基于熱紅外成像的坡面薄層水流流速測量方法

張 艷，史海靜，郭明航，趙 軍，展小云，丁成琴

基于熱紅外成像的坡面薄層水流流速測量方法

張 艷1,3，史海靜1,2,3※，郭明航1,2，趙 軍1,2，展小云2，丁成琴2

（1. 中國科學(xué)院水利部水土保持研究所黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室，楊凌 712100；2. 西北農(nóng)林科技大學(xué)水土保持研究所，楊凌 712100； 3. 中國科學(xué)院大學(xué)，北京 100049）

流速是表征水流水力學(xué)特性的重要物理量。為了準(zhǔn)確獲取薄層水流流速，基于熱紅外成像技術(shù)、計算機視覺識別技術(shù)，設(shè)計了一種薄層水流流速測量系統(tǒng)。該系統(tǒng)通過對熱示蹤劑的自動控制以及對其熱成像圖的瞬時采集、影像校正、噪點去除、質(zhì)心確定等手段，獲取薄層水流的流速等參數(shù)，從而實現(xiàn)對坡面薄層水流流速的動態(tài)觀測。該系統(tǒng)精確度和準(zhǔn)確度高，可從不同時間和空間尺度上更加準(zhǔn)確地觀測熱示蹤劑動態(tài)運移過程。系統(tǒng)的測量標(biāo)準(zhǔn)差為0.020 m/s，觀測精度可達到98.33%，觀測的時間分辨率為1/9 s，空間分辨率為2 mm。為了驗證該系統(tǒng)的準(zhǔn)確度，以流量法為基準(zhǔn)，與傳統(tǒng)示蹤法（染料示蹤法、鹽示蹤法）比較，結(jié)果表明，該系統(tǒng)的準(zhǔn)確度高于染料示蹤法和鹽示蹤法。其中熱紅外成像觀測系統(tǒng)的相對誤差均在±10%以內(nèi)；染料示蹤法的相對誤差均大于10%；鹽示蹤法52%的相對誤差在±10%以內(nèi)。利用熱紅外成像系統(tǒng)獲取的影像，可對不同時刻示蹤段水流的發(fā)生、發(fā)展的過程進行追溯，也可以測量示蹤劑沿水流方向的運移速度及垂直于水流方向的擴散速度，計算熱示蹤劑的彌散系數(shù)等。該技術(shù)可應(yīng)用于降雨侵蝕、徑流沖刷等方面的研究，對于進一步深化土壤侵蝕過程與機理研究具有重要的意義。

流速；坡面；熱紅外成像觀測系統(tǒng)；薄層水流；熱紅外標(biāo)靶；精準(zhǔn)度評價

0 引 言

流速作為水動力學(xué)重要的參數(shù)之一，是水土流失預(yù)測模型建立的關(guān)鍵因素，且坡面流速的準(zhǔn)確測量對于提高模型精度和定量分析徑流攜沙能力等具有重要意義[1]。而坡面水流不同于明渠水流，水深較淺一般為毫米量級，稱為薄層水流。它通常在降雨或集中徑流沖刷條件下形成，且容易受到坡度、流量、下墊面狀況等的影響[2-4]。因此，對于坡面薄層水流流速的準(zhǔn)確測量是目前土壤侵蝕定量研究中的難點之一。

常用的坡面水流流速測量方法主要包括：示蹤法[5-8]、流量法[9-10]、旋漿式微流速測定法[11-13]、粒子圖像法[14-16]以及20世紀(jì)60年代發(fā)展起來的相關(guān)法[17-19]等。傳統(tǒng)的示蹤法包括染料示蹤法和電解質(zhì)示蹤法，示蹤法在流速和泥沙含量較小時能很好地測量水流速度，但因示蹤劑自身擴散和觀察困難的問題使得測量的流速不準(zhǔn)確，且在計算平均速度時都需要引用經(jīng)驗參數(shù)[6]。流量法基于流量水深比測量水流流速，通常適用于明渠水流，對于非常規(guī)則的渠道，是目前測量流速較為準(zhǔn)確的方法之一，但只能測量斷面的平均流速[10]。旋漿式微流速測定法一般也用于明渠水流，但漿的旋轉(zhuǎn)對水流有干擾作用，因此也不能準(zhǔn)確測量薄層水流流速[13]。粒子圖像法可以準(zhǔn)確測量清水流某一點的流速，但當(dāng)水流中含有其他物質(zhì)時會影響粒子的傳播，降低測量的準(zhǔn)確度[14]。相關(guān)法一般用于兩相流、多相流的測定，但在測量過程中難以區(qū)分清水速度和懸浮物速度，且在水流中放置傳感器會干擾水流流速的測定[17]。以上的觀測技術(shù)和方法，對薄層水流流速的測量存在干擾大、缺乏動態(tài)監(jiān)測等問題。要么只能獲取某一個時間段的平均流速，要么只能獲取某一個空間點的瞬時流速，無法準(zhǔn)確估算示蹤段水流的整體情況。近年來，熱紅外成像技術(shù)[20-22]逐漸被應(yīng)用于薄層水流流速的研究中，為連續(xù)觀測薄層水流形態(tài)以及流速空間分布的數(shù)字化表達提供了可能。但對于熱示蹤劑的定量化控制、熱成像影像解譯坐標(biāo)系的建立，以及影像解算及處理等方面并不完善，并沒有形成一個完整的應(yīng)用觀測系統(tǒng)。

