激光光谱技术在油气上游领域的应用研究进展

Research progress on the application of laser spectroscopy technology in the upstream oil and gas sector

摘要

随着全球能源需求的持续攀升，油气上游领域正加速向深层、非常规及复杂地质条件区域拓展，这对检测技术的精准性、实时性与智能化水平提出了严苛要求。激光光谱技术依托其高灵敏度、高分辨率、快速检测及原位分析的独特优势，有效突破传统勘探技术瓶颈，在油气上游领域实现了从基础研究到现场规模化应用的阶段性发展。本文系统综述了其核心技术体系的基本原理，重点聚焦近十年（2015―2025年）的研究进展。具体而言，综述内容涵盖拉曼光谱、激光诱导击穿光谱、可调谐二极管激光吸收光谱等多种激光光谱技术的基本原理，重点剖析了该技术在油气上游领域开发过程中气体成分检测、岩性识别与储层评价、非常规油气上游领域及油气泄漏监测等重要场景的研究进展与典型应用案例；深入探讨了当前技术在复杂地质环境适应性、检测系统性能、工程化成本及多技术融合等方面面临的瓶颈；最后展望了未来结合人工智能、物联网、无人机遥感等技术的发展方向，为激光光谱技术在油气上游领域的创新升级与规模化应用提供理论参考与实践支撑。

Abstract

With the steady increase in global energy demand， the upstream oil and gas industry is accelerating exploration and development in deep/ultra-deep and unconventional reservoirs with complex geological conditions， imposing stringent requirements for real-time， accurate， and in-situ detection technologies. Traditional detection methods， such as mud gas chromatography and cuttings logging， suffer from notable limitations， including long analysis cycles and low identification accuracy， which are increasingly insufficient to meet current exploration needs.Laser spectroscopy， recognized for its high sensitivity， fast response， strong anti-interference capability， and in-situ analytical capacity， has emerged as a key technology to overcome these technical bottlenecks， progressing from fundamental research to field-scale application in the upstream sector. This paper systematically reviews the advances of laser spectroscopy in the upstream oil and gas industry over the past decade （2015―2025）. It elaborates on the fundamental principles and application characteristics of seven mainstream laser-based techniques， including Raman spectroscopy， Laser-induced Breakdown Spectroscopy， Tunable Diode Laser Absorption Spectroscopy， and Laser-Induced Fluorescence. These techniques form a functionally complementary portfolio capable of detecting solid， liquid， and gas phases， and together build a comprehensive technical chain ranging from microscale reservoir characterization to real-time field detection and regional-scale remote monitoring. They are widely deployed in key scenarios such as gas composition analysis， lithology identification， reservoir evaluation， oil and gas leakage monitoring， and unconventional resource exploration. A horizontal comparison of the seven spectroscopic methods is presented， considering detection adaptability， sensitivity， response speed， and field applicability， which clarifies the respective advantages and application boundaries of each technology. The paper also examines the prominent challenges currently facing laser spectroscopy： limited adaptability to harsh geological environments （e.g.， high temperature， high pressure， and vibration）， insufficient sensitivity for trace oil and gas components， high costs of core components that hinder engineering deployment， inadequate integration with conventional exploration methods and emerging information technologies， as well as intrinsic limitations arising from the physical principles of each technique. In response， this paper discusses future development directions， focusing on： the research and development of high-performance miniaturized detectors suited for extreme operating conditions； comprehensive intelligent upgrading driven by artificial intelligence and the Internet of Things； synergistic multi-technology integration and cross‑disciplinary expansion； engineering-oriented transformation and standardization； and green， low-carbon innovation aligned with the “dual-carbon” goal. Through continued breakthroughs in core components， intelligent integration， and multi-technology fusion， laser spectroscopy is expected to evolve toward greater accuracy， cost-effectiveness， and environmental sustainability. Its deeper convergence with conventional exploration methods will further promote the intelligent and high-quality development of the upstream oil and gas industry， offering a new technical pathway for the coordinated exploration of multiple energy sources amid the global energy transition.

Graphical abstract

关键词

激光光谱 / 油气上游领域 / 录井技术 / 储层评价 / 非常规油气 / 实时检测

Key words

laser spectroscopy / oil and gas upstream sector / logging technology / reservoir evaluation / unconventional oil and gas / real-time detection

油气资源的高效勘探开发，对提升能源供给保障能力具有重要意义。在常规油气资源勘探开发难度与成本不断上升的背景下，深层-超深层油气、页岩气、煤层气、致密砂岩气等非常规油气资源已成为重要接替领域。非常规油气藏普遍具有储层非均质性强、埋藏深、高温高压、多相流体共存等特点，对现场检测技术的精准性、实时性与环境适应性提出了更高要求。

传统油气上游领域检测技术在实际应用中存在明显局限，难以满足复杂储层快速、精准检测需求。其中，气相色谱录井技术^［1-2］依赖复杂气路分离与样品预处理流程，检测周期长，难以适配快速钻井条件下薄层与非常规油气的实时识别；X射线荧光光谱（X-Ray Fluorescence Spectrometry，XRF）^［3-4］在轻元素检测、微区原位分析与现场适应性方面存在不足，无法实现多尺度、多组分同步精准检测；岩屑录井技术^［5］受岩屑粒径、人为判识等因素影响，岩性与油气显示判识准确率偏低；传统荧光检测技术^［6］易受地层基质干扰，定性定量精度有限，难以实现油气组分可靠判别。上述检测技术在灵敏度、响应速度、原位检测能力等方面的不足，已成为制约复杂地质条件下油气勘探开发精准化、高效化的重要瓶颈。

激光光谱技术^［7］作为光谱分析领域的重要分支，其核心原理是基于物质分子/原子对特定波长激光的选择性吸收、非弹性散射、荧光辐射等光-物质相互作用规律，通过高精度光谱检测系统捕获并解析光谱信号的特征峰位置、强度、半高宽等关键参数，实现对目标物质的定性识别与定量分析。相较于传统检测技术，激光光谱技术具备显著的技术优势： 1） 检测灵敏度高，可实现10⁻⁶级甚至10⁻⁹级低浓度组分的精准捕获，契合油气上游领域中微量特征气体检测的需求； 2） 响应速度快，无需复杂样品预处理流程，检测周期可缩短至毫秒级，能够满足随钻录井等实时监测场景的应用要求； 3） 抗干扰能力强，基于特征光谱的特异性识别机制，可有效规避复杂地质基质中部分组分的干扰； 4） 支持原位在线监测，通过搭载小型化、便携化检测系统，可实现井下、现场等复杂环境下的原位检测，减少样品运输与处理过程中的组分损耗及污染风险。本文中油气上游领域以勘探为核心，涵盖开发、储运阶段的关键检测、监测与评价环节，为技术应用提供完整场景支撑。该技术凭借上述优势，被认为是突破传统油气上游领域检测技术瓶颈、推动检测技术体系升级的关键支撑技术之一，在油气上游领域展现出广阔的应用前景。

本文旨在系统梳理激光光谱技术在油气上游领域的应用研究成果，厘清不同类型激光光谱技术的原理特性与应用优势，深入分析当前技术应用中存在的关键挑战与解决路径，展望未来发展趋势，为推动该技术在油气上游领域的智能化、规模化应用提供全面的理论支撑与实践参考。

