基于热红外成像的坡面薄层水流流速测量方法

张 艳，史海静，郭明航，赵 军，展小云，丁成琴

基于热红外成像的坡面薄层水流流速测量方法

张 艳1,3，史海静1,2,3※，郭明航1,2，赵 军1,2，展小云2，丁成琴2

（1. 中国科学院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，杨凌 712100；2. 西北农林科技大学水土保持研究所，杨凌 712100； 3. 中国科学院大学，北京 100049）

流速是表征水流水力学特性的重要物理量。为了准确获取薄层水流流速，基于热红外成像技术、计算机视觉识别技术，设计了一种薄层水流流速测量系统。该系统通过对热示踪剂的自动控制以及对其热成像图的瞬时采集、影像校正、噪点去除、质心确定等手段，获取薄层水流的流速等参数，从而实现对坡面薄层水流流速的动态观测。该系统精确度和准确度高，可从不同时间和空间尺度上更加准确地观测热示踪剂动态运移过程。系统的测量标准差为0.020 m/s，观测精度可达到98.33%，观测的时间分辨率为1/9 s，空间分辨率为2 mm。为了验证该系统的准确度，以流量法为基准，与传统示踪法（染料示踪法、盐示踪法）比较，结果表明，该系统的准确度高于染料示踪法和盐示踪法。其中热红外成像观测系统的相对误差均在±10%以内；染料示踪法的相对误差均大于10%；盐示踪法52%的相对误差在±10%以内。利用热红外成像系统获取的影像，可对不同时刻示踪段水流的发生、发展的过程进行追溯，也可以测量示踪剂沿水流方向的运移速度及垂直于水流方向的扩散速度，计算热示踪剂的弥散系数等。该技术可应用于降雨侵蚀、径流冲刷等方面的研究，对于进一步深化土壤侵蚀过程与机理研究具有重要的意义。

流速；坡面；热红外成像观测系统；薄层水流；热红外标靶；精准度评价

0 引 言

流速作为水动力学重要的参数之一，是水土流失预测模型建立的关键因素，且坡面流速的准确测量对于提高模型精度和定量分析径流携沙能力等具有重要意义[1]。而坡面水流不同于明渠水流，水深较浅一般为毫米量级，称为薄层水流。它通常在降雨或集中径流冲刷条件下形成，且容易受到坡度、流量、下垫面状况等的影响[2-4]。因此，对于坡面薄层水流流速的准确测量是目前土壤侵蚀定量研究中的难点之一。

常用的坡面水流流速测量方法主要包括：示踪法[5-8]、流量法[9-10]、旋浆式微流速测定法[11-13]、粒子图像法[14-16]以及20世纪60年代发展起来的相关法[17-19]等。传统的示踪法包括染料示踪法和电解质示踪法，示踪法在流速和泥沙含量较小时能很好地测量水流速度，但因示踪剂自身扩散和观察困难的问题使得测量的流速不准确，且在计算平均速度时都需要引用经验参数[6]。流量法基于流量水深比测量水流流速，通常适用于明渠水流，对于非常规则的渠道，是目前测量流速较为准确的方法之一，但只能测量断面的平均流速[10]。旋浆式微流速测定法一般也用于明渠水流，但浆的旋转对水流有干扰作用，因此也不能准确测量薄层水流流速[13]。粒子图像法可以准确测量清水流某一点的流速，但当水流中含有其他物质时会影响粒子的传播，降低测量的准确度[14]。相关法一般用于两相流、多相流的测定，但在测量过程中难以区分清水速度和悬浮物速度，且在水流中放置传感器会干扰水流流速的测定[17]。以上的观测技术和方法，对薄层水流流速的测量存在干扰大、缺乏动态监测等问题。要么只能获取某一个时间段的平均流速，要么只能获取某一个空间点的瞬时流速，无法准确估算示踪段水流的整体情况。近年来，热红外成像技术[20-22]逐渐被应用于薄层水流流速的研究中，为连续观测薄层水流形态以及流速空间分布的数字化表达提供了可能。但对于热示踪剂的定量化控制、热成像影像解译坐标系的建立，以及影像解算及处理等方面并不完善，并没有形成一个完整的应用观测系统。

