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 estudio fue apoyado financieramente por JSP subvenciones programa científico de investigación (no. 16 H 02580, 17H 03885) y por común programa de árida tierra investigación centro de investigación, Universidad de Tottori.

El objetivo principal de este estudio fue utilizar una matriz sistema GPR para visualizar procesos dinámicos subsuperficiales, como la infiltración del agua, también es importante describir cómo se realizó la prueba de infiltración.
1. prueba de infiltración de campo
<ol><li>Seleccione un sitio con una superficie pelada para la prueba de infiltración. Nota: Para este estudio, la prueba de infiltración se realizó en una instalación de gran invernadero de la Universidad de la árida tierra centro de investigación de Tottori, Japón. Véase la reciente publicación para más información16.</li>
	<li>Posición en el paralelo de tubos largo poroso de superficie seis de 2,5 m a una distancia de 15 cm entre sí, para asegurar la infiltración uniforme (figura 2).</li>
	<li>Conecte un extremo de los tubos a una entrada regulada de la válvula, que está conectado a un reservorio de agua o un grifo, y el otro extremo a una toma de corriente para eliminar el exceso de agua.</li>
	<li>Colocar un fino 1802 x 910 mm2 panel de madera (un poco más grande que el conjunto de antenas), para cubrir los tubos porosos.</li>
	<li>Verificar el efecto del panel de madera en la señal de radar antes de la prueba de infiltración.</li>
	<li>Instalar sensores de la humedad del suelo justo al lado del panel de madera para monitorizar los cambios en el contenido de humedad del suelo a diferentes profundidades. Nota: El propósito de estos sensores es proporcionar datos de referencia utilizados para comprobar los resultados obtenidos del análisis de los datos GPR. En este estudio, un sensor de humedad de suelo tipo barra (véase Tabla de materiales) se instaló junto a la antena para supervisar la constante dieléctrica de suelo en 10, 20, 30, 40, 60 y 100 cm de profundidad.</li>
</ol>2. GPR medición
<ol><li>Coloque la antena GPR en el panel de madera. Nota: En este estudio, la antena quedó inmóvil para asegurar consistencia en las señales registradas.</li>
	<li>Conecte la antena al controlador mediante cables coaxiales.</li>
	<li>Conectar el controlador a un PC portátil con un cable Ethernet.</li>
	<li>Decidir las combinaciones de antena y su secuencia para reunir offset común (COG) y se reúnen múltiples offset (MOG) se recogen sin problemas. Nota: En este estudio, todas las combinaciones posibles para la matriz de GPR a nuestra disposición fue utilizado (110). Tardó menos de 1,5 s para realizar un análisis completo a través de todas las combinaciones.</li>
	<li>Iniciar la grabación de los datos de la GPR con el software de colección de datos. Nota: Es importante empezar la adquisición de datos antes de inyecta agua en los tubos porosos.</li>
	<li>Abra la válvula para agua (es decir, iniciar el proceso de infiltración). Nota: La tasa de inyección de agua en el subsuelo puede ser determinada de las propiedades hidráulicas (por ejemplo, conductividad hidráulica) de la tierra de destino. La tasa de flujo utilizada en este estudio fue 7.000 cm3/min, menor que la conductividad hidráulica saturada de la arena de la duna.</li>
	<li>Después se inyecta una cantidad predeterminada de agua, cierre la válvula. Nota: Agua se inyecta continuamente durante 4 h, y un total de 1.680 litros de agua fueron utilizados para la prueba.</li>
	<li>Mantener la exploración con la matriz de GPR por un período adicional de tiempo, con el fin de monitorear el proceso de redistribución para su posterior análisis. Nota: La matriz que GPR ha sido mantenido recogiendo datos durante 4 horas después de cerrada la válvula. Sin embargo, estos datos no han sido analizados para el estudio que aquí presentado.</li>
</ol>3. análisis para la estimación de la velocidad
<ol><li>Reconstruir datos COG y CMP extrayendo las combinaciones de Tx-Rx relativas del cubo de datos general. Esto se logró a través de código personalizado desarrollado por los autores que han reorganizado los perfiles de radar para agrupar pares de Tx-Rx en offset idéntico (COG) y los que tienen el mismo punto medio (CMP). Nota: Porque una unidad SFCW GPR fue utilizada para este estudio, los datos en bruto están en el dominio de la frecuencia; la operación de frecuencia para la conversión del tiempo se realizó mediante el software proporcionado por el fabricante del sistema GPR.</li>
	<li>Estimar la velocidad óptima de la onda del EM en la zona de adherencia de soldadura en un momento transcurrido ajustando el tiempo de viaje de dos vías computada, tc, de la onda EM reflejada en el frente de infiltración para las señales observadas. La velocidad con la mejor curva de ajuste se determina heurísticamente. <img alt="Equation 1" src="/files/ftp_upload/56847/56847eq1.jpg">(1) donde d0 es la profundidad hasta el punto de reflexión, x es la distancia entre Tx y Rx, vr es la velocidad cuadrática media al plano de reflexión y t0 es el tiempo del recorrido de dos vías en cero desplazamientos determina a partir de los radargramas CMP. Nota: El método más común de estimación de velocidad usando la MOG es parecido análisis5,15,17. En el análisis de la apariencia, la velocidad media cuadrática se recoge utilizando un espectro de velocidad. Análisis de semblanza no fue utilizado para la estimación de la velocidad en este estudio porque el cociente signal-to-noise bajo observado en la matriz de datos GPR no nos permiten desarrollar un espectro de velocidad confiable. Encontrar un método de filtración adecuado para generar un espectro de velocidad confiable de estos datos está siendo investigado en otras investigaciones en curso. Para el alcance de este estudio, el método de ajuste de la curva se utilizó para ajustar Eq (1) a los radargramas CMP.</li>
	<li>Usando la ecuación (1), calcular el humectante profundidad frontal d0 en un determinado tiempo transcurrido usando el estimado EM velocidad vr. Nota: Para esta parte del análisis de datos, el conjunto de datos COG fue utilizado en un offset x igual a 113 milímetros.</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>

