OpenMP并行計(jì)算在側(cè)向散射激光雷達(dá)數(shù)據(jù)處理中的應(yīng)用?

劉俊見(jiàn) 陶宗明

（1.陸軍軍官學(xué)院研究生管理大隊(duì) 合肥 230031）（2.陸軍軍官學(xué)院基礎(chǔ)部 合肥 230031）

1 引言

大氣氣溶膠是指液體或固體微粒散布在大氣中形成的相對(duì)穩(wěn)定的懸浮體系，對(duì)人體健康環(huán)境和全球氣候都有一定的影響［1］，是當(dāng)前大氣科學(xué)領(lǐng)域中的熱點(diǎn)問(wèn)題之一。在大氣環(huán)境監(jiān)測(cè)領(lǐng)域，準(zhǔn)確了解氣溶膠隨時(shí)空的分布規(guī)律具有十分重要的意義。

激光雷達(dá)以它精細(xì)的時(shí)間、空間和光譜分辨率、大的垂直跨度和高的探測(cè)精度很快便成為探測(cè)大氣氣溶膠空間分布的有力工具，被廣泛應(yīng)用于環(huán)境與大氣監(jiān)測(cè)等領(lǐng)域［2～6］?；贑CD的側(cè)向散射激光雷達(dá)是正在研究中的新技術(shù)，它將發(fā)射裝置與接收裝置分兩處放置，解決了傳統(tǒng)后向散射激光雷達(dá)中的過(guò)渡區(qū)和盲區(qū)問(wèn)題，而且由于使用了側(cè)向技術(shù)，其在近距離段具有極高的空間分辨率［7～10］。

為了讓側(cè)向散射激光雷達(dá)在白天也能工作，克服白天背景光過(guò)強(qiáng)的有效方法是減小曝光時(shí)間和多次曝光求信號(hào)的平均值。我們所用CCD的圖片的像素是3352*2532，大小約為16M，多次曝光（如300次）提取信號(hào)的平均值需要占用較多的計(jì)算時(shí)間，這對(duì)數(shù)據(jù)的實(shí)時(shí)處理造成一定的困難。

隨著多核處理器架構(gòu)被業(yè)界廣泛采用，通過(guò)并行計(jì)算縮短執(zhí)行時(shí)間已成為高性能計(jì)算領(lǐng)域使用最廣的方法［11］。OpenMP（Open Multi-Processing）是一種典型的共享內(nèi)存平臺(tái)下的編程API，支持跨平臺(tái)共享內(nèi)存方式的多線程并發(fā)，其通過(guò)提供對(duì)并行算法的高層抽象描述，降低了并行編程的復(fù)雜性和難度［12］。

本文通過(guò)分析側(cè)向散射激光雷達(dá)數(shù)據(jù)處理流程的特點(diǎn)，找出迫切需要采用并行計(jì)算提高效率的關(guān)鍵任務(wù)?；贠penMP標(biāo)準(zhǔn)，設(shè)計(jì)并行優(yōu)化方案，實(shí)現(xiàn)側(cè)向散射激光雷達(dá)數(shù)據(jù)處理計(jì)算并行化，通過(guò)實(shí)驗(yàn)分析并檢驗(yàn)其并行效果，以期有效挖掘不同計(jì)算設(shè)備的潛能，為采用并行計(jì)算技術(shù)處理側(cè)向散射激光雷達(dá)數(shù)據(jù)提供一種高效、經(jīng)濟(jì)的實(shí)施方案。

2 側(cè)向散射激光雷達(dá)數(shù)據(jù)處理中的關(guān)鍵計(jì)算任務(wù)分析

激光雷達(dá)大氣探測(cè)的監(jiān)控周期一般為10分鐘，即每間隔10分鐘采集一組數(shù)據(jù)。對(duì)于基于CCD的側(cè)向散射激光雷達(dá)，由于采集的圖像數(shù)據(jù)占用存儲(chǔ)空間龐大，以一張CCD圖像16M、每組300對(duì)圖像（每對(duì)為兩張圖片，用于減少背景光、干擾光）為例，白天一小時(shí)就要采集3600張（6*300*2），需要占用接近60G的硬盤空間，因此需要在一個(gè)周期內(nèi)完成該組數(shù)據(jù)的采集、處理、保存并刪除初始CCD圖像數(shù)據(jù)，這對(duì)數(shù)據(jù)處理的效率提出了很高的要求。從側(cè)向散射激光雷達(dá)數(shù)據(jù)處理的需求出發(fā)，計(jì)算主要集中在以下幾個(gè)方面，包括信號(hào)提取、配準(zhǔn)、反演、可視化顯示等運(yùn)算。

