Name: tracking infiltration front depth using time-lapse multi-offset gathers collected with array antenna ground penetrating radar
Uploaded: 2018-05-01T13:00:00
Duration: 7 min 14 s
Description: Watch this Scientific Journal Video about Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar at JoVE.com

Cette étude a été soutenue financièrement par JSPS subvention programme de recherche scientifique (n ° 16 H 02580, 17H 03885) et par le Centre commun de recherche Programme de Arid Land Research, Université de Tottori.

L’objectif principal de cette étude était d’utiliser un tableau système GPR pour visualiser des processus dynamiques sous la surface, tels que l’infiltration d’eau, il est aussi important de décrire comment l’infiltration a été testé.
1. Test d’Infiltration champ
<ol><li>Sélectionnez un site avec une surface nue pour le test d’infiltration. Remarque : Pour cette étude, l’infiltration a été testé dans un établissement de grande serre de l’Université de la recherche de terres arides Centre de Tottori, Japon. Voir la publication récente pour plus de détails16.</li>
	<li>Position sur le parallèle de tubes longs poreux surface six 2,5 m à une distance de 15 cm entre eux, afin d’assurer l’infiltration homogène (Figure 2).</li>
	<li>Branchez une extrémité du tube une entrée réglementée, qui est relié à un réservoir d’eau ou d’un robinet, et l’autre extrémité sur une prise afin d’éliminer l’excès d’eau.</li>
	<li>Placez un mince 910 x 1802 mm2 panneau en bois (légèrement plus grand que le réseau d’antennes), pour couvrir les tubes poreux.</li>
	<li>Vérifier l’effet du panneau bois sur le signal radar avant l’essai d’infiltration.</li>
	<li>Installer des capteurs d’humidité du sol juste à côté du panneau en bois pour surveiller les changements dans l’humidité du sol à différentes profondeurs. Remarque : Le but de ces capteurs est de fournir des données de référence utilisées pour contre-vérifier les résultats obtenus par l’analyse des données GPR. Dans cette étude, une sonde d’humidité de sol type tige (voir Table des matières) a été installée à côté de l’antenne pour surveiller la constante diélectrique du sol à 10, 20, 30, 40, 60 et 100 cm de profondeur.</li>
</ol>2. mesure de GPR
<ol><li>Placez l’antenne GPR sur le panneau en bois. Remarque : Dans cette étude, l’antenne restait stationnaire pour assurer l’uniformité des signaux enregistrés.</li>
	<li>Connecter l’antenne au contrôleur à l’aide de câbles coaxiaux.</li>
	<li>Connecter le contrôleur à un PC portable avec un câble Ethernet.</li>
	<li>Déterminer les combinaisons de l’antenne et leur séquence pour assurer les deux communes offset réunissent (COG) et multiples décalage gather (MOG) sont recueillies en toute transparence. Remarque : Dans cette étude, toutes les combinaisons possibles pour le tableau GPR à notre disposition a été utilisée (110). Il a fallu moins de 1,5 s pour effectuer une analyse complète par le biais de toutes les combinaisons.</li>
	<li>Démarrer l’enregistrement des données GPR en utilisant le logiciel de collecte de données. Remarque : Il est important de commencer la collecte de données avant que l’eau est injectée dans les tubes poreux.</li>
	<li>Ouvrir la valve pour appliquer de l’eau (c.-à-d., commencez le processus d’infiltration). Remarque : Le débit d’injection de l’eau dans le sous-sol peut être déterminé de propriétés hydrauliques du sol cible (par exemple, la conductivité hydraulique). Le débit utilisé dans cette étude était de 7 000 cm3/min, qui était inférieure à la conductivité hydraulique saturée de sable de la dune.</li>
	<li>Après qu’un nombre prédéterminé d’eau est injecté, fermer le robinet. Remarque : L’eau a été injectée en continu pendant 4 h, et un total de 1 680 litres d’eau ont été utilisés pour l’essai.</li>
	<li>Garder balayage avec le tableau GPR pour un délai supplémentaire, afin de surveiller le processus de redistribution pour une analyse ultérieure. Remarque : Le tableau que GPR a été gardé recueille des données pendant 4 h après que la vanne avait été fermée. Néanmoins, ces données n’ont pas été analysées pour l’étude présentée ici.</li>
</ol>3. analyse pour l’Estimation de vitesse
<ol><li>Reconstruire les données COG et CMP en extrayant les combinaisons Tx-Rx relatives dans le cube de données global. Ceci a été réalisé grâce à un code personnalisé développé par les auteurs qui réarrangé les profils radar afin de regrouper les paires de Tx-Rx à décalage identique (COG) et ceux qui ont le même point médian (CMP). Remarque : Parce qu’une unité SFCW GPR a été utilisée pour cette étude, les données brutes sont dans le domaine de fréquence ; l’opération de fréquence pour les conversions d’heure a été effectuée à l’aide du logiciel fourni par le fabricant du système GPR.</li>
	<li>Estimer la vitesse des ondes EM optimale dans la zone de mouillage en un temps écoulé en ajustant le temps deux voies calculées, tc, de l’onde électromagnétique reflétée à l’avant de l’infiltration aux signaux observés. La vitesse avec la meilleure ajustement de la courbe a été déterminée heuristiquement. <img alt="Equation 1" src="/files/ftp_upload/56847/56847eq1.jpg">(1) d0 correspondant à la profondeur jusqu’au point de réflexion, x est la distance entre Tx et Rx, v,r est la vitesse quadratique moyenne au plan de la réflexion et t0 est le temps de déplacement bidirectionnel à zéro des offsets déterminée à partir de la radargram de la CMP. Remarque : La méthode d’estimation de vitesse plus courante à l’aide de MOG est semblant analyse5,15,17. Dans l’analyse de l’apparence, la vitesse quadratique moyenne est récupérée à l’aide d’un spectre de vitesse. Analyse semblant n’était pas utilisé pour l’estimation de la vitesse dans cette étude, car le ratio signal-bruit faible observé dans le tableau de données GPR ne permettait pas de développer une gamme de vitesse fiables. Trouver une méthode de filtrage appropriée pour générer un spectre de vitesse fiable de ces données est à l’étude dans d’autres recherches en cours. Pour le champ d’application de la présente étude, la courbe méthode a utilisé pour ajuster Eq (1) pour les radargrammes CMP.</li>
	<li>Utilisant l’équation (1), calculer le mouillage devant profondeur d0 à un moment donné d’écoulé à l’aide de l’estimation EM vitesse vr. Remarque : Pour cette partie de l’analyse des données, les pignons de données a été utilisé à un décalage x égal à 113 mm.</li>
</ol>

