植被监测（共5篇）
植被监测 篇1
植被是生态系统存在的基础, 不论在生物化学循环还是在水循环中, 都扮演着重要角色[1], 是地球系统中的活跃成员, 陆地生态系统的任何变化必然在植被类型、数量或质量方面有所响应[2]。植被覆盖度 (vegetation cover简称VC) 是指植被 (包括叶、茎、枝) 在地面的垂直投影面积占统计区面积的百分比, 是反映地表植被覆盖状况的一个重要指标, 是研究区域或全球性水文、气象、生态等方面的基础数据[3]。因此定量评估区域植被覆盖变化, 分析地表植被覆盖状态, 对于揭示地表植被变化趋势, 对分析与评价区域土地资源管理和生态环境保护决策具有重要的现实意义[4]。
随着遥感技术的发展, 植被覆盖度测量由原来传统的地面测量发展到现在的遥感估算, 为大范围植被覆盖度监测提供可能, 目前已成为地表植被覆盖变化监测的主要技术手段[5,6,7,8,9,10,11,12,13,14]。在当前常用的遥感数据中, MODIS数据由于具有空间分辨率适中、光谱覆盖范围广、重访周期短、数据质量高、数据获取方便的特点, 而被广泛用于植被覆盖度的信息提取上。为此, 本文以MODIS数据为基础, 通过对广西区内近13年来地表植被覆盖的动态监测, 分析其植被盖度的时空变化规律, 以期为生态环境评价及管理提供科学依据。
1 研究区概况
广西区地处祖国南疆, 位于东经104°26'~112°04', 北纬20°54'~26°24'之间, 整个地势自西北向东南倾斜, 山岭连绵, 山体庞大, 岭谷相间, 四周多被山地、高原环绕, 呈盆地状, 有“广西盆地”之称。北回归线横贯全区中部, 属中亚热带季风气候区。南部地区则偏向热带季风气候, 全区各地极端最高气温为33.7~42.5℃, 极端最低气温为-8.4~2.9℃, 年平均气温在16.5~23.1℃之间。广西是全国降水量最丰富地区之一。各地年降水量均在1070毫米以上, 大部分地区为1500~2000毫米。
2 数据与方法
2.1 数据来源与预处理
本研究采用2001~2013年的MOD13Q1数据产品 (http://ladsweb.nascom.nasa.gov/data/search.html) , 时间分辨率为16d, 空间分辨率为250m, 研究区域位于h27v06及h28v06两区, 该数据已经过去云、辐射校正和大气校正等预处理。利用ENVI5.1对NDVI影像进行重投影, 将Sinusoidal投影转换为UTM-49N-WGS-84坐标, 之后将影像进行拼接、裁剪, 获取研究区的NDVI数据。通过反复比较选择每年289~321天 (9~10月) 合成的最大NDVI值, 此时植被生长比较茂盛, 可以反映一年内植被覆盖的最佳状况, 多年的均值则能反映植被生物量的平均状况。
2.2 植被覆盖度估算
归一化植被指数 (NDVI) 与植被覆盖度有显著正相关关系[15,16], 可以采用像元二分模型法将NDVI改算为植被覆盖度。它假定通过遥感传感器所观测到的信息可以表达为由绿色植被部分所贡献的信息和由无植被覆盖 (裸土) 部分所贡献的信息两部分组成。从而得到植被覆盖度估算公式为:
式中:FVC为所求的植被覆盖度, NDVI为所求像元的归一化植被指数;NDVIsoil为全裸土或无植被覆盖像元的NDVI值, NDVIveg则代表完全植被所覆盖的像元的NDVI值。也可得:
式中:NDVImax和NDVImin分别为研究区域内NDVI最小值和最大值。但NDVImax和NDVImin的取值, 不直接采用区域中NDVI的最大值与最小值, 而是MODIS图像中给定置信度区间内的最大值与最小值。本文对去了异常值的NDVI进行分析统计, 取一定的置信度获取最大和最小值, 在这里以NDVI值对应像元数量增加或减少到5位数为置信区间。
3 结果分析
3.1 广西2001~2013年植被覆盖度的总体特征
通过对广西13a生长季间月平均覆盖度的分析表明 (图1) 。研究区植被覆盖度整体较高, 中覆盖度以上面积占到总面积的78.2%。13a平均植被覆盖度为58.51%, 总体呈明显的波动起伏变化过程, 其中植被覆盖度的最高值出现在2008, 为60.74%, 最低值出现在2002年, 为56.44%, 2012年和2013年则逐渐接近平均值。
