ABB无人机载温室气体监测解决方案

目录

1. ABB无人机载温室气体监测解决方案
2. LGR-ICOS的原理和优势
3. ABB无人机载解决方案的应用

无人机载温室气体监测解决方案

应对气候变化的核心是减少温室气体排放，特别是碳减排，这对于缓解气候变化具有非常重要的意义。实现温室气体减排，践行碳中和，需要建立低碳排放核算、报告、核查体系，碳监测是辅助核算体系的重要支撑。围绕碳达峰、碳中和的国家目标，生态环境、气象、国土资源等部门在系统开展温室气体监测工作。

由于温室气体排放存在较大的时空变化特征，为了进行准确的排放估算，必须揭示温室气体排放的时空规律性，这就需要时间分辨率高、监测尺度广、准确度高、能够长时间连续观测的自动监测技术和仪器。

针对当前温室气体点源、面源、区域、全球等尺度下的监测需求，ABB基于多种光学吸收原理，从太空到陆地，从固定污染源到大气环境站，从点式到线面测量，提供“天-地-空”全域、立体、多维的高灵敏、高密度监测技术与解决方案，可精准量化来自城市、工业基础设施和农业等各类温室气体的源汇贡献，为中国碳源汇数据的可测量、可报告、可核查提供高价值的基础数据和科学方法支撑。

ABB无人机载温室气体监测解决方案是全球首款搭载无人机的温室气体监测解决方案，适用于大面积区域或人类难以进入区域的温室气体流量和排放的高空测量，具有灵敏度高、灵活性高、机动性强、监测面积大等优点。机载温室气体探测是对温室气体垂直的直接测量，结果具有更高的垂直分辨率与检测精度。通过近地面机载观测不仅能够精准稳定获取空间信息，而且能够弥补野外站点观测在空间连续性、区域一致性以及观测精度上的不足，解决卫星遥感时空分辨率过低以及与地面监测校准尺度不匹配的问题，成为温室气体监测的一项重要辅助手段。

主要特点

• 测量精度高：采用ABB专利的离轴积分腔输出光谱技术，测量精度可达ppb级别（十亿分之一）；
• 重量轻：分析仪重量 <3 KG，便捷搭载于轻型无人机上，滞空时间 >30 分钟；
• 快速响应：快速响应时间能使仪器在高速飞行时进行检测，可以瞬时检测100米范围内温室气体排放情况；
• 数据处理：先进的分析算法与地图软件显示数据处理结果，专有的算法软件锁定排放源并估算排放量；
• 电子报告：软件生成电子报告，便于分析决策；
• 信息安全：ABB网络安全管理确保用户的数据与系统始终处于安全状态。

LGR-ICOS的原理和优势

测量，化繁为简。灵敏、快速和紧凑的分析仪，用于测量CH₄、CO₂和H₂O。

概述

ABB LGR-ICOS气体分析仪以Los Gatos Research分析仪的悠久历史和优良业绩为基础，采用获得专利的高轴积分腔输出光谱（OA-ICOS）技术，这是可调谐二极管激光吸收光谱（TDLAS）的最新演进技术。

ABB新的GLA133系列基于UAV的微型便携式气体分析仪，重量轻便，适合安装在中型无人机（UAV）下面，仅需不到35W的电源，可同时测量并报告甲烷、二氧化碳和水蒸气浓度。GLA133-GGA、GLA133-GPC和GLA133-CH4进一步拓展了随时随地进行温室气体测量的含义。

和所有LGR-ICOS分析仪一样，GLA133-GGA、GLA133-GPC和GLA133-CH4测量速度快且简单易用，这使其适合用于进行实地研究、合理监测、空气质量研究，以及任何需要进行灵敏的温室气体测量的地方。

特点和优点

• 重量轻便：<3kg（6.6磅）；
• 连续测量；
• 以最高10Hz的测量速度和高灵敏度报告数据；
• 适合进行大面积区域和/或难以进入区域的温室气体排放测量；
• 极宽的线性范围，CH₄测量范围上限达到1%（可选）；
• 无交叉干扰；
• 直接依靠UAV的电池运行；
• 气体流量响应时间快；
• 开机后20秒内即开始记录数据；
• 多个数据输出端和无线连接；