基于上述的側(cè)向散射激光雷達(dá)數(shù)據(jù)處理中的幾個(gè)關(guān)鍵任務(wù)，下面對(duì)它們的并行需求作一個(gè)簡(jiǎn)要分析。在進(jìn)行反演計(jì)算時(shí)，一般采取分像元處理的策略，由于各位置（或光束方向上各像元）之間的計(jì)算是沒(méi)有依賴關(guān)系的，因此，在多核環(huán)境下，可以同時(shí)啟動(dòng)多個(gè)進(jìn)程，每個(gè)進(jìn)程分別完成對(duì)應(yīng)某部分像元的反演計(jì)算，既能充分利用設(shè)備的系統(tǒng)資源，又避免了設(shè)計(jì)對(duì)應(yīng)的并行算法；可視化的主要目的是為了方便研究人員對(duì)原始數(shù)據(jù)做出正確解釋，相對(duì)于其他的處理任務(wù)，其處理時(shí)間靈活，甚至可以在一天的觀測(cè)任務(wù)結(jié)束后再繪制當(dāng)天的氣溶膠后向散射系數(shù)時(shí)空分布圖；配準(zhǔn)的計(jì)算量相對(duì)較少，主要是循環(huán)及方差計(jì)算，直接在已有的串行代碼基礎(chǔ)上嵌入指令語(yǔ)句將其并行化就可以取得較好的加速效果。因而信號(hào)提取是側(cè)向散射激光雷達(dá)數(shù)據(jù)處理中迫切需要設(shè)計(jì)對(duì)應(yīng)并行算法的關(guān)鍵。

針對(duì)夜間圖像，信號(hào)提取主要指在減少背景光、干擾光的基礎(chǔ)上，通過(guò)高斯擬合去噪并提取對(duì)應(yīng)角寬度內(nèi)的散射光子數(shù)。減少背景光、干擾光主要通過(guò)連續(xù)拍攝曝光時(shí)間相同的兩張CCD相片［13］，如圖1所示，（a）是包含所有光的CCD相片，（b）是缺少激光散射光束的CCD相片，將兩次拍攝的CCD對(duì)應(yīng)像元信號(hào)相減，獲得的結(jié)果如（c）所示，這就減少了背景光和干擾光的影響；提取散射光子數(shù)主要通過(guò)高斯擬合逐一計(jì)算沿光束方向的每個(gè)像元對(duì)應(yīng)的信號(hào)光子數(shù)與噪聲光子數(shù)，從而得到光子數(shù)與位置（或光束方向上像元）的一一對(duì)應(yīng)關(guān)系。

圖1 減少背景光、干擾光

信號(hào)提取的難度主要在白天圖像的處理上，相對(duì)于夜間，白天作為主要背景光的日光太強(qiáng)，曝光時(shí)間過(guò)長(zhǎng)會(huì)導(dǎo)致圖像過(guò)曝，因此需采取減少單張圖像曝光時(shí)間、多張圖像疊加的方式來(lái)獲取CCD圖像數(shù)據(jù)。為了減少局部誤差、獲得較高的信噪比，白天每次最少需要采集300對(duì)～500對(duì)的CCD圖像數(shù)據(jù)，每對(duì)圖像都需要減少背景光、干擾光，去噪并提取散射光子數(shù)，隨后將提取的散射光子數(shù)逐對(duì)逐像元進(jìn)行疊加求和，得到最終的結(jié)果。同時(shí)為了應(yīng)對(duì)系統(tǒng)崩潰、采集與處理不同步等意外情況，數(shù)據(jù)處理算法必須要有快速處理之前積壓的多組數(shù)據(jù)的能力，要能高效率地從上千張CCD圖像中提取出每個(gè)時(shí)段的信號(hào)，這對(duì)數(shù)據(jù)處理的效率提出了更高的要求。

