周仁练，苏怀智，刘明凯，徐 朗，华倩宇

（1.河海大学 水文水资源与水利工程科学国家重点实验室，江苏 南京 210098；2.河海大学 水利水电学院，江苏 南京 210098）

1 研究背景

截至2018年底，全国已建成各类水库大坝98 822 座，5 级及以上堤防总里程长达31.2 万km［1］，其中绝大部分为土石材质［2］。近年来台风强降雨等极端天气频现，加之工程质量受建设时期技术水平的限制以及后期运管维护的综合影响［3-4］，我国土石堤坝渗漏病害至今较为严重［5］。如2020年汛期，仅长江中下游堤防就出现漏洞、管涌、滑坡等渗漏险情多达4335 处［6］。渗漏险情若不能被及时发现并得到有效处置，极可能导致溃坝决堤，造成难以估量的损失［7］。

土石堤坝渗漏具有时空随机性、隐蔽性、初始量级细微等特点，渗漏从开始出险到堤坝破坏之间的时间往往相当有限，及时发现、准确识别渗漏位置是保障土石堤坝安全的关键［8-10］。传统以量水堰和测压管为主的渗漏监测手段［11］，存在点式监测覆盖面小的缺陷，易遗漏渗漏隐患。国内外学者基于渗漏隐患区含水率较大而呈现出的理化性质差异，围绕土石堤坝渗漏间接诊断开展了广泛而深入的研究，极大提升了土石堤坝渗漏病害辨识和处置能力。瞬变电磁法［12-14］利用不同含水率的介质对快速变化的磁场将产生不同涡流强度，且含水率越大，产生的涡流场越强等特点推算土体含水情况，对堤坝内部一定深度的渗漏隐患具有较强探测能力。探地雷达法［15-16］基于高频电磁波理论，通过分析发射和接收的波形特征，从而推定渗漏隐患的空间位置和几何形态。基于介质电性特征探测的高密度电阻率法［17］利用含水率较高的土石介质将呈现低阻的特点，可同时反映水平和垂直方向的电阻率分布，测量精度较高，在工程中得到较多应用。受作业效率和工作面要求等限制，以上方法在枯水期检测中应用广泛，但在土石堤坝汛期应急巡检中应用较少。分布式光纤温度传感监测方法［18-19］近年来也被应用于渗流场监测，具有空间覆盖面广、时间连续性好等优点。然而该监测手段需要对光纤进行预埋，并且目前光纤测温系统价格较昂贵，监测精度也有待突破，并未在实际工程中得到大量应用。

目前，土石堤坝渗漏险情的发现及辨识仍强烈依赖于人工巡查。尤其在汛期，拉网式人工巡视仍然是发现堤防渗漏险情的主要手段。该现状严重制约了风险管控能力和应急处置水平，亟需研发作业快速、覆盖面广的土石堤坝渗漏检测手段。

由于水与土石介质的比热容相差较大，含水率较高的渗漏区将呈现出与正常区域不同的温度变化模式。通过红外热成像（Infrared thermography，IRT）［20］扫描并识别温度场异常，为土石堤坝渗漏辨识提供了新的思路。IRT 作为一种非接触式感测手段，具有形象直观、作业快速、机动性强、覆盖面广等诸多优势，其早期应用于军事领域，经过近两个世纪的发展，已成为一种较成熟的无损检测方法，目前在森林防火［21-22］、建筑保温调查［23-24］、电气设备故障检测［25-26］和油气管道泄漏巡查［27］等领域，由于被检目标与背景之间温差较大，被检目标较易识别和分离，因而得到了较多研究和成功应用。对于水利工程，尤其是土石堤防工程，由于地面条件和自然环境条件复杂且多变，IRT 在土石堤坝渗漏巡查中的研究和成功应用报道较少。早见于1997年，Inagaki 等［28］将水加热至不同温度，开展了砂浆试件表面集中渗漏和随机渗漏的室内试验，验证了水体加热条件下应用IRT 探测工程渗漏的可行性。彭波等［29］开展了红外灯激励条件下均质土坝集中渗漏热成像试验，指出集中渗漏出口坝面的温升速率较正常区域慢，验证了人为施加热源激励条件下应用IRT 探测土石堤坝渗漏的可行性。Bu⁃kowska-Belniak 等［30］在帐篷内开展了基于IRT 的均值土坝渗漏试验，验证了常温条件下IRT 探测土石坝渗漏的可行性。Chen 等［31］在蓝道溪开展了土坝首次蓄水溃决过程的IRT 监测试验，指出渗漏会引起土坝的土体湿润并引起温度变化，辐射温度变化较大的坝面区域可作为土坝的潜在破坏区域。王玉磊等［32］利用无人机搭载红外热成像设备成功检测到某小型水库坝体早期非稳定渗漏。

