CN110286072A - 一种基于模式识别的风沙输移动态量测方法 - Google Patents

一种基于模式识别的风沙输移动态量测方法 Download PDF

Info

Publication number
CN110286072A
CN110286072A CN201910554826.5A CN201910554826A CN110286072A CN 110286072 A CN110286072 A CN 110286072A CN 201910554826 A CN201910554826 A CN 201910554826A CN 110286072 A CN110286072 A CN 110286072A
Authority
CN
China
Prior art keywords
dust storm
image
concentration
wind speed
measurement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910554826.5A
Other languages
English (en)
Other versions
CN110286072B (zh
Inventor
张晓雷
王鹏涛
孙羽
左卫广
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN201910554826.5A priority Critical patent/CN110286072B/zh
Publication of CN110286072A publication Critical patent/CN110286072A/zh
Application granted granted Critical
Publication of CN110286072B publication Critical patent/CN110286072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/18—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance
    • G01P5/20—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance using particles entrained by a fluid stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Dispersion Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于模式识别的风沙输移动态量测方法，包括如下步骤：S1：通过实践得到若干的风沙图像和对应的风沙浓度，计算风沙图像的特征值，并通过回归分析得到风沙图像的特征值与风沙浓度的关系；S2：通过图像采集技术和风速采集技术采集得到要测量位置的风沙图像和该位置的风速；S3：提取要测量位置的风沙图像的特征值，并根据步骤S1中的风沙图像的特征值与风沙浓度的关系得到要测量位置的风沙浓度；S4：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量。本发明应用图像采集设备对不同浓度风沙进行图像采集，并分析风沙图像获取风沙浓度，巧妙地化解了传统接触式风沙浓度测量方法的缺陷和效率低下等问题。