3 動(dòng)態(tài)設(shè)置并行循環(huán)的線程數(shù)量

在側(cè)向散射激光雷達(dá)數(shù)據(jù)處理的實(shí)際情況中，由于不同情況下對(duì)數(shù)據(jù)精度及成本的雙重考慮，數(shù)據(jù)處理程序?qū)⑦\(yùn)行在不同的設(shè)備環(huán)境里，這些設(shè)備可能是雙核、4核甚至更多，同時(shí)由于超線程技術(shù)的應(yīng)用，某些型號(hào)的CPU可以同時(shí)執(zhí)行多重線程。同時(shí)對(duì)于不同的數(shù)據(jù)處理任務(wù)，由于需要處理的數(shù)據(jù)量及循環(huán)次數(shù)不同，執(zhí)行該任務(wù)時(shí)需要的線程數(shù)也不同。因此需要根據(jù)設(shè)備性能的不同來(lái)自動(dòng)設(shè)置合適的線程數(shù)量，以滿足不同情況下的需求，使數(shù)據(jù)處理程序具有較強(qiáng)的可擴(kuò)展性，當(dāng)運(yùn)算量發(fā)生變化時(shí)，仍能通過(guò)自動(dòng)設(shè)置使線程數(shù)量滿足要求。

通常認(rèn)為，在具體計(jì)算需要使用多少線程時(shí)，主要需要考慮以下兩點(diǎn)［14］：

1）當(dāng)循環(huán)次數(shù)比較少時(shí)，如果分成過(guò)多數(shù)量的線程來(lái)執(zhí)行，可能會(huì)使得總運(yùn)行時(shí)間高于較少線程或一個(gè)線程執(zhí)行的情況，并且會(huì)增加能耗。

2）如果設(shè)置的線程數(shù)量遠(yuǎn)大于CPU核數(shù)的話，那么存在著大量的任務(wù)切換和調(diào)度等開銷，也會(huì)降低整體效率。

由于不同數(shù)據(jù)處理任務(wù)的循環(huán)次數(shù)差距很大，夜間進(jìn)行信號(hào)提取時(shí)，每組數(shù)據(jù)為300～500對(duì)CCD圖片，那么對(duì)每組圖片進(jìn)行信號(hào)提取需要進(jìn)行300～500次循環(huán)；而進(jìn)行配準(zhǔn)計(jì)算時(shí)的循環(huán)次數(shù)只有10～30次，那么如何根據(jù)循環(huán)的次數(shù)和CPU線程數(shù)來(lái)動(dòng)態(tài)地設(shè)置線程的數(shù)量呢？通過(guò)分析側(cè)向散射激光雷達(dá)數(shù)據(jù)處理任務(wù)的特點(diǎn)，確定了動(dòng)態(tài)設(shè)置線程數(shù)的需求如下：

1）多個(gè)線程運(yùn)行時(shí)，由于現(xiàn)有CPU線程數(shù)一般不超過(guò)16，因此每個(gè)線程運(yùn)行的循環(huán)次數(shù)應(yīng)不低于總循環(huán)次數(shù)的十六分之一，同時(shí)不少于4次。

2）總的運(yùn)行線程數(shù)不超過(guò)CPU總線程數(shù)，以避免任務(wù)切換開銷。

基于上文確定的需求，動(dòng)態(tài)設(shè)置線程數(shù)的程序流程圖如圖3所示。其中Num為CPU總線程數(shù)，Run_num為設(shè)置的執(zhí)行線程數(shù)。

圖2 動(dòng)態(tài)設(shè)置線程數(shù)程序流程圖

實(shí)際編程中，將其編為一個(gè)獨(dú)立的功能函數(shù)，其返回值即是針對(duì)此次循環(huán)應(yīng)設(shè)置的線程數(shù)，每次并行化循環(huán)開始前調(diào)用該函數(shù)來(lái)獲取合適的線程數(shù)量，并使用num_threads子句設(shè)置線程數(shù)。

4 并行方案及并行方法

并行算法設(shè)計(jì)常見(jiàn)的模式有數(shù)據(jù)分解模式、分治模式、流水線模式、任務(wù)并行模式、任務(wù)圖調(diào)度模式、動(dòng)態(tài)任務(wù)調(diào)度模式等，針對(duì)夜間信號(hào)提取這一關(guān)鍵任務(wù)，從其數(shù)據(jù)處理流程特點(diǎn)與需求出發(fā)，選取了兩種最適合的模式分別進(jìn)行了并行算法的設(shè)計(jì)。

