02. 差分思想：快慢变分离原理与动态仿真

本章核心目标：深入阐释差分吸收光谱技术（DOAS）的灵魂构想——将全波长消光截面正交解耦为“慢变连续背景”与“快变窄带指纹”；借助音频均衡器人声分离的生动比喻建立直观物理直觉；掌握高通滤波与对数多项式除法的严格数学表达；通过内置的动态交互模拟器亲手验证在严重雾霾气溶胶干扰下差分吸收结构的极高稳定性。

---

1. DOAS 的核心灵魂：快慢变吸收截面解耦

在上一章的推导中，我们揭示了大气的致命痛点：气溶胶米氏散射、瑞利散射以及仪器的波长响应衰减幅值极大且时空随机波动，直接扼杀了传统的绝对光强吸收测量。

DOAS 之所以能够彻底摆脱这一困境，根本立足于自然界中不同物理过程在光谱频率响应（Spectral Frequency）上的巨大尺度分离。

1.1 吸收截面的正交分解

考虑任一吸光分子 $j$ 的微观全吸收截面 ${\sigma }_j(\lambda )$。在数学与物理上，我们可以将其严格分解为两个性质迥异的分量：

核心分解方程：微观吸收截面正交拆分

$${\sigma }_j(\lambda )={\sigma }_{j,0}(\lambda )+{\sigma }_j^{\prime }(\lambda )$$

• ${\sigma }_{j,0}(\lambda )$：慢变连续基底（Broadband Baseline Component）
• ${\sigma }_j^{\prime }(\lambda )$：快变差分吸收截面（Differential Absorption Cross Section）

分量 1：慢变连续基底 ${\sigma }_{j,0}(\lambda )$（Broadband Component）

• 物理成因：分子电离吸收连续谱、光解离连续带以及大量相互重叠的振转能级在宏观热运动展宽下的平滑积分背景；
• 波长特征：在典型 $20-50\text{ nm}$ 的反演窗口内，随波长极缓慢地单调上升或下降，没有剧烈的局部特征；
• 数学属性：属于典型的低频空间分量（Low Spatial Frequency）。

分量 2：快变差分指纹 ${\sigma }_j^{\prime }(\lambda )$（Differential Cross Section）

• 物理成因：分子内层/外层电子轨道跃迁并伴随特定振动、转动量子数的离散跃迁，表现为尖锐分离的量子共振吸收峰群；

• 波长特征：特征线宽极窄（常压下 FWHM 通常为 $0.1\sim 2\text{ nm}$），在狭小波长范围内呈现剧烈的正负振荡起伏；

• 核心数学性质：在选定拟合窗口 $[{\lambda }_1,{\lambda }_2]$ 内，差分分量的均值积分为零：

  $$\frac{1}{{\lambda }_2-{\lambda }_1}{\int }_{{\lambda }_1}^{{\lambda }_2}{\sigma }_j^{\prime }(\lambda )d\lambda \approx 0$$

更重要的是：不同化学分子的差分截面 ${\sigma }_j^{\prime }(\lambda )$ 呈现出极高维度的微观正交性。例如 ${\text{NO}}_2$、${\text{SO}}_2$、$\text{HCHO}$ 的快变指纹完全由各自的原子核构型与分子轨道对称性决定，彼此间互不相关，宛如人类独一无二的指纹。

---

2. 直观物理隐喻：音频均衡器的人声提取

为了真正理解“快慢变分离”的神奇魔力，我们可以将 DOAS 算法与专业音频工程进行对比：

🎵 经典比喻：音频均衡器中的低音滤波与人声分离

想象你在一个轰鸣喧嚣的地下重工业车间里录音：

• 慢变连续背景（Aerosol + Rayleigh）：相当于重低音炮发出的深沉轰鸣、50Hz 交流电嗡嗡声与风扇风噪。它的能量极其庞大，把整个录音电平撑得满满当当，但其频率极其低沉平缓；
• 快变差分指纹（Trace Gas Fingerprint）：相当于歌手在麦克风前唱出的一段清脆、高频、音调剧烈起伏的人声旋律。尽管人声音量很小（幅度仅有低音轰鸣的百分之一），但其频谱全集中在中高频跳跃区间；
• DOAS 的数学操作：如果在音频工作站（DAW）中挂载一个多段参数均衡器（Parametric EQ）或高通滤波器（High-Pass Filter），将低频轰鸣一刀切除，原本完全被掩盖的人声旋律瞬间变得纤毫毕现、纯净无瑕！

