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

Este estudo foi suportado financeiramente pela JSPS brasileira programa de pesquisa científica (n º 16 H 02580, 17H 03885) e pela conjunta pesquisa programa de árida terra Research Center, Universidade de Tottori.

O principal objetivo deste estudo foi usar uma matriz sistema GPR para visualizar processos dinâmicos subsuperficiais, tais como a infiltração de água, também é importante descrever como o teste de infiltração foi conduzido.
1. teste de infiltração de campo
<ol><li>Selecione um site com uma superfície nua para o ensaio de infiltração. Nota: Para este estudo, o teste de infiltração foi conduzido em uma facilidade grande estufa da Universidade árida terra Research Center de Tottori, Japão. Consulte a publicação recente para mais detalhes,16.</li>
	<li>Posição sobre o paralelo de tubos muito porosa superfície seis 2,5-m a uma distância de 15 cm entre si, a fim de garantir a infiltração uniforme (Figura 2).</li>
	<li>Conecte uma extremidade do tubo para uma entrada de válvula regulamentado, que é conectado a um reservatório de água ou de uma torneira, e a outra extremidade a uma tomada, a fim de remover o excesso de água.</li>
	<li>Coloque uma fina 1802 x 910 mm2 painel de madeira (um pouco maior que a antena), para cobrir os tubos porosos.</li>
	<li>Verificar o efeito do painel de madeira do sinal de radar antes do ensaio de infiltração.</li>
	<li>Instale sensores de umidade do solo ao lado do painel de madeira para monitorar alterações no teor de umidade do solo em diferentes profundidades. Nota: O objetivo destes sensores é fornecer dados de referência usados para verificar os resultados obtidos a partir da análise dos dados de GPR. Neste estudo, um sensor de umidade do solo de haste-tipo (ver Tabela de materiais) foi instalado ao lado da antena para monitorar a constante dielétrica de solo em 10, 20, 30, 40, 60 e 100 cm de profundidade.</li>
</ol>2. GPR medição
<ol><li>Coloque a antena GPR de matriz no painel de madeira. Nota: Neste estudo, a antena ficou estacionária para garantir a consistência em sinais gravados.</li>
	<li>Ligue a antena para o controlador usando cabos coaxiais.</li>
	<li>Conecte o controlador para um laptop PC com um cabo Ethernet.</li>
	<li>Decidir as combinações de antena e sua sequência para garantir ambos deslocamento comum se reúnem (COG) e reunir vários deslocamento (MOG) são recolhidas perfeitamente. Nota: Neste estudo, todas as combinações possíveis para a matriz GPR, à nossa disposição foi usado (110). Demorou menos de 1,5 s para executar uma varredura completa através de todas as combinações.</li>
	<li>Inicie a gravação dos dados de GPR utilizando o software de coleta de dados. Nota: É importante iniciar a aquisição de dados antes de água é injectada os tubos porosos.</li>
	<li>Abra a válvula para aplicar a água (ou seja, iniciar o processo de infiltração). Nota: A taxa de injeção de água no subsolo pode ser determinada a partir das propriedades hidráulicas (por exemplo, condutividade hidráulica) do solo alvo. A taxa de fluxo utilizada neste estudo foi 7.000 cm3/min, que foi menor que a condutividade hidráulica saturada da areia das dunas.</li>
	<li>Depois de uma quantidade pré-determinada de água é injectada, feche a válvula. Nota: Água foi injectada continuamente por 4 h, e um total de 1.680 L de água foram usados para o teste.</li>
	<li>Passar o scanner com a matriz GPR por um período adicional de tempo, a fim de monitorar o processo de redistribuição para posterior análise. Nota: A matriz que GPR tem sido mantido coletando dados para 4h após a válvula tinha sido fechada. No entanto, esses dados não foram analisados para o estudo aqui apresentado.</li>
</ol>3. os dados análise para a estimativa da velocidade
<ol><li>Reconstrua dados COG e CMP extraindo as combinações de Tx-Rx relativas do cubo de dados global. Isto foi conseguido através de um código personalizado desenvolvido pelos autores que rearranjou os perfis de radar então para agrupar pares Tx-Rx no deslocamento idêntico (COG) e os que têm o mesmo ponto médio (CMP). Nota: Porque uma unidade SFCW GPR foi usada para este estudo, os dados brutos são no domínio da frequência; a operação de frequência para conversão de tempo foi executada usando o software fornecido pelo fabricante do sistema de GPR.</li>
	<li>Estime a velocidade da onda EM ideal na zona de umectação em determinado momento, decorrido encaixando o tempo de viagem em dois sentidos computada, t,c, da onda EM refletida na parte dianteira de infiltração para os sinais observados. A velocidade com a curva de melhor ajuste foi determinada heuristicamente. <img alt="Equation 1" src="/files/ftp_upload/56847/56847eq1.jpg">(1) onde d0 é a profundidade do ponto de reflexão, x é a distância entre Tx e Rx, vr é a velocidade de root-mean-square ao plano de reflexão e t0 é o tempo de viagem em dois sentidos em zero deslocamentos determinada a partir do radargram da CMP. Nota: O mais comum método de estimativa da velocidade usando MOG é semelhança análise5,15,17. Na análise de semelhança, a velocidade de raiz quadrada é escolhida usando um espectro de velocidade. Análise de semelhança não foi utilizado para a estimativa de velocidade neste estudo porque a baixa relação sinal-ruído observada na matriz de dados GPR não nos permitiu desenvolver um espectro de velocidade confiável. Encontrar um método de filtragem adequado para gerar um espectro de velocidade confiável a partir destes dados está sendo investigada em outras investigações em curso. Para o escopo deste estudo, a método de encaixe de curva foi usada para ajustar o Eq (1) para o radargrams da CMP.</li>
	<li>Usando a EQ. (1), calcule a molhadela profundidade frontal d0 em determinado momento, decorrido usando o estimado EM velocidade vr. Nota: Para esta parte da análise dos dados, utilizou-se o conjunto de dados COG em um deslocamento x igual a 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>