En este estudio, terreno matriz radar penetrante (GPR) fue utilizado para rastrear la profundidad del frente de humedecimiento durante un experimento de infiltración llevado a cabo en un campo experimental cerca de la duna de arena de Tottori, Japón. La matriz sistema de GPR en el presente estudio consta de 10 antenas de transmisión (Tx) y recepción (Rx) de antenas de 11. El sistema puede configurarse para utilizar hasta 110 diferentes combinaciones de Tx-Rx. Durante el experimento de infiltración, todas las combinaciones de 110 fueron analizadas continuamente a intervalos de 1,5 segundos, dejando la matriz estacionaria en el lugar donde se aplicó agua a través de unos tubos porosos colocados en la superficie. Común-offset gather (COG) y datos de punto medio común (CMP) fueron reconstruidos desde el cubo de datos Time-lapse. Sería prácticamente imposible recoger datos CMP a la misma velocidad con los sistemas GPR biestático convencional. Es muy importante dejar la antena en grabación inmóvil durante el experimento para obtener datos reproducibles y significativos lapso de tiempo.
Aunque se han utilizado datos GPR de matriz para estimación de velocidades de la onda EM15, hay sólo unos pocos estudios que analizaron datos GPR de matriz Time-lapse para estimar velocidades de la onda del EM para procesos transitorios como la infiltración de agua. En este estudio, se estimó la estructura de velocidad electromagnética (EM) de la onda de los time-lapse datos CMP. En lugar de realizar el análisis de semblanza, la curva hipérbola para el tiempo del recorrido de dos vías fue cabida heurísticamente para las señales reflejadas en los radargramas CMP para estimar la velocidad media de la onda del EM en la zona de adherencia de soldadura debido a la baja de señal a ruido (S / N) relación de los datos. Cuando la relación señal-ruido es baja, análisis de apariencia no pueden utilizarse para generar un espectro de velocidad confiable. Un método de filtración adecuado tendría que ser desarrollado utilizando el método de análisis de semblanza. Un sensor de humedad del suelo de varilla-tipo se instaló junto a la antena GPR para medir los cambios en el contenido de humedad del suelo durante el experimento de infiltración; los sensores fueron desplazados en las profundidades de 10, 20, 30, 40 y 60 cm y trabajaba de manera independiente.
Usando la velocidad de las ondas EM estimada, la profundidad del frente de humedecimiento se calculó a intervalos de 1 minuto del proceso de infiltración. La evolución en el tiempo del frente de humectación Estimado concuerda bien con las observaciones de los sensores de humedad del suelo a profundidades inferiores a 20 cm. A menor profundidad, la estimación de la GPR de la profundidad de humedecimiento frontal muestra una discrepancia con las lecturas de los sensores de humedad del suelo.
En general, este estudio demuestra que la matriz sistema GPR es capaz de seguir la evolución de la profundidad de frente de humectación durante la infiltración del agua en el suelo, por recoger datos de (CMP) de punto medio común Time-lapse. Como este tipo de datos no fue recogido fácilmente de GPR de superficie convencional antes de, los datos obtenidos en este estudio son los primeros que realmente muestran cómo el frente de humedecimiento evolucionado con el tiempo en el subsuelo. Trabajo futuro explorará la posibilidad de utilizar la inversión de datos para estimar los parámetros hidráulicos del suelo de los datos obtenidos durante este experimento.

