植被过滤带的定量计算方法
过滤器常用计算公式
过滤器常用计算公式过滤器常用计算公式缠丝管过水面积计算公式：P:缠丝面孔隙率d 1：垫筋宽度或直径（mm ）d 2：缠丝直径或宽度（mm ）m 1：垫筋中心距离（mm ）m 2：缠丝中心距离（mm ）石英砂滤料水头损失：2014m 11h H ））（γγ（--= γ1：滤料的相对密度（石英砂为2.65）γ：水的相对密度m 0：滤料膨胀前的孔隙率（石英砂为0.41）H 2：滤层膨胀前厚度（m ）滤料高度为直筒高度的2/3；筒体高度=膨胀高度+填料高度膨胀率：单层石英砂：45%；双层滤料：50%；三层滤料：55% 清洁滤层水头损失：V l dm m g h 02030200)1()1(180φν-= ν：运动粘滞系数（cm 2/S ）（1.14）g ：水的重力加速度（981cm/s 2）m 0：滤料孔隙率（0.38 0.41）d 0：与滤料体积相同的球体直径（cm ）l 0：滤层深度（cm ）v ：滤速（cm/s ）φ：滤料球度系数（0.75-0.8）过滤器反冲洗强度计算：单位时间单位滤池面积通过的反冲洗水量称为反冲洗强度q ，通常用L/（m 2.s ）表示，其值与滤料粒径水温孔隙率和要求的膨胀率有关，可用下式进行计算，也可以用试验方法确定。
）（）ε（）（）ε（μs .m /11e e 100254.0077.1231054.0131L d q c +++= )1)(1(2211m d m d P --=d c :滤料当量直径(cm)μ：水的动力粘度，g/(m 2.s 2)ε0:干净滤层的孔隙率根据经验，过滤一般的悬浮物时，要求q 约为12-15L/（m 2.s ）之间，如果过滤油质悬浮物，则要求q 增大至20L/（m 2.s ）或更大。
反洗强度测定：）冲洗时间（）滤池面积（）冲洗水量（s m 2?=L wWelcome 欢迎您的下载，资料仅供参考！。
植被指数的计算方法与遥感图像处理步骤
植被指数的计算方法与遥感图像处理步骤植被指数是研究地表植被覆盖状况的重要指标，可以通过遥感技术获取高空间分辨率的植被信息。
植被指数的计算方法与遥感图像处理步骤是确定植被指数数值的关键环节。
一、什么是植被指数？植被指数是通过遥感技术获取的图像数据来计算植被覆盖状况的指标。
常见的植被指数有归一化植被指数（Normalized Difference Vegetation Index, NDVI）、植被指数（Vegetation Index, VI）等。
这些指标利用遥感图像中红、近红外波段的反射光谱信息来反映植被生长情况，指数数值越高，代表植被覆盖程度越高。
二、植被指数的计算方法1. 归一化植被指数（NDVI）NDVI是最常用的植被指数之一，计算公式为（NIR-RED）/（NIR+RED），其中NIR是近红外波段的反射值，RED是红波段的反射值。
NDVI范围在-1到1之间，数值越接近1代表植被覆盖越高，数值越接近-1代表植被覆盖越低，数值接近0则代表无植被。
2. 植被指数（VI）植被指数是根据遥感图像中的红、蓝、绿波段的反射值计算得到的，常见的植被指数有绿光波段（Green）、蓝光波段（Blue）和红边波段（Red-edge）等。
植被指数的计算公式根据研究的需要而定，比如Normalized Green-Blue Vegetation Index（NGB）、Green-Blue Vegetation Index（GBVI）等。
三、遥感图像处理步骤1. 遥感图像获取遥感图像可以通过卫星、飞机等载体获取，一般包括多个波段的光谱信息。
从遥感图像中选取合适的波段进行植被指数的计算。
2. 数据预处理遥感图像预处理包括大气校正、几何纠正和辐射辐射校正等步骤，以消除由于大气、地表地貌等因素引起的图像噪声。
3. 波段选择根据研究需要和相关指数的计算公式选择合适的波段进行植被指数的计算。
常用的波段有红、近红外、绿、蓝等。
使用测绘技术进行植被指数计算的方法
使用测绘技术进行植被指数计算的方法植被指数（vegetation index）是通过使用遥感数据和测绘技术来评估和分析地表植被状况的一种方法。
植被指数通常用于农业、林业、环境和气候研究等领域，可以提供有关植被健康和生长情况的有价值的信息。
本文将介绍几种常用的植被指数计算方法，并讨论它们的优缺点。
一、归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）归一化差异植被指数是最常用的植被指数之一。
它是通过测量红外和可见光波段的反射率差异来评估植被的绿度和健康状况。
公式为：NDVI = (NIR – Red) / (NIR + Red)，其中NIR表示近红外波段的反射率，Red表示红光波段的反射率。
通过计算NDVI值，可以得到一个在-1到1之间的范围，值越大表示植被覆盖越密集，健康程度越高。
但是，NDVI也存在一些限制。
首先，NDVI对大气和地表反射率的影响较为敏感，可能会导致数据的不准确性。
其次，NDVI只能评估植被的绿度和健康状况，无法提供关于植被类型和物种组成的详细信息。
二、归一化植被指数（Normalized Vegetation Index, NVI）与NDVI类似，归一化植被指数是一种反映植被状况的指数。
它是通过将植被反射率归一化到0到1的范围内来计算的。
公式为：NVI = (NIR – Red) / (NIR + Red) + 1。
与NDVI不同的是，NVI的取值范围是0到2，值越大表示植被覆盖越密集，健康程度越高。
相比之下，NVI相对于大气和地表反射率的敏感性较低，因此具有更好的准确性。
然而，与NDVI类似，NVI也无法提供关于植被类型和物种组成的详细信息。
三、简化植被指数（Simplified Vegetation Index, SVI）简化植被指数是一种综合反映地表植被状况的指数。
与前面介绍的植被指数不同，它可以用于对不同类型的植被进行分类和比较。
过滤网目数的计算方法计算滤网孔径大小和目数
过滤网目数的计算方法-计算滤网孔径大小和目数作者：200目过滤网，200目筛网，200目编织网，200目不锈钢过滤网，200目过滤网来源：200目过滤网，200目筛网，200目编织网，200目不锈钢过滤网，200目过滤网点击：8353过滤网目数的计算方法-计算滤网孔径大小和目数目数科技名词定义中文名称：目数英文名称：mesh number定义：筛网每英寸(25.4mm)长度上所具有的网眼数。
