面陣探測下的污染云團紅外光譜仿真?

王安靜方勇華李大成崔方曉吳軍劉家祥李揚裕趙彥東

1)(中國科學院安徽光學精密機械研究所,通用光學定標與表征技術重點實驗室,合肥 230031)

2)(中國科學技術大學科學島分院,合肥230026)

面陣探測下的污染云團紅外光譜仿真?

王安靜1)2)方勇華1)?李大成1)崔方曉1)吳軍1)劉家祥1)李揚裕1)趙彥東1)2)

1)(中國科學院安徽光學精密機械研究所,通用光學定標與表征技術重點實驗室,合肥 230031)

2)(中國科學技術大學科學島分院,合肥230026)

(2016年12月16日收到;2017年2月21日收到修改稿)

研究污染云團的紅外光譜仿真,對于利用仿真光譜進行光譜識別的算法研究十分重要.在單元探測器探測方式下污染云團的紅外光譜仿真研究取得了一定成果,并且已經被應用于識別算法的研究工作中.針對基于成像光譜儀的污染云團識別算法研究缺乏實測數據的問題,利用具有高仿真精度的基于物理模型的污染云團擴散模型及其仿真結果網格化的特點,研究相應的云團紅外光譜仿真多層模型,提出了面陣探測方式下污染云團紅外光譜的仿真方法,生成了同時具有光譜維和空間維信息的數據立方體,為該研究領域提供了新的研究方法.提出的面陣探測方式下的污染云團紅外光譜仿真直觀地反映了污染云團的擴散,提供了完備且符合實際情況的污染云團紅外光譜立方體數據,對于提高和完善紅外光譜識別算法具有重要意義.

紅外光譜,污染云團擴散,面陣探測,光線追蹤

1 引言

為了預防和解決污染氣體泄漏造成的工業生產安全和人民生命財產安全問題,人們研究了利用紅外光譜技術探測并識別污染云團的方法,為污染氣體泄漏的快速定位及其化學成分的有效識別提供了可能.為了解決探測系統識別算法所需的實測紅外光譜數據缺乏這一問題,人們又提出了用仿真的污染云團的紅外光譜數據來補充實測光譜數據的方法.

已有的工作在確定合適的污染云團擴散模式和建立正確的紅外光譜仿真模型的基礎上,研究了單元探測器探測方式下污染云團的紅外光譜仿真[1?4].隨著探測技術的發展,開始采用基于面陣探測的成像光譜儀來探測污染云團.在面陣探測條件下,可以同時獲取污染云團擴散的空間維和光譜維信息,即獲得一個由數十萬條光譜數據組成的數據立方體.與此同時,還需要有適合面陣探測方式的云團氣體識別算法,但是在算法的研究與完善過程中缺乏大量的實測云團紅外立方體數據.本文以此為出發點,研究面陣探測方式下云團紅外光譜數據的仿真方法,生成仿真的云團紅外光譜立方體數據,試圖彌補云團紅外成像光譜數據的缺失.

本文在云團擴散模型[5?12]的基礎上,研究了適用于面陣探測方式的云團紅外光譜仿真模型,根據面陣探測器的參數設置,結合仿真的云團擴散數據,采用光線追蹤算法,生成了仿真的云團紅外光譜數據立方體.分別將仿真的云團擴散數據及其光譜數據立方體與相應的實測數據進行比較,取得了預期結果.

2 基本原理

2.1 基于物理模型的連續點源云團擴散

與傳統的基于高斯模型的云團模型相比[3,13?15],基于物理模型的云團擴散模型能夠更為精確地描述污染云團的實際擴散情況.對于污染云團,其擴散規律可以用不可壓無黏流體的奈維斯托克斯(N-S)方程描述,即

式中μ為流體速度,p為流體壓強,f為流體所受的外力.(1)式由有限體積內流體的質量守恒定律推導得到,稱為質量方程.(2)式根據有限體積內流體的動量守恒定律推導得到,稱為動量方程.

將用于仿真的污染云團對象劃分為求解網格并確定初始條件和邊界條件后,通過求解N-S方程[5?12],就可以實時地得到污染云團各時刻各網格點上的濃度分布場Ci,j,k和溫度分布場Ti,j,k,其中i,j,k為網格單元的空間坐標.