1 常用激光光谱技术原理及应用进展

在油气上游领域，各类激光光谱技术依托其独特的光谱作用机制，构建起具有功能互补性的应用优势体系，目前已成功实现对固体（岩芯、岩屑）、液体（钻井液、海面油膜）及气体（录井气体、泄漏气体）多物态检测场景的有效覆盖。为系统厘清技术特性与上游领域场景的适配逻辑，本文将按技术类型逐一剖析各激光光谱技术的基本原理与核心特性，并结合油气上游领域关键环节的技术需求，详细阐述其应用进展。具体涉及的技术包括：拉曼光谱（Raman Spectroscopy）、激光诱导击穿光谱（Laser-induced Breakdown Spectroscopy， LIBS）、可调谐二极管激光吸收光谱（Tunable Diode Laser Absorption Spectroscopy， TDLAS）、激光诱导荧光（Laser Induced Fluorescence， LIF）、光声光谱（Photoacoustic Spectroscopy， PAS）、光腔衰荡光谱（Cavity Ring-Down Spectroscopy， CRDS）及差分吸收激光雷达（Differential Absorption Lidar， DIAL）。

1.1 拉曼光谱

拉曼光谱技术的核心原理是拉曼散射效应：当特定波长的激光照射到物质分子时，部分光子与分子发生非弹性碰撞，导致光子能量发生转移，进而产生与入射光波长不同的散射光（即拉曼散射光）。不同物质的分子结构存在差异，其拉曼散射光的特征峰位置（对应分子振动/转动频率）具有唯一性，可实现物质的定性“指纹”识别；同时，拉曼特征峰的强度或峰面积与目标物质的浓度（或含量）呈良好的线性关系，通过建立校准模型，可完成对目标物质的精准定量分析。图1为拉曼气体分析系统的结构示意图^［8］，核心器件包括激光器、反射镜、望远镜、二向色分束器、透镜、滤光器、光谱仪、恒温气体池、压力和温度传感器以及调节阀等。在油气上游领域，该技术具有显著适配优势： 1） 可实现多组分同步检测，单束激光即可同时识别甲烷（CH₄）、乙烷（C₂H₆）、硫化氢（H₂S）、二氧化碳（CO₂）等多种烃类与非烃类气体； 2） 响应时间可缩短至秒级，满足实时监测需求； 3） 不受水蒸气等常见环境因素的干扰，适用于潮湿、复杂的钻井现场环境，检测限可达10⁻⁶~10⁻⁹级，可覆盖常规及深层、非常规油气领域的气体和固体检测需求。

结合油气上游领域不同场景需求，拉曼光谱技术的应用可分为固体检测（矿物、有机质）和气体检测两大类，重点适配深层超深层、非常规油气的核心检测需求。在固体检测方面，针对储层矿物与有机质分析，可实现石英、黏土、碳酸盐等典型矿物的精准识别^［9］，解决传统显微镜鉴定难以区分相似矿物的难题；尤其适用于深层超深层、非常规储层，能有效表征高演化海相页岩的热成熟度^［10-11］、有机质赋存状态与孔隙非均质性^［12］，为储集性能和生烃潜力评价提供新方案。在流体包裹体与天然气成因研究中，可测算包裹体密度等参数、标定气体检测限值^［13］，为天然气成因判定、成藏期次划分^［14］提供直接地质证据，结合流体包裹体测温等方法，还能精准重建油气成藏历史^［15］，为深层储层演化研究提供关键数据。在气体检测方面，聚焦钻井录井现场^{［8，16-17］}及深层、非常规油气勘探场景，基于该技术的在线检测系统和实时评价技术，可实现油气组分的快速、高精度检测，相关数据驱动方法进一步提升了光谱分辨率和多组分气体分析效率；针对低孔低渗等非常规储层^{［9，15，18-19］}，可在原位高压高温条件下研究天然气成分、评估极端成熟度地层，突破了传统检测方法无法适配深层极端工况的应用局限。

1.2 LIBS

LIBS是一种基于原子发射光谱的高效检测分析技术，其核心优势集中体现于元素检测的高效性、灵活性与精准性。其工作原理可简述为：高能量脉冲激光被精准聚焦于样品表面，使微区物质瞬间发生汽化、电离反应，形成高温等离子体；在等离子体冷却弛豫过程中，受激态原子与离子向低能级跃迁，同步发射出具有元素特异性的波长光辐射；借助光谱仪对该光辐射信号进行采集与特征谱线解析，可快速实现样品中目标元素的定性识别与定量检测。相较于同为元素分析技术的XRF，LIBS检测技术在轻元素检测领域具备显著优势：其对C、O、N等轻元素的检测灵敏度更高，且无需严格的样品制备流程与真空检测环境，大幅提升了现场检测的适应性与便捷性。图2为便携式LIBS系统示意图^［20］，核心器件包含四通道多方向采集探头、Nd：YAG脉冲激光器、聚焦透镜、光纤传输组件、微型光谱仪及工业计算机等。从检测技术核心优势来看，LIBS具备多重突出特性： 1） 可实现多元素同步检测，无需对样品进行复杂预处理，显著降低检测流程复杂度； 2） 分析速度极快，单点检测仅需数秒即可完成，大幅提升检测效率； 3） 可实现微区精准分析与二维成像检测，满足精细化检测需求； 4） 仪器可实现小型化、便携化设计，适配野外、井下等油气上游领域的复杂现场检测环境^［21］； 5） 检测精度优异，元素检测限可达到10⁻⁶级，能够满足低含量元素的精准检测需求，为相关领域的现场快速检测提供了可靠的技术支撑。

LIBS技术已在油气上游领域实现广泛应用，在岩性识别与岩屑快速分析、页岩特性表征与评价、多元素定量分析与模型优化、元素分布成像与微观分析方面均取得了良好应用效果。在岩性识别与岩屑快速分析中^［20］，相关技术可实现高准确率野外岩性分类^［22］，还能在录井现场免预处理识别岩屑岩性、快速定量岩屑中多种元素^［23］，有效解决传统录井的技术难题；在页岩特性表征与评价上，通过优化检测方法与模型可实现页岩TOC的精准定量^［24-25］，还能免复杂制样快速获取页岩多项储层评价参数，结合高分辨系统与主成分分析可有效区分不同页岩样品^［26］，为页岩储层评价提供了新路径；在多元素定量分析与模型优化研究中，通过优化预处理方式和模型参数能大幅提升多元素定量精度^［27］，引入迁移成分分析还能有效解决实验室标样与野外原始样品的光谱差异问题^［28］，显著降低预测误差、提升模型的现场适用性；在元素分布成像与微观分析层面，高速扫描LIBS成像分析仪可实现高分辨率多元素成像^［29］，同时借助LIBS技术对油气岩样开展二维元素测绘^［30］，获取关键元素分布信息及相关比值，直观揭示样品微观成分分布特征，为研究油气藏非均质性、评价烃源岩性质提供了重要技术手段。

1.3 TDLAS

TDLAS技术以比尔-朗伯定律为理论基础，其核心检测优势源于波长扫描的精准性与检测性能的优越性——通过可调谐半导体激光器的波长精准扫描，可实现激光频率与目标气体分子特征吸收谱线的精准匹配，进而通过检测激光透射后的强度变化，高效反演目标气体浓度、温度等关键检测参数，具备检测精准、响应快速、抗干扰能力强的核心特点。在检测模式与核心性能上，TDLAS技术可通过直接吸收光谱、波长调制光谱等多种模式实现高效检测，其中波长调制光谱模式凭借激光波长高频调制技术，能有效抑制背景噪声干扰，显著提升检测灵敏度，其检测限可达到10⁻⁹~10⁻¹²级，响应时间短于2 s，展现出超高检测精度与快速响应的双重优势。图3为直接吸收光谱与波长调制光谱的系统原理图^［31］，其核心器件涵盖可调谐激光器、激光控制器、吸收池、光电探测器，波长调制光谱系统在此基础上新增了函数发生器与锁相放大器，用于实现波长调制与信号解调。为进一步强化检测性能以适配复杂场景，TDLAS技术可通过多通气室设计延长有效光程，同时结合Savitzky-Golay滤波、自适应滤波等信号优化算法，以及支持向量机、反向传播神经网络等高精度数据处理模型，大幅优化检测信号质量与浓度反演精度，有效解决油气上游领域复杂场景下的检测干扰、精度不足等问题，充分彰显其在气体精准检测领域的技术优越性与场景适配能力^［31-32］。