所属学科：机械工程（一级学科）；机械工程(2)粉末冶金（二级学科）；粉末（三级学科）本内容由全国科学技术名词审定委员会目数，物理学定义为物料的粒度或粗细度，一般定义是指筛网在1英寸线段内的孔数即定义为目数；而围棋术语中收录了“目数”一词，表示一方围到的空，具体计算方法是自己的一块空的200目筛网数减去对方在这块空里曾经得到的目数之和，不考虑贴目的情况下哪方目数多为胜，日韩规则都涉及到目数，不过目数规则有很大漏洞，如一代围棋大师吴清源两遇的“劫材够是否补最后一劫”问题。
目录一、物理学术语颗粒目数的定义筛孔尺寸与标准目数对应目数粒度对照表二、围棋术语一、物理学术语颗粒目数的定义筛孔尺寸与标准目数对应目数粒度对照表二、围棋术语一、物理学术语颗粒目数的定义（简单定义见概述）目数越大，说明物料粒度越细；目数越小，说明物料粒度越大。
筛分粒度就是颗粒可以通过筛网的筛孔尺寸，以1英寸（25.4mm）宽度的筛网内的筛孔数表示，因而称之为目数。
各国标准筛的规格不尽相同，常用的泰勒制是以每英寸长的孔数为筛号，称为目。
例如100目的筛子表示每英寸筛网上有100个筛孔。
筛孔尺寸与标准目数对应筛孔尺寸：4.75mm 标准目数：4目筛孔尺寸：4.00mm 标准目数：5目筛孔尺寸：3.35mm 标准目数：6目筛孔尺寸：2.80mm 标准目数：7目筛孔尺寸：2.36mm 标准目数：8目筛孔尺寸：2.00mm 标准目数：10目筛孔尺寸：1.70mm 标准目数：12目筛孔尺寸：1.40mm 标准目数：14目筛孔尺寸：1.18mm 标准目数：16目筛孔尺寸：1.00mm 标准目数：18目筛孔尺寸：0.850mm标准目数：20目筛孔尺寸：0.710mm标准目数：25目筛孔尺寸：0.600mm标准目数：30目筛孔尺寸：0.500mm标准目数：35目筛孔尺寸：0.425mm标准目数：40目筛孔尺寸：0.355mm标准目数：45目筛孔尺寸：0.300mm标准目数：50目筛孔尺寸：0.250mm标准目数：60目筛孔尺寸：0.212mm标准目数：70目筛孔尺寸：0.180mm标准目数：80目筛孔尺寸：0.150mm标准目数：100目筛孔尺寸：0.125mm标准目数：120目筛孔尺寸：0.106mm标准目数：140目筛孔尺寸：0.090mm标准目数：170目筛孔尺寸：0.0750mm标准目数：200目筛孔尺寸：0.0630mm标准目数：230目筛孔尺寸：0.0530mm标准目数：270目筛孔尺寸：0.0450mm标准目数：325目筛孔尺寸：0.0374mm标准目数：400目目数前加正负号则表示能否漏过该目数的网孔。
植被光谱分析与植被指数计算解读
植被光谱分析与植被指数计算解读植被光谱是指随着光波长的变化，植物所吸收、反射和传输的光的能量分布的变化。
植被光谱分析通过测量植物在不同波长的光下的反射或吸收情况，可以获取丰富的生理和生态信息。
一般来说，植物对于光谱中的红光和近红外光具有较高的反射能力，而对于绿光的反射较低。
利用这些特点，可以通过光谱数据对植物的生理状态、营养状况、水分含量等进行分析。
植被指数是从植被光谱数据中计算出的一种定量指标，用于揭示植物的生长状况和生理特征。
常见的植被指数有归一化植被指数（NDVI）、叶绿素指数（CI）、简化绿度指数（SR）、水分指数（WI）等。
植被指数的计算一般是通过光谱数据中的不同波段的反射值进行比较和组合计算得出的。
归一化植被指数（NDVI）是最常用的植被指数之一、它是利用红光和近红外光之间的差异来评估植被生长状况的指数。
NDVI的计算公式为：NDVI=(NIR - Red)/(NIR + Red)，其中NIR代表近红外光波段的反射值，Red代表红光波段的反射值。
NDVI的取值范围为-1到1，数值越大表示植被生长状况越好。
叶绿素指数（CI）是评估植被叶绿素含量的指标。
叶绿素是植物光合作用的重要组成部分，通过测量不同波段的光反射率可以推算出植物叶绿素的含量。
常见的叶绿素指数包括结构化叶绿素指数（SCI）和非结构化叶绿素指数（NNCI）等。
简化绿度指数（SR）是一种用于估计植物总叶绿素含量的指标。
它基于不同波段的光反射率之间的比较和计算进行求解。
SR的计算公式为：SR = (NIR - Red) / NIR，其中NIR代表近红外光波段的反射值，Red代表红光波段的反射值。
水分指数（WI）是评估土壤水分状况和植物水分含量的指标。
通过测量植物叶片在不同波段的反射率，可以推算出植物的水分含量和土壤的水分状况。
常见的水分指数有归一化差异植被指数（NDWI）、水分转换指数（WTCI）等。
植被光谱分析与植被指数计算在许多领域有着广泛的应用。
植被光谱分析与植被指数计算
植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
包括以下内容：植被光谱特征植被指数HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。
研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：可见光（Visible）：400 nm to 700 nm近红外（Near-infrared——NIR）：700 nm to 1300 nm短波红外1（Shortwave infrared 1——SWIR-1）：1300 nm to 1900 nm短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。
过滤精度计算公式
过滤精度计算公式过滤精度是指过滤器对于某种物质的过滤效果的评估指标。
在工业生产和实验室研究中，过滤精度的计算公式是非常重要的，它可以帮助我们了解过滤器的性能和过滤效果。
过滤精度计算公式的基本形式是：过滤精度 = (过滤前物质浓度 - 过滤后物质浓度) / 过滤前物质浓度其中，过滤前物质浓度是指过滤前物质在溶液或混合物中的浓度，过滤后物质浓度是指过滤后物质在溶液或混合物中的浓度。
在实际应用中，过滤精度的计算公式可以根据具体情况进行调整和改进。
以下是一些常见的过滤精度计算公式的变体：1. 相对过滤精度计算公式：相对过滤精度 = (过滤前物质浓度 - 过滤后物质浓度) / 过滤前物质浓度 × 100%这个公式将过滤精度表示为百分比，更直观地反映了过滤器的过滤效果。