对计算得到的研究区13年9~10月的植被覆盖度均值, 参考相关文献[17,18]采用等间距重分类为5级, 即0~0.2极低覆盖度, 0.2~0.4低覆盖度, 0.4~0.6中覆盖度, 0.6~0.8中高覆盖度, 0.8~1高覆盖度, 从图2可以看出, 植被覆盖度在空间上的分布规律为东西部大于中部, 越往中部植被覆盖度越低。从行政区来看, 植被最大值出现在防城港南部, 来宾东部, 贺州西部以及梧州北部, 其次为桂林、柳州的北部和河池、百色的大部分地区。最差则出现在来宾、北海、贵港中部。其中南宁、贵港和来宾所占的面积最大。
3.2 多年植被覆盖度动态变化分析
3.2.1 植被盖度面积变化
为了分析植被覆盖度的年际变化, 每6年计算一次广西区内的植被覆盖度, 并计算了13年的平均植被盖度 (表1) 。极低植被盖度由2001年的10.22%减少到2013年的9.89%, 且都大于极低覆盖度13年的均值8.26%, 低覆盖度和中覆盖度出现先增后减的现象, 中高覆盖度和高覆盖度则先减后增。从计算的结果可看出在三个时间段内广西区内植被覆盖度主要为中、中高、和高覆盖度, 其中中高覆盖度的面积所占比例最大, 分别为31.33%、29.98%和34.92%。整体来看, 2001~2013年极低、低盖度的面积有所下降, 中、中高盖度有所上升, 高覆盖度则由25.93%减少到22.72, 中覆盖度以上在三个时间段分别为78.05%、75.24%和79.44%, 说明广西区内植被盖度总体呈上升趋势。
3.2.2 植被盖度空间变化
在2001年时, 百色、河池、崇左、来宾和贺州5市尚未成立地级市, 为了更直观的观测2001年到2013年植被盖度的变化, 在此以统一以上述5市成立地级市后的行政边界为准。
从图3可看出, 2001到2007年, 极低和低覆盖在原来的基础上不同程度的增加并向外扩散, 其中西北、东南方向出现植被退化, 河池、钦州、贵港和玉林低、中植被覆盖度的面积增加。西部的百色、崇左部分地区和南部的北海中、中高植被覆盖度的面积扩大, 植被盖度好转。
2013年较2001年和2007年, 中部极低覆被盖度明显发生好转, 大多向低、中和中高盖度转换, 全区中植被盖度增加, 特别是西、西北地区的河池、百色、崇左3市, 在原来的基础上均匀扩散开, 从三个时间段来看, 南部的钦州市13年的时间内植被盖度好转。
3.2.3 植被盖度的强度变化
为了进一步分析植被盖度的变化情况, 运用地图代数的算法, 将2007年和2001年、2013年和2007以及2013年和2001的植被覆盖度进行差值运算 (表2) , 参考相关研究[19,20]进行强度分级:<-30为剧烈减少、-30~-10为减少、-10~-5为轻微减少、-5~5为稳定、5~10为轻微增加、10~30为增加、>30为剧烈增加。结果表明三个时间段植被覆盖度变化以稳定为主, 2001年到2007年的变化以减少次之, 为23.60%, 2007年到2013年以增加次之, 为24.94%。从2001年到2013年的统计信息可看出, 各等级植被覆盖变化的程度差别不大。
3.3 不同等级植被覆盖动态分析
转移矩阵可以定量化识别出各土地利用类型在不同监测时间点间的未变化部分、转移部分及其去向、新增部分及其来源, 是一种常用的土地利用地物类型变化分析方法[21]。为了进一步研究两个时段内植被盖度的变化情况, 计算得到2001~2007、2007~2013年的植被盖度转移矩阵 (表2和表3) 。通过对表2的分析可知:在2001~2007年时间段内, 各等级植被覆盖度以较低覆盖度向高一等级覆盖度转移为主, 极低、低、中、中高分别有3524.42、86068.89、12857.89、和11618.18km2转变为低、中、中高、高植被覆盖度。低向中覆盖度转移率最大, 为36.36%。整体来看正向转移的面积为41949.13km2, 占总面积的27.48%, 负向转移的面积为29602.73km2, 占总面积的19.39%。
通过对表3的分析可知:在2007~2013年时间段内, 各等级植被覆盖度以较低覆盖度向高一等级转移的趋势并未发生太大改变, 极低、低、中、中高分别有4544.05、10001.14、14902.82、13582.32km2转变为低、中、中高、高植被覆盖度, 低向中覆盖度转移率较2001~2007上升, 为39.11%。整体来看正向转移的面积为51369.08km2, 占总面积的30.68%。负向转移的面积为34666.26km2, 占总面积的20.29%。