综上，本文拟耦合热红外成像和计算机视觉识别技术，研制一套对薄层水流流速进行实时、动态、连续观测的系统。利用该系统对热示踪剂进行自动的控制，并对其热成像图进行同步采集，获取具有高时空分辨率的影像，通过解算得到不同时间点和距离点的薄层水流流速，从而为研究坡面土壤侵蚀过程、机理、建模等提供理论依据和研究基础。

1 热红外成像观测系统的工作原理与系统组成

1.1 工作原理

热红外成像观测系统的工作原理主要是基于热红外成像和计算机视觉识别技术完成对热示踪剂瞬态迁移过程的监测，利用影像的表面温度分布图以及温度差来区分背景水流和热示踪剂，从而对热示踪剂的运移过程进行解算。首先利用热红外摄像机获取坡面薄层水流热示踪剂的运移视频，通过无线网络对视频数据进行传输并按帧率提取出影像；然后利用热红外标靶建立坐标系，通过对影像的校正、噪点去除、质心确定等手段，获取薄层水流的流速等参数，从而实现对坡面薄层水流流速的动态观测。

1.2 系统组成

热红外成像观测系统由热示踪剂控制子系统、影像采集与传输子系统以及影像解算子系统组成，且各子系统由不同的软硬件单元组成（图1）。其中热示踪剂控制子系统用于制备和添加热示踪剂；影像采集与传输子系统包括热红外摄像机、标靶以及无线路由器，主要用于热示踪剂瞬态迁移过程的监测以及数据的传输；影像解算子系统用于识别和确定热示踪剂的前缘点和质心点从而计算水流流速。

图1 热红外成像观测系统结构

1.2.1 热示踪剂控制系统

热示踪剂控制系统主要负责提供持续恒温的热水源，该系统由电加热器、温度传感器和热水泵组成。电加热器用以加热水体，温度传感器用以感应热示踪剂的温度并调节水温至设定温度，热水泵用以调节热示踪剂滴入量和时间间隔，从而定时定量地滴入热示踪剂。对加入示踪剂的温度和体积多次试验，设定热示踪剂初始温度为100℃，出水时间为0.2 s（10 mL），间隔时间为9 s。

1.2.2 影像采集与传输系统

影像采集与传输系统主要负责热示踪剂运移影像的采集和传输，包括1台FLIR ONE 3.1.0 热红外摄像机、4个热红外标靶和1个无线路由器。其中，FLIR ONE 3.1.0热红外相机的分辨率为 4 032´3 016像素，相机帧率为 9 帧/s，固定于水槽上方1.5 m处进行影像采集，拍摄水槽的范围为1.2 m（长）´0.8 m（宽）；热红外标靶主要用于坐标系的建立；无线路由器负责将拍摄的视频数据传入存储系统。

1.2.3 影像解算系统

影像解算系统主要负责提取高帧率热成像影像并进行解算。主要由数据存储单元和计算匹配单元组成。影像解算系统的软件有2个模块：配置模块和计算模块。配置模块主要实现输入参数、输出参数、计算参数、作者和版权信息参数等的配置。计算模块主要实现影像分解、图片校正、物体识别、流速计算、结果输出等功能。在模块的开发过程中采用JAVA、GDAL、OPENCV软件。

2 热红外成像观测系统测量流程与关键技术

2.1 测量流程

使用热红外成像观测系统测量水流流速的具体流程如下：1）利用热示踪剂控制系统将热示踪剂添加到水流中；2）采用热红外相机对热示踪剂进行拍摄；3）对获取的热红外影像解算得到热示踪剂的流速等参数。基于以上步骤生成热示踪剂运移的每一帧影像，都可以解算出相应的前缘速度、质心速度等物理量。其流程图如图2所示。