TDLAS技术在油气上游领域的应用覆盖烃类气体检测与油气识别、气体同位素分析、油气泄漏监测与安全防控、井下多参数测量等关键方向，凭借其检测限与响应速度优势，为油气上游领域开发全流程提供重要技术支撑，其中在烃类气体检测与油气识别方面，可实现甲烷、乙烷等烃类气体的低限检测^［33-34］，还能同步测量甲烷稳定碳同位素^［35］，为油气藏识别、油气及瓦斯来源分析提供关键依据；在气体同位素分析领域^［36-37］，对碳同位素具备超高检测精度，可精准测量碳同位素比值，适用于页岩气、深海天然气水合物勘探中的同位素检测，辅助判断油气成熟度、来源及采收率；在油气泄漏监测与安全防控上，该技术可搭载无人机实现立体监测^［38］，也能通过多设备协同完成泄漏三维扩散区域重构^［39］，还可同步快速检测天然气泄漏中的多种特征气体^［40］，实现泄漏点精准定位，适配储气库、油气管道等多场景的安全防控需求；在井下多参数测量方面，经小型化、抗干扰改良的TDLAS相关传感系统^［41］，能适配天然气水合物生产井等井下复杂工况，稳定原位测量甲烷、二氧化碳等气体浓度，还可在温度、压力动态变化的钻井环境中^［42］，高精度测量甲烷碳同位素，满足油气钻井、生产过程中的井下环境原位在线监测需求。

1.4 LIF

LIF技术在油气上游领域的检测应用，核心依托其对油气组分的高灵敏度、高精准度检测特性，其检测原理围绕油气中多环芳烃（Polycyclic Aromatic Hydrocarbons，PAHs）等荧光活性物质展开：采用395、 405、 420 nm等特定波长激光激发油气样品后，荧光活性物质吸收能量跃迁至激发态，返回基态时释放的特征荧光，其峰位、强度、峰数及峰形等参数与油气厚度、组分、状态（未乳化/乳化）直接相关，为油气参数检测提供了精准的信号基础。采用355 nm LIF激光雷达技术远程识别水体表面油膜的原理如图4所示^［43］，核心器件包括355 nm激光、用于光路转向的反射镜，通过接收油膜受激产生的光学回波信号，经光谱采集与分类模型分析，实现对柴油、汽油、原油等不同类型油膜的远程识别与分类。LIF技术在油气上游检测中展现出显著核心优势，重点体现在检测精度、抗干扰能力及检测效能3个方面： 1） 检测精度优异，通过高分辨率光谱仪采集荧光信号，结合偏最小二乘回归等化学计量学方法、间隔随机蛙跳算法等特征波长筛选算法及机器学习模型，可实现油气相关参数的精准定性识别与定量反演，其中油膜厚度检测精度可达微米级，满足油气上游精细化检测需求； 2） 抗干扰能力突出，通过优化激发波长选择与光谱预处理流程，可有效抑制背景噪声与基质干扰，确保复杂油气环境下检测结果的稳定性与可靠性； 3） 检测适配性强，无需对油气样品进行复杂预处理，可快速响应油气组分及状态变化，适配油气上游野外、井下等复杂检测场景，大幅提升检测效率与实操性。

LIF技术在海面溢油相关检测领域应用广泛，可实现油膜厚度定量测定、溢油状态识别与类型鉴别、乳化油含油量与厚度测量及原油轻重组分区分，为溢油应急处理、油藏评估等提供重要技术支撑；其中油膜厚度^［44］测定通过筛选特征光谱、优化算法及模型，实现不同厚度油膜的高精度稳健测量；溢油状态识别^［45］可通过提取荧光光谱特征聚类分析区分未乳化与乳化态^［46］，油种类型鉴别^［47］借助激光雷达系统结合机器学习模型实现高准确率，还可完成远距离远程检测；针对乳化油体系^［48］，结合多模态数据融合方法显著提升含油量与厚度测量精度^［43］；在原油组分区分上^［49-51］，可基于荧光特性差异快速区分轻重组分，结合相关技术实现原子与分子层面协同表征，同时为便携式设备激发波长选择提供理论依据。

1.5 PAS

PAS技术在油气上游领域的检测应用，核心优势聚焦于痕量气体精准检测与复杂环境适配性，其检测原理以光声效应为基础：目标气体分子吸收特定波长电磁辐射后，将光能转化为热能，引发局部压强周期性变化并形成可探测声信号，通过精准检测声信号强度，可实现目标气体浓度的高精度定量分析。相较于传统气体检测技术，PAS检测技术在油气上游痕量气体检测中展现出不可替代的核心优势： 1） 抗干扰能力突出，该技术无需直接测量光强衰减，从根本上规避了光源不稳定、光散射等因素带来的检测干扰，大幅提升复杂环境下检测结果的稳定性与可靠性； 2） 检测精度极高，检测限可达10⁻⁹级，能够精准捕捉油气上游领域痕量关键气体的浓度变化，满足痕量检测的严苛需求； 3） 响应速度极快，响应时间达0.4 s级^［52］，可实现目标气体的实时在线监测，及时反馈检测数据； 4） 具备宽动态范围，可适配油气上游不同浓度梯度的气体检测场景，无需频繁调整检测参数，进一步提升检测效率与实操性。该技术为油气上游领域关键气体的精准识别、量化监测提供了高效、可靠的技术支撑，凸显了其在痕量、在线、复杂环境检测中的核心技术价值。

PAS技术在油气上游领域的烃类痕量气体与同位素检测、油气田天然气分析及井下表征、瞬态示踪与泄漏监测中应用成效显著，其中石英增强光声光谱（Quartz-enhanced Photoacoustic Spectroscopy，QEPAS）^［53］是核心应用技术^［54-55］。图5为QEPAS实验装置示意图^［54］，其核心器件包括三通道气体混合仪、声学检测模块（含石英音叉与微谐振管）、增透膜ZnSe透镜、跨阻抗放大器及配套电子单元，整体传感系统集成于30 cm×10 cm×20 cm的便携机箱内。该技术可实现CH₄、C₂H₆等烃类气体及甲烷同位素的10^-9级选择性检测，还能同步检测水蒸气与CH₄/氧化亚氮等多组分气体；其系统结构紧凑坚固，可在宽温压范围稳定工作，有望开发为小型光谱仪用于井下源岩表征和天然气烃类组分实时分析，为油气储量评估和开采效率优化提供支撑^{［54，56］}；基于该技术开发的测量系统还能实现0.4 s级快速数据采集^［52］，精准捕捉瞬态气体浓度峰值，性能优于传统仪器，可有效监测油气开采中的气体泄漏、追踪气体迁移路径，及时排查安全隐患。

