HITRAN 数据库用法

刘训臣

十一月 8, 2025

在上一篇吸收光谱简介，我们介绍了分子吸收光谱的基本知识。常见的分子光谱的数据库有：

HITRAN, USA Harvard-Smithsonian Center for Astrophysics Molecular Data
NASA JPL Molecular Spectroscopy, USA
The Cologne Database for Molecular Spectroscopy, CDMS, Germany
GEISA Spectroscopic Database, France
Pacific Northwest National Labs Spectral Database, USA
Ames Research Center Infrared Spectral Database of PAH, USA
MPI-Mainz-UV-VIS Spectral Atlas of Gaseous Molecules, Germany
surface types: US Geological Society Digital Spectral Laboratory, USA
NIST Chemistry WebBook, USA
AIST Integrated Spectral Data Base System for Organic Compounds, Japan
Bremen, Institute of Environmental Physics, Germany
LISA database (SCOOP), France
Institute of Atmospheric Optics (CO2 O3), Tomsk, Russia
Instituto Superior Tecnico SPATRAN, Gas and Plasma Radiation Database, Italy

HITRAN数据库是我们最常用的分子光谱谱线的数据库。NASA JPL 数据库中有很多星际分子的谱线，另外JPL数据库用的 SPCAT/SPFIT 软件也是功能非常强大。未来我们会尝试用 SPCAT 模拟高温反应流体的分子光谱。Tomsk 有很好的CO2的光谱数据库。

用HITRAN模拟一个吸收峰，我们参考 https://hitran.org/docs/definitions-and-units/ 中的定义。需要光谱模型中的三个参数：

1）谱线位置，这需要吸收峰对应的上下能级的能级差，数据库给出了谱线位置和下能级，因此可以计算上能级位置；

2）谱线强度，定义如上篇文章给出网页中公式4，HITRAN 数据库给出了参考温度下乘了同位素丰度的线强$S$，单位为$[\mathrm{cm^2 \cdot cm^{-1}}]$。

3）谱线展宽的线形，定义为Voigt展宽的线形，数据库给出了压力展宽的温度系数和展宽吸收

对于每行160位的数据，可以用下面 python 代码读取每个跃迁的参数。

# HITRAN 160位格式读取函数
def read_hitran_par(filename):
    """
    读取HITRAN 160位格式的par文件
    返回格式: [波数, 线强, 爱因斯坦A系数, 空气加宽半宽, 自加宽半宽, 低态能量, 温度依赖系数, 压力位移]
    """
    database = []
    
    with open(filename, 'r') as f:
        for line_num, line in enumerate(f, 1):
            line = line.rstrip('\n')  # 只去掉行尾换行符，保留其他空白
            if len(line) < 160:  # 确保行长度足够
                print(f"警告: 第 {line_num} 行长度不足160字符，已跳过")
                continue
                
            try:
                # 根据HITRAN格式定义解析各个字段
                nu = float(line[3:15])           # 波数
                S = float(line[15:25])           # 线强
                A = float(line[25:35])           # 爱因斯坦A系数
                gamma_air = float(line[35:40])   # 空气加宽半宽
                gamma_self = float(line[40:45])  # 自加宽半宽
                E = float(line[45:55])           # 低态能量
                n_air = float(line[55:59])       # 温度依赖系数
                delta_air = float(line[59:67])   # 压力位移
                
                # 将解析的数据添加到数据库
                database.append([nu, S, A, gamma_air, gamma_self, E, n_air, delta_air])
                
            except ValueError as e:
                print(f"解析第 {line_num} 行时出错: {repr(line)}")
                print(f"错误信息: {e}")
                continue
    
    print(f"成功读取 {len(database)} 条谱线")
    return np.array(database)

线宽模型的计算我们用Faddeeva 函数计算Voigt 线形。 Voigt 线型是Gaussian展宽（温度导致的速度展宽）和压力展宽的卷积，其中温度展宽的计算需要用到不同的分子同位素的质量。

压力展宽用的是数据库中的参数。

这里可以忽略 gamma_self 自展宽，复杂环境中各种分子的碰撞展宽太多了，就不考虑自展宽了。这样Voigt 线形可以只计算一次，大大节约计算时间。

注意这里用的是 CGS 单位制的物理常数。


# physical constants

T_ref = 296.0
cBolts = constants.Boltzmann*1E7 # CGS Boltzmann constant unit is erg/K, CGS, c is cm/s 
cc = constants.speed_of_light*1E2 # CGS
cNA = constants.N_A
c2 = constants.physical_constants['second radiation constant'][0]*100 # CGS cm K
cP = constants.physical_constants['standard atmosphere'][0]*10 # pressure unit in CGS is Ba. covert to 0.1 Pa 

