Page 64 - 2022年第53卷第1期

红外图像包含的信息量相对较少，但其具有明显的亮度特征。由于温度异常区大致以渗漏出口
为中心呈梯度分布，因此考虑采用阈值分割来提取渗漏影响区域。采用 Otsu 全局阈值法 ［36］ 将图像二
值化，提取渗漏影响区如图 4（a2）（b2）所示。可见无遮盖情况下，渗漏影响区较为连续，其轮廓形态
与渗漏尾水具有较好的一致性，并具有明显的拖尾特征，该特征是实现基于红外图像识别土石堤坝
集中渗漏出口的重要信息之一。

（a1） 夜间渗漏热图像 （a2） 夜间渗漏提取结果

（b1） 午后渗漏热图像 （b2） 午后渗漏提取结果
图 4 无遮盖渗漏出口热图像及其二值化分割结果

4.2.2 无遮盖坡面渗漏过程热图像时变规律 图 5 为 2021 年 7 月 11 日夜间开展的试验结果。试验前
连续 10 d 有降雨，试验进行时坝面处于湿润状态。试验过程中天气多云，微风 1 级。该天气条件和坝
面条件与汛期实际工程渗漏发生的情况较接近。
试验前，坝址附近受库水渗透及外部降雨汇集的影响，土体含水率较高，对应部位温度较低。
其他区域无明显高温或低温异常。渗漏进口打开计时开始，即 t=0。渗漏出口在 8 min 左右在热图像
上出现明显异常，由于坝面本身处于湿润状态，此时借助手电光照射坝坡，未见异常。在 15 min 左
右上部覆盖层被冲破，此时在灯光下肉眼可见较为浑浊的坡面径流。高温异常区在热图像上形成的
拖尾末端随时间逐渐扩展变宽。高温异常区最终在 45 min 左右形成比较稳定的拖尾形态。
图 6 为 2021 年 8 月 17 日午后开展的试验结果。试验前连续 2 d 为阵雨天气。试验过程中天气多
云，微风 2 级，坝脚处有少量积水。

— 59 —