1.6 CRDS

CRDS作为一种高灵敏度痕量气体检测技术，其核心检测优势源于高反射率光学谐振腔对光程的突破性延长，依托该结构实现激光与目标气体的充分相互作用，进而通过精准测量激光脉冲在腔内的衰荡时间，完成气体浓度的高精度定量分析。其检测核心逻辑为：激光脉冲被切断后，腔内光强因腔镜反射损耗与气体分子吸收呈指数衰减，衰荡时间与气体吸收系数严格遵循朗伯-比尔定律，结合目标气体分子的特征吸收谱线，可实现气体浓度的精准推导。图6为基于腔衰荡光谱技术的无人机载甲烷传感器示意图^［57］，其核心器件包括1651 nm分布反馈式半导体激光器、半导体制冷器、光纤隔离器、声光调制器、非球面准直器、高反镜光学谐振腔、高增益低噪声铟镓砷光电探测器、NI sbRIO-9651系统级芯片、温压传感器以及GPS定位模块。CRDS检测技术的核心优势集中体现在痕量检测的精准性、高效性与抗干扰性，相较于传统激光吸收光谱技术，其突破了光程限制，展现出显著技术优越性： 1）检测灵敏度极高，检测限可达10⁻⁹~10⁻¹²级，能够精准捕捉痕量气体的浓度变化，满足痕量检测的严苛要求； 2） 响应速度快捷，可快速完成光强衰荡信号采集与浓度反演，实现目标气体的实时在线检测； 3） 抗干扰能力突出，通过谐振腔结构设计与特征谱线精准匹配，有效规避光源不稳定、光散射及背景气体的干扰，确保检测结果的稳定性与可靠性。该技术尤其适配油气上游领域，可实现痕量烃类、温室气体及同位素的精准检测，为该领域痕量气体监测提供了高效、可靠的核心技术支撑，充分彰显其在痕量检测领域的独特技术价值。

CRDS技术凭借其检测限与便携性，成为油气上游领域的重要检测手段，其在天然气泄漏移动监测方面，可适配车载^［58］、无人机^［57］、移动实验室^［59］等多类移动场景，实现10^-9精度的CH₄检测，能有效捕捉泄漏羽流、识别低流量泄漏源并量化油气田无组织排放；在油气田气体组分高精度检测上^［59］，可同步测量CH₄、C₂H₆、CO₂等多组分气体及相关同位素^［60］，测量精度与灵敏度表现优异，还能检测SF₆分解产物^［61］，为油气开采相关电气设备安全运行提供保障；在气体同位素分析与气源识别中^［62-63］，可通过测量气体同位素比值区分排放来源，实现油气气源精准识别，相关波长扫描CRDS的校准方法也为油气田环境气体同位素监测提供技术参考，助力油气成因及运移过程研究。

1.7 DIAL

DIAL作为主动式光学遥感探测技术，其核心检测优势集中体现于油气上游领域关键气体（如CH₄、CO₂等）的大范围、高精度、动态化探测能力，其检测逻辑基于差分吸收效应：通过发射两束波长相近的激光（一束匹配待测气体特征吸收峰，一束偏离吸收峰），结合大气后向散射信号的精准分析与反演，实现气体浓度、空间分布及排放量的高效检测，原理表述仅为检测优势的技术支撑。图7为CO₂-H₂O多频DIAL系统及整体测量装置的结构示意图^［64］，右侧为地基多频CO₂-H₂O DIAL系统，主要包含光参量振荡器发射望远镜、近场与远场接收望远镜、光纤耦合光电倍增管探测器以及高速数据采集系统；左侧为集成路径差分吸收激光雷达、腔衰荡光谱仪与气象变送器的综合测量平台。DIAL检测技术在油气上游气体探测中展现出不可替代的核心优势，相较于传统定点监测技术，其突破了监测范围与时空分辨率的局限，核心亮点突出： 1） 检测精度优异，CH₄检测限可达10⁻⁶级^［65］，可精准捕捉气体浓度细微变化，满足油气上游痕量气体监测的严苛需求； 2） 探测范围广阔且时空分辨率高，可实现大范围、远距离动态探测，有效弥补传统定点监测的局限性，精准呈现气体空间分布特征与扩散规律； 3） 适配性与实用性极强，具备全天候昼夜工作能力，可适配多平台部署，无需复杂现场预处理，能够高效适配油气上游野外、大范围区域的气体探测场景； 4） 检测效能突出，可同步实现气体浓度、空间分布及排放量的一体化检测，大幅提升油气上游气体监测的效率与全面性，为油气泄漏监测、排放管控等提供精准、可靠的技术支撑，充分彰显其在主动式光学遥感检测领域的核心竞争力。

DIAL技术在油气上游领域可精准识别并量化CH₄排放，测量最大相对扩展不确定度8.59%（k=2）^［65］，还能识别排放源^［66］、反演近地表对流层CH₄背景浓度^［67］，为CH₄排放监测提供多样技术方案。在天然气泄漏遥感探测方面，不同波段机载DIAL系统适配不同勘探场景，移动、三脚架式DIAL系统还能实现远距离、高精度的泄漏定位与浓度测量，适配各类油气田现场监测需求。同时，该技术也可开展油气田CO₂等温室气体通量评估，地面、机载^［68-70］DIAL系统分别能实现高分辨率、高精度的混合比测量与CH₄、CO₂柱平均混合比同步检测，为温室气体^{［64，71］}通量估算及油气关联排放源核查提供高精度数据支撑。

2 常用技术对比

激光光谱技术依托其独特的光学作用机制，在油气上游领域构建起多技术互补、核心应用场景全覆盖的技术应用格局。各类技术基于差异化的光谱学原理，在检测物态适配性、核心技术优势及目标应用场景等方面各有侧重，通过技术协同效应有效突破了传统油气勘探技术的固有局限。各类技术的简明对比如表1所示。

从检测物态来看，拉曼光谱是唯一实现固体（岩芯/矿物）、液体（钻井液）、气体（录井气）多物态覆盖的技术，其“分子指纹”特性使其在多组分同步识别和微观表征中占据核心地位；而LIBS多聚焦固体样品的元素分析，无需复杂制样的优势适配野外岩屑快速检测；TDLAS、PAS、CRDS、DIAL则以气体检测为核心，其中DIAL具备远距离/大范围探测能力，CRDS以10⁻⁹~10⁻¹²级检测限实现痕量气体检测，TDLAS和PAS则兼顾高选择性与便携性；LIF专门针对液体（油膜/乳化油）的荧光特性，成为溢油监测的核心技术。

在核心优势方面，拉曼光谱在多组分同步检测与抗干扰能力上表现更为突出；LIBS技术则凭借多元素快速分析与设备便携性两大特点脱颖而出；TDLAS擅长高选择性痕量气体检测，同时在同位素分析领域具备显著优势；LIF技术在油膜厚度定量检测与溢油识别方面精度领先，检测结果精准可靠；PAS可有效规避光源不稳定带来的检测干扰，保障检测过程稳定；CRDS依靠超长光程设计，实现10^-12级别的超高检测灵敏度；DIAL则凭借主动遥感技术优势，能够完成大范围、动态化的目标监测任务。

应用场景的细分尤为显著：拉曼光谱、LIBS聚焦储层评价（矿物分析、TOC检测）与岩性识别；TDLAS、PAS、CRDS侧重录井气体检测、同位素分析与泄漏点精准定位；DIAL面向区域尺度排放量化与走航监测；LIF专门解决海面溢油相关的厚度与类型判别问题。上述技术各有侧重、功能互补，构建起微观尺度的储层基础表征（实验室阶段），到现场尺度的井场实时检测（工程作业阶段），再到区域宏观尺度的远程监测（储运/环境管控阶段）的层级递进式完整技术链条，精准匹配油气上游领域从储层评价到安全防控全流程的关键技术需求；实现了从微观岩芯分析到宏观泄漏监测、从实验室精准测试到现场实时探测的多维度技术支撑。

尽管激光光谱技术在油气上游领域形成了全流程支撑能力，但受勘探场景复杂性（极端温压、多介质干扰）、技术原理固有特性及工程化应用要求限制，各类技术均存在显著瓶颈，同时面临共性挑战。

