AFSim 仿真系统----《普朗克黑体辐射定律的区间积累》

news2024/9/23 5:31:48

参考文献

《普朗克黑体辐射函数的积分》,W. K. Widger, Jr. 和 M. P. Woodall,发表在《美国气象学会公报》,第57卷,第10期,1976年10月,页码1217-1219

上述参考文献描述了一种在不依赖于需要大量迭代的数值方法的情况下,对普朗克黑体辐射定律在一定波长范围内进行积分的机制。本文将在此重复推导,以供练习。

普朗克黑体辐射定律通俗讲解

普朗克黑体辐射定律是物理学中描述黑体辐射的重要理论。要理解这个定律,首先需要明确几个概念:

  1. 黑体:理想中,黑体是一个可以完全吸收所有入射辐射的物体。它没有反射或透过光,因此它的辐射只是与它的温度有关。

  2. 辐射:任何物体在一定温度下都会发出电磁辐射,温度越高,辐射的能量和强度通常越大。

定律内容

普朗克黑体辐射定律给出了黑体在某一温度下,单位波长的辐射强度是如何变化的。简单来说:

  • 温度越高,辐射的能量越大:当黑体的温度升高时,它所发出的辐射会在更短的波长上有更高的强度。这意味着,热得越发的物体(例如火焰)会发出蓝光,而冷却的物体(例如冰块)则会发出红外辐射。

  • 波长和强度关系:该定律提供了一个公式,计算在不同波长下(例如红色、蓝色等)黑体辐射的强度。普朗克的公式显示,辐射强度在某些波长上是有峰值的,通常这个峰值会随着温度的改变而改变。

实际应用

普朗克黑体辐射定律在天文学、气象学和材料科学中得到广泛应用。例如,它帮助科学家理解星体的辐射、地球的温度变化,甚至在图像处理和传感器设计中也能见到它的应用。

总结

普朗克黑体辐射定律是理解物体如何以不同方式释放热能的重要工具,尤其是在研究温度和光性能方面。这个定律不仅奠定了量子物理的基础,也帮助我们更好地认识宇宙中物体的辐射特性。


 

Planck’s Law of Black Body Radiation

Planck’s law of black body radiation states:

B(T,\lambda) =  \frac{2hc^2}{\lambda^5} \frac{1}{e^{\frac{hc}{kT\lambda}} - 1}

Or in terms of the radiation constants:

B(T,\lambda) = \frac{c_{1L}}{\lambda^5} \frac{1}{e^{\frac{c_2}{T\lambda}}-1} \text{   (units:   } \frac{W}{m^2 \cdot sr \cdot m} \text{)}

Where the radiations constants are defined as:

c_{1L} = 2hc^2 \text{    and   } c_2 = \frac{hc}{k}

This may be integrated to determine the radiance over a band of wavelengths:

B_b (T) = \int_{\lambda_1}^{\lambda_2}B(T,\lambda)d\lambda     \text{   (units:} \frac{W}{m^2 \cdot sr} \text{)}

For a discrete spectral band, this may be replaced by:

B_b (T) = \int_{\lambda_1}^{\lambda_2}B(T,\lambda)d\lambda = \int_{\lambda_1}^{\infty}B(T,\lambda)d\lambda - \int_{\lambda_2}^{\infty}B(T,\lambda)d\lambda

Assume a substitution of variables:

x = \frac{hc}{kT\lambda} \text{      or    } \lambda = \frac{hc}{kTx}

dx = -\frac{hc}{kT\lambda^2} d\lambda \text{    or    } d\lambda = -\frac{kT\lambda^2}{hc} dx = -\frac{kT}{hc} \frac{h^2 c^2}{k^2 T^2 x^2} dx = -\frac{hc}{kTx^2}dx

Performing the substitution (ignoring the limits for now):

\int \frac{2hc^2}{\lambda^5} \frac{1}{e^{\frac{hc}{kT\lambda}}-1} d\lambda = \int -2hc^2 \frac{k^5 T^5 x^5}{h^5 c^5} \frac{1}{e^x-1} \frac{hc}{kTx^2}dx

Now for some algebraic manipulation:

&=\int -2hc^2 \frac{k^5 T^5 x^5}{h^5 c^5} \frac{hc}{kTx^2} \frac{1}{e^x-1}  dx \\ &= -2hc^2 \frac{k^4 T^4}{h^4 c^4} \int x^3 \frac{1}{e^x-1}dx \\ &= -\frac{c_{1L}}{c_2^4} T^4 \int x^3 \frac{1}{e^x-1} dx

Multiple top and bottom by 

e^{-x}

:

= -\frac{c_{1L}}{c_2^4} T^4 \int x^3 \frac{e^{-x}}{1-e^{-x}} dx

The series expansion:

(1 \pm z)^{-n} = 1 \mp nz + \frac{n(n+1) z^2}{2!} \mp \frac{n(n+1)(n+2) z^3}{3!} + \ldots (z^2 < 1)

If we let 

z=e^{-x}

 and 

n=1

:

\frac{1}{1-e^{-x}} = (1-e^{-x})^{-1} = 1 + e^{-x} + e^{-2x} + e^{-3x} + \ldots

Note that 

x

 is always greater than zero because all of the factors that define it are positive. As a result, 

[0<z<1]

 and 

[0<z^2<1]

, as required. The integral can then be rewritten:

&= -\frac{c_{1L}}{c_2^4} T^4 \int x^3 e^{-x} (1 + e^{-x} + e^{-2x} + e^{-3x} + e^{-4x} + \ldots )dx \\ &= -\frac{c_{1L}}{c_2^4} T^4 \sum_{n=1}^\infty \int x^3 e^{-nx} dx

The integral can be explicitly evaluated using integration by parts:

\int x^m e^{ax} dx = e^{ax} \sum_{r=0}^m (-1)^r \frac{m!x^{m-r}}{(m-r)!a^{r+1}}

With 

m=3

 and 

a=-n

 we have:

\int x^3 e^{-nx} dx &= e^{-nx} [-\frac{3!x^3}{3!{(-n)}^1} + \frac{3!x^2}{2!{(-n)}^2} - \frac{3!x}{1!{(-n)}^3}+ \frac{3!}{0!{(-n)}^4}] \\                     &= e^{-nx} [\frac{x^3}{n} + \frac{3x^2}{n^2} + \frac{6x}{n^3} + \frac{6}{n^4}]

Substituting this for the integral in the summation we have:

= -\frac{c_{1L}}{c_2^4} T^4 \sum_{n=1}^{\infty } \int x^3 e^{-nx} dx = -\frac{c_{1L}}{c_2^4} T^4 \sum_{n=1}^{\infty}e^{-nx} [\frac{x^3}{n} + \frac{3x^2}{n^2} + \frac{6x}{n^3} + \frac{6}{n^4}]

The paper had an additional simplification that was stated to require fewer iterations for the same accuracy. We will not be using it because it varied from the direct numeric integration for low temperatures (<100 K) and short wavelengths (short than infrared), and the performance improvements were small or not observed. But I will include it here for completeness.

Note the following series:

ln(1+z) = z - \frac{z^2}{2} + \frac{z^3}{3} - \frac{z^4}{4} + \ldots (-1 < z < 1)

Let 

z=-e^{-x}

,

ln(1-e^{-x}) = -e^{-x}-\frac{(e^{-x})^2}{2}-\frac{(e^{-x})^3}{3} - \ldots - \frac{(e^{-x})^n}{n}

The first term of the summation can then be replaced:

\sum_{n=1}^\infty e^{-nx} \frac{x^3}{n} = x^3 \sum_{n=1}^{\infty} \frac{(e^{-x} )^n}{n} = -x^3  ln(1-e^{-x})

And the integral can be updated:

&= -\frac{c_{1L}}{c_2^4} T^4 [-x^3 ln(1-e^{-x})] \sum_{n=1}^{\infty} e^{-nx} [\frac{3x^2}{n^2} + \frac{6x}{n^3} + \frac{6}{n^4}] \\ &= \frac{c_{1L}}{c_2^4} T^4 [x^3 ln(1-e^{-x})] \sum_{n=1}^{\infty} e^{-nx} [\frac{3x^2}{n^2} + \frac{6x}{n^3} + \frac{6}{n^4}]

