吉林大学：研究用于农业早期火灾识别的ppb级SO2/NO2双气体传感器系统的开发和现场部署

背景介绍

大气中二氧化硫（SO2）和二氧化氮（NO2）的来源多种多样，化石燃料的燃烧是主要来源，自然火灾和农业秸秆的燃烧是重要的排放途径。作为典型的酸性气体，它们是气溶胶系统的组成部分，改变了大气边界层的热结构，加剧了气候变化，导致当地温度和降水发生变化。此外，它们还会破坏自然生态系统，并导致人类呼吸系统和心血管疾病。近年来，由于全球变暖，农田和森林中的极端火灾和野火日益频繁，对碳中和和固碳战略构成了严重威胁。在许多地区，农业生产中仍然保留着焚烧水稻、小麦、玉米和大豆等作物收割后留下的秸秆的传统做法。这种做法既有助于为下一个种植周期清理土地，也有助于补充土壤肥力。在牧区，牧民使用控制燃烧来清除茂密或死亡的植被。然而，这些做法可能会引发连锁反应，导致大火吞噬整个农业区或附近的森林。当农业火灾被发现时，它们往往已经失控，特别是在广大的平原作物种植区和草原牧区。为了保护大气环境和消除火灾隐患，许多国家和地区都颁布了禁止露天焚烧秸秆的立法。

及时发现和消除农业生产区的早期火灾已成为迫切关注的关键问题。森林和农业区的传统火灾探测方法，包括人工巡逻、热红外成像和卫星遥感，往往受到低分辨率、高成本和易受天气条件影响的阻碍。因此，部署分布式传感器网络，如使用烟雾报警器、火焰探测器、图像识别和温度传感器，已成为主流方法。然而，这些方法主要针对明显的燃烧特征，如颗粒、火焰和热羽流，通常表现在燃烧的中后期，这使得它们难以应用于早期火灾的检测。针对早期火灾标记的痕量气体传感已成为首选，从而推动了高性能光学传感器的发展。这些传感器的主要燃烧排放物是一氧化碳（CO）和二氧化碳（CO2）。鉴于大气中自然含有这些气体物种，针对单个气体的传感器系统容易出现误报和漏检。Solórzano等人开发了一种气体传感器阵列，并将其部署在室内，发现该阵列容易受到干扰，时间漂移特性降低了检测性能。Wang等人开发了一种用于早期火灾报警的多气体光声传感器，其响应时间长，环境噪声灵敏度低，不适合室外部署。Li等人开发了一种早期火灾CO/CO2检测系统，有效地识别了早期火灾的阶段。尽管如此，这些传感器的实际功效可能会受到环境中高浓度CO/CO2的影响，并且不能很好地应用于农业场地。因此，我们开发了一种针对作物残渣燃烧的痕量NO2和SO2传感器，该传感器可以更灵敏地检测十亿分之一体积（ppb）背景下的浓度变化，有助于分析燃烧的作物类型，并通过NO2和SO2的定量分析促进精确的火源定位。

本文亮点

1. 本工作展示了一种非相干宽带腔增强吸收光谱（IBBCEAS）传感系统，该系统利用366 nm紫外发光二极管，专为实时、高精度监测SO2和NO2而设计，用于早期火灾探测验证。

2. 光学谐振腔被构建在一个60毫米的笼式系统机械结构内，实现了近2公里的最大光程，长度约为460毫米。

3. 提出了一种基于改进的粒子群优化支持向量机（IPSO-SVM）算法的光谱分析和浓度反演模型。通过区分SO2/NO2的吸收光谱特征，实现了卓越的预测精度。实验结果表明，在优化的平均时间下，SO2和NO2的检测限分别为77.5 ppbv和0.037 ppbv。

图文解析

图1. （a） 使用紫外LED进行SO2/NO2双气体传感的非相干宽带腔增强吸收光谱装置的示意图。（b） 腔体机械设计轮廓和光场分布。TA-KM，三轴平移台；FA-KM，五轴运动支架；FL：调焦透镜；FP-C：法布里-珀罗腔；BPF：带通滤波器；MMF：多模光纤；OSA：光谱分析仪；PC：个人电脑；HR：高反射率镜子。

图2. （a） UV-LED的归一化发射光谱。（b） 定制带通滤波器的透射光谱。（c） 带/不带滤波器的归一化透射光谱。浅蓝色区域是滤光器的高透射区域。FWHM：半峰全宽；CWL：中心波长。

图3. 镜面反射率的校准和光路的估计。（a） 使用测量的吸光度计算镜面反射率。插图显示了当腔体填充N2和250 ppbv NO2时的腔体透射光谱。（b） 在标准温度和压力下，为空腔和填充有N2和100 ppbv NO2的腔计算的有效光学范围长度。插图显示了相同波长范围内的瑞利散射吸收截面。（c） 使用自行测量的反射率曲线校正的测量吸光度和标准吸光度。顶部：100 ppmv SO2的测量和拟合结果。底部：100 ppbv NO2的测量和拟合结果。

图4. SO2/NO2的浓度校准。（a） 在100至300 ppmv的浓度范围内测量SO2的吸光度。（b） 在100至300 ppmv的浓度范围内测量NO2的吸光度。插图显示了六个选定吸收峰的平均值与浓度之间的线性关系。蓝色背景代表镜子高反射率区域、滤光片带通区域和UV-LED发射光谱的主要重叠区域。

图5. 吸收系数适用于具有标准化吸收截面数据的SO2和NO2。（a，b）浓度校准时SO2和NO2的平均吸收系数及其拟合结果。（c，d）SO2和NO2吸收系数的三次多项式和残差。（e，f）参考SO2和NO2的高分辨率吸收截面和卷积后吸收结果。两次卷积都使用了半峰宽为0.43 nm的仪器功能。

图6. NO2/SO2双气体混合物的浓度值反转。（a，b）NO2/SO2浓度和使用LSM算法获得的拟合残差。（c，d）NO2/SO2浓度和使用PSO-SVM算法获得的拟合残差。（e，f）NO2/SO2浓度和使用IPSO-SVM算法获得的拟合残差。

图7. 反演浓度和艾伦偏差。（a） 从充满纯N2的细胞中测量的吸光度得出的倒置浓度。顶部和底部面板分别显示SO2和NO2。（b） SO2检测精度。（c） NO2检测精度。

图8. 传感器系统架构的配置和组件说明。

图9. （a） 分布图：现场部署的气体传感器和相邻的地面空气质量监测站。插图展示了一张卫星图像，描绘了传感器部署区域的精确位置。（b）大气NO2浓度变化：现场部署的传感器测量和地面监测站数据之间的比较分析。

图10. 农作物秸秆焚烧试验现场检测结果。（a） 气体预处理装置的配置。（b） 秸秆燃烧和烟气提取装置。插图提供了加热板的放大视图。（c–e）分别在枯草、麦秸和玉米叶燃烧过程中NO2/SO2的时间浓度变化。实验过程分为三个主要阶段：加热、冷却和通风。插图是浓度快速上升时的放大视图。

图11. 农作物秸秆焚烧实验流动调查结果。（a） 车辆部署传感器的照片。（b，c）移动调查轨迹和点火点分布图。（b）和（c）中的轨迹颜色分别表示NO2和SO2的浓度。（d）移动调查过程中NO2/SO2的浓度变化。

审核编辑 黄宇