从共性挑战来看： 1） 复杂地质环境的干扰问题突出，油气上游领域现场的高温、高压、高湿度、振动及粉尘等复杂条件，会显著破坏激光光谱检测系统的稳定性并降低检测精度。例如，深层钻井现场的高温环境易导致激光器功率波动，影响光谱信号稳定性；钻井液中的复杂组分可能附着在检测探头表面造成信号衰减；复杂地质条件下多组分气体混合（如多种同分异构体）会增加光谱解析难度，易出现误判；海上勘探中的盐雾、海浪干扰，还会进一步影响远程激光检测的准确性。2） 检测系统性能有待提升，尽管部分技术已实现10^-6级检测，但针对深层油气上游领域中的微量油气组分，灵敏度仍需突破；同时现有系统对复杂气体混合物的同步检测能力不足，尤其对结构相似的同分异构体识别难度大，解析算法的精准性尚需提升。3） 设备成本与工程化应用存在差距，激光光谱检测设备的核心部件（如高性能激光器、灵敏传感器、高精度光谱仪）成本高昂，导致整套设备价格不菲，限制了在中小型油气上游领域项目中的推广；部分实验室研发的高性能技术，在工程化转化中面临体积过大、功耗过高、操作复杂等问题，难以适配野外勘探现场的狭小空间与有限供电条件；此外，现场操作人员对设备的操作与维护技能不足，也直接影响了技术应用效果。4） 多技术融合程度不足，当前激光光谱技术在油气上游领域中多以单一技术形式应用，与地震勘探、测井、钻井等传统勘探技术的融合深度不够，未能充分发挥协同优势。例如，激光光谱检测获得的实时油气信息，尚未与地震数据、测井曲线有效融合，难以构建全方位的储层评价体系；同时，其与物联网、大数据技术的结合仍处于起步阶段，无法实现检测数据的实时共享、智能分析及预测预警，制约了技术价值的最大化发挥。

从个性瓶颈来看：各类技术的局限与其核心原理、应用场景强相关。拉曼光谱容易受到荧光干扰，在高有机质油气样品检测中，目标特征信号易被强荧光掩盖而难以识别；同时气体检测灵敏度偏低，难以满足油气勘探中痕量泄漏检测的核心需求，这也是其无法取代色谱技术的关键。LIBS对H、C、O等轻元素的检测能力先天薄弱，加之基体效应易导致定量分析精度不足，井下复杂振动工况还会扰动等离子体生成的稳定性，进一步影响检测重复性，工程适配性欠佳，故而难以在录井领域大面积推广，无法取代XRF检测技术。以气体检测为核心的TDLAS、PAS、CRDS，分别面临多组分检测集成难、声信号弱、抗污染能力差的问题。LIF受水体环境干扰显著，背景荧光与荧光猝灭现象影响溢油定量精度。DIAL则易受气象条件与探测距离限制，存在定位精度低、夜间工作能力缺失等问题。这些个性瓶颈决定了单一技术难以适配全场景需求，也推动了多技术融合互补的发展趋势。

3 未来发展趋势

针对当前激光光谱技术在油气上游领域的应用瓶颈，未来的发展将聚焦于技术创新、性能优化、多技术融合及工程化应用推广，推动激光光谱技术向更精准、更智能、更经济、更绿色的方向发展，全面提升其在油气上游领域全流程中的支撑能力。

3.1 高性能检测技术与设备研发

聚焦激光光谱检测核心部件与系统结构优化，突破小型化、高稳定性、低功耗技术瓶颈，适配油气上游领域井下、野外、海上等复杂现场工况。重点研发窄线宽、高功率、长寿命激光器（适配井下200 ℃以上高温、50 MPa以上高压工况）；基于微机电系统开发微型化、集成化光谱仪，大幅缩减设备体积与制造成本；采用光纤传感技术研发远程分离式检测探头，实现检测探头与主机的远距离部署，避免主机受现场极端环境直接干扰；优化设备防护结构，提升防尘、防盐雾、抗振动性能，适配海上平台、沙漠油田等特殊勘探开发场景。

3.2 智能化升级：从数据、测量到控制的全维度突破

以人工智能、物联网、边缘计算为技术支撑，从数据、测量和控制3个维度实现激光光谱技术的智能化升级，破解复杂工况适配性差、操作门槛高、数据利用效率低等问题，提升技术在油气上游领域的工程化应用价值。数据层面，研发基于深度学习、迁移学习的智能解析算法，攻克多组分混合、光谱重叠难题，构建整合不同地质条件、检测场景的激光光谱大数据库，融合地质、录井等多源数据开发储层评价、泄漏预警等智能预测模型，实现从数据采集到智能决策的升级；测量层面，开发波长、功率可动态调谐的自适应激光检测系统，配套多参数同步原位校准模块，突破微纳尺度原位测量技术，实现复杂环境下检测参数的实时优化与精准校准，保障现场检测精度与稳定性；控制层面，搭建激光光谱智能监测云平台，为设备搭载物联网与边缘计算模块，实现远程启停、参数调整、故障预警的智能化测控，推进与无人机、移动监测车的融合，开发全场景无人化检测系统，实现多技术、多设备的协同组网与智能调度，降低现场操作门槛，提升检测效率。

3.3 多技术协同与跨领域拓展

激光光谱技术的多技术协同需突破技术内部融合的局限，实现与传统检测技术、勘探技术的跨领域联用，构建复合型检测体系：激光光谱与色谱/质谱联用，如拉曼光谱+气相色谱（快速定性+精准定量）、TDLAS+质谱（同位素快速检测+精准分析）；激光光谱与传统光谱联用，如LIBS+XRF（轻元素快速分析+重元素精准检测）、拉曼+红外光谱（分子指纹+吸收特征），提升储层矿物分析的准确性；激光光谱与传统勘探技术联用，如激光光谱储层数据+地震勘探数据，结合人工智能构建储层甜点预测模型。同时，激光光谱与物联网、无人机的融合需向“数据互通、控制协同”升级，实现检测系统的智能化调度。

3.4 工程化应用与标准化建设

加速激光光谱技术从实验室研究、现场试点向规模化工程应用的转化，降低应用成本，规范技术流程，提升技术的行业普及度。优化激光光谱检测设备的操作流程与运维体系，开发智能化运维系统，降低现场操作人员的技能门槛；针对录井检测、储层评价、泄漏监测等典型场景，制定激光光谱检测方法、设备性能指标、数据处理规范等行业标准，实现技术应用的标准化；深化产学研合作，推动核心部件（激光器、光谱仪、传感器）的国产化替代，大幅降低设备制造成本与维护成本，推动激光光谱技术在中小型油气田、地方储气库等场景的广泛应用。

3.5 绿色低碳技术创新

结合全球能源转型与“双碳”目标，推进激光光谱技术的绿色低碳升级，并向新能源勘探领域拓展，实现“油气+新能源”协同检测。研发无耗材、低功耗、零排放的激光光谱检测设备，减少设备运行过程中的资源消耗与环境影响；利用激光光谱技术的高灵敏度、高精度优势，构建油气田温室气体全流程精准量化体系，为油气上游领域的低碳开发、减排治理提供技术支撑；拓展激光光谱技术在氢能、氦气、地热等新能源勘探开发领域的应用，研发针对氢能泄漏检测、氦气痕量检测的激光光谱专用设备，为能源转型背景下的多能源协同勘探提供技术支撑。

4 结论

激光光谱技术凭借多样化的原理特性与功能优势，在油气上游领域构建了“微观表征-现场检测-宏观监测”的完整技术链条，各类技术通过差异化的检测能力形成互补格局——拉曼光谱实现多物态多组分识别，LIBS适配固体快速元素分析，TDLAS、CRDS等专攻气体痕量检测，LIF聚焦溢油监测，DIAL实现大范围遥感，共同支撑了油气上游领域从储层评价到安全防控的全流程需求。然而，该类技术在复杂地质环境适应性、系统检测性能、工程化应用成本及多技术融合深度等方面仍存在显著瓶颈，制约了其规模化推广与效能最大化发挥。

未来，通过高性能核心部件研发、人工智能与光谱技术深度融合、多技术协同与跨领域拓展、工程化转化与标准化建设及绿色低碳技术创新等方向的突破，有望推动激光光谱技术向更精准、智能、经济、环保的方向升级。随着技术迭代与应用深化，激光光谱技术将进一步打破单一技术局限，实现与传统勘探技术、新兴信息技术的深度协同，为油气上游领域的高效化、智能化、绿色化发展提供更坚实的技术支撑，助力破解深层油气上游领域等领域的技术难题，推动行业高质量发展。

参考文献

[1] Wang M X， She M J.Analysis of thermal decomposition gas chromatography characteristics of fluids with different properties in strata ［J］.Inner Mongolia Petrochemical Industry， 2010， 36（22）： 49-50.