綜上，本文擬耦合熱紅外成像和計算機視覺識別技術(shù)，研制一套對薄層水流流速進行實時、動態(tài)、連續(xù)觀測的系統(tǒng)。利用該系統(tǒng)對熱示蹤劑進行自動的控制，并對其熱成像圖進行同步采集，獲取具有高時空分辨率的影像，通過解算得到不同時間點和距離點的薄層水流流速，從而為研究坡面土壤侵蝕過程、機理、建模等提供理論依據(jù)和研究基礎(chǔ)。

1 熱紅外成像觀測系統(tǒng)的工作原理與系統(tǒng)組成

1.1 工作原理

熱紅外成像觀測系統(tǒng)的工作原理主要是基于熱紅外成像和計算機視覺識別技術(shù)完成對熱示蹤劑瞬態(tài)遷移過程的監(jiān)測，利用影像的表面溫度分布圖以及溫度差來區(qū)分背景水流和熱示蹤劑，從而對熱示蹤劑的運移過程進行解算。首先利用熱紅外攝像機獲取坡面薄層水流熱示蹤劑的運移視頻，通過無線網(wǎng)絡(luò)對視頻數(shù)據(jù)進行傳輸并按幀率提取出影像；然后利用熱紅外標(biāo)靶建立坐標(biāo)系，通過對影像的校正、噪點去除、質(zhì)心確定等手段，獲取薄層水流的流速等參數(shù)，從而實現(xiàn)對坡面薄層水流流速的動態(tài)觀測。

1.2 系統(tǒng)組成

熱紅外成像觀測系統(tǒng)由熱示蹤劑控制子系統(tǒng)、影像采集與傳輸子系統(tǒng)以及影像解算子系統(tǒng)組成，且各子系統(tǒng)由不同的軟硬件單元組成（圖1）。其中熱示蹤劑控制子系統(tǒng)用于制備和添加熱示蹤劑；影像采集與傳輸子系統(tǒng)包括熱紅外攝像機、標(biāo)靶以及無線路由器，主要用于熱示蹤劑瞬態(tài)遷移過程的監(jiān)測以及數(shù)據(jù)的傳輸；影像解算子系統(tǒng)用于識別和確定熱示蹤劑的前緣點和質(zhì)心點從而計算水流流速。

圖1 熱紅外成像觀測系統(tǒng)結(jié)構(gòu)

1.2.1 熱示蹤劑控制系統(tǒng)

熱示蹤劑控制系統(tǒng)主要負責(zé)提供持續(xù)恒溫的熱水源，該系統(tǒng)由電加熱器、溫度傳感器和熱水泵組成。電加熱器用以加熱水體，溫度傳感器用以感應(yīng)熱示蹤劑的溫度并調(diào)節(jié)水溫至設(shè)定溫度，熱水泵用以調(diào)節(jié)熱示蹤劑滴入量和時間間隔，從而定時定量地滴入熱示蹤劑。對加入示蹤劑的溫度和體積多次試驗，設(shè)定熱示蹤劑初始溫度為100℃，出水時間為0.2 s（10 mL），間隔時間為9 s。

1.2.2 影像采集與傳輸系統(tǒng)

影像采集與傳輸系統(tǒng)主要負責(zé)熱示蹤劑運移影像的采集和傳輸，包括1臺FLIR ONE 3.1.0 熱紅外攝像機、4個熱紅外標(biāo)靶和1個無線路由器。其中，F(xiàn)LIR ONE 3.1.0熱紅外相機的分辨率為 4 032′3 016像素，相機幀率為 9 幀/s，固定于水槽上方1.5 m處進行影像采集，拍攝水槽的范圍為1.2 m（長）′0.8 m（寬）；熱紅外標(biāo)靶主要用于坐標(biāo)系的建立；無線路由器負責(zé)將拍攝的視頻數(shù)據(jù)傳入存儲系統(tǒng)。

1.2.3 影像解算系統(tǒng)

影像解算系統(tǒng)主要負責(zé)提取高幀率熱成像影像并進行解算。主要由數(shù)據(jù)存儲單元和計算匹配單元組成。影像解算系統(tǒng)的軟件有2個模塊：配置模塊和計算模塊。配置模塊主要實現(xiàn)輸入?yún)?shù)、輸出參數(shù)、計算參數(shù)、作者和版權(quán)信息參數(shù)等的配置。計算模塊主要實現(xiàn)影像分解、圖片校正、物體識別、流速計算、結(jié)果輸出等功能。在模塊的開發(fā)過程中采用JAVA、GDAL、OPENCV軟件。

2 熱紅外成像觀測系統(tǒng)測量流程與關(guān)鍵技術(shù)

2.1 測量流程

使用熱紅外成像觀測系統(tǒng)測量水流流速的具體流程如下：1）利用熱示蹤劑控制系統(tǒng)將熱示蹤劑添加到水流中；2）采用熱紅外相機對熱示蹤劑進行拍攝；3）對獲取的熱紅外影像解算得到熱示蹤劑的流速等參數(shù)?；谝陨喜襟E生成熱示蹤劑運移的每一幀影像，都可以解算出相應(yīng)的前緣速度、質(zhì)心速度等物理量。其流程圖如圖2所示。

圖2 影像解算流程

2.2 關(guān)鍵技術(shù)

