数据驱动的单波长米散射激光雷达精细反演气溶胶光学参量方法研究

Single-band Mie-scattering lidar, one of the most widely used lidar for business applications, has advantages in qualitative detection of the spatial-temporal distribution of atmospheric aerosol optical parameters. However, due to the constraints of the lidar equation, atmospheric states have to be assumed for inversion of aerosol optical parameters, which thus leads to inaccuracies results and severely limits the application processes. To obtain the fine model for Single-band Mie-scattering lidar data inversion, the project combines Mie-scattering lidar data with Raman scattering and high spectral resolution lidar data which were collected simultaneously, based on the data-driven method and autonomous machine learning theory. Such research will mainly be focused on several aspects: the quality measurement for the historical lidar data, methods of feature extraction and classification, construction method and training mechanisms of fine inversion model, and the indefinite identification of the inversion model. The research results will be able to break through the inversion theoretical constraints of Single-band Mie-scattering lidar data, solve the technical bottlenecks of single-band Mie-scattering lidar in business applications, and provide a technical method for studying the formation mechanism of atmospheric haze and the transport mechanism of particulate matter.

单波长米散射激光雷达在定性探测大气气溶胶光学参量的时空分布方面具有较好的优势，是目前业务化应用较为广泛的激光雷达之一。但由于激光雷达方程原理性的制约，利用单波长米散射激光雷达反演气溶胶光学参量时需要对大气状态进行假设，导致反演结果存在诸多不确定性，严重制约其业务化应用进程。项目针对数据反演不确定的科学问题，提出从单波长米散射激光雷达原始数据入手，采用数据驱动与自主学习理论，结合拉曼散射与高光谱分辨率等精细激光雷达设备同步探测数据，获得单波长米散射激光雷达探测数据精细反演模型。重点研究激光雷达历史积累探测数据质量的度量、特征提取与分类方法、反演模型的构建与训练机制，以及反演模型的不确定辨识技术，构建单波长米散射激光雷达精细反演理论、模型和方法。研究成果将突破单波长激光雷达探测数据反演原理性制约，解决单波长米散射激光雷达业务化应用的技术瓶颈，为研究大气雾霾形成机制与颗粒物输送机理提供技术基础。

单波长米散射激光雷达在探测大气气溶胶光学参量的时空分布方面具有较好的优势，是目前业务化应用较为广泛的激光雷达之一。然而，由于单波长米散射激光雷达探测原理的制约，利用其探测数据反演气溶胶光学参量时需要对大气状态进行假设，导致反演结果存在诸多不确定性，严重制约其业务化应用进程。本项目首先从单波长米散射激光雷达探测数据入手，基于米散射激光雷达与拉曼散射激光雷达同步探测数据构建数据训练集，结合探测数据的结构特性与气溶胶时空分布特性，分析激光雷达探测数据质量的影响因素，构建激光雷达数据集的质量评价方法。通过对激光雷达数据集中的数据噪声分析，针对不同类型的噪声，结合数据偏差对数据进行去噪方法研究，提高数据集的质量。其次，项目引入随机森林算法，构建了单波长米散射激光雷达探测数据反演模型，基于高质量的激光雷达数据集，对模型进行训练与参数调整。同时进行多次实验数据验证，表明该模型提高了单波长米散射激光雷达反演气溶胶消光系数的精度。除此之外，项目执行过程中对其他相关问题也进行了研究，如基于树形结构的多通道激光雷达数据存储方法、扫描激光雷达数据可视化方法以及基于RGB像素的侧向散射图像激光雷达技术，项目的理论研究方法同时支撑了其他领域的相关研究工作。项目执行期间，项目组成员发表相关学术论文4篇，申报发明专利8项，申请软件著作权5项，培养硕士生3名。本项目的研究成果为单波长米散射激光雷达的业务化进一步应用提供理论基础与可行的方法指导。