[2] 王明祥，佘明军.不同性质地层流体热解气相色谱特征分析［J］.内蒙古石油化工， 2010， 36（22）： 49-50.

[3] Wang Q， Tan W J.Exploration on the application of unrecognizable alkanes in thermal evaporation hydrocarbon gas chromatography to water content discrimination in hydrocarbon reservoirs of Dongying depression ［J］.Mud Logging Engineering， 2024， 35（2）： 1-7.

[4] 王强，谭文静.热蒸发烃气相色谱不可识别烷烃在东营凹陷油气层含水性判别中的应用探索［J］.录井工程， 2024， 35（2）： 1-7.

[5] Ytsma C R， Dyar M D， Lepore K， et al.Empirical portable x-ray fluorescence quantification limits and accuracies for 28 elements within 1942 diverse geological standards using open-source machine learning ［J］.Spectrochim Acta B， 2025， 231： 107241.

[6] Wu J P， Zou Y X， Huang C F， et al.XRF analysis of oil drilling cuttings ［J］.Nuclear Techniques， 2008， 31（12）： 910-914.

[7] 吴建平，邹永祥，黄春峰，等.XRF技术在石油钻井岩屑分析中的应用研究［J］.核技术， 2008， 31（12）： 910-914.

[8] Wang H J.Intelligent identification of logging cuttings based on deep learning ［J］.Energy Rep， 2022， 8： 1-7.

[9] Geng T， Wang Y， Yin X L， et al.A comprehensive review on the excitation-emission matrix fluorescence spectroscopic characterization of petroleum-containing substances： principles， methods， and applications ［J］.Crit Rev Anal Chem， 2024， 54（8）： 2827-2849.

[10] Menzel E R.Laser spectroscopy ［M］.Boca Raton， FL： CRC Press， 2024.

[11] Han X， Huang Z X， Chen X D， et al.On-line multi-component analysis of gases for mud logging industry using data driven Raman spectroscopy ［J］.Fuel， 2017， 207： 146-153.

[12] He J L， Gong T T， Wang K Y， et al.Rapid identification of mineral components in unconventional oil and gas reservoirs based on laser raman spectroscopy ［J］.Rock and Mineral Analysis， 2026， 45（1）： 1-13.

[13] 何佳乐，龚婷婷，王坤阳，等.基于激光拉曼光谱的非常规油气储层岩石矿物组分快速识别方法研究［J］.岩矿测试， 2026， 45（1）： 1-13.

[14] Meng J H， Lü P X， Wu W， et al.A method for evaluating the thermal maturity of marine shale based on graptolite reflectance and Raman spectroscopy：A case from the Lower Palaeozoic Wufeng-Longmaxi Formations，southern Sichuan Basin， SW China ［J］.Oil Gas Geology， 2022， 43（6）： 1515-1528.

[15] 孟江辉，吕沛熙，吴伟，等.基于笔石表皮体反射率和拉曼光谱评价海相页岩热成熟度的方法——以川南下古生界五峰组-龙马溪组为例［J］.石油与天然气地质， 2022， 43（6）： 1515-1528.

[16] Zhang C， Xia X H， Yang Y R， et al.Raman spectrum characteristics of organic matter in Silurian Longmaxi Formation shale of well Anye-1 and its geological significance ［J］.Rock and Mineral Analysis， 2019， 38（1）： 26-34.

[17] 张聪，夏响华，杨玉茹，等.安页1井志留系龙马溪组页岩有机质拉曼光谱特征及其地质意义［J］.岩矿测试， 2019， 38（1）： 26-34.

[18] Bao F， Yu L J， Rui X Q， et al.Microstructure and SEM-Raman study of organic matter pore heterogeneity in shale ［J］.Petroleum Geology Experiment， 2021， 43（5）： 871-879.

[19] 鲍芳，俞凌杰，芮晓庆，等.页岩中有机质孔隙非均质性的微观结构及电镜—拉曼联用研究［J］.石油实验地质， 2021， 43（5）： 871-879.

[20] Sun D Q， Wang X L， Li F Y， et al.Fluid inclusion records of oil-cracked wet gas in Permian carbonate reservoirs from the Eastern Sichuan Basin， China ［J］.Mar Petrol Geol， 2024， 164： 106831.

[21] Dong H， Wang Z H， Dong M， et al.Application of laser Raman spectroscopy in the study of organic inclusions： A case study on oil and gas inclusions in the 8th member of the Shihezi formation in western Sulige gasfield ［J］.Journal of Geomechanics， 2017， 23（4）： 594-601.

[22] 董会，王志海，董敏，等.激光拉曼光谱在有机包裹体研究中的应用——以苏里格气田西部盒8段油气包裹体为例［J］.地质力学学报， 2017， 23（4）： 594-601.

[23] Yang P， Song Y Y， Liu K Y， et al.Hydrocarbon charge history of deeply buried clastic reservoirs in the Bozi area of the Kuqa Depression， western China： Implications for deep and ultra-deep petroleum exploration ［J］.Front Earth Sci， 2024， 12： 1475316.

[24] Fu H T， Yang E L， Li C L， et al.Quantitative identification of hydrocarbon concentration in drilling fluid based on laser Raman spectroscopy ［J］.Journal of Applied Optics， 2019， 40（4）： 692-698.

[25] 付洪涛，杨二龙，李存磊，等.基于激光拉曼光谱的钻井液中含烃浓度定量识别研究［J］.应用光学， 2019， 40（4）： 692-698.

[26] Zhang X H， She M J， Wang Y S， et al.The progress and pontential of the application of laser technology in mud logging ［J］.Petroleum Drilling Techniques， 2018， 46（6）： 111-117.

[27] 张新华，佘明军，王舒，等.激光技术在录井工程中的应用进展及展望［J］.石油钻探技术， 2018， 46（6）： 111-117.

[28] Kuczyński S， Włodek T， Smulski R， et al.Application of Raman spectroscopy analysis in unconventional natural gas reservoirs–density and pressure dependence on Raman signal intensity ［J］.AGH Drilling， Oil， Gas， 2017， 34（3）： 761-774.

[29] Liu Q， Liu S B， Lu X S， et al.Research progress in the application of raman spectroscopy in petroleum geology ［J］.Spectroscopy and Spectral Analysis， 2022， 42（9）： 2679-2688.

[30] 刘强，柳少波，鲁雪松，等.拉曼光谱在油气地质应用中的研究进展［J］.光谱学与光谱分析， 2022， 42（9）： 2679-2688.

[31] Zhang M Y， Fu H B， Wang H D， et al.In situ classification of original rocks by portable multi-directional laser-induced breakdown spectroscopy device ［J］.Chemosensors， 2025， 13（1）： 18.

[32] Fabre C.Advances in laser-induced breakdown spectroscopy analysis for geology： A critical review ［J］.Spectrochim Acta B， 2020， 166： 105799.

[33] Yang Z Q， Li G Q， She M J.Test research of online identification of cuttings lithology by libs technology ［J］.Petroleum Drilling Techniques， 2019， 47（4）： 122-126.

[34] 杨志强，李光泉，佘明军.基于激光诱导击穿光谱的岩屑岩性在线识别试验研究［J］.石油钻探技术， 2019， 47（4）： 122-126.