2.2.1 坐標(biāo)系的構(gòu)建

坐標(biāo)系建立的目的是將所有影像放在統(tǒng)一坐標(biāo)系下進行解算，建立的關(guān)鍵是要有可識別的原點和標(biāo)靶點。由于熱紅外成像只能通過溫度來感應(yīng)和識別物體，因此，在熱紅外相機拍攝中普通光學(xué)的標(biāo)靶未能成像或成像模糊。本文根據(jù)鞏稼民等[23]提出的熱紅外標(biāo)靶，利用電熱絲制作了“田”字格熱紅外標(biāo)靶，但該方法因電熱絲溫度控制困難且比熱容小，易導(dǎo)致熱紅外標(biāo)靶出現(xiàn)成像不一致、輪廓模糊等問題。如圖3所示，圖3a為開始加熱的“田”字格熱紅外標(biāo)靶、圖3b為溫度恒定的“田”字格熱紅外標(biāo)靶。從圖3a和圖3b中可以明顯看出，標(biāo)靶成像不一致且隨著溫度的升高，電熱絲發(fā)熱成像逐漸模糊，出現(xiàn)熱擴散現(xiàn)象。為解決該問題，本研究選用比熱容較大的水，研制了熱紅外標(biāo)靶，即圓形熱水標(biāo)靶。將熱水加入形狀規(guī)則的圓柱體鋁盒中（圖3d），由于水的比熱容較大，在成像時能夠形成清晰的邊界，因此，用熱水制作的圓形標(biāo)靶具有輪廓清晰、成像一致的優(yōu)點（圖3c）。該標(biāo)靶的直徑為5.5 cm，高為3 cm。為了保證標(biāo)靶里熱水的溫度恒定，與影像獲取時間同步，每2 min更換一次熱水，確保圓形標(biāo)靶圖像清晰。熱紅外標(biāo)靶確定后，在水槽的兩側(cè)選定測量區(qū)域放置4個標(biāo)靶，根據(jù)標(biāo)靶的已知距離來確定像素尺寸、對圖像進行校正、確定水槽區(qū)域、確定拍攝視頻方向、標(biāo)定選定區(qū)域的坐標(biāo)，從而統(tǒng)一所有影像的坐標(biāo)便于計算和分析。

2.2.2 前緣點的識別與確定

在薄層水流中添加熱示蹤劑，其隨水流方向運移且運移的最前緣為前緣點。前緣點的確定是計算前緣速度的基礎(chǔ)。而在前緣點確定之前，首先要在獲取的影像中確定標(biāo)靶位置以及熱區(qū)域，其過程如下：將熱紅外相機拍攝的視頻按幀率導(dǎo)出彩色圖，圖像中有紅綠藍3個波段。因標(biāo)靶和熱示蹤劑的溫度較高，所以彩色圖中紅色和綠色波段值較高。利用彩色轉(zhuǎn)灰度算法，將彩色圖轉(zhuǎn)換為灰度圖。在灰度圖上，利用霍夫圓算法查找圓，找到標(biāo)靶圓心和半徑，確定標(biāo)靶位置并建立興趣區(qū)（region of interest），對興趣區(qū)按一定算法去除噪點。然后將背景水流溫度的最高溫度設(shè)定為閾值溫度，溫度高于閾值溫度的像素區(qū)域為熱示蹤劑區(qū)域。由于背景溫度隨周圍溫度的變化而變化，因此與影像獲取時間同步，每獲取一次影像，計算一次閾值溫度。閾值溫度的計算根據(jù)Abrantes等[22]的方法，將熱示蹤劑加入前10 s的水流中出現(xiàn)的最高溫度設(shè)置為閾值溫度，用熱示蹤劑的溫度減去閾值溫度就可確定熱示蹤劑區(qū)域。熱示蹤劑區(qū)域確定后，將其二值化保存，最后根據(jù)二值化圖識別并確定前緣點（圖4）。

a. 彩色圖a. Color figureb. 灰度圖b. Grayscale figurec. 興趣區(qū)c. Region of interestd. 二值化圖d. Binarization figure

2.2.3 質(zhì)心點的識別與確定

由于熱示蹤劑在薄層水流中的運移形狀不規(guī)則，常規(guī)的方法難以尋找及計算質(zhì)心。本研究基于灰度或二值化輪廓圖像[24]快速計算質(zhì)心。將彩色圖轉(zhuǎn)為灰度圖后，根據(jù)溫度閾值，查找滿足要求的邊沿像素所在的相應(yīng)行列位置，然后進行算術(shù)平均求得質(zhì)心坐標(biāo)，從而確定質(zhì)心點（圖5）。具體的過程如下：首先從每行的左端和右端查找滿足設(shè)定閾值的第1個像素，并記錄列坐標(biāo)值y及個數(shù)m，然后從每列的上端和下端查找滿足設(shè)定閾值的第1個像素并記錄行坐標(biāo)值x及個數(shù)n，最后通過公式（1）算術(shù)平均求取熱成像圖的質(zhì)心坐標(biāo)。

式中x為行坐標(biāo)值；y為列坐標(biāo)值；n為行坐標(biāo)個數(shù)；m為列坐標(biāo)個數(shù)；、、、為分別為目標(biāo)圖像的行數(shù)和列數(shù)。