图2 影像解算流程

2.2 关键技术

2.2.1 坐标系的构建

坐标系建立的目的是将所有影像放在统一坐标系下进行解算，建立的关键是要有可识别的原点和标靶点。由于热红外成像只能通过温度来感应和识别物体，因此，在热红外相机拍摄中普通光学的标靶未能成像或成像模糊。本文根据巩稼民等[23]提出的热红外标靶，利用电热丝制作了“田”字格热红外标靶，但该方法因电热丝温度控制困难且比热容小，易导致热红外标靶出现成像不一致、轮廓模糊等问题。如图3所示，图3a为开始加热的“田”字格热红外标靶、图3b为温度恒定的“田”字格热红外标靶。从图3a和图3b中可以明显看出，标靶成像不一致且随着温度的升高，电热丝发热成像逐渐模糊，出现热扩散现象。为解决该问题，本研究选用比热容较大的水，研制了热红外标靶，即圆形热水标靶。将热水加入形状规则的圆柱体铝盒中（图3d），由于水的比热容较大，在成像时能够形成清晰的边界，因此，用热水制作的圆形标靶具有轮廓清晰、成像一致的优点（图3c）。该标靶的直径为5.5 cm，高为3 cm。为了保证标靶里热水的温度恒定，与影像获取时间同步，每2 min更换一次热水，确保圆形标靶图像清晰。热红外标靶确定后，在水槽的两侧选定测量区域放置4个标靶，根据标靶的已知距离来确定像素尺寸、对图像进行校正、确定水槽区域、确定拍摄视频方向、标定选定区域的坐标，从而统一所有影像的坐标便于计算和分析。

2.2.2 前缘点的识别与确定

在薄层水流中添加热示踪剂，其随水流方向运移且运移的最前缘为前缘点。前缘点的确定是计算前缘速度的基础。而在前缘点确定之前，首先要在获取的影像中确定标靶位置以及热区域，其过程如下：将热红外相机拍摄的视频按帧率导出彩色图，图像中有红绿蓝3个波段。因标靶和热示踪剂的温度较高，所以彩色图中红色和绿色波段值较高。利用彩色转灰度算法，将彩色图转换为灰度图。在灰度图上，利用霍夫圆算法查找圆，找到标靶圆心和半径，确定标靶位置并建立兴趣区（region of interest），对兴趣区按一定算法去除噪点。然后将背景水流温度的最高温度设定为阈值温度，温度高于阈值温度的像素区域为热示踪剂区域。由于背景温度随周围温度的变化而变化，因此与影像获取时间同步，每获取一次影像，计算一次阈值温度。阈值温度的计算根据Abrantes等[22]的方法，将热示踪剂加入前10 s的水流中出现的最高温度设置为阈值温度，用热示踪剂的温度减去阈值温度就可确定热示踪剂区域。热示踪剂区域确定后，将其二值化保存，最后根据二值化图识别并确定前缘点（图4）。

a. 彩色图a. Color figureb. 灰度图b. Grayscale figurec. 兴趣区c. Region of interestd. 二值化图d. Binarization figure

2.2.3 质心点的识别与确定

由于热示踪剂在薄层水流中的运移形状不规则，常规的方法难以寻找及计算质心。本研究基于灰度或二值化轮廓图像[24]快速计算质心。将彩色图转为灰度图后，根据温度阈值，查找满足要求的边沿像素所在的相应行列位置，然后进行算术平均求得质心坐标，从而确定质心点（图5）。具体的过程如下：首先从每行的左端和右端查找满足设定阈值的第1个像素，并记录列坐标值y及个数m，然后从每列的上端和下端查找满足设定阈值的第1个像素并记录行坐标值x及个数n，最后通过公式（1）算术平均求取热成像图的质心坐标。

式中x为行坐标值；y为列坐标值；n为行坐标个数；m为列坐标个数；、、、为分别为目标图像的行数和列数。

2.2.4 前缘速度和质心速度的计算

热红外成像技术的原理通过计算热示踪剂在单位时间内的移动距离计算水流流速，前缘速度和质心速度的计算见式（2）和式（3）。热红外成像技术获取的影像为高帧率影像，本研究中使用的热红外相机的帧率为9帧/s，即每1/9 s就可获取一张热红外影像，并解算得到热示踪剂运移的区域和距离。根据每张影像解算的热示踪剂区域和距离可计算得到热示踪剂在每帧影像运移的速度即为瞬时速度Vx。前缘瞬时速度为热示踪剂在单位时间内最前缘点的运移距离，质心瞬时速度为热示踪剂在单位时间内质心点的运移距离（图6）。由于流量法计算得到的是平均流速，为了基于流量法验证本研究测量流速的准确性，将前缘瞬时速度和质心瞬时速度分别算术平均得到水流平均流速，见式（4），进而对流量法和热红外成像技术测量的流速进行对比研究。

