合肥地区N2O柱浓度的观测与反演研究
0 引言
氧化亚氮(N2O)是地球大气中仅次于CO2和CH4的重要人为温室气体[1],对地球辐射的影响约占长寿命温室气体辐射强迫的7%,其浓度变化对大气环境监测、气候变化研究和激光大气传输等工程应用具有非常重要的意义。N2O的排放75%来自农业活动,其余主要为化石燃料分解。N2O的生命周期长达114年,在平流层中吸收波长小于315 nm的紫外光后光解,产生其他氮氧化物(NO、NO2等),而NO会消耗平流层中的臭氧,导致臭氧层结构破坏[2-3]。N2O的全球温室效应潜能是CO2的300倍,对全球气候的增温效果较为显著[4]。据统计,2020年全球平均N2O摩尔分数达到333.2 ppb(part per billion,×10-9),与2019年相比增加了1.2 ppb,高于过去十年的平均增长0.99 ppb[1]。因此,氮氧化物对环境污染的影响也受到广泛关注,对于N2O的研究和观测技术也在不断发展。吴志伟等[5]建立了腔增强吸收光谱系统,研究N2O在6 561.39 cm-1处的吸收谱线,获得了2.34×10-7 cm-1的检测灵敏度;周彧等[6]建立N2O光声光谱传感实验系统结合波长调制光谱技术实现了对N2O的高灵敏度探测。上述研究较多关注于近地面N2O的浓度检测,对整层大气N2O柱浓度的观测研究尚不充分。
地基傅里叶红外变换光谱技术是气体浓度检测的理想方案之一,由于其精度高、准确度高、连续测量、对地面源具有高敏感性的优势,获得了广泛地应用。2004年建立的总碳柱观测网(The Total Carbon Column Observing Network,TCCON),采用傅里叶变换红外光谱技术观测温室气体含量,是卫星观测和其它地基观测定标参数的重要参考[7],可提供N2O摩尔分数的长期全球分布。TCCON站点主要以德国Bruker Optics研制的高分辨率红外傅里叶变换光谱仪IFS125HR为观测设备[8],其分辨率为0.000 96 cm-1,具有较高的精度和卓越的性能,在全球有70多个站点,合肥也是TCCON的重要站点之一。由于站点维护的成本相对昂贵以及严格的网络要求等,在全球范围内的观测站点有限,因此便携式小型温室气体观测设备是一种非常有益的补充[9-10]。
为了进一步提高全球地基观测覆盖率,成立了协同观测碳柱网络(the COllaborative Carbon Column Observing Network,COCCON),其使用的光谱仪是由德国卡尔斯鲁厄理工学院(Karlsruhe Institute of Technology,KIT)和Bruker联合开发的Bruker OpticsTM EM27/SUN,该光谱仪具有非常紧凑和坚固的设计,相对较轻的重量,适合在野外地区进行长期数据观测;并且自带太阳跟踪器,可以对目标气体的柱平均干空气摩尔分数进行测量反演[11]。对于N2O的研究中,YIRDAW BERHE T等[12]使用地基傅里叶变换红外光谱仪实测并反演了N2O垂直廓线和柱浓度;ZHOU M等[3]比较了2007~2017年七个站点的TCCON和NDACC测得的N2O柱平均干空气摩尔分数(XN2O),发现TCCON和NDACC的XN2O均值差值在-3.32 ppb~1.37 ppb(-1.1%~0.5%)之间,标准差在1.69 ppb~5.01 ppb(0.5%~1.6%)之间,在两个数据集的不确定性范围内。
本文基于地基傅里叶变换红外光谱仪EM27/SUN结合最优估算法,在合肥地区开展了目标温室气体N2O柱浓度的观测与反演研究。在CO2、CH4等气体反演的基础上,通过分析评估,优选了N2O的吸收谱段,并将反演结果与合肥站点TCCON观测网的反演结果进行了对比分析。本文的研究成果对进一步了解温室气体N2O源汇信息、变化规律以及预测未来N2O柱浓度发展趋势等都提供了数据和分析基础。
1 实验仪器和基本原理
观测设备为便携式傅里叶变换光谱仪EM27/SUN(如
2 反演方法和数据处理
2.1 反演方法
本文使用的反演算法是HASE F等在最优估算法基础上开发的温室气体柱浓度反演算法PROFFIT的精简版本PROFFAST,计算速度相对较快。使用最优估算法和非线性逐次迭代相结合,利用Tikhonov-Phillips[14-15]约束条件,对温室气体柱浓度进行迭代反演。反演的柱浓度主要用柱平均干空气摩尔分数(column-averaged Dry air Mole Fraction,DFMs)表示。反演算法包括前向模型和后向反演两个部分,前向模型表述为
式中,x是n维参数,包含未知的独立向量信息,需要通过模型F的反演来重建;u是固定参数的值,例如气压、温度等,F是非线性函数,需要在计算中进行线性化,即
Jacobian矩阵的计算为
采用Gauss-Newton算法进行多次迭代,第i+1次迭代为
使用一种常见的正则化方法Tikhonov-Phillips,规则化方程后