2.2.4 前緣速度和質(zhì)心速度的計算

熱紅外成像技術(shù)的原理通過計算熱示蹤劑在單位時間內(nèi)的移動距離計算水流流速，前緣速度和質(zhì)心速度的計算見式（2）和式（3）。熱紅外成像技術(shù)獲取的影像為高幀率影像，本研究中使用的熱紅外相機的幀率為9幀/s，即每1/9 s就可獲取一張熱紅外影像，并解算得到熱示蹤劑運移的區(qū)域和距離。根據(jù)每張影像解算的熱示蹤劑區(qū)域和距離可計算得到熱示蹤劑在每幀影像運移的速度即為瞬時速度Vx。前緣瞬時速度為熱示蹤劑在單位時間內(nèi)最前緣點的運移距離，質(zhì)心瞬時速度為熱示蹤劑在單位時間內(nèi)質(zhì)心點的運移距離（圖6）。由于流量法計算得到的是平均流速，為了基于流量法驗證本研究測量流速的準(zhǔn)確性，將前緣瞬時速度和質(zhì)心瞬時速度分別算術(shù)平均得到水流平均流速，見式（4），進而對流量法和熱紅外成像技術(shù)測量的流速進行對比研究。

前緣速度：

質(zhì)心速度：

平均流速：

式中D2為從1時刻到2時刻示蹤劑前緣運移的路程，m；D1為從1時刻到2時刻示蹤劑質(zhì)心運移的路程，m；Vx為示蹤劑的瞬時速度，為一次測量所解譯的瞬時速度的個數(shù)。

注：1為熱示蹤劑質(zhì)心點從1到2時刻的運移距離，m；2為熱示蹤劑前緣點從1到2時刻的運移距離，m；1和2為時間，s

Note:1is the migration distance of thermal tracer centroid point from1to2, m;2is the migration distance of the leading edge point of the thermal tracer from1to2, m;1and2are the times, s.

圖6 熱示蹤劑運移圖

Fig.6 Thermal tracer migration diagram

3 熱紅外成像觀測系統(tǒng)的應(yīng)用

3.1 試驗過程

3.1.1 試驗設(shè)計

試驗在黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室人工模擬徑流大廳進行。試驗平臺規(guī)格為10 m（長）′3 m（寬），試驗水槽為可調(diào)坡度水槽（圖7），規(guī)格為 4.6 m（長）′0.196 m（寬）′0.1 m（深），設(shè)置其下墊面為光滑的玻璃。光滑玻璃的表面粗糙度為0.03m[25]，可近似看作粗糙度為0，在形狀規(guī)則的水槽中可通過流量法精準(zhǔn)計算水流流速。在水槽進水口處設(shè)置穩(wěn)流槽，使水流從穩(wěn)流槽中溢流而出，并且均勻地分布在坡面上。在水槽出水口處放置徑流箱，利用水泵將徑流箱中的水流傳輸?shù)焦┧b置中，以達到水流循環(huán)使用的效果。在試驗開始前，調(diào)節(jié)供水裝置的流量，多次試驗取樣證明流量設(shè)計值與實際流量值一致。在放水沖刷過程中，利用熱紅外攝像機對熱示蹤劑進行拍攝，同時對獲取的影像數(shù)據(jù)進行傳輸存儲，防止數(shù)據(jù)的丟失和混亂，最后利用影像解譯系統(tǒng)對所獲取的影像進行解譯。

圖7 試驗水槽

3.1.2 精確度檢驗

精確度是指對某一對象多次重復(fù)測量數(shù)值的離散表達，離散小則精度高。為檢驗熱紅外成像觀測系統(tǒng)的測量精度，在水槽坡度為5°，流量為0.2 L/s條件下重復(fù)30次，總時長為5 min，進行水流流速觀測。以熱示蹤劑的質(zhì)心速度為觀測對象，因為在放水沖刷條件下，示蹤劑峰值溫度的位置較難確定，因此將熱示蹤劑的質(zhì)心速度作為水流的平均流速[26]，利用SPSS 18.0軟件對30次的重復(fù)測量結(jié)果進行統(tǒng)計分析。

3.1.3 準(zhǔn)確度檢驗

準(zhǔn)確度是表征測量值與真值之間的關(guān)系，用相對誤差來表述。在放水沖刷條件下，通過3個坡度（0、5、10°）、7種流量（0.2、0.3、0.4、0.5、0.6、1.0、1.5 L/s）共21種水流狀況下，每種水流狀況下拍攝時長為2 min。以流量法為基準(zhǔn)，分別計算熱紅外成像技術(shù)、染料示蹤法、鹽示蹤法測量的相對誤差，從而評估熱紅外成像技術(shù)、染料示蹤法、鹽示蹤法對水流流速觀測的準(zhǔn)確度。流量法是目前測量平均流速較準(zhǔn)確的方法之一，因此采用流量法測量的流速值作為真值，其計算方法為式（5）。染料示蹤法是將高錳酸鉀溶液加入被測薄層水流中，記錄其通過測量區(qū)域的時間，然后根據(jù)手工測量的距離和記錄時間計算薄層水流流速，其中高錳酸鉀溶液配制為每500 mL去離子水中加入5 g高錳酸鉀，該方法測量得到的是水流的前緣速度。鹽示蹤法是在薄層水流中滴入鹽溶液，并在其下游另一個確定位置對水流的電導(dǎo)率進行測量，通過計算鹽溶液滴入薄層水流至電導(dǎo)率最大值出現(xiàn)之間的時間、水流流過的距離計算薄層水流流速，其中鹽溶液的濃度為每1 000 mL去離子水中加入5 g的食用鹽，時間用秒表計時。為保證試驗的可靠性，對坡度、流量的每種組合條件下進行3次重復(fù)。該方法測量得到的是水流的質(zhì)心速度。

