Staubströmungsanalyse durch Doppler-Lidar mit niedriger Kohärenz

Scientific Reports Band 13, Artikelnummer: 4086 (2023) Diesen Artikel zitieren

820 Zugriffe

1 Altmetrisch

Details zu den Metriken

Die Visualisierung der Staubströmung und der Winddynamik in der Nähe der Bodenoberfläche ist für das Verständnis der Vermischung und Wechselwirkung zwischen Geosphäre und Atmosphäre in der Nähe der Oberfläche von entscheidender Bedeutung. Die Kenntnis des zeitlichen Staubflusses ist bei der Bewältigung von Luftverschmutzung und Gesundheitsproblemen von Vorteil. Staubströme in der Nähe der Bodenoberfläche sind aufgrund ihres geringen zeitlichen und räumlichen Maßstabs schwer zu überwachen. In dieser Studie schlagen wir ein Doppler-Lidar mit niedriger Kohärenz (LCDL) zur Messung des Staubflusses in Bodennähe mit hohen zeitlichen und räumlichen Auflösungen von 5 ms bzw. 1 m vor. Wir demonstrieren die Leistung von LCDL in Laborexperimenten mit Mehl und Calciumcarbonatpartikeln, die in den Windkanal freigesetzt werden. Die Ergebnisse des LCDL-Experimentes zeigen eine gute Übereinstimmung mit der Anemometermessung bei Windgeschwindigkeiten im Bereich von 0 bis 5 m/s. Die LCDL-Technik kann die Geschwindigkeitsverteilung von Staub aufdecken, die von Masse und Partikelgröße beeinflusst wird. Dadurch können unterschiedliche Geschwindigkeitsverteilungsprofile zur Bestimmung der Staubart herangezogen werden. Die Simulationsergebnisse der Staubströmung stimmen gut mit den experimentellen Ergebnissen überein.

Staubströme sind in der Nähe der Bodenoberfläche aktiv, wo die Windströmung komplex ist. Dies ist wichtig für das Verständnis der Vermischung und der Wechselwirkung zwischen der Geologie und der Oberflächenatmosphäre. Die Streuung von Staub, der sich auf der Bodenoberfläche ablagert, ist nicht nur ein großes Problem für den Umweltschutz, sondern auch für die menschliche Gesundheit, beispielsweise bei Atemwegserkrankungen, und für die Luftverschmutzung durch anthropogenen Staub in städtischen Gebieten1,2,3. Insbesondere der Staubfluss in der unteren Atmosphäre wird durch Topographie und Strukturen erschwert. Das Streuverhalten des Staubes im Feld ist steil. Durch die Visualisierung der lokalen städtischen Winde zwischen Gebäuden, sogenannten Straßenschluchten4, kann die Verteilung des Staubstroms im lokalen Bereich vorhergesagt und seine Auswirkungen auf Wohnbereiche verstanden werden. In der Nähe der Oberflächenatmosphäre blockieren bestimmte Hindernisse wie Berge und Gebäude den Staubfluss und verändern ihn stark. Die obere Atmosphäre hingegen weist wenige Hindernisse auf und der Staubfluss verläuft eher allmählich. Die Windströmung in der Atmosphäre hängt von der Höhe5 ab. Je höher die Höhe ist, desto größer ist die Masse der Luftzelle und die vertikale obere Atmosphäre hat eine größere räumliche und zeitliche Skala6. Die starke Nachfrage nach Windströmungsmessungen besteht in der vertikalen oberen Atmosphäre unter dem Gesichtspunkt der Sicherheit für startende und landende Flugzeuge und der effizienten Steuerung von Windkraftanlagen7,8. Für Windmessungen werden Propelleranemometer, Radiosonden, Doppler-Sodare und Doppler-Lidare verwendet9,10,11,12. In-situ-Anemometer müssen im Messraum installiert werden, während sie das Windfeld selbst verändern können. Doppler-Sodar und Doppler-Lidar hingegen können die Windinformationen bei der Messung aus der Ferne erfassen13,14. Sie eignen sich hervorragend für Windfeldmessungen über große Entfernungen15. Doppler-Lidar werden in Flughäfen installiert und messen die vertikale obere Atmosphäre über einen weiten Messbereich von 200 m bis zu mehreren Kilometern über einen langen Zeitraum von mehreren Minuten entsprechend der großen räumlichen und zeitlichen Skala der Atmosphäre16,17,18. Das gondelmontierte Doppler-Lidar wird in Windkraftanlagen installiert und misst die horizontale Atmosphäre19. Die räumliche Auflösung der Messung beträgt immer noch mehrere zehn Meter. Herkömmliche Staubsammler sammeln Staub über einen bestimmten Zeitraum. Diese Methode kann jedoch keine Echtzeitinformationen zum Staubtransport liefern. Die Fernerkundung ist die beste Möglichkeit, Staub in Bodennähe zu erkennen, da das Windfeld während der Messung nicht gestört wird20,21. Hochauflösende und schnelle Messungen sind wesentliche Kriterien für die Erkennung von Staub und Aerosolen in Bodennähe. Das aktuelle konventionelle Doppler-Lidar kann den lokalisierten und sich ständig ändernden Staubstrom in Bodennähe nicht erfassen, da die untere Atmosphäre eine kleine räumliche und zeitliche Skala von wenigen Sekunden und Metern aufweist. Auch eine Partikelverfolgungsgeschwindigkeitsmessung mit Flächenlasern ist möglich, liefert jedoch keine quantitativen Ergebnisse. Es weist erhebliche Einschränkungen auf, z. B. die Notwendigkeit einer dunklen Umgebung, und ist für den Feldeinsatz nicht geeignet22,23,24. In diesem Artikel entwickeln wir ein horizontal ausgerichtetes Doppler-Lidar mit niedriger Kohärenz (LCDL) mit hoher räumlicher und zeitlicher Auflösung von 1 m bzw. 5 ms, um den lokalen Staubfluss zu messen. LCDL ist eine Art optisches Interferometer mit niedriger Kohärenz. Ein Interferenzsignal wird nur dann erhalten, wenn die Differenz der optischen Pfadlänge zwischen Referenz- und Messpfad mit der Kohärenzlänge übereinstimmt. Um plötzliche Änderungen im Staubfluss zu überwachen, wird außerdem die Integrationszeit für Hochgeschwindigkeitsmessungen auf Millisekunden verkürzt. Die Ziele dieser Arbeit sind: (1) das Konzept des LCDL-Systems zu entwerfen und zu entwickeln, (2) die Leistung des LDCL-Systems zu überprüfen und (3) diese Methode auf verschiedene Streuer anzuwenden und die Geschwindigkeitsverteilung der Streuer zu bewerten.