Description

一种基于模式识别的风沙输移动态量测方法
技术领域
本发明涉及风沙输移测量领域，特别涉及一种基于模式识别的风沙输移动态量测方法。
背景技术
在我国西北地区，沙漠化问题日益严重，每年都会有大部分土地被沙漠侵蚀，严重影响着这些地区的安全。沙漠上表面是一层很厚的细沙状的沙子，在风力的作用下，沙粒会随着风向前推进，当风力比较大的时候就会发生沙尘暴天气，风携带大量的沙子，以悬移的方式向前运动，引起沙漠大面积的向前推进。在这些受沙漠严重侵扰的城市，都需要连续确定当地的风沙输移量。另外，在黄河中游的一些河段，由沙尘暴引起的沙粒入河量占河流泥沙来源的很大一部分，确定这些风沙入河量对研究河流泥沙问题具有重要的意义。
传统的风沙测量技术都是采用集沙仪称量计重。集沙仪大致可以分为两类：进沙口按水平方向排列的集沙仪和进沙口按垂直方向按排列的集沙仪。这些集沙仪测量技术落后，不能自动化连续测量，测量装置易被沙粒堵塞，测量装置维护频繁，对人的依赖程度高，并且测量精度不高。利用PIV技术测量风沙的浓度，相对于传统的集沙仪在测量效率和精度上有了大幅提高，但其技术成本过高，并且装置不宜在沙尘暴天气实际工程中应用，目前PIV技术只在实验室中应用研究风沙浓度。
发明内容
本发明的目的是克服上述现有技术中存在的问题，提供一种基于模式识别的风沙输移动态量测方法。
为此，本发明提供一种基于模式识别的风沙输移动态量测方法，包括如下步骤：
S1：通过实践得到若干的风沙图像和对应的风沙浓度，计算风沙图像的特征值，并通过回归分析得到风沙图像的特征值与风沙浓度的关系；
S2：通过图像采集技术和风速采集技术采集得到要测量位置的风沙图像和该位置的风速；
S3：提取要测量位置的风沙图像的特征值，并根据步骤S1中的风沙图像的特征值与风沙浓度的关系得到要测量位置的风沙浓度；
S4：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量。
进一步，在步骤S1中，包括如下步骤：
S1-1：通过图像采集技术对设定位置进行风沙图像的采集，同时，测量该位置的风沙浓度；
S1-2：通过图像标靶技术将风沙图像的彩色图转化为灰度图；
S1-3：通过建模软件对风沙图像的灰度图进行风沙图像的特征值的提取；
S1-4：将风沙图像的特征值和该风沙图像的风沙浓度进行回归分析得到风沙图像的特征值与风沙浓度之间的关系。
进一步，在步骤S2中，使用图像动态采集仪进行要测量位置的风沙图像的采集，同时通过风速风向仪进行该位置的风速的采集，在采集风沙图像的同时采集风速。
进一步，在步骤S3中，根据要测量位置的风沙图像的特征值与风沙浓度的关系得到风沙浓度-高度分布函数
c＝ae(-z/b)
具体的，c为风沙浓度，a为最大浓度，z为测点高度，b为相关系数。
更进一步，在步骤S4中，包括如下步骤：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量
S4-1：根据要测量位置的风速得到风速垂向分布函数
v＝λUa(h/ha)t
其中，v为风速，λ为修正系数，ha为定点高度，Ua为定点风速，h为高度，t为参数；
S4-2：根据公式
得到该位置的单位时间的风沙输移量；其中Q为风沙输移量，B为测区宽度，c为风沙浓度，v为风速，h为高度。
本发明提供的一种基于模式识别的风沙输移动态量测方法，具有如下有益效果：
1、应用图像采集设备对不同浓度风沙进行图像采集，通过模式识别技术分析风沙图像获取风沙浓度，巧妙地化解了传统接触式风沙浓度测量方法的缺陷和效率低下等问题；
2、通过拍摄不同风沙浓度的图像，分析这些图像的RGB值和灰度参数，定量取得满足工程精度要求的风沙浓度值；
3、通过确定的风沙输移量与风沙浓度和风速的函数关系，利用有限测点测取风速和风沙浓度数据，确定测量区域内风沙的输移量。
附图说明
图1为本发明提供的一种基于模式识别的风沙输移动态量测方法的整体流程示意图；
图2为本发明提供的一种基于模式识别的风沙输移动态量测方法在步骤S1中的详细流程示意图；
图3为本发明提供的一种基于模式识别的风沙输移动态量测方法的风沙图像的示意图；
图4为本发明提供的一种基于模式识别的风沙输移动态量测方法的风沙浓度沿垂向分布示意图；
图5为本发明提供的一种基于模式识别的风沙输移动态量测方法的风速沿垂向分布示意图；
图6为本发明提供的一种基于模式识别的风沙输移动态量测方法的风沙浓度一特征值关系曲线示意图；
图7为本发明提供的一种基于模式识别的风沙输移动态量测方法的整体流程详细示意图；
图8为本发明提供的一种基于模式识别的风沙输移动态量测方法的风沙动态量测系统的连接结构示意图。