2. 绝对过滤精度计算公式：绝对过滤精度 = 过滤前物质浓度 - 过滤后物质浓度这个公式直接给出了过滤前物质浓度和过滤后物质浓度之间的差值，可以用来比较不同过滤器的过滤效果。
3. 粒径过滤精度计算公式：粒径过滤精度 = (过滤前颗粒平均直径 - 过滤后颗粒平均直径) / 过滤前颗粒平均直径这个公式适用于颗粒物质的过滤，通过比较过滤前后颗粒的平均直径来评估过滤器的效果。
需要注意的是，过滤精度计算公式只是评估过滤器性能的一种方法，实际应用中还需要考虑其他因素，如过滤器的材料、结构和操作条件等。
此外，不同的物质可能对过滤器的过滤效果有不同的要求，因此在选择过滤器时需要根据具体情况进行综合考虑。
总之，过滤精度计算公式是评估过滤器性能的重要工具，它可以帮助我们了解过滤器的过滤效果。
在实际应用中，我们可以根据具体情况选择合适的计算公式，并结合其他因素进行综合评估，以确保过滤器的有效运行和过滤效果。
植被指数计算公式
植被指数计算公式植被指数（Vegetation Index，VI）是通过遥感数据计算得出的，用于评估和监测植被状况的指标。
植被指数可以从遥感数据中提取出反映植被光谱特征的信息，并用数值表示该特征在不同地区的分布情况。
植被指数的计算公式通常基于遥感数据的不同波段之间的光谱反射率差异，常见的植被指数有Normalized Difference Vegetation Index（NDVI）、Enhanced Vegetation Index（EVI）、Soil Adjusted Vegetation Index （SAVI）等。
NDVI是最常用的植被指数之一，它利用了植被的叶绿素对红外波段和可见光波段的光谱反射差异。
其计算公式如下：NDVI = (NIR - Red) / (NIR + Red)其中，NIR代表红外波段的反射率，Red代表可见光红色波段的反射率。
计算得到的NDVI值范围为-1到+1，数值越大表示植被状况越好，数值越小表示植被状况较差。
EVI是一种在NDVI基础上进行改进的植被指数，它能够对植被覆盖度较大的区域进行更准确的评估。
其计算公式如下：EVI = 2.5 * (NIR - Red) / (NIR + 6 * Red - 7.5 * Blue + 1)其中，NIR代表红外波段的反射率，Red代表可见光红色波段的反射率，Blue代表可见光蓝色波段的反射率。
计算得到的EVI值范围通常在-1到+1之间，与NDVI相比，EVI具有更高的动态范围和更好的区分能力。
SAVI是一种针对光照条件较差的区域进行改进的植被指数，它能够减小土壤背景对植被指数的干扰。
SAVI = (1 + L) * (NIR - Red) / (NIR + Red + L)其中，NIR代表红外波段的反射率，Red代表可见光红色波段的反射率，L为一个土壤调节参数，取值范围为0到1、L的值越大，表示土壤背景对植被指数的影响越大。
植被过滤带的定量计算方法
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
如果负荷 Gu 已知 ,就可确定 Du 和 C 。当水流的 剪切力远大于泥沙输移所需的临界剪切力时 , 应用
Yalin (1963) 方程得泥沙输移能力 TC :
TC = ( d TC/ dx) x
(8)
由 CREAMS 沉淀控制性方程得 :
D u = ( </ x u) ( Tcu - Gu)
(9)
[ (1 - x u 3 1 + <) / x u 3 ] + x u 3 <
(10)
此式对于边界条件 : < = 0 , < = ∞, x u 3 = 0 ,
x u 3 = 1 仍然适用 。当 < →0 ,表示急流中细小的轻
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
出了缓冲带带宽的设计原则 ;Lee 等[12 ] 研究了不同 雨强下 ,组成过滤带内植物拦截污染物的效率 ; Schultz 等[16 ] 依 据 不 同 植 物 拦 截 污 染 物 的 功 能 不 同 ,在河流与农田之间设置了一条 20 m 宽的多物种 过滤带 (MSRBS) ,结果表明该过滤带在控制农业非 点源污染方面十分有效 。美国 Kentucky 大学提出 了一 种 计 算 草 植 被 带 过 滤 、截 留 泥 沙 效 果 的 模 式[15 ] 。
landsat8的evi计算公式中的参数
landsat8的evi计算公式中的参数全文共四篇示例，供读者参考第一篇示例：Landsat 8是美国地球观测卫星计划（USGS）的一部分，于2013年发射，是一颗用于提供高质量遥感图像的卫星。
在遥感领域，Landsat 8的数据在全球范围内得到了广泛应用，其中包括植被指数计算。
植被指数是一种用于评估植被覆盖和状况的指标，其中的正片时间增加植被指数（EVI）是一种广泛使用的指标。
EVI包含了植被指数（NDVI）中的遗漏的信息，并通过减除大气影响来进行修正，因此更适用于植被覆盖度较高的区域。
在Landsat 8数据的处理中，EVI的计算是非常重要的一步。
以下是关于Landsat 8的EVI计算公式中的参数的详细介绍：EVI = G x (ρnir - ρred) / (ρnir + C1 x ρred - C2 x ρblue + L)EVI为最终计算出的植被指数值；ρnir、ρred、ρblue分别代表红外、红光和蓝光波段反射率；G为增益因子，通常为2.5；C1和C2是修正参数，分别为6和7.5；L为光学蓝图的偏移量，通常为1。
这些参数在EVI计算过程中起到了重要的作用。
增益因子G用于调整结果值的范围，通常设定为2.5，确保最终计算结果能够处于合理的范围内。
修正参数C1和C2用于进行修正，将EVI的数值调整到正确的范围内，避免了潜在的数值偏差。
光学蓝图的偏移量L则用于修正由于大气影响而造成的数据误差。
在实际的EVI计算过程中，这些参数的选择和调整是非常关键的。
合适的参数选择能够确保计算结果的准确性和稳定性。
而且，在不同的地区和时间段内，由于气候和植被状况的变化，这些参数的选择也可能需要进行调整。
在使用Landsat 8数据进行EVI计算时，首先需要获取到经过预处理的反射率数据。
然后根据上述公式和相应的参数进行计算，得到最终的EVI值。
这个过程虽然看似简单，但是其中的每一个参数都承载着重要的信息和调整项，影响着最终计算结果的准确性和可靠性。
定量遥感-第四章植被定量遥感模型-2