LGR-ICOS的技术优势

所有LGR-ICOS分析仪均以高轴积分腔输出光谱（OA-ICOS）这一独创的激光吸收技术为核心。与同类激光技术相比，这项ABB专利技术不仅具有众多优势，而且还可取代各类应用中长期采用的测量技术在工业领域产生颠覆性影响。

腔增强吸收是一种超灵敏检测方法，由LGR（如今的ABB）创始人Anthony O'Keefe在1988年以光腔衰落光谱CDRS形式首创。第一代技术虽富有创新性，但由于内部光学元件需要更细致的放大器，导致高成本、低可靠性及易受噪声和温度/压力变化影响等缺点，限制了该技术的发展。为克服这些缺点，我们的科学家潜心研制了第四代腔增强激光吸收技术OA-ICOS，并很快获得专利。该方法代表了可调谐二极管激光吸收光谱的最新进展，性能卓越，非常可靠，同时对内部组件对准及局部温度和压力变化的敏感度要低数个数量级，使得OA-ICOS非常适用于商业仪器，包括偏远和/或危险场所的苛刻应用。

性能卓越

优势：超高灵敏度。

获益：检测ppt/ppb级污染物。

功能及说明：超长光程长度(>1000 m) - 使用后反射率提升，优质光学器件和电子元件。

优势：精确/高速操作。

获益：精度高，可优化过程监测和控制。

功能及说明:采用高分辨率二级管激光吸收技术，低压力和算法，最大限量减少交叉干扰 - 采用独特技术，产生带宽或光速，可用于消除气流和其他化合物的交叉干扰影响。

优势:快速。

获益:T90 <10-30秒，支持过程控制和实时监控。

功能及说明:最佳体积-表面比，高流速和特殊涂层 - 优化体积-表面比，喷涂特殊涂层，最大限量减少对系统特性污染物的记忆效应。必要时，外部泵可增大流速，进一步优化性能。

优势:单次扫描速度快，可用于滑动相关通道的研究。

获益:超快速电子元件。

功能及说明:单次扫描频率为100~1000 Hz，即使在0.1秒之内，也可进行扫描，大幅优化信噪比SNR。为进一步改进，用户最多可选择100秒。

优势:线性动态范围宽。

获益:在常规操作和偏移事件期间准确量化测量的痕量和百分比。

功能及说明:有效光程长度随吸收而减小 - 在预设上的多次反弹器或基于干涉波、回声、晶格透射强度高于直接吸收，达到门窗和边缘的面积。ICOS探测器需长时间，即激光或位后的光子退出的时间。该系统的间隔不大于在每次反弹时离开腔体的速率，进而补偿分析物的高速射率。

拥有成本低

优势：坚固性。

获益：提高稳定性，减少停机时间（低维护）。

功能及说明：整体坚固耐用的光学设计 - 设计采用静电隔离，即使机械部件发生漂移，也可将光维持在光路内，从本质上提高了振动，极端温度和测量漂移的稳定性。除此之外，还采用了最先进的组件和高水准的工程和制造技术。

优势:维护更简单、更快捷、成本更低。

获益:拥有成本低，停机时间短（可现场维修）。

功能及说明:智能设计 - 可轻松更换长期受到污染的部件（过滤器）和正常老化部件（泵隔膜）或特殊情况下可能受到严重污染的部件（镜片），必要时，甚至可由非专业人员更换。服务工程师可现场诊断并更换其他大多数部件。

优势:易于维护。

获益:可现场对设备进行维护，CROS设备出现任何维护只能返厂维护。

优势:无需校准。

获益:无需校准，只需偶尔检定。

功能及说明:第一性原理测量技术 - 除收集高分辨率吸收光谱外，还使用几个参数（包括T*、P、衰落时间）的超精密测量值并输入内部算法，以在不使用主要参考方法的情况下应用此示例的软件。