前缘速度：

质心速度：

平均流速：

式中D2为从1时刻到2时刻示踪剂前缘运移的路程，m；D1为从1时刻到2时刻示踪剂质心运移的路程，m；Vx为示踪剂的瞬时速度，为一次测量所解译的瞬时速度的个数。

注：1为热示踪剂质心点从1到2时刻的运移距离，m；2为热示踪剂前缘点从1到2时刻的运移距离，m；1和2为时间，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.

图6 热示踪剂运移图

Fig.6 Thermal tracer migration diagram

3 热红外成像观测系统的应用

3.1 试验过程

3.1.1 试验设计

试验在黄土高原土壤侵蚀与旱地农业国家重点实验室人工模拟径流大厅进行。试验平台规格为10 m（长）´3 m（宽），试验水槽为可调坡度水槽（图7），规格为 4.6 m（长）´0.196 m（宽）´0.1 m（深），设置其下垫面为光滑的玻璃。光滑玻璃的表面粗糙度为0.03m[25]，可近似看作粗糙度为0，在形状规则的水槽中可通过流量法精准计算水流流速。在水槽进水口处设置稳流槽，使水流从稳流槽中溢流而出，并且均匀地分布在坡面上。在水槽出水口处放置径流箱，利用水泵将径流箱中的水流传输到供水装置中，以达到水流循环使用的效果。在试验开始前，调节供水装置的流量，多次试验取样证明流量设计值与实际流量值一致。在放水冲刷过程中，利用热红外摄像机对热示踪剂进行拍摄，同时对获取的影像数据进行传输存储，防止数据的丢失和混乱，最后利用影像解译系统对所获取的影像进行解译。

图7 试验水槽

3.1.2 精确度检验

精确度是指对某一对象多次重复测量数值的离散表达，离散小则精度高。为检验热红外成像观测系统的测量精度，在水槽坡度为5°，流量为0.2 L/s条件下重复30次，总时长为5 min，进行水流流速观测。以热示踪剂的质心速度为观测对象，因为在放水冲刷条件下，示踪剂峰值温度的位置较难确定，因此将热示踪剂的质心速度作为水流的平均流速[26]，利用SPSS 18.0软件对30次的重复测量结果进行统计分析。

3.1.3 准确度检验

准确度是表征测量值与真值之间的关系，用相对误差来表述。在放水冲刷条件下，通过3个坡度（0、5、10°）、7种流量（0.2、0.3、0.4、0.5、0.6、1.0、1.5 L/s）共21种水流状况下，每种水流状况下拍摄时长为2 min。以流量法为基准，分别计算热红外成像技术、染料示踪法、盐示踪法测量的相对误差，从而评估热红外成像技术、染料示踪法、盐示踪法对水流流速观测的准确度。流量法是目前测量平均流速较准确的方法之一，因此采用流量法测量的流速值作为真值，其计算方法为式（5）。染料示踪法是将高锰酸钾溶液加入被测薄层水流中，记录其通过测量区域的时间，然后根据手工测量的距离和记录时间计算薄层水流流速，其中高锰酸钾溶液配制为每500 mL去离子水中加入5 g高锰酸钾，该方法测量得到的是水流的前缘速度。盐示踪法是在薄层水流中滴入盐溶液，并在其下游另一个确定位置对水流的电导率进行测量，通过计算盐溶液滴入薄层水流至电导率最大值出现之间的时间、水流流过的距离计算薄层水流流速，其中盐溶液的浓度为每1 000 mL去离子水中加入5 g的食用盐，时间用秒表计时。为保证试验的可靠性，对坡度、流量的每种组合条件下进行3次重复。该方法测量得到的是水流的质心速度。

式中为过流断面流体体积，L/s；为水流水深，本文用测针仪测量精度为0.1 mm；为水槽宽度，本文为0.196 m。

3.2 结果与分析

3.2.1 精确度分析

精确度检验结果表明，测量的热示踪剂质心速度平均值为0.517 m/s，测量标准差为0.020 m/s，观测精度可达到98.33%。利用单一样本K-S（Kolmogorov-Smirnov）检验该质心速度的分布，统计分析得到K-S的值为0.505，值为0.961（＞0.05），由此可知热红外成像技术的观测结果服从（0.517, 0.020）正态分布（如图8所示）。

