一种获取加权平均温度的数据融合方法及计算设备
阅读说明：本技术 一种获取加权平均温度的数据融合方法及计算设备 (Data fusion method for obtaining weighted average temperature and computing device ) 是由 陈发源 于 2021-10-11 设计创作，主要内容包括：本发明公开了一种获取加权平均温度的数据融合方法及计算设备,包括：获取某个区域相同时间点的大气垂直探测产品和基于探空数据得到的再分析产品；获取距离大气垂直探测产品的视场点最近的若干个再分析产品的格网点；计算再分析产品的格网点各气压层的高度；确定按气压进行划分的最终总气压层；将干个再分析产品的格网点的比湿、相对湿度插值到大气垂直探测产品的每个气压层中；计算大气垂直探测产品的每个气压层的高度；计算每个气压层的水汽压；计算大气加权平均温度。优点：用利用大气垂直探测产品和基于探空数据得到的再分析产品进行数据融合,获取更高精度的加权平均温度。(The invention discloses a data fusion method for obtaining weighted average temperature and a computing device, comprising the following steps: acquiring an atmospheric vertical detection product at the same time point in a certain area and a re-analysis product obtained based on the sounding data; acquiring a plurality of grid points of the reanalysis products closest to the field point of the atmospheric vertical detection product; calculating the height of each air pressure layer of the grid points of the product to be analyzed; determining a final total air pressure layer divided according to air pressure; interpolating the specific humidity and the relative humidity of the grid points of the dry reanalyzed products into each atmospheric pressure layer of the atmospheric vertical detection products; calculating the height of each atmospheric pressure layer of the atmospheric vertical detection product; calculating the water vapor pressure of each air pressure layer; the atmospheric weighted average temperature is calculated. The advantages are that: and performing data fusion by using the atmospheric vertical detection product and the re-analysis product obtained based on the sounding data to obtain the weighted average temperature with higher precision.)
技术领域
本发明涉及一种获取加权平均温度的数据融合方法及计算设备，属于气象应用研究技术领域。
背景技术
利用GNSS(global navigation satellite system)获取大气可降水量(precipitable water vapor,PWV)已成为水汽探测的一种成熟手段，精确获取PWV对气象研究以及天气预报具有十分重要的作用。加权平均温度(Tm)是GNSS反演PWV过程中的关键参数，其精度决定最终获取的PWV精度。