附图标记说明：
1、图像采集设备；2、太阳能电池板；3、无线传输设备；4、风速风向仪；5、标靶。
具体实施方式
下面结合附图，对本发明的多个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
实施例1
本实施例提供了一种基于模式识别的风沙输移动态量测方法，通过基本的必要步骤实现本发明的发明目的。
具体的，如图1所示，本发明实施例提供了一种基于模式识别的风沙输移动态量测方法，包括如下步骤：
S1：通过实践得到若干的风沙图像和对应的风沙浓度，计算风沙图像的特征值，并通过回归分析得到风沙图像的特征值与风沙浓度的关系；
S2：通过图像采集技术和风速采集技术采集得到要测量位置的风沙图像和该位置的风速；
S3：提取要测量位置的风沙图像的特征值，并根据步骤S1中的风沙图像的特征值与风沙浓度的关系得到要测量位置的风沙浓度；
S4：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量。
空气中有风沙存在将会影响到拍摄图相的清晰度，不同浓度的风沙含量对图像的影响程度不同。基于这样基本认识，本发明通过静态试验和动态试验结合的方法探求不同浓度风沙与照片参数之间的关系，通过模式识别技术，分析出现风沙时拍摄的图像就可得到相应时间、位置的风沙浓度。在具体的实时过程中，首先，通过图像采集设备对定点标靶采集图像，风速风向仪获取该点风速。利用远程无线传输设备将采集的信息传输到控制室。根据实验室给出的“风沙浓度—特征值”关系曲线，得到测点的风沙浓度。利用有限测点的数据，采用待定系数法，确定“风沙浓度—高度”分布、“风速—高度”分布，进一步积分得到风沙输移量。
实施例2
本实施例是基于实施例1对实施例1中的步骤进行优化，使得最终得到的结果更加的精准，但是并不仅限于本实施例所描述的一种实施方式。
具体的，如图2所示，在步骤S1中，包括如下步骤：
S1-1：通过图像采集技术对设定位置进行风沙图像的采集，如图3所示，同时，测量该位置的风沙浓度；
S1-2：通过图像标靶技术将风沙图像的彩色图转化为灰度图；
S1-3：通过建模软件对风沙图像的灰度图进行风沙图像的特征值的提取；
S1-4：将风沙图像的特征值和该风沙图像的风沙浓度进行回归分析得到风沙图像的特征值与风沙浓度之间的关系。
该步骤给出了风沙图像的特征值与风沙浓度之间的关系得到的步骤。首先采用静态试验获取不同浓度风沙与图像的对应关系。采用对照试验方法，遵循单一变量试验原则，利用MATLAB图像处理功能和强大的矩阵数据处理能力提取照片的RGB值和灰度等参数，通过偏最小二乘回归分析方法(PLSR)探索图像参数与图像对应的风沙浓度的关系。动态试验时制作简易试验设施，该实验设施能够制造出不同浓度的风沙，设置背景靶纸，利用图像采集设备透过风沙对靶纸进行图像采集。采用与静态拍摄相同的图像处理技术对动态试验采集图像进行处理。分析相同风沙浓度下动态采集图像与静态采集图像上述参数的差异，根据差异适当修正动态条件下照片与对应含沙量的关系，从而得到动态条件下风沙图像与风沙浓度的关系。
我们在实验室中，在已知颗粒级配，定光源等条件下进行了动态实验，得出了“风沙浓度——图像特征值”的关系曲线。在实际应用推广中，要在实地采集、测定颗粒级配、光照强度等条件，对实验室曲线进行修订，以便反映实际准确的风沙浓度。
具体的，在步骤S2中，使用图像动态采集仪进行要测量位置的风沙图像的采集，同时通过风速风向仪进行该位置的风速的采集，在采集风沙图像的同时采集风速。
具体的，在步骤S3中，如图4所示，根据要测量位置的风沙图像的特征值与风沙浓度的关系得到风沙浓度-高度分布函数
c＝ae(-z/b)
具体的，c为风沙浓度，a为最大浓度，z为测点高度，b为相关系数。
其中，风沙浓度-高度分布函数：c＝ae(-z/b)摘自《风沙流中沙粒浓度分布的实验研究》.地球科学进展第19卷第五期。
风沙流中的浓度沿高度呈指数c＝ae(-z/b)衰减，其衰减速率与风速有关。在较低风速范围(8～12m/s)内，风速越小，衰减越快；风速越大，衰减越慢。由于所测的风速较少，未能给出浓度衰减速率与摩阻速度之间的关系。风沙运动一旦发生，靠近沙床表面的沙粒浓度，随风速变化不是非常明显，基本趋于稳定。本文将PIV技术应用到风沙物理学的研究中，其技术方法与结果可为今后进一步深入研究风沙物理学提供参考，而且其结果对于两相流体力学中的固相浓度的研究提供了很有价值的参考。
拟合关系表达式中α值反映了风沙流中沙粒浓度的最大值。实验结果拟合中α值变化很小，表明风沙运动一旦发生，很靠近沙床表面沙粒浓度随风速变化不大，趋于稳定。b值的变化反映了沙粒浓度沿高度的衰减速率的变化，b值越大衰减速率越慢，而b值越小衰减越快。