[35] Chen N， Yang Y T， Tian D， et al.Determination of eight kinds of elements in cuttings by logging special Laser-induced Breakdown Spectrometer ［J］.Chinese Journal of Analytical Chemistry， 2018， 46（1）： 74-80.

[36] 陈楠，杨燕婷，田地，等.录井专用型激光诱导击穿光谱仪测定岩屑中的8种元素［J］.分析化学， 2018， 46（1）： 74-80.

[37] Washburn K E. Rapid geochemical and mineralogical characterization of shale by laser-induced breakdown spectroscopy ［J］. Org Geochem， 2015， 83/84：114-117.

[38] Chen M X， Wu J， Wu D， et al.Comparison of CN molecular spectroscopy method and acid-washing atomic spectroscopy method for the measurement of the total organic carbon content of shale based on Laser-induced Breakdown Spectroscopy ［J/OL］.Chinese Journal of Lasers， 2025-10-28.

[39] 陈民鑫，吴坚，吴迪，等.基于激光诱导击穿光谱的页岩总有机碳测量：CN分子谱法与酸洗原子谱法对比［J/OL］.中国激光，2025-10-28.

[40] Guo H L， Lin Q Y， Wang S， et al.Analysis of carbonaceous shale by Laser-induced Breakdown Spectroscopy ［J］.Chinese Journal of Analytical Chemistry， 2016， 44（11）： 1639-1645.

[41] 郭红丽，林庆宇，王帅，等.高分辨激光诱导击穿光谱技术用于碳质页岩光谱特征分析［J］.分析化学， 2016， 44（11）： 1639-1645.

[42] Shi M X， Wu J， Wu D， et al.Multi-element quantitative analysis of shale and sandstone based on Laser induced Breakdown Spectroscopy ［J］.Chinese Journal of Lasers， 2024， 51（8）： 252-260.

[43] 时铭鑫，吴坚，吴迪，等.基于激光诱导击穿光谱的页岩与砂岩多元素定量分析［J］.中国激光， 2024， 51（8）： 252-260.

[44] Rao Y， Ren W X， Kong W H， et al.Rapid quantitative analysis of raw rocks by LIBS coupled with feature-based transfer learning ［J］.J Anal Atom Spectrom， 2024， 39（3）： 925-934.

[45] Rao Y， Dai J X， Chen S， et al.Rapid multi-element surface imaging analysis of minerals based on high-speed scanning Laser-induced Breakdown Spectroscopy instrument ［J］.Chinese Journal of Analytical Chemistry， 2024， 52（10）： 1544-1552.

[46] 饶宇，代渐雄，陈莎，等.基于高速扫描激光诱导击穿光谱仪的矿物表面多元素快速成像分析［J］.分析化学， 2024， 52（10）： 1544-1552.

[47] Quarles C D， Miao T， Poirier L， et al.Elemental mapping and characterization of petroleum-rich rock samples by Laser-induced Breakdown Spectroscopy （LIBS） ［J］.Fuels， 2022， 3（2）： 353-364.

[48] Sun J C， Chang J， Wang C， et al.Tunable diode laser absorption spectroscopy for detection of multi-component gas： A review ［J］.Appl Spectrosc Rev， 2024， 59（8）： 1086-1107.

[49] Liu Y L， Yin S F， Cheng Y， et al.Full range and high precision laser CH₄ sensor based on algorithm fusion ［J］.Laser Optoelectronics Progress， 2024， 61（17）： 1728002.

[50] 刘云龙，殷松峰，程跃，等.基于算法融合的全量程高精度激光CH₄传感器［J］.激光与光电子学进展， 2024， 61（17）： 1728002.

[51] Li G L， Cui G Z， Zhao Y J， et al.Mid-infrared C₂H₆ telemetry sensor using 3.34 μm ICL based on optimized light receiving system and BKA-DELM model ［J］.Opt Laser Eng， 2025， 186： 108799.

[52] Zhou W Z， Qi C， Qin X W， et al.3 μm hydrocarbon gas absorption detection based on DFG-TDLAS ［J］.Acta Optica Sinica， 2025， 45（8）： 0830002.

[53] 周王峥，齐超，覃孝伟，等.基于DFG-TDLAS的3 μm碳氢气体吸收检测研究［J］.光学学报， 2025， 45（8）： 0830002.

[54] Zhang Z R， Pang T， Sun P S， et al.Measurement of carbon isotope of methane and analysis of its genesis type using laser absorption spectroscopy ［J］.Chinese Journal of Lasers， 2019， 46（12）： 1211001.

[55] 张志荣，庞涛，孙鹏帅，等.基于激光吸收光谱技术的甲烷碳同位素测量及其成因类型分析［J］.中国激光， 2019， 46（12）： 1211001.

[56] Li G L， Zhao H， Song Y M， et al.Mid-infrared carbon isotope spectrum logging system combined with a thermostat of optical subsystem for high-precision detection of isotope ratio ［J］.Spectrochim Acta A， 2023， 302： 123051.

[57] Zhang H Q， Wen M M， Li Y H， et al.High-precision ¹³CO₂/¹²CO₂ isotopic ratio measurement using tunable diode laser absorption spectroscopy at 4.3 μm for deep-sea natural gas hydrate exploration ［J］.Appl Sci， 2019， 9（17）： 3444.

[58] Wang Z W， Xu H N， Hu J Y， et al.A method for detecting CH₄ concentration in natural gas production station based on UAV and TDLAS portable methane detector ［J］.Acta Metrologica Sinica， 2025， 46（12）： 1720-1728.

[59] 汪智文，徐浩楠，胡骏宇，等.一种基于无人机和TDLAS便携式甲烷检测仪的天然气生产场站CH₄浓度检测方法［J］.计量学报， 2025， 46（12）： 1720-1728.

[60] Cao L X， Wen Y H， Zhang B J， et al.Leakage area reconstruction of natural gas using TDLAS technology ［J］.Laser Infrared， 2024， 54（9）： 1387-1391.

[61] 曹理想，文耀华，张伯君，等.基于TDLAS的天然气泄漏范围重构方法 ［J］.激光与红外， 2024， 54（9）： 1387-1391.

[62] Sun P S， Zhang Z R， Li J， et al.Research on natural gas leakage monitoring technology based on the open-path measurement technique of methane ［J］.Optics Optoelectronic Technology， 2016， 14（5）： 62-67.

[63] 孙鹏帅，张志荣，李俊，等.开放式天然气泄漏甲烷气体检测技术研究［J］.光学与光电技术， 2016， 14（5）： 62-67.

[64] Chen Q， Liu K， Liang Y， et al.Development of CH₄-CO₂ optical fiber gas sensor monitoring instrument for natural gas hydrate production well ［J］.Marine Geology Frontiers， 2021， 37（10）： 78-84.

[65] 陈强，刘琨，梁宇，等.天然气水合物开采井CH₄-CO₂光纤气体传感监测仪器研发［J］.海洋地质前沿， 2021， 37（10）： 78-84.

[66] Li G， Jiang Q， Hua C， et al.Temperature and pressure insensitive spectroscopic method for measuring ¹³CH₄ during oil and natural gas drilling operations ［J］.Front Phys， 2021， 9： 633012.

[67] Yin S L， Sun F H， Liu W J， et al.Remote identification of oil films on water via laser-induced fluorescence LiDAR ［J］.IEEE Sens J， 2023， 23（12）： 13671-13679.

[68] Xu Q T， Li Y， Xie M.Rapid determination of oil film thickness by laser induced fluorescence spectrometry using Ivy sparse variable selection algorithm ［J］.Measurement， 2026， 257： 118913.

[69] Ji X， Li Y， Wang Y， et al.Determination on the oil film thickness based on laser-induced fluorescence and three-band fluorescence index ［J］.J Fluoresc， 2026， 36（2）： 1075-1089.