注：m为平均值；d为标准差；N为样本数。

3.2.2 准确度分析

准确度检验结果表明（表1、图9），热红外成像观测系统的准确度高于染料示踪法和盐示踪法。热红外成像技术测量的质心速度与实际值之间的最大相对误差、最小相对误差分别为–9.61%和0.16%，且相对误差范围均在±10%以内（表1、图9a）。染料示踪法测量的流速值与实际值之间的最大相对误差为75.91%，最小相对误差为12.03%，且染料示踪法测量的流速值均大于流量法测量的流速值（表1、图9c）。盐示踪法流速测量值与实际值之间的最大相对误差为26.67%，最小相对误差为0.11%，相对误差在±10%以内的样本数有52%（表1、图9d）。

以流量法为基准，热红外成像技术测得的前缘速度的最大相对误差、最小相对误差分别为28.05%、–4.81%，且只有33%的样本相对误差在±10%以内（表1、图9b）。这表明热红外成像技术的质心速度的准确度高于前缘速度的准确度。其中质心速度的相对误差均小于前缘速度的相对误差，这与de Lima等[21-22]的研究一致，因为流量法测量的流速为水流的平均流速，所以在热红外成像技术测速时用热示踪剂的质心速度来表征水流平均流速。而染料示踪法测量的也是前缘速度，其观测样本有95%的相对误差大于热红外成像技术前缘速度的相对误差，这表明热示踪剂的扩散小于染料示踪剂的扩散。且由于示踪段内人脑的反应等主观原因，时间记录有偏差，导致染料示踪法测得的流速值误差较大。

表1 不同方法流速测量结果

图9 水流流速相对误差频率分布

无论是染料示踪法还是盐示踪法，在测量过程中由于人为记录，只能读取一个时间值，无法测算示踪段水流的整体情况。而热红外成像技术可以准确地记录示踪段水流的整体情况，并且通过影像解算，可在不同的时间节点和空间点上识别示踪剂所形成图斑的前缘点和质心点，从而准确地计算水流的前缘速度以及质心速度。本研究中，热红外成像技术观测的时间分辨率为1/9 s，空间分辨率为2 mm，实现了从不同时空尺度上对薄层水流流速的观测（图10）。

注：图中红点为质心点，红线为前缘线。坡度为0、流量为0.2 L·s-1。

相比于染料示踪法和盐示踪法，热红外成像观测技术的主要优点在于，热图像中示踪剂具有较高的可视化且前缘的能见度高，可以准确寻找前缘点和示踪剂区域。选定示踪剂区域后，可以快速确定前质心，计算示踪剂的前缘速度和质心速度。在染料示踪法中，示踪剂的边缘难以确定，即使利用光学相机对染料示踪剂进行拍摄，也很难估算示踪剂的质心，尤其在野外工作中，因为光学相机对光照条件严格且光学图像处理复杂。在盐示踪法中，尽管盐示踪剂的保守性高，但要想实现对水流流速的动态观测，只能通过安装多个传感器来实现，但传感器对薄层水流的干扰作用大，不利于水流流速的准确测量。此外，安装传感器测量盐溶液的浓度需要一个最小水深，导致小于该水深的水流流速不能测量或测量误差大。而热红外成像技术可以实现对水流流速的无接触式的监测且不需要最小水深。在示踪剂材料的选取上，染料示踪剂通常为高锰酸钾等带颜色的溶液，盐示踪剂通常为盐溶液，它们对环境污染大，而热示踪剂通常为热水或冰块，是一种清洁、环保的材料。

同时，利用热红外成像技术获取的影像，可对不同时刻示踪段水流的发生、发展的过程进行追溯，也可以测量示踪剂沿水流方向的运移速度及垂直于水流方向的扩散速度，计算热示踪剂的弥散系数等。本研究中试验设置的下垫面为光滑的玻璃，后续将进一步开展基于不同下垫面包括人工草皮以及土壤表面等的放水冲刷试验，通过热红外成像技术来研究不同下垫面情况对薄层水流流速的影响，尤其是发生土壤侵蚀的下垫面。未来，该技术可应用于降雨侵蚀、径流冲刷等方面的研究，对于进一步深化土壤侵蚀过程与机理研究具有重要的意义。