<ol>
	<li>Huisman, J., Hubbard, S., Redman, J. D., Annan, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measuring+soil+water+content+with+ground+penetrating+radar:+A+review.">Measuring soil water content with ground penetrating radar: A review.</a> Vadose Zone Journal. 2 (4), 476-491 (2003).</li><li>Lambot, S., Weiherm&#252;ller, L., Huisman, J., Vereecken, H., Vanclooster, M., Slob, E. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analysis+of+air-launched+ground-penetrating+radar+techniques+to+measure+the+soil+surface+water+content.">Analysis of air-launched ground-penetrating radar techniques to measure the soil surface water content.</a> Water Resources Research. 42, 1-12 (2006).</li><li>Binley, A., Hubbard, S., Huisman, J., Revil, A., Robinson, D., Singha, K., Slater, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+emergence+of+hydrogeophysics+for+improved+understanding+of+subsurface+processes+over+multiple+scales.">The emergence of hydrogeophysics for improved understanding of subsurface processes over multiple scales.</a> Water Resources Research. 51, 3837-3866 (2015).</li><li>Vereecken, H., Huisman, J., Hendricks, F. H., Bruggemann, N., Bogena, H., Kollet, S., Javaux, M., Van Der Kruk, J., Vanderborght, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Soil+hydrology:+Recent+methodological+advances,+challenges,+and+perspectives.">Soil hydrology: Recent methodological advances, challenges, and perspectives.</a> Water Resources Research. 51, 2616-2633 (2015).</li><li>Forte, E., Pipan, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Review+of+multi-offset+GPR+applications:+Data+acquisition,+processing+and+analysis.">Review of multi-offset GPR applications: Data acquisition, processing and analysis.</a> Signal Processing. 132, 1-11 (2017).</li><li>Vellidis, G., Smith, M. S., Thomas, D. L., Asmussen, L. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detecting+wetting+front+movement+in+a+sandy+soil+with+ground-penetrating+radar.">Detecting wetting front movement in a sandy soil with ground-penetrating radar.</a> Transactions of the ASAE. 33 (6), 1867-1874 (1990).</li><li>Trinks, I., Wachsmuth, D., Stumpel, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Monitoring+water+flow+in+the+unsaturated+zone+using+georadar.">Monitoring water flow in the unsaturated zone using georadar.</a> First Break. 19, 679-684 (2001).</li><li>Saintenoy, A., Schneider, S., Tucholka, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluating+Ground+Penetrating+Radar+Use+for+Water+Infiltration+Monitoring.">Evaluating Ground Penetrating Radar Use for Water Infiltration Monitoring.</a> Vadose Zone Journal. 7 (1), 208-214 (2008).</li><li>L&#233;ger, E., Saintenoy, A., Coquet, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hydrodynamic+parameters+of+a+sandy+soil+determined+by+ground-penetrating+radar+inside+a+single+ring+infiltrometer.">Hydrodynamic parameters of a sandy soil determined by ground-penetrating radar inside a single ring infiltrometer.</a> Water Resources Research. 50 (7), 5459-5474 (2014).</li><li>Eide, E., Valand, P. A., Sala, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ground-coupled+antenna+array+for+step-frequency+GPR.">Ground-coupled antenna array for step-frequency GPR.</a> Proceedings of 15th International Conference on Ground Penetrating Radar. , 785-790 (2014).</li><li>Eide, E., Hjelmstad, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+utility+mapping+using+electronically+scanned+antenna+array,+Proceedings+of+GPR+2002.">3D utility mapping using electronically scanned antenna array, Proceedings of GPR 2002.</a> Proceedings of Ninth International Conference on Ground Penetrating Radar. , 192-196 (2002).</li><li>Linford, N., Linford, P., Martin, L., Payne, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stepped+frequency+ground+penetrating+radar+survey+with+a+multi-element+array+antenna:+Results+from+field+application+on+archaeological+sites.">Stepped frequency ground penetrating radar survey with a multi-element array antenna: Results from field application on archaeological sites.</a> Archaeological Prospection. 17, 187-198 (2010).</li><li>Eide, E., Hjelmstad, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=UXO+and+landmine+detection+using+3-dimensional+ground+penetrating+radar+system+in+a+network+centric+environment.">UXO and landmine detection using 3-dimensional ground penetrating radar system in a network centric environment.</a> Proceedings of ISTMP 2004. , (2004).</li><li>Sato, M., Hamada, Y., Feng, X., Kong, F. N., Zeng, Z., Fang, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GPR+using+an+array+antenna+for+landmine+detection.">GPR using an array antenna for landmine detection.</a> Near Surface Geophysics. 2 (1), 7-13 (2004).</li><li>Yi, L., Takahashi, K., Sato, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+vertical+velocity+profile+by+multistatic+GPR+Yakumo.">Estimation of vertical velocity profile by multistatic GPR Yakumo.</a> Proceedings of 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). , 1060-1063 (2015).</li><li>Iwasaki, T., Kuroda, S., Saito, H., Tobe, Y., Suzuki, K., Fujimaki, H., Inoue, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Monitoring+infiltration+process+seamlessly+using+array+ground+penetrating+radar.">Monitoring infiltration process seamlessly using array ground penetrating radar.</a> Agricultural and Environmental Letters. 1, 160002 (2016).</li><li>Booth, A. D., Clark, R., Murray, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Semblance+response+to+a+ground-penetrating+radar+wavelet+and+resulting+errors+in+velocity+analysis.">Semblance response to a ground-penetrating radar wavelet and resulting errors in velocity analysis.</a> Near Surface Geophysics. 8 (3), 235-246 (2010).</li><li>Saintenoy, A., Hopmans, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ground+Penetrating+Radar:+Water+Table+Detection+Sensitivity+to+Soil+Water+Retention+Properties.">Ground Penetrating Radar: Water Table Detection Sensitivity to Soil Water Retention Properties.</a> IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 4 (4), 748-753 (2011).</li></ol>