Die Größe des Windfeldes hängt von der Höhe ab. Luftzellen in tieferen Höhen sind kleiner und ihre Bewegung ist schneller. Die untere Atmosphäre wird, wie das Windfeld in Straßenschluchten, stark von der Struktur und Bodenbeschaffenheit beeinflusst. Abbildung 1 zeigt das schematische Diagramm des Windfeldes in der unteren Atmosphäre. In einem Höhenbereich von einigen Metern über der Erdoberfläche liegt die Größe des Windfeldes in der Größenordnung von einem bis mehreren Metern und die Turbulenz in der Größenordnung von einigen Sekunden. Darüber hinaus erfordert die Überwachung des detaillierten Staubflusses bei niedrigen Konzentrationen optisch empfindliche Sensoren. Da die räumlich-zeitliche Skala der unteren Atmosphäre klein ist, erfolgt die Vermischung von Schwebestaub in der Atmosphäre schnell und sein Verhalten ist komplex25. In städtischen Gebieten entstehen starke Winde durch Wärmekonvektion aufgrund von Betongebäuden und Asphaltstraßen26,27. In diesen Gebieten kommt es aufgrund der Vermischung von Boden und Luft zu Hotspots von Luftschadstoffen28. Die Visualisierung dieser Streuer in der unteren Atmosphäre beschleunigt das Verständnis des Staubflusses, der zur Minderung von Luftverschmutzung und Gesundheitsproblemen beitragen kann. Der Beitrag der Oberflächenatmosphäre zu Meereswellen kann auch durch die Überwachung der Wechselwirkung zwischen Meeresoberfläche und Atmosphäre untersucht werden. Herkömmliche Doppler-Lidarsysteme messen große Windfelder auf ihrer langen räumlichen und zeitlichen Skala (Hunderte Meter und Minuten) über dem Boden. Im Gegensatz dazu misst das LCDL horizontal schwebenden Staub in einem kleinen Windfeld auf seinem kleinen räumlichen und zeitlichen Maßstab (einige Meter und Sekunden) nahe der Bodenoberfläche.

Vermischung und Wechselwirkung zwischen der Atmosphäre und der Bodenoberfläche. Die von Gebäuden und Asphalten erzeugten Windfelder zeigen, wie Staub auf einer kleinen räumlich-zeitlichen Skala fließt4.

Wir schlagen ein Doppler-Lidar mit niedriger Kohärenz (LCDL) vor, das auf einem optischen Interferometer mit niedriger Kohärenz basiert29,30. Doppler-Lidargeräte können in die Verwendung von Dauerstrichlasern und gepulsten Lasern eingeteilt werden13. Zu den herkömmlichen Doppler-Lidaren gehören Zephyr, Wind Cube und Leosphere31. In den letzten Jahren werden häufig Doppler-Lidargeräte mit gepulsten Wellenlasern eingesetzt32. In unserem System verwendet LCDL einen Dauerstrichlaser. Doppler-Lidar-Detektionsmethoden können auch in optische Homodyn-33 und Heterodyn-Detektionen34,35,36 eingeteilt werden. Der Unterschied zwischen Homodyn- und Heterodyn-Detektion liegt in der Signal- und Lokaloszillatorfrequenz. Bei der homodynen Detektion sind Signal und Lokaloszillatorfrequenz gleich. Diese Funktion ist bei der Heterodyndetektion nicht der Fall. Für LCDL wird die optische Homodyn-Detektion eingesetzt, da sie im Allgemeinen eine höhere Empfangsempfindlichkeit aufweist als die optische Heterodyn-Detektion. Die meisten Doppler-Lidargeräte verfügen über eine optische Heterodyn-Detektion37. Das LCDL-System ist ein Homodynsystem, das keinen akusto-optischen Modulator (AOM) und keinen lokalen Oszillator erfordert, da die Lichtquelle eine kontinuierliche Welle ist und das Lidar-Echo mit seinen Referenzlichtern interferiert. Dies vereinfacht die optische Gestaltung. Die Lichtquelle mit niedriger Kohärenz ermöglicht Messungen mit hoher räumlicher Auflösung. Um dem kleinen Windfeld in der unteren Atmosphäre gerecht zu werden, wird die spektrale Breite der Lichtquelle mit geringer Kohärenz auf einige Pikometer eingestellt, was zu einem Spektrum mit geringer Kohärenzlänge und höherer räumlicher Auflösung von weniger als 1 m führt. Darüber hinaus wird die Probenahmezeit für Hochgeschwindigkeitsmessungen auf Millisekunden verkürzt, um den schnellen Fluss von Schwebstaub zu erfassen. Die Abtastzeit entspricht der Zeitauflösung. Im Vergleich zu herkömmlichen Doppler-Lidaren, die eine Kohärenzlänge von mehreren 100 m und eine zeitliche Auflösung von wenigen Minuten haben, weist LCDL eine höhere räumliche und zeitliche Auflösung auf. Somit ermittelt das LCDL-System die Staubgeschwindigkeit aus der Doppler-verschobenen Interferenzsignalfrequenz durch den Einsatz einer schnellen Fourier-Transformationsanalyse (FFT). Bei der Analyse der Daten entspricht die Frequenzauflösung der Länge des FFT-Frames. Das Lidar misst das Doppler-verschobene Frequenzsignal von Luft/Staub, um seine Sichtliniengeschwindigkeit V zu bestimmen, und wird als gemessen38

Dabei ist fd die Doppler-Verschiebungsfrequenz und λ0 die zentrale Wellenlänge der Lichtquelle.

