地面氣象測量溫度傳感器的設計與實驗研究*

王 帥, 劉清惓, 楊 杰, 葛祥建

(1.南京信息工程大學 江蘇省大氣環境與裝備技術協同創新中心,江蘇 南京 210044；2.江蘇省氣象探測與信息處理重點實驗室,江蘇 南京 210044)

0 引 言

在地面氣象測量領域,白天太陽直接輻射會造成自動氣象站溫度傳感器的升溫,使其測量值高于周圍環境的空氣溫度,產生輻射誤差[1]。通常氣象站用百葉箱或自然通風防輻射罩可以遮擋一部分輻射對溫度傳感器的直接照射,降低輻射誤差[2]。然而百葉箱或防輻射罩難以完全阻擋太陽輻射,因此一定程度上,百葉箱或防輻射罩仍會產生顯著的輻射升溫,產生較大的輻射誤差。世界氣象組織(World Meteorological Organization,WMO)以LAM630強制通風溫度傳感器的測量值作為溫度基準,對LSOC、SWIN、SYOU自然通風地表氣溫溫度傳感器進行比對,結果表明輻射誤差分別為0.8,1.2,1.0 ℃。

根據唐國利[3]的研究結果,1873年以來,中國氣候呈顯著增暖趨勢,其中年平均氣溫約上升了0.96 ℃,年平均最高、最低氣溫分別上升約1.20 ℃和0.70 ℃,20世紀初以來,平均氣溫升高約0.80 ℃。鑒于上述研究,氣溫測量需提供更加準確的測量數據,才能更為科學地研究我國氣溫變化。王曉蕾等人[4]研究了輻射強度較強環境下輻射誤差和氣流速度關系的數據,但該研究未考慮風速、下墊面反射率、太陽高度角、散射輻射[5]等環境因素之間的關系。周鵬程等人[6]設計了基于鉑電阻多測點溫度測量系統,其測量精度可以達到0.6 ℃。但該研究僅在硬件方面減小了誤差,未考慮環境因素的影響和結合軟件算法進一步提高測量精度。

為提高氣溫測量的精度,本文提出了一種地面氣象測量溫度傳感器,利用計算流體動力學(CFD)[7,8]的方法計算溫度傳感器在不同環境因素下的輻射誤差,然后采用神經網絡算法[9]模型對輻射誤差進行了修正。將溫度傳感器的硬件結構和軟件算法相結合,可顯著降低輻射誤差。

1 地面氣象測量溫度傳感器設計

1.1 防輻射罩設計

地面氣象測量溫度傳感器的導流通風防輻射罩整體結構如圖1所示。

圖1 導流通風防輻射罩示意

防輻射罩包括2個外表面鍍銀的圓板鋁殼、2個樹脂材料的圓臺形導流罩、3根內塑料隔熱柱、3根外塑料支撐柱,溫度傳感器探頭置于2個導流罩的垂直中心處。圓板鋁殼的直徑和厚度分別為150,2 mm,隔熱柱的高度和半徑分別為25,4 mm,上方圓臺導流罩上下直徑分別為90,13 mm,下方圓臺導流罩上下直徑分別為30,100 mm。2個圓臺形導流罩可有效引導自然風在防輻射罩內的流通,能有效地加快溫度傳感器探頭周圍氣流的速度,使太陽直接輻射、下墊面反射等難以直接照射到溫度傳感器探頭。

為減小由反射引起的二次輻射誤差,鋁殼和導流罩的內表面涂黑,吸收率達到0.9,盡可能降低輻射罩內二次輻射誤差。表1為溫度傳感器材料相關參數。

表1 溫度傳感器材料特性

1.2 高反射率溫度傳感器探頭設計

溫度傳感器的探頭是由半徑為4 mm高反射率銅球和高精度Pt100鉑電阻構成。銅球腔內導線與鉑電阻通過焊點進行固定連接,腔體開口處用密封膠進行密封,提高其絕緣性,導熱膠填充在腔體內提高其導熱性。圖2為溫度傳感器探頭示意圖。

圖2 溫度傳感器探頭結構

1.3 雙通道溫度采集電路系統設計

為了便于驗證對比地面氣象測量溫度傳感器的精度,設計了雙通道溫度采集電路系統。系統主要由32位Cortex_M3處理器STM32103、雙通道24 bit∑-△低噪聲模數轉換AD7794以及提供噪聲1.2 μV,溫漂系數為3×10-6/ ℃的基準源ADR441C的電源組成,處理器通過RS—485協議將采集的數據發送至上位機顯示。圖3為此電路系統框圖。

圖3 雙通道溫度采集電路系統

溫度采集系統的測量通道a采用的是A級Pt100鉑電阻,測量通道b作為參考電阻選用了精度為0.1 %的高精度電阻器。同時為了消除由于電阻器引線導致的測量誤差,本文系統采用了Fluke 1595A超級測溫電橋,抵消了電源中噪聲和溫漂的影響,系統具有較強的穩定性和抗干擾能力。

2 CFD仿真與修正算法建立

2.1 CFD模型分析

為了模擬仿真不同環境因素下,溫度傳感器的輻射誤差,通過ICEM CFD[10]對計算流體模型進行網格劃分,如圖4所示。檢驗網格質量后將劃分好的模型導入Fluent進行仿真。仿真時開啟能量方程,選擇k-epsilon標準湍流模型、SIMPLE算法、二階迎風模式等進行求解。