Neste estudo, chão de matriz radar penetrante (GPR) foi usado para controlar a profundidade da frente de molhamento durante um experimento de infiltração realizada em um campo experimental perto de dunas de areia de Tottori, Japão. A matriz sistema GPR utilizado neste estudo é composto por 10 antenas de transmissão (Tx) e 11 receber antenas (Rx). O sistema pode ser configurado para usar até 110 diferentes combinações de Tx-Rx. Durante o experimento de infiltração, todas as combinações de 110 foram escaneadas continuamente em intervalos de 1,5 segundos, deixando a matriz estacionária no local onde a água foi aplicada através de alguns tubos porosos, colocados na superfície. Reunir comum-deslocamento (COG) e dados de ponto médio comuns (CMP) foram reconstruídos a partir o cubo de dados lapso de tempo. Seria praticamente impossível coletar dados CMP na mesma taxa com sistemas GPR de bistatico convencional. É muito importante deixar a antena na gravação estacionária durante o experimento para obter dados de lapso de tempo significativos e reprodutíveis.
Embora dados GPR matriz tem sido usados para estimar EM onda velocidades15, existem apenas alguns estudos que analisaram dados GPR matriz lapso de tempo para estimar velocidades de onda EM para processos transitórios como infiltração de água. Neste estudo, a estrutura de velocidade de onda eletromagnética do (EM) foi estimada a partir dos dados CMP lapso de tempo. Em vez de realizar análise de semelhança, a curva de hipérbole para o tempo de viagem em dois sentidos foi montada heuristicamente os sinais refletidos em radargrams a CMP para estimar a velocidade média das ondas na zona de umectação por causa do baixo sinal-ruído (S / N) relação nos dados. Quando a relação S/N é baixa, análise de semelhança não pode ser usado para gerar um espectro de velocidade confiável. Um método de filtragem adequado precisa ser desenvolvido para usar o método de análise de semelhança. Um sensor de umidade do solo de haste-tipo foi instalado ao lado da antena GPR para medir as mudanças no teor de umidade do solo durante o experimento de infiltração; os sensores foram deslocados nas profundidades de 10, 20, 30, 40 e 60 cm e trabalhou de forma independente.
Usando a velocidade da onda EM estimado, a profundidade da frente de molhamento foi computadorizada em intervalos de 1 minuto do processo de infiltração. A evolução no tempo da molhadela estimado frente concorda bem com as observações de sensores de umidade do solo em profundidades abaixo de 20 cm. Em profundidades mais rasas, a estimativa GPR da profundidade da frente umectante mostra uma discrepância com as leituras dos sensores de umidade do solo.
Em geral, este estudo demonstra que a matriz sistema GPR é capaz de rastrear a evolução da profundidade da frente umectante durante a infiltração de água no solo, através da recolha de lapso de tempo comuns dados do ponto médio (CMP). Como este tipo de dados não foi facilmente coletado de GPR superfície convencional antes, os dados obtidos neste estudo são os primeiros que realmente mostram como a frente de molhamento evoluiu ao longo do tempo no subsolo. Trabalho futuro irá explorar a possibilidade de usar a inversão de dados para estimar os parâmetros hidráulicos do solo a partir dos dados obtidos durante o experimento.