Das durchgelassene Licht wird teilweise als Referenzlicht verwendet. Das vom Teleskop empfangene Licht wird in einem Faserkoppler mit dem Referenzlicht kombiniert, um Interferenzsignale zu erhalten. Dabei bestimmt die Referenzweglänge den Messabstand. Der Abstand kann durch Anpassen der Referenzpfad-Faserlänge frei geändert werden.

Das LCDL verwendet ein 975-nm-Distributed-Feedback-Laserdioden-Massenelement (DFB-LD) (Hamamatsu Photonics LE0697CWLD) als Lichtquelle. Die Ausgangsleistung des DFB-LD beträgt ca. 1 W. Diese Ausgangsleistung ermöglicht die Detektion von Staub bei geringen Konzentrationen. Charakteristisch für die Lichtquelle ist eine spektrale Breite von wenigen Pikometern, um eine hohe Ortsauflösung von 1 m oder weniger zu erreichen. Allgemeines DFB-LD weist eine hohe Wellenlängenstabilität und schmale Spektralbreiten auf. Sie haben auch eine kleine Ausgangsleistung von einigen 100 mW39,40. Andererseits kann die spektrale Breite des in diesem System verwendeten DFB-LD geändert werden41. Die Kohärenzlänge und die Ausgangsleistung werden durch Steuerung des Antriebsstroms und der Elementtemperatur eingestellt. Die Beziehung zwischen der Kohärenzlänge und dem LD-Treiberstrom ist in Abb. 2 dargestellt. Die Kohärenzlänge von 0,8 m wird erreicht, wenn der Treiberstrom und die Elementtemperatur auf 2 A bzw. 35 °C eingestellt sind. Unter dieser Bedingung beträgt die Ausgangsleistung 0,7 W. Das LCDL-System besteht aus einem Sender, einem Empfänger, einem faseroptischen System, einer Homodyn-Erkennung und einer Signalverarbeitungseinheit, wie in Abb. 3 dargestellt. Für das Sendesystem ein Teil Der Teil des Lichts vom DFB-LD wird durch einen Strahlteiler in die Referenzfaser eingeleitet. Diese Referenzlichtintensität ist auf etwa 1 mW optimiert. Als Empfangssystem wird ein Linsenteleskop mit einer Apertur von 61 mm verwendet. In der Faseroptik erfolgt die Homodyndetektion mit der Interferenz zwischen dem Referenzlicht und dem Empfangslicht am 50:50-Faserkoppler. Messbereiche können durch Anpassen der Referenzfaserlänge mithilfe eines Faserselektors beliebig bestimmt werden. Die FFT-Analyse wird im Signalverarbeitungssystem durchgeführt. Die Abtastrate und die Erfassungszeit sind auf 250 MSa/s bzw. 5 ms eingestellt. Jeder FFT-Rahmen dauert 10 μs und 500 Rahmen werden gemittelt, um ein hochauflösendes Doppler-Verschiebungssignal zu erzeugen. Die Bandbreite des Balanced Detector (BD) beträgt 200 MHz. Bei der FFT-Analyse ist die Frequenzauflösung umgekehrt proportional zur Zeit. Die Frequenzauflösung durch FFT-Analyse beträgt 0,1 MHz. Tabelle 1 fasst die Parameter des LCDL-Lidar zusammen.

Kohärenzlängenbeziehung zwischen Strom und Temperatur im DFB-LD. Die runden, quadratischen und dreieckigen Punkte stellen die Elementtemperatur von 15 °C, 25 °C bzw. 35 °C dar. Die Kohärenzlänge kann durch Anpassen des Stroms und der Temperatur gesteuert werden.

Beschreibung des LCDL-Systems. (a) Schematische Darstellung des LCDL-Systems und (b) LCDL-Konfiguration. LCDL besteht aus Senden, Empfangen, einem faseroptischen System, Homodynerkennung und Signalverarbeitung.

Eine Doppler-Verschiebungsmessung in Innenräumen wird unter Verwendung einer Windkanalbox mit einer Länge von 130 cm und einer quadratischen Seite von 30 cm durchgeführt, wobei ein Zirkulator zum Schweben des Staubs verwendet wird. Das schematische Diagramm des Versuchssystems ist in Abb. 4 dargestellt. Die im Experiment verwendeten Streuer sind Mehl- und Kalziumkarbonatpartikel. Der Windkanal ist etwa 6,5 ​​m vom LCDL entfernt platziert. Die Windrichtung vom Zirkulator ist ein Gegenwind in Richtung der Sichtlinie des Lidar. Im Windkanal wird ein Windmesser (testo 405i Smart Probe) platziert. Die Daten des kleinen Anemometers werden dann mit der vom LCDL gemessenen Geschwindigkeit der Staubpartikel verglichen. Der Staub wird von einer Position vor dem Zirkulator freigesetzt und vom Wind in den Windkanal gestreut. Im Inneren des Windkanals sind im Abstand von 25 cm fünf Wannen angeordnet, um die Staubpartikel aufzufangen und die Partikelgrößenverteilung des Staubs zu untersuchen. Die in 1 Minute freigesetzten Mehl- und Calciumcarbonatmengen betragen etwa 200 g bzw. 130 g.