該任務(wù)的串行算法A可以簡(jiǎn)化為三層循環(huán)，如下所示，內(nèi)層循環(huán)完成一對(duì)CCD圖像沿光束方向上各像元信號(hào)的提取，output即為提取出的序號(hào)為j的像元的散射光子數(shù)；第二層循環(huán)完成數(shù)量為amount的一組CCD圖像的信號(hào)提取，每對(duì)圖像提取出的散射光子數(shù)進(jìn)行累加求和并存儲(chǔ)在數(shù)組a（j）中；外層循環(huán)是針對(duì)因?yàn)橐馔舛逊e的多組數(shù)據(jù)，find函數(shù)采用遞歸策略掃描文件夾內(nèi)所有的CCD圖像路徑，返回值find（）為圖像對(duì)數(shù)。

4.1 方法一

數(shù)據(jù)分解模式即是將數(shù)據(jù)分解為N個(gè)獨(dú)立的數(shù)據(jù)子塊，每個(gè)線程處理其中的一個(gè)或多個(gè)數(shù)據(jù)塊。由于每對(duì)CCD圖像之間都是相互獨(dú)立的，符合數(shù)據(jù)分解模式的要求，因此選擇其作為第一種方法完成并行算法的設(shè)計(jì)，此方法記為算法B。

由于算法A為三層循環(huán)結(jié)構(gòu)，且最外層循環(huán)次數(shù)一般較少，若對(duì)外層循環(huán)并行化，實(shí)際創(chuàng)建的線程數(shù)很可能小于CPU的總線程數(shù)，不能很好地發(fā)揮CPU性能，會(huì)大大降低并行算法的效率；同時(shí)很難通過(guò)對(duì)外層循環(huán)進(jìn)行調(diào)度使內(nèi)層循環(huán)達(dá)到負(fù)載均衡。針對(duì)上述問(wèn)題，本文在進(jìn)行并行算法設(shè)計(jì)時(shí)，首先將外層循環(huán)和第二層循環(huán)進(jìn)行合并，合并后的兩層循環(huán)結(jié)構(gòu)如下所示。

其中number為采集完成的圖像組數(shù)，計(jì)算流程如圖3所示，隨后在內(nèi)層循環(huán)通過(guò)判斷圖像名的標(biāo)志位，將提取出的散射光子數(shù)按組別分別累加。

圖3 計(jì)算圖像組數(shù)流程圖

針對(duì)合并后的兩層循環(huán)，若對(duì)內(nèi)層循環(huán)進(jìn)行并行化，就必須要解決a（j）等數(shù)組的同時(shí)操作問(wèn)題。內(nèi)層循環(huán)中，每個(gè)線程完成信號(hào)提取后，都需要和a（j）累加，因此每個(gè)線程都要對(duì)a（j）進(jìn)行讀寫操作。對(duì)這類問(wèn)題，OpenMP提供了臨界區(qū)、數(shù)據(jù)規(guī)約等方式來(lái)進(jìn)行線程之間的同步，但是不論哪種方法都會(huì)在一定程度上增加系統(tǒng)開銷。本文選擇只對(duì)外層循環(huán)進(jìn)行并行化，避開內(nèi)層循環(huán)的鎖競(jìng)爭(zhēng)，經(jīng)過(guò)比較，該方法的加速性能與采用數(shù)據(jù)規(guī)約基本一致，并優(yōu)于采用臨界區(qū)的方法。

雖然需要處理的圖像對(duì)數(shù)M難以被線程數(shù)N整除，CCD圖像數(shù)據(jù)無(wú)法被劃分為計(jì)算量相同的N個(gè)數(shù)據(jù)子塊，即不使用size參數(shù)時(shí)不同線程實(shí)際分配的迭代次數(shù)會(huì)相差1，但相對(duì)于每個(gè)線程分配的任務(wù)總量而言，某一個(gè)或某幾個(gè)線程多處理一對(duì)圖像幾乎不會(huì)對(duì)總體加速性能產(chǎn)生影響，因此本文采用靜態(tài)調(diào)度方法實(shí)現(xiàn)并行算法的負(fù)載均衡，關(guān)鍵代碼如下。

