← 返回笔记目录 · 油温检测论文
文献：Rahm M. 等，瑞典国防研究研究院 FOI，Laser attenuation in falling snow correlated with measurements of snow particle size distribution，Optical Engineering 60(9), 094102 (2021)，15 页
讲解定位："实测信号 vs 颗粒散射理论"对照实验的范本——你的 PD3 前向散射通道建模（油滴粒径 → 散射信号）可借鉴其方法论骨架
用 1.56 μm 三维成像激光雷达测量落雪中的激光透射率，同时用激光雨滴谱仪（disdrometer）实测雪花的粒径分布（PSD），然后把实测 PSD 代入 Mie 散射理论计算透射率，对比发现：计入前向散射贡献的计算比纯 Beer-Lambert 消光模型更符合实验，且两者都远好于只用降水强度的经验幂律拟合。
$$\eta_{atm,BL}(L) = e^{-\beta_{ext} L}$$
所有与粒子相互作用过的光（吸收 + 任意角度散射）都算"损失"。
小角度前向散射的光仍然可能进入探测器视场（或打到目标上）——它没有真正"丢"：
$$\eta_{atm,FS}(L) = e^{-\beta_{ext}L} + \int_0^L e^{-\beta_{ext}x} \int_{\Omega_d(x)} \beta_{sca}(\theta)\, d\Omega\, dx$$
第二项 = 光路上每个位置、在探测器所张立体角 Ω_d 内的单次前向散射贡献。粒子越粗、探测器孔径/目标越大，前向散射贡献越显著。
把雪花近似为球形（随机取向的一阶近似），用粒径依赖的消光截面 σ_ext(r) 和微分散射截面 σ_sca(θ,r) 对实测 PSD 加权积分：
$$\beta_{ext} = \int_0^\infty \sigma_{ext}(r)\, n(r)\, dr$$
1. R² 对比：前向散射法 > Beer-Lambert 法 ≫ 降水强度幂律拟合。最湿一点（2.44 mm/h）前向散射法也开始低估（多重散射开始起作用，衰减长度 β_ext·L > 1）；
2. 非单调现象的解释——最精彩的部分：同样 0.04 mm/h 降水强度下，三个数据点信号差 3 倍。用 PSD 一看便知：大粒子（≥0.6 mm）数量多的样本透射更低——大粒子的散射截面远大于小粒子。只用"降水强度"这一个标量根本无法解释，必须用完整 PSD；
3. 出射（目标大）与入射（探测器孔径小）方向的透射率不对称：目标张角大，更多前向散射光能到达目标 → 出射透射率更高。
1. "实验装置 → 理论推导 → 实验 vs 理论对照 → 偏差归因"四段式：理论不是摆设，而是拿来和实验定量对 R² 的；
2. 多仪器协同、粒径分档的表征思路：不满足于一个综合指标（降水强度/能见度），而是测出完整分布；
3. 偏差讨论有假设、有判据：对最高降水率点的偏差提出"空间不均匀降水"和"多重散射"两个假设，并用衰减长度 β_ext·L ≈ 1 的判据支持后者——这是 Discussion 章节的教科书式写法。
物理同构性：你的样品池 = "油滴 + 颗粒分散在水中的散射介质"，PD1 透射 = 透射率测量，PD3 15° 前向散射 ≈ 本文的"前向散射贡献"。可迁移的方法：
1. 建模路线：测油滴粒径分布（你的校准样品设计已要求记录粒径）→ Mie 理论算散射相函数 → 预测 PD1/PD3 信号 → 与实测对照。这能把论文从"纯经验回归"提升到"有物理支撑的半经验模型"；
2. "粒径分布比单一浓度指标更本质"的结论可直接类比：同样油浓度、不同乳化粒径 → 散射信号完全不同 → 解释你 PD3 通道"前向散射强烈依赖油滴粒径"的校准需求；
3. 前向散射不能当损失丢掉：15° 接收角设计正是利用前向散射信息——引用本文说明小角度散射光携带粒径信息是文献共识；
4. 注意差异：本文是单次散射近似 + 长距离大气，你是流通池内密集油滴（可能接近多次散射），Discussion 里可以讨论这个适用边界。