式中,
2.2 反演流程
反演算法流程如
第二部分是根据已有的分子先验浓度廓线和近地面温度、压强信息结合分子光谱参数数据库HITRAN等计算气体的吸收截面。在反演中需要获取反演参数的先验值,为了与TCCON的观测结果进行比较,分子先验廓线信息选取常用的TCCON廓线;近地面温度、压强数据来自站点的观测数据,结合HITRAN数据库谱线参数信息,利用逐线积分法计算气体分子的吸收截面数据,并保存用于后续模块的调用。
第三部分是在前两步基础上求最终反演状态量。EM27/SUN光谱仪主要采用缩放先验廓线的方式进行拟合,选择N2O的反演窗口。使用非线性最小二乘方法,用假定的状态参量(仪器线性函数(Instrument Line Shape,ILS)、气体日吸收截面、先验廓线、初始先验廓线缩放因子)模拟光谱;将模拟光谱与测量光谱对比计算残差,不断更新状态向量,直至残差小于设定的范围。得到先验廓线的缩放因子后,对廓线积分得到最终的气体柱总量。在反演过程中,为减少压强对气体反演结果的影响,使用氧气作为内标,这是因为大气中O2的干空气摩尔分数恒定为20.95%。干空气柱总量可由中心波长在7 885 cm-1处反演的O2柱总量得到[17]
反演的柱总量和干空气柱重量之比即可得到指定气体的柱干空气摩尔分数
2.3 经验修正
除了利用仪器特定校正因子使得不同EM27/SUN光谱仪记录的数据保持一致,还需要使用全局校准减小COCCON与TCCON的数据偏差,在PROFFAST数据分析的框架中应用两个校正因子:1)与天顶角有关的校正因子(Air mass Dependent Correction Factor,ADCF);2)与天顶角无关的校正因子(Air mass Independent Correction Factor,AICF)。对大多数气体分子来说,低太阳天顶角反演结果比高天顶角的反演结果高约1%,因此太阳跟踪器的观测结果需要进行后处理,即进行与天顶角相关因子的校正,以减小由于光路不同对反演结果的影响[8]。
TCCON的校正因子是通过TCCON站点上空飞行的探测飞机测量确定的[18],
表 1. TCCON和EM27/SUN适用于每种目标气体的经验天顶角依赖校正因子(ADCF)和非天顶角依赖校正因子(AICF)
Table 1. Parameters for the air mass dependent and independent correction function for certain target gases in TCCON and EM27/SUN
|
根据KLAPPENBACH F等[19]研究,通过最小二乘法拟合得出经验值校正因子,并把校正因子用于算法后处理,
式中,
3 实验结果与讨论
3.1 窗口参数选择
反演窗口的宽度一般为数十个波数甚至更宽,由于反演窗口内存在一种或几种干扰分子的影响,需要选择合适的波段进行反演。TCCON反演使用的标准窗口如
表 2. TCCON和EM27/SUN光谱仪的目标气体和光谱窗口
Table 2. Various target gases and spectral windows for the TCCON and EM27/SUN spectrometers
|
使用逐线积分辐射传输模型(Line-By-Line Radiative Transfer Model,LBLRTM)结合HITRAN数据库获取所需分子的吸收光谱参数以及1976年美国标准大气模式计算透过率,根据TCCON给定的中心频率和窗口宽度范围划分两个N2O的光谱反演窗口,计算得到N2O在近红外范围内的吸收光谱如
图 4. 标准大气模式下计算的N2O气体吸收光谱
Fig. 4. Calculated absorption spectroscopy of N2O by standard atmospheric model
表 3. 不同站点和窗口下XN2O平均值及标准差
Table 3. Averages and standard deviation of XN2O in different site and spectral windows
|
3.2 EM27/SUN反演结果
EM27/SUN光谱仪主要在8:30至17:30时段内进行数据采集。2021年9月至2022年4月的XN2O日平均序列如
N2O的排放可以分为人为源和自然源两部分,且两者的比例约为40%和60%[20]。合肥位于内陆地区,自然源主要为土壤硝化和反硝化过程,影响N2O排放的重要因素有土壤水分、pH、无机氮和有机碳含量等[21]。人为源主要包括化石燃料、生物质燃料燃烧以及汽车尾气排放等。将一天内的XN2O变化以小时来划分,