4.2 方法二

由于信號(hào)提取首先需要從硬盤中讀取大量的數(shù)據(jù)，很大程度上存在著IO瓶頸，本文選擇流水線模式作為第二種方法對(duì)并行算法進(jìn)行優(yōu)化，此算法記為算法C。流水線模式借鑒工業(yè)生產(chǎn)中的流水線思想，將一個(gè)數(shù)據(jù)處理流程分解為幾個(gè)步驟，每個(gè)步驟采用一個(gè)或多個(gè)線程來(lái)進(jìn)行處理，在處理具有IO瓶頸的數(shù)據(jù)處理流程有較大優(yōu)勢(shì)。

針對(duì)信號(hào)提取這一流程，我們可以將其分解為如圖4所示的三個(gè)步驟。

圖4 對(duì)信號(hào)提取過(guò)程進(jìn)行流水線分解

串行算法采用一個(gè)線程依次執(zhí)行上述的三個(gè)步驟；而采用流水線模式進(jìn)行并行實(shí)現(xiàn)時(shí)，分別使用一個(gè)或多個(gè)線程來(lái)讀取CCD圖像數(shù)據(jù)，減少背景光、干擾光，以及提取散射光子數(shù)。這樣就使得三個(gè)步驟的處理并行進(jìn)行，提高了處理效率，如圖5所示。在并行實(shí)現(xiàn)的過(guò)程中，當(dāng)讀取數(shù)據(jù)線程獲取了一部分CCD圖像數(shù)據(jù)后，后續(xù)的線程就可以開始進(jìn)行數(shù)據(jù)處理了。

圖5 對(duì)信號(hào)提取過(guò)程進(jìn)行并行處理

但是從上述的分析中也可以看出，運(yùn)用流水線模式對(duì)信號(hào)提取過(guò)程進(jìn)行并行實(shí)現(xiàn)時(shí)，數(shù)據(jù)從上一個(gè)步驟傳遞到下一個(gè)步驟時(shí)，這兩個(gè)步驟是并行執(zhí)行的，因而存在數(shù)據(jù)競(jìng)爭(zhēng)，需要使用同步操作對(duì)數(shù)據(jù)進(jìn)行保護(hù)，針對(duì)此問(wèn)題，本文主要采用臨界區(qū)的方法來(lái)實(shí)現(xiàn)同步操作。

并行實(shí)現(xiàn)時(shí)，為避免線程資源的浪費(fèi)以及非線性讀取對(duì)讀入速度的影響，筆者首先指定了一個(gè)線程來(lái)讀取數(shù)據(jù)。在實(shí)現(xiàn)后續(xù)兩個(gè)步驟的并行化時(shí)，筆者發(fā)現(xiàn)很難將這兩個(gè)步驟分開實(shí)現(xiàn)并行化，主要問(wèn)題在于以下兩點(diǎn)：

1）程序設(shè)計(jì)時(shí)被要求能在不同性能的設(shè)備上高效運(yùn)行，不同設(shè)備可供使用的線程資源差距明顯，很難對(duì)其進(jìn)行線程分配。

2）上文中提到了數(shù)據(jù)保護(hù)的問(wèn)題，并行時(shí)每增加一個(gè)步驟，實(shí)際上也增加了用于數(shù)據(jù)同步的系統(tǒng)開銷。

在進(jìn)行了多次試驗(yàn)后，筆者決定將后續(xù)兩個(gè)步驟合并，共用數(shù)據(jù)處理線程來(lái)進(jìn)行并行化，結(jié)果顯示其加速性能要優(yōu)于分開并行化的方案。實(shí)際上，方法二主要是在方法一的基礎(chǔ)上對(duì)數(shù)據(jù)讀取進(jìn)行了一定的優(yōu)化，數(shù)據(jù)處理部分的并行化與方法一相同。

5 并行測(cè)試及結(jié)果分析

按照第4節(jié)中的兩種算法，對(duì)針對(duì)夜間信號(hào)提取這一關(guān)鍵與難點(diǎn)進(jìn)行并行化，并運(yùn)用型號(hào)為AlienwareM14xR1的筆記本電腦進(jìn)行測(cè)試，其CPU為主頻2.20G的i7-2670QM，內(nèi)存16G，操作系統(tǒng)為Windows7，編程環(huán)境為VS2015。從300對(duì)CCD圖像中提取散射光子數(shù)，算法B和算法C的總運(yùn)行時(shí)間見(jiàn)如圖6所示，其中由于算法C無(wú)法單線程執(zhí)行，其線程數(shù)為1時(shí)直接執(zhí)行算法A（即串行算法）。