优势:无耗材。

获益:降低与维护耗材相关的拥有成本。

功能及说明:直接测量样品，几乎无需调节 - 特殊设计，无需使用色谱柱、载气、纸箱、溶剂或洗涤器。

优势:无需点漂移。

获益:无需定期零气校准。

功能及说明:测量包括基线的光谱 - 每次均测得的基准光开始扫描，如该基准光发生偏移，则整个光谱（每次扫描）相应进行补偿。

注意

基于传统光腔衰荡光谱 (CRDS) 的分析仪需要高稳定性的温度和压力才可运行。如果控制不当，腔镜位置或激光波长的变化就会影响测量有效性。因此，一些 CRDS 公司声称其特性为高稳定性的温度和压力，而实际上，满足这些特性要求会增加成本和复杂性并降低可靠性。

基于 ABB-LGR 专利离轴 ICOS 技术的分析仪无需这种稳定性即可实现卓越性能。这使我们能够提供非常简单、坚固且易于维修的气体和同位素分析仪，几乎适用于任何地方的测量应用且无需修改，包括机载飞机，甚至无人机。

对于需要长期稳定性和最高性能的应用，我们提供增强型性能系列产品（稳定性为 0.005 开尔文和 0.0001 atm 大气压）。因此，我们可为您提供最符合需求和预算的选择。

ABB无人机载解决方案的应用

利用无人机实时检测验证近场高斯羽流反演通量量化技术

由欧洲地球科学联盟发表

无人机1和无人机2的照片，标注出进气口位于两款无人机的不同位置

近场高斯羽流反演通量量化方法可以在未来与无人机采样一起可靠地用于从相对恒定的设施规模来源（如石油和天然气开采基础设施、畜牧业和垃圾填埋场）中获得甲烷排放通量。一个令人兴奋的未来应用可能是将无人机采样纳入示踪气体释放方法，其中目标气体和示踪气体的同时测量可以利用无人机的垂直采样，避免了当前移动车辆采样无法采样放样羽流的限制。可用于精确和有效的通量量化。

无人机1与无人机2的对比

曼彻斯特大学在英国第一个压裂现场执行的控释测试结果：

• 使用了较高的泄漏速率（60 sLPM）；

• 平均风速较快 18 mph（7-8 m/s）；

• 检测到极高甲烷峰值；

• 在40米的高度持续检测到泄漏；

• 我们验证了大多数NGI通量与已知的受控排放通量具有良好的一致性。

在无人驾驶飞行器上利用温室气体分析仪测量二氧化碳、甲烷和水蒸气

在北极圈的恶劣条件下进行有效测量

美国国家航空航天局 (NASA) 传感器集成环境远程研究飞机 (SIERRA) 无人驾驶飞行器 (UAV) 中集成并搭载了一款紧凑、轻便的大气气体分析仪，用于对甲烷、二氧化碳和水蒸气进行高度准确的 1 Hz 测量。该分析仪用于测量飞行中的气体浓度，并演示了在低至 10 m 的高度和偏远地区提供测量的系统。

无人机温室气体分析仪（左）集成到SIERRA机头处（右）。该仪器尺寸大约30.5 cm×30.5 cm×28 cm.

试飞前几天拍的航拍照片，显示了简易机场、冰川和冰川径流区的位置。

(a) 测量的二氧化碳摩尔分数与实际的认证气瓶值。 该仪器准确且线性 (R2 = 0.999994)，优于 0 到 1000 ppm 的标气不确定度 (±1 ppm)。

(b) 测量的甲烷摩尔分数与实际的认证气瓶值。 该仪器在 0 至 5 ppm 范围内准确且线性 (R2 = 0.999998) 至 ±1.7 ppb (1)。

(c) 测量的水蒸气浓度与露点发生器值的关系。 该仪器准确且线性 (R2 = 0.99987)，优于 7000 至 20,000 ppm 的露点发生器精度 (0.2 ℃ )。