Dans cette étude, terrain de tableau penetrating radar (GPR) a été utilisé pour suivre la profondeur du mouillage front pendant une expérience d’infiltration menées à un champ expérimental près de la Dune de sable de Tottori, Japon. Le tableau système GPR utilisée dans cette étude se compose de 10 antennes de transmission (Tx) et 11 réception d’antennes (Rx). Le système peut être configuré pour utiliser jusqu'à 110 combinaisons différentes de Tx-Rx. Pendant l’expérience de l’infiltration, toutes les combinaisons de 110 ont été balayées en permanence à des intervalles de 1,5 secondes, laissant le tableau immobile à l’endroit où l’eau a été appliquée par le biais de quelques tubes poreux placés sur la surface. Common-offset gather (COG) et des données communes de point médian (CMP) ont été reconstruites dans le cube de données time-lapse. Il serait pratiquement impossible de recueillir des données de la CMP au même rythme avec des systèmes classiques bistatique GPR. Il est très important de laisser l’antenne dans enregistrement stationnaire au cours de l’expérience afin d’obtenir des données de Time-lapse reproductibles et significatives.
Bien que le tableau GPR données ont été utilisées pour estimer les EM vague vitesses15, il y a seulement quelques études qui ont analysé les données GPR tableau Time-lapse pour estimer les vitesses des ondes EM pour processus transitoires comme l’infiltration d’eau. Dans cette étude, la structure de vitesse électromagnétique (EM) vague a été estimée d’après les données time-lapse de la CMP. Plutôt que d’effectuer l’analyse de l’apparence, la courbe de hyperbole pour le temps de déplacement bidirectionnel a été ajustée heuristiquement aux signaux réfléchis dans les radargrammes CMP afin d’estimer la vitesse des ondes EM moyenne dans la zone de mouillage en raison de la faible signal sur bruit (S / N) ratio dans les données. Lorsque le rapport signal/bruit est faible, semblant analyse ne peut pas servir à générer un spectre de vitesse fiables. Une méthode de filtrage appropriée devra être mis au point pour l’utilisation de la méthode d’analyse de semblant. Une sonde d’humidité de sol type tige a été installée à côté de l’antenne GPR pour mesurer les changements dans l’humidité du sol pendant l’expérience de l’infiltration ; les capteurs ont été déplacés à la 10, 20, 30, 40 et 60 cm de profondeur et a travaillé de manière indépendante.
À l’aide de la vitesse des ondes EM estimée, la profondeur de la façade de mouillage a été calculée à intervalles de 1 minute du processus d’infiltration. L’évolution dans le temps du mouillage estimée avant concorde bien avec les observations depuis les capteurs d’humidité du sol à une profondeur inférieure à 20 cm. À des profondeurs moindres, l’estimation GPR de la profondeur de mouillage avant montre une divergence avec les lectures de capteurs d’humidité du sol.
Dans l’ensemble, cette étude démontre que le tableau système GPR est capable de suivre l’évolution de la profondeur de mouillage avant au cours de l’infiltration d’eau dans le sol, en collectant des Time-lapse commun point médian (CMP) données. Comme ce type de données n’a pas facilement prélevé classique GPR surface avant, les données obtenues dans cette étude sont les premier qui montrent comment le mouillage devant a évolué au fil du temps dans le sous-sol. Travaux futurs explorera la possibilité d’utiliser l’inversion de données pour estimer les paramètres hydrauliques du sol des données obtenues au cours de cette expérience.