上述研究一定程度上推动了IRT 在土石堤坝渗漏识别方面的应用，然而仍存在一些不足，如已有研究多将热像仪作为一种传统测温工具使用，即通过提取红外图像上部分点的具体温度值（或前后温差）来开展数据分析，极少关注红外热图像的纹理特征和形态学特性，并且试验多在室内完成，通过人为扩大水体与介质材料之间的温差来达到成像效果明显的目的，此类理想的成像条件在实际工程中是几乎不存在的。目前，尚缺乏真实服役条件下利用IRT 探测和识别土石堤坝渗漏的系统性研究，利用IRT 识别土石堤坝渗漏具有相当广阔的研究空间。

针对现有方法难以实现真实服役条件下土石堤坝渗漏快速识别的问题，将被动IRT 应用于土石堤坝渗漏检测中。为探究汛期自然环境条件下（尤其是雨后及下游坝坡被草皮覆盖的情况下）被动IRT 探测土石堤坝渗漏的可行性，搭建了能充分模拟土石堤坝汛期真实服役条件的试验平台。为探寻一天中较佳的成像时段，以及渗漏形成过程中渗漏出口的热图像特征和规律，开展了大量热成像探究试验，并分别在夜间和午后开展了较精细的渗漏过程热成像试验，以期为利用被动IRT 实现汛期土石堤坝渗漏快速辨识提供参考。

2 IRT 探测土石堤坝渗漏的基本原理

水的比热容（约4.2×103J/kg）与土体的比热容（约0.84×103J/kg）相差较大，土石堤坝存在渗漏的区域因含水率较大，将表现出与正常区域不同的温度变化模式。利用温度间接识别堤坝渗漏已得到一定的理论和实践支撑［18-19，33］。相比于传统点状或线状测温方式，IRT 能生成二维温度场，因而具有数字图像学分析价值。

温度高于绝对零度（即-273.15 ℃）的物体都会从其表面辐射出覆盖整个波谱范围的电磁波。如图1所示，红外辐射波长（0.75～1000 μm）介于微波和人眼可见光（0.4～0.75 μm）之间，该区间又进一步被划分为近红外（0.75～1.5 μm）、中红外（1.5～5.6 μm）、远红外（5.6～14 μm）和极远红外（14～1000 μm）4 个波段。大气对可见光和近红外电磁波的吸收能力很强，然而对于波长处于3～5 μm 和8～14 μm 的中红外和远红外吸收较少，故称该波段为红外的“大气窗口”。因大气窗口的存在，绝大多数红外热像仪均是基于3～5 μm 或8～14 μm 这两个波段而研制的。

图1 红外电磁波在电磁频谱中的位置

在热辐射理论中，黑体被认为是一个假设的理想体，其既是完全的吸收体，亦是完全的辐射体，按照Planck 定律［34］辐射出一个连续的光谱：

式中：E(λ，T)为辐射出射度，即单位时间内从单位面积上辐射出的能量，W/m2；λ为辐射波长，μm；T为热力学温度，K；h为普朗克常数，取值为6.66×10-34J×s；k为玻尔兹曼常数，取值为1.3806×10-23J/K；c=2.998×108m/s为光速。