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2036802.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Visual Studio Code 安装与 C/C++ 语言运行总结

​ 大家好&#xff0c;我是程序员小羊&#xff01; 前言&#xff1a; Visual Studio Code&#xff08;简称 VS Code&#xff09;是由微软开发的一款轻量级、强大的代码编辑器&#xff0c;支持多种编程语言和开发框架。由于其丰富的插件生态系统和灵活的配置选项&#xff0c;VS…

gitlab实现CI/CD自动化部署

gitlab实现CI/CD自动化部署 项目根目录中新增gitlab-ci.yml在gitlab上查看gitlab-runner配置方法配置服务器环境推送代码&#xff0c;触发runner&#xff0c;实现自动构建和部署参考 gitlab支持通过配置CI/CD实现自动化部署我们的代码项目&#xff0c;主要核心就是配置gitlab-c…

【MySQL数据库】单机、集群、分布式的区别

单机、集群和分布式是计算机系统中三种不同的架构模型,它们在资源管理、任务执行和性能优化方面有显著区别。 图片来源 1. 单机(Standalone) 单机指的是单一计算机系统,即所有的计算任务和数据都在一台计算机上处理。单机系统的特点包括: 硬件限制:受限于单台机器的计…

ARM处理架构中的PMU(Performance Monitoring Unit)和 AMU(Activity Monitors Unit)简介

在 ARM 架构中,PMU(Performance Monitoring Unit)和 AMU(Activity Monitors Unit)是用于性能分析和监控的硬件单元,但它们的功能和应用场景有所不同。以下是它们的主要区别: 1. PMU (Performance Monitoring Unit) 功能:PMU 是一种用于监控处理器性能的硬件单元。它可…

简述MYSQL聚簇索引、二级索引、索引下推

一丶聚簇索引 InnoDB的索引分为两种&#xff1a; 聚簇索引&#xff1a;一般创建表时的主键就会被mysql作为聚簇索引&#xff0c;如果没有主键则选择非空唯一索引作为聚簇索引&#xff0c;都没有则隐式创建一个索引作为聚簇索引&#xff1b;辅助索引&#xff1a;也就是非聚簇索…

Spring Web MVC入门(下)

1. 响应 1.1 返回静态页面 创建前端页面&#xff0c;如下图所示&#xff1a; <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>Index页面</title> </head> <body>Hello,Spring MVC…

利用栈去实现队列

利用栈实现队列 今天我们利用两个栈去实现队列&#xff08;因为是用c去实现队列没有c中的库函数所以我们要先手搓一个栈再去使用&#xff09; 没有实现的去看我的这篇文章&#xff1a;利用顺序表对栈的实现-CSDN博客 回顾一下特性&#xff1a;栈----先进后出、后进先出&…

我常用的几个傻瓜式爬虫工具,收藏!

爬虫类工具主要两种&#xff0c;一种是编程语言第三方库&#xff0c;比如Python的scrapy、selenium等&#xff0c;需要有一定的代码基础&#xff0c;一种是图形化的web或桌面应用&#xff0c;比如Web Scraper、后羿采集器、八爪鱼采集器、WebHarvy等&#xff0c;接近于傻瓜式操…

汇量科技Mintegral发布全新产品矩阵:助力广告主高效增长与变现

近期&#xff0c;汇量科技旗下程序化互动式广告平台Mintegral正式推出全新产品命名&#xff0c;期望通过简洁明确的产品名称&#xff0c;更好地传达Mintegral的品牌理念&#xff0c;使客户与平台的每一次接触都更加直接高效。 Mintegral AppGrowth(原Mintegral Self-Service Pl…

【idea】 已经commit还没push怎么修改commit信息?