[70] Hu Y R， Chen X Y， Li X Y， et al.Research on oil content in emulsified oil based combining laser-induced fluorescence with visual imaging technology ［J］.Meas Sci Technol， 2025， 36（9）： 096004.

[71] Kong D M， Liu Y R， Du Y X， et al.Oil film thickness detection based on IRF-IVSO wavelength optimization combined with LIF technology ［J］.Spectroscopy and Spectral Analysis， 2023， 43（9）： 2811-2817.

[72] 孔德明，刘亚茹，杜雅欣，等.基于LIF技术结合波长优选的油膜厚度检测方法分析［J］.光谱学与光谱分析， 2023， 43（9）： 2811-2817.

[73] Yuan L， Xie B B， Cui Y Q， et al.Research on oil spill status recognition based on LIF ［J］.Spectroscopy and Spectral Analysis， 2022， 42（7）： 2018-2024.

[74] 袁丽，谢贝贝，崔永强，等.基于LIF的海面溢油状态识别研究［J］.光谱学与光谱分析， 2022， 42（7）： 2018-2024.

[75] Fedotov Y V， Belov M L， Gorodnichev V A.Remote laser fluorescence method for oil leak detection at an excitation wavelength of 266 nm ［J］.J Opt Technol， 2022， 89（5）： 286-290.

[76] Parvin P， Dehghanpour H R， Faani M M， et al.LIF/LIB spectroscopy of crude oil-saturated carbonate bedrock ［J］.Phys Scripta， 2023， 98（10）： 105410.

[77] Xie M， Jia Y， Li Y， et al.Experimental analysis on the optimal excitation wavelength for fine-grained identification of refined oil pollutants on water surface based on Laser-Induced Fluorescence ［J］.J Fluoresc， 2022， 32（1）： 257-265.

[78] Fu L Y， Yang M， Niu J L， et al.Transient tracer gas measurements： Development and evaluation of a fast-response SF₆ measuring system based on quartz-enhanced photoacoustic spectroscopy ［J］.Indoor Air， 2022， 32（1）： e12952.

[79] Luo B， Dai J L， Wang G， et al.Quartz-enhanced photoacoustic spectroscopy sensor for detection of dissolved carbon monoxide in transformer oil ［J］.Microw Opt Techn Let， 2026， 68（1）： e70516.

[80] Sampaolo A， Menduni G， Patimisco P， et al.Quartz-enhanced photoacoustic spectroscopy for hydrocarbon trace gas detection and petroleum exploration ［J］.Fuel， 2020， 277： 118118.

[81] Sampaolo A， Patimisco P， Giglio M， et al.Simultaneous dual gas QEPAS sensing of water and methane/nitrous oxide ［C］//SPIE OPTO，Proceedings Volume 10926， Quantum Sensing and Nano Electronics and Photonics XVI.San Francisco： SPIE， 2019.

[82] Farooq A， Alquaity A B S， Raza M， et al.Laser sensors for energy systems and process industries： Perspectives and directions ［J］.Prog Energ Combust， 2022， 91： 100997.

[83] Martinez B， Miller T W， Yalin A P.Cavity ring-down methane sensor for small unmanned aerial systems ［J］.Sensors， 2020， 20（2）： 454.

[84] McHale L E， Martinez B， Miller T W， et al.Open-path cavity ring-down methane sensor for mobile monitoring of natural gas emissions ［J］.Opt Express， 2019， 27（14）： 20084-20097.

[85] Rella C W， Hoffnagle J， He Y， et al.Local- and regional-scale measurements of CH₄， δ¹³CH₄， and C₂H₆ in the Uintah Basin using a mobile stable isotope analyzer ［J］.Atmos Meas Tech， 2015， 8（10）： 4539-4559.

[86] Wang J D， Yu J， Mo Z Q， et al.Multicomponent greenhouse gas synchronous detection based on cavity ring down spectroscopy with single beam ［J］.Spectroscopy and Spectral Analysis， 2019， 39（7）： 2046-2052.

[87] 王金舵，余锦，貊泽强，等.单光束多组分温室气体的腔衰荡光谱同步检测［J］.光谱学与光谱分析， 2019， 39（7）： 2046-2052.

[88] Jiang A H， Deng J， Lü H N， et al.High precision detection of SF₆ decomposition products based on cavity ring-down spectroscopy ［J］.Transactions of China Electrotechnical Society， 2025， 40（19）： 6293-6305.

[89] 蒋安昊，邓瑾，吕浩楠，等.基于CRDS原理的SF₆分解产物高精度检测技术［J］.电工技术学报， 2025， 40（19）： 6293-6305.

[90] Malowany K S， Stix J， de Moor J M， et al.Carbon isotope systematics of Turrialba volcano，Costa Rica， using a portable cavity ring-down spectrometer ［J］.Geochem Geophys Geosy， 2017， 18（7）： 2769-2784.

[91] Gu X Q， Pang H X， Li Y J， et al.Study on calibration method for atmospheric water vapor stable isotopes observed by cavity ring-down spectroscopy ［J］.Spectroscopy and Spectral Analysis， 2019， 39（6）： 1700-1705.

[92] 顾小琴，庞洪喜，李亚举，等.光腔衰荡光谱技术测定大气水汽稳定同位素校正方法研究［J］.光谱学与光谱分析， 2019， 39（6）： 1700-1705.

[93] Wagner G A， Plusquellic D F.Multi-frequency differential absorption LIDAR system for remote sensing of CO₂ and H₂O near 1.6 microm ［J］.Opt Express， 2018， 26（15）： 19420-19434.

[94] Zang J L， Wu L， Wang H J， et al.Investigation on methane emission measurement by differential absorption lidar ［J］.Acta Metrologica Sinica， 2025， 46（10）： 1520-1526.

[95] 臧金亮，武亮，汪洪军，等.差分吸收激光雷达测量甲烷排放量的研究［J］.计量学报， 2025， 46（10）： 1520-1526.

[96] Innocenti F， Robinson R， Gardiner T， et al.Comparative assessment of methane emissions from onshore LNG facilities measured using differential absorption lidar ［J］.Environ Sci Technol， 2023， 57（8）： 3301-3310.

[97] Sadovnikov S A， Romanovskii O A， Yakovlev S V， et al.Calibration and field test of mobile lidar for remote sensing of atmospheric methane ［J］.J OptTechnol， 2022， 89（6）： 320-326.

[98] Yerasi A， Tandy W， Emery W， et al.Comparing the theoretical performances of 1.65- and 3.3-μm differential absorption lidar systems used for airborne remote sensing of natural gas leaks ［J］.J Appl Remote Sens， 2018， 12（2）： 026030.

[99] Wojcik M， Crowther B， Lemon R， et al.Development of differential absorption lidar （DIAL） for Detection of CO₂， CH₄ and PM in Alberta ［C］//SPIE Sensing Technology+Applications， Proceedings Volume 9486， Advanced Environmental， Chemical， and Biological Sensing Technologies XII.Baltimore， MD， United States： SPIE， 2015.

[100] Veerabuthiran S， Razdan A K， Jindal M K， et al.Development of 3.0-3.45 μm OPO laser based range resolved and hard-target differential absorption lidar for sensing of atmospheric methane ［J］.Opt Laser Technol， 2015， 73： 1-5.

[101] Amediek A， Ehret G， Fix A， et al.CHARM-F-a new airborne integrated-path differential-absorption lidar for carbon dioxide and methane observations： measurement performance and quantification of strong point source emissions ［J］.Appl Opt， 2017， 56（18）： 5182-5197.

基金资助

国家重点研发计划项目(2021YFB3202402)

安徽省自然科学基金杰出青年项目(2408085J001)

国家自然科学基金项目(12004388)

国家自然科学基金项目(62105340)