在所有光谱频率上对Planck 定律积分便得Stefan-Boltzmann 定律［35］：

式中：E(T)为总辐射出射度，W/m2；σ=5.6697×10-8W/(m2K4)为Stefan-Boltzmann 常数。

对于真实物体（非黑体），辐射定律则为：

式中ε为物体的比辐射率。黑体的比辐射率为1，真实物体的比辐射率往往小于1。

辐射定律建立了电磁辐射与热力学温度之间的转换关系，它指出物体每单位面积发射的电磁能（辐射功率）与绝对温度及其发射率呈正相关关系。由于特定对象的发射率通常变化甚微，故当被测对象的辐射能越大时，其绝对温度也相应越高。利用红外传感器感测被测物的辐射场，通过换算可得其对应的温度场，最后将温度场按一一对应的关系映射到特定的颜色空间便可获得形象直观的红外热图像。通过识别热像图上的图像信息，理论上可达到间接识别土石堤坝渗漏的目的。

3 土石堤坝渗漏红外热成像探测试验设计

3.1 土坝模型设计与制作现役土石堤防截面常为梯形，高度高出堤内3～10 m，迎水面和背水面坡比通常在1∶1～1∶4 之间。由于本试验的主要目的是借助图像技术解决土石堤坝渗漏出口的快速识别问题，重点关注渗漏出口的红外图像特征及规律，而暂不对坝体内部渗流场性态进行定量分析，因此试验主要满足几何相识条件，模型几何相似比约在1∶10～1∶25 之间。

试验在如图2所示的人工混凝土U 型河道模型上开展，河道顺河向长2000 mm，净宽1700 mm，最大深度500 mm，河床底部距地面高500 mm，河道上游建蓄水池。考虑到水温对试验影响较大，过大或过小的水体均难以模拟实际江河水温的时变规律，本试验露天蓄水池平均净长为7000 mm，净宽1700 mm，池内水深控制在700 mm。坝后库水从蓄水池距水面500 mm 处取水。用普通烧结砖筑成最大高度为390 mm 的溢流墙将河道从上游末端截断。溢流墙上离河床底部230 mm 高度处设置溢流孔。

图2 试验模型平台布置（单位：mm）

均质土坝采用黏性土填筑，土料基本物理参数如表1所示。土坝模型为：坝轴线长1700 mm，坝顶宽50 mm，最大坝高380 mm，坝顶设置高30 mm 的挡水子坝，迎水面和背水面坡比均为1∶1.5。在坝身距左岸600 mm 处设置一条渗漏通道。由于在模型上难以自然形成渗漏通道，而实际工程因水流冲刷导致土颗粒流失而形成的渗漏通道类似于自然形成的“管道”，故本试验采用直径为10 mm 的塑胶水管模拟渗漏通道，并在管壁上均匀扎上小孔，以保证渗漏通道内外的渗流场连续。渗漏通道上游进口离河床高度250 mm，下游出口离河床高度200 mm，出口处上部土层覆盖厚度为20 mm。土坝采用水平分层填筑，填筑完成后静置在露天自然环境中。模型静置30 d 后缓慢将坝后水位上升至230 mm，此后长期保持该水位，以模拟工程实际服役环境和汛前江水对堤坝的长期浸泡作用。

表1 筑坝土体物理性质参数表

3.2 试验仪器设备红外热图像记录采用德国testo-869 红外热像仪，其参数见表2。通过接触式探针在坝坡多个测点测温，标定热成像仪的材料发射率为0.96。探测距离和成像角度均会对试验结果产生影响，通常距离越大，测量误差越大，热图像的地面分辨率也越大；成像角度越小，误差越大。试验过程中，热像仪距土坝坡面的垂直距离约1.5 m，热像仪焦平面与坝坡平行，焦平面中心正对渗漏出口。该探测距离与人工手持热像仪巡堤的距离相近。采用华汉维TH22R-EX 温、湿度传感器按1 次/min 的采样频率监测坝后水温和试验区气温及湿度等环境量。