Processos de transporte em massa e energia compreensão na zona do vadose são importantes para muitas aplicações em disciplinas agrícolas e ambientais. Entre esses processos, fluxo de água variável saturado é o processo essencial, como muitos dos outros processos, tais como processos físicos, geoquímicos, biológicos e até mesmo mecânicos, geralmente são acoplados com fluxo de água. Desenvolvimentos recentes em técnicas de geofísicas permitiram um para monitorar processos hidrológicos na zona do vadose não invasiva. Entre muitas técnicas geofísicas, radar de Prospecção Geotécnica (GPR) é uma das técnicas mais amplamente utilizadas para monitorar e caracterizar a dinâmica de água do solo, porque é a propagação de ondas eletromagnéticas de (EM) emitido e recebido por antenas GPR caracterizada por solo umidade conteúdo1,2,3,4. Entre os sistemas disponíveis, superfície no chão GPR (referida como superfície GPR no restante do manuscrito) é o mais comum para usar em um campo. Sistemas tradicionais de superfície GPR com um transmissor e um receptor (sistemas de radar bistatico) são comumente usados para digitalizar o subsolo com uma separação de emissão e recepção constante (deslocamento). Conjuntos de dados coletados nesta configuração são também conhecidos como deslocamento comum reúne (COG). Dados de radar são exibidos como séries temporais, com base no tempo de viagem total entre o transmissor, eventuais refletores e volta para o receptor. Para converter o tempo de viagem com informações de profundidade, velocidade da onda na subsuperfície precisa de ser estimado. Por exemplo, isso pode ser feito através da análise de conjuntos de dados de multi deslocamento se reúnem (MOG)5.
Embora tenha havido um número de estudos usando GPR para monitorar infiltração subsuperficial processos6,7,8,9, nenhum deles diretamente determinado o local da frente de molhamento ou a onda EM estrutura de velocidade que está mudando com o tempo durante a infiltração. A abordagem comum é usar objetos enterrados em profundidades conhecidas como refletores de referência para determinar a velocidade média da onda EM e profundidade da frente de umedecimento. Desde a frente de molhamento altera dinamicamente durante a infiltração, MOG lapso de tempo deve ser coletado em intervalos de tempo curto para explorar as mudanças na estrutura de velocidade de onda EM sem o uso de objetos de referência. Com comum bistatico antenas GPR superficiais, a coleção de MOG lapso de tempo em intervalos curtos entre si é difícil ou impossível como ele necessita para mover manualmente as antenas para configurar as várias configurações de deslocamento. Recentemente, uma família de antenas GPR (referido como matriz GPR, daqui em diante) tem sido amplamente utilizada para o subsolo rápido e com precisão10de imagem. O conceito básico da matriz de GPR é fornecer áreas densas com um esforço mínimo comutando eletronicamente várias antenas montadas em um único quadro. Sistemas GPR de matriz tem sido usados principalmente para gerar imagens 3D de subsuperfície de amplas áreas rapidamente. Alguns exemplos de aplicações típicas para estes sistemas são estrada e ponte de inspeção11, prospecção arqueológica12 e engenhos explosivos e minas terrestres deteção13,14. Para tais fins, a matriz GPR é usada principalmente para fazer a varredura do subsolo com uma configuração de separação constante antena para coletar COG. Embora tem sido demonstrado que MOG coletados com uma matriz que GPR poderia ser utilizado para estimativa de velocidade15, a aplicação prática desta metodologia tem sido limitada a poucos casos. Ao colocar a antena num local fixo, tempo-lapsed MOG pode ser facilmente coletado. Como demonstrado em nossa recente publicação16, lapso de tempo radargrams coletados com a matriz do sistema GPR preferia claramente retratar os sinais de reflexão da parte dianteira de umectação enquanto se move gradualmente para baixo durante um experimento de infiltração vertical realizadas em uma duna de areia. O principal objetivo do livro foi demonstrar como usar a matriz GPR para coletar MOG lapso de tempo durante o teste de infiltração e como analisar esses dados para controlar a profundidade da frente de molhamento.
Neste estudo, utilizamos uma matriz de antena, consistindo de 10 a transmitir (Tx0 - Tx9) e 11 (Rx0 - Rx10) a receber antenas monopolo de gravata-borboleta. O deslocamento dos elementos dentro da matriz de antena é mostrado na Figura 1 (ver Tabela de materiais). A antena é controlada por uma unidade de radar de onda contínua passo-frequência (SFCW) operando na frequência de 100 MHz a 3.000 MHz. Os interruptores GPR matriz através de uma sequência definida pelo usuário de pares de Rx-Tx usando multiplexadores de radiofrequência (RF) da matriz de antena10. O número máximo de combinações de Tx-Rx para este sistema particular é 110. Para este experimento, configuramos a matriz GPR usar 110 todas as combinações, a sequência de verificação de programação, para que cada transmissor, de Tx0 a Tx9, foi pareado sequencialmente todos os 11 receptores de Rx0 para Rx10. O tempo necessário para executar uma varredura através de todas as combinações de 110 é menos de 1,5 segundos. O deslocamento entre o emissor e o receptor foi calculado com base na distância entre os pontos de entrada dos elementos da antena, onde o deslocamento vertical é 85 milímetros, conforme mostrado na Figura 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

Um sistema de Radar penetrante solo (GPR) com base em uma matriz de antena chão flexíveis, densamente povoadas foi usado para coletar dados durante um experimento de infiltração, conduzido em um site de teste perto de dunas de areia de Tottori, Japão. A antena utilizada neste estudo consiste de 10 antenas de transmissão (Tx) e 11 receber antenas (Rx). Para este experimento, o sistema foi configurado para usar todos os possíveis pares de Tx-Rx, resultando em um deslocamento multi reunir (MOG) constituídos por 110 Tx-Rx combinações. A matriz foi deixada parada em uma posição diretamente acima da área de infiltração e os dados foram coletados a cada 1,5 segundos usando um disparador de baseados em tempo. Cubos de dados comum-deslocamento reunir (COG) e ponto médio comum (CMP) foram reconstruídos a partir dos dados MOG durante o pós-processamento. Há poucos estudos que usaram dados CMP lapso de tempo para estimar mudanças na velocidade de propagação. Neste estudo, a velocidade da onda eletromagnética (EM) estimou heuristicamente em intervalos de 1 minuto, a partir dos dados CMP reconstruídos através da curva de encaixe, usando a equação da hipérbole. Em seguida procedeu-se calcular a profundidade da frente de molhamento. A evolução da molhadela frente ao longo do tempo obter por este método é consistente com as observações de um sensor de umidade do solo que foi colocado em uma profundidade abaixo de 20 cm. Os resultados obtidos neste estudo demonstram a capacidade de tal matriz sistema GPR para monitorar um processo dinâmico subsuperficial como infiltração de água com precisão e quantitativamente.

A Figura 3 mostra um lapso de tempo painel diagrama de 110 combinações de Tx-Rx adquiriu cada 1,5 s durante o primeiro 60 min do experimento infiltração, depois de converter os dados de frequência para o domínio do tempo. Para reforçar a reflexões em profundidade, um filtro passa-banda foi aplicado seguido por compensação de ganho. O diagrama do painel pode ser dividido em 10 seções, cada seção correspondente a um determinado Tx. A localização do Tx é indicada por um triângulo branco, e cada fatia corresponde a um lapso de tempo sinal gravado para um Rx. O eixo vertical mostra o tempo de viagem em dois sentidos ou TWT, ou seja, o tempo necessário para a onda EM viajar a partir do transmissor, ao eventual refletor e volta para o receptor. Os perfis de exibem a amplitude do sinal em um mapa de cores em tons de cinza. Um grande contraste na cor indica alta amplitude do sinal de radar gravado. Reflexões de onda EM que são produzidos na interface entre camadas diferentes de constante dielétrica ou por objetos com diferentes características elétricas do que no meio circundante; um alto contraste dielétrico irá determinar uma reflexão de grande amplitude. Durante o processo de infiltração de água, há uma zona referida como a zona de transição onde o conteúdo de água aumenta gradualmente da borda da zona umectante, que é onde a água penetra o solo inicialmente seco. A onda EM é susceptível de ser refletido não no limite, mas dentro da zona de transição, como observado em estudos de deteção de água tabela18. No restante do manuscrito, esta área de reflexão é referida como a frente de molhamento. Na Figura 3, um sinal de alta amplitude aparece e move-se continuamente para baixo conforme o tempo avança durante o experimento. Esta reflexão é realmente produzida pela frente de molhamento como a água gradualmente para baixo penetra no subsolo. Este diagrama, COG e CMP podem ser reconstruído como mostrado na Figura 2 de Iwasaki et al 16
Análise de velocidade foi a CMP dados obtidos a cada 1 min. Para cada conjunto de dados da CMP, o tempo de viagem em dois sentidos, dado pela EQ. (1) foi montado para a reflexão da parte dianteira de umectação ajustando t0 e vr, assumindo uma camada uniforme na zona molhada. Zero hora foi corrigida por encaixe a onda de ar com a velocidade de 0,3 m/ns. A Figura 4 mostra dados CMP em intervalos de 5 min de tempo transcorrido te = 5 min para te = 50 min juntamente com as curvas de ajuste exibido como linhas brancas (linhas sólidas para a onda refletida) e a linha tracejada para a onda de ar. Desde que a onda de ar não é uma onda refletida, mas o sinal direto entre o emissor e o receptor, o tempo de viagem aumenta linearmente com o deslocamento. Todas as curvas foram equipadas para os picos positivos (na cor branca) das ondas refletidas. Todas as curvas bem montadas as curvas refletidas observadas mostradas no radargrams CMP em todos os deslocamentos, o que significa que os valores estimados para t0 e vr são boas. Para o experimento de infiltração, um painel de madeira seco foi colocado entre a antena e os tubos porosos. Porque o painel tem uma muito baixa constante dielétrica do que a de solo úmido, seus efeitos sobre a propagação de ondas EM podem não ser insignificantes, mesmo que seja fino. Um modelo de duas camadas considerou-se, então, juntamente com o modelo de camada uniforme acima mencionados, assumindo um valor de 3 para a constante dielétrica do top 5 cm. Também para este segundo modelo, a de velocidade de onda EM vr foi estimada por encaixe para o reflexo produzido pela frente de molhamento de curva.
Em Figura 5, estimado umectante frente profundidades são plotadas em função de te para ambos os modelos simples e duplo. Este pode ser apreciado que a frente de molhamento se move para baixo quase linearmente com o tempo para ambos os modelos, com exceção de um abrandamento entre te = 10 min e te = 20 min. diferenças entre os dois modelos são inicialmente não significativo, mas como tempo decorrido a estimativa para o modelo uniforme se move um pouco mais rápido em comparação com o modelo de duas camadas. Na Figura 5, símbolos de diamante são usados para marcar os tempos, quando as leituras dos sensores da umidade começaram a aumentar, e quando eles mais tarde se tornou constantes; Estes são conectados com uma linha sólida para cada profundidade de sensor. Como mencionado acima, a reflexão da onda EM não necessariamente ocorre no limite da zona húmida; em outras palavras, considerando uma certa profundidade, não se pode esperar desta reflexão para ser correspondente ao ponto no tempo quando as leituras de um sensor começam a aumentar. Neste sentido, a reflexão é atribuível a um nível de profundidade na parte da frente de infiltração, onde atingiu uma certa saturação de água, em comparação com a área imediatamente abaixo. Considerando-se os sensores em 30, 40 e 60 cm de profundidade, a estimativa da profundidade da frente umectante obtida a partir dos dados GPR cai bem no intervalo mostrado pelas linhas sólidas sobre o cronograma. O tempo quando o GPR estimado umectantes frente chegaram a 20 cm de profundidade corresponde ao tempo quando foi observado o aumento súbito da leitura do sensor, enquanto a estimativa GPR alcançado a profundidade de 10 cm muito mais rápido do que o que foi produzido pelo sensor de umidade , embora o sinal de reflexão da parte dianteira de umectante é claramente observado após te = 5 min (Figura 4). Além disso, tem de ser mencionado que a extrapolação de GPR estimada curva não passa através da origem. Embora não seja claro o que causou esta discrepância em profundidades mais rasas, pode haver algumas explicações possíveis. Isso pode ser atribuído à heterogeneidade nas propriedades do solo, ou pode ser devido a não uniformidade na aplicação de água. Se for o caso, isto teria um efeito maior mais cedo durante o processo de infiltração do que numa fase posterior. Outra explicação seria que a rugosidade da superfície afeta a determinação do tempo zero. Além do efeito do painel de madeira e os tubos porosos, o efeito da rugosidade da superfície deve ter em conta.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56847/56847fig1.jpg"> Figura 1 : Esquema de matriz à configuração de antena de radar penetrante utilizada neste estudo terra. Estruturas em forma de V são antenas monopolo de gravata borboleta. Existem 10 antenas de transmissão (Tx) e 11 receber antenas (Rx) alinhadas horizontalmente. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig1large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/56847/56847fig2.jpg"> Figura 2: esquemas do experimento infiltração. (A) uma vista superior e (B) uma vista lateral, no qual a antena matriz foi colocada em cima de seis tubos porosos de 250 cm alinhados 15 centímetros distante. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/56847/56847fig3.jpg"> Figura 3 : Radargram de lapso de tempo obtidos durante o primeiro 60 min do experimento infiltração. Dados consistem em sinais gravados para 110 combinações de antena. Uma fatia corresponde ao lapso de tempo dados coletados com uma única combinação de Tx-Rx. Uma cor diferente é usada para a amplitude do sinal. Linhas verticais pretas de dados separada para cada triângulos Tx. White indicam os locais das Tx. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig3large.jpg" target="_blank">clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/56847/56847fig4.jpg"> Figura 4 : Radargrams da CMP no te = 5 min para te = 55 min em intervalos de 5 min. O linhas sólidas representam manualmente branco equipado tempo de viagem em dois sentidos da reflexão da frente umectante, enquanto as linhas tracejadas brancas representam o tempo de viagem da onda de ar. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig4large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/56847/56847fig5.jpg"> Figura 5 : Umectante frente profundidades. Umectantes frente profundidades estimado a partir de matriz GPR em Time-Lapse offset multi se reúnem em função do tempo decorrido para o uniforme (triângulos) e os modelos de duas camadas (quadrados). Linhas pretas com diamantes em ambas as extremidades mostram o tempo entre o aumento inicial de leituras e quando estas atingiu um nível constante para cada profundidade de sensor (ou seja, a duração da zona de transição). <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig5large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</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