所述PIV技术为粒子图像测速法，是七十年代末发展起来的一种瞬态、多点、无接触式的流体力学测速方法。近几十年来得到了不断完善与发展，PIV技术的特点是超出了单点测速技术(如LDA)的局限性，能在同一瞬态记录下大量空间点上的速度分布信息，并可提供丰富的流场空间结构以及流动特性。
PIV技术除向流场散布示踪粒子外，所有测量装置并不介入流场。另外PIV技术具有较高的测量精度。由于PIV技术的上述优点，已成为当今流体力学测量研究中的热门课题，因而日益得到重视。PIV测速方法有多种分类，无论何种形式的PIV，其速度测量都依赖于散布在流场中的示踪粒子，PIV法测速都是通过测量示踪粒子在已知很短时间间隔内的位移来间接地测量流场的瞬态速度分布。若示踪粒子有足够高的流动跟随性，示踪粒子的运动就能够真实地反映流场的运动状态。因此示踪粒子在PIV测速法中非常重要。在PIV测速技术中，高质量的示踪粒子要求为：(1)比重要尽可能与实验流体相一致；(2)足够小的尺度；(3)形状要尽可能圆且大小分布尽可能均匀；(4)有足够高的光散射效率。通常在液体实验中使用空心微珠或者金属氧化物颗粒，空气实验中使用烟雾或者粉尘颗粒(超音速测量使用纳米颗粒)，微管道实验使用荧光粒子等。
更具体的，在步骤S4中，包括如下步骤：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量
S4-1：如图5所示，根据要测量位置的风速得到风速垂向分布函数
v＝λUa(h/ha)t
其中，v为风速，λ为修正系数，ha为定点高度，Ua为定点风速，h为高度，t为参数；
S4-2：如图6所示，根据公式
得到该位置的单位时间的风沙输移量；其中Q为风沙输移量，B为测区宽度，c为风沙浓度，v为风速，h为高度。
其中，风速垂向分布函数v＝λUa(h/ha)t和风沙输移量公式均摘自摘自《吉阳核电厂址气象铁塔塔层风频规律及风速分布拟合研究》.环境科学与管理，2010年10月第35卷第10期。
在实验中，利用有限测点获取该位置的风沙图像与风速，利用数据自动采集与远程传输技术将测点数据传输到控制室，通过分析风沙图像获取风沙浓度，利用已知的风沙输移量与风沙浓度和风速的函数关系，确定测量位置处的单位时间风沙输移量。
另外，附上本方法的总体流程图，如图7所示，以及实现本方法所配套使用的系统，如图8所示。
图7所描述的总体流程图为本发明最优化的一种实施方式，通过采集若干的样本得到特征值与风沙值的关系，在通过测量实际的数据与已经得到的关系进行结合，得到风沙输移量，其中运动到的公式是通过实验的数据建模所得到的。对此，与实验采集数据，本发明使用的是如图8所示的一套系统，该系统包括图像采集设备1、太阳能电池板2、无线传输设备3、风速风向仪4以及标靶5。顾名思义，图像采集设备1是用来采集风沙的图像的、太阳能电池板2是用来给各个部件供电的，无线传输设备3是将数据传输回到实验室的，风速风向仪4是用来测量实验中的风向和风速的，标靶5是使用标靶技术将图像转化为灰度图的。通过该系统实现对数据的采集。
在典型位置设置测杆,在观测杆的不同高度的三个位置上各设置一个靶纸和风速仪。在杆的顶部伸臂设置能够绕测杆转动的摄像头，对不同位置的靶纸拍摄。分析拍摄照片，得到对应高度的风沙浓度，根据风沙浓度拟合出该十米高度范围内的风沙浓度分布。用同样方法得出风速分布。
综上所述，本发明公开了一种基于模式识别的风沙输移动态量测方法，包括如下步骤：S1：通过实践得到若干的风沙图像和对应的风沙浓度，计算风沙图像的特征值，并通过回归分析得到风沙图像的特征值与风沙浓度的关系；S2：通过图像采集技术和风速采集技术采集得到要测量位置的风沙图像和该位置的风速；S3：提取要测量位置的风沙图像的特征值，并根据步骤S1中的风沙图像的特征值与风沙浓度的关系得到要测量位置的风沙浓度；S4：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量。本发明应用图像采集设备对不同浓度风沙进行图像采集，通过模式识别技术分析风沙图像获取风沙浓度，巧妙地化解了传统接触式风沙浓度测量方法的缺陷和效率低下等问题；通过拍摄不同风沙浓度的图像，分析这些图像的RGB值和灰度参数，定量取得满足工程精度要求的风沙浓度值；通过确定的风沙输移量与风沙浓度和风速的函数关系，利用有限测点测取风速和风沙浓度数据，确定测量区域内风沙的输移量。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (5)