EM27/SUN光谱仪通过太阳跟踪器跟踪太阳,有云层遮挡时会降低观测的数据质量,使得数据反演的结果产生较大浮动。太阳同步轨道卫星Terra和Aqua搭载的中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)可以实现可见至红外波段地球和大气辐射光谱测量、云量探测等。其中Terra卫星过境时间为当地时间上午10:30,Aqua卫星过境时间为当地时间下午13:30。通过MODIS真彩图及云产品数据对云层遮挡给仪器采集数据带来的影响进行分析,
图 7. 2021年11月9日、12月4日XN2O日变化及MODIS真彩图和云产品数据图
Fig. 7. XN2O daily change with MODIS true color map and cloud product data map on November 9,and December 4,2021
使用PROFFAST算法对采集到的光谱数据进行反演时,需要使用近地面数据参数进行计算,其中压强对数据反演结果的影响较为明显。
图 8. 2021年12月2日近地面压强时间序列
Fig. 8. Diurnal time series of variable ground pressure on December 2,2021
图 9. PROFFAST算法中不同压力下N2O反演结果的相对差值(2021年12月2日数据)
Fig. 9. Relative difference of N2O retrievals with variable pressure used in the PROFFAST algorithm in an exemplary day(December 2,2021)
3.3 与TCCON数据结果对比
随着大气中N2O体积分数的增加,全球范围内平均N2O的柱浓度在320 ppb左右,为进一步证实反演结果的准确度和可靠度,选取2021年9月、10月和12月共12天反演出的数据结果与TCCON合肥科学岛同一站点观测的数据进行了对比分析。
如
图 10. 地基傅里叶光谱仪EM27/SUN观测和TCCON站点数据对比
Fig. 10. Comparison of ground-based EM27/SUN with retrieved data from TCCON
图 11. 不同校正因子情况下XN2O的反演结果
Fig. 11. Measurements of XN2O with and without correction factors
图 12. 与天顶角有关的修正前后2021年12月2日XN2O随天顶角变化序列
Fig. 12. XN2O time series on 2 December 2021 before or after air mass dependence correction
如
图 13. EM27/SUN和TCCON的XN2O在九月,十一月和十二月的相关性分析
Fig. 13. Correlation between the EM27/SUN and the reference TCCON data for XN2O in September,November and December
分别对三个月的数据进行对比分析,
4 结论
本文使用傅里叶变换红外光谱仪EM27/SUN在合肥地区进行温室气体N2O柱浓度的观测,优选了N2O的反演窗口4 682.5~4 756.1 cm-1,并使用PROFFAST算法进行N2O柱浓度的反演,获得了6个月的柱浓度日变化统计结果。结果表明:在观测期间XN2O日变化范围在311.76~334.92 ppb之间,6个月的XN2O均值为323.26 ppb,日变化量最大达到15.43 ppb,不超过日变化均值的5%。分析XN2O变化的可能原因,其一是自然源和人为源,与之相关的自然源为土壤的硝化和反硝化作用,人为源则体现在白天出行车辆的汽车尾气排放使得XN2O略有上升;其二是因云层遮挡太阳光源导致仪器观测的光谱数据准确性有所下降,在天空6%~18%云量时使得N2O柱浓度反演结果波动较大;其三是近地面压强数据的准确性,压强对反演结果的精度具有重要影响,压强每变化1 hPa反演结果变化0.08%。
将EM27/SUN光谱仪的反演结果与合肥站点TCCON数据结果进行对比,EM27/SUN观测反演的值与TCCON站点反演结果趋于一致,反演的柱浓度值略低于TCCON站点结果,相对误差较小,未校正之前XN2O的相对误差为0.26%~2.41%,经校正后相对误差降低到-0.90%~1.36%,也充分证明了EM27/SUN光谱仪反演结果具有较好的准确性。
TCCON站点光谱仪可以精确观测温室气体的浓度廓线信息,但是由于站点仪器需在室内运行不能移动,只能观测当前地理位置周围的气体获得分析数据,虽然结果更为精确却有局限性,不能代表其他典型地区的结果。本文采用的便携式傅里叶变换光谱仪EM27/SUN,易于携带并可开展野外外场试验,为将来研究其它区域的N2O柱浓度数据提可能。此次在合肥地区的观测结果同TCCON结果趋势一致,也证明了该仪器在未来反演N2O柱浓度工作中的可行性。本文研究结果也可为深入研究合肥地区N2O柱浓度的变化规律提供了数据和参考。