4 结 论

1）提出了一种能够对坡面薄层水流流速进行动态观测的热红外成像观测系统。通过统一坐标系的建立，高帧率影像的采集，及影像的校正、噪点去除、质心确定等关键技术，提取坡面薄层水流流态动态变化及空间分布信息，从而实现对坡面薄层水流流速的动态观测。

2）该系统精确度和准确度高，可从不同时间和空间尺度上更加准确地观测热示踪剂动态运移过程。系统的测量标准差为0.020 m/s，热示踪剂的质心速度观测精度可达到98.33%，观测的时间分辨率为1/9 s，空间分辨率为2 mm。与传统示踪法（染料示踪法、盐示踪法）比较，该系统的准确度高于染料示踪法和盐示踪法。其中热红外成像观测系统的相对误差均在±10%以内；染料示踪法的相对误差均大于10%；盐示踪法52%样本的相对误差在±10%以内。

利用热红外成像技术获取的影像，可对不同时刻示踪段水流的发生、发展的过程进行追溯，也可以测量示踪剂沿水流方向的运移速度及垂直于水流方向的扩散速度，计算热示踪剂的弥散系数等。该技术可应用于降雨侵蚀、径流冲刷等方面的研究，对于进一步深化土壤侵蚀过程与机理研究具有重要的意义。

[1] 刘泉. 径流流速虚拟仪器测试系统的研究[D]. 武汉：华中农业大学，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] 白玉洁，张风宝，杨明义，等. 急陡黄土坡面薄层水流水力学参数变化特征[J]. 土壤学报，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] 张琪琳，王占礼，张庆玮，等. 雨强及坡度对黄土区草地坡面水流流速的影响[J]. 人民黄河，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] 陈丽燕.复杂下垫面水流流速测量与估算[D].北京：中国农业大学，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] 张光辉.坡面薄层流水动力学特性的实验研究[J].水科学进展，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，陈晓燕，韩珍，等. 饱和与非饱和黄绵土细沟径流水动力学特征及侵蚀阻力对比[J]. 水土保持学报，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] 陈丽燕，雷廷武，啜瑞媛. 坡面薄层水流优势流速研究[J].中国水土保持科学，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] 夏卫生，雷廷武，赵军. 泥沙含量对盐液示踪法经验系数影响的研究[J].农业工程学报，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] 李刚，黄同愿，邵桂芳，等. 基于复杂可编程逻辑器件的流速快速测量系统[J]. 传感器技术，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] 张科利，秋吉康弘，张兴奇. 坡面径流冲刷及泥沙输移特征的试验研究[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，邢小宁. 光纤通孔式流速旋浆传感器研制[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] 王一鸣，于海波，何建宇，等. 用于测量气固两相流质量流量的梯度相关方法[J]. 中国农业大学学报，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，陆志明，夏虹. 利用流体中温度噪声信号的相关分析进行流速测量[J]. 哈尔滨船舶工程学院学报，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] 周红仙，周有平，王毅. 用自相关法测量横向流速[J]. 物理实验，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] 巩稼民，郭涛，孙宇航，等. 一种新型红外靶标的设计[J].半导体光电，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，李建勋. 基于灰度图像的快速质心算法[J]. 中国信息化，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.直流下有机玻璃表面粗糙度对表面电荷影响的研究[D]. 保定：华北电力大学，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

张艳，史海静，郭明航，等. 基于热红外成像的坡面薄层水流流速测量方法[J]. 农业工程学报，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

中国科学院战略性先导科技专项（XDA20040202）；黄土丘陵区地形微生境分类评价与潜在植物群落分布模拟（XAB2020YN04）；国家科技基础条件平台建设项目（2005DKA32300）

张艳，研究方向为坡面水流监测方法。Email：zhangyan199@mails.ucas.ac.cn

史海静，博士，副研究员，研究方向为水土保持与科研信息化。Email：shihaijingcn@ nwafu. edu.cn