式中為過流斷面流體體積，L/s；為水流水深，本文用測針儀測量精度為0.1 mm；為水槽寬度，本文為0.196 m。

3.2 結(jié)果與分析

3.2.1 精確度分析

精確度檢驗結(jié)果表明，測量的熱示蹤劑質(zhì)心速度平均值為0.517 m/s，測量標(biāo)準(zhǔn)差為0.020 m/s，觀測精度可達到98.33%。利用單一樣本K-S（Kolmogorov-Smirnov）檢驗該質(zhì)心速度的分布，統(tǒng)計分析得到K-S的值為0.505，值為0.961（＞0.05），由此可知熱紅外成像技術(shù)的觀測結(jié)果服從（0.517, 0.020）正態(tài)分布（如圖8所示）。

注：m為平均值；d為標(biāo)準(zhǔn)差；N為樣本數(shù)。

3.2.2 準(zhǔn)確度分析

準(zhǔn)確度檢驗結(jié)果表明（表1、圖9），熱紅外成像觀測系統(tǒng)的準(zhǔn)確度高于染料示蹤法和鹽示蹤法。熱紅外成像技術(shù)測量的質(zhì)心速度與實際值之間的最大相對誤差、最小相對誤差分別為–9.61%和0.16%，且相對誤差范圍均在±10%以內(nèi)（表1、圖9a）。染料示蹤法測量的流速值與實際值之間的最大相對誤差為75.91%，最小相對誤差為12.03%，且染料示蹤法測量的流速值均大于流量法測量的流速值（表1、圖9c）。鹽示蹤法流速測量值與實際值之間的最大相對誤差為26.67%，最小相對誤差為0.11%，相對誤差在±10%以內(nèi)的樣本數(shù)有52%（表1、圖9d）。

以流量法為基準(zhǔn)，熱紅外成像技術(shù)測得的前緣速度的最大相對誤差、最小相對誤差分別為28.05%、–4.81%，且只有33%的樣本相對誤差在±10%以內(nèi)（表1、圖9b）。這表明熱紅外成像技術(shù)的質(zhì)心速度的準(zhǔn)確度高于前緣速度的準(zhǔn)確度。其中質(zhì)心速度的相對誤差均小于前緣速度的相對誤差，這與de Lima等[21-22]的研究一致，因為流量法測量的流速為水流的平均流速，所以在熱紅外成像技術(shù)測速時用熱示蹤劑的質(zhì)心速度來表征水流平均流速。而染料示蹤法測量的也是前緣速度，其觀測樣本有95%的相對誤差大于熱紅外成像技術(shù)前緣速度的相對誤差，這表明熱示蹤劑的擴散小于染料示蹤劑的擴散。且由于示蹤段內(nèi)人腦的反應(yīng)等主觀原因，時間記錄有偏差，導(dǎo)致染料示蹤法測得的流速值誤差較大。

表1 不同方法流速測量結(jié)果

圖9 水流流速相對誤差頻率分布

無論是染料示蹤法還是鹽示蹤法，在測量過程中由于人為記錄，只能讀取一個時間值，無法測算示蹤段水流的整體情況。而熱紅外成像技術(shù)可以準(zhǔn)確地記錄示蹤段水流的整體情況，并且通過影像解算，可在不同的時間節(jié)點和空間點上識別示蹤劑所形成圖斑的前緣點和質(zhì)心點，從而準(zhǔn)確地計算水流的前緣速度以及質(zhì)心速度。本研究中，熱紅外成像技術(shù)觀測的時間分辨率為1/9 s，空間分辨率為2 mm，實現(xiàn)了從不同時空尺度上對薄層水流流速的觀測（圖10）。

注：圖中紅點為質(zhì)心點，紅線為前緣線。坡度為0、流量為0.2 L·s-1。

相比于染料示蹤法和鹽示蹤法，熱紅外成像觀測技術(shù)的主要優(yōu)點在于，熱圖像中示蹤劑具有較高的可視化且前緣的能見度高，可以準(zhǔn)確尋找前緣點和示蹤劑區(qū)域。選定示蹤劑區(qū)域后，可以快速確定前質(zhì)心，計算示蹤劑的前緣速度和質(zhì)心速度。在染料示蹤法中，示蹤劑的邊緣難以確定，即使利用光學(xué)相機對染料示蹤劑進行拍攝，也很難估算示蹤劑的質(zhì)心，尤其在野外工作中，因為光學(xué)相機對光照條件嚴格且光學(xué)圖像處理復(fù)雜。在鹽示蹤法中，盡管鹽示蹤劑的保守性高，但要想實現(xiàn)對水流流速的動態(tài)觀測，只能通過安裝多個傳感器來實現(xiàn)，但傳感器對薄層水流的干擾作用大，不利于水流流速的準(zhǔn)確測量。此外，安裝傳感器測量鹽溶液的濃度需要一個最小水深，導(dǎo)致小于該水深的水流流速不能測量或測量誤差大。而熱紅外成像技術(shù)可以實現(xiàn)對水流流速的無接觸式的監(jiān)測且不需要最小水深。在示蹤劑材料的選取上，染料示蹤劑通常為高錳酸鉀等帶顏色的溶液，鹽示蹤劑通常為鹽溶液，它們對環(huán)境污染大，而熱示蹤劑通常為熱水或冰塊，是一種清潔、環(huán)保的材料。