2.2 基于物理模型的連續點源云團紅外光譜仿真

2.2.1 單元探測下的云團三層紅外光譜仿真模型

單元探測下的云團紅外光譜仿真采用三層模型[1?4,16,17](圖1),即大氣、云團和背景物.紅外探測器接收的輻射光譜計算公式為

式中ν為波數,τ1(ν)為紅外探測器與云團之間的大氣透過率,T1為大氣溫度;τ2(ν)為云團的透過率,T2為云團溫度;B(ν,T)為等效黑體輻射亮度譜,L3(ν)為背景物光譜.

(3)式可進一步變為

式中L2?3(ν)表示從云團開始到背景物的輻射光譜.(4)式意為探測器接收的輻射等于大氣自身的輻射和大氣透過的輻射之和.

圖1 云團紅外光譜三層模型示意圖Fig.1.Three-layer model of the gas cloud infrared spectrum.

2.2.2 面陣探測下的云團多層紅外光譜仿真模型

2.2.1 節討論的云團紅外光譜三層模型將云團看作具有一定厚度的濃度均衡的整體,而實際云團具有一定的濃度分布,將其看作一個整體實質上是對問題的簡化.在面陣探測方式下,面陣上各探測單元接收的信號來自云團的不同部位,因此不能再采用簡單的三層模型,需要將云團看作由許多具有一定厚度和濃度的云團分子組成的多層結構.

為了得到面陣探測器上各單元的紅外光譜,需利用光線追蹤算法[18?20]從面陣探測器的各探測單元發出一條光線穿過云團并累積計算其路徑上的紅外輻射,如圖2所示.

在多層模型下,面陣探測器某一探測單元上的輻射光譜為

圖2 (網刊彩色)云團紅外光譜多層模型示意圖Fig.2.(color online)Schematic of multiple-layer model of the gas cloud infrared spectrum.

其中

式中Li-3b(ν),i=2,3,···,n,表示從第i層云團分子開始到背景的輻射光譜;τi(ν)表示第i層云團分子的透過率;Ti表示第i層云團分子的溫度;Bi(ν,Ti)為對應溫度下的等效黑體輻射.(5)式可進一步變為一個嵌套形式的公式:

如此通過光線追蹤的遞歸計算,當光線到達背景物后,得到該單元的光譜,最后將所有探測單元的光譜綜合起來,得到一個光譜數據立方體.

此時,引入無云團時的背景光譜Lb(ν),即

在實際的云團擴散中,可以認為云團與大氣迅速融合,其溫度和壓力也將快速與大氣達成一致.因此,認為T1=T2=T3=···=Tn,進一步得到B1(ν,T1)=B2(ν,T2)=B3(ν,T3)=···=Bn(ν,Tn).此時,聯立(7)式和(8)式,得到探測器單元的最終光譜計算公式為

利用(9)式,在已知無云團時的背景光譜和大氣溫度的條件下利用光線追蹤并行計算面陣探測器各單元的透過率,即可實現面陣探測方式下云團紅外光譜的仿真,即

式中α(ν)為云團氣體的紅外吸收系數,ci為第i層云團分子的濃度,l為網格單元長度.

3 實驗結果

3.1 云團擴散仿真及其紅外光譜數據立方體仿真

3.1.1 云團擴散的仿真

模擬實例為工業生產中管道泄漏造成的污染云團擴散問題.實驗中用一個距離地面約1 m的裝滿氨氣的氣瓶向外釋放氣體來模擬管道泄漏,氣瓶閥門近似看作管道的泄漏口,成像光譜儀拍攝的實驗現場如圖3所示.成像光譜儀架設點和氣體釋放點相距200 m,氣體釋放點位于光譜儀視場(FOV)的水平中線上,至視場邊緣的距離為20 m.

實驗當天天氣晴朗,平均氣溫301 K,平均風速2.5 m/s.實驗用某型號的紅外成像光譜儀獲取云團的實時紅外光譜立方體數據,其空間分辨率為320 pixel×256 pixel,紅外波段為8—12μm,光譜分辨率為2 cm?1.

圖3 成像光譜儀拍攝的實驗現場Fig.3.Experimental fi eld shot by imaging spectrometer.