Staubströmungsexperiment. Der Staub wird freigesetzt und vom Wind durch den Windkanal geflogen. Der Staubfluss wird von LCDL in 6,5 m Entfernung vom Windkanal überwacht und gleichzeitig die Windgeschwindigkeit im Windkanal mit einem Anemometer gemessen. Der freigesetzte Staub wird in den fünf im Windkanal platzierten Schalen gesammelt.

Abbildung 5 zeigt die Verteilung der Staubgewichte, die auf den Tabletts im Windkanal in Abständen von 25 cm gesammelt wurden. Die Nullposition liegt rechts unter der Position, an der der Staub freigesetzt wurde. Die Ergebnisse zeigen, dass Calciumcarbonatpartikel nahe der Nullposition konzentriert sind, während die Mehlpartikel weit verteilt sind. Diese Ergebnisse sind zu erwarten, da die Dichte von Mehl geringer ist als die von Calciumcarbonat, was darauf hindeutet, dass Mehlpartikel länger in der Luft fließen.

Zusammenhang zwischen dem Gewicht des gesammelten Staubs und dem Abstand jeder Schalenposition für (a) Mehl- und (b) Calciumcarbonatpartikel. Die meisten Calciumcarbonatpartikel werden in der Nähe von 0 cm von der Freigabeposition gesammelt, während erhebliche Mehlpartikel bis zu 125 cm von der Freigabeposition entfernt gesammelt werden.

Die Abbildungen 6a und b zeigen die gleichzeitigen FFT-Signale von LCDL und der Windgeschwindigkeit des Anemometers, als das Mehl freigesetzt wurde. Die Abbildungen 6c und d zeigen auch die Ergebnisse bei der Freisetzung von Calciumcarbonat. In Abb. In den 6a und c sind die erfassten Wellenformen das gemittelte Ergebnis von 500 Wellenformen in 5 ms nach ihrer FFT-Analyse. In Abb. In den Abbildungen 6b und d beträgt die Zeitauflösung des Anemometers 1 s. Die Doppler-Verschiebungsfrequenz des Mehlpartikels in Abb. 6a beträgt 2,46–4,01 MHz mit einer Spitzenposition von 3,76 MHz, und diese entsprechen einer Geschwindigkeitsbreite von 1,20–1,95 m/s mit einer Spitzengeschwindigkeit von 1,83 m/s Partikelfluss. Die Anemometerergebnisse in Abb. 6b zeigen eine Geschwindigkeit im Bereich von 1,32 bis 2,07 m/s und eine 5-Minuten-Durchschnittsgeschwindigkeit von 1,74 m/s für den Luftstrom. Dies zeigt eine gute Übereinstimmung zwischen LCDL- und Anemometer-Ergebnissen. Ebenso liegt die Doppler-Verschiebungsfrequenz von Calciumcarbonat-Partikeln zwischen 3,54 und 3,95 MHz, mit einer Spitzenposition bei 3,68 MHz. Diese Frequenzverschiebungen entsprechen einer Geschwindigkeitsbreite von 1,73 bis 1,92 m/s und einer Spitzengeschwindigkeit von 1,79 m/s. Die Anemometerergebnisse in Abb. 6d zeigen die Geschwindigkeitsbreite von 0,99 bis 2,11 m/s und diese 5-Minuten-Durchschnittsgeschwindigkeit von 1,66 m/s. Anders als bei Mehlpartikeln bedeutet der kleinere Bereich der Frequenzverschiebungen für Calciumcarbonat eine geringere Geschwindigkeitsbreite. Die räumliche Verteilung der Mehlpartikel in diesem Windfeld deutet darauf hin, dass diese Partikel dazu neigen, länger in der Luft zu schweben. Im Gegensatz dazu schweben Calciumcarbonatpartikel nicht so stark in der Luft wie Mehlpartikel, sodass ihr Geschwindigkeitsbereich eng ist. Auch die Anemometerwellenformen von Mehl und Kalziumkarbonat sind unterschiedlich. Die Anemometer-Wellenformen für Calciumcarbonat-Partikel weisen eine Spitze auf, da die Partikel in kurzer Zeit schnell abfielen. Bei Mehlpartikeln hingegen wird ein solcher Anstieg nicht beobachtet und weist relativ langsame Schwankungen auf.

Staubflusssignale von (a) Mehlpartikeln von LCDL, (b) Mehlfluss vom Anemometer, (c) Calciumcarbonatpartikeln von LCDL und (d) Calciumcarbonatfluss vom Anemometer. Die LCDL-Ergebnisse des Flusses von Calciumcarbonatpartikeln zeigen einen engeren Geschwindigkeitsbereich im Vergleich zu denen von Mehlpartikeln.

Die Abbildungen 7a und b zeigen die Korrelation zwischen LCDL- und Anemometergeschwindigkeitsmessungen für die Ströme von Mehl bzw. Calciumcarbonatpartikeln. Die blauen Markierungen repräsentieren die Spitzenpositionen. Die an den Markierungen angebrachten vertikalen Linien stellen die Geschwindigkeitsbreiten dar, die aus den Frequenzbreiten der Dopplerverschiebung geschätzt wurden. Im Geschwindigkeitsbereich von 0 bis 5 m/s zeigen die gemessenen Geschwindigkeiten von LCDL und Anemometer eine gute lineare Übereinstimmung. Bei Mehlpartikeln liegen die Spitzenpositionen nicht in der Mitte ihrer Geschwindigkeitsbreite. Insgesamt beträgt die Geschwindigkeitsbreite von Mehl etwa 0,7–1 m/s, während die von Kalziumkarbonat mit etwa 0,3 m/s schmaler ist. Die Steigung des Calciumcarbonatflusses ist geringer als die von Mehl. Dieser Unterschied zeigt die inhärente Natur der Staubpartikel und wird im nächsten Abschnitt besprochen.

