传统的地面目标红外辐射特性研究方法有理论建模分析法和外场测试法。由于大部分的理论建模计算量庞大，无法满足实时计算；外场测试往往成本较高，无法获得任意时刻地面目标整体的红外辐射特性。典型部位温度可以实时获得，但如何布置传感器使其更好地反映和预测整体的温度分布需要开展研究。文中引入本征正交分解（proper orthogonal decomposition，POD）方法对两种地面目标的温度场进行模态分析，建立两种地面目标的温度场降阶模型，利用降阶模型实现地面目标温度场的快速预测；将温度场的降阶模型与QR (orthogonal right triangular)分解算法结合，确定最佳传感器测量位置，实现对两种地面目标温度场的预测。研究结果表明，无论是POD温度场降阶模型还是通过QR分解算法得到的最佳传感器测量数据进行预测，二者的精度均较高，正方腔体的平均绝对误差均小于1.5 K，模型坦克的平均绝对误差均小于2.5 K。通过分解算法得到的最佳传感器测量数据进行预测效率更高，未来可利用该方法预测目标红外特性，从而支撑目标规避或伪装方案的制定。

天气环境变幻莫测，阴雨天气更是不可避免，研究地面目标表面热特征可以更好地服务于热红外探测与热红外制导，提高目标定位的准确性。阴雨天气条件下地面目标表面降雨分布受降雨、风力影响；地面背景受透水材料的水分吸收及蒸发带来的潜热影响，致使地面目标表面的热特征具有不确定性。文中将空气流动模型、辐射换热模型、风驱雨模型和湿热耦合模型相结合，在开源平台Open FOAM提出了一种集成考虑风驱雨与湿热耦合的地面目标表面温度计算模型，研究阴雨天气条件下地面目标表面的热特征以及降雨强度和风向对目标表面温度特性的影响。结果表明：利用该集成计算模型计算目标表面温度的模拟值与热电偶实测值变化趋势高度一致，数值计算24 h各表面的平均绝对误差为0.95 K；存在降雨的时刻目标表面的温差较小，受降雨与风向的影响，目标的迎风面因降雨捕获率较高，温度通常低于背风面温度；降雨强度、风速风向发生改变均会影响目标表面降雨捕获率分布，从而影响表面温度特征分布。研究表明该方法具有可靠性和较好的精确性，可为阴雨天气条件下复杂地面目标的热特性分析提供方法支撑。

地面目标红外辐射特性建模需要比较完备的参数，针对非合作方目标，许多相关参数较难或者无法通过测试的方法直接获取，参数的缺失给目标红外辐射特性预测带来了很大困难。目标的红外测试数据可以认为是包含所有参数及所处环境在内的信息综合作用的结果，因此可以利用目标的测试数据反演某些重要的缺失参数。针对冷静态目标，首先分析地面目标建模可能的缺失参数，通过调研及专家知识等预估缺失参数取值区间，基于灵敏度理论和正交试验法研究缺失参数对目标特性的影响程度，确定主要缺失参数，包括材料厚度、材料表面太阳吸收率和发射率。然后基于地面目标仿真数据或实测数据，结合共轭梯度法提出地面目标红外建模缺失参数反演与模型验证方法，最后通过两个实例对该方法进行了验证。结果表明：利用该方法反演缺失参数后的典型测点计算温度与实际温度变化特性高度一致，不同时刻的温度数值误差最高不超过2 K。研究表明：该方法具有较好的准确性，未来可推广应用到非合作目标红外建模缺失参数反演与红外辐射特性预测研究中。