可视化潜流流通过底形用染料试验及仿真
November 18th, 2015
这份手稿描述了如何在水槽中创建规则的床模，可视化通过床模的流动，并使用计算机模拟来模拟流动。 计算机模拟结果与实验观察结果相差无几。 这种耦合的模拟和实验非常适合研究和教育目的。
该程序的总体目标是使用建模软件通过实验演示 hypo EIC 流，该软件创建与物理实验高度一致的模拟。该方法通过展示流经溪流下沉积物的水流如何受到沉积物、地形和地表水特性的影响，帮助演示水文学领域的关键概念。虽然这种方法可用于研究超 IC 流，但它也可以用于教育实验室，向所有级别的学生演示超 IC 流。
该技术的主要优点是它将物理实验室实验与模拟相同现象的交互式计算机软件相结合。视觉演示显示了物理实验和模拟之间的空间相似性和差异性，这鼓励了对超原理的更深入理解。首先安装所需的软件，即 net logo 和两个在 net 中运行的脚本。
徽标、鼠标拖放和界面。接下来，按照文本协议中的说明，设置实验室 Flume，使所有参数都在鼠标放置模拟参数范围约束范围内。运行水槽 12 到 24 小时，以创建具有所需特性的床形。
调整水槽坡度和水深，以实现在床形上的均匀流动。目标是使床状的沉积物颗粒看起来不移动，尽管一点点移动可能是不可避免的。首先，在泵运行时使流量均匀。
选择水槽底部的两个点，并记录每条线到水面的距离。然后调整到水槽的坡度或水深，直到这些垂直距离测量值相同。其次，停止泵并等待水停止移动。
然后在与之前相同的位置，测量从水槽底部到水面的距离，并测量这些垂直测量值之间的距离。计算通道斜率的方法为：这些测量值之间的差值除以它们之间的倾斜水平距离。现在，重新启动泵并选择一个测试部分。
选择靠近水槽中端或下游端的位置，沙丘已形成规则模式。此部分必须包含至少一个 full bed 表格。在测试部分。
使用透明尺进行一些测量。首先，通过在沙丘槽和沙丘顶部进行测量来确定平均沉积物深度。这些测量值之间的差异是床层高度。
接下来，求平均水深，即从水面到沙床表面的平均距离。然后通过测量连续沙丘波峰之间的距离来测量和记录平均床形波长。接下来，记录再循环回路中流量计的通道流速，并计算平均流速。
现在，打开鼠标放置仿真并检查所有这些测量值是否在用户界面中指定的范围内。如果测量的参数超出约束范围，请通过右键单击滑块、选择、编辑和调整最小值和最大值来调整参数范围。首先，在三脚架上设置一个摄像头，与水槽壁正交。
图片应以测试部分的单人床表格为中心。如果反射是一个问题，请修复相机的位置并调整照明，在图片中包括标尺可以帮助缩放。接下来，使用注射器和针头，在水槽壁附近注射两到三个小染料。
这些注射应形成两厘米的彩色倒水斑块，应放置在各种垂直和水平位置。记录染料注射的开始时间并拍摄初始照片。使用透明纸描摹染料周围的初始 D 前沿和边界可能具有教育意义。
因此，在实验室中更容易观察它们的动作，但这种方法有其权衡。使用相机，以适当的时间间隔捕捉 D 正面位置。对于延时摄影，请使用 32 次间隔以获得流畅的结果。
对于模拟。首先运行 mouse drop 并将结果与观察到的染料运输进行比较。在 mouse drop 中，调整物理系统参数以匹配 flumes 实验条件。
输入这些参数时，请务必仔细注意单位。接下来，调整滑块以指示模拟追踪颜色将在什么时间发生变化。设置这些颜色更改以匹配观察到的时间。
如果时间参数全部设置为零，则模拟将在整个过程中显示单一颜色。设置完所有参数后，单击设置按钮。Bed Formm 应显示在模拟视图中。
接下来，单击鼠标拖放按钮以指示虚拟跟踪器的起始位置。可以单击床上的多个位置。按住鼠标可释放更多虚拟跟踪器。
放置完所有虚拟示踪剂后，您可以单击前进到下次按钮来运行仿真。在第一次之前，不要重新单击设置按钮，否则将不得不再次放置跟踪器。您也可以单击 go stop 按钮来运行模拟。
跟踪器将继续移动，直到所有虚拟跟踪器都离开系统，除非您点击开始停止按钮。同样，这可用于暂停模拟，因此可以在模拟和测量的染料分布之间进行比较。仿真开始运行后，将计算每个示踪剂位置的速度。
根据仿真参数，示踪剂使用该速度移动到新位置，然后重复该过程，直到示踪剂离开系统。接下来，单击 setup 然后 go stop 来运行接口仿真。这将使用默认设置运行模拟。
默认情况下，接口仿真根据计算出的地下速度，以通量加权方式在河床表面上引入虚拟示踪剂，颗粒离开路径显示它们所在的位置。将 show paths 按钮设置为关闭以消除这些路径。将红色放置开关设置为打开状态会禁用累积停留时间分布图，并每次释放一个新粒子。
一个退出系统。使用默认参数观察仿真后，单击 go stop 停止以停止仿真。然后更改一个或多个参数，通过单击设置使用新参数重新开始模拟，然后单击 go stop here ，我们调整床形高度，运行模拟，然后重复该过程，调整床深度以将模拟与实验结果进行比较。
初始照片用于确定模拟 D 示踪剂在时间零的位置。然后，模拟运行 34.2 分钟，并与当时拍摄的照片进行比较。总的来说，这个模型做得非常出色。
每个 D 斑点沿与模型相同的一般方向移动，并且变形方式与模拟的 D 斑点类似。然而，仔细检查会发现一些差异。例如，右侧的 D blob 比模拟更像 bean 形状。
这可能是由于该斑点正上方的床形地形中可观察到的倾角，这是在注入沉积物期间产生的。另一个常见的差异是时间安排，它也不完美。这可能是由于沉积物特性测量中的轻微误差。
常见的差异是由测量误差和不规则的床层几何形状变化和沉积物堆积等引起的二阶物理效应共同形成的。一旦掌握，这项技术可以在 24 小时内完成。在尝试此过程时，重要的是要让床形稳定，要有耐心，并在进行和输入测量时注意单位。
按照此程序，可以进行其他实验，以回答有关地形、水力传导率和地表水特性对高流影响的其他问题。看完这个视频后，你应该对如何通过实验可视化超流以及如何使用我们的计算机模拟有了很好的了解。
View the full transcript and gain access to thousands of scientific videos
概览
本手稿展示了如何通过物理实验和计算机模拟的结合来实验性地可视化地下水流动。该方法有效地说明了关键的水文学概念并增强了教育理解。
关键研究组成部分
科学领域
- 水文学
- 环境科学
- 流体动力学
背景
- 地下水流是流经河流下方和沿岸沉积物的水流。
- 本研究利用了实验和计算方法。
- 该方法适用于各种教育层次。
- 了解地下水流对于水资源管理至关重要。
研究目的
- 实验性地展示地下水流。
- 比较实验结果与计算机模拟。
- 增强教授水文学概念的教育工具。
使用的方法
- 安装NetLogo软件进行模拟。
- 执行脚本以模拟地下水流。
- 在水槽中进行物理实验。
- 可视化流经床形的水流。
主要结果
- 计算机模拟与实验观察结果紧密匹配。
- 视觉展示突出了相似性和差异。
- 该方法有效地说明了水文学原理。
- 鼓励对地下水流的更深入理解。
结论
- 这种耦合方法对研究和教育有益。
- 它提供了对地下水流动力学的全面理解。
- 模拟的整合增强了学习成果。
常见问题
Executive Industry Relevance
