低造价相机系统在极小型森林源头溪流监测径流量中的应用局限性研究

《Water》：Limitations of a Low-Cost Camera System for Monitoring Streamflow in an Extremely Small Forested Headwater Stream

　　

源头溪流(headwater stream)的动态对于理解流域内的水文与生态过程至关重要，然而传统监测方法成本高昂且耗时。本技术简报记录了在美国俄亥俄州一处森林源头溪流中布设低造价相机系统以进行连续径流(streamflow)监测时所遇到的局限性与挑战。研究溪流的渠宽小于1 m，流域面积为0.4 km2，远小于既往研究对象。该相机系统由廉价且易获取的电子设备搭建，可每15分钟采集一次视频并应用大尺度粒子图像测速(Large-Scale Particle Image Velocimetry, LSPIV)进行分析。LSPIV在较大河流中的应用已有成熟研究，但其在极小型源头溪流中的应用尚不充分。水槽初步试验表明该系统可提供准确的流量(discharge)测量值，但在野外基于LSPIV估算流量所率定的率定曲线(rating curve)R2仅为0.70，弱于文献报道。与物理流量实测值相比，该率定曲线在低水位时高估流量，在高水位时低估流量。对野外采集视频的分析显示，非恒定流(unsteady flow)条件导致率定曲线分析产生显著变异性。雨滴、光照条件和落叶等环境噪声亦引起LSPIV结果中的流速测算错误。本技术简报对基于LSPIV的相机系统在极小型溪流中的表现进行了批判性评估，并为从业者和研究者提出了若干最佳实践建议，以在实施过程中最小化特定误差源。

论文解读：低造价相机系统在极小型森林源头溪流监测径流量中的应用局限性研究（发表于《Water》）

一、研究背景与目的

源头溪流(headwater stream)是流域水文与生态过程的关键控制单元，但由于布设仪器成本高及物理可达性差，常被排除于常规水文监测之外。基于图像的非接触式测流技术——大尺度粒子图像测速(Large-Scale Particle Image Velocimetry, LSPIV)已在较宽河道中得到验证，但在渠宽小于1 m、流域面积仅0.4 km²的极小型森林源头溪流中应用尚不明确。本研究旨在评估由树莓派(Raspberry Pi)搭建的低造价自动LSPIV相机系统在此类微型溪流中的适用性，通过室内水槽实验与野外布设，评价LSPIV所得流量精度、建立水位—流量率定曲线(rating curve)并与物理实测对比，记录操作困难与误差来源，填补极小型溪流固定相机监测的知识空白。

二、主要关键技术方法

研究人员采用总造价低于200美元的Raspberry Pi Zero W配合Raspberry Pi Camera Module 3 Wide NoIR组成定点摄像系统，每15分钟自动录制30秒1080p视频。先在矩形水槽(flume, 4.9 m×0.3 m)中以泡沫示踪粒子进行LSPIV标定；再于美国俄亥俄州Pomerene Forest内集水面积0.4 km²、渠宽约1 m的森林源头溪流布设，依靠水面自然示踪物(泡沫、涟漪)进行LSPIV分析。同步使用HOBO压力传感器记录水位(stage)，以盐示踪(salt tracer)法与浮标—断面法获取13组物理流量实测值制作物理率定曲线。视频用Fudaa-LSPIV软件处理，经正交校正(orthorectification, 基于三维激光雷达点云)，开展帧采样间隔、 interrogation area(IA)尺寸及两种流量积分方法(Method 1列向平均与Method 2断面插值平均)的敏感性分析，选取最优参数计算LSPIV流量并建立LSPIV率定曲线，通过R²、均方根误差(RMSE)及与物理率定曲线偏差(RMSD)评估精度。

三、研究结果

3.1. Flume Experiment Results（水槽实验结果）

在室内水槽可控均匀流条件下，LSPIV估算流量与制造商参比表、测压管及手持流速仪测量结果吻合良好，表明该系统在受控环境下可提供可靠流量数据，速度修正系数(velocity coefficient)的不确定性在可接受范围内。

3.2. Field Application and Sensitivity Analysis（野外应用与敏感性分析）

基于物理实测点拟合的物理率定曲线R²=0.76。敏感性分析表明：帧采样间隔0.033 s（逐帧）、IA尺寸32像素、Method 1（断面列向平均速度后乘以深度平均系数0.8再乘断面面积积分）残差最小，被选为全场数据处理的最优参数组合；速度修正系数取0.7–0.9时流量不确定度较小，非主要误差源。

3.3. Field Testing Results（野外测试结果）

采用最优参数处理全期627段可用视频，LSPIV流量率定曲线拟合参数a=18.3, b=3.8，R²=0.70，低于文献中大河流典型值(＞0.90)。LSPIV率定曲线在水位＜0.065 m时高估流量，＞0.065 m时低估流量。RMSE与RMSD随水位升高而增大，说明高水流条件下LSPIV估算变异性增加。流量过程线显示降雨—径流滞后符合森林源头溪流基流主导特征。

四、讨论与结论翻译

讨论指出，极小型溪流表面光学示踪信号弱、信噪比低，LSPIV性能受放大影响。现场观测到涨落洪时因下游湿地回水(backwater effect)出现流向逆转及非恒定流(unsteady flow)，破坏率定曲线所依赖的水位—流量单值关系。雨滴产生同心涟漪被误判为流速矢量致流量高估；林间斑驳光照在水面形成虚假纹理致局部流速异常高估；落叶遮挡水面示踪特征致LSPIV无法追踪有效位移从而低估流量。此外，相机每次换电池发生微小位移需重新正交校正，物理率定曲线因实测点少具不确定性。作者建议未来在地形稳定、无回水河段布设，可结合人工示踪对比、图像预处理降噪、掩膜剔除受环境噪声污染区域，或引入粒子追踪测速(PTV)及深度学习辅助PIV分析；系统可升级太阳能供电、更大容量电池或更低功耗微控制器以延长连续监测周期，并可融合声学传感器交叉验证。

结论(Conclusions)：

本研究评估了固定相机LSPIV系统在极小型森林源头溪流的应用。水槽实验证实系统在受控条件下可准确估算流量。野外通过敏感性分析确定最优LSPIV参数及Method 1流量积分法。基于LSPIV流量拟合的率定曲线R²=0.70，较物理率定曲线(R²=0.76)偏低，且在低水位高估、高水位低估流量。精度降低归因于现场非恒定流及回水导致的流向逆转、极小型溪流微弱光学流场信号被雨滴/光照/落叶等环境噪声放大。监测期仅一个月且电池更换造成数据缺失，长期多站点验证有待进一步开展。低造价自动相机系统在所选极小型源头溪流表现欠佳，提示在此类系统中需特别关注环境噪声抑制与非恒定流影响，未来需明确其实用边界。