在实际应用中常采用Bevis线性模型来获取Tm，由于该模型在构建时所采用的拟合数据仅来源于美国区域，导致该模型在我国区域获取Tm会产生区域性误差。针对这一缺陷，有学者提出利用历年来的探空数据建立区域性Tm模型，但是由于探空站点较为稀疏，导致建立的区域性Tm模型在离探空站点较远的区域获取Tm时仍会产生较大误差；进而有学者提出，采用欧洲中期天气预报中心(european centre for medium-range weatherforecasts,ECMWF)提供的ERA系列高时空分辨率再分析资料来建立Tm模型以弥补Tm模型区域覆盖不全的问题。ERA5为ECMWF推出的第五代分析资料，采用最新的预报模型以及数据同化技术，使得该产品的空间分辨率能够达到0.25°×0.25°、时间分辨率达到1h、垂直分辨率按气压进行划分为37层，尽管ERA5的高时空分辨率能够弥补Tm模型区域覆盖不全的问题，但ERA5是基于探空数据得到的再分析资料，因此在距离探空站点较远的区域利用ERA5获取Tm仍会产生一定误差。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种获取加权平均温度的数据融合方法及计算设备。
为解决上述技术问题，本发明提供一种获取加权平均温度的数据融合方法，包括：
获取某个区域相同时间点的大气垂直探测产品和基于探空数据得到的再分析产品；
获取距离大气垂直探测产品的视场点最近的若干个再分析产品的格网点；
计算再分析产品的格网点各气压层的高度；
获取大气垂直探测产品各视场点的初始总气压层，在总气压层中插入所在视场点的地表气压、地表高度、地表气温，确定按气压进行划分的最终总气压层；
获取再分析产品的格网点的每个气压层的气压和大气垂直探测产品的最终总气压层的每个气压层的气压，根据再分析产品的格网点的每个气压层的气压、大气垂直探测产品的最终总气压层的每个气压层的气压，按照预先设定的比较方法，将所述若干个再分析产品的格网点的比湿、相对湿度插值到大气垂直探测产品的每个气压层中，使得大气垂直探测产品包括气压最底层高度处的高度和各气压层高度处的气压、气温、相对湿度、比湿；
根据确定的最终总气压层，计算大气垂直探测产品的每个气压层的高度；
根据大气垂直探测产品的每个气压层的气压和大气垂直探测产品的每个气压层的的比湿计算每个气压层的水汽压；
根据大气垂直探测产品的最终总气压层、每个气压层的水汽压、每个气压层的高度和每个气压层的气温计算大气加权平均温度。
进一步的，所述大气垂直探测产品为从风云卫星遥感数据服务网获取的AVP，AVP的空间分辨率为16km，内容包括经度、纬度、地表高度、地表气压、地表气温和按气压进行划分为101层的气压、气温，其中第101层为最底层；
所述基于探空数据得到的再分析产品为ERA系列再分析资料官网获取的ERA5产品，ERA5产品的空间分辨率为0.25°×0.25°，内容包括经度、纬度和按气压进行划分为37层的重力势、比湿、相对湿度、气压、气温，其中第37层为最底层。
进一步的，所述获取距离大气垂直探测产品视场点最近的若干个再分析产品的格网点，包括：
进行数据融合的AVP点经度记为lon0,纬度记为lat0。
第一步，将经纬度向负无穷方向取整，再利用经纬度减去取整后的经纬度获取经纬度的小数部分，经度小数部分记为lon01,纬度小数部分记为lat01；
第二步，对lon01和lat01进行判断获取距离AVP点最近的ERA5格网点，该点经度记为lon1,纬度记为lat1。
所述对lon01和lat01进行判断，包括：
当lon01小于0.25时，由0.25减去lon01得到差值，若该差值大于lon01，则将lon01赋值为0，反之将lon01赋值为0.25；
当lon01大于0.25且小于0.5时，由lon01减去0.25得到差值，由0.5减去lon01得到差值，若前差值大于后差值，则将lon01赋值为0.5，反之将lon01赋值为0.25；
当lon01大于0.5且小于0.75时，由lon01减去0.5得到差值，由0.75减去lon01得到差值，若前差值大于后差值，则将lon01赋值为0.75，反之将lon01赋值为0.5；
当lon01大于0.75且小于1时，由lon01减去0.75得到差值，由1减去lon01得到差值，若前差值大于后差值，则将lon01赋值为1，反之将lon01赋值为0.75；