4 结论
本文利用2001~2013年的MODIS-NDVI数据估算了广西区内的植被覆盖度, 分析了年最大植被覆盖度的时空变化特征, 主要得出以下结论:
(1) 研究区植被覆盖度整体较高, 以中、中高、高覆盖为主, 中覆盖度以上在三个时间段分别为78.05%、75.24%和79.44%, 13a平均植被覆盖度为58.51%, 植被覆盖度在空间上的分布规律为东西部大于中部, 越往中部植被覆盖度越低。
(2) 在2001~2007和2007~2013年两个时间段内, 各等级植被覆盖度以较低覆盖度向高一等级覆盖度转移为主, 植被较多发生正向转移, 说明植被和生态环境向好的方法发展, 但局部退化的问题也不容忽视。
(3) 为了进一步分析植被盖度的变化情况, 运用地图代数的算法, 将2007年和2001年、2013年和2007以及2013年和2001的植被覆盖度进行差值运算, 得到的结果显示3个时间段的植被覆盖度变化大多处于稳定状态。
摘要：以MODIS—NDVI长时间序列数据为基础, 利用像元二分模型对广西区内2001-2013年的植被覆盖度进行了估算, 并采用转移矩阵的方法, 分析了年份间覆盖度高低变化的方向。结果表明:13年间植被覆盖度呈波动式变化, 在空间上的分布规律为东西部大于中部, 越往中部植被覆盖度越低;区内植被覆盖度处于较高覆被, 且总体呈增长趋势;13年间植被覆盖度变化大多处于稳定状态;20012007年和20072013年, 各等级植被覆盖度以较低覆盖度向高一等级覆盖度转移为主, 且正向转移大于负向转移。
关键词：植被覆盖度,MODIS,像元二分模型,动态监测,广西
植被监测 篇2
通过遥感技术对淮北市主城区(相山建成区)间植被变化进行统计分析,从而得出结论,并对所得结果进行了分析.
作 者：方刚 陈建永 FANG Gang CHEN Jian-yong 作者单位：方刚,FANG Gang(中国矿业大学,环境与测绘学院,江苏,徐州,221008;宿州学院,地理与环境科学系,安徽,宿州,234000)
陈建永,CHEN Jian-yong(宿州学院,地理与环境科学系,安徽,宿州,234000)
植被监测 篇3
植被是指覆盖地表的植物群落的总称, 能在一定程度上反映地表覆盖状况, 在地球的能量转化和物质循环中起着巨大作用, 为各种生物提供栖身场所和食物, 还能改善气候、减少环境污染等。植被是陆地生态系统的初级生产者, 它通过光合作用减少大气中CO2含量、调节全球碳平衡、减缓全球变暖的进程, 对气候有重要的调节作用。植被也具有涵养水源、保持水土的作用, 有助于生物地球化学的良性循环[1]。
植被指数是卫星遥感中最具明确意义的指标, 是基于植被叶绿素在0169Lm处的强吸收, 通过红外与近红外波段的组合实现对植被信息状态的表达。在众多的植被指数中最为常用的是归一化植被指数NDVI。它能够敏感地反映出植被生长状况、生物物理化学性质及生态系统参数的变化, 在一定程度上反映了像元所对应区域的植被和土地覆盖类型的综合情况, 因此, NDVI常被直接或间接用于研究植被或土地覆盖变化[2]。运用遥感图像反映地表植被覆盖信息时常用的植被指数包括:归一化植被指数 (NDVI, Normalized Different Vegetation Index) 、改进植被指数 (AVI, Advanced Vegetation Index) 、高级归一化植被指数 (ANVI, Advanced Normalized Vegetation Index) 等。其中由于归一化植被指数 (NDVI) 能够相当精确地反映植被绿度、光合作用强度、植被代谢强度及其季节和年际变化, 因此, 在全球或各大陆等大尺度的植被动态监测、植被分类、全球和区域土地覆被分类及其变化、作物长势检测和物候监测、自然灾害监测等方面得到广泛应用[3]。
归一化植被指数作为植被生长状况及植被覆盖度的最佳指示因子, 在植被遥感中得到了广泛应用, 被认为是监测地区或全球植被和生态环境变化的有效指标[4]。归一化差值植被指数是植物生长状态和植被空间分布的指示因子, 与地表植被的覆盖率成正比关系, 对于同一种植被, NDVI值越大, 表明地表植被覆盖率越高, 植被长势越好[5]。
