粉土热导率与含水量关系的实验研究

目前报道的不少实验成果,在得出粉土热物性指标和某一因素的关系时,并未保持其他影响因素固定不变,因而只能说明粉土热物性指标随影响因素的定性变化趋势。要建立热物性指标与影响因素间的确定性关系和推算公式,需要更为严格的实验,即研究某一影响因素时保持其他因素不变。通过一系列实验,对粉土试样的热导率进行研究,在排除孔隙比、干密度、土样成分等影响因素的情况下,独立分析了粉土的热导率与含水量间的关系。实验结果表明粉土的热导率随含水量的增大而增大,其变化规律与砂土一致,都符合对数变化规律,且整个变化过程可分为两个阶段。同时还分析了粉土的内在传热机制,有效描述和解释粉土热导率随含水量的变化规律。分析结果表明用对数形式来描述粉土热导率与含水量之间的关系是正确的。     

探地雷达测定地基土含水量的实验研究

利用室内模型槽,采用探地雷达开展了测定地基土含水量的室内实验研究。通过对探地雷达反射波法测定的介电常数和烘干法测定的含水量之间的曲线拟合,提出了实验用粉土的含水量与介电常数之间的经验公式。与实测含水量的对比分析表明,Topp公式在一定含水量范围内有良好的适用性,而本文提出的经验公式较Topp公式具有更宽的含水量适用范围和更高的预测精度;针对不同类型土建立相应的含水量和介电常数之间的经验公式是必要的,将有助于提高探地雷达测定地基土含水量的精度。     

基于导数光谱变量叶片含水量模型的建立

利用实测单子叶、双子叶植物叶片含水量和高光谱反射率数据,基于导数光谱变量分析方法,讨论利用含水量识别两种植物的可行性,并分别建立两种植物叶片含水量的单变量和多变量估算模型。结果表明：D2、D6和D8等含水量表征方法能在一定程度上识别单、双子叶植物;单变量估算模型中,等价水深（EWT）与高光谱参数的相关性更大,单子叶植物的相关性大于相应的双子叶植物,并且以简单的一元线性模型普适意义最大,反演效果最好;多变量模型中,用FMC表征单子叶叶片含水量精度大于EWT,用EWT表征双子叶叶片含水量精度大于FMC,总体反演精度是单子叶植物高于双子叶植物。     

PDI与MPDI在内蒙古干旱监测中的应用和比较

以内蒙古明安镇为试验区,基于TM遥感影像对PDI和MPDI两种干旱监测方法进行了应用、验证和比较。试验表明,PDI、MPDI与植被覆盖区实测土壤含水量的相关系数的平方分别为0.37、0.535 5,这两种指数在试验区进行干旱监测具有一定的可行性,且MPDI的监测精度高于PDI。此外,通过整个试验区PDI和MPDI空间分布格局的比较以及这两种指数值与植被覆盖区实测土壤含水量的对比分析,发现在整个试验区,两者的监测结果基本一致,但在植被覆盖区,MPDI的干旱监测效果要明显好于PDI,这主要是因为MPDI考虑了植被覆盖的影响。     

一次层状云降水过程云粒子的特征分析

本文针对山西省2009年6月18日-19日的一次降水过程,利用Micaps系统天气图和机载DMT探测资料分析了这次降水的宏微观特征,并用Г分布拟合了云滴谱分布,结果接近云滴谱的实际分布。     

黄土抗剪强度的三轴试验

非饱和黄土的强度随着含水量的增大是降低的。本文对青海某场地的黄土进行了三轴的试验研究,结果表明含水量对土体的强度影响显著,但加载速率对土体静强度的影响甚微。     

关于软弱粉质粘土地震液化或震陷的判别标准

文中简要介绍了判别细粒土地震液化分析方法的发展历程,指出了工程建设中考虑细粒土地震液化问题的必要性。基于已有研究成果,阐述了可用于工程设计的软弱粉质粘土地震液化简化判别方法,并对建筑抗震设计新规范中增加的相关条款进行了说明解释。     

量热法与测温法在冻土未冻水测试中的应用

冻土未冻水含量不但是评价冻土中水分迁移特性的重要指标,而且也是冻土热工计算中常用的参数。分别对量热法与测温法的原理进行分析,指出测温法原理中存在混淆温度概念的问题。量热法可以测定土样任一含水量任一负温条件下的未冻水含量,而测温法试验曲线中查得的数据仅是某一冻结起始温度对应的初始含水量,不能反映冻土中未冻水含量随温度的变化规律。选取2种细粒土料配置6种不同含水量土样进行了2种方法的对比试验和测温法中土的起始冻结温度的平行试验。试验结果表明,由测温法确定未冻水含量具有不可靠性。建议在试验条件允许的情况下,使用量热法进行冻土未冻水含量的检测。     

NOAA卫星遥感监测不同作物农田土壤湿度模型

根据对新疆几个主要农作物耕种田土壤含水量和土壤温度观测资料，统计分析了土壤含水量与地温的相互关系。结果表明，同样土质条件下（本试验区均为沙壤土），种植不同作物，其土壤湿度大小所响应的地温要素不同，有的与凌晨地温（T08）相关好，有的对中午地温（T14）反应灵敏；有的和地面日温度相关突出，有的则与浅层地温关系好，总体看，土壤湿度与地面日温差（△T＝T14－T08，近似为日较差）相关最佳，其道理众所周知，是土壤的热惯量差异所致。反言之，不同作物田，即使土壤含水量和其它条件都一样，其△T可能不一样，而且变化最敏感的△T所在深度也不同。本文给出了四种农作物生长田里土壤湿度和地温的响应模式，并推论可以用AVHRR辐射温度（亮温）的日差值Tb代替△T，进而提供一种利用NOAA卫星遥感资料监测不同作物区土壤湿度分布的模型。