[1] 薛正跃, 李竣, 刘笑海, 等. 基于激光外差探测的大气N2O吸收光谱测量与廓线反演[J]. 物理学报, 2021, 70(21): 217801.
XUE Zhengyue, LI Jun, LIU Xiaohai, et al. Measurement and profile inversion of atmospheric N2O absorption spectrum based on laser heterodyne detection[J]. Acta Physica Sinica, 2021, 70(21): 217801.
[2] RAVISHANKARA A R, DANIEL J S, PORTMANN R W. Nitrous oxide (N2O): the dominant ozone-depleting substance emitted in the 21st century[J]. Science, 2009, 326(5949): 123-125.
[3] ZHOU M, LANGEROCK B, WELLS K C, et al. An intercomparison of total column-averaged nitrous oxide between ground-based FTIR TCCON and NDACC measurements at seven sites and comparisons with the GEOS-Chem model[J]. Atmospheric Measurement Techniques, 2019, 12(2): 1393-1408.
[4] SHCHERBAK I, MILLAR N, ROBERTSON G P. Global metaanalysis of the nonlinear response of soil nitrous oxide (N2O) emissions to fertilizer nitrogen[J]. Proceedings of the National Academy of Sciences, 2014, 111(25): 9199-9204.
[5] 吴志伟, 董燕婷, 周卫东. N2O的近红外腔增强吸收光谱技术研究[J]. 光谱学与光谱分析, 2014, 34(8): 2081-2084.
[6] 周彧, 曹渊, 朱公栋, 等. 基于 7.6 µm 量子级联激光的光声光谱探测 N2O气体[J]. 物理学报, 2018, 67(1): 014201.
ZHOU Yu, CAO Yuan, ZHU Gongdong, et al. Detection of nitrous oxide by resonant photoacoustic spectroscopy based on mid infrared quantum cascade laser[J]. Acta Physica Sinica, 2018, 67(1): 014201.
[7] WUNCH D, TOON G C, BLAVIER J F L, et al. The total carbon column observing network[J]. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2011, 369(1943): 2087-2112.
[8] 车轲, 刘毅, 蔡兆男, 等. 便携式傅里叶变换红外光谱仪在大气温室气体观测中的应用进展[J]. 遥感技术与应用, 2021, 36(1): 44-54.
CHE Ke, LIU Yi, CAI Zhaonan, et al. Review of atmospheric greenhouse gas observation and application based on portable fourier transform infrared spectrometer[J]. Remote Sensing Technology and Application, 2021, 36(1): 44-54.
[9] HEDELIUS J K, VIATTE C, WUNCH D, et al. Assessment of errors and biases in retrievals of XCO2, XCH4, XCO, and XN2O from a 0.5 cm-1 resolution solar-viewing spectrometer[J]. Atmospheric Measurement Techniques, 2016, 9(8): 3527-3546.