---

3. 全光强方程的差分重构与修正参考光强

将截面分解式 ${\sigma }_j(\lambda )={\sigma }_{j,0}(\lambda )+{\sigma }_j^{\prime }(\lambda )$ 代入上一章得到的大气综合消光方程中：

$$I(\lambda )=I_0(\lambda )\cdot A(\lambda )\cdot \exp [-\sum _j({\sigma }_{j,0}(\lambda )+{\sigma }_j^{\prime }(\lambda )){\text{SCD}}_j-{\tau }_R(\lambda )-{\tau }_M(\lambda )]$$

利用指数函数的代数运算法则，我们将方程中的项按照光谱变化频率的快慢进行归类拆分：

$$I(\lambda )=\underset{\text{包含所有平缓消光物理过程的慢变背景 }{I}_0^{\prime }(\lambda )}{\underbrace{I_0(\lambda )\cdot A(\lambda )\cdot \exp [-\sum _j{\sigma }_{j,0}(\lambda )\cdot {\text{SCD}}_j-{\tau }_R(\lambda )-{\tau }_M(\lambda )]}}\cdot \exp [-\sum _j{\sigma }_j^{\prime }(\lambda )\cdot {\text{SCD}}_j]$$

3.1 引入修正参考光强 $I_0^{\prime }(\lambda )$

我们定义一个全新物理量——慢变修正参考光强（Modified Reference Intensity）$I_0^{\prime }(\lambda )$：

核心概念：修正参考光强 $I_0^{\prime }(\lambda )$

$$I_0^{\prime }(\lambda )\equiv I_0(\lambda )\cdot A(\lambda )\cdot \exp [-\sum _j{\sigma }_{j,0}(\lambda )\cdot {\text{SCD}}_j-{\tau }_R(\lambda )-{\tau }_M(\lambda )]$$

审视 $I_0^{\prime }(\lambda )$ 的组成要素：

1. $I_0(\lambda )$：光源本身的黑体辐射包络（太阳约 $5778\text{ K}$ 黑体辐射谱）或氙灯平滑发光带；
2. $A(\lambda )$：光学镜头折射率色散、光栅闪耀包络、CCD 芯片量子效率响应；
3. ${\tau }_R(\lambda )$：遵从 ${\lambda }^{-4}$ 规律的平滑瑞利分子散射衰减；
4. ${\tau }_M(\lambda )$：遵从 $\beta {\lambda }^{-\alpha }$ 规律的平滑米氏气溶胶颗粒消光；
5. $\sum _j{\sigma }_{j,0}(\lambda ){\text{SCD}}_j$：目标气体本身的平缓连续吸收基底。

上述五个因素全部是随波长连续、平滑、缓慢演化的低频函数！

3.2 差分吸收定律核心公式

引入 $I_0^{\prime }(\lambda )$ 之后，实测探测器光强公式被提炼为极其纯粹的形态：

$$I(\lambda )=I_0^{\prime }(\lambda )\cdot \exp (-\sum _j{\sigma }_j^{\prime }(\lambda )\cdot {\text{SCD}}_j)$$

将两边同除以 $I_0^{\prime }(\lambda )$ 并取自然对数：

$$\ln \left(\frac{I_0^{\prime }(\lambda )}{I(\lambda )}\right)=\sum _j{\sigma }_j^{\prime }(\lambda )\cdot {\text{SCD}}_j$$

定义差分吸收光学厚度（Differential Optical Depth, DOD） ${\tau }^{\prime }(\lambda )$：

DOAS 差分吸收第一定律

$${\tau }^{\prime }(\lambda )\equiv \ln \left(\frac{I_0^{\prime }(\lambda )}{I(\lambda )}\right)=\sum _j{\sigma }_j^{\prime }(\lambda )\cdot {\text{SCD}}_j$$

• ${\tau }^{\prime }(\lambda )$：差分光学厚度，表现为高频振荡形态；
• ${\sigma }_j^{\prime }(\lambda )$：实验室测得的各气体纯差分吸收截面（已知标准指纹）；
• ${\text{SCD}}_j$：待求解的沿光程斜柱浓度。

关键物理结论：
在差分光学厚度 ${\tau }^{\prime }(\lambda )$ 中，未知的原始绝对光强 $I_0(\lambda )$、无法预知的气溶胶多重消光 ${\tau }_M(\lambda )$、瑞利散射 ${\tau }_R(\lambda )$ 以及仪器系统效率 $A(\lambda )$ 已经全部被移入 $I_0^{\prime }(\lambda )$ 中，并从差分项中彻底净化消除！