Compréhension des processus transport masse et d’énergie dans la zone vadose sont importants pour de nombreuses applications dans les domaines agricoles et environnementales. Parmi ces processus, débit d’eau continu saturés est le processus essentiel comme beaucoup d’autres processus, tels que les processus physiques, biologiques, géochimiques et même mécaniques, sont généralement couplés avec le débit d’eau. Développements récents dans les techniques géophysiques ont permis de surveiller les processus hydrologiques dans la zone vadose non invasive. Parmi les nombreuses techniques géophysiques, radar à pénétration de sol (GPR) est l’une des techniques plus largement utilisées pour surveiller et pour caractériser la dynamique de l’eau des sols car la propagation des ondes électromagnétiques de (EM) émis et reçus par les antennes GPR est caractérisé par le sol l’humidité contenu1,2,3,4. Parmi les systèmes disponibles, sur terrain surface GPR (dénommé surface GPR dans le reste du manuscrit) est le plus courant d’utiliser dans un champ. Systèmes traditionnels de GPR surfaces avec un émetteur et un récepteur (systèmes de radar bistatique) sont utilisées pour analyser le sous-sol avec une séparation constante émetteur-récepteur (offset). Les ensembles de données recueillies dans cette configuration sont également connu sous le nom commun offset rassemble (COG). Les données radar sont affichées comme séries chronologiques issu des temps de parcours total entre l’émetteur, réflecteurs éventuelles et retour au récepteur. Afin de convertir le temps de déplacement pour information de profondeur, vitesse de l’onde EM dans le sous-sol doit être estimée. Par exemple, cela peut être fait par le biais de l’analyse de multiples décalage gather (MOG) ensembles de données5.
Bien qu’il y a eu un certain nombre d’études à l’aide de GPR pour surveiller le processus d’infiltration souterraine6,7,8,9, aucun d'entre eux n’a déterminé directement l’emplacement de l’avant du mouillage ou de l’onde électromagnétique structure de vitesse qui évolue avec le temps au cours de l’infiltration. L’approche courante consiste à utiliser des objets enfouis à des profondeurs connues comme réflecteurs de référence pour déterminer la vitesse de l’onde EM moyenne et mouiller devant profondeur. Étant donné que le front de saturation change dynamiquement au cours de l’infiltration, Time-lapse MOG doit être prélevé à des intervalles de temps pour exploiter les changements dans la structure de vitesse des ondes EM sans utiliser les objets de référence. Commune bistatique antennes GPR-surfaces, la collection de Time-lapse MOG à de courts intervalles entre eux est difficile, voire impossible car elle nécessite de déplacer manuellement les antennes à mettre en place les différentes configurations de décalage. Récemment, une famille de réseau d’antennes GPR (ci-après sous la forme tableau GPR) a été utilisée intensivement afin d’imager le sous-sol rapide et précise10. Le concept de base du tableau GPR est de fournir des andains denses avec un minimum d’effort en passant par voie électronique des antennes multiples montés dans un cadre unique. Gamme GPR systèmes ont été principalement utilisés pour générer des images 3D sous la surface de larges zones rapidement. Quelques exemples d’applications typiques pour ces systèmes sont des ponts et chaussées, inspection11, prospection archéologique12 et munitions non explosées et des mines détection13,14. À ces fins, le tableau GPR est principalement utilisé pour analyser le sous-sol avec une configuration de séparation constante antenne pour recueillir le COG. Même s’il a été démontré que MOG recueillies avec un tableau que GPR pourrait être utilisé pour l' estimation de vitesse15, l’application pratique de cette méthodologie a été limitée à quelques cas. En plaçant le réseau d’antennes à un emplacement fixe, MOG temps-expiré peut être facilement collecté. Tel que démontré dans notre récente publication16, Time-lapse radargrammes recueillies avec le tableau système GPR dépeignent plutôt clairement les signaux de réflexion du mouillage devant, en se déplaçant progressivement vers le bas au cours d’une expérience d’infiltration verticale réalisée sur une dune de sable. L’objectif principal de l’étude était de démontrer comment utiliser le tableau GPR pour prélever MOG Time-lapse pendant l’essai de l’infiltration et la façon d’analyser ces données pour le suivi de la profondeur du mouillage avant.
Dans cette étude, nous avons utilisé un réseau d’antennes consistant en 10 transmettant (Tx0 - Tx9) et 11 (Rx0 - Rx10) de recevoir papillon antennes de monopole. Le déplacement des éléments dans le tableau antenne est illustré à la Figure 1 (voir la Table des matières). Le réseau d’antennes est contrôlée par une unité de radar de forme d’onde continue étape-fréquence (SFCW) fonctionnant sur la bande passante de 100 MHz à 3 000 MHz. Le tableau GPR passe à travers une séquence définie par l’utilisateur des paires de Rx-Tx à l’aide de radiofréquences (RF) multiplexeurs dans l’antenne tableau10. Le nombre maximum de combinaisons Tx-Rx pour ce système particulier est 110. Pour cette expérience, nous avons configuré le tableau GPR d’utiliser toutes les combinaisons de 110, programmation de la séquence de balayage afin que chaque émetteur de Tx0 au Tx9, était jumelé dans l’ordre avec tous les 11 récepteurs de Rx0 à Rx10. Le temps nécessaire pour effectuer une analyse à travers toutes les combinaisons de 110 est inférieur à 1,5 secondes. Le décalage entre l’émetteur et le récepteur a été calculé selon la distance entre les points d’alimentation des éléments antenne, où le décalage vertical est 85 mm, comme illustré à la Figure 1.