当lon01等于0时，则lon01保持原有值；
将通过上述判断后的lon01和lat01与第一步中向负无穷方向取整的经纬度相加即可得到距离AVP点最近的ERA5格网点，该点经度记为lon1，纬度记为lat1；
第三步，将lon0、lat0与lon1、lat1相减得到经、纬度差值,以经度差值大于等于0、纬度差值小于等于0为例：将lon1加0.25、lat1保持不变即可得到第二个格网点的经、纬度；将lon1加0.25、lat1减0.25即可得到第三个格网点的经、纬度；将lon1保持不变、lat1减0.25即可得到第四个格网点的经、纬度；其余经、纬度差值情况以此类推即可得到距离AVP点最近的四个ERA5格网点。
进一步的，所述计算再分析产品的格网点各气压层的高度，包括：
计算距离AVP点最近的四个ERA5格网点各气压层的高度，高度由重力势所得如式(1)所示：
式(1)中，φ为重力势(m2/s2)，h为高度(m)，g为重力加速度，取9.80665m/s2。
进一步的，所述获取大气垂直探测产品各视场点的初始总气压层，在总气压层中插入所在视场点的地表气压、地表高度、地表气温，确定按气压进行划分的最终总气压层，包括：
进行数据融合前需将AVP的地表气压、地表高度、地表气温插入按气压进行划分为101层的气压、气温对应层数，具体插入方法如下：
首先判断地表气压是否大于101层的气压，若是，则将地表气压、地表高度、地表气温插入第102层，此时AVP变为按气压进行划分为102层，若否，则依次判断地表气压大小是否位于相邻两层气压之间，当地表气压位于n层与n+1层气压之间时，将地表气压、地表高度、地表气温插入第n+1层,并将该层以下的气压、气温填充为0，此时AVP变为按气压进行划分为n+1层。
进一步的，所述按照预先设定的比较方法，将所述若干个再分析产品的格网点的比湿、相对湿度插值到大气垂直探测产品的每个气压层中，使得大气垂直探测产品包括气压最底层高度处的高度和各气压层高度处的气压、气温、相对湿度、比湿，包括：
由最底层开始，依次取出AVP视场点的每层气压和ERA5格网点的由最底层开始的相邻两层气压进行如下判断：
若AVP点的s层气压大于ERA5格网点的最底层气压，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(2)至式(5)所示：
式(2)中，XS为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，X2为四个ERA5格网点的倒数第二层气压对应的相对湿度和比湿，X1为四个ERA5格网点最底层气压对应的相对湿度和比湿，PS为AVP点s层气压，P2为四个ERA5格网点的倒数第二层气压，P1为四个ERA5格网点的最底层气压；
式(3)至式(5)中，lon1、lon2为距离AVP点最近的第一、二个ERA5格网点的经度，lat1、lat2为距离AVP点最近的第一、二个ERA5格网点的纬度，lon0、lat0为AVP点的经纬度，N1、N2、N3、N4分别为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，N0即为AVP点s层气压高度处的相对湿度和比湿；
若AVP点的s层气压等于ERA5格网点的某层气压，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(3)至式(5)所示；
若AVP点的s层气压小于ERA5格网点的最高层气压，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(6)和式(3)式(5)所示：
式(6)中，XS为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，X2为四个ERA5格网点的第一层气压对应的相对湿度和比湿，X1为四个ERA5格网点第二层气压对应的相对湿度和比湿，PS为AVP点s层气压，P2为四个ERA5格网点的第一层气压，P1为四个ERA5格网点的第二层气压；
若AVP点的s层气压介于ERA5格网点的两层气压之间，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(2)至式(5)所示。此时式(2)中，XS为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，X2为四个ERA5格网点的s-1层气压对应的相对湿度和比湿，X1为四个ERA5格网点s+1层气压对应的相对湿度和比湿，PS为AVP点s层气压，P2为四个ERA5格网点的s-1层气压，P1为四个ERA5格网点的s+1层气压。