1.一种基于模式识别的风沙输移动态量测方法，其特征在于，包括如下步骤：
S1：通过实践得到若干的风沙图像和对应的风沙浓度，计算风沙图像的特征值，并通过回归分析得到风沙图像的特征值与风沙浓度的关系；
S2：通过图像采集技术和风速采集技术采集得到要测量位置的风沙图像和该位置的风速；
S3：提取要测量位置的风沙图像的特征值，并根据步骤S1中的风沙图像的特征值与风沙浓度的关系得到要测量位置的风沙浓度；
S4：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量。
2.如权利要求1所述的一种基于模式识别的风沙输移动态量测方法，其特征在于，在步骤S1中，包括如下步骤：
S1-1：通过图像采集技术对设定位置进行风沙图像的采集，同时，测量该位置的风沙浓度；
S1-2：通过图像标靶技术将风沙图像的彩色图转化为灰度图；
S1-3：通过建模软件对风沙图像的灰度图进行风沙图像的特征值的提取；
S1-4：将风沙图像的特征值和该风沙图像的风沙浓度进行回归分析得到风沙图像的特征值与风沙浓度之间的关系。
3.如权利要求1所述的一种基于模式识别的风沙输移动态量测方法，其特征在于，在步骤S2中，使用图像动态采集仪进行要测量位置的风沙图像的采集，同时通过风速风向仪进行该位置的风速的采集，在采集风沙图像的同时采集风速。
4.如权利要求1所述的一种基于模式识别的风沙输移动态量测方法，其特征在于，在步骤S3中，根据要测量位置的风沙图像的特征值与风沙浓度的关系得到风沙浓度-高度分布函数
c＝ae(-z/b)
具体的，c为风沙浓度，a为最大浓度，z为测点高度，b为相关系数。
5.如权利要求4所述的一种基于模式识别的风沙输移动态量测方法，其特征在于，在步骤S4中，包括如下步骤：根据要测量位置的风沙浓度和该位置的风速测算出该位置的单位时间的风沙输移量
S4-1：根据要测量位置的风速得到风速垂向分布函数
v＝λUa(h/ha)t
其中，v为风速，λ为修正系数，ha为定点高度，Ua为定点风速，h为高度，t为参数；
S4-2：根据公式
得到该位置的单位时间的风沙输移量；其中Q为风沙输移量，B为测区宽度，c为风沙浓度，v为风速，h为高度。
CN201910554826.5A 2019-06-25 2019-06-25 一种基于模式识别的风沙输移动态量测方法 Active CN110286072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910554826.5A CN110286072B (zh) 2019-06-25 2019-06-25 一种基于模式识别的风沙输移动态量测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910554826.5A CN110286072B (zh) 2019-06-25 2019-06-25 一种基于模式识别的风沙输移动态量测方法