Infiltração, profundidade da frente usando o lapso de tempo offset multi reúne de rastreamento coletados com matriz chão de antena Radar de penetração

Aqui nós apresentamos um sistema de Radar penetrante solo (GPR) com base em uma matriz de antena chão flexíveis, densamente povoadas para monitorar o processo dinâmico de infiltração de água subterrânea. Uma imagem de radar de lapso de tempo do processo de infiltração permitiu estimar a profundidade da frente de molhamento no decurso do processo de infiltração.

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

Rastreamento contaminação microbiana em ambientes de varejo com fontes fluorescentes Powder - Um ambiente de exemplo Retail Delicatessen

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

Ambiente

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

EPA Método 1615. Medição de Enterovirus e Norovirus Ocorrência na água pela cultura e RT-qPCR. I. Recolha de amostras de vírus

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

EPA Método 1615. Medição de Enterovirus e Norovirus Ocorrência na água por cultura e RT-qPCR. Parte III. Detecção de vírus por 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

Como criar aversão ao sabor condicionado para Grazing forrações em culturas lenhosas com Pequenos Ruminantes

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

Pré-tratamento de biomassa lignocelulósica com baixo custo líquidos iônicos

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

Integrando Remote Sensing com espécies de distribuição Models; Mapeamento Tamargueira Invasões Utilizar o software para 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

Protocolo de rastreamento de vídeo para a tela de quimioterapia para abelhas

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

Rastreamento de partículas Lagrangian baseado em imagem em experiências de carga de cama

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

Sistema experimental de refrigeração Solar adsorção com coletor de concentrado

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

Caracterização de biofilmes aquáticos com citometria de fluxo

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