至此，AVP中包括气压最底层高度处的高度和各气压层高度处的气压、气温、相对湿度、比湿。
进一步的，所述计算大气垂直探测产品的每个气压层的高度，包括：
AVP中各气压层高度处的高度由式(7)从下而上累加而得。
式(7)中，ΔH为相邻两气压层间的高度，Rd为干空气比气体常数，G为重力加速度，为层间平均虚温度，单位为K，其表达式如式(8)所示：
式(8)中，为层间平均绝对温度，单位为K，为平均相对湿度(％)，为水面平均饱和水汽压，为平均气压(hPa)，其中，由式(9)所得，由式(10)所得，由式(11)所得，由式(12)所得；
式(9)中，t1和t2分别为相邻两气压层的气温，单位为℃；
式(10)中，U1和U2分别为相邻两气压层的相对湿度；
式(11)中，为相邻两气压层间的平均气温，单位为℃；
式(12)中，P1、P2分别为相邻两高度上的气压，单位为hPa。
进一步的，所述根据大气垂直探测产品的每个气压层的气压和大气垂直探测产品的每个气压层的的比湿计算每个气压层的水汽压，包括：
水汽压由各气压层高度处的气压、比湿计算所得，如式(13)所示。
式(13)中，Pw为水汽压，单位为hPa，q为比湿，单位为kg/kg，P为气压单位为hPa；
根据大气垂直探测产品的每个气压层的高度和大气垂直探测产品的每个气压层的的比湿、相对湿度计算每个气压层的水汽压。
进一步的，所述根据大气垂直探测产品的的最终总气压层、每个气压层的水汽压、每个气压层的高度和每个气压层的气温计算大气加权平均温度，包括：
计算大气加权平均温度如式(14)所示，
式(14)中，Tm为大气加权平均温度，N为AVP的气压层数，Pwi为第i层的水汽压，Δhi为第i层的厚度，Ti为第i层的气温。
一种计算设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
本发明所达到的有益效果：
本发明利用利用大气垂直探测产品和基于探空数据得到的再分析产品进行数据融合，获取更高精度的加权平均温度Tm。
具体实施方式
下面结合实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明以2019年1月1日0时(UTC)西藏昌都探空站(站号：56137)所获取的探空数据为例：
探空站点所处位置为东经97.16°、北纬31.15°，探空数据包括各气压层高度处的气压、气温、高度和水汽混合比。
一种获取加权平均温度的数据融合方法，包括：
(1)获取2019年1月1日0时(UTC)的AVP和ERA5产品。
第一步，从欧洲中期天气预报中心(european centre for medium-rangeweather forecasts,ECMWF)提供的ERA系列再分析资料官网下载所需时间点的名为ERA5hourly data on pressure levels from 1979to present的再分析产品，该产品空间分辨率为0.25°×0.25°，内容包括经度、纬度和按气压进行划分为37层(37层为最底层)的重力势、比湿、相对湿度、气压、气温。
第二步，从风云卫星遥感数据服务网下载对应ERA5时间点的区域合成大气垂直探测产品(AVP)，该产品空间分辨率为16km，内容包括经度、纬度、地表高度、地表气压、地表气温和按气压进行划分为101层(101层为最底层)的气压、气温。
(2)获取距离AVP点最近的四个ERA5格网点。
通过计算各AVP点与探空站点的距离后选取出距离探空站点最近的AVP点，该AVP点经度记为lon0,纬度记为lat0。
第一步，将经纬度向负无穷方向取整，再利用经纬度减去取整后的经纬度获取经纬度的小数部分，经度小数部分记为lon01,纬度小数部分记为lat01。
第二步，对lon01和lat01进行判断获取距离AVP点最近的ERA5格网点，该点经度记为lon1,纬度记为lat1。对lon01和lat01进行的判断具体为(以lon01为例)：
当lon01小于0.25时，由0.25减去lon01得到差值，若该差值大于lon01，则将lon01赋值为0，反之将lon01赋值为0.25；
当lon01大于0.25且小于0.5时，由lon01减去0.25得到差值，由0.5减去lon01得到差值，若前差值大于后差值，则将lon01赋值为0.5，反之将lon01赋值为0.25。
