背景介紹

大氣中二氧化硫（SO2）和二氧化氮（NO2）的來源多種多樣，化石燃料的燃燒是主要來源，自然火災和農業秸稈的燃燒是重要的排放途徑。作為典型的酸性氣體，它們是氣溶膠系統的組成部分，改變了大氣邊界層的熱結構，加劇了氣候變化，導致當地溫度和降水發生變化。此外，它們還會破壞自然生態系統，并導致人類呼吸系統和心血管疾病。近年來，由于全球變暖，農田和森林中的極端火災和野火日益頻繁，對碳中和和固碳戰略構成了嚴重威脅。在許多地區，農業生產中仍然保留著焚燒水稻、小麥、玉米和大豆等作物收割后留下的秸稈的傳統做法。這種做法既有助于為下一個種植周期清理土地，也有助于補充土壤肥力。在牧區，牧民使用控制燃燒來清除茂密或死亡的植被。然而，這些做法可能會引發連鎖反應，導致大火吞噬整個農業區或附近的森林。當農業火災被發現時，它們往往已經失控，特別是在廣大的平原作物種植區和草原牧區。為了保護大氣環境和消除火災隱患，許多國家和地區都頒布了禁止露天焚燒秸稈的立法。

及時發現和消除農業生產區的早期火災已成為迫切關注的關鍵問題。森林和農業區的傳統火災探測方法，包括人工巡邏、熱紅外成像和衛星遙感，往往受到低分辨率、高成本和易受天氣條件影響的阻礙。因此，部署分布式傳感器網絡，如使用煙霧報警器、火焰探測器、圖像識別和溫度傳感器，已成為主流方法。然而，這些方法主要針對明顯的燃燒特征，如顆粒、火焰和熱羽流，通常表現在燃燒的中后期，這使得它們難以應用于早期火災的檢測。針對早期火災標記的痕量氣體傳感已成為首選，從而推動了高性能光學傳感器的發展。這些傳感器的主要燃燒排放物是一氧化碳（CO）和二氧化碳（CO2）。鑒于大氣中自然含有這些氣體物種，針對單個氣體的傳感器系統容易出現誤報和漏檢。Solórzano等人開發了一種氣體傳感器陣列，并將其部署在室內，發現該陣列容易受到干擾，時間漂移特性降低了檢測性能。Wang等人開發了一種用于早期火災報警的多氣體光聲傳感器，其響應時間長，環境噪聲靈敏度低，不適合室外部署。Li等人開發了一種早期火災CO/CO2檢測系統，有效地識別了早期火災的階段。盡管如此，這些傳感器的實際功效可能會受到環境中高濃度CO/CO2的影響，并且不能很好地應用于農業場地。因此，我們開發了一種針對作物殘渣燃燒的痕量NO2和SO2傳感器，該傳感器可以更靈敏地檢測十億分之一體積（ppb）背景下的濃度變化，有助于分析燃燒的作物類型，并通過NO2和SO2的定量分析促進精確的火源定位。

本文亮點

1. 本工作展示了一種非相干寬帶腔增強吸收光譜（IBBCEAS）傳感系統，該系統利用366 nm紫外發光二極管，專為實時、高精度監測SO2和NO2而設計，用于早期火災探測驗證。

2. 光學諧振腔被構建在一個60毫米的籠式系統機械結構內，實現了近2公里的最大光程，長度約為460毫米。

3. 提出了一種基于改進的粒子群優化支持向量機（IPSO-SVM）算法的光譜分析和濃度反演模型。通過區分SO2/NO2的吸收光譜特征，實現了卓越的預測精度。實驗結果表明，在優化的平均時間下，SO2和NO2的檢測限分別為77.5 ppbv和0.037 ppbv。

圖文解析

圖1. （a） 使用紫外LED進行SO2/NO2雙氣體傳感的非相干寬帶腔增強吸收光譜裝置的示意圖。（b） 腔體機械設計輪廓和光場分布。TA-KM，三軸平移臺；FA-KM，五軸運動支架；FL：調焦透鏡；FP-C：法布里-珀羅腔；BPF：帶通濾波器；MMF：多模光纖；OSA：光譜分析儀；PC：個人電腦；HR：高反射率鏡子。

圖2. （a） UV-LED的歸一化發射光譜。（b） 定制帶通濾波器的透射光譜。（c） 帶/不帶濾波器的歸一化透射光譜。淺藍色區域是濾光器的高透射區域。FWHM：半峰全寬；CWL：中心波長。

圖3. 鏡面反射率的校準和光路的估計。（a） 使用測量的吸光度計算鏡面反射率。插圖顯示了當腔體填充N2和250 ppbv NO2時的腔體透射光譜。（b） 在標準溫度和壓力下，為空腔和填充有N2和100 ppbv NO2的腔計算的有效光學范圍長度。插圖顯示了相同波長范圍內的瑞利散射吸收截面。（c） 使用自行測量的反射率曲線校正的測量吸光度和標準吸光度。頂部：100 ppmv SO2的測量和擬合結果。底部：100 ppbv NO2的測量和擬合結果。

圖4. SO2/NO2的濃度校準。（a） 在100至300 ppmv的濃度范圍內測量SO2的吸光度。（b） 在100至300 ppmv的濃度范圍內測量NO2的吸光度。插圖顯示了六個選定吸收峰的平均值與濃度之間的線性關系。藍色背景代表鏡子高反射率區域、濾光片帶通區域和UV-LED發射光譜的主要重疊區域。

圖5. 吸收系數適用于具有標準化吸收截面數據的SO2和NO2。（a，b）濃度校準時SO2和NO2的平均吸收系數及其擬合結果。（c，d）SO2和NO2吸收系數的三次多項式和殘差。（e，f）參考SO2和NO2的高分辨率吸收截面和卷積后吸收結果。兩次卷積都使用了半峰寬為0.43 nm的儀器功能。

圖6. NO2/SO2雙氣體混合物的濃度值反轉。（a，b）NO2/SO2濃度和使用LSM算法獲得的擬合殘差。（c，d）NO2/SO2濃度和使用PSO-SVM算法獲得的擬合殘差。（e，f）NO2/SO2濃度和使用IPSO-SVM算法獲得的擬合殘差。

圖7. 反演濃度和艾倫偏差。（a） 從充滿純N2的細胞中測量的吸光度得出的倒置濃度。頂部和底部面板分別顯示SO2和NO2。（b） SO2檢測精度。（c） NO2檢測精度。

圖8. 傳感器系統架構的配置和組件說明。

圖9. （a） 分布圖：現場部署的氣體傳感器和相鄰的地面空氣質量監測站。插圖展示了一張衛星圖像，描繪了傳感器部署區域的精確位置。（b）大氣NO2濃度變化：現場部署的傳感器測量和地面監測站數據之間的比較分析。

圖10. 農作物秸稈焚燒試驗現場檢測結果。（a） 氣體預處理裝置的配置。（b） 秸稈燃燒和煙氣提取裝置。插圖提供了加熱板的放大視圖。（c–e）分別在枯草、麥秸和玉米葉燃燒過程中NO2/SO2的時間濃度變化。實驗過程分為三個主要階段：加熱、冷卻和通風。插圖是濃度快速上升時的放大視圖。

圖11. 農作物秸稈焚燒實驗流動調查結果。（a） 車輛部署傳感器的照片。（b，c）移動調查軌跡和點火點分布圖。（b）和（c）中的軌跡顏色分別表示NO2和SO2的濃度。（d）移動調查過程中NO2/SO2的濃度變化。

審核編輯 黃宇