<table border="0" cellpadding="0" cellspacing="0" style="width:572px;" width="573">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="42">
			<td height="42" style="height:42px;width:216px;">GeoScope Radar Unit</td>
			<td style="width:71px;">3D Radar AS</td>
			<td style="width:119px;"></td>
			<td style="width:167px;"></td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:216px;">DXG1820 antenna</td>
			<td style="width:71px;">3D Radar AS</td>
			<td style="width:119px;"></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">PR2/6 Profile Probe&#160;</td>
			<td style="width:71px;">Delta-T</td>
			<td style="width:119px;"></td>
			<td></td>
		</tr>
	</tbody>
</table>

tracking infiltration front depth using time-lapse multi-offset gathers collected with array antenna ground penetrating radar

A utilisé un système de Ground Penetrating Radar (GPR) basé sur un réseau d’antennes sol couplés et densément peuplées pour recueillir des données au cours d’une expérience d’infiltration menée sur un site d’essai près de la Dune de sable de Tottori, Japon. Le réseau d’antennes utilisée dans cette étude se compose de 10 antennes de transmission (Tx) et 11 réception d’antennes (Rx). Pour cette expérience, le système a été configuré pour utiliser tous les jumelages possibles de Tx-Rx, résultant en un multi-Offset rassembler (MOG) composé de 110 combinaisons de Tx-Rx. Le tableau restait stationnaire directement au-dessus de la zone d’infiltration et les données ont été recueillies à l’aide d’un déclencheur temporel toutes les 1,5 secondes. Des cubes de données commun-Offset se rassemblent (COG) et Common Point médian (CMP) a été reconstituées d’après les données MOG au cours de post-traitement. Il y a eu peu d’études ont utilisé Time-lapse CMP données pour estimer les changements de vitesse de propagation. Dans cette étude, la vitesse des ondes électromagnétique (EM) estimait heuristique à intervalles de 1 minute d’après les données CMP reconstituées par la courbe d’ajustement, en utilisant l’équation de l’hyperbole. Nous avons ensuite procédé pour calculer la profondeur de l’avant du mouillage. L’évolution du front mouillant au fil du temps obtenir grâce à cette méthode est compatible avec les observations d’un capteur d’humidité du sol qui a été placée à une profondeur inférieure à 20 cm. Les résultats obtenus dans cette étude démontrent la capacité de tel tableau système GPR pour surveiller un processus dynamique sous la surface, comme l’infiltration de l’eau avec précision et quantitativement.