当lon01大于0.5且小于0.75时，由lon01减去0.5得到差值，由0.75减去lon01得到差值，若前差值大于后差值，则将lon01赋值为0.75，反之将lon01赋值为0.5。
当lon01大于0.75且小于1时，由lon01减去0.75得到差值，由1减去lon01得到差值，若前差值大于后差值，则将lon01赋值为1，反之将lon01赋值为0.75。
当lon01等于0时，则lon01保持原有值。
将通过上述判断后的lon01和lat01与第一步中向负无穷方向取整的经纬度相加即可得到距离AVP点最近的ERA5格网点，该点经度记为lon1，纬度记为lat1。
第三步，将lon0、lat0与lon1、lat1相减得到经、纬度差值,以经度差值大于等于0、纬度差值小于等于0为例：将lon1加0.25、lat1保持不变即可得到第二个格网点的经、纬度；将lon1加0.25、lat1减0.25即可得到第三个格网点的经、纬度；将lon1保持不变、lat1减0.25即可得到第四个格网点的经、纬度。其余经、纬度差值情况以此类推即可得到距离AVP点最近的四个ERA5格网点。
通过步骤(6)，可得lon1＝97，lat1＝31.25,lon2＝97.25，lat2＝31.25,lon3＝97.25，lat3＝31,lon4＝97，lat4＝31。
(3)计算ERA5格网点各气压层的高度。
计算距离AVP点最近的四个ERA5格网点各气压层的高度，高度由重力势所得如式(1)所示：
式(1)中，φ为重力势(m2/s2)，h为高度(m)，g为重力加速度，取9.80665m/s2。
(4)插入AVP地表气压、地表高度、地表气温。
进行数据融合前需将AVP的地表气压、地表高度、地表气温插入按气压进行划分为101层的气压、气温对应层数，具体插入方法如下：
首先判断地表气压是否大于101层的气压，若是，则将地表气压、地表高度、地表气温插入第102层，此时AVP变为按气压进行划分为102层，若否，则依次判断地表气压大小是否位于相邻两层气压之间，当地表气压位于n层与n+1层气压之间时，将地表气压、地表高度、地表气温插入第n+1层,并将该层以下的气压、气温填充为0，此时AVP变为按气压进行划分为n+1层。
(5)将ERA5的比湿、相对湿度插值到AVP中。
将四个ERA5格网点的比湿、相对湿度插值到AVP点中，具体插值方法如下：
依次取出AVP点的每层气压(由最底层开始)和ERA5格网点的相邻两层气压(由最底层开始)进行如下判断：
若AVP点的s层气压大于ERA5格网点的最底层气压，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(2)至式(5)所示：
式(2)中，XS为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，X2为四个ERA5格网点的倒数第二层气压对应的相对湿度和比湿，X1为四个ERA5格网点最底层气压对应的相对湿度和比湿，PS为AVP点s层气压，P2为四个ERA5格网点的倒数第二层气压，P1为四个ERA5格网点的最底层气压。
式(3)至式(5)中，lon1、lon2为距离AVP点最近的第一、二个ERA5格网点的经度，lat1、lat2为距离AVP点最近的第一、二个ERA5格网点的纬度，lon0、lat0为AVP点的经纬度，N1、N2、N3、N4分别为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，N0即为AVP点s层气压高度处的相对湿度和比湿。
若AVP点的s层气压等于ERA5格网点的某层气压，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(3)至式(5)所示。
若AVP点的s层气压小于ERA5格网点的最高层气压，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(6)和式(3)式(5)所示：
式(6)中，XS为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，X2为四个ERA5格网点的第一层气压对应的相对湿度和比湿，X1为四个ERA5格网点第二层气压对应的相对湿度和比湿，PS为AVP点s层气压，P2为四个ERA5格网点的第一层气压，P1为四个ERA5格网点的第二层气压。