圖4 防輻射罩網格劃分

在太陽輻射強度、氣流速度、散射輻射和太陽高度角分別800 W/m2,1 m/s,200 W/m2和45°,下墊面反射率0.2、導流通風防輻射罩內外表面反射率分別為0.9和0.2的條件下,得到此模型的輻射溫度場及流場的分布圖,如圖5所示。

圖5 溫度場及流場分布

通過CFD-Post軟件計算,溫度傳感器探頭處的輻射誤差為0.089 K,氣流速度為1.093 m/s。表明該模型具有較好的通風性和降低太陽輻射誤差的潛在可能。

通過CFD方法分別從風速、太陽輻射強度、下墊面反射率、散射輻射、太陽高度角等對此溫度傳感器進行誤差分析,仿真結果如圖6所示。

圖6 不同條件下輻射誤差計算結果

2.2 反向傳播神經網絡修正方法

本文采用反向傳播(back propagation,BP)神經網絡算法對仿真采集的數據進行擬合分析,神經網絡能學習和訓練大量的輸入—輸出模型映射關系,利用最速下降的訓練學習原則,通過樣本的真實類標,計算模型預測的結果與真實類標的誤差。然后將該誤差反向傳播到各個隱含層,計算出各層的誤差,再根據各層的誤差,更新權重。得到輻射誤差Δδ與太陽輻射強度T、下墊面反射率f、太陽高度角A、散射輻射W和氣流速度V之間的關系,形成輻射誤差修正公式

Δδ=purelin{tan sig(V·wi1+T·wi2+f·wi3+

A·wi4+W·wi5+θi)·wki+ak}

(1)

采用Java[11]語言設計了包含一個隱含層的神經網絡,即一個3層的神經網絡,如圖7所示。

圖7 三層神經網絡拓撲結構

每層都含有一個1維的X特征矩陣即為輸入數據,一個1維W權值矩陣,一個1維的誤差矩陣Error,另外該神經網絡還包含了一個1維的目標預測矩陣Target,記錄樣本的真實類標。

3 實驗研究

3.1 誤差修正公式驗證

為了檢驗修正公式的可靠性,將太陽輻射強度、下墊面反射率、散射輻射、太陽高度角以及風速代入修正公式得到輻射誤差結果。將CFD仿真數據作為驗證集,修正結果作為訓練集進行訓練比較分析。結果如圖8所示。

圖8 神經網絡模型可靠性驗證結果

修正公式神經網絡模型的準確性可由均方根誤差RMSE和平均絕對誤差MAE表示

(2)

(3)

式中Ec為預測值,Ee為目標值,n為訓練樣本數量。

由圖8可得,訓練集和驗證集的均方根誤差,即預測值與目標值之差的平方分別為0.004 9,0.016 3。平均絕對誤差(MAE),即預測值與目標值之差的絕對值分別0.036 4,0.036 7。因此,修正公式神經網絡模型的擬合程度較高,若使用該修正公式的模型進行修正,則有望降低輻射誤差。

3.2 實驗測試與分析

根據氣象測量要求中的“代表性”規定,探測儀器的測量結果應能代表周圍環境較大范圍內的平均情況。根據此要求,選擇在中國氣象局氣象探測中心(南京)觀測基地(32.12 °N,118.42 °E,海拔為22 m)搭建了外場實驗平臺。如圖9所示。其中A為實驗平臺全景圖,B為實驗溫度傳感器,C為基準溫度傳感器,分別與溫度采集系統測量通道a,b進行連接。實驗中所選取的基準溫度傳感器為076B風扇吸入式強制通風防輻射罩,其用戶手冊說明其測量誤差在0.03 ℃以內。

圖9 實驗觀測平臺

將此氣象測量溫度傳感器修正后的值與基準溫度值進行對比。設修正值為T1,基準值為T2,取ΔT為兩者的差值,得到連續3天3組實驗數據結果如圖10所示。

圖10 修正值與基準值輻射誤差

由圖10可得此地面氣象測量溫度傳感器的修正值與基準值的相對差值較小,對3組數據的誤差進行處理可得,其平均值為0.052 ℃,均方根誤差為0.039 ℃。修正的誤差精度較高,誤差可降至0.1 ℃以內。

4 結 論

本文提出了一種用于地面氣象測量溫度傳感器來降低太陽輻射誤差,通過CFD的方法對溫度傳感器在不同環境條件下輻射誤差影響進行了仿真分析。利用神經網絡算法對仿真結果進行訓練擬合,得到太陽輻射誤差修正公式模型。為了驗證模型的修正精度,在室外綜合探測基地進行了實驗,得到以下結論：

1)通過CFD仿真計算結果可得,此溫度傳感器所用防輻射罩的輻射誤差受太陽輻射強度的影響較大,隨太陽輻射強度的增加而增大,且在風速大于2 m/s等環境條件下其輻射誤差均低于0.1 ℃量級。

2)經神經網絡訓練的輻射誤差修正公式模型經過驗證,其均方根誤差RMSE和平均相對誤差MAE分別低至0.005和0.04以下,證明了此神經網絡模型的可靠性。

3)此地面氣象測量溫度傳感器的輻射誤差修正值與基準值ΔT平均值為0.052 ℃,均方根誤差為0.039 ℃,表明此溫度傳感器修正的輻射誤差與實際測量基準值較為符合,可有望將輻射誤差降至0.1 ℃以內。