采用基于物理模型的云團擴散模型仿真云團擴散,首先需要確定仿真空間并對其進行網格劃分.考慮到模型的計算效率和仿真云團擴散的完整性,選擇云團的實際擴散范圍作為仿真空間.根據實際情況,仿真空間選擇條件如下:以氣體釋放位置為起始點,向左沿y軸延伸50 m,向上沿x軸延伸10 m,向前向后沿z軸分別延伸5 m,構成一個x,y和z維度大小分別為10,50,10 m的立體空間.

圖4為仿真空間的網格劃分、初始條件和邊界條件設置示意圖,各維度上的網格間距均為0.5 m;氣瓶高度為1 m,將其放置在仿真空間的最右側;氣體泄漏方向為水平向左;風速為水平向左2.5 m/s;下墊面為平坦地面.

圖4 (網刊彩色)仿真云團擴散示意圖Fig.4.(color online)Explosion of simulated gas cloud.

圖5 (網刊彩色)云團擴散仿真結果(a)t=1 s,xy面視圖;(b)t=5 s,xy面視圖;(c)t=10 s,xy面視圖;(d)t=11 s,xy面視圖;(e)t=15 s,xy面視圖;(f)t=19 s,xy面視圖;(g)t=15 s,xz面視圖Fig.5.(color online)Results of simulated gas cloud explosion:(a)The xy plane view when t=1 s;(b)the xy plane view when t=5 s;(c)the xy plane view when t=10 s;(d)the xy plane view when t=11 s;(e)the xy plane view when t=15 s;(f)the xy plane view when t=19 s;(g)the xz plane view when t=15 s.

實驗中氣瓶內的氨氣儲量有限,造成氨氣云團擴散的形式為:開始釋放時,其擴散為連續點源擴散,云團始終以連續形式從氣瓶閥門向外擴散;到大約10 s的時刻,氨氣全部釋放完畢后,云團擴散形式變為無源自由擴散.仿真的云團擴散結果如圖5所示,圖中顏色指示條表示云團中氨氣的體積分數.

圖5中,在t=0—10 s這段時間內,云團的擴散是連續的,其起點始終是氣瓶閥門位置;從t=11 s開始,云團的擴散不再連續,整體隨風向左側擴散,漸漸遠離氣瓶閥門位置.其中,圖5(a)—圖5(f)為xy面視圖,圖5(g)為xz面視圖,整個云團呈現出三維立體擴散的形式,符合經驗的云團擴散規律.

3.1.2 仿真云團的紅外數據立方體

要獲得仿真云團紅外光譜數據立方體,首先需要根據成像光譜儀的儀器參數(如空間分辨率320 pixel×256 pixel;光譜分辨率2 cm?1;紅外波段8—12μm)、云團擴散場分布數據和實驗的現場布置來設置光線追蹤器的仿真參數.然后啟動光線追蹤程序,實時計算各時刻各像素單元云團的透過率.最后結合實測的背景光譜數據,利用云團多層紅外光譜計算公式((9)式),得到各時刻仿真的云團紅外光譜數據立方體(圖6).

圖6 紅外光譜數據立方體示意圖Fig.6.Schematic of infrared spectrum data cube.

3.2 云團擴散及其紅外光譜數據立方體的實測數據與仿真結果對比

3.2.1 云團實際擴散與仿真結果對比

為了進一步驗證基于物理模型的云團擴散模型仿真結果的正確性,將仿真的云團擴散結果與實際云團擴散進行比較.為此,從測量的光譜質量較高的實測云團數據立方體中挑選了三組能較好地反映云團擴散過程的實驗數據與云團擴散仿真結果進行對比,同時也用于云團光譜仿真的對比.利用一組實測的背景數據,將實測的三組數據轉化為三組差譜[3]數據,在氨氣吸收特征主峰964 cm?1處對差譜數據進行切片圖像顯示,獲得實際云團的擴散范圍,根據峰值大小確定各像素單元云團相對濃度的大小并以偽彩色形式疊加到場景圖上.對應地,從云團仿真結果中,挑選三個相同時間點的數據放置到場景中,利用光線追蹤的方法累積計算各像素單元的云團濃度,最后以同樣的偽彩色方法疊加到場景圖上,圖7為實際云團擴散與仿真云團擴散的對比.