若AVP点的s层气压介于ERA5格网点的两层气压(s-1层和s+1层)之间，则将四个ERA5格网点的比湿、相对湿度插值到AVP点中，插值方法如式(2)至式(5)所示。此时式(2)中，XS为四个ERA5格网点在AVP点s层气压高度处的相对湿度和比湿，X2为四个ERA5格网点的s-1层气压对应的相对湿度和比湿，X1为四个ERA5格网点s+1层气压对应的相对湿度和比湿，PS为AVP点s层气压，P2为四个ERA5格网点的s-1层气压，P1为四个ERA5格网点的s+1层气压。
至此，AVP中包括气压最底层高度处的高度和各气压层高度处的气压、气温、相对湿度、比湿。
(6)计算AVP中各气压层高度处的高度。
AVP中各气压层高度处的高度由式(7)从下而上累加而得。
式(7)中，ΔH为相邻两气压层间的高度，Rd为干空气比气体常数，取287.05J/(kg·K)，
G为重力加速度，取9.80665m/s2，为层间平均虚温度(K)，其表达式如式(8)所示：
式(8)中，为层间平均绝对温度(K)，为平均相对湿度(％)，为水面平均饱和水汽压，为平均气压(hPa)。其中，由式(9)所得，由式(10)所得，由式(11)所得，由式(12)所得。
式(9)中，t1和t2分别为相邻两气压层的气温(℃)。
式(10)中，U1和U2分别为相邻两气压层的相对湿度(％)。
式(11)中，为相邻两气压层间的平均气温(℃)。
式(12)中，P1、P2分别为相邻两高度上的气压(hPa)。
(7)计算AVP中各气压层高度处的水汽压。
水汽压由各气压层高度处的气压、比湿计算所得，如式(13)所示。
式(13)中，Pw为水汽压(hPa)，q为比湿(kg/kg)，P为气压(hPa)。
(8)由AVP计算大气加权平均温度。
由AVP计算大气加权平均温度如式(14)所示。
式(14)中，Tm为大气加权平均温度，N为AVP的气压层数，Pwi为第i层的平均水汽压，Δhi为第i层的厚度，Ti为第i层的平均气温。
为验证本发明的精度，将探空数据所计算的大气加权平均温度(Tm)视为真值，并引入Bevis线性模型、距离探空站点最近的ERA5产品计算的Tm作为对比，一种利用FY-4A大气垂直探测产品获取加权平均温度的数据融合方法表示为FY-4AVP。其中，由探空数据计算Tm如式(14)、(15)所示，Bevis线性模型如式(16)所示，由ERA5产品计算的Tm如式(13)、(14)所示，最终计算结果如大气加权平均温度对比表表1所示。表1表明，一种利用FY-4A大气垂直探测产品获取加权平均温度的数据融合方法所得到的Tm较ERA5和Bevis线性模型更为接近探空数据所计算的Tm，故通过本发明所提出的方法能够获取更高精度的大气加权平均温度。
式(15)中，Pw为水汽压(hPa)，mx为水汽混合比(g/kg)，P为气压(hPa)。
Tm＝70.2+0.72×T (16)
式(16)中，T为站点处地表温度(K)。
表1
相应的本发明还提供一种计算设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至9所述的方法中的任一方法的指令。
风云四号A星(FY-4A)为我国新一代静止轨道气象卫星，其上搭载的干涉式大气垂直探测仪(geostationary interferometric infrared sounder,GIIRS)为国际上第一台在静止轨道上以红外干涉分光方式探测大气垂直结构的精密仪器，其主要功能为获取大气垂直探测产品(AVP)。AVP是由GIIRS通道匹配数据集反演的区域大气温度廓线产品，包括各视场的地理经纬度、高程(DEM)和每个视场的大气温度廓线。AVP的时间分辨率为2h、空间分辨率为16km(根据经纬度与距离的换算关系约为0.14°×0.16°)，温度廓线按气压进行划分为101层，故其空间分辨率和温度廓线的垂直分辨率均优于ERA5，且其温度廓线均由GIIRS直接观测的大气温度数据集反演而来，不会导致观测精度在距离探空站点较远的区域有所下降。
故针对Tm获取精度的问题，考虑利用FY-4A大气垂直探测产品获取Tm。在由理论公式计算Tm时，还需获取各气压层的高度和水汽压，故利用AVP和ERA5进行数据融合以获取更高精度的Tm。
相应的本发明还提供一种计算设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：温度传感器及集成电路