同時，利用熱紅外成像技術(shù)獲取的影像，可對不同時刻示蹤段水流的發(fā)生、發(fā)展的過程進行追溯，也可以測量示蹤劑沿水流方向的運移速度及垂直于水流方向的擴散速度，計算熱示蹤劑的彌散系數(shù)等。本研究中試驗設(shè)置的下墊面為光滑的玻璃，后續(xù)將進一步開展基于不同下墊面包括人工草皮以及土壤表面等的放水沖刷試驗，通過熱紅外成像技術(shù)來研究不同下墊面情況對薄層水流流速的影響，尤其是發(fā)生土壤侵蝕的下墊面。未來，該技術(shù)可應(yīng)用于降雨侵蝕、徑流沖刷等方面的研究，對于進一步深化土壤侵蝕過程與機理研究具有重要的意義。

4 結(jié) 論

1）提出了一種能夠?qū)ζ旅姹铀髁魉龠M行動態(tài)觀測的熱紅外成像觀測系統(tǒng)。通過統(tǒng)一坐標(biāo)系的建立，高幀率影像的采集，及影像的校正、噪點去除、質(zhì)心確定等關(guān)鍵技術(shù)，提取坡面薄層水流流態(tài)動態(tài)變化及空間分布信息，從而實現(xiàn)對坡面薄層水流流速的動態(tài)觀測。

2）該系統(tǒng)精確度和準(zhǔn)確度高，可從不同時間和空間尺度上更加準(zhǔn)確地觀測熱示蹤劑動態(tài)運移過程。系統(tǒng)的測量標(biāo)準(zhǔn)差為0.020 m/s，熱示蹤劑的質(zhì)心速度觀測精度可達到98.33%，觀測的時間分辨率為1/9 s，空間分辨率為2 mm。與傳統(tǒng)示蹤法（染料示蹤法、鹽示蹤法）比較，該系統(tǒng)的準(zhǔn)確度高于染料示蹤法和鹽示蹤法。其中熱紅外成像觀測系統(tǒng)的相對誤差均在±10%以內(nèi)；染料示蹤法的相對誤差均大于10%；鹽示蹤法52%樣本的相對誤差在±10%以內(nèi)。

利用熱紅外成像技術(shù)獲取的影像，可對不同時刻示蹤段水流的發(fā)生、發(fā)展的過程進行追溯，也可以測量示蹤劑沿水流方向的運移速度及垂直于水流方向的擴散速度，計算熱示蹤劑的彌散系數(shù)等。該技術(shù)可應(yīng)用于降雨侵蝕、徑流沖刷等方面的研究，對于進一步深化土壤侵蝕過程與機理研究具有重要的意義。

[1] 劉泉. 徑流流速虛擬儀器測試系統(tǒng)的研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2005.

Liu Quan. Research on Runoff Current Velocity Measuring System of Virtual Instrument[D]. Wuhan: Huazhong Agricultural University, 2005. (in Chinese with English abstract)

[2] 白玉潔，張風(fēng)寶，楊明義，等. 急陡黃土坡面薄層水流水力學(xué)參數(shù)變化特征[J]. 土壤學(xué)報，2018，55(3)：641-649.

Bai Yujie, Zhang Fengbao, Yang Mingyi, et al. Variation of hydraulic parameters of shallow flow on steep loess slope[J]. Acta Pedologica Sinica, 2018, 55(3): 641-649. ( in Chinesewith English abstract)

[3] 張琪琳，王占禮，張慶瑋，等. 雨強及坡度對黃土區(qū)草地坡面水流流速的影響[J]. 人民黃河，2018，40(4)：96-99.

Zhang Qilin, Wang Zhanli, Zhang Qingwei, et al. Experiment on influence of rainfall intensity and slope on flow velocity in loess area grassland[J]. Yellow River, 2018, 40(4): 96-99. ( in Chinese with English abstract)

[4] 陳麗燕.復(fù)雜下墊面水流流速測量與估算[D].北京：中國農(nóng)業(yè)大學(xué)，2018.

Chen Yanli. Measuring and Estimating Shallow Water Flow Velocity under Complex Underlying Soil Surface Conditions[D]. Beijing: China Agricultural University, 2018. ( in Chinese with English abstract)

[5] 張光輝.坡面薄層流水動力學(xué)特性的實驗研究[J].水科學(xué)進展，2002，13(2)：159-165.

Zhang Guanghui. Study on hydraulic properties of shallow flow[J]. Advances in Water Science, 2002, 13(2): 159-165. (in Chinesewith English abstract )

[6] Lei T W, Xia W S, Zhao J, et al. Method for measuring velocity of shallow water flow for soil erosion with an electrolyte tracer[J]. Journal of Hydrology,2005, 301(1): 139-145.

[7] 邢行，陳曉燕，韓珍，等. 飽和與非飽和黃綿土細溝徑流水動力學(xué)特征及侵蝕阻力對比[J]. 水土保持學(xué)報，2018，32(3)：92-97.