近年来遥感技术不断发展, 遥感数据在时间和空间上具有连续性, 同时具备动态和快速等优点, 应用遥感数据对区域尺度上植被动态变化研究的现象已比较普遍。动态监测植被覆盖的时空演变, 对深入研究植被与气候变化和人类活动之间的响应关系、揭示区域环境状况的演化与变迁等具有重要的现实意义[6]。
2 研究区域
云南省地处中国西南, 位于北纬21°8′32″~29°15′8″和东经97°31′39″~106°11′47″之间, 北回归线横贯该省南部, 东西横跨864.9km, 南北纵距990km, 总面积39.4万km2。气候类型多样, 有北热带、南亚热带、中亚热带、北亚热带、暖温带、中温带和高原气候区等7个温度带的气候类型, 兼具低纬气候、季风气候、山原气候的特点。地形地貌复杂, 云南高原大面积土地高低错落、纵横起伏, 高山峡谷相间, 地势阶梯递降, 断陷盆地错落, 江河纵横、湖泊棋布。以上气候地理特点使得研究区域植被类型丰富多样, 植被覆盖率较高。
3 数据与处理
3.1 数据来源
MODIS指的是中分辨率成像光谱仪 (Moderateresolution Imaging Spectroradiometer) , 是美国宇航局研制的大型空间遥感仪器, 随1999年EOS (Earth Observation System) 泰拉 (Terra) AM卫星发射到地球轨道。MODIS植被指数产品是在已有的植被指数的基础上改进设计的, 增强了其对植被的敏感度, 减少了外部影响因素 (如大气、观测视角和太阳角等) 和内在的非植被因素 (如叶冠背景等) 的影响, 使其适用于全球范围[7]。MODIS13是陆地2级标准数据产品, 本文所采用的MODIS13A3数据产品内容为栅格的归一化植被指数, 每个自然月更新一次, 空间分辨率为1000m, 时间跨度选取2000年2月到2012年12月。
3.2 数据处理
对收集的2002年2月至2012年12月的MODIS13A3数据产品运用GIS软件ARCGIS 9.3进行了图像的融合、裁切、提取等处理, 获取到研究区域云南省自2002年2月至2012年12月的每个月 (共计155个月) 的月平均NDVI值。按1月到12月, 把所有年份的1月先加和再求平均值计算出1个月的平均NDVI值, 以此类推得出另外11个月的平均NDVI, 利用Excel软件得到图1;将每个年份的12个月的每月平均NDVI先加和再求平均值得出每年的年平均NDVI值, 利用Excel软件得到图2, 并且添加趋势线;根据每年的年平均NDVI值先加和再求平均值得出13年的总平均NDVI值为0.617564;根据每年的年平均NDVI值和13年的总平均NDVI值0.617564得到每年的NDVI距平值, 利用Excel软件得到图3。
4 分析与结论
本研究从年及月的不同尺度上分析了云南地区NDVI值近13年来的变化特征。从图1可以看出:5月份植被明显进入生长阶段, 一直到9月生长达到最旺盛, 10月植被生长呈下降趋势, 一直下降到来年3月份, 4月份NDVI值呈增加趋势, 但增加幅度不大。得出结论春季最后的5月份, 整个夏季6、7、8月, 秋季的第一个月9月为生长季。从图2观察曲线规律和趋势线可以得出结论为近13年来云南植被总体呈上升趋势, 植被生长状况向好的方向发展, 年平均NDVI值呈现波动性的逐渐上升趋势, 其中2000年NDVI值最小, 植被生长状况最差, 2008年NDVI值达到最大, 植被生长状况最好。从图3可以看出植被生长实现正增长的年份有2002年、2004年、2006年、2007年、2008年、2009年、2011年、2012年8年, 植被生长状况相对良好。2000年、2001年、2003年、2005年、2010年5年负增长, 植被生长状况相对较差。2000年植被状况最差, 在均值以下, 偏离均值比较大;2001~2005年植被以小幅波动为特征, 属于中等时期, NDVI值基本上围绕均值波动;2006~2009年植被状况处于最好时期, NDVI值都在均值以上, 其中2008年NDVI值达到最大值;2010年植被变差, NDVI值处于均值以下。2011~2012年植被向好的方向发展, NDVI值回升且高于均值。
参考文献
[1]曾小平, 赵平, 孙谷畴.气候变暖对陆生植物的影响[J].应用生态学报, 2006, 17 (12) :2445-2450.
[2]李月臣, 宫鹏.北方13省1982年～1999年植被变化及其与气候因子的关系[J].资源科学, 2006 (2) .