6
§4.3.1 植被辐射传输中常用参数
(1) 叶面积密度分布
对于叶面积密度分布，存在：
H
0
u L ( z )dz L0
式中积分上限H为植被冠层深度，z的取向向下（即 z=0为植被上界，z=H为植被下界），L0为叶面积指数（无
1/27
《定量遥感》
第四章
植被定量遥感模型
武汉大学遥感信息工程学院 龚 龑
第四章 植被定量遥感模型 §4.1 冠层反射率模型概述
§4.2 冠层反射率几何光学模型
§4.3 植被辐射传输模型 §4.3.1 植被辐射传输中常用参数 §4.3.2 植被辐射传输方程及解 §4.3.3 辐射传输模型改进
2
§4.3.1 植被辐射传输中常用参数
此即用叶面积密度分布、G函数和函数作为参数 的植被辐射传输方程。
25
§4.3.2 植被辐射传输方程及解
2.植被辐射传输方程形式
I ( z , ) 1 G( z , )I( z , ) uL (z ) z
4
I( z , ' )( z , ' ) d
1.叶片与辐射传输
植被中主要的光合组织是叶片，辐射在植被中 进行传输时，更多地是与叶片发生相互作用而改变 辐射特性，因而在本节的讨论范畴内，仅限于叶片 对辐射传输的影响。 叶片的物理特性包括叶片尺度、叶片取向、叶 表面粗糙度以及叶片光学性质（如反射率、透过率 和吸收率）等。
3
§4.3.1 植被辐射传输中常用参数
若叶片存在双半球散射特征，则群体散射相函数为：
植被过滤带对地表径流中悬浮固体净化效果的试验研究
植被过滤带对地表径流中悬浮固体净化效果的试验研究李怀恩1,庞 敏1,2,杨寅群1,3,杨方社4,孙晓丽5(11西安理工大学西北水资源与环境生态教育部重点实验室,西安 710048;21南水北调中线干线工程建设管理局,北京 100038;31武汉大学资源与环境科学学院,武汉 430079;41西北大学环境科学院,西安 710069;51新疆水利水电勘测设计研究院,乌鲁木齐 830000)摘 要:植被过滤带是一种控制非点源污染的新型生态工程措施。
本研究在陕西小华山水库岸坡地按不同植被配置方式建设了3条植被过滤带,通过小区试验测定了植被过滤带对地表径流中悬浮固体的净化效果并分析了其影响因素。
研究结果表明,植被过滤带能有效削减地表径流中的悬浮固体,植被条件、入流流量和入流悬浮固体浓度对净化效果影响显著,植被过滤带对悬浮固体的削减主要发生在前10m 。
关键词:水环境;植被过滤带;悬浮固体;非点源污染;净化效果中图分类号:X 17111文献标识码:AExperimental study of clarification for vegetative filter stripsto sediment in surface runoffLI Huaien 1,PANG Min1,2,Y ANG Y inqun1,3,Y ANG Fangshe 4,S UN X iaoli5(1.Northwest Water Resources and Environment Ecology K ey Laboratory o f MOE at XUT ,Xi ’an 710048;2.Administration o f South 2to 2North Water Diver sions Middle Route Project ,Beijing 100048;3.Department o f Resources and Environmental Science ,Wuhan Univer sity ,Wuhan 430079;4.Department o f Environmental Science ,Northwest Univer sity ,Xi ’an 710069;5.Xinjiang Survey and Design Institute o f Water Resources and Hydropower ,Urumqi 830000)Abstract :Vegetative filter strip (VFS )is a new type of ecological engineering measures to control non 2point s ource pollution.F or this study ,three VFSs of different vegetation planting m odes are constructed on the bank slope of X iaohuashan reserv oir ,Shaanxi Province.The measured data of plot experiments are used to determine the effect of clarification of sediments in the surface runoff by VFS and the in fluencing factors are analyzed.Results show that sediments in surface runoff could be reduced effectively and sediments were mainly entrapped in the first 10m of VFS.Vegetation conditions ,inflow rate and inflow sediment concentration are significant factors to the clarification effect.K ey w ords :water environment ;vegetative filter strips ;suspended s olid ;non 2point s ource pollution ;clarification effect收稿日期:2000205225基金项目:国家自然科学基金项目(50979090);国家重大水专项(2009ZX212-002-005-002)作者简介:李怀恩(1960—),男,教授.E 2mail :huaienl @ 0 引言进入水体中的悬浮固体(主要是泥沙)除影响视觉感官、降低透明度和复氧条件外,由于其中含有相当数量的粘土矿物和有机、无机胶体,不仅其本身就是一种污染物,同时由于络合、吸附等作用,又成为了许多污染物的载体[1]。
植被指数计算方法
植被指数计算方法植被指数是用来衡量一个特定区域内植被覆盖状况的一个指标。
植被指数经常被应用于农业、林业、环境科学、地理信息系统以及监测全球气候变化等领域。
常见的植被指数包括归一化植被指数（NDVI）、归一化差异植被指数（NDWI）和总体植被指数（TVI）等。
归一化植被指数（NDVI）是最常见也是最常用的植被指数之一、它是通过计算可见光波段和红外波段反射率之差，然后除以两者之和得到的。
NDVI的值范围在-1到1之间，-1代表无植被，0代表有一般植被，而1代表有密集的绿色植被。
NDVI的计算公式为：NDVI = (NIR - Red) / (NIR + Red)其中NIR表示红外波段的反射率，Red表示可见光波段的反射率。
这两个波段可以从遥感影像中提取得到。
归一化差异植被指数（NDWI）是通过计算近红外和短波红外波段的反射率之差，然后除以两者之和得到的。
NDWI主要用于表征水体覆盖的程度，特别适用于监测湿地、河流、湖泊等水体变化的状况。
NDWI的计算公式为：NDWI=(NIR-SWIR)/(NIR+SWIR)其中NIR表示近红外波段的反射率，SWIR表示短波红外波段的反射率。
总体植被指数（TVI）是基于红外波段的植被指数，它是通过计算红外波段反射率与可见光波段反射率之差的平方根得到的。
TVI的计算公式为：TVI = √（NIR - (Red * (1 - NIR)））其中NIR表示红外波段的反射率，Red表示可见光波段的反射率。
除了以上的植被指数，还有其他一些植被指数也被广泛应用，例如比值植被指数（RVI）、改进型植被指数（EVI）等。
这些植被指数的计算方法各有不同，但基本原理都是通过不同波段的反射率之差或比值来反映植被的生长情况。
总之，植被指数的计算方法基于多光谱遥感数据，通过利用不同波段的反射特性来评估植被的覆盖程度。
这些植被指数的应用可以帮助我们更好地了解植被的分布、成长状况以及对环境的响应，从而为农业生产、自然资源管理和环境保护等提供科学依据。
使用测绘技术进行植被指数计算的步骤
使用测绘技术进行植被指数计算的步骤植被指数计算是遥感领域中的一项重要任务，该计算可以用来评估土地表面上的植被覆盖程度。
而测绘技术在植被指数计算中起着关键作用，它能够帮助我们更准确地获取地面植被信息。
本文将介绍使用测绘技术进行植被指数计算的步骤。
第一步：数据采集使用测绘技术进行植被指数计算的第一步是数据采集。
我们需要获取高质量的遥感影像数据，这些数据可以通过空间遥感卫星、无人机等平台获取。
遥感影像数据是我们进行植被指数计算的基础，其分辨率和准确性对计算结果有着重要影响。
因此，在进行数据采集时，我们需要选择分辨率较高、准确度较高的遥感影像数据。
第二步：预处理获取到遥感影像数据后，我们需要对其进行预处理。
预处理可以帮助我们去除影像中的噪声、纠正影像的几何和辐射校正等。
在植被指数计算中，最常用的预处理方法是大气校正。
由于大气的散射和吸收会影响遥感影像的辐射通量，因此在计算植被指数之前，我们需要进行大气校正，以消除大气影响。
第三步：选择合适的植被指数选择合适的植被指数是进行植被指数计算的关键。
常用的植被指数包括归一化植被指数（NDVI）、修正的植被指数（EVI）等。
不同的植被指数适用于不同的应用场景。
比如，NDVI适用于广泛的应用场景，可以评估植被覆盖度；而EVI适用于较高植被覆盖情况下的计算，可以减少大气散射的影响。
因此，在选择植被指数时，我们需要根据实际情况选择最适合的指数。
第四步：计算植被指数选择好植被指数后，我们可以开始进行植被指数的计算。
植被指数的计算可以通过像素级计算或者区域级计算来完成。
像素级计算是将遥感影像中的每个像素点都进行指数计算，可以得到整个区域的植被指数分布图；区域级计算是将遥感影像划分为若干个相同大小的区域，对每个区域进行指数计算，可以得到区域的平均植被指数。
第五步：数据分析计算完成后，我们需要对植被指数数据进行分析。
通过对计算结果的分析，我们可以了解土地表面上的植被分布情况，评估植被覆盖程度。
浮游植物的采集计数和定量方法
浮游植物的采集计数和定量方法浮游植物是水生态系统中重要的底层生物类群，对于水质评价、生态监测以及环境保护都具有重要的意义。
因此，准确、高效地采集、计数和定量浮游植物是水环境研究的关键步骤。
下面将介绍浮游植物的采集计数和定量方法。
一、浮游植物的采集方法：1.根据采样目的和特定环境条件选择合适的采样方法，常用的采样方法有以下几种：(1)铁丝网挡截式采样：在浮游植物出现较为集中的水域使用，将铁丝网固定在一个框架上，让水流通过铁丝网，实现浮游植物的挡截和收集。
(2)网捞式采样：适用于浮游植物密度较高的水域，用网捞将浮游植物从水中捞出。
(3)浮游植物捕集器的采集：常用的浮游植物捕集器有浮游植物网式捕集器、浮游植物漏斗捕集器、浮游植物湖泊型捕集器等。
2.采样前要选择合适的采样点，宜选择浮游植物密度较高的水域进行采样。
采样容器要先用水冲洗，尽量不带有任何异物，以避免对采样物质的污染。
3.采集浮游植物时应避免过度搅荡水体，以防浮游植物的破碎和污染。
4.采集样本时要注意保持样本的完整性，以确保后续的计数和分析的精确性。
二、浮游植物的计数方法：1.显微镜计数法：将采样的浮游植物样本放入显微镜下，通过目视计数的方式，记录不同种类的浮游植物数量。
2.染色计数法：采用一些常见的染色剂（如碘酒、卡内基氏溴酸可乐定等）将浮游植物样本染色后，在显微镜下对染色后的样本进行计数。
3.流式细胞仪计数法：利用流式细胞仪可以对样本中的细胞进行高效、自动化的计数和分析。
三、浮游植物的定量方法：1.干重法：将采集回来的样本在高温下干燥至恒定重量后，通过测量干物质的质量差值计算浮游植物的生物量。
2.叶绿素-a含量测定法：通过提取样本中的叶绿素-a，利用比色法测定其叶绿素-a的含量。
然后根据叶绿素-a的含量可以推算出浮游植物的生物量。
3.DNA分子量法：通过提取样本中的DNA，利用分子生物学技术测定其DNA的分子量。
再根据已建立的浮游植物DNA分子量和生物量的线性关系，可以推算出浮游植物的生物量。
第五节过滤计算
问题③ 你认为洗涤时间与哪些因素有关？ 问题③ ：你认为洗涤时间与哪些因素有关？ 洗涤时间与洗涤液在过滤机中流经滤饼的通道途径 洗涤时间与洗涤液在过滤机中流经滤饼的通道途径 的长短有关，同时与洗涤面积的大小有关 的长短有关，同时与洗涤面积的大小有关 有关 洗涤面积的大小 A. 置换洗涤法 例如叶滤机的洗涤、回转真空过滤机的洗涤 置换洗涤法—例如叶滤机的洗涤、 例如叶滤机的洗涤 B. 横穿洗涤法 例如板框压滤机的洗涤 横穿洗涤法—例如 例如板框压滤机的洗涤
∆Ρ w dq ( )w rµ wφ ( q + q e ) dτ = dq ∆Ρ ( )E dτ r µφ ( q + q e )
dq dq ∆ Ρ w µ ( )W = ( )E ⋅ ⋅ dτ dτ ∆ Ρ µw
若洗涤与过滤终了的时Δ 若洗涤与过滤终了的时Δ 而且)w = ( ) E dτ dτ
第五节 过滤过程的计算
一、过程数学描述 1、物料衡算 、 （1）悬浮液中含固量的表示方法 ） 质量分数
液
w kg固体/kg悬浮 φ m3固体/m3悬浮液
体积分数
两者关系（颗粒在液体中不发生溶胀的物系） 两者关系
w / ρP φ= w / ρ P + (1 − w) / ρ
ρ P — 固体颗粒密度 ρ — 滤液密度
2∆P K= rµφ
由
r = ro ∆P S
2 ∆ P 1− S 代入过滤速率方程 K= ro µφ 可求出∆
例如，对恒压过滤方程
V 2 + 2 AqeV = KA2τ 可写成 2∆ Ρ 1− S 2 2 Aτ V + 2 AqeV = r0φµ
第12章 基于非线性多混合函数拟合模型的植被过滤带计算
-10
-0.378264567655201 resnorm =
8.715616935003856e+03
第十二章
SS的 浓 度 削 减 率 % 拟合值 实际值 80 50 40 30 60 20 10 0 20 -10 -20 0
MATLAB优化算法案例分析与应用
SS的 浓 度 削 减 率 % -- 误 差 误差
% 初值像矩阵
% 差序列
% min min 差序列 % max max 差序列
第十二章
MATLAB优化算法案例分析与应用
表12- 6 植被过滤带净化效果与其影响因素 的关联度
植被过滤带 1# 2# 3# 4# 6# 7# 8# 3#和8# 植被条件 0.7667 0.8543 0.5850 0.8428 0.6875 0.7378 0.6641 0.5830 流量因素 0.73227 0.7710 0.6506 0.8283 0.7285 0.7238 0.6780 0.6508 土壤初始含水量 0.7501 0.7846 0.8221 0.8283 0.6915 0.8175 0.8124 0.7675 SS入流浓度 0.6976 0.8554 0.7688 0.7821 0.6346 0.8135 0.6978 0.6895 带宽因素 0.7168 0.7829 0.6708 0.5881 0.6800 0.7646 0.6449 0.6312
表12- 4 不同浓度条件下SS削减率
类别 植被过滤带 1# 6# 3# 7# 5# 8# 1# 6# 3# 7# 5# 8# 1# 6# 3# 7# 5# 8# 入流浓度(mg/ L) 3748 3374 3260 2372 2340 2344 2436 2400 2388 392 484 408 612 432 660 出流浓度(mg/ L) 1370 1130 2110 1080 1043 880 880 1880 2132 200 216 160 232 358 598 削减率(%) 63.45 66.51 35.28 54.47 55.43 62.46 63.88 21.67 10.72 48.98 55.37 60.78 62.09 17.13 9.39
植被遥感指数公式及简介
缨帽变换中的绿度植被指数（GVI）
缨帽变换（TC）是指在多维光谱空间中， 通过线性变换、多维空间的旋转，将植物、 土壤信息投影到多维空间的一个平面上，在 这个平面上使植被生长状况的时间轨迹（光 谱图形）和土壤亮度轴相互垂直。也就是， 通过坐标变换使值被与土壤特征分离。
缨帽变换是一种通用的植被指数，可以 被用于 Landsat MMS 或 Landsat TM 数据。
植被遥感指数
植被指数类型
比值植被指数（RVI） 归一化植被指数（NDVI） 差值植被指数（DVI） 缨帽变换中的绿度植被指数（GVI） 垂直植被指数（PVI）
比值植被指数（Ratio Vegetation Index）
由于可见光红波段（R）与近红外波段（NIR）对绿色 植物的光谱响应十分不同。两者简单的数值比能充分 表达两反射率之间的差异。
NDVI的一个缺陷在于，对土壤背景的变化 较为敏感。
实验表明，作物生长初期NDVI将过高估计 植被覆盖度，而在作物生长的结束季节，NDVI 值偏低。因此，NDVI更适用于植被发育中期或 中等覆盖度的植被检测。
差值植被指数 （Difference Vegetation Index）
差值植被指数（DVI）又称环境植被指数（EVI）， 被定义为近红外波段与可见光红波段数值之差。
垂直植被指数（PVI）
不同植被与土壤亮度线的距离不同。于是 Richardson（1977）把植物象元到土壤亮度线的垂 直距离定义为垂直植被指数（Perpendicular Vegetation Index）。
PVI是一种简单的欧几米得（Euclidean）距离。 表示为：
PVI= (SRVR)2(SVI RSVI)R 2
缨帽变换（TC变换）是以陆地卫星MSS各波段的辐度 亮度值作为变量。经线性变换后，组成4个新变量：
植被指数计算方法
植被指数计算方法(共2页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--归一化植被指数（NDVI ）归一化植被指数（Normalized Difference Vegetation Index ，即NDVI ）的计算公式为：NIR RED NIR REDNDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。
增强型植被指数（EVI ）增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为：2.5 6.07.51NIR RED NIR RED BLUE EVI ρρρρρ-=⨯+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。
高光谱归一化植被指数（Hyp_NDVI ）对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外和红光的谱段进行归一化植被指数计算：_____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED-=+ 其他植被指数（1） 比值植被指数（Ratio Vegetation Index ——RVI ）NIR REDRVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。
但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。
（2） 差值植被指数（Difference Vegetation Index ——DVI ）NIR RED DVI ρρ=-该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。
（3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SAVI ）(1)NIR RED NIR RED SAVI L Lρρρρ-=+++ 其中，L 是一个土壤调节系数，该系数与植被浓度有关，由实际区域条件确定，用来减小植被指数对不同土壤反射变化的敏感性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
李怀恩等：植被过滤带的定量计算方法式用于植被保护带宽度的计算。
为了促进植被过滤带技术在国内的研究和应用，下面重点介绍国外３种典型的植被带带宽计算方法，并指出存在的不足和需要进一步研究的问题。
２３种典型的植被过滤带宽度计算方法２．１Ｎｉｅｓｗａｎｄ方法缓冲带对地表径流进行过滤，因而，计算坡面漫流流速是这一方法的关键。
ｗｏｎｇＭｃｃｕｅｎ提出了计算坡面漫流流速的公式，此公式是一修正了的曼宁公式［“Ｊ：Ｖ＝（１．４９／ｎ）Ｒ２／３Ｓ１，２（１）式中，ｙ为坡面漫流平均流速（ｆｔ／ｓ）；ｎ为糙率；Ｒ为水力半径（ｆｔ）；ｓ为坡度（ｆｃ／ｆｔ）；ｎ和Ｒ在非淹没流以及给定的地面覆盖条件下为定值，则（１．４９／”）Ｒ２／３＝Ｋ（常量），（１）式变为：Ｖ＝ＫＳｌ／２（２）美国土壤保持局（１９８６）规定，对于覆盖有大量枯落物的地表，Ｋ＝２．５，（２）式变为：ｙ＝２．５Ｓ１，２（３）已知一缓冲带的坡度ｓ，由（３）式即可计算出流经缓冲带的坡面漫流流速ｖ。
如果知遭径流流经缓冲带的理想时间Ｔ（这一时间足以使泥沙和附带的非点源污染负荷大大降低），对于一给定的坡度，就可确定缓冲带的宽度Ｗ：Ⅳ＝２．５ＴＳｌ７２（４）式中，ｗ为缓冲带的宽度（ｆｔ）ｉ丁为流经缓冲带的时间（ｓ）。
该方法已应用于美国新泽西州ｓｐｒｕｃｅＲｕｎ流域［“】，该流域面积为１０６．１９ｋｍ２，河岸长为１８４．１ｋｎ，由上述方法所计算的过滤带带宽在１５．２４～９１，４４ｍ范围内，其中对于坡度＞１５％的坡面和不透水地表面均不包括在缓冲带带宽的计算中。
２．２Ｆｌａｎａｇａｎ方法Ｆｏｓｔｅｒ等（１９８０）基于ｃＲＥＡＭｓ模型导出了颗粒的沉淀方程［”】，当ｚ≥。
，琢＝［≠／（１＋≠）］（矗％／如一ＤＬ）［１一（工。
／。
）１＋’］十Ｄ。
（ｚ。
／ｚ）１＋＋（５）式中，Ｄ，为沉积率（质量／单位面积·单位时间）；≠＝ｐｖｒ知为沉积能力；ｐ为紊动系数；Ｕ为颗粒下沉速度（距离／单位时间）；一为净雨率（雨深／单位时间）；Ｔｉ为ｚ处的水流输移能力（质量／单宽·单位时间）；ｚ为坡面距离；Ｄ：为沉积物的侧向入流（质量／单位面积·单位时间）；ｚ。
为上段部分的长度（距离）；Ｄ。
为ｚ。
处的沉降速率（质量／单位面积·单位时间）。
图１为一典型有草滤带的坡面，Ｔｊ为水流输移能力，Ｇ为沉积物负荷。
水流输移能力和泥沙负荷随着距离ｚ的增大而增大，在ｚ＝ｚ。
处输移能力突变，降为Ｔ０，沉积物负荷开始下降。
圈１革滤带坡面的输移能力和沉积物负荷变化野ｇ．ｊ１ｈｌｌｓｐｏｎ∞瑚ｄ妒蛐ｄ鲥｜柚蚰¨硼ｄ蚰ｎ柚ｏｐｅ州Ｉｌｌ８即ｎｌｔ盯ｎｒｉｐ若ｄ丁ｊ／矗ｒ是一恒定值，则草滤带中的沉积物负荷为：Ｇ＝Ｉ（ＤＦ＋ＤＬ）如（６）式中，Ｇ为沉积物负荷（质量／单位宽度·单位时间）。
如果草滤带中不发生细沟间沉淀，则ＤＬ＝０，把式（５）代入式（６）得：Ｇ＝［≠（１＋≠）］（仉／ｃｂ）［ｚ＋（ｊ＾札１＋＋／≠）ｚ一‘］一Ｄ。
（‘Ｔ。
１＋ｏ／庐）ｚ一＋十Ｃ（７）式中，ｃ为常数。
如果负荷Ｇ。
已知，就可确定Ｄ。
和ｃ。
当水流的剪切力远大于泥沙输移所需的临界剪切力时，应用Ｙａｌｉｎ（１９６３）方程得泥沙输移能力Ｔｃ：丁ｃ＝（ｄＴｃ／出）ｚ（８）由ｃＲＥＡＭｓ沉淀控制性方程得：Ｄ。
＝（≠／ｚ。
）（ｔ。
一Ｇ。
）（９）ｚ＝ｚ。
时，由（８）得出的ｔ。
和由（９）得出的Ｄ。
代入（７）式，得ｃ＝Ｏ。
ｚ＝Ａ时，令ｚ。
’＝ｚ。
／＾，丁０＝＾（矗Ｌ／出），代入式（７）、（９），得泥沙输移率：ＳＤＲ＝Ｇ。
／Ｇ。
＝［≠／（１＋≠）］（ｔ。
／Ｇ。
）【（１一ｚ。
’１＋‘）／ｚ。
］＋士。
＊＋（１０）此式对于边界条件：§＝０，≠＝一，ｚ。
’＝０，ｚ。
”＝ｌ仍然适用。
当≠一Ｏ，表示急流中细小的轻李怀恩等：植被过滤带的定量计算方法１１１式中，ｃＡ为流出ＶＦｓ可允许的高于背景的污染物浓度（ｍｇ·Ｌ－１）。
如果ｃＢ《ｃｏ，则（２０）式可简化为：，，１＼Ｄ—ｌＫ＝（净Ｊ一１（２２）Ｉｕ０，如果设置ｖＦｓ的目的是减少污染物输移量到一固定的单位面积质量或减少到输入输移量的一定比例，则背景的和污染物的输移量通过式（１７）和（１９）进行分离，ｖＦｓ的宽度可由方程的粪肥输移部分确定：ｘ：［孝黑瞎］学一Ｗ∞，“一ｌ（Ｒ一州ｃｏ一岛）Ｊ……““Ｋ：（南）铲一－㈣，式中，ＭＡ为流出ｖＦｓ可允许的高于背景的污染物输移量（ｂ·ｍ一１ＶＦｓ宽度）；如果岛《ｃｏ，式（２３）可简化为：ｘ＝［㈣ｏｏｏ卷甓］ｔⅣ∞，图解法确定ｖＦｓ的宽度，对于给定的土地利用情况，由水文土壤类型（ＨｓＧ），前期降雨条件（ＡＲｃ）和Ｒ，便可确定Ｄ的值。
对于要减少一固定比例的浓度和输移量，图解法计算ｖＦｓ的宽度是可能的，因为Ｋ仅取决于Ｄ，Ｐｃ或ＰＭ。
图２ａ和图２ｂ给出了求Ｋ的方法，对于一特定的Ｄ值、Ｐｃ或Ｐ＾ｆ值，有唯一对应的Ｋ值。
此外，当ｖＦｓ被用来达到某种可允许的浓度，应用图２ａ来求解ｖＦｓ的宽度，由式（２０）和（２１）可得：Ｐｃ，ｆ亟１１一Ｉｃｏ一岛／（２６）设肥料施用区宽度为Ⅳ，ｖＦｓ的宽度为ｘ，ｘ＋Ⅳ＝Ｌ。
对于一特定的Ｋ和一固定Ｌ值，ｖＦｓ的宽度可由图２ｃ确定。
如果ｖＦｓ是用来达到一允许的输移量，则需要迭代计算式（２３）或（２５），第一次设Ⅳ一Ｌ，得ｘｌ，第二次ｗ＝Ｌ—ｘｌ，得ｘ２，依此类推，直到ｘ的值不再变化为止。
该方法可用来确定达到允许的污染物径流浓度或输移量所需的ｖＦｓ的宽度。
计算实例归Ｊ，某牧场的ＨｓＧ等级为ｃ，ＡＲｃ被认为是Ⅱ，水力条件良好；要求：１）减少输出径流中Ｐ０４一Ｐ浓度到输入的一半；２）减少径流中Ｐ０４．Ｐ浓度到１ｍｇ·Ｌ一；３）减少Ｐ０４一Ｐ输移量到输入的１／２；４）减少Ｐ０４一Ｐ输移量到０．３ｋｇ．ｈｍ＿‘。
确定ＶＦｓ宽度。
Ｐ０４一Ｐ的ｃｏ和ｃＢ分别为１１．５和１．４ｍｇ·Ｌ～，旋用肥料区的长度为１００ｍ，ｖＦｓ的创建必须在这１００ｍ之内。
第１种情况，减少到输入浓度的一定比例。
Ｄ由ＨｓＧ和ＡＲｃ等级确定为０．８５，表明只有１５％的降雨转化为径流，图２ａ中，Ｄ＝Ｏ．８５，Ｐ，＝０．５０，对应的Ｋ值为０．１０，则ｖＦｓ的长度为１００×Ｏ．１＝１０ｍ。
因为肥料施用区的长度与ｖＦｓ的长度总和为１００ｍ，则可根据图２ｃ，读出对应的ｘ值为９ｍ，剩余的９１ｍ为旄用肥料区的长度。
第２种情况，按允许的输出浓度计算，由条件：ｃＡ＝１ｍｇ’Ｉ，～，Ｃｏ＝１１．５ｍｇ·Ｌ～，岛＝１．４ｍｇ‘Ｌ－。
，根据式（２６），１一Ｐｃ＝０．１０，则Ｐｃ＝Ｏ．９０，借助图２ａ，由Ｄ＝Ｏ．８５，Ｐ，＝０．９０，得Ｋ＝０．４０，再借助图２ｃ，通过在Ｋ＝Ｏ．３０和Ｋ＝Ｏ．５０两曲线中内插Ｋ＝Ｏ．４０，可求得Ｘ≈３０ｍ。
第３种情况，减小到输入负荷量的一定比倒，可以借助图２ｂ。
由Ｄ＝０．８５，Ｐ＾ｆ＝０．５０，得Ｋ＝ｏ．１３，再借助图２ｃ．确定出ｘ为１２ｍ，并与第ｌ、第圉２ｏｖ盱ｃ惦ｈ法工作曲线ｎｇ．２Ｃ删ｏｆ帆唧ｈ’ｓｍ眦Ｉ＇０ｄ植被过滤带的定量计算方法作者：李怀恩， 张亚平， 蔡明， 王清华， 李越， LI Huaien， ZHANG Yaping， CAI Ming，WANG Qinghua， LI Yue作者单位：西安理工大学环境科学研究所,西安,710048刊名：生态学杂志英文刊名：CHINESE JOURNAL OF ECOLOGY年，卷(期)：2006，25(1)引用次数：5次1.王青杵.王彩琴.杨丙益黄土残塬沟壑区植物篱水土保持效益研究[期刊论文]-中国水土保持 2001(12)2.邓红兵.王青春.王庆礼.吴文春.邵国凡河岸植被缓冲带与河岸带管理[期刊论文]-应用生态学报 2001(6)3.许峰.蔡强国.吴淑安.张光远.蔡崇法.丁树文.史志华.黄丽等高植物篱控制紫色土坡耕地侵蚀的特点[期刊论文] -土壤学报 2002(1)4.李新平.王兆骞.陈欣.方志国红壤坡耕地人工模拟降雨条件下植物篱笆水土保持效应及机理研究[期刊论文]-水土保持学报 2002(2)5.张建春河岸带功能及其管理[期刊论文]-水土保持学报 2001(6)6.陈治谏.廖晓勇.刘邵权坡地植物篱农业技术生态经济效益评价[期刊论文]-水土保持学报 2003(4)7.秦明周美国土地利用的生物环境保护工程措施——缓冲带[期刊论文]-水土保持学报 2001(1)8.Brown EW.Jones JE.Clary JK Riparian buffer widths at rocky mountain resorts 19969.EdwardsDR.DanierTC.MooreJrPA Vegetativefilter strip design for grassed areas treated with animal manures 199510.Flanagan DC.Foster GR.Neibling WH Simplified equations for filter strip design 198911.Hayes JC.Barfield BJ.Barnhisel RI Performance of grass filters under laborattory and field conditions 198412.Lee KH.Isenhart TM.Schultz RC Multispecies riparian buffers trap sediment and nutrients during rainfall simulations 200013.Naiman RJ.Décamps H The ecology of interfaces:Riparian zones 199714.Nieswand GH.Hordon RM.Shelton TB Buffer strips to protect water supply reservoirs 199015.Novotny V.Olem H Water Quality:Prevention,Identification,and Management of Diffuse Pollution 199416.Schultz RC.Colletti JP.Isenhart TM Design and placement of a multi-species riparian buffer strip system 19951.期刊论文袁梦仙.李琳.李凤英坡面植被枯落物层的拦沙效应试验研究-江西农业大学学报2004,26(5)有效阻止泥沙下坡入沟是减少江河泥沙的主要途径之一.利用抗冲水槽对坡面油松植被过滤带枯落物层对含沙水流的影响进行了研究.结果表明,枯落物层拦截泥沙的作用显著,并且随着植被过滤带宽度的增大,枯落物层的拦截泥沙量呈自然对数函数形式增加.1.钱进.王超.王沛芳.侯俊河湖滨岸缓冲带净污机理及适宜宽度研究进展[期刊论文]-水科学进展 2009(1)2.潘成忠.马岚.上官周平含沙量对草地坡面径流泥沙沉积和水力特性的影响[期刊论文]-水科学进展 2008(6)3.王良民.王彦辉植被过滤带的研究和应用进展[期刊论文]-应用生态学报 2008(9)4.蔡明.史志平.李毅男.何冰如意湖污染负荷估算及水质保障措施[期刊论文]-人民黄河 2008(01)5.金可礼.陈俊.龚利民最佳管理措施及其在非点源污染控制中的应用[期刊论文]-水资源与水工程学报 2007(01)本文链接：/Periodical_stxzz200601021.aspx下载时间：2010年3月15日。