Xing Hang, Chen Xiaoyan, Han Zhen, et al. Comparation of hydrodynamic characteristics and flow resistance under rill erosion between saturated and unsaturated loess soil[J]. Journal of Soil and Water Conservation, 2018, 32(3): 92-97. (in Chinese with English abstract)

[8] Chen C, Ban Y Y, Wang X F, et al. Measuring flow velocity on frozen and non-frozen slopes of black soil through leading edge method[J]. International Soil and Water Conservation Research, 2017, 5(3): 180-189.

[9] 陳麗燕，雷廷武，啜瑞媛. 坡面薄層水流優(yōu)勢流速研究[J].中國水土保持科學(xué)，2016，14(5)：130-137.

Chen Liyan, Lei Tingwu, Chuo Ruiyuan. Studies on peak velocity of shallow water flow on slopes[J]. Science of Soil and Water Conservation, 2016, 14(5): 130-137. (in Chinese with English abstract)

[10] 夏衛(wèi)生，雷廷武，趙軍. 泥沙含量對鹽液示蹤法經(jīng)驗系數(shù)影響的研究[J].農(nóng)業(yè)工程學(xué)報，2003，19(4)：97-100.

Xia Weisheng, Lei Tingwu, Zhao Jun. Research of empirical coefficient of salt tracer method aff ected by sediment[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2003, 19(4): 97-100. (in Chinese with English abstract)

[11] 李剛，黃同愿，邵桂芳，等. 基于復(fù)雜可編程邏輯器件的流速快速測量系統(tǒng)[J]. 傳感器技術(shù)，2004，23(6)：23-26.

Li Gang, Huang Tongyuan, Shao Guifang, et al. High speed system to measure flow velocity based on CPLD[J]. Journal of Transducer Technology, 2004, 23(6): 23-26. (in Chinese with English abstract)

[12] 張科利，秋吉康弘，張興奇. 坡面徑流沖刷及泥沙輸移特征的試驗研究[J]. 地理研究，1998，17 (2)：3-5.

Zhang Keli, Akiyoshi Yasuhiro, Zhang Xinqi. A laboratory study on rill erosion and sediment delivery on the slope[J]. Geographical Research, 1998, 17(2): 3-5. (in Chinese with English abstract)

[13] 范建成，邢小寧. 光纖通孔式流速旋漿傳感器研制[J]. 泥沙研究1997(3)：73-76.

Fan Jiancheng, Xing Xiaoning. Optical fiber miniature propeller probe with passing hole[J]. Journal of Sediment Research, 1997(3): 73-76.(in Chinese with English abstract)

[14] Akbarpour F, Fathimoghadam M, Schneider J. Application of LSPIV to measure supercritical flow in steep channels with low relative submergence[J]. Flow Measurement and Instrumentation, 2020, 72: 101718.

[15] Shi S B, Wang D W, Qian Y L, et al. Liquid-phase turbulence measurements in air-water two-phase flows using particle image velocimetry[J]. Progress in Nuclear Energy, 2020, 124: 103334.

[16] Mazumder Q, Nallamothu V T, Mazumder F. Comparison of characteristic particle velocities in solid-liquid multiphase flow in elbow[J]. International Journal of Thermofluids, 2020, 5-6: 100032

[17] 王一鳴，于海波，何建宇，等. 用于測量氣固兩相流質(zhì)量流量的梯度相關(guān)方法[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報，1997，2(2)：105-108.

Wang Yiming, Yu Haibo, He Jianyu, et al. Correlation gradient method for measuring the mass flow in two phase flow cases[J]. Journal of China Agricultural University, 1997, 2(2): 105-108. ( in Chinese with English abstract)

[18] 宿成基，陸志明，夏虹. 利用流體中溫度噪聲信號的相關(guān)分析進行流速測量[J]. 哈爾濱船舶工程學(xué)院學(xué)報，1993，14(2)：49-55.

Su Chenji, Lu Zhiming, Xia Hong. Fluid veloeity measurement by using the correlation analysis of the temperature noise signals in fluid[J]. Journal of Harbi Shipbuilding Engineering Institute, 1993, 14(2): 49-55. (in Chinesewith English abstract )

[19] 周紅仙，周有平，王毅. 用自相關(guān)法測量橫向流速[J]. 物理實驗，2012，32(5)：6-8.

Zhou Hongxian, Zhou Youping, Wang Yi. Measuring transverse velocity by autocorrelation[J]. Physics Experimentation, 2012, 32(5): 6-8. (in Chinese with English abstract)

[20] de Lima J L M P, Abrantes J R C B. Can infrared thermography be used to estimate soil surface microrelief and rill morphology?[J]. Catena, 2014, 113(1): 314-322.

[21] de Lima J L M P, Abrantes J R C B. Using a thermal tracer to estimate overland and rill flow velocities[J]. Earth Surface Processes and Landforms, 2014, 39(10): 1293-1300.

[22] Abrantes J R C B, Moruzzi R B, Alexanres S, et al. Comparison of thermal, salt and dye tracing to estimate shallow flow velocities: Novel triple-tracer approach[J]. Journal of Hydrology, 2018, 557: 362-377.

[23] 鞏稼民，郭濤，孫宇航，等. 一種新型紅外靶標(biāo)的設(shè)計[J].半導(dǎo)體光電，2015，36(5)：804-807.

Gong Jiamin, Guo Tao, Sun Yuhang, et al. Design and application of a new type IR drone[J]. Semiconductor Optoelectronics, 2015, 36(5): 804-807. (in Chinese with English abstract)

[24] 袁仁宗，李建勛. 基于灰度圖像的快速質(zhì)心算法[J]. 中國信息化，2013(8)：466-467.