[3]宋富强, 邢开雄.基于MODIS/NDVI的陕北地区植被动态监测与评价[J].生态学报, 2011, 31 (2) :354～363.
[4]罗玲, 王宗明.1982～2003年中国东北地区不同类型植被NDVI与气候因子的关系研究[J].西北植物学报, 2009, 29 (4) :0800～0808.
[5]刘绿柳, 肖风劲.黄河流域植被NDVI与温度、降水关系的时空变化[J].生态学杂志, 2006, 25 (5) :477～481.
[6]信忠保, 许炯心, 郑伟.气候变化和人类活动对黄土高原植被覆盖变化的影响[J].中国科学 (D辑) :地球科学, 2007, 37 (11) :1504～1514.
植被监测 篇4
1 研究区概况
研究区位于四川省西南部, 行政区划隶属于攀枝花市, 范围为102°20′E-102°45′E、26°30′N-26°45′N。研究区位于金沙江和雅砻江的交汇地带, 属南亚热带亚湿润气候类型, 降雨量少, 生物种类繁多。区域内植被主要以热带及亚热带落叶大乔木, 常绿针叶林为主。
2 数据源简介
本次研究使用的数据是由美国国家宇航局 (NASA) EOS数据中心提供的MODIS数据, 数据获取时间为2005年7月23日。该数据是由搭载于EOS/Terra卫星上的中分辨率成像光谱仪 (MODIS) 获取的, 其分辨率为250m。包括Blue、Red、NIR、MIR四个波段和经过后期处理的分辨率为250m的归一化植被指数数据、增强型植被指数。适合应用于植被指数的提取以及植被覆盖度的研究。
3 研究方法
3.1 数据预处理
根据实验要求对研究区域的MODIS数据进行预处理, 主要有数据格式转换、设置投影参数、几何校正及辐射校正等。该处理利用USGS EROS数据中心开发的MRT (Modis Reprojection Tool) 软件完成。
3.2 植被指数获取
综合考虑研究区自然地理特征, 选取归一化植被指数和比值植被指数进行研究。归一化植被指数 (NDVI) 计算公式为:NDVI= (NIR-R) / (NIR+R) ;比值植被指数 (RVI) 计算公式:RVI=R/NIR。其中NIR为近红外波段反射率;R为红光波段反射率。利用遥感图像专业处理软件ENVI5.1对经预处理后的MODIS图像提取植被指数。
3.3 植被覆盖度反演
区域植被覆盖度信息可由实地测量和利用遥感图像进行反演估算两种方法获取。其中, 遥感估算法分为植被指数法和混合像元分解法, 本次研究中采用植被指数法估算研究区植被覆盖度。在众多植被指数中, 归一化植被指数被广泛运用于植被生长状况的监测, 其与植被覆盖度具有很好的相关关系, 可用于植被覆盖度的反演。采用ERDAS的Model Maker模块对已求出的归一化植被指数代入计算, 反演出研究区地表植被覆盖度。由计算结果可见, MODIS遥感影像的植被覆盖度主要分布在0.1-1之间, 该区植被覆盖度较大。
3.4 植被指数与植被覆盖度相关性
在matlab7.1软件平台下, 分别对两种植被指数图像及植被覆盖度图像进行等间隔采样。研究时, 由于植被覆盖度与不同的植被指数的关系不同, 所以建立植被覆盖度估算模型时应采取不同曲线类型进行拟合。选择拟合曲线有:直线 (y=ax+b) 、抛物线 (y=ax2+bx+c) 、幂函数 (y=axb) 和指数曲线1 (y=aexp (bx) ) 、指数曲线2 ( (y=aexp (bx) +cexp (bx) ) 。分别计算出每种曲线下的相关程度及拟合效果指标 (如相关系数、均方根误差) 。如图1-图2
曲线图 (图1、图2) 中, 横坐标为曲线函数类型, 由数字1-5分别表示直线、抛物线、幂函数、指数曲线1和指数曲线2。由曲线图可得到如下结论: (1) 对于MODIS数据, 两种植被指数与植被覆盖度的相关系数都达到很高, 其中归一化植被指数相关系数最大。 (2) 植被覆盖度与植被指数的非线性相关因选择模式不同有很大的差异, 指数曲线2的相关系数最大, 抛物线次之, 指数曲线1的相关系数最小。