Publications (2)

Publication Number Publication Date
CN110286072A true CN110286072A (zh) 2019-09-27
CN110286072B CN110286072B (zh) 2022-10-21

Family

ID=68005533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910554826.5A Active CN110286072B (zh) 2019-06-25 2019-06-25 一种基于模式识别的风沙输移动态量测方法

Country Status (1)

Country Link
CN (1) CN110286072B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111948105A (zh) * 2020-08-06 2020-11-17 武汉钢铁有限公司 一种轧机粉尘检测系统及方法
US20230168170A1 (en) * 2021-11-30 2023-06-01 Lanzhou University Device for determining threshold wind speed in intermittent wind-sand flow

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000009630A (ja) * 1998-06-18 2000-01-14 Tonichi Computer Applications Kk Ｃｔ画像作成粒度分布測定装置
WO2005121770A1 (en) * 2004-06-07 2005-12-22 Roxar Flow Measurement As System for sand detection at constrictions or flow obstacles in a pipe or similar
CN1967184A (zh) * 2006-07-08 2007-05-23 中国科学院寒区旱区环境与工程研究所 风沙流动态监测仪
DE102008036212B3 (de) * 2008-08-02 2010-01-14 Swr Engineering Messtechnik Gmbh Meßvorrichtung zur Messung der Strömungsgeschwindigkeit von fließfähigem Schüttgut und Fördereinrichtung zur Förderung von fließfähigem Schüttgut mit einer solchen Meßvorrichtung
US20100231909A1 (en) * 2004-03-06 2010-09-16 Michael Trainer Methods and apparatus for determining particle characteristics by measuring scattered light
KR20100116590A (ko) * 2007-12-27 2010-11-01 램 리써치 코포레이션 동적 정렬 빔 교정의 방법 및 시스템
CN202033170U (zh) * 2010-08-18 2011-11-09 新疆大学 全自动风沙监测站
CN102323037A (zh) * 2011-05-19 2012-01-18 中国科学院寒区旱区环境与工程研究所 一种可移动便携式风蚀风洞
CN103969171A (zh) * 2014-05-07 2014-08-06 清华大学 一种天然河流中泥沙浓度级配原位实时测量装置及其方法
CN104020088A (zh) * 2014-05-15 2014-09-03 清华大学深圳研究生院 一种基于图像处理获取空气中颗粒物浓度的方法
CN104215795A (zh) * 2014-09-29 2014-12-17 南京昊控软件技术有限公司 基于昊控表面流场计算算法的大尺度粒子图像测速方法
CN105046653A (zh) * 2015-06-12 2015-11-11 中国科学院深圳先进技术研究院 一种视频雨滴去除方法及系统
CN105411624A (zh) * 2015-12-25 2016-03-23 中国科学院深圳先进技术研究院 一种超声三维流体成像与测速方法
JP2017151012A (ja) * 2016-02-26 2017-08-31 高橋　康一 輸送管およびその摩耗劣化検査方法、
CN107447728A (zh) * 2017-07-28 2017-12-08 华北水利水电大学 一种基于阵列火箭钻地锚的江河溃口抢堵方法
CN108572125A (zh) * 2018-06-09 2018-09-25 中国农业科学院草原研究所 风沙区域沙粒粒径及数量分布采集统计装置及方法
CN108645761A (zh) * 2018-05-30 2018-10-12 西安科技大学 测试粉尘颗粒运动特征及参数的可视化系统及方法
CN109087277A (zh) * 2018-06-11 2018-12-25 北京工业大学 一种基于图像特征和集成神经网络的空气细颗粒物pm2.5测量方法
CN109270294A (zh) * 2018-11-22 2019-01-25 北京华科佳仪科技有限公司 一种风粉在线监测系统及测量方法
CN109459582A (zh) * 2018-12-24 2019-03-12 北京理工大学 基于动边界自识别的激光粒子图像测速数据处理方法
CN208999264U (zh) * 2018-11-06 2019-06-18 武汉新烽光电股份有限公司 径流泥沙含量实时测量装置及实时测量系统

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000009630A (ja) * 1998-06-18 2000-01-14 Tonichi Computer Applications Kk Ｃｔ画像作成粒度分布測定装置
US20100231909A1 (en) * 2004-03-06 2010-09-16 Michael Trainer Methods and apparatus for determining particle characteristics by measuring scattered light
WO2005121770A1 (en) * 2004-06-07 2005-12-22 Roxar Flow Measurement As System for sand detection at constrictions or flow obstacles in a pipe or similar
CN1967184A (zh) * 2006-07-08 2007-05-23 中国科学院寒区旱区环境与工程研究所 风沙流动态监测仪
KR20100116590A (ko) * 2007-12-27 2010-11-01 램 리써치 코포레이션 동적 정렬 빔 교정의 방법 및 시스템
DE102008036212B3 (de) * 2008-08-02 2010-01-14 Swr Engineering Messtechnik Gmbh Meßvorrichtung zur Messung der Strömungsgeschwindigkeit von fließfähigem Schüttgut und Fördereinrichtung zur Förderung von fließfähigem Schüttgut mit einer solchen Meßvorrichtung
CN202033170U (zh) * 2010-08-18 2011-11-09 新疆大学 全自动风沙监测站
CN102323037A (zh) * 2011-05-19 2012-01-18 中国科学院寒区旱区环境与工程研究所 一种可移动便携式风蚀风洞
CN103969171A (zh) * 2014-05-07 2014-08-06 清华大学 一种天然河流中泥沙浓度级配原位实时测量装置及其方法
CN104020088A (zh) * 2014-05-15 2014-09-03 清华大学深圳研究生院 一种基于图像处理获取空气中颗粒物浓度的方法
CN104215795A (zh) * 2014-09-29 2014-12-17 南京昊控软件技术有限公司 基于昊控表面流场计算算法的大尺度粒子图像测速方法
CN105046653A (zh) * 2015-06-12 2015-11-11 中国科学院深圳先进技术研究院 一种视频雨滴去除方法及系统
CN105411624A (zh) * 2015-12-25 2016-03-23 中国科学院深圳先进技术研究院 一种超声三维流体成像与测速方法
JP2017151012A (ja) * 2016-02-26 2017-08-31 高橋　康一 輸送管およびその摩耗劣化検査方法、
CN107447728A (zh) * 2017-07-28 2017-12-08 华北水利水电大学 一种基于阵列火箭钻地锚的江河溃口抢堵方法
CN108645761A (zh) * 2018-05-30 2018-10-12 西安科技大学 测试粉尘颗粒运动特征及参数的可视化系统及方法
CN108572125A (zh) * 2018-06-09 2018-09-25 中国农业科学院草原研究所 风沙区域沙粒粒径及数量分布采集统计装置及方法
CN109087277A (zh) * 2018-06-11 2018-12-25 北京工业大学 一种基于图像特征和集成神经网络的空气细颗粒物pm2.5测量方法
CN208999264U (zh) * 2018-11-06 2019-06-18 武汉新烽光电股份有限公司 径流泥沙含量实时测量装置及实时测量系统
CN109270294A (zh) * 2018-11-22 2019-01-25 北京华科佳仪科技有限公司 一种风粉在线监测系统及测量方法
CN109459582A (zh) * 2018-12-24 2019-03-12 北京理工大学 基于动边界自识别的激光粒子图像测速数据处理方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
SANTANA D 等: "Initial particle velocity spatial distribution from 2-D erupting bubbles in fluidized beds", 《POWDER TECHNOLOGY》 *
王洪涛 等: "风沙流中沙粒浓度分布的实验研究", 《地球科学进展》 *
禹明忠 等: "PIV流场量测中图像变形的修正", 《泥沙研究》 *
第十二届挑战杯省赛作品: "基于模式识别的风沙输移量测定技术", 《基于模式识别的风沙输移量测定技术》 *
董治宝 等: "风沙流中风速廓线的数值模拟与实验验证", 《气象学报》 *
赵晓亮 等: "阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究", 《地球与环境》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111948105A (zh) * 2020-08-06 2020-11-17 武汉钢铁有限公司 一种轧机粉尘检测系统及方法
CN111948105B (zh) * 2020-08-06 2023-07-14 武汉钢铁有限公司 一种轧机粉尘检测系统及方法
US20230168170A1 (en) * 2021-11-30 2023-06-01 Lanzhou University Device for determining threshold wind speed in intermittent wind-sand flow
US11953416B2 (en) * 2021-11-30 2024-04-09 Lanzhou University Device for determining threshold wind speed in intermittent wind-sand flow