Yuan Renzong, Li Jianxun. Computation of centroid of gray level image based on judgement and arithmetic mean[J].Informatization in China, 2013(8): 466-467.(in Chinese with English abstract)

[25] 胡志亮.直流下有機玻璃表面粗糙度對表面電荷影響的研究[D]. 保定：華北電力大學(xué)，2017.

Hu Zhiliang. Study on the Influence of Surface Roughness on the Surface Charge of PMMA Under DC Voltage[D]. Baoding: North China Electric Power University, 2017.(in Chinese with English abstract)

[26] Zhuang X H, Wang W,Ma Y Y, et al. Spatial distribution of sheet flow velocity along slope under simulated rainfall conditions[J]. Geoderma,2018, 321: 1-7.

Thermal infrared imaging measurement method for shallow flow velocity

Zhang Yan1,3, Shi Haijing1,2,3※, Guo Minghang1,2, Zhao Jun1,2, Zhan Xiaoyun1,2, Ding Chengqin2

(1.712100;2.712100;3.100049,)

A flow velocity is one of the most important physical parameters to quantify the hydraulic characteristics of water flow. The accurate measurement of shallow flow velocities can greatly contribute to understanding and simulating the sediment transport and soil erosion. In this study, a novel observation system of thermal infrared imaging and computer vision was established to measure the velocities of shallow flow. The observation system consisted of three subsystems, such as the thermal tracer control, image acquisition, and transmission, as well as image calculation. Specifically, the control subsystem of the thermal tracer was mainly responsible for the constant temperature of hot water, including the electric heater, temperature sensor, and hot water pump. The subsystem of image acquisition and transmission consisted of a FLIR ONE 3.1.0 thermal infrared camera, 4 thermal infrared targets, and a wireless router, particularly for the thermal infrared images of thermal tracer migration. The subsystem of image calculation was used to extract the high frame rate from the thermal infrared images, including the data storage and computing matching. As such, the velocity of shallow flow was dynamically monitored using the automatic control of thermal tracer, instantaneous image acquisition, image correction, noise removal, and centroid determination. Furthermore, a series of experiments were conducted to verify the system in the Simulated Runoff Hall of the State Key Laboratory of Soil Erosion and Dryland Farming on the Loess Plateau. The experimental glass tank was in the size of 4.6 × 0.196 × 0.1 m3at a gradient of 15° to the horizontal, together with the different flows (0.2-1.5 L/s). The results showed that the observation system presented a higher accuracy than before, suitable for the dynamic transport of thermal tracer in the different temporal and spatial scales. Specifically, an excellent performance was achieved, where the measurement standard deviation of the system was 0.0201 m/s, the observation accuracy reached 98.33%, the observation time resolution was 1/9 s, and the spatial resolution was up to 2 mm. Moreover, the accuracy of the observation system with the thermal infrared imaging was much higher than that with the traditional tracer techniques (dye and salt tracer). The maximum and minimum relative errors of the observation system were –9.61% and 0.16%, respectively, and the range of the relative errors was within±10%. The maximum relative error of the dye tracer was 75.92%, and the minimum relative error was 12.03%. The maximum and minimum relative errors of salt tracer were –26.67% and 0.11%, respectively, where 52% of the samples presented the relative errors within±10%. Correspondingly, the observation system with thermal infrared imaging was provided a reliable way to measure the shallow flow velocity. By contrast, either the dye tracer or salt tracer cannot calculate the overall situation of water flow, due to the manually recording one-time value during measurement. Fortunately, the observation system with thermal infrared imaging can be widely expected to accurately record the overall situation of the water flow. More importantly, the leading edge points and centroid points of the thermal tracer area can be identified at different time intervals, thereby accurately calculating the leading edge velocity and centroid velocity of the water flow. The images can also be used to trace the development of water flow in various tracer sections at different times. As such, it can be possible to measure the tracer migration velocity along the direction of water flow and the diffusion velocity perpendicular to the direction of water flow in the future. This technique can also be applied to monitor the rainfall erosion and runoff scour in the process of soil erosion.

flow velocity; slope; thermal infrared imaging observation system; shallow flow; thermal infrared target; accuracy evaluation

10.11975/j.issn.1002-6819.2021.21.013

P335；S157

A

1002-6819(2021)-21-0108-08

張艷，史海靜，郭明航，等. 基于熱紅外成像的坡面薄層水流流速測量方法[J]. 農(nóng)業(yè)工程學(xué)報，2021，37(21)：108-115.doi：10.11975/j.issn.1002-6819.2021.21.013 http://www.tcsae.org

Zhang Yan, Shi Haijing, Guo Minghang, et al. Thermal infrared imaging measurement method for shallow flow velocity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(21): 108-115. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.21.013 http://www.tcsae.org

2021-05-12

2021-10-10

中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項（XDA20040202）；黃土丘陵區(qū)地形微生境分類評價與潛在植物群落分布模擬（XAB2020YN04）；國家科技基礎(chǔ)條件平臺建設(shè)項目（2005DKA32300）

張艷，研究方向為坡面水流監(jiān)測方法。Email：zhangyan199@mails.ucas.ac.cn

史海靜，博士，副研究員，研究方向為水土保持與科研信息化。Email：shihaijingcn@ nwafu. edu.cn