表2 红外热像仪主要参数

3.3 试验过程非汛期河道水位较低，堤坝很少发生渗漏险情。渗漏险情通常发生于汛期河道水位上涨之后，在高水位的长期浸泡下，高处原含水率较低的土体含水率逐渐上升乃至饱和软化，当水力坡降超过堤坝材料的临界值后，土体结构遭到破坏，内部缺陷逐渐扩展连通以至形成渗漏通道。试验充分考虑实际土石堤坝工程集中渗漏的形成过程，主要试验步骤如下：（1）高水位浸泡：试验开始前，堵塞溢流墙上的溢流孔及渗漏通道进口，将库水位由230 mm 上升至390 mm，以模拟河道汛期水位上涨后高水位对河堤的浸泡作用。（2）渗漏成像：高水位浸泡60 min 后，打开渗漏通道进口，用热像仪按约1 帧/min 的频率在土坝背水坡采渗透通道出口附近的热图像。（3）水位回落：当渗漏出口附近的土体形态基本稳定后，停止图像采集，打开溢流墙上的溢流孔，将坝后水位降回至低水位。（4）模型修复：挖除变形破坏的土体，采用与筑坝材料相同的土体修复模型，以备下次试验。

4 试验结果与分析

4.1 环境量时变规律图3 为汛期典型时段试验场区环境量监测过程线。可见受太阳辐射影响，气温和水温大致呈日周期性变化：气温通常在6∶00 左右开始升高，在14∶00 左右达到一天中的最高值，接着持续降温，直到次日6∶00 左右再次升温。坡温变化与气温具有较好的一致性，且略滞后于气温变化。由于水的比热容较大，水温变化速率和变幅明显比气温和坡温小，且水温变化滞后于气温和坡温变化，故汛期通常在一天中会分别出现一次水温低于气温和水温高于气温的时段。气温与水温之差通常在14∶00 和6∶00 附近达到一天中的极值。夜间由于几乎无太阳辐射加热，水温和坡温的下降速率基本相当，约在日落后3 h 和日出前2 h 之间，坡温与水温之差维持在-5 ℃左右。仅从温差角度考虑，可推断汛期午后和夜间是利用IRT 探测土石堤坝渗漏的较佳时段。

气温与湿度之间存在基本同步的负相关关系。图3 中蓝色框对应时段有持续降雨，可见气温和坡温都对降雨十分敏感。白天降雨将显著缩小水体与空气及土石堤坝坡面之间的温差，不利于IRT 探测渗漏，而夜间降雨对此的不利影响相对较小。并且夜间降雨初期，坡温受降雨影响迅速降低，而水温变化较慢，因而该情况下会出现坡温更加明显地低于水温的现象。夜间降雨初期，或是利用IRT 探测土石堤坝渗漏的极佳条件。

图3 试验场区环境量时变过程线

4.2 无遮盖渗漏出口热图像特征和规律为进一步探究渗漏过程中渗漏出口热图像的特征和规律，基于上述环境量的时变规律，选择夜间23∶00—1∶00 和午后13∶00—15∶00 两个时段开展更为精细的试验研究。

4.2.1 无遮盖渗漏出口热图像空间分布特征 图4（a1）（b1）分别为夜间和午后试验所记录的典型热图像结果。可见与前述环境量监测结果一致，夜间水温比坡温高，热图像上渗漏出口附近表现为高温异常，而午后水温较坡温低，渗漏出口表现为低温异常。远离渗漏出口的坝坡温度分布相对均匀。

温度异常区大致以渗漏出口为中心呈具有梯度的环状分布。夜间呈梯度下降分布，这主要是由于土体距离渗漏出口越远，水体热量损耗越多，能够传导给远离渗漏出口的土体的热量也越少。而午后正好相反，温度异常区呈梯度上升分布。这样的梯度分布使渗漏出口的热图像具有鲜明的环状纹理特征，该特征或可作为机器视觉识别集中渗漏出口的重要信息。