Also Published As

Publication number Publication date
CN110286072B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
Gillette et al. Relation of vertical flux of particles smaller than 10 μm to total aeolian horizontal mass flux at Owens Lake
Fernando et al. Whither the stable boundary layer? A shift in the research agenda
Garçon et al. The role of mesoscale variability on plankton dynamics in the North Atlantic
CN201740777U (zh) 坡面土壤侵蚀快速测定系统
Nishimura et al. Snow particle speeds in drifting snow
Tauro et al. Fluorescent particle tracers in surface hydrology: a proof of concept in a semi-natural hillslope
Dong et al. Characterizing the height profile of the flux of wind-eroded sediment
US20050018882A1 (en) Controlled surface wave image velocimetry
CN106769705B (zh) 一种非接触式推移质输沙率的测量装置及测量方法
Gillette et al. Wind characteristics of mesquite streets in the northern Chihuahuan Desert, New Mexico, USA
CN110286072A (zh) 一种基于模式识别的风沙输移动态量测方法
Klein et al. Concentration fluctuations in a downtown urban area. Part II: analysis of Joint Urban 2003 wind-tunnel measurements
Gallagher et al. Observations and modelling of microphysical variability, aggregation and sedimentation in tropical anvil cirrus outflow regions
Depeng et al. Monitoring slope deformation using a 3-D laser image scanning system: a case study
Wu et al. Wind tunnel experiments on dust emissions from different landform types
Zhang et al. Two-phase measurements of wind and saltating sand in an atmospheric boundary layer
O'Brien et al. An experimental study of the dynamics of saltation within a three-dimensional framework
Cauteruccio et al. Wind tunnel validation of a particle tracking model to evaluate the wind‐induced bias of precipitation measurements
CN102288646A (zh) 一种海水中泥沙浓度垂向分布的原位自动监测方法及系统
Angelou et al. Wind lidars reveal turbulence transport mechanism in the wake of a tree
Sun et al. A study on velocity of aeolian sand particles over leeward slope by particle image velocimetry
Kang et al. Experimental investigation of particle velocity distributions in windblown sand movement
Kuhn et al. Ice fog and light snow measurements using a high-resolution camera system
Reiter et al. Modelling atmospheric transport
Naaim-Bouvet et al. Lac Blanc Pass: a natural wind-tunnel for studying drifting snow at 2700ma. sl

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant