基于TVDI河北省干热风同期土壤湿度监测研究

干热风是高温低湿型的灾害性天气。河北省是干热风易发地区,进行干热风易发期土壤湿度监测研究,对于评估干热风的影响与危害具有重要意义。选用2010年河北省干热风同期5~6月Terra/MODIS8期地表反射率产品MOD09A1和地表温度(LST)产品MOD11A2,通过构建LST\|EVI特征空间,得到温度植被干旱指数(TVDI)反映的河北省各时段的土壤湿度空间分布图。另外分析TVDI值与对应气象站点降水数据变化的趋势关系和二者的定量相关关系,发现降水数据变化与TVDI有较显著的负相关性,通过α=0.05显著性检验。基于研究结果可快速有效地反映研究区土壤湿度等级与空间分布变化状况,与及时更新的气象数据(风速、气温、降水等)相结合,在根据已有指标监测到干热风发生的基础上,评估干热风的影响与危害。     

联合MOD11A1和地面气象站点数据的多站点温度预测深度学习模型

针对地面气象站点分布稀疏影响站点间关系以及站点间的关系强度推理难的问题,提出一种基于联合MOD11A1和地面气象站点数据的多站点温度预测深度学习模型（GDM）。GDM包括时空注意力（TSA）、双向图神经长短期记忆（DG-LSTM）网络编码和边-点转换双向门控循环网络解码（EN-GRU）模块。首先使用TSA模块提取MOD11A1图像特征并形成多个虚拟气象站点的温度时间序列,缓解地面气象站点分布稀疏对站点间关系的影响;然后用DG-LSTM编码器通过融合两组温度时间序列来计算地面气象站点间和虚拟气象站点间的关系强度;最后用ENGRU解码器通过结合站点间的关系强度对地面气象站点的温度时间序列关系进行建模。实验结果表明,相较于二维卷积神经网络（2D-CNN）、长短期记忆全连接网络（LSTM-FC）、长短期记忆神经网络扩展网络（LSTME）和长短记忆与自适应提升集成网络（LSTM-AdaBoost）,GDM在10个地面气象站点24 h内温度预测的平均绝对误差（MAE）分别减小0.383℃、0.184℃、0.178℃和0.164℃,能提高未来24 h多个气象站点温度的预测精度。     

基于静止气象卫星数据的地表温度遥感估算

基于分裂窗算法和地表温度日周期变化模型,探讨了利用多时相热红外遥感数据反演地表温度的方法。首先,利用分裂窗算法及地表温度日周期变化形式,推导了多时相遥感数据反演地表温度的方法。其次,利用辐射传输模型(MODTRAN),以2006年夏季在禹城观测的3 d地表温度、气温及大气水汽数据做为输入参数、变化观测角及比辐射率,模拟了一日多个时刻与风云二号(F-2D)波谱响应函数一致的亮温数据,基于此,模拟数据库对所提算法进行了检验。最后,利用2010年9月30日FY-2D多时相热红外数据对新疆区域地表温度进行了反演,并与相应时刻的MODIS地表温度产品进行了比较。结果表明：利用模拟遥感数据反演地表温度,模拟值与估算值的相关系数达0.9,均方根误差在1.5 K以内;利用在轨FY-2D热红外数据反演得到的地表温度与MODIS温度产品趋势基本一致,两者的相关性达到了0.5,均方根误差为4.4 K。需要说明的是,此方法仅满足于晴朗无云的条件。     

基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究

微波传感器获得的土壤水分产品空间分辨率一般都很粗,而流域尺度上的研究需要中高分辨率的土壤水分数据。用MODIS逐日地表温度产品MOD11A1和逐日地表反射率产品MOD09GA构建温度-植被指数特征空间,并计算得到TVDI(Temperature Vegetation Dryness Index)指数,它与土壤水分呈负相关关系,能够反映土壤水分的空间分布模式,但并不是真实的土壤水分值。在AMSR-E像元尺度上求得TVDI与土壤水分的负相关系数,进而对VUA AMSR-E土壤水分产品进行降尺度计算得到0.01°分辨率的真实土壤水分值。经NAFE06(The National Airborne Field Experiment 2006)试验地面采样数据验证,降尺度后的土壤水分均方根误差平均值为6.1%。     

MODIS和VEGETATION雪盖产品在北疆的验证及比较

雪盖产品的准确性评估对于水文模型中的遥感应用具有重要的意义,利用北疆47个气象站实测雪深资料,并将气象站根据海拔和下垫面进行分类,对我国可使用的3种光学遥感雪盖产品MOD10A1、MOD10A2和VGT-S10雪盖产品进行验证。研究表明,MOD10A1、MOD10A2和VGT-S10雪盖产品识别总体精度分别为91.3%、90.6%和87.9%,3种产品在农田、草地、城镇和建筑用地总体精度更高 |在稀疏灌木林、裸地与稀疏植被识别总体精度较低,特别是在山区,3种产品识别精度均较低,分别为66.3%、75.7%和61.9%。进一步统计3种雪盖产品的错分误差、漏分误差,发现3种产品错分误差都比较小,但在山区站的漏分误差比较严重,分别为32.4%、21.7%和36.3%,3种产品在山区都低估了雪盖面积。3种不同时间分辨率的雪盖产品云影响率分别为61.8%、7.6%和1.8%。最后将MODIS合成与VGT-S10时间分辨率相同的雪盖产品,并对两种产品在积雪积累期和消融期进行相互比较,比较发现MODIS识别精度要优于VGT-S10雪盖产品,3种产品中VGT-S10由于合成天数最多,所以雪盖产品受云的影响最小。     