Zusammenhang zwischen der Staubgeschwindigkeit von (a) Mehlpartikeln und (b) Calciumcarbonatpartikeln, gemessen mit LCDL, und der Windgeschwindigkeit mit dem Anemometer. Eine lineare Übereinstimmung wird im Bereich von 0–5 m/s Windgeschwindigkeit beobachtet. Die Steigung des Calciumcarbonatflusses ist geringer als die von Mehl.

Die Messergebnisse für Mehl- und Calciumcarbonatpartikel zeigten Unterschiede in der Geschwindigkeitsbreite (Doppler-Verschiebungsfrequenzbreite). Im Experiment werden die Staubpartikel an jeder umgestürzten Stelle gesammelt. Ihre Gewichtsverteilung spiegelt den Partikelradius und die Partikelmenge wider. Wir simulieren die Staubströmung anhand der Partikelmasse und des Partikelradius. Wenn kein horizontaler Wind vorhanden ist, fällt der Staub direkt nach der Freisetzung. Allerdings verschiebt sich die horizontale Position, aus der die Staubpartikel fallen, unter dem Einfluss von Seitenwind. Im Experiment strömt der Wind mit einer Geschwindigkeit von 3,5 m/s in Richtung der Sichtlinie des Lidars. Der Staub fällt bei Seitenwind von 3,5 m/s auf den Boden. Die Experimente wurden im Windgeschwindigkeitsbereich von 0–5 m/s durchgeführt und Simulationen werden bei 3,5 m/s durchgeführt, um den experimentellen Ergebnissen zu entsprechen. Im Versuchsaufbau wird angenommen, dass die von einem Staubpartikel zurückgelegte vertikale Distanz 30 cm beträgt und ein viskoser Luftwiderstand angenommen wird. Die Teilchengeschwindigkeit in einem viskosen Widerstand wird durch Gl. (2):

wobei m die Masse eines Staubpartikels ist; g ist die Gravitationsbeschleunigung; k ist der Luftwiderstandskoeffizient; und t ist die Reisezeit. Es wird angenommen, dass der Luftwiderstandskoeffizient dem Stokeschen Gesetz (6πμr) folgt. Gleichung (2) wird integriert und in eine Gleichung für die Fallstrecke umgewandelt. Die Masse des Staubes wird aus der Zeit und Entfernung berechnet, über die der Staub fällt. Da diese Staubmasse die Dichte und das Volumen widerspiegelt, kann der Radius des Staubes abgeschätzt werden. Die Dichten von Mehl und Calciumcarbonat betragen 600 kg m−3 bzw. 2600 kg m−3. Der Partikelradius wird aus der Masse umgerechnet, um den Extinktionskoeffizienten α nach Gl. zu erhalten. (3):

Dabei ist N die Anzahl der Partikel pro Volumen, r der Partikelradius und Qext die Extinktionseffizienz. Da Mehl- und Calciumcarbonatpartikel ausreichend größer als die optische Wellenlänge sind, kann Qext mit 2 angenommen werden.

Basierend auf dem Extinktionskoeffizienten wird das Interferenzsignal von LCDL simuliert. Die berechneten Ergebnisse der Extinktionskoeffizienten sind in Abb. 8 dargestellt. Der Partikelextinktionskoeffizient von Mehl ist größer als der von Calciumcarbonat. Dieses Ergebnis kann auf die Anzahl der Partikel N basierend auf diesem Experiment zurückgeführt werden. Mehlpartikel hatten einen kleineren durchschnittlichen Partikelradius und eine höhere Partikelanzahl als Calciumcarbonat. Abbildung 9 zeigt die berechnete Partikelgrößenverteilung basierend auf den experimentellen Ergebnissen der Gewichtsverteilung von Staub in Abb. 5. Der Interferenzabstand von LCDL beträgt 80 cm und die Größe des Interferenzsignals variiert je nach Entfernung. Es wird angenommen, dass es sich bei der Störsignalverteilung um eine Gauß-Verteilung handelt. Nach der Umrechnung von Masse in Partikelanzahl erhält man durch Berücksichtigung der Störsignalverteilung die Partikelgrößenverteilung. Der Modenradius von Mehl- und Calciumcarbonatpartikeln wird auf etwa 9 μm bzw. 14 μm geschätzt. Da die gefallene Position der Partikel den Partikelradius, die Dichte und die Windgeschwindigkeit widerspiegelt, kann der Zusammenhang zwischen der Dopplerfrequenz (Geschwindigkeit) und der Anzahl der Partikel diskutiert werden.

Simulation des Extinktionskoeffizienten für Mehl und Calciumcarbonat. Die Mehldichte ist auf 600 kg m−3 und die Calciumcarbonatdichte auf 2600 kg m−3 festgelegt. Der Extinktionskoeffizient von Mehl ist größer als der von Calciumcarbonat, da die Anzahl der freigesetzten Mehlpartikel größer ist als die von Calciumcarbonat.

Partikelgrößenverteilung von Mehl und Calciumcarbonat. Die vertikale Achse stellt die Anzahl der Partikel dar und die horizontale Achse stellt den Partikelradius dar.

