Torres等人的研究表明紫外观测对气溶胶具有高度的敏感性，并能有效降低地表反射率对观测的影响。在实际应用中，常常用于对煤烟或沙尘的检测。 
　　在获取UVAI时，将通过气溶胶观测到的光谱辐射率记为I360，而将无气溶胶时观测到的光谱辐射率记为I331，分别计算二者实测值与理论值的比值，并计算差值。使用等式可以表示为： 
　　3 算法原理与算法描述 
　　3.1 沙尘检测算法原理以及亮度温度的计算 
　　3.1.1 亮度温度差值/比值算法。本文进行亮度温度差值和比值运算时选择MODIS 29、31和32波段，这三个波段分别处于8～9μm和10～12μm光谱区间，这样选择的原因在于气溶胶颗粒在这一光谱区间内其光谱特征会随着波长的改变而产生较大的波动，通过对不同的影像进行对比便可以有效识别不同的气溶胶类型。不仅如此，大气对该光谱区间的干扰往往是小的，这样得到的影像便可以反映气溶胶的实际情况。因此，基于单一波段影像数据，科学家成功实现了对大气中火山灰的观测。而且随着高光谱数据的应用，研究人员利用窄波段光谱数据实现了对沙尘等气溶胶更高精度的观测。然而单一波段的影像不仅会受到地面辐射的干扰，同时气体与气溶胶还对辐射具有不可忽略的吸收作用。可以利用传感器接收到的红外波段的辐射亮度值公式对上述内容进行描述： 
　　式中：Bλ为普朗克方程；Ta表示大气中气溶胶层的温度；Ts表示地表温度；δλ为气溶胶光学厚度。 
　　从等式中可以看出，即使当气溶胶层足够厚，使地面辐射的干扰可以忽略不计，即 ，所接收到的辐射亮度依然受到气体与气溶胶本身的影响，而正如前文所述，在8～9μm和10～12μm内，气体对辐射的干扰会达到小，在这种情况下，就只需要考虑气溶胶本身的吸收作用。 
　　3.1.2 Dust*-parameter（D*）算法。Dust*-parameter（D*）算法是基于上文论述的BTD11-12和BTD8.6-11两种差值算法得到的，其表达式为： 
　　式中：C和E分别为BTD11-12、BTD8.6-11的温度位移，本文取值分别为0.09与15.0。 
　　通过前文所述，可以得知BTD11-12与BTD8.6-11均可以对以石英为主要成分的沙尘进行有效观测，除此以外，BTD8.6-11还对硅质矿物非常敏感，因为硅质矿物拥有较宽的残余辐射带，相较于11μm，可以吸收更多在8.6μm处的辐射，造成BTD8.6-11的值为负值；而云层与此相反，因为云层会更多地吸收11μm处的辐射，这样BTD8.6-11值即为正值。基于此，如果沙尘中含有硅质矿物，D*算法就可以有效进行识别，同时取自然指数可以对沙尘信号进行放大。 
　　3.1.3 MODIS亮度温度计算方法。本文使用普朗克函数对亮度温度进行求解，在进行计算之前，需要将MODIS影像的像元值转换为对应的热辐射强度值，卫星接收到的热辐射强度转换方法如下：sr-1·μm-1；NDi为第i波段影像的像元值；DRi与DRSi则是对应波段的辐射常量。 
　　接下来，利用普朗克函数对各波段亮度温度计算，亮度温度Ti计算公式为： 
　　式中：λi是对应波段的有效波长，在本文中使用的是29、31和32波段的有效波长分别为8.6μm、11μm和12μm。C1和C2均为光谱常量，它们的值分别是C1=119104356W·m-2·sr-1·μm4、C2=1.4387685×104μm·K。在计算时为简便直观可以将C2/λi与C1/λi5看作一个整体。 
　　实际上，亮度温度是描述一般地物的“等效”温度参数即在一定的波段范围内，这一参数指的是当一般地物与黑体具有相等的辐射亮度时，黑体所具有的温度。它表示地物的辐射量与具有多大温度的黑体的辐射相当，由于一般地物的比辐射率ε均小于1，故地物的亮度温度往往小于它对应的实际温度。从影像中可以看到计算得到的亮度温度的取值在220K和300K之间，比同季节正常的地表温度低一些，根据上述结论，这个计算结果是合理的。 
　　3.2 云层的处理 
　　3.2.1 决定系数（R2）去云。通过计算BT7.3与BT11间的决定系数来确定高纬度云层的地理位置从而将其去除，当决定系数趋近于1，说明观测区域是云层的可能性极大；当这个数值远离1，则该区域应为无云区域。这个方法的关键在于寻找一个合适的阈值来界定云层与非云层区域，如果阈值选择偏小，可能会将有用的信息划为云层而遭到掩盖；如果偏大，则有部分高纬度云层会有所遗漏。在本实验中，首先选取同一地区有云与无云时刻的两幅影像，并按上述方法计算其28、31波段的亮度温度与决定系数，根据决定系数影像上像元值的直方图分布决定该阈值的取值。 
　　3.2.2 BT11去云。31波段被设计用于获取云层或地表温度，而云层的温度往往低于后者。因此从11μm波段的亮度温度影像上便可以对云层覆盖区域进行判别。本文首先统计出BT11影像上的大值Tmax，为了排除噪声对统计结果的影响，选择大的五个像元值并计算其平均数作为Tmax，同时根据相关文献，可以获知云层在11μm处的大亮度温度约为273K，而对应的地表温度为288.2K，其比值为0.95，因此本文将温度大值的0.95倍作为云层的阈值温度，即T云=0.95×Tmax。那么，BT11影像上像元值大于T云且小于Tmax的区域可作为无云区域；同样的，当像元值小于T云，则相应区域可判定为有云区域。 
　　4 结语 
　　本文主要依据红外波段对沙尘粒径、光学折射系数等属性的敏感性展开沙尘检测算法的研究，在构建算法时，主要考虑了云层对沙尘数据的掩盖以及地面辐射、大气吸收散射作用等因素对沙尘信息的干扰。 
　　云层不仅会对沙尘数据掩盖，同时细小的卷云有可能会与提取的沙尘信息混淆造成精度下降，因此本文通过双重云层掩膜算法对云层去除，介绍了亮度温度差值算法（BTD）、亮度温度比值算法（RBT）和Dust*算法的沙尘检测算法，考虑到云层的影响，又介绍了决定系数（R2）去云和BT11去云方法，终获得沙尘检测结果。本文提到的检测方法可以实现一定精度的沙尘检测，但是随着沙尘越来越严重，对沙尘的检测及产生原因的研究还需要更加深入。