圖7中均采用偽彩色來示意云團擴散的濃度分布情況,其中各像素單元的云團濃度均為z軸方向上的累積濃度.在實測的和仿真的圖像上將各像素單元的累積濃度都用歸一化的相對濃度來表示(紅色表示值最大,藍色表示值最小),以方便比較.

首先分析三組實際云團擴散情況,圖7(a)為t=11 s時采集的數據,從云團擴散情況來看,云團中心最大氣體濃度位置離釋放點有一定距離,說明此時氣體已釋放完畢,云團處于無源擴散狀態;圖7(c)為t=13 s時采集的數據,此時云團整體繼續向左移動,其中心部位較t=11 s時更靠左;圖7(e)為t=18 s時采集的數據,此時云團中心已接近視場邊緣.

分析仿真的三組云團擴散結果,通過與實際云團擴散的對比,發現三組仿真數據均接近實測情況,尤其是云團擴散的整體輪廓及云團氣體濃度中心位置均保持一致.二者的區別在于部分區域的差別,如仿真的云團擴散相對連續完整且輪廓較為平滑,而實際云團擴散存在區域不連續性且輪廓不夠平滑.

分析仿真的云團擴散與實際云團擴散出現差別的原因,認為在實際環境中局部風速和風向不是固定的,造成云團部分位置被吹散,形成不連續擴散,云團的總體輪廓也變得不平滑;而仿真的云團擴散初始條件中假設環境風的風向和風速均為穩定的,忽略了局部紊亂風場的影響,因此仿真的結果更接近理想情況下的云團擴散.

3.2.2 實測與仿真的光譜立方體數據識別成像對比

將選取的三組仿真云團擴散場分布數據放入光線追蹤器中,結合一個實測背景數據立方體和云團多層紅外光譜計算模型,分別計算生成各自的云團紅外光譜數據立方體.對實測和仿真數據進行相關的光譜處理及云團氣體成分識別工作,得到識別成像結果如圖8所示.

圖8(a),(c),(e)為實測數據,圖8(b),(d),(f)為對應的仿真數據.紅色部分指示的是氣體被成功識別為氨氣的像素單元,顏色深淺程度指示了該像素單元上沿z軸方向的累積氣體相對濃度(或稱為氣體濃度程長積)的大小,顏色越淺越亮表示氣體相對濃度值越大,反之越小.

分析對比實測數據的識別成像圖和對應的實測云團擴散圖(圖8(a)與圖7(a)對應、圖8(c)與圖7(c)對應、圖8(e)與圖7(e)對應),發現實測數據的圖像上被識別的像素單元組成的云團形態是非連續完整的,雖然實測數據識別成像顯示的云團擴散與實際云團擴散較為一致,但是成像顯示的云團形態更為離散,且在部分區域二者差別較大.分析對比仿真數據的識別成像圖和對應的仿真云團擴散圖(圖8(b)與圖7(b)對應、圖8(d)與圖7(d)對應、圖8(f)與圖7(f)對應),同樣存在識別成像結果比云團擴散情況更為離散化的現象.究其原因,由于氣體識別算法對光譜質量(信噪比)有一定要求,因而實測和仿真數據中質量較差(信噪比低于識別底線)的光譜未被識別出來,從而造成云團識別成像結果的離散化.

圖7 (網刊彩色)實測云團與仿真云團擴散對比(a)t=11 s,實測云團;(b)t=11 s,仿真云團;(c)t=13 s,實測云團;(d)t=13 s,仿真云團;(e)t=18 s,實測云團;(f)t=18 s,仿真云團Fig.7.(color online)Comparison of measured and simulated cloud di ff usion:(a)The measured cloud when t=11 s;(b)the simulated cloud when t=11 s;(c)the measured cloud when t=13 s;(d)the simulated cloud when t=13 s;(e)the measured cloud when t=18 s;(f)the simulated cloud when t=18 s.