圖6 算法B和算法C運(yùn)行時(shí)間比較

圖6的橫軸為采用的線程數(shù)，分別從1到8；縱軸為多線程模式下的該流程運(yùn)行時(shí)間?？梢钥闯?，采用線程數(shù)較少時(shí)，算法B運(yùn)行時(shí)間要比算法C少，而隨著線程數(shù)增加算法C與算法B運(yùn)行時(shí)間差距逐漸縮小，線程數(shù)為4時(shí)，兩種算法的運(yùn)行時(shí)間基本相同，當(dāng)線程數(shù)大于4后，算法C的運(yùn)行時(shí)間開始少于算法B。

為了更好地對(duì)兩種并行算法結(jié)果進(jìn)行分析，我們引入了并行加速比和并行效率對(duì)并行算法的性能進(jìn)行評(píng)價(jià)，其定義如下［15］：

其中，p指使用的線程數(shù)；T1為串行算法運(yùn)行時(shí)間，Tp為p個(gè)線程并行執(zhí)行的時(shí)間，Sp即為并行加速比，Ep為并行效率。因此，Sp的理論值為p，而Ep的理論值為1，這里給出兩種算法的并行加速比和并行效率，如圖7。圖7（a）是加速比，虛線是其理論值p。隨著采用的線程數(shù)增多，導(dǎo)致系統(tǒng)開銷增大，兩種算法的加速比逐漸都遠(yuǎn)離理論值，但很明顯隨著線程數(shù)增加，算法C開始逐漸優(yōu)于算法B。如圖7（b）所示，并行效率的變化趨勢(shì)也是如此。當(dāng)線程數(shù)為8時(shí)，算法B的并行效率約為0.49，相當(dāng)于計(jì)算速度提高到串行算法的4倍；算法C的并行效率約為0.6，相當(dāng)于計(jì)算速度提高到串行算法的5倍。

圖7 兩種算法的并行加速比和并行效率比較

算法C由于數(shù)據(jù)讀取單獨(dú)占用一個(gè)線程，以及臨界區(qū)導(dǎo)致的系統(tǒng)開銷，使其在線程數(shù)較少時(shí)的加速性能并不理想，但是隨著線程數(shù)增加，算法B的加速性能受限于IO瓶頸，算法C的優(yōu)勢(shì)也隨之體現(xiàn)出來(lái)，當(dāng)線程數(shù)大于6以后，再增加線程數(shù)，算法B加速性能的提升微乎其微，而算法C的加速性能仍能獲得一個(gè)相當(dāng)可觀的提升。因而在實(shí)際應(yīng)用中，可以將兩種算法結(jié)合起來(lái)，無(wú)論采用多少線程，都可以獲得一個(gè)相對(duì)可觀的并行效率。

6 結(jié)語(yǔ)

本文對(duì)基于CCD的側(cè)向散射激光雷達(dá)數(shù)據(jù)處理中的并行計(jì)算問(wèn)題進(jìn)行了研究。針對(duì)并行計(jì)算的重點(diǎn)與難點(diǎn)，設(shè)計(jì)了兩種并行算法，并采用OpenMP對(duì)其進(jìn)行并行化，闡述了并行化過(guò)程的技術(shù)難點(diǎn)，并對(duì)并行結(jié)果進(jìn)行數(shù)值測(cè)試與分析。分析結(jié)果表明，文中提出的兩種并行算法合理可行，結(jié)合起來(lái)后能充分利用不同性能的設(shè)備，提高側(cè)向激光雷達(dá)數(shù)據(jù)處理的運(yùn)算速度，為激光雷達(dá)大氣探測(cè)提供了計(jì)算性能的保障。同時(shí)，側(cè)向激光雷達(dá)數(shù)據(jù)處理速度某種程度上仍受限于IO瓶頸，在后續(xù)的研究中，筆者將利用聚合IO技術(shù)或其他并行IO技術(shù)對(duì)數(shù)據(jù)處理性能進(jìn)行進(jìn)一步的提升，為進(jìn)一步利用基于CCD的側(cè)向散射激光雷達(dá)探測(cè)大氣氣溶膠奠定基礎(chǔ)。