Entender procesos de transporte de masa y energía en la zona no saturada son importantes para muchas aplicaciones en las disciplinas agrícolas y ambientales. Entre los procesos, flujo de agua variable saturado es el proceso esencial ya que muchos de los otros procesos, como procesos físicos, geoquímicos, biológicos y mecánicos incluso, generalmente se juntan con flujo de agua. Avances recientes en técnicas geofísicas han permitido a monitorear procesos hidrológicos en la zona no saturada no invasiva. Entre muchas de las técnicas geofísicas, radar penetrante de tierra (GPR) es una de las técnicas más ampliamente utilizadas para supervisar y para caracterizar la dinámica del agua del suelo debido a la propagación de ondas electromagnéticas de (EM) emitida y recibida por las antenas de la GPR es caracterizado por suelos humedad contenido1,2,3,4. Entre los sistemas disponibles, superficie sobre terreno GPR (denominado superficie GPR en el resto del manuscrito) es el más común el uso en un campo. Tradicionales sistemas GPR superficiales con un transmisor y un receptor (sistemas de radar biestático) se utilizan para explorar el subsuelo con una separación constante de transmisor/receptor (offset). Conjuntos de datos recogidos en esta configuración también son conocidos como offset común reúne (COG). Datos de radar aparecen como series de tiempo basados en el tiempo del recorrido total entre el transmisor, eventuales reflectores y hacia el receptor. Con el fin de convertir el tiempo del recorrido a la información de profundidad, velocidad de las ondas EM en el subsuelo necesita ser estimado. Por ejemplo, esto puede hacerse a través del análisis de multi-offset gather (MOG) conjuntos de datos5.
Aunque ha habido un número de estudios con el GPR para supervisar infiltración subsuperficial procesos6,7,8,9, ninguno de ellos determina directamente la ubicación del frente de humectación o la onda del EM estructura de velocidad que está cambiando con el tiempo durante la infiltración. El enfoque común es utilizar objetos enterrados a profundidades conocidas como reflectores de referencia para determinar la velocidad media de las ondas EM y mojando profundidad frontal. Desde el frente de humedecimiento cambia dinámicamente durante la infiltración, Time-lapse MOG deberá recogerse en intervalos de poco tiempo para aprovechar los cambios en la estructura de velocidad de la onda EM sin usar objetos de referencia. Con común biestático superficie antenas GPR, la colección de lapso de tiempo MOG a intervalos cortos entre ellos es difícil o imposible ya que requiere para mover manualmente antenas para configurar las distintas configuraciones de desvío. Recientemente, una familia de matriz de antena GPR (denominada matriz de GPR en adelante) se ha utilizado ampliamente la superficie rápida y exactamente10. El concepto básico de la matriz de GPR es proporcionar franjas densas con un mínimo esfuerzo cambiando electrónicamente múltiples antenas montados en un marco único. Sistemas de arreglos de GPR se han utilizado principalmente para generar imágenes 3D subsuperficiales de amplias zonas rápidamente. Algunos ejemplos de aplicaciones típicas para estos sistemas son inspección de carreteras y puentes11, prospección arqueológica12 y de13,de detección de artefactos sin estallar y minas14. Para tales fines, la matriz de GPR se utiliza principalmente para explorar el subsuelo con una configuración de separación constante antena para recoger COG. Aunque se ha demostrado que MOG recogidos con una matriz que GPR podría ser utilizado para la estimación de velocidad15, la aplicación práctica de esta metodología se ha limitado a unos pocos casos. Colocando el conjunto de antenas en un lugar fijo, puede recogerse fácilmente tiempo transcurrido MOG. Como se demuestra en nuestra reciente publicación16, Time-lapse radargramas recogidos con la matriz sistema GPR retratan algo claramente las señales de reflexión desde el frente de mojado como se mueve gradualmente hacia abajo durante un experimento de la infiltración vertical a cabo en una duna de arena. El principal objetivo del trabajo fue demostrar cómo se utiliza la matriz GPR para recoger MOG lapso de tiempo durante la prueba de infiltración y cómo analizar los datos para el seguimiento de la profundidad del frente de humedecimiento.
En este estudio, utilizamos un conjunto de antenas que consta de 10 que se transmite (Tx0 - Tx9) y recibir (Rx0 - Rx10) 11 pajarita antenas monopolo. El desplazamiento de los elementos de la antena dentro de la matriz se muestra en la figura 1 (véase Tabla de materiales). El conjunto de antenas está controlado por una unidad de radar de onda continua frecuencia de paso (SFCW) opera en el rango de frecuencia de 100 MHz a 3.000 MHz. La matriz de interruptores de GPR a través de una secuencia definida por el usuario de pares de Rx-Tx usando a multiplexores de radio frecuencia (RF) en el arsenal de antena10. El número máximo de combinaciones de Tx-Rx para este sistema en particular es 110. Para este experimento, configura la matriz GPR para utilizar todas las combinaciones de 110, programar la secuencia de escaneo para que cada transmisor de Tx0 a Tx9, fue emparejado secuencialmente con todos los 11 receptores de Rx0 Rx10. El tiempo necesario para realizar un análisis a través de todas las combinaciones de 110 es de menos de 1,5 segundos. El desplazamiento entre emisor y receptor se calculó con base en la distancia entre los puntos de alimentación de los elementos de la antena, donde el desplazamiento vertical es de 85 mm como se muestra en la 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