進一步對比分析三組實測數據的識別成像結果和對應仿真數據的識別成像結果,發現三組仿真的結果均接近于實測情況,尤其是云團擴散的整體形態及云團氣體濃度中心位置均保持一致,但是就各組數據成像圖中顏色框所標示的區域對比(圖8(a)與圖8(b)、圖8(c)與圖8(d)、圖8(e)與圖8(f))來看,受到云團擴散模型偏差的影響,實測與仿真識別成像結果存在較大差別.相較于云團擴散過程中實測與仿真結果的差別(圖7(a)與圖7(b)、圖7(c)與圖7(d)、圖7(e)與圖7(f)),識別成像中的實測與仿真結果的差別進一步加大.在相同的氣體識別算法處理的情況下,認為識別成像中實測與仿真結果差別變大的原因在于云團紅外光譜仿真模型中的一些仿真近似條件(如三組光譜仿真使用同一組背景數據等)使仿真結果更接近理想情況.

圖8 (網刊彩色)三組實測數據與仿真數據識別成像圖(a)t=11 s,實測數據;(b)t=11 s,仿真數據;(c)t=13 s,實測數據;(d)t=13 s,仿真數據;(e)t=18 s,實測數據;(f)t=18 s,仿真數據Fig.8.(color online)Imaging of three groups of measured and simulated data:(a)The measured data when t=11 s;(b)the simulated data when t=11 s;(c)the measured data when t=13 s;(d)the simulated data when t=13 s;(e)the measured data when t=18 s;(f)the simulated data when t=18 s.

3.2.3 實測與仿真的光譜對比

僅從云團擴散和光譜識別成像的角度對比各時刻仿真和實測云團的擴散形態,只能說明云團擴散形態的仿真準確性,并不能說明云團紅外光譜仿真的準確性,而仿真準確的紅外光譜正是該研究的最終目標.為了進一步驗證仿真的準確性,需要比較仿真與實測的光譜,并計算仿真誤差.

1)關鍵區域的選擇

要驗證云團紅外光譜及其隨時間變化情況的正確性,需要選取一個固定觀測點進行觀察和評估.但是,由于實際的云團擴散受到復雜風速風向的影響,呈現部分區域不連續性,而仿真的云團相對連續,因此,不宜選擇個別像素作為固定觀測點,應該選取具有代表性的關鍵區域作為固定觀測點.根據云團的實際擴散狀態,選取圖9所示關鍵區域(以第一組數據識別成像圖為例).

選取這三個具有相同像素點數量的固定關鍵區域的依據如下:在云團的整個擴散過程中,各關鍵區域內云團的變化存在有一定代表性的規律.在擴散起始區域,云團的變化是從有到無;在擴散中部區域,云團的變化是從無到有并且一直有;在視場邊緣區域,云團的變化為從無到有.三個關鍵區域內的云團變化反映了云團擴散的整體過程,因此關鍵區域的選擇是合理的.

2)關鍵區域光譜仿真相對誤差計算

選取關鍵區域之后,需要對各組數據在各關鍵區域內的云團紅外光譜進行比較并計算相對誤差.為此,選取第一組數據作為示例,說明如何計算關鍵區域的光譜仿真誤差,如圖10所示.

圖9 (網刊彩色)三個關鍵區域Fig.9.(color online)Three key areas.

所有用作比較的紅外光譜均為亮溫光譜[21],亮溫光譜由輻射亮度譜根據普朗克公式反演而來,比輻射亮度譜更易被識別算法處理.在計算各關鍵區域內各像素點仿真光譜與實測光譜的相對誤差后,需要建立一個統一的具有區域代表性意義的量來評估區域光譜仿真的優劣,為此定義區域平均相對誤差,即

式中Rarea為區域平均相對誤差;n為區域內像素點數;Rpixel(i)為區域內第i個像素點的光譜相對誤差.

圖10 (網刊彩色)關鍵區域內光譜比較及誤差計算Fig.10.(color online)Spectrum comparison and error calculation in key areas.

最后,對三組數據各關鍵區域進行相同的光譜誤差分析,得到分析結果,如表1所示.

表1 三組數據平均相對誤差Table 1.Relative errors of data of three groups.

縱觀三組對比數據的平均相對誤差,基本保持在10%以下,其中最大平均相對誤差為10.5%,最小為4.2%,說明仿真的云團紅外光譜數據立方體和實測數據的差異不大,基本符合實際云團的擴散情況及其紅外特性.