##################################################################################
# Voigt lineshape from Faddeeva function

cGammaD = math.sqrt(2*cBolts*cNA*math.log(2))/cc
def profile_voigt(Mass,nu,gamma_air,n_air,delta_air,T,p,wavenumber): # return voigt profile on wavenumber, function of (T,p)
    gamma = gamma_air*p*((T_ref/T)**n_air)#+gamma_self*p*c*((T_ref/T)**n_self) # Eqn 6
    #gamma = gamma_air*gamma_air_ratio*p*(1-c)*((T_ref/T)**n_air)+gamma_self*p*c*((T_ref/T)**n_self) # Eqn 6
    GammaD = cGammaD*math.sqrt(T/Mass)*nu# + laser # eqn (5), 
    sigma = GammaD/(math.sqrt(2*math.log(2)))
    variable = (wavenumber- nu - delta_air*p+gamma*1j)/(sigma*math.sqrt(2)) # air shift
    voigt = (special.wofz(variable)).real/(sigma*math.sqrt(2*constants.pi))
    return voigt

接下来只需要数据库par 文件就可以一行一行的叠加计算了。计算调用coef 吸收系数，OD 为乘了分子密度和吸收距离的光学厚度。coef 和 OD 可以线性叠加。

##################################################################################
# line-by-line coef calculation
def coef(Mass,T,p,database,partition_function,wavenumber):#,color): # k  absorption coef 
    coef = np.zeros(len(wavenumber))
    for line in database:
        nu          = line[0]
        S           = line[1]
        gamma_air   = line[3]
        E           = line[5]
        n_air       = line[6]
        delta_air   = line[7]
        profile = profile_voigt(Mass,nu,gamma_air,n_air,delta_air,T,p,wavenumber)
        intensity = S * partition_function[int(T_ref-1)]/partition_function[int(T-1)] * math.exp(-c2*E/T)/math.exp(-c2*E/T_ref)*(1-math.exp(-c2*nu/T))/(1-math.exp(-c2*nu/T_ref)) # Eqn 4, T is rounded
        #        ax1.bar(nu,peak,align='center',width=0.001,color='b')
        coef += profile*intensity
    return coef

def OD(Mass,T,p,c,l,database,partition_function,wavenumber): # optical density # k*[X]*l   absorption coef times volume density, assuming total pressure p and c is pressure fraction. c needs to times length in unit cm to get dimensionless optical depth \tao, bkg is added at the end
    acoef = coef(Mass,T,p,database,partition_function,wavenumber)
    density = p*c*cP/(cBolts) /T # volumn density /cm^3 from p/kT  # check if concentration change
    OD = acoef*density*l
    Tr = np.exp(-OD)
    Ab = 1-Tr
    return OD,Ab,Tr

完整的代码py 文件，读取 CO_1416.par 数据库文件和 q5.txt 配分函数文件。

借助deepseek，我们可以写一个更加完整的 hitran_spectrum.py 程序，可以读取par 文件后自动查找分子质量，自动给出 par 文件包括的波数范围（当然也可以给定波数范围）。

这里omega_wing参数参考了hapi 中的定义，只计算谱线周围10倍线宽范围。或者说离的很远的谱线吸收就可以忽略了。这在大的波数范围内计算节约时间。

这里运行 hitran_spectrum.py ，只需要读取par 文件和Q文件夹（其中是q1 q2 等所有的配分函数文件），程序就可以自己找到对应的分子数和同位素编号，找到对应的分子质量和配分函数。

还做了一个图形界面hitran_gui.py 。可以点击选择par 文件和Q文件夹，点击按钮读取数据；输入温度、浓度、长度、压力，就可以点击按钮计算并存文件了。

两个py文件下载：

hitran_spectrum.py

hitran_gui.py

最新版py文件和数据库par 文件下载请看光谱仿真

很多时候，不需要完整地计算par 文件中的每一行数据，只需要选择某一个同位素、或者某一个谱带。这就只需要删除 par 文件中的行就可以了。这就需要vi emacs 等能选择字符匹配的文本编辑工具了。具体来说就不属于仿真软件的功能了（尽管hapi 中有比较好的选择工具，但用下来，还是感觉直接编辑par 文件更直接一些。）

hitran_gui截图