---

4. 数学滤除方法：对数多项式逼近法

在实际光谱反演中，探测器直接记录的是一条包含了所有混合效应的离散光强曲线 $I({\lambda }_i)$，计算机算法如何自动求得慢变背景 $I_0^{\prime }(\lambda )$ 呢？

4.1 对数多项式分解原理

对实测方程两边直接取对数：

$$\ln I(\lambda )=\ln I_0^{\prime }(\lambda )-\sum _j{\sigma }_j^{\prime }(\lambda )\cdot {\text{SCD}}_j$$

由于 $\ln I_0^{\prime }(\lambda )$ 是一段在波长区间 $[{\lambda }_{min},{\lambda }_{max}]$ 上无限阶可微且光滑的曲线，根据魏尔斯特拉斯逼近定理（Weierstrass Approximation Theorem），任何闭区间上的连续光滑函数均可由代数多项式一致逼近。

因此，我们可以直接将未知的连续低频背景 $\ln I_0^{\prime }(\lambda )$ 参数化为一个 $m$ 阶连续多项式 $P_m(\lambda )$：

$$\ln I_0^{\prime }(\lambda )\approx P_m(\lambda )=\sum _{k=0}^m{a}_k\cdot (\lambda -{\lambda }_0{)}^k$$

其中：

• ${\lambda }_0$ 为拟合窗口的中心波长（引入中心化是为了消除高次幂时的大数数值病态矩阵问题）；
• $m$ 通常取 $2\sim 5$ 阶（阶数不能过高，否则多项式会拟合吸收指纹的高频部分导致过拟合；阶数不能过低，否则无法完全吸收气溶胶和色散残留）；
• 系数向量 $\mathbf{a}=[a_0,a_1,\dots ,a_m{]}^T$ 作为伴随未知参数。

代入后得到 DOAS 核心拟合方程：

$$\ln I(\lambda )=\sum _{k=0}^m{a}_k\cdot (\lambda -{\lambda }_0{)}^k-\sum _j{\sigma }_j^{\prime }(\lambda )\cdot {\text{SCD}}_j$$

在矩阵运算中，多项式项与其他气体的差分吸收截面处于完全对等的线性拟合基底地位，能够在最小二乘运算中一步联合最优求解。

---

5. 动态交互实验：DOAS 差分吸收原理仿真器

为了帮助你直观建立对“快慢变分离”与“气溶胶背景免疫”的物理直觉，下方全局内嵌了实时的 DOAS 差分吸收原理仿真器。

模拟器选取了大气环境监测中最为经典的 ${\text{NO}}_2$ 反演窗口（$430-450\text{ nm}$）：

📈DOAS 差分吸收原理动态仿真器 (宽窄带分离实验)

NO₂ 痕量气体浓度 (SCD): 6.5 × 10¹⁶ molec/cm²

气溶胶消光衰减 (AOD 宽带背景): 0.4

真实接收光谱 I(λ) 宽带连续背景 I₀'(λ) (低频多项式)

💡 DOAS 核心差分数学机制:

$$\ln\left(\frac{I_0'(\lambda)}{I(\lambda)}\right) = \sum_{j} \sigma_j'(\lambda) \cdot \text{SCD}_j + \text{Residual}(\lambda)$$

通过去除缓慢变化的瑞利/米氏散射与仪器低频响应 $I_0'(\lambda)$，仅仅利用气体专属的“指纹型”高频窄带吸收结构 $\sigma_j'(\lambda)$，就能在存在大量浓雾气溶胶干扰的情况下，极其精确地反演出气体斜柱浓度 SCD = 6.5 × 10¹⁶ molec/cm²。

💡 实验探索任务建议：

1. 体验“气溶胶背景免疫”：
   • 切换至 “全景对比” 模式，将【气溶胶消光衰减 AOD】从 $0.1$ 逐步拉大到 $1.5$；
   • 观察实测光谱 $I(\lambda )$（蓝色线）整体被剧烈向下压低，总光强损失超 $60\mathrm{\%}$；
   • 此时切换至 “差分特征 (纯吸收)” 模式，观察粉红色差分吸收曲线——其振幅与峰形没有发生任何改变！这从直观上证明了 DOAS 对雾霾/沙尘具有天然的免疫性。
2. 体验“气体浓度的线性指纹响应”：
   • 保持 AOD 不变，调节【${\text{NO}}_2$ 痕量气体浓度】滑块从 $1$ 到 $15$；
   • 观察差分曲线的特征三峰结构（分别位于约 $435\text{ nm}$、$439\text{ nm}$、$445\text{ nm}$ 与 $448\text{ nm}$）严格按比例同倍放大；
   • 这种与浓度严格线性的快变振幅，正是反演算法求解斜柱浓度（SCD）的根本数学依据。