4 結果與討論

針對仿真的云團擴散結果及其紅外光譜數據立方體,分別從云團擴散、光譜識別成像和光譜相對誤差大小三個角度去驗證仿真結果的正確性.從仿真結果來看,仿真的云團擴散和實測的云團擴散在整體輪廓上保持一致;通過計算關鍵區域內仿真譜和實測譜的平均相對誤差,證實仿真的光譜非常接近實測光譜;綜合來看,無論是云團整體擴散形態還是局部氣體濃度分布,仿真都達到了一定的精確性,可以用來補充實測數據以完善相關氣體識別算法.

雖然仿真的云團擴散和實測的云團擴散整體輪廓保持一致,但是在部分區域出現了差異.這種差異是仿真云團擴散時簡化了實際環境條件造成的.對于實測云團光譜識別成像結果中呈現的云團非連續現象,去除光譜信噪比的影響后,影響較大的就是復雜的環境因素,比如局部紊亂風場對云團的擾亂作用.仿真云團擴散時假定風速風向在短時間內是不變的,由此造成了仿真的云團擴散比實測的云團擴散更接近理想狀態,即受不確定因素干擾最少.

另外,由云團擴散模型引起的偏差直接導致仿真光譜的誤差,它與云團紅外光譜仿真模型引起的偏差一起決定了仿真光譜的總誤差.因此,在將來的研究工作中需要考慮風速風向的變化以優化云團擴散仿真模型,并考慮云團背景的變化等因素以優化云團紅外光譜仿真模型,使仿真的云團擴散更符合實際情況,同時使仿真光譜更貼近實際,從而使關鍵區域的平均相對誤差更小,獲得更加符合實際情況的云團紅外光譜數據立方體.

5 結論

本文建立了基于物理模型的面陣探測方式下云團紅外光譜仿真方法,試圖從基礎的物理規律出發,輔以正確的面陣探測器下的云團紅外光譜仿真模型,對云團的真實擴散過程及其紅外光譜數據立方體進行仿真.從仿真結果與實測結果的對比來看,本文方法具有較高的仿真精度,達到了預期效果.本文建立的面陣探測方式下的云團紅外光譜仿真方法對于污染氣體泄漏的檢測與識別具有一定參考價值.

[1]Zhang J,Xun Y L 1999 Chinese Journal of Quantum Electronics 16 438(in Chinese)[張駿,旬毓龍1999量子電子學報16 438]

[2]Zhang J,Jiang F H,Gong Y J,Dai Z H 2001 Spectrosc.Spect.Anal.21 617(in Chinese)[張駿,江飛虹,宮彥軍,戴振宏2001光譜學與光譜分析21 617]

[3]Xiong W,Fang Y H 2007 Laser and Infrared 37 637(in Chinese)[熊偉,方勇華2007激光與紅外37 637]

[4]Jiang F H 2009 Journal of Applied Optics 30 687(in Chinese)[江飛虹2009應用光學30 687]

[5]Nick F,Dimirtis M 1996 Graphical Models and Image Processing 58 471

[6]Zhou Y X 2006 Ph.D.Dissertation(Hangzhou:Zhejiang University)(in Chinese)[周永霞2006博士學位論文(杭州：浙江大學)]

[7]Roy W,Brian B 2007 Proc SPIE 6738 67380P

[8]Yang X D 2013 M.S.Dissertation(Hefei:Anhui University)(in Chinese)[楊賢達2013碩士學位論文(合肥：安徽大學)]

[9]Wang J W,Yang X D 2014 Computer Technology and Development 1 122(in Chinese)[汪繼文,楊賢達2014計算機技術與發展1 122]

[10]Qu C L 2015 Nat.Gas Ind.35 105(in Chinese)[屈長龍2015天然氣工業35 105]

[11]Song G 2015 M.S.Dissertation(Chengdu:University of Electronic Science and Technology of China)(in Chinese)[宋高2015碩士學位論文(成都：電子科技大學)]

[12]Zhao H S,Xu Z W,Wu Z S,Feng J,Wu J,Xu B,Xu T,Hu Y L 2016 Acta Phys.Sin.65 209401(in Chinese)[趙海生,許正文,吳振森,馮杰,吳健,徐彬,徐彤,胡艷莉2016物理學報65 209401]