La figure 3 montre un Time-lapse panneau diagramme de 110 combinaisons de Tx-Rx acquis chaque 1,5 s durant les 60 premières minutes de l’expérience de l’infiltration, après la conversion des données de fréquence en domaine temporel. Afin de renforcer les réflexions en profondeur, un filtre passe-bande a été appliqué suivie par compensation de gain. Le schéma du panneau se divisent en 10 sections, chaque section correspond à un particulier Tx. L’emplacement de l’émetteur est indiqué par un triangle blanc, et chaque tranche correspond à un Time-lapse signal enregistré pour un Rx. L’axe vertical indique le temps de déplacement bidirectionnel ou le TWT, c'est-à-dire le temps nécessaire pour que l’onde électromagnétique voyager de l’émetteur, le réflecteur éventuels vers le récepteur. Les profils d’affichage l’amplitude du signal dans une carte de couleur en niveaux de gris. Un grand contraste de couleur indique la forte amplitude du signal de données radar enregistrées. Réflexions d’ondes EM sont produites à l’interface entre les couches à la constante diélectrique différente ou par des objets ayant des caractéristiques électriques différentes que le milieu environnant ; un contraste élevé de diélectrique déterminera une réflexion de grande amplitude. Au cours du processus d’infiltration de l’eau, il y a une zone appelée la zone de transition où la teneur en eau augmente progressivement depuis le bord de la zone de mouillage, c'est-à-dire où l’eau pénètre dans le sol sec au départ. L’onde électromagnétique est susceptible d’être traduit pas à la limite, mais au sein de la zone de transition, tel qu’observé dans les études de la nappe phréatique détection18. Dans le reste du manuscrit, ce domaine de réflexion est dénommé le mouillage devant. Dans la Figure 3, un signal de forte amplitude apparaît et se déplace progressivement vers le bas comme l’heure avance pendant l’expérience. Cette réflexion est en effet produite par le front de mouillage, car l’eau pénètre peu à peu vers le bas dans le sous-sol. Sur ce schéma, COG et CMP peuvent être reconstruite comme illustré à la Figure 2 de Iwasaki et al. 16
Analyse de la vitesse a été effectuée sur les données CMP a obtenu toutes les 1 min. Pour chaque ensemble de données de la CMP, le temps de déplacement bidirectionnel donné par l’équation (1) a été ajusté à la réflexion du mouillage devant en ajustant t0 et vr, en supposant une couche uniforme dans la zone humide. Temps zéro a été corrigée en ajustant l’air-ondes à la vitesse de 0,3 m/ns. La figure 4 montre les données de la COP/MOP à 5 min d’intervalle de temps écoulé te = 5 min à te = 50 min ainsi que les courbes ajustés affichés comme des lignes blanches (lignes pleines pour l’onde réfléchie) et la ligne pointillée pour la vague de l’air. Depuis la vague d’air n’est pas une onde réfléchie mais le signal direct entre l’émetteur et le récepteur, le temps de déplacement augmente linéairement avec l’offset. Toutes les courbes ont été ajustées aux sommets positives (dans la couleur blanche) des ondes réfléchies. Toutes les courbes monté bien sur les courbes réfléchies observées montrés les radargrammes CMP à toutes les compensations, ce qui signifie que les valeurs estimées pour t0 et vr sont bonnes. Pour l’expérience de l’infiltration, un panneau en bois sec a été placé entre l’antenne et des tubes poreux. Parce que le panneau a une constante de diélectrique beaucoup plus faible que celle du sol humide, ses effets sur la propagation des ondes EM peuvent être non négligeables, même si elle est mince. Un modèle à deux couches a ensuite été examiné en plus du modèle de ladite couche uniforme, en supposant que la valeur 3 pour la constante diélectrique des 5 premiers centimètres. Aussi pour ce deuxième modèle, l’EM vague vitesse vr a estimé en courbe à la réflexion produite par le front de saturation.
Dans Figure 5, estimation des profondeurs avant mouillage sont tracées en fonction te pour les deux modèles simples et double couche. Il peut être apprécié que le mouillage devant se déplace vers le bas presque linéairement avec le temps pour les deux modèles, à l’exception d’un ralentissement entre te = 10 min et te = 20 min. différences entre les deux modèles ne sont initialement pas significative, mais avec le temps s’écoule, l’estimation du modèle uniforme se déplace légèrement plus rapide par rapport au modèle bicouche. Dans la Figure 5, les symboles de diamant sont utilisés pour marquer les temps lorsque lectures depuis les capteurs d’humidité a commencé à augmenter et quand ils