Außerdem wird eine Lidar-Signalsimulation mit den experimentellen Ergebnissen der Staubgewichtsverteilung durchgeführt. Abbildung 10 zeigt simulierte Ergebnisse (schwarzer Kreis) von (a) Mehl- und (b) Calciumcarbonat-Partikelfluss zusammen mit LCDL-Versuchsergebnissen (durchgezogene Linie). Es hat sich gezeigt, dass die Simulationsergebnisse gut mit den LCDL-Signalen übereinstimmen. Simulierte Signalverteilungen werden durch die Partikelgrößenverteilung in Abb. 9 widergespiegelt. Die Mehlpartikel haben einen größeren Geschwindigkeitsbereich über die gesamte Breite von 0,70 m/s im Vergleich zu Calciumcarbonat mit einem engeren Geschwindigkeitsbereich über die gesamte Breite von 0,3 m/s. Die Verschiebung des Doppler-Frequenzpeaks von der Mitte zur höheren Frequenzseite trägt dazu bei, dass der Modenradius der Partikel in Bezug auf die Partikelgrößenverteilung auf die kleinere Seite als die Mitte tendiert, wie in Abb. 9 dargestellt. Die Doppler-Verschiebungsfrequenz von Mehlpartikeln erreicht bis zu 7 MHz, während die von Calciumcarbonatpartikeln nur etwa 6,5 ​​MHz beträgt, was darauf hindeutet, dass der Mehlfluss eine Hochgeschwindigkeitskomponente aufweist. Darüber hinaus ist der Partikelfluss auf der Hochfrequenzseite steil, während der Anstieg auf der Niederfrequenzseite allmählich erfolgt, was darauf hindeutet, dass die Partikel mit langsameren Geschwindigkeiten den Geschwindigkeitsbereich erheblich erweitern. Dies bestätigt, dass die Partikelgrößenverteilung mithilfe des LCDL-Doppler-Signals geschätzt werden kann. Wenn in dieser Simulation die Windgeschwindigkeit auf 3,5 m/s eingestellt wird, ergibt sich ein Unterschied von 0,2 MHz zwischen den Spitzenpositionen des Mehl- und Kalziumkarbonatflusses. Der Unterschied zwischen den Spitzengeschwindigkeiten stellt den Unterschied in der Staubgeschwindigkeit aufgrund des Modenradius dar. Abbildung 7 zeigt auch, dass die Steigung von Calciumcarbonatpartikeln geringer ist als die von Mehl. Dies weist darauf hin, dass die Nettokraft auf die Calciumcarbonat-Partikel in Fallrichtung aufgrund der schwereren Masse der Calciumcarbonat-Partikel größer ist, was zu einer geringeren Geschwindigkeit in Sichtrichtung des LCDL führt. Die Hochfrequenzauflösung des LCDL-Systems ermöglicht es uns, diese beiden geringfügigen Strömungsunterschiede in der Größenordnung einiger Zentimeter und geringfügige Unterschiede im Partikelradius in der Größenordnung einiger Mikrometer zu erfassen. Die Analyse der LCDL-Signale von Mehl- und Calciumcarbonat-Durchflussmessungen kann Aufschluss über die Größenverteilung von Schwebstaub basierend auf der beobachteten Staubgeschwindigkeit geben. Simulationen wurden bei verschiedenen Windgeschwindigkeiten von 0 bis 5 m/s durchgeführt und die simulierte Frequenzbreite der Dopplerverschiebung entspricht den experimentellen Ergebnissen. LCDL kann Staub identifizieren und dabei helfen, seine räumliche Verteilung zu überwachen. Die Signal-Rausch-Abstände der simulierten Signale sind groß (~ 7 dB), während das experimentelle System ein Signal-Rausch-Verhältnis von 3 dB aufweist. Das niedrige Signal-Rausch-Verhältnis des Systems ist auf das geringere Kopplungsverhältnis zwischen Sende- und Empfangsoptik zurückzuführen. Dieses Ergebnis zeigt, dass die Effizienz des Lidar-Systems durch ein höheres Signal-Rausch-Verhältnis verbessert werden kann, was zur Erkennung des Windes selbst, also der Atmosphärenströmung, führt.

Doppler-Signalsimulationen von (a) Mehl- und (b) Calciumcarbonat-Partikelfluss. Die linke vertikale Achse des LCDL-Experimentergebnisses zeigt den Signalpegel (dBm) und die rechte vertikale Achse der Simulation zeigt die Anzahl der Partikel (Anzahl). Die horizontale Achse ist die Frequenz. Die Windgeschwindigkeit wird mit 3,5 m/s (= 7 MHz) simuliert.

Diese Arbeit zeigt, dass das LCDL-System den bodennahen Staubfluss mit hoher zeitlicher und räumlicher Auflösung messen kann. Die vom LCDL-System erfasste Staubgeschwindigkeit zeigt einen guten Zusammenhang mit den Messungen des Anemometers. LCDL kann auch verschiedene Staubströme überwachen. Simulationen unter experimentellen Bedingungen zeigen, dass Unterschiede in der Geschwindigkeitsbreite auf den Radius und die Masse der Staubpartikel zurückzuführen sind. Basierend auf der durch LCDL erhaltenen Geschwindigkeitsverteilung kann auf die Partikelgrößenverteilung geschlossen werden, und die Unterschiede in der Größenverteilung können Aufschluss über die Art des Schwebstaubs in der Atmosphäre geben. Darüber hinaus hat diese Arbeit gezeigt, dass LCDL bei der detaillierten Visualisierung des Staubflusses in Echtzeit helfen kann. Dieses Ergebnis ermöglicht eine weitere Diskussion und Interpretation der Vermischung und Wechselwirkung zwischen von der Oberfläche stammendem Staub und der unteren Atmosphäre. Dies ist der nächste Schritt, den wir untersuchen werden, um einen umfassenden und detaillierten Datensatz zu erhalten, der die Staubbewegung bei der tatsächlichen Feldarbeit erfasst.

Die Daten werden auf Anfrage beim entsprechenden Autor zur Verfügung gestellt.

Gregorio, E. et al. LIDAR als Alternative zu passiven Kollektoren zur Messung der Drift von Pestizidsprays. Atmosphäre. Umgebung. 82, 83–93 (2014).

Artikel ADS CAS Google Scholar

Weon, BM & Je, JH Ladungsinduzierte Benetzung von Aerosolen. Appl. Physik. Lette. 96, 194101 (2010).