Un sistema de tierra penetrante Radar (GPR) basado en un conjunto de antenas geotérmicos, densamente pobladas fue utilizado para recopilar datos durante un experimento de infiltración llevado a cabo en un sitio de prueba cerca de la duna de arena de Tottori, Japón. El conjunto de antenas utilizado en este estudio consta de 10 antenas de transmisión (Tx) y recepción (Rx) de antenas de 11. Para este experimento, el sistema fue configurado para usar todos los emparejamientos de Tx-Rx posible, resultando en un desplazamiento múltiple se reúnen (MOG) consisten en combinaciones de Tx-Rx 110. La matriz se quedó inmóvil en una posición directamente sobre la zona de infiltración y se recogieron datos cada 1,5 segundos usando un desencadenador basado en tiempo. Cubos de datos Offset común se reúnen (COG) y el punto medio común (CMP) fueron reconstruidos de los datos MOG durante el procesamiento posterior. Ha habido pocos estudios que utilizan datos CMP Time-lapse para estimar cambios en la velocidad de propagación. En este estudio, la velocidad de las ondas electromagnética (EM) se estimó heurísticamente a intervalos de 1 minuto de los datos CMP reconstruidos a través de la curva de ajuste, utilizando la ecuación de la hipérbola. Luego se procedió a calcular la profundidad del frente de humectación. La evolución del frente de humectación con el tiempo obtener a través de este método es consistente con las observaciones de un sensor de humedad de suelo que se colocó a una profundidad por debajo de 20 cm. Los resultados obtenidos en este estudio demuestran la capacidad de dicha matriz sistema GPR para monitorear un proceso dinámico subsuperficial como la infiltración de agua precisa y cuantitativa.