前言&#xff1a; 有时候填写commit信息时手快确认了&#xff0c;要push时发现信息有误&#xff0c;此时想重新更改信息。 此方法适用于在idea里commit了的&#xff0c;且还未push。 &#xff08;u1s1&#xff0c;用idea来推送真的又快又方便&#xff0c;自此之后再也没碰过小乌…

Leetcode面试经典150题-112.路径总和

解法都在代码里&#xff0c;不懂就留言或者私信 超级简单的题&#xff0c;不过有隐形的坑 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode() {}* TreeNode(int val) { this.v…

算法定制与双光谱技术融合:提升巡检车入侵检测系统效能

一、应用背景 在当今数字化和信息化时代&#xff0c;算法已经成为企业提高效率、优化决策的重要工具。随着大数据、人工智能技术的迅速发展&#xff0c;客户对算法的需求呈现出爆发式增长。这种需求不仅体现在数量上&#xff0c;更体现在质量上&#xff0c;尤其是对算法定制化…

Dav_笔记13:SQL Access Advisor 之 1 Summary

SQL Access Advisor概述 SAA Summary 在调整数据库以实现复杂的数据密集型查询的最佳性能时&#xff0c;物化视图&#xff0c;分区和索引是必不可少的。 SQL Access Advisor通过为给定工作负载推荐适当的物化视图集&#xff0c;物化视图日志&#xff0c;分区和索引&#xff0c;…

macOS Sequoia 15 beta 5 (24A5309e) Boot ISO 原版可引导镜像下载

macOS Sequoia 15 beta 5 (24A5309e) Boot ISO 原版可引导镜像下载 iPhone 镜像、Safari 浏览器重大更新、备受瞩目的游戏和 Apple Intelligence 等众多全新功能令 Mac 使用体验再升级 请访问原文链接&#xff1a;https://sysin.org/blog/macOS-Sequoia-boot-iso/&#xff0c…

基于JAVA的外来人口管理系统设计与实现,源码、部署+讲解

摘 要 在新型冠状病毒性肺炎流行的背景下&#xff0c;我国数亿流动人口应该受到高度关注和保护。并让这一易感染人群离开成为“受害者传染源”的双重风险&#xff0c;的确是一项关键而富有挑战性的任务。因此&#xff0c;本毕业设计是以规模复杂的外来人口及居民群体为典例&am…

UI-无限循环列表

无限循环列表 创建 在任意节点上&#xff0c;添加Scroller&#xff0c;ScrollView组件&#xff0c;和RectMask2D组件&#xff1a; 其中列表的大小&#xff0c;依赖Rect的大小。 界面参数介绍 ViewPort&#xff1a;视口大小 SrollDirction:滚动方向 MovementType&#xff1a…

go语言后端开发学习(五)——如何在项目中使用Viper来配置环境

前言 在之前的文章中我们就介绍过用go-ini来读取配置文件,但是当时我们在介绍时说了他只能读取.ini格式的配置文件所以局限性较大,这里我们介绍一个适用范围更大的配置管理第三方库——Viper。 什么是Viper Viper是适用于Go应用程序&#xff08;包括Twelve-Factor App&#…

算法-差分, 二维前缀和, 离散化

文章目录 本节提要1. 一维差分1.1 一维差分原理分析1.2 一维差分例题应用 2. 等差数列差分2.1 等差数列差分原理分析 3. 二维前缀和3.1 二维前缀和原理分析3.2 二维前缀和例题应用 本节提要 本节的主要目标是一维差分的总结, 包括一维差分, 一维等差数列差分; 二维差分和二维前…

唐诡探案外传-MySQL误操作之“寻凶”

序幕&#xff1a;字符集被修改之谜 立秋后的第一天下午&#xff0c;太阳仍不知疲倦地炙烤着大地&#xff0c;办公室内的中央空调不停歇地鼓吹着冷风。某办公楼内&#xff0c;IT部门的阿祖被同事急匆匆地找来&#xff0c;说是系统出现了奇怪的bug&#xff0c;追查之下发现测试环…

搭建高可用OpenStack(Queen版)集群(十二)之启动一个实例

一、搭建高可用OpenStack&#xff08;Queen版&#xff09;集群之启动一个实例 创建实例之前&#xff0c;首先要创建虚拟网络 一、创建网络 建议命令行和web管理协同进行配置&#xff0c;这样不容易出错 在控制节点执行 1、创建公有网络部分 1、在命令行执行 . admin-openrc ne…