Quantitative visualization of hyporheic flow using coupled dye experiments and simulation provides a robust framework for interrogating solute transport and interfacial exchange in porous media. This approach enhances predictive confidence in environmental modeling workflows and supports mechanistic de-risking for biopharma teams developing preclinical models of compound fate and transport. The method's reproducibility and parameter sensitivity analysis enable risk-adjusted advancement of discovery-stage hypotheses involving environmental or engineered porous systems.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables direct visualization of solute movement through sediment matrices, supporting mechanistic hypothesis testing.
- Facilitates parameter-driven de-risking by allowing systematic variation of sediment, flow, and bedform characteristics.
- Supports functional validation of transport models relevant to compound distribution in complex environments.
Screening & Assay Development
- Provides a validated, reproducible system for benchmarking quantitative tracer movement and solute exchange.
- Enables standardization of input parameters for cross-laboratory assay development and comparison.
- Supports rapid iteration and scalability through simulation, reducing experimental cycle times.
Translational & Preclinical Research
- Aligns experimental and simulation outputs to improve predictive value for preclinical transport models.
- Enables continuity from discovery through preclinical validation by linking physical and computational data.
- Supports risk-adjusted decisions on model system selection and parameterization.
Pipeline & Workflow Integration
This method integrates at the interface of early discovery and preclinical model development, bridging physical experimentation with computational simulation for solute transport studies.
- Discovery Biology: Supports hypothesis testing and mechanistic clarification of solute exchange in porous systems.
- Screening: Delivers reproducible, quantitative tracer movement data for assay readiness.
- Analytics: Provides time-resolved, spatially explicit measurements for robust statistical comparison.
- Translational Research: Facilitates alignment of experimental and simulation data for preclinical model validation.
- Enterprise Reuse: Offers a reusable platform for parameter sensitivity analysis and cross-project benchmarking.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in solute transport modeling.
- Operational Value: Standardizes experimental and simulation workflows for reproducibility and scalability.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient model development.
- Portfolio Impact: Supports risk-adjusted prioritization of discovery and preclinical transport studies.
Implementation Considerations
- Requires expertise in both physical experimentation and computational modeling platforms (e.g., NetLogo).
- Demands precise measurement and control of sediment, flow, and bedform parameters for reproducibility.
- Needs standardized imaging and data capture infrastructure for quantitative comparison.
- Adaptation across different sediment types or flow regimes may require protocol adjustments.
- Potential discrepancies arise from measurement errors or physical system variability, necessitating careful calibration.