---

6. 差分光学厚度 ${\tau }^{\prime }(\lambda )$ 的物理与几何意义

6.1 弱吸收近似下的微小摄动展开

在对流层自然环境中，痕量污染气体的差分光学厚度通常远小于 1（即 ${\tau }^{\prime }(\lambda )\ll 1$，常处于 ${10}^{-4}\sim {10}^{-2}$ 量级）。

对纯指数形式进行一阶泰勒级数展开：

$$\exp (-{\tau }^{\prime }(\lambda ))=1-{\tau }^{\prime }(\lambda )+\frac{1}{2!}{({\tau }^{\prime }(\lambda ))}^2-\cdots \approx 1-{\tau }^{\prime }(\lambda )$$

将其代入 $I(\lambda )=I_0^{\prime }(\lambda )\cdot \exp (-{\tau }^{\prime }(\lambda ))$，得到：

$$I(\lambda )\approx I_0^{\prime }(\lambda )\cdot [1-{\tau }^{\prime }(\lambda )]⟹{\tau }^{\prime }(\lambda )\approx \frac{I_0^{\prime }(\lambda )-I(\lambda )}{I_0^{\prime }(\lambda )}=\frac{\mathrm{\Delta }I(\lambda )}{I_0^{\prime }(\lambda )}$$

这揭示了差分光学厚度的直观几何物理意义：

${\tau }^{\prime }(\lambda )$ 本质上就是真实接收光强相对于无特征平滑连续背景的相对分数偏差（Fractional Intensity Deviation）！

6.2 绝对光强缩放的不变性（尺度无关性）

假设由于外界偶发干扰（例如仪器前方有枯叶飘过、光学视窗受到均匀积灰污染、或者氙灯供电电流出现波动），总接收光强在各波长上被整体衰减了一个与波长无关的未知比例常数 $\kappa$（$0<\kappa <1$）：

$$I_{\text{meas}}(\lambda )=\kappa \cdot I(\lambda )$$

根据连续谱拟合机制，提取出的慢变背景也将同比例缩小：

$$I_{0,\text{meas}}^{\prime }(\lambda )=\kappa \cdot I_0^{\prime }(\lambda )$$

将其代入差分光学厚度公式：

$${\tau }_{\text{meas}}^{\prime }(\lambda )=\ln \left(\frac{I_{0,\text{meas}}^{\prime }(\lambda )}{I_{\text{meas}}(\lambda )}\right)=\ln \left(\frac{\kappa \cdot I_0^{\prime }(\lambda )}{\kappa \cdot I(\lambda )}\right)=\ln \left(\frac{I_0^{\prime }(\lambda )}{I(\lambda )}\right)={\tau }^{\prime }(\lambda )$$

标量系数 $\kappa$ 在对数比值中被分子分母完全消去！

这一优异性质赋予了 DOAS 系统极高的野外长期运行工程可靠性：仪器无需每日繁琐地标定绝对辐亮度，也无惧光学视窗污染带来的光强整体衰减。

---

7. 本章总结与下一章预告

本章通过将全吸收截面正交拆分为“慢变连续基底”与“快变窄带指纹”，严格构建了差分光学厚度 ${\tau }^{\prime }(\lambda )=\ln (I_0^{\prime }/I)$ 的数学表达，借由音频 EQ 滤波类比加深了理解，并通过 <DoasSimulator /> 仿真器验证了差分吸收对气溶胶背景的鲁棒性。

然而，在真实探测中，视线方向往往同时存在多种气体（如 ${\text{NO}}_2$、${\text{O}}_3$、${\text{H}}_2\text{O}$、${\text{O}}_4$ 等）的差分谱相互重叠，且仪器像元存在微小的波长漂移（Shift）与色散伸缩（Squeeze）。如何通过高维数值优化算法，从一条实测光谱中精确剥离出各气体的绝对斜柱浓度（SCD）并评估拟合残差？

请进入下一章：03. 数学反演：拟合方程与优化求解。