Artikel ADS Google Scholar

Singh, R., Su, P., Kimerling, L., Agarwal, A. & Anthony, BW Auf dem Weg zur photonischen Aerosolspektroskopie im mittleren Infrarotbereich auf dem Chip. Appl. Physik. Lette. 113, 231107 (2018).

Artikel ADS Google Scholar

Johnson, WB, Ludwig, FL, Dabberdt, WF & Allen, RJ Ein städtisches Diffusionssimulationsmodell für Kohlenmonoxid. J. Luftverschmutzung. Kontrollassozi. 23, 490–498 (1973).

Artikel CAS PubMed Google Scholar

You, J., You, K., Park, M. & Lee, C. Luftströmungseigenschaften entsprechend der Änderung der Höhe und des Porengrads von Gebäudedächern für die effiziente Installation kleiner Windkraftgeneratoren. Nachhaltigkeit 13, 5688 (2021).

Artikel Google Scholar

Diao, W. et al. Vollfasergepulste kohärente Lidar-Entwicklung für Windprofilmessungen in Grenzschichten. Kinn. Opt. Lette. 12, 072801 (2014).

Artikel ADS Google Scholar

Gernowo, R. et al. Atmosphärendynamik und Frühwarnsystem bei geringer Windscherung zur Gefahrenminderung auf der Landebahn eines Flughafens. J. Phys. Konf. Ser. 1943, 012029 (2021).

Artikel Google Scholar

Lunney, E., Ban, M., Duic, N. & Foley, A. Eine aktuelle Übersicht und Machbarkeitsanalyse der Windenergie in großen Höhen in Nordirland. Erneuern. Aufrechterhalten. Energy Rev. 68, 899–911 (2017).

Artikel Google Scholar

Bu, L., Qiu, Z., Gao, H., Zhu, X. & Liu, J. All-Fiber Pulse Coherent Doppler LIDAR und seine Validierungen. Opt. Ing. 54, 123103 (2015).

Artikel ADS Google Scholar

Kumer, VM, Reuder, J. & Furevik, BR Ein Vergleich von LiDAR- und Radiosonden-Windmessungen. Energy Procedia 53, 214–220 (2014).

Artikel Google Scholar

Reddy, GKK, Reddy, SV und Ramkumar, TK Entwicklung eines Hall-Sensor-Propeller-Anemometers zur Messung der Windgeschwindigkeit mithilfe eines eingebetteten Controllers. In Proceedings of the 2012 International Conference on Communications, Devices and Intelligent Systems, CODIS (2012).

Wei, T. et al. Verbesserung der Inversionswahrscheinlichkeit des Allfaser-CDWL durch Rauschmodellierung und robuste Anpassung. Opt. Express 28, 29662–29675 (2020).

Artikel ADS CAS PubMed Google Scholar

Liu, H. et al. Leistungsvalidierung auf einem gepulsten kohärenten 1,54-μm-Doppler-Lidar mit Vollfaser für die Windprofilmessung. Opt. Ing. 59, 014109 (2020).

Artikel ADS CAS Google Scholar

Chaurasiya, PK, Ahmed, S. & Warudkar, V. Beobachtung der Windeigenschaften mit Doppler-SODAR für Windenergieanwendungen. Ressource. Eff. Technol. 3, 495–505 (2017).

Google Scholar

Dolfi-Bouteyre, A. et al. Langstrecken-Windüberwachung in Echtzeit mit optimiertem kohärentem Lidar. Opt. Ing. 56, 031217 (2016).

Artikel ADS Google Scholar

Abdelazim, S., Santoro, D., Arend, MF, Moshary, F. & Ahmed, S. Entwicklung und Betriebsanalyse eines kohärenten Vollfaser-Doppler-Lidar-Systems zur Winderkennung und Aerosolprofilierung. IEEE Trans. Geosci. Remote Sens. 53, 6495–6506 (2015).

Artikel ADS Google Scholar

Besson, C. et al. Doppler-LIDAR-Entwicklungen für die Luftfahrt. Aerosp. Lab J. 12, 1–17 (2016).

ADS Google Scholar

Wildmann, N., Gerz, T. & Lundquist, JK Langstrecken-Doppler-Lidar-Messungen der Nachläufe von Windkraftanlagen und deren Wechselwirkung mit turbulenten atmosphärischen Grenzschichtströmungen in Perdigao 2017. J. Phys. Konf. Ser. 1618, 032034 (2020).

Artikel Google Scholar

Debnath, M. et al. Längskohärenz und kurzfristige Windgeschwindigkeitsvorhersage basierend auf einem gondelmontierten Doppler-Lidar. J. Phys. Konf. Ser. 1618, 032051 (2020).

Artikel Google Scholar

Rieker, GB et al. Frequenzkammbasierte Fernerkundung von Treibhausgasen über kilometerlange Luftwege. Optica 1, 290–298 (2014).

Artikel ADS CAS Google Scholar

Ich, KS et al. Partikelverfolgungsgeschwindigkeitsmessung mittels schneller Röntgen-Phasenkontrastbildgebung. Appl. Physik. Lette. 90, 091919 (2007).

Artikel ADS Google Scholar

Kiyozumi, T. et al. Pilotdemonstration von Korrelationsdomänen-LiDAR zur Hochgeschwindigkeits-Vibrationserkennung. APL Photon. 6, 101302 (2021).

Artikel ADS Google Scholar

Guinot, B., Gonzalez, B., Perim De Faria, J. & Kedia, S. Partikelcharakterisierung in einem Stahlwerk mithilfe konventioneller Probenahme und innovativer Lidar-Beobachtungen. Particuology 28, 43–51 (2016).

Artikel CAS Google Scholar

Ceolato, R., Bedoya-Velásquez, AE & Mouysset, V. Elastisches Rückstreu-Mikrolidar mit kurzer Reichweite für die quantitative Aerosolprofilierung mit hoher Reichweite und zeitlicher Auflösung. Remote Sens. 12, 3286 (2020).