4 结束语
文章选取攀枝花地区为研究区, 通过对该区MODIS图像的处理, 获得了该地区的比值植被指数 (RVI) 、归一化植被指数 (NDVI) , 再根据植被指数反演植被覆盖度。然后, 在matlab7.1软件平台下, 选择直线、二次曲线、幂函数曲线、指数曲线等几种曲线类型来拟合植被指数与植被覆盖度之间的关系, 得出结论:不同植被指数类型与植被覆盖度相关性不同, NDVI与植被覆盖度相关性最大;植被覆盖度与各种植被指数的相关性因选择曲线类型不同有很大差异, 采用二次曲线拟合时相关系数最大, 而使用幂函数曲线拟合的相关系数最小。
摘要：在植被遥感监测领域, 植被指数被普遍运用于植物生长状况及植被覆盖的研究, 其与植被覆盖度有着密切的联系。文章选取攀枝花地区MODIS遥感影像作为信息源, 对归一化植被指数、比值植被指数与植被覆盖度间的关系进行研究。结果表明:基于MODIS数据提取的植被指数与植被覆盖度之间存在较强的相关性, 且相关系数大小与植被指数类型和选取的拟合函数类型有关。各植被指数同植被覆盖度间相关性最高的是归一化植被指数, 选用相同植被指数情况下, 指数曲线拟合的相关系数最大。
关键词：MODIS图像,植被指数,植被覆盖度,植被指数与植被覆盖度相关系数
参考文献
[1]章文波, 路炳军, 石伟.植被覆盖度的照相测量及其自动计算[J].水土保持通报, 2009, 29 (2) :39-42.
植被监测 篇5
坡面流是水力学的重要研究分支之一,目前水力学研究的大多为河道水力学,或者是以水槽实验为基础的河道水力学,对于坡面流而言,由于坡面流水层浅,水力学特征参数不仅与水流有关,而且与下垫面情况关系紧密[1],且坡面流是坡面侵蚀的主要动力,它的流动边界条件较明渠水流要复杂许多,另外还受雨滴滴溅作用影响明显,因此与普通明渠水流相比,坡面流具有一些特殊性[2]。姚文艺等提出,坡面流水动力学特性主要取决于降雨强度和降雨历时、植被覆盖度和植被类型、坡面随机糙率、坡面坡度和长度以及边界稳定等问题[3]。
本文的目的是研究植被覆盖下的坡面流水力学特征,特别是阻力特征,并比较柔性植被和刚性植被对阻力影响的不同之处。因为坡面流水深往往比较小,而床面坡度一般都比较大,并且其流动特性较一般的明渠水流运动受边界条件的影响又相对敏感得多[4],所以坡面流阻力规律与一般的明渠水流阻力规律可能会有非常大的不同。如果植被的存在能使水流产生较大扰动,从而耗散较大的水流能量,增加水流阻力,那么会对控制流域非点源污染和水土流失措施的选择方面起到指导作用。
2 实验设计与方法
2.1 实验装置
本实验在四川大学水力学国家重点实验室的水槽中进行,水槽长6 m,宽0.5 m,水槽坡度分别可调整为5°,10°,15°。水流从水槽的顶部进入水槽,流量控制在0.1 ～3.0 L/s,使水流流态在层流到紊流间变化,每组实验测量6组不同的流量。
植被模拟:柔性植被用5 mm宽,80 mm高,1 mm厚的PVC塑料薄膜来模拟,横向间距为5 mm,塑料薄膜的底端靠坡面一端固定在坡面上,顶端则不被固定,可以随水流自由晃动;刚性植被需将塑料薄膜顶端固定在之前安装好的铁丝上,使其在坡面来水时不被冲倒。植被分布:塑料薄膜的纵向分布密度分别为14排/m、11排/m、7排/m,相应的植被覆盖度分别为50%、37.5%、25%。实验装置如图1。
2.2 实验原理
测量流速:采用染色剂测流速法,在距离水槽收缩出水口1 m处,滴入染色剂的同时计时,当染色水流的前锋到达收缩段时停止计时。同一个流量下测量8组相应流速。测量流量:在测流速的同时用水桶在水槽V型出口处接水,然后称重,从而计算相应流速的流量。
实验开始前,调节水槽坡度和流量使其稳定。用上面方法测得的流速为水流表面流速(Vb),即为测定长度除以时间,在固定的覆盖率、坡度、流量组合下, 重复测定8次,去掉最大值、最小值后取平均值。染色剂法测定的流速需根据流态进行修正,本研究采用的修订值分别为: 0. 67(层流) ,0. 7(过渡流),0.8(紊流)。