基于MODIS数据的青藏高原遥感云量重构北大核心CSCD

云是影响青藏高原能量平衡和地气过程的关键参量之一,研究高原的云量对探讨青藏高原的气候变化具有重要意义。采用2001~2020年的MODIS总云量数据与ERA5、CRA40两套再分析资料的总云量数据,以3~11月份MOD06云量资料为真值,评价不同再分析资料在青藏高原的适用性。利用改进自编码器模型,基于ERA5和MOD06重构了1950~2020年的3~11月的高原云量。结果表明:在高原地区,ERA5的云量值偏高,而CRA40云量值偏低,且ERA5与MOD06的相关性明显优于CRA40与MOD06的相关性;通过相关系数、偏差、平均绝对误差、均方根误差四种评价指标,发现改进自编码器模型在重构云量方面具有良好的效果,且能模拟出青藏高原云量的变化趋势,为研究青藏高原地区云量时空演变规律提供了可靠的长时序数据。     

基于FY-4A/AGRI时空特征融合的新疆地区积雪判识

高时间分辨率的积雪判识对于新疆牧区农牧业发展和雪灾预警具有重要作用,针对已有积雪产品易受复杂地形地貌,下垫面类型以及云遮蔽的影响,导致积雪判识精度降低的问题,提出一种利用深度学习方法对风云4号A星多通道辐射扫描计（AGRI）数据与地理信息数据进行多特征时序融合的积雪判识方法：以多时相FY-4A/AGRI多光谱遥感数据,以及高程、坡向、坡度和地表覆盖类型等地形地貌信息作为模型输入,以Landsat 8 OLI提取的高空间分辨率积雪覆盖图作为“真值”标签,构建并训练基于卷积神经网络的积雪判识模型,从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表,最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证,该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1,显著降低云雪误判率。     

基于深度神经网络联合AMSR2和MODIS数据估算全球蒸散发研究

地表蒸散发（ET）是水循环和能量循环的关键组成部分,具有极其重要的应用价值。研究旨在发展一种可靠且高效的深度神经网络（DNN）模型,基于MODIS可见光数据、微波AMSR2亮度温度和数字高程DEM,实现全天候全球高分辨率每日ET的估算。利用FLUXNET和AmeriFlux通量网6种代表性土地覆盖类型的148个站点观测数据来训练和验证DNN模型,结果表明：DNN模型可以有效建立卫星数据（MODIS、AMSR2数据）与ET之间的关系;6种地类的ET估算结果验证的平均绝对误差（MAE）为0.16—0.63 mm/d,均方根误差（RMSE）为0.27—0.89 mm/d,除裸地的决定系数（R²）为0.37以外,其他地类的R²均>0.7。通过对比模型估算的ET与MOD16A2和GLEAM的ET产品,结果表明3种产品的ET空间分布特征相似,ET值非常接近,估算得到的全球2020年日均ET为0—4 mm/d。     

乙醇脱氢酶氨基酸组成和最适温度均匀设计的神经网络模型

构建了乙醇脱氢酶氨基酸组成和最适温度的神经网络模型,并运用均匀设计优化神经网络结构。结果表明,当最小训练率为0．12,动态参数为0．6,Sigmoid参数为0．98,隐含层结点数为9时,神经网络的拓扑结构为最优。所得样本误差为0．00999,模型对温度预测的平均绝对百分比误差为5．13%,均方根误差为5．12℃,平均绝对误差为3．82℃,优于逐步回归计算的结果。     

我国遥感植被生长季节的地面检验研究-以温带草原和暖温带落叶阔叶林区为例

利用1982～2000年NOAA AVHRR NDVI时间序列数据,分别采用中值法、经验公式法、延迟滑动平均法和原型曲线法,划分我国温带草原区7个牧业试验站和暖温带落叶阔叶林区5个物候站所在像元的植被生长季节。通过比较各种方法划分结果与物候观测结果的标准差,以及遥感生长季节划分结果的绝对误差分级百分比、相关误差指标和相关系数,对比分析了各种方法生长季节划分结果的稳定性、准确性和有效性。研究结果表明,划分生长季节的开始,在草原区和森林区均以原型曲线法最为适宜。划分生长季节的结束,在草原区以中值法的划分结果最好,其次是原型曲线法衰落点的划分结果;而在森林区,则以原型曲线法休眠点的划分结果最好。本文为遥感生长季节划分结果的地面检验与划分方法的筛选,提供了典型的案例和方法。     