La figura 3 muestra un time-lapse panel Diagrama de combinaciones de Tx-Rx 110 adquirido cada 1.5 s durante los primeros 60 minutos del experimento de infiltración, después de convertir los datos de la frecuencia al dominio del tiempo. Para mejorar la reflexión en profundidad, un filtro pasabanda se aplicó seguido por compensación de ganancia. El diagrama de panel puede dividirse en 10 secciones, cada sección corresponde a un Tx particular. La ubicación del Tx es indicada por un triángulo blanco, y cada segmento corresponde a una señal de Time-lapse grabada para un Rx. El eje vertical muestra el tiempo de viaje de dos vías o TWT, es decir, el tiempo necesario para la onda del EM viajar desde el transmisor hacia el receptor y el reflector eventual. Los perfiles muestran la amplitud de la señal en un mapa de color de escala de grises. Un gran contraste en el color indica gran amplitud en la señal de radar registrados. Reflexiones de la onda EM se producen en la interfaz entre capas de diferente constante dieléctrica o de objetos con diferentes características eléctricas que el medio circundante; un alto contraste dieléctrico determinarán una reflexión de gran amplitud. Durante el proceso de infiltración de agua, hay una zona denominada la zona de transición donde el contenido de agua aumenta gradualmente desde el borde de la zona de adherencia de soldadura, que es donde el agua penetra en el suelo inicialmente secado. La onda del EM es probable que se refleja no en las afueras, pero dentro de la zona de transición, como se observa en los estudios de detección de agua tabla18. En el resto del manuscrito, este área de la reflexión se conoce como el frente de humectación. En la figura 3, una señal de alta amplitud aparece y se mueve constantemente hacia abajo tiempo avanza durante el experimento. Esta reflexión se produce de hecho por el frente de humedecimiento que el agua penetra poco a poco hacia abajo en el subsuelo. De este diagrama, COG y CMP se pueden reconstruir como se muestra en la figura 2 de Iwasaki et al. 16
Se realizó análisis de velocidad en el CMP datos cada 1 minuto. Para cada conjunto de datos CMP, el tiempo del recorrido bidireccional dado por la ecuación (1) fue cabido a la reflexión desde el frente de humedecimiento ajustando t0 y vr, suponiendo una capa uniforme en la zona mojada. Fue corregido tiempo cero montando la onda de aire con la velocidad de 0,3 m/ns. Figura 4 muestra los datos CMP a intervalos de 5 minutos de tiempo transcurrido te = 5 min a te = 50 min junto con las curvas de mejor ajuste aparecen como líneas blancas (líneas sólidas para la onda reflejada) y línea punteada para la onda de aire. Puesto que la onda de aire no es una onda reflejada, sino la señal directa entre emisor y receptor, el tiempo de viaje aumenta linealmente con el desplazamiento. Todas las curvas se ajustaron a los picos positivos (en color blanco) de las ondas reflejadas. Dispone de todas las curvas bien a las curvas reflejadas observadas que se muestra en el CMP de radargramas en compensaciones todos, que significa que los valores estimados para t0 y vr son buenos. Para el experimento de infiltración, un panel de madera secando se colocó entre la antena y los tubos porosos. Debido a que el panel tiene un mucho constante dieléctrica menor que la de suelo mojado, sus efectos en la propagación de la onda EM pueden no ser despreciables, aunque es delgado. Un modelo de dos capas entonces se consideraba además el modelo de capa uniforme mencionado, suponiendo un valor de 3 para la constante dieléctrica de la superior 5 cm. También para este segundo modelo, se estimó la EM ola velocidad vr por ajuste en el reflejo producido por el frente de humedecimiento de la curva.
En Figura 5, Estimado profundidades frente de humedecimiento se trazan en función de te para los modelos simples y doble capa. Se aprecia que el frente de humedecimiento se mueve hacia abajo casi linealmente con el tiempo para ambos modelos, a excepción de una desaceleración entre te = 10 min y te = 20 minutos las diferencias entre dos modelos inicialmente no son importante, pero el tiempo transcurre la estimación para el modelo de uniforme se mueve ligeramente más rápido en comparación con el modelo de dos capas. En la figura 5, símbolos de diamante se utilizan para marcar los tiempos cuando las lecturas de los sensores de humedad comenzaron a aumentar y cuando más tarde llegaron a ser constantes; éstos están conectados con una línea sólida para cada profundidad del sensor. Como se mencionó anteriormente, la reflexión de la onda EM no necesariamente ocurre en el borde mismo de la zona húmeda; en otras palabras, teniendo en cuenta una cierta profundidad, se puede esperar de esta reflexión a ser emparejar el punto en hora en las lecturas de un sensor comienzan a aumentar. En este sentido, la reflexión es atribuible a un nivel de profundidad en el frente de infiltración donde se ha alcanzado una cierta saturación de agua, en comparación con el área inmediatamente inferior. Teniendo en cuenta los sensores a los 30, 40 y 60 cm de profundidad, la estimación de la profundidad de humedecimiento frente obtenida de los datos GPR cae en el rango mostrado por las líneas sólidas en la línea de tiempo. El tiempo cuando el GPR Estimado orinarse frente llegó a 20 cm de profundidad corresponde a la época cuando se observó el aumento repentino en la lectura del sensor, mientras que la estimación GPR alcanzó la profundidad de 10 cm mucho más rápido que lo que fue producido por el sensor de humedad , aunque la señal de reflexión desde el frente de humedecimiento se observa claramente después de te = 5 minutos (figura 4). También, debe mencionarse que la extrapolación de la GPR Estimado curva no pasa por el origen. Aunque no está claro qué causó esta discrepancia a menor profundidad, puede haber unas posibles explicaciones. Puede atribuirse a la heterogeneidad en las propiedades del suelo, o puede ser debido a la falta de uniformidad en la aplicación de agua. Si es el caso, esto tendría un mayor efecto durante el proceso de infiltración que en una etapa posterior. Otra explicación podría ser que la rugosidad de la superficie afecta la determinación de tiempo cero. Además del efecto del panel de madera y los tubos porosos, el efecto de la rugosidad de la superficie debe tenerse en cuenta.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56847/56847fig1.jpg"> Figura 1 : Esquema de la matriz de tierra penetrante configuración de antena de radar utilizado en este estudio. Estructuras en forma de V son antenas monopolo de corbatín. Hay 10 antenas de transmisión (Tx) y recepción (Rx) antenas de alineados horizontalmente de 11. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig1large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/56847/56847fig2.jpg"> Figura 2: esquemas de la experiencia de infiltración. (A) vista superior y (B) vista lateral en la que la antena se colocó encima de seis tubos porosos de 250 cm alinean 15 cm de separación. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig2large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/56847/56847fig3.jpg"> Figura 3 : Time-lapse radargramas obtuvieron durante los primeros 60 minutos del experimento infiltración. Los datos consisten en señales registradas 110 combinaciones de antena. Una rebanada corresponde a datos Time-lapse con una sola combinación de Tx-Rx. Un color diferente se utiliza para la amplitud de la señal. Líneas negras verticales datos separados para los triángulos de cada Tx. White indican las ubicaciones de Tx. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig3large.jpg" target="_blank">haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/56847/56847fig4.jpg"> Figura 4 : Radargramas de CMP en te = 5 min a te = 55 min a intervalos de 5 min. El blanco líneas sólidas representan manualmente equipado trayecto bidireccional de la reflexión desde el frente de mojado, mientras que las líneas discontinuas blancas representan el tiempo del recorrido de la onda de aire. <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig4large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/56847/56847fig5.jpg"> Figura 5 : Mojar profundidades frente. Mojar profundidades frente estimado de matriz GPR en time-lapse multi-offset se reúnen en función del tiempo transcurrido para el uniforme (triángulos) y los modelos de dos capas (cuadrados). Líneas negras con diamantes en ambos extremos muestran el tiempo entre el aumento inicial en lecturas y cuando alcanzaron un nivel constante para cada profundidad del sensor (es decir, la duración de la zona de transición). <a href="https://cloudflare.jove.com/files/ftp_upload/56847/56847fig5large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta 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