[13]Nappo C J 1984 Atmos.Environ.18 299

[14]Hoock D W 1991 Proc.SPIE 1486 164

[15]Didi K J S,Schott C R,Chang Y 2000 Opt.Eng.39 1047

[16]Flanigan D F 1986 Appl.Opt.25 4253

[17]Sidi N,Steven E G,Vinay K I,Dimistris G M 2013 Proc.SPIE 8743 874316

[18]James K T,Brian P V H 1984 Computer Graphics 18 165

[19]Wang H,Wang X,Liu L,Long T,Wu Z M 2015 Proc.SPIE 9812 98121E

[20]Wang C,Xie Z,Gao J,Yao T T 2016 Journal of Software 1 136(in Chinese)[王馳,謝昭,高雋,姚婷婷2016軟件學報1 136]

[21]Liu J X,Fang Y H,Cui F X,Wu J 2015 Infrared Laser Eng.11 3469

PACS:42.30.–d,51.10.+y,68.43.–h,78.30.–jDOI:10.7498/aps.66.114203

Simulation of pollutant-gas-cloud infrared spectra under plane-array detecting?

Wang An-Jing1)2)Fang Yong-Hua1)?Li Da-Cheng1)Cui Fang-Xiao1)Wu Jun1)Liu Jia-Xiang1)Li Yang-Yu1)Zhao Yan-Dong1)2)
1)(Key Laboratory of Optical Calibration and Characterization,Anhui Institute of Optics and Fine Mechanics,Chinese Academy of Sciences,Hefei 230031,China)
2)(Science Island Branch,University of Science and Technology of China,Hefei 230026,China)

16 December 2016;revised manuscript

21 February 2017)

The research on simulation of pollutant-gas-cloud infrared spectra is very important for studying the spectral identi fi cation algorithms by using simulated spectra.Some good results of the simulation of pollutant-gas-cloud infrared spectra under single-detector detecting are achieved,and have been used for studying the spectral identi fi cation.With the development of infrared detection technology,the infrared imaging spectrometer is used to detect pollutant gas cloud.The gas identi fi cation algorithms in the way of plane-array detection based on the imaging spectrometer also need a number of measured gas-cloud infrared spectrum data cubes.Due to the lack of measured data in studying the spectral identi fi cation algorithm that is based on imaging spectrometer,the multiple-layer model of the cloud infrared spectrum is well studied by using the high-precision physics-based gas-cloud explosion model and its gridding simulation results,and the way of simulating pollutant-gas-cloud infrared spectra under plane-array-detector detecting is proposed to generate the infrared spectrum data cube with both spectral and spatial information,which obtains a new research method for the research fi eld.Validations are made by comparing the measured data with the simulated data,and the comparison contains three parts:i)the comparison of measured gas-cloud explosion with simulated gas-cloud explosion,ii)the comparison of spectral identi fi cation imaging results between the measured and the simulated gas-cloud infrared spectrum data cubes,and iii)the comparison between the measured and the simulated gas-cloud infrared spectra.The comparison results have two aspects:the fi rst aspect is that the simulated gas-cloud explosion is consistent with the measured explosion and has little di ff erence in separate parts,and the second aspect is that the simulated gas-cloud spectra have relative errors of less than 10%compared with the measured gas-cloud spectra.The conclusion is that the simulation model of pollutant-gas-cloud infrared spectra under plane-array detecting is correct,which is obtained from the validation results that simulated gas-cloud infrared spectrum data cubes are highly precise,whether in the comparison with spectral identi fi cation imaging results or in the comparison with gas-cloud spectra.The simulation of pollutant-gas-cloud infrared spectra under plane-array detecting which directly re fl ects the explosion of pollutant gas cloud and provides complete and realistic infrared spectrum data cube of pollutant gas cloud,is signi fi cant for improving and perfecting the spectral identi fi cation algorithms.

infrared spectra,pollutant gas cloud explosion,plane-array detecting,ray tracing

10.7498/aps.66.114203

?國家自然科學基金(批準號:41505020)資助的課題.

?通信作者.E-mail:yhfang@aiofm.ac.cn

?2017中國物理學會Chinese Physical Society

http://wulixb.iphy.ac.cn

*Project supported by the National Natural Science Foundation of China(Grant No.41505020).

?Corresponding author.E-mail:yhfang@aiofm.ac.cn