Artikel ADS Google Scholar

Courvoisier, F. et al. Femtosekunden-Laserpulse unterscheiden Bakterien von städtischen Hintergrundaerosolen. Appl. Physik. Lette. 87, 063901 (2005).

Artikel ADS Google Scholar

Ho, TCE, Surry, D. & Davenport, AG Variabilität geringer Windlasten in Gebäuden aufgrund der Umgebung. J. Wind Eng. Ind. Aerodyn. 38, 297–310 (1991).

Artikel Google Scholar

Mittal, H., Sharma, A. & Gairola, A. Ein Überblick über die Untersuchung des städtischen Windes auf Fußgängerebene um Gebäude herum. J. Bauen. Ing. 18, 154–163 (2018).

Artikel Google Scholar

Solé-Ribalta, A., Gómez, S. & Arenas, A. Entlastung städtischer Gebiete durch Hotspot-Preise. Netw. Spuckte. Wirtschaft. 18, 33–50 (2018).

Artikel MathSciNet Google Scholar

Zhu, J., He, X. & Chen, Z. Perspektive: Aktuelle Herausforderungen und Lösungen der optischen Doppler-Kohärenztomographie und Angiographie für die Neurobildgebung. APL Photon. 3, 120902 (2018).

Artikel ADS Google Scholar

Deng, S. et al. Ein photoakustisches Mikroskopiesystem mit optischer Kohärenz, das einen faseroptischen Sensor verwendet. APL Photon. 6, 096103 (2021).

Artikel ADS Google Scholar

Aitken, ML, Rhodes, ME & Lundquist, JK Leistung eines Windprofil-Lidars im Bereich der Rotorscheiben von Windkraftanlagen. J. Atmos. Ozean. Technol. 29, 347–355 (2012).

Artikel ADS Google Scholar

Jiang, S. et al. Leistung des kohärenten Dauerstrich-Doppler-Lidars zur Windmessung. Curr. Opt. Photon. 3, 466–472 (2019).

CAS Google Scholar

Abari, CF, Pedersen, AT, Dellwik, E. & Mann, J. Leistungsbewertung eines homodynen kohärenten Doppler-Wind-Lidars mit Bildunterdrückung aus reinen Fasern. Atmosphäre. Mess. Technik. 8, 4145–4153 (2015).

Artikel Google Scholar

Kameyama, S., Ando, ​​T., Asaka, K., Hirano, Y. & Wadaka, S. Kompaktes, gepulstes, kohärentes Doppler-Lidar-System mit allen Fasern zur Windmessung. Appl. Opt. 46, 1953–1962 (2007).

Artikel ADS CAS PubMed Google Scholar

Liu, B., Li, X., Zhang, Y., Xin, APL Photon. 2, 056104 (2017).

Artikel ADS Google Scholar

Bai, Y. et al. Heterodyn-Doppler-Geschwindigkeitsmessung von sich bewegenden Zielen mittels modengekoppeltem Pulslaser. Opt. Express 20, 764–768 (2012).

Artikel ADS PubMed Google Scholar

Kameyama, S., Ando, ​​T., Asaka, K., Hirano, Y. & Member, S. Leistung von Geschwindigkeitsschätzern auf Basis einer diskreten Fourier-Transformation für ein winderfassendes kohärentes Doppler-Lidar-System im Kolmogorov-Turbulenzregime. IEEE Trans. Geosci. Remote Sens. 47, 3560–3569 (2009).

Artikel ADS Google Scholar

Sun, D., Zhong, Z., Zhou, J., Hu, H. & Kobayashi, T. Genauigkeitsanalyse des Fabry-Perot-Etalon-basierten Doppler-Wind-Lidars. Opt. Rev. 12, 409–414 (2005).

Artikel Google Scholar

Loranger, S., Tehranchi, A., Winful, H. & Kashyap, R. Realisierung und Optimierung von phasenverschobenen Faser-Bragg-Gitter-Raman-Lasern mit verteilter Rückkopplung. Optica 5, 295–302 (2018).

Artikel ADS CAS Google Scholar

Zou, Q. et al. Rückkopplungsresistente p-Typ-dotierte InAs/InP-Quantum-Dash-Laser mit verteilter Rückkopplung für isolatorfreie 10-Gbit/s-Übertragung bei 1,55 μm. Appl. Physik. Lette. 97, 231115 (2010).

Artikel ADS Google Scholar

Shiina, T. Doppler-Lidar mit niedriger Kohärenz und Hochleistungs-DFB-LD. In der 19. Coherent Laser Radar Conference, CLRC 2018 (2018).

Referenzen herunterladen

Diese Arbeit wird von JST SPRRING, Fördernummer JPMJSP2109, unterstützt.

Graduate School of Science and Engineering, Universität Chiba, Chiba-Shi, Chiba, 263-8522, Japan

Kosuke Okubo, Nofel Lagrosas und Tatsuo Shiina

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

KO: Konzeptualisierung, Schreiben – Originalentwurf, Methodik, Datenkuratierung, Analyse. NL: Kuratierung, Überprüfung und Bearbeitung von Daten. TS: Konzeptualisierung, Methodik, Überprüfung und Bearbeitung, Ressourcen, Betreuung.

Korrespondenz mit Kosuke Okubo.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Okubo, K., Lagrosas, N. & Shiina, T. Staubströmungsanalyse durch Doppler-Lidar mit niedriger Kohärenz. Sci Rep 13, 4086 (2023). https://doi.org/10.1038/s41598-023-30346-z

Zitat herunterladen

Eingegangen: 09. Dezember 2022

Angenommen: 21. Februar 2023

Veröffentlicht: 11. März 2023

DOI: https://doi.org/10.1038/s41598-023-30346-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.