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。

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。

图5 无遮盖坡面夜间渗漏过程

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。

试验前，坝趾附近呈现低温区，其他区域温度分布较均匀。在7 min 左右热图像上出现明显低温异常，此时肉眼未在坝坡发现异常。在10 min 左右出现肉眼可见的坡面渗水，在12 min 左右上部覆盖层被突破，水流携带土颗粒沿坡面快速流动，低温异常区随之向下扩展，渗漏出口不断扩大加深，冲沟不断下切。低温异常区在25 min 左右形成较稳定的拖尾轮廓，渗漏尾水逐渐变得清澈。

值得一提的是，上部覆盖层被顶破前，热图像上出现的温度异常早于肉眼可辨的坡面渗水，而上部覆盖层被顶破后，热图像上的温度扩展略滞后于坡面径流。因此在利用无人机搭载热像仪探测土石堤坝渗漏［32］时，宜同时搭载可见光相机。

由于相比可见光图像，红外图像分辨率较低，包含的细节信号较少，故缺少真实空间感。因此，如图6（b1）—（b4），将红外图像投影在可见光图像上，不仅可保留红外热图像能对温度场进行直观描述的优点，而且使图像融入更多的细节信息，增加真实空间感，有利于肉眼辨识和人工定位。比较图6中每组图像可知，红外图像上的温度异常区较可见光可辨识的渗漏影响区多出一定外沿。其原因为渗漏尾水通过热传导方式对土体施加影响，即使土体尚未发生明显变形破坏，也能引起一定的温度改变，从而在热图像上呈现出面积更大的渗漏影响区。该特点对基于红外图像识别渗漏是有利的。

图6 无遮盖坡面午后渗漏过程

为得到渗漏过程的更多量化信息，如图7所示，选择以渗漏出口为圆心，直径10 cm 的圆形区域为感兴趣区域（Region of interest，ROI），并在其正上方选择同样大小的区域作为背景对照。基于前述无覆盖坝坡夜间和午后渗漏试验过程，提取背景区域的平均温度、ROI 的平均温度及ROI 最高和最低温度绘制于图8 中。将ROI 平均温度减去背景平均温度，得到剔除其他外部环境量变化影响后的渗漏出口温度时变过程。综合提取的温度结果及可见光图像和红外图像记录，渗漏过程大致可划分为以下4 个阶段。

图7 ROI 在坝坡表面的位置示意

图8 无覆盖坝坡表面特征温度过程线

（1）隐藏：渗漏已在内部发生，但其影响暂未抵达堤坝背水坡面，可见光和红外图像均无异常。由此可见，基于IRT 的渗漏探测本质上是一种表面感测技术，即其存在不具备内部“探测”能力的局限性。若要捕捉该阶段的渗漏情况，则需借助如探地雷达、高密度电法等其他手段。

（2）缓慢浸出：渗漏影响已抵达背水坡面，并引起坡面温度变化，从热图像上可发现渗漏，而可见光图像或肉眼直接观察难以发现异常。尤其在雨后堤坝坡面处于湿润状态甚至积水条件下，几乎不可能通过可见光图像或肉眼直接观察发现渗漏。

（3）快速渗漏：上部覆盖层被冲破，集中渗漏在堤坝背水坡面出露，出现明显的变形破坏和径流。从可见光和红外图像上均可发现明显异常。

（4）稳定扩展：尾水以基本稳定的速率对冲沟进行下切，剔除除了渗漏影响外的诸如太阳辐射、大气对流等外部环境量变化的影响（背景温度），热图像上渗漏影响区的温度基本稳定。

需要指出的是，本文基于试验结果将坡面无覆盖的土石堤坝渗漏过程划分为4 个阶段，其中稳定扩展阶段的存在考虑与渗漏通道的设置方式有关。本试验的渗漏通道是由管壁上均匀扎孔的塑胶水管所模拟的，通道本身不发生渗透变形破坏，故渗漏出口的后期扩展方式主要为冲沟下切，冲沟末端不会向预制的渗漏出口上游扩展，而实际土石堤坝渗漏过程中，对于致溃型渗漏，渗漏出口将持续向上游扩展，变形破坏或呈现加速趋势。故本文对集中渗漏过程的划分宜限定为非致溃型渗漏。