Darcy&Weisbach 阻力系数(f)为无量纲因子,而且可以应用到不同流态的水流,因此本研究采用f来衡量水流运动过程中受到的阻力。在本实验中,因为坡面薄层水流为宽浅水流,可用平均水深近似代替水力半径R。
式中:R为水力半径,m;θ为坡度,(°) ;V为水流平均速度,m/s;h为坡面平均水深,m ;Vb为水流表面流速,m/s;α为修正系数;g为重力加速度,m/s2;b为水槽宽,m;v为运动黏滞系数,m2/s;Q为流量,L/s。
本实验采用了3个坡度:5°,10°,15°;流量: 0.1～3 L/ s;3种覆盖率:25%,37.5%,50%。
3 实验结果与分析
3.1 坡面阻力系数和单宽流量的关系分析
(1)柔性植被覆盖。
曹颖、张光辉通过地表模拟覆盖率实验认为在同坡度同覆盖率组合下,不同流量下的阻力系数相差较小, 这说明流量对阻力系数的影响较小[5]。
图2、图3、图4给出了柔性植被覆盖的不同坡度下坡面阻力系数和单宽流量的关系,通过比较可以看到坡面阻力系数随单宽流量增大均变化不大。5°坡面在3种覆盖度下阻力系数主要集中在0～0.2;10°坡面阻力系数主要集中在0～0.1;15°坡面阻力系数主要集中在0.05～0.15。柔性植被覆盖下的坡面阻力系数和单宽流量的关系符合曹颖、张光辉的结论。
(2)刚性植被覆盖。
图2、图3、图4同时给出了刚性植被覆盖的不同坡度下坡面阻力系数和单宽流量的关系,观察可知它们呈现明显的正向幂函数关系,且刚性植被覆盖的坡面阻力系数在同等其他条件下要大于柔性植被覆盖的坡面阻力系数。单宽流量较小时,刚性植被覆盖的和柔性植被覆盖的坡面阻力系数相差不大。
3.2 坡面阻力系数和坡度的关系分析
(1)柔性植被覆盖。
张光辉在坡面薄层水流水槽实验中得到在不同坡度情况下随着坡度的增大,阻力系数也随着增大,这种趋势在小流量时更明显[6]。而在我们的实验中,坡面水槽上的PVC塑料薄膜模拟了柔性植被和刚性植被覆盖的情况,区别于张光辉实验中水槽底部的平滑塑料板,实验结果自然有所差异。
图5、图6、图7给出了柔性植被覆盖的不同坡度下坡面流阻力系数和坡面流量的变化关系,通过比较可以看出随着坡度的增大,坡面流阻力系数是减小的,并且随着坡面流量的增大这种减小的趋势更加明显。表1给出了不同坡度下柔性植被50%覆盖度时坡面流阻力系数f随坡面流量的变化关系。
(2)刚性植被覆盖。
图8、图9、图10给出了刚性植被覆盖的不同坡度下坡面流阻力系数和坡面流量的变化关系,通过观察可以发现它们之间的关系和柔性植被覆盖的坡面具有一致性,但在刚性植被覆盖的坡面上还有其他更显著的特征:10°坡面和15°坡面上的坡面流阻力系数曲线非常接近,这说明当坡度大于10°时,坡度对坡面流阻力系数的影响就比较小了,这点与曹颖、张光辉通过地表模拟覆盖率实验得到的同流量同覆盖率组合下不同坡度的阻力系数大小接近的结论相似[5]。
3.3 坡面阻力系数和雷诺数的关系分析
(1)柔性植被覆盖。
王文龙、雷阿林认为黄土丘陵区坡面薄层水流基本上处于过渡流和紊流的范畴,阻力系数是雷诺数的减函数,它随雷诺数的增大有减小的趋势,同时在不同坡度和雨强条件下,递减的速率亦有差异[7]。
图11、图12、图13给出了不同坡度不同植被覆盖度下坡面流阻力系数和雷诺数的双对数关系图,可以看出当坡面为柔性植被覆盖时,15°坡面的3种覆盖度和10°坡面25%覆盖度下阻力系数和雷诺数呈现负相关关系,符合王文龙、雷阿林的结论,并且覆盖度越小,负相关关系越显著。这说明大坡度小覆盖度下的坡面流阻力系数和雷诺数的关系与丘陵区坡面薄层水流更接近。
(2)刚性植被覆盖。
图11、图12、图13同时给出了刚性植被覆盖下坡面流阻力系数和雷诺数的双对数关系,可以看出由于刚性植被的覆盖改变了水流的物理流态,坡面流阻力系数和雷诺数不是负相关关系,相反呈现一定的正比关系,并且覆盖度越大,正相关关系越显著。
3.4 坡面阻力系数和植被覆盖度的关系分析
(1)柔性植被覆盖。