船用温湿度传感器的温度特性研究

引起温湿度传感器测量误差的主要因素是背景噪声和传感器放大电路温漂,为了降低温湿度传感器的测量误差,通过设置滤波器并采用信号叠加方法抑制背景噪声;采用数据拟合技术确定放大电路温度特性,建立温度补偿模型编写温度校正软件并对放大电路温漂进行补偿。试验结果表明,温度补偿后的温湿度传感器测量精度得到明显提高。     

集成温度传感器在多点温度测量中的应用

集成温度传感器AD590是继电压输出型传感器之后发展的一种电流输出型传感器。分析了AD590电路特点和电气特性，同时介绍了AD590在多点温度测量中的应用。     

低温温控装置的热设计

设计了新型低温温控装置用以解决电子设备在低温不能启动及性能不稳定的问题。介绍了低温温控装置的工作原理及详细方案,并借助理论计算与热分析软件相结合的设计方法确定了低温温控装置中各部分的最佳参数。通过计算机仿真分析与工程实际验证,新型低温温控装置性能可靠,能够很好解决电子设备的低温问题。     

温度监控系统的设计

随着人民生活水平的提高为了可以吃到新鲜的食品,而不是脱水之后的产品,为了保证食品可以更长时间的储存,保鲜冷库的作用变得越来越重要。为了更长时间的对食品保鲜,使用基于单片机的冷库温度监控系统就非常重要了。冷库温度采集系统主要应用在冷库已经建成,后续冷库功能升级用。监控系统由监控软件、协议转换器、采集控制器、温度传感器组成。     

大型密封式高温设备温场校准方法的研究

大型密封式高温设备温场的准确性和真空密封性直接关系到产品质量。以热压罐为例,利用炉温跟踪仪和无线压力模块对其进行现场校准,根据温场分布和温场性能等校准结果,分析其是否满足工艺要求。详细介绍了测量装置的构成,给出了热压罐测量方法,最终得到该型热压罐温场性能结果。     

气温与陆地表面温度和光谱植被指关系的研究

Prihodko 和Goward (1997) 在假设气温与浓密植被冠层温度近似的基础上, 利用空间分辨率为1 km NOAA 影像13×13 像素窗口的植被指数和LST 的线性外推求得NDVI= 0. 86 时LST, 作为中间像素气温的估计值, 这种方法假设了两个前提, 即13×13 像元窗口的植被指数和LST 呈负线性相关; 高植被覆盖条件下的LST 与气温相等。 根据Parton 和Logan (1981) 提出的气温时间尺度转换模型将297 个气象观测站获得的最高和最低气温资料计算MODIS Terra 卫星过境时刻的气温, 利用MODIS 每天陆地表面温度(LST ) 产品、16 d 合成植被指数产品, 探讨气温、植被指数和LST 之间的关系, 对Prihodko & Gow ard 法的两个前提进行调研。结果表明: ①在晚上,LST 与植被指数之间相关性很小; 方差分析的结果表明晚上LST 与晚上气温差异不显著, 因此晚上的气温基本可以由LST 代替; ②在白天, 在地形平坦的平原地区, 植被覆盖度范围较大的情况下,LST 与植被指数呈负相关关系, 但是在地形复杂的青藏高原地区和植被覆盖度范围较小(如在沙漠地区) 的情况下, 植被指数与LST 的关系很不明确; ③在白天,LST 与气温的关系随着植被生长状况差异而不同, 在稀疏植被覆盖条件下,LST 大于气温;当植被指数> 0. 7 时, 获得的LST 与气温差异不显著, 这与前人研究成果一致。根据结果②和③, 我们认为Prihodok & Goward 模型应用于区域尺度上计算白天气温存在一定局限性, 特别是应用于我国地形复杂的青藏高原地区和植被稀少的西北荒漠地区。     

发电机线棒出水温度高于线棒温度的原因分析

QFQS-200-2发电机静子线棒运行中经常出现线棒出水温度高于线棒温度的现象,对产生这种现象的原因进行分析。     

高温自控系统及温度预测模型

本文简要叙述了高温高压试验装置及其设计原理，然后运用间接的测温方法，建立在超高压釜体内介质温度的预测模型，对该预测模型的有关误差进行分析，并通过试验在先校验补偿误差影响。     

采用数字温度传感器进行热电偶冷端补偿的温度测量系统

热电偶的冷端补偿是热电偶使用中必须解决的问题,对此介绍用LM92数字温度传感器采集E型热电偶的冷端温度,在C8051F040单片机中用查表法进行软件补偿,从而得到热电偶工作端的实际温度.该系统最终测量温度精度为0.5℃以内,同时系统结构清晰,实用性强.     

温度采集系统探讨

通过温（湿）度传感器采集房间温度数据,经单片机（下位机）数据处理后,显示本地温湿度。单片机将采集的温度数据通过串口传输到上位机进行显示和判决,如果温度高于预期值,通过发警报给下位机,下位机发出警报并显示提示信息。本系统可应用到工厂、大棚等场所。