4.3 草皮覆盖坝坡集中渗漏热成像试验实际堤坝工程下游坡面通常被植被覆盖，导致渗漏出逸后难以被发现。为进一步探究草皮覆盖情况下IRT 探测土石堤坝坡面渗漏的可行性，对原试验模型进行改造：如图9所示，在原渗漏通道右侧水平距离300 mm 处增设一条与之相同的渗漏通道，并在下游右半坝坡上种植平均株高6 cm 的草皮，即新增渗漏通道的出口被草皮覆盖。

图9 下游坝坡有草皮覆盖的土坝模型平台

图10 和图11 分别为夜间和午后试验所记录的试验结果。可见与裸土坡面有所不同，草皮覆盖区的温度场在无渗漏情况下分布不均。由于草具备一定的自身温度调节能力，无论夜间还是午后，草株越繁茂的坡面，温度相对越低。当草皮覆盖区存在渗漏时，渗漏影响区的呈现形式和规律与前述无遮盖情况基本一致，即夜间表现为高温异常，午后表现为低温异常，且渗漏尾水在热图像上具有拖尾特征。然而，草皮覆盖下的渗漏影响区的连通性和可辨识度较无覆盖情况更差。

图10 草皮覆盖坡面夜间热图像

图11 草皮覆盖坡面午后图像

对比渗漏前后草皮覆盖区的热图像，可见虽然渗漏前也存在疑似渗漏的片状斑块，但其不具有拖尾轮廓，并且渗漏存在后，温度异常区明显扩展，即温度异常的像素点数目增加。因而可考虑结合温度阈值和像素点数目两个指标来判别渗漏的存在。

4.4 渗漏判别指标前述Otsu 全局阈值法是红外图像分割的常用方法。基于试验结果，本文提出一种简单易行的渗漏判别指标DT：

该判别指标的计算是在像素级层面开展的，执行时，对同一视窗不同时刻采集的热图像进行遍历，记录判别指标超过预设阈值的像素点，当超过预设阈值像素点数目达到预设阈值时，则判定存在渗漏。根据汛期大量试验结果，推荐将判别指标的阈值设置为2～3 ℃，而数目阈值的设置需要根据地面采样间隔（Ground Sampling Distance，GSD）来具体确定。

为验证本文判别指标的实用性，以图10 和图11 为例，分别采用Otsu 全局阈值法和本文所述判别指标法提取渗漏影响区。其中，以图10（a）所示的矩形区域的平均温度为温度基准，温度阈值设为2℃。图10（b）和图11（b3）中渗漏影响区的提取结果如图12所示。可见本文方法对草皮覆盖和无遮盖坡面的渗漏均是有效的，并且提取结果较Otsu 全局阈值法更为准确。

图12 渗漏影响区提取结果

4.5 IRT 在实际工程渗漏探测中的适用性和局限性以上工作均是在模型尺度开展，当IRT 应用于实际大型堤坝工程渗漏探测时，势必面临以下三方面问题：

（1）地面采样间隔。GSD 表征了热图像中一个像素代表的真实地物的大小。根据成像原理：

式中：D为成像距离；f为红外热像仪的焦距；R为红外热像仪的静态综合分辨率。可见热像仪分辨率越高，离探测目标越近，图像的地面采样间隔越小，热图像中的细节信息便越丰富。

本文热图像上每个像素点代表的实际坡面大小约为5 mm×5 mm，即热图像中每个像素点的温度值是对应坡面上相应区块的平均温度。由于土石堤坝渗漏出逸具有初始渗漏量小的特点，GSD 不宜大于2 cm，即采用与本文热像仪相同规格的设备进行现场探测时，探测距离不宜大于6 m。

对GSD 的要求限制了单张红外图像的视野范围，因此对实际大型堤坝工程，需拍摄大量图像。不过目前高性能热像仪的图像采样频率可达到30 帧/s，红外视频流录制频率高达240 Hz，即使对于大型工程也可快速完成检测。利用无人机搭载热像仪［32］，作业效率将更高。