从图2、图3、图4中可以看出当坡面为柔性植被覆盖时,5°坡面和10°坡面下覆盖度对坡面流阻力系数影响不大,15°坡面下覆盖度越小,坡面流阻力系数和坡面流量的负相关关系越明显,即15°坡面相同的流量下,覆盖度越大坡面流阻力系数也越大。
张光辉在坡面薄层水流水槽实验中得到坡面流阻力系数总是随着坡面流量的增大呈幂函数形式减小的结论[6]。而在图2中可以从整体上看出只有当坡度为15°,柔性植被覆盖下且植被覆盖度为25%和37.5%的情况下坡面流阻力系数才随着单宽流量的增大而呈幂函数形式减小;当覆盖度为50%时坡面流阻力系数基本不随单宽流量的变化而变化,相关关系呈现一条平行于坐标轴的直线,实验结果见图5、图6、图7中15°趋势线。这一现象说明柔性植被覆盖的大坡度小覆盖率下的实验结果和张光辉的无植被覆盖的坡面薄层水流水槽实验结果相似。表2给出了15°柔性植被覆盖坡面不同覆盖度下坡面流阻力系数f随坡面流量的变化关系。
(2)刚性植被覆盖。
从图2、图3、图4中也可以看出同样的流量变化下当坡面为刚性植被覆盖时,坡面流阻力系数随着坡面植被覆盖度的增加而增加,但小流量时不同的植被覆盖度对坡面流阻力系数影响较小。
4 实验结论
本文采用变坡水槽, 在流量0.1～3.0 L/ s、坡度5°～ 15°、模拟植被覆盖度25%～ 50%时,对柔性植被和刚性植被覆盖下的坡面流阻力规律进行了深入探讨,有助于认识坡面流阻力特征与一般明渠水流阻力的差别。研究结果表明:柔性植被覆盖下的坡面流阻力系数随单宽流量变化不显著,但随着坡度的增大,阻力系数是减小的,大坡度小覆盖度下的坡面流阻力系数和雷诺数呈现负相关关系,同时植被覆盖度越大坡面流阻力系数也越大。而刚性植被覆盖下的坡面流阻力系数和单宽流量呈现良好的正向幂函数关系,同雷诺数、植被覆盖度也都有明显的正比关系,同坡度的变化关系和柔性植被覆盖相似,并且刚性植被覆盖下的阻力系数在同等其他条件下明显大于柔性植被覆盖下的阻力系数。
综上,为了减小坡面水力侵蚀、减小水流速度、增加坡面水流阻力系数,建议在控制非点源污染和减小坡面水土流失的措施中,尽量选择刚性植被来覆盖坡面,并提高植被的覆盖度,同时减小坡面的坡度,采用乔冠草结合的种植方式,这些措施将会起到明显的控制径流作用。
摘要：主要讨论植被覆盖下的坡面流水力学特征,特别是阻力特征,并比较柔性植被和刚性植被对阻力影响的不同之处,系统地研究了坡面流阻力系数与单宽流量、雷诺数、覆盖度、坡度的关系。研究结果表明:柔性植被覆盖下的坡面流阻力系数随单宽流量变化不显著,但随着坡度的增大,阻力系数是减小的,大坡度小覆盖度下的坡面流阻力系数和雷诺数呈现负相关关系,同时植被覆盖度越大坡面流阻力系数也越大。而刚性植被覆盖下的坡面流阻力系数和坡面单宽流量呈现良好的正向幂函数关系,同雷诺数、植被覆盖度也都有明显的正比关系,同坡度的变化关系和柔性植被覆盖相似,并且刚性植被覆盖下的阻力系数在同等其他条件下明显大于柔性植被覆盖下的阻力系数。
关键词：坡面流,柔性植被,刚性植被,阻力系数,覆盖度
参考文献
[1]Horton R E.Erosional development of streams and their drainagebasins:hydrophysical approach to quantitative morphology[J].Bulletin of the Geological Society of America,1945,56:275-370.
[2]Carson M A,Kirkby M J.Hillslope form and process[M].Cam-bridge University Press,1972:23-31.
[3]姚文艺.坡面流阻力规律实验研究[J].泥沙研究,1996:74-82.
[4]周伏建.福建省天然降雨雨滴特征的研究[J].水土保持学报,1995,9(1):27-35.
[5]曹颖,张光辉.地表模拟覆盖率对坡面流阻力的影响[J].水土保持学报,2010,24(4):86-89.
[6]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.