sont devenus plus tard stables ; ceux-ci sont reliés par un trait plein pour la profondeur de chaque capteur. Comme mentionné ci-dessus, la réflexion de l’onde électromagnétique ne se produit pas nécessairement à la limite de la zone humide ; en d’autres termes, compte tenu d’une certaine profondeur, on ne peut pas s’attendre à cette réflexion pour être correspondant au point dans le temps quand les lectures d’un capteur commencent à augmenter. En ce sens, la réflexion est attribuable à un niveau de profondeur à l’avant infiltration où une certaine saturation de l’eau a été atteint, par rapport à la zone immédiatement inférieure. Si l'on considère les capteurs à 30, 40 et 60 cm de profondeur, l’estimation de la profondeur de mouillage avant obtenue à partir des données GPR s’inscrit bien dans la plage indiquée par les lignes solides sur la timeline. Le moment où le GPR estime mouillage avant arrive à 20 cm de profondeur correspond à l’heure où l’augmentation soudaine de la lecture de la sonde a été observée, tandis que l’estimation GPR a atteint la profondeur de 10 cm beaucoup plus rapide que ce qui a été produit par la sonde d’humidité , même si le signal de réflexion du mouillage devant on observe clairement après te = 5 min (Figure 4). Aussi, il doit être mentionné que l’extrapolation de la GPR estime courbe ne passe pas par l’origine. Même si on ne sait ne pas ce qui a causé cet écart à des profondeurs moindres, il peut y avoir quelques explications possibles. Elle peut être attribuée à l’hétérogénéité des propriétés du sol, ou il peut être en raison de la non uniformité dans l’application de l’eau. Si tel est le cas, cela aurait un effet plus marqué plus tôt pendant le processus d’infiltration qu’à un stade ultérieur. Une autre explication pourrait être que la rugosité de la surface influe sur la détermination du temps zéro. En plus de l’effet du panneau en bois et des tubes poreux, l’effet de la rugosité de surface devrait être tenu compte.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56847/56847fig1.jpg"> Figure 1 : Schéma du tableau au sol pénétrante configuration d’antenne radar utilisée dans cette étude. Structures en forme de V sont des antennes de monopole de noeud papillon. Il y a 10 antennes de transmission (Tx) et 11 réception d’antennes (Rx) alignés horizontalement. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig1large.jpg" target="_blank">S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/56847/56847fig2.jpg"> Figure 2: schémas de l’expérience de l’infiltration. (A) une vue de dessus et (B) une vue latérale dans laquelle l’antenne a été placé sur le dessus de six tubes poreux 250 cm alignés espacés de 15 cm. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig2large.jpg" target="_blank">S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/56847/56847fig3.jpg"> Figure 3 : Radargram Time-lapse obtenu durant les 60 premières minutes de l’expérience de l’infiltration. Données consistent en des signaux enregistrés pour 110 combinaisons d’antenne. Une tranche correspond à Time-lapse données recueillies avec une combinaison unique de Tx-Rx. Une couleur différente est utilisée pour l’amplitude du signal. Les lignes noires verticales des données distinctes pour chaque triangles Tx. White indiquent les emplacements des Tx. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig3large.jpg" target="_blank">s’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/56847/56847fig4.jpg"> Figure 4 : Radargrammes de la COP/MOP à te = 5 min à te = 55 min à intervalles de 5 min. Le blanc les lignes pleines représentent manuellement montés deux voies voyage temps de la réflexion de l’avant du mouillage, tandis que les lignes en pointillé blanches représentent le temps de déplacement de la vague d’air. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig4large.jpg" target="_blank">S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/56847/56847fig5.jpg"> Figure 5 : Mouiller avant profondeurs. Mouillage devant profondeurs estimées à partir tableau GPR en Time-lapse multi-offset se réunissent en fonction du temps écoulé pour l’uniforme (triangles) et les modèles (carrés) de deux couches. Les lignes noires de diamants aux deux extrémités indiquent la durée entre l’augmentation initiale de lectures et quand il atteint un niveau stable pour la profondeur de chaque capteur (c.-à-d., la durée de la zone de transition). <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig5large.jpg" target="_blank">S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.</a>