（2）探测距离。探测距离不仅影响GSD，而且影响传输过程中红外辐射损失量。通常测量距离小于10 m 时，因传播损失而导致的误差不大，但当测量距离较大且空气湿度较高时，误差会明显上升［37］。当利用无人机搭载热像仪进行堤坝渗漏巡查时，探测距离通常大于10 m，该情况下，有必要根据探测距离对测量结果进行修正［37］。

（3）复杂地面条件。实际工程的坝坡并不总是平坦整齐，且坡上常有灌木甚至乔木。这些高大植被一方面会遮挡可能的渗漏出口，另一方面会在晴天产生阴影，导致热图像中出现低温异常。这使得基于IRT 识别渗漏更加困难。结合可见光图像或现场人员观察可一定程度抑制这种影响。

利用被动红外热像仪探测和识别土石堤坝渗漏的工作核心是温差。水体与土石介质的温差越大，渗漏引起的坡面局部温度变化便越明显，探测效果便越好。结合图3 可知，在一天中的某些时段，水温与坡温差异很小，导致探测效果不佳。现场巡测时应避开这些时段作业，而选择温差较大的午后和夜间作业。

作为一种表面感测技术，IRT 不具备内部探测能力。只有当渗流影响接近或到达坡面时，该技术才有效。但目前主要依赖的人工巡视发现渗漏险情在渗漏出逸之后才有可能奏效。相比之下，IRT 具有直观可视化、覆盖范围广、工作效率高，且可在夜间正常作业等优势。对于汛期土石堤坝渗漏险情的快速查找具有重要的应用价值。无论采用无人机载还是人工手持，红外热像仪都是土石坝渗漏探测的有力工具。

5 结论

被动IRT 作为一种新的非接触式无损感测手段被应用于土坝渗漏探测中，考虑气温、水温等环境量的日变化规律，探究了汛期被动IRT 探测土石堤坝渗漏的较佳时段，以及集中渗漏出口热图像的特征和规律，得到如下结论：（1）不论下游坝坡有无草皮覆盖，自然环境条件下利用被动IRT 探测土石堤坝渗漏均是可行的。午后和夜间水温与气温相差较大，是利用被动IRT 开展土石堤坝渗漏巡查的较佳时段。午后水温通常较坡温低，渗漏出口及其尾水在热图像上表现为低温异常，而夜间水温则较高，渗漏出口及其尾水在热图像上表现为高温异常。（2）渗漏尾水在热图像上具有拖尾轮廓及大致以渗漏出口为中心的梯度变化纹理特征。利用以上特征可辨识集中渗漏出口的存在。（3）热图像上的温度异常区的面积较可见光可辨的渗漏影响区更大。（4）将土石堤坝渗漏过程划分为：隐藏、缓慢浸出、快速渗漏和稳定扩展4 个阶段。（5）红外热像仪可敏锐地捕捉到土石堤坝表面温度变化，在肉眼观察无明显渗漏迹象的缓慢浸出阶段便可发现渗漏。且红外热像仪可在夜间成像，对土石堤坝汛期全天候巡查具有较好的应用前景。（6）IRT 是一种表面感测手段，不具备内部“探测”能力，若要在渗漏隐藏阶段对堤坝内部进行探测，则需借助其他手段。（7）提出了一种基于时空综合温差的土石堤坝渗漏判别指标。推荐将该指标阈值设置为2～3 ℃。

本文现阶段研究主要为前期定性探索，存在诸多不足，如渗漏通道的模拟方式欠佳，以至渗漏通道本身不能发生变形破坏。此外，所用的热像仪分辨率和热灵敏度不高，可能导致一些试验现象遗漏。利用更加精密的热像仪开展定量研究，从而通过图像测算渗漏量和变形破坏大小，预测演化趋势，实现基于红外图像的土石堤坝渗漏风险评估与预测预警；引入深度学习理论和算法，基于热图像探索适用于土石堤坝的渗漏自动识别算法和模型；开展基于实际堤坝工程渗漏的无人机现场巡测试验等均是下阶段努力的方向。