甲烷检测技术的单盲测试比较 — 斯坦福/EDF移动监测挑战赛

斯坦福大学和EDF美国环保协会邀请ABB的两组分析仪参与无人机测试

阿拉斯加大学费尔班克斯分校

“传感器工作得非常好。我曾经有一阵子慌了，因为在我们没有故意打开泄漏的时候甲烷浓度水平竟然开始上升。我们很快发现在附近还有另外两个非故意泄漏点，风向的变化将它们带到了我们的位置。仪器真的很敏感，我认为它们可以帮助找到并修复泄漏。”

——比尔.辛普森教授

ABB两组无人机甲烷检测的总体有效率达到90.2%。

用于测量垃圾填埋场和温室气体排放热点甲烷通量的无人机系统的开发和试验

固定翼无人机与旋翼无人机同时参与试验

这项工作代表了有关温室气体热点通量计算的挑战性问题的重要进展，并提供了对广泛的类似环境的可转移性，包括测量任何其他微量气体（或气溶胶）的通量，其中在无人机上安装仪器是可行的，因此为我们解大气环境变化开辟令人兴奋的新途径。这种新的测量解决方案可以添加到一个工具包中，以更好地验证特定来源的温室气体排放清单——这是UNFCCC COP21（巴黎）气候变化协议的一项重要新要求。

左图：固定翼无人机系统于 2015 年 3 月 5 日在站点 1 进行的CO2 浓度垂直剖面测量（参考纬度）。

右图：站点 2 的 3 次飞行同时测量 CO2 和 CH4 的散点图（以颜色编码）。拟合优度统计显示在左上角的插图中。

2014 年 11 月 27 日在站点 1 上（左图）与2015年3月5日在站点1（右图）利用固定翼 无人机飞行的 2D 通量平面空间背景的甲烷增强（CH4e）（以 ppm 为单位，根据色标）

澳大利亚苏拉特盆地煤层气工业甲烷排放量：将机载测量值与清单进行比较

全球第一项使用机载测量技术量化煤层气甲烷排放的研究

该研究有助于国际合作测量油气和其他部门的甲烷排放，以帮助公司和政府优先考虑缓解行动和政策。这是通过以下组合实现的：首先，采用并进一步发展已建立的航空测量技术来推导空间分辨的甲烷通量。其次，根据当地对甲烷排放者和数据源的了解，应用澳大利亚的UNFCCC报告工作流程，并反复合并航空调查确定的遗漏甲烷排放源，编制空间解析的甲烷排放清单。

2018 年 9 月 15 日的飞行模式，反映了电子补充材料图 SF16 中所示的拉格朗日飞行策略，用于西北风情况。浅蓝色线显示离地 150 和 300 米 处的飞行轨迹。彩色 “ 地毯 ” 由 1 公里宽的切片组成，显示沿这些 “ 切片 ” 的 CH4 排放估计值，根据公式 (2.1) 计算得出。沿每个切片以颜色编码显示的以 kg h-1 km-2 为单位的排放估计值表示沿切片的平均排放。较高的值与飞行轨迹上指示的峰值浓度一致。结果，如图 4 中的数据点或电子补充材料表 ST4 中的条目所示，是彩色子区域的总数。其他情况是 T1 和 T4、T1 和 T2 以及 T3 和T4 之间的子区域。插图显示了沿横断面 T2 和 T3 的 “ 柱体壁 ”，因为它们是由根据公式 (2.2) 计算的飞行轨迹以及文本和电子补充材料 E 中的解释定义的。轨迹连接上风像素与下风像素。蓝色像素代表 5 kg 的 CH4 质量（kg km-2 的颜色编码与 kg h-1 km-2 或与左侧的 ppb 不同），粉红色代表 15 kg 和旅行时间为 1 h，则沿轨迹的平均排放为 10 kg h-1。（在线彩色版本。）

(a) UNSW 清单中 CH₄ 排放到大气的主要来源（电子补充材料，表 ST1）。

(b) Surat Basin CSG 领域 TD 域的四种 CH₄ 排放估算的比较（注：对于 Scarpelli 2016 的估算，只有 CSG 和煤的估算）。TD 在本文中进行了估算，这种比较将这些排放量外推至年水平（kg yr-1）。有关多年来活动变化与 EF 与活动数据对排放差异的贡献，请参见文本。（在线彩色版本）