Watch this Scientific Journal Video about Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar at JoVE.com

Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar

Infiltration en profondeur avant à l’aide de Time-lapse multi-offset rassemble de suivi recueillies avec tableau antenne géoradars

Nous présentons ici un système de Ground Penetrating Radar (GPR) basé sur un réseau d’antennes sol couplés et densément peuplées de suivi du processus dynamique de l’infiltration des eaux souterraines. Une image radar Time-lapse du processus d’infiltration a permis d’estimer la profondeur du mouillage avant au cours du processus d’infiltration.

A Ground Penetrating Radar (GPR) system based on a ground-coupled, densely populated antenna array was used to collect data during an infiltration ...

Research

JoVE Journal

Environment

Tracking Microbial Contamination in Retail Environments Using Fluorescent Powder - A Retail Delicatessen Environment Example

Suivi de la contamination microbienne dans les environnements de vente au détail à l&#39;aide de poudre fluorescente - Un détail Charcuterie Environnement Exemple

Cross contamination of foodborne pathogens in the retail environment is a significant public health issue contributing to an increased risk for foodborne ...

Recherche

Environnement

EPA Method 1615. Measurement of Enterovirus and Norovirus Occurrence in Water by Culture and RT-qPCR. I. Collection of Virus Samples

Méthode EPA 1615. Mesure de entérovirus et Norovirus présence dans l&#39;eau par Culture et RT-qPCR. I. Prélèvement des échantillons de virus

EPA Method 1615 was developed with a goal of providing a standard method for measuring enteroviruses and noroviruses in environmental and drinking waters. ...

EPA Method 1615. Measurement of Enterovirus and Norovirus Occurrence in Water by Culture and RT-qPCR. Part III. Virus Detection by RT-qPCR

Méthode EPA 1615. Mesure des entérovirus et Norovirus présence dans l&#39;eau par la culture et RT-qPCR. Partie III. Détection de virus par RT-qPCR

EPA Method 1615 measures enteroviruses and noroviruses present in environmental and drinking waters. This method was developed with the goal of having a ...

How to Create Conditioned Taste Aversion for Grazing Ground Covers in Woody Crops with Small Ruminants

Comment faire pour créer Conditionné Taste Aversion pour le pâturage couvre-sol dans les cultures ligneuses avec les petits ruminants

Conditioned taste aversion (CTA) is a learning behavior process where animals are trained to reject certain feed after gastrointestinal discomfort has ...

Pretreatment of Lignocellulosic Biomass with Low-cost Ionic Liquids

Le prétraitement de la biomasse lignocellulosique avec les liquides ioniques à faible coût

A number of ionic liquids (ILs) with economically attractive production costs have recently received growing interest as media for the delignification of ...

Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling (SAHM)

Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM

L&#39;intégration de la télédétection avec des espèces distribution modèles; Cartographie Tamaris Invasions Utilisation du logiciel pour Assisted Habitat Modeling (SAHM)

Early detection of invasive plant species is vital for the management of natural resources and protection of ecosystem processes. The use of satellite ...

Video Tracking Protocol to Screen Deterrent Chemistries for Honey Bees

Protocole de suivi vidéo pour les chimies de dissolution d&#39;écran pour les abeilles

The European honey bee, Apis mellifera L., is an economically and agriculturally important pollinator that generates billions of dollars annually. Honey ...

Image-based Lagrangian Particle Tracking in Bed-load Experiments

Suivi de particules Lagrangian basé sur l&#39;image dans les expériences de charge de lit

Image analysis has been increasingly used for the measurement of river flows due to its capabilities to furnish detailed quantitative depictions at a ...

Experimental System of Solar Adsorption Refrigeration with Concentrated Collector

Système expérimental de réfrigération solaire Adsorption avec collecteur de concentré

To improve the performance of solar adsorption refrigeration, an experimental system with a solar concentration collector was set up and investigated. The ...

Characterization of Aquatic Biofilms with Flow Cytometry

Caractérisation des Biofilms aquatiques avec écoulement Cytometry

Biofilms are dynamic consortia of microorganism that play a key role in freshwater ecosystems. By changing their community structure, biofilms respond ...