[10] HASE F, FREY M, BLUMENSTOCK T, et al. Application of portable FTIR spectrometers for detecting greenhouse gas emissions of the major city Berlin[J]. Atmospheric Measurement Techniques, 2015, 8(7): 3059-3068.
[11] FREY M M, HASE F, BLUMENSTOCK T, et al. Long-term column-averaged greenhouse gas observations using a COCCON spectrometer at the high-surface-albedo site in Gobabeb, Namibia[J]. Atmospheric Measurement Techniques, 2021, 14(9): 5887-5911.
[12] YIRDAW BERHE T, MENGISTU TSIDU G, BLUMENSTOCK T, et al. Methane and nitrous oxide from ground-based FTIR at Addis Ababa: observations, error analysis, and comparison with satellite data[J]. Atmospheric Measurement Techniques, 2020, 13(7): 4079-4096.
[13] LIUDandan, HUANGYinbo, SUNYusong, et al. Observation of greenhouse gases and their impacts on atmospheric transmittance[C]. 14th National Conference on Laser Technology and Optoelectronics (LTO 2019), International Society for Optics and Photonics, 2019, 11170: 111703D.
[14] TIKHONOVA N. On the solution of ill-posed problems and the method of regularization[C]. Doklady Akademii Nauk, Russian Academy of Sciences, 1963, 151(3): 501-504.
[15] PHILLIPS D L. A technique for the numerical solution of certain integral equations of the first kind[J]. Journal of the ACM, 1962, 9(1): 84-97.
[16] TUQiansi. Observation of atmospheric greenhouse gas abundances on regional scales in Boreal areas using portable FTIR spectrometers[D]. Karlsruher Institut für Technologie, 2019.
[17] FREYM M. Characterisation and application of portable solar absorption spectrometers for the detection of greenhouse gas emissions from regional anthropogenic sources[D]. Karlsruher Institut für Technologie, 2018.
[18] KIEL M, HASE F, BLUMENSTOCK T, et al. Comparison of XCO abundances from the total carbon column observing network and the network for the detection of atmospheric composition change measured in Karlsruhe[J]. Atmospheric Measurement Techniques, 2016, 9(5): 2223-2239.
[19] KLAPPENBACH F, BERTLEFF M, KOSTINEK J, et al. Accurate mobile remote sensing of XCO2 and XCH4 latitudinal transects from aboard a research vessel[J]. Atmospheric Measurement Techniques, 2015, 8(12): 5023-5038.
[20] DRAXLER R R, HESS G D. An overview of HYSPLIT-4 modeling system for trajectories: dispersion and deposition[J]. Aust Met Mag, 1998, 47: 295-308.
[21] 李平, 郎漫. 硝化和反硝化过程对林地和草地土壤N2O排放的贡献[J]. 中国农业科学, 2013, 46(22): 4726-4732.
LI Ping, LANG Man. Contribution of nitrification and denitrification to the nitrous oxide emission from forest and grassland soils[J]. Scientia Agricultura Sinica, 2013, 46(22): 4726-4732.
[22] 黄俊, 黄印博, 卢兴吉, 等. 格尔木地区整层大气臭氧浓度激光外差测量与反演研究[J]. 光子学报, 2021, 50(4): 0401002.
HUANG Jun, HUANG Yinbo, LU Xingji, et al. Measurement and concentration inversion of ozone in Golmud by laser heterodyne spectrometer[J]. Acta Photonica Sinica, 2021, 50(4): 0401002.
Article Outline
潘文雪, 黄印博, 刘丹丹, 黄俊, 张雷雷, 李建玉, 卢兴吉, 曹振松. 合肥地区N2O柱浓度的观测与反演研究[J]. 光子学报, 2023, 52(3): 0352116. Wenxue PAN, Yinbo HUANG, Dandan LIU, Jun HUANG, Leilei ZHANG, Jianyu LI, Xingji LU, Zhensong CAO. Observation and Inversion of the N2O Gas Column Concentration in Hefei,China[J]. ACTA PHOTONICA SINICA, 2023, 52(3): 0352116.