Seguimiento infiltración frente profundidad usando Time-lapse offset múltiple reúne recogidos con arreglo antena tierra penetrante Radar

Aquí presentamos un sistema de tierra penetrante Radar (GPR) basado en un conjunto de antenas geotérmicos, densamente pobladas para supervisar el proceso dinámico de la infiltración de aguas subsuperficiales. Una imagen de radar de Time-lapse del proceso de infiltración permitió estimar la profundidad del frente de humectación durante el curso del proceso de infiltración.

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

El seguimiento de la contaminación microbiana en los entornos comerciales Usando fluorescente Polvo - Un menor Charcutería Ambiente Ejemplo

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

Investigación

Medio ambiente

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

Método EPA 1615. La medición de enterovirus y norovirus Ocurrencia en agua por cultura y RT-qPCR. I. Colección de ejemplos 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

Método EPA 1615. La medición de enterovirus y norovirus Ocurrencia en agua por cultura y RT-qPCR. Parte III. Detección de virus 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

Cómo crear la aversión condicionada al sabor para el pastoreo Cubiertas de Tierra en cultivos leñosos procedentes de pequeños rumiantes

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

El pretratamiento de la biomasa lignocelulósica con bajo costo líquidos iónicos

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

La integración de Teledetección con especies modelos de distribución; Mapeo Tarayes invasiones Uso del software de Modelado asistido Hábitat (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 seguimiento de vídeo a la pantalla Químicos de disuasión para las abejas de miel

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

Seguimiento de partículas lagrangianas basadas en imágenes en experimentos de carga de la 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 refrigeración de absorción Solar con colector 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

Caracterización de biopelículas acuáticas con citometría de flujo

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