Method Article

Śledzenie głębokości frontu infiltracji za pomocą poklatkowych zbiorów z wieloma przesunięciami zebranych za pomocą radaru penetrującego grunt z anteną tablicową

DOI:

10.3791/56847

⸱

May 1st, 2018

 ,  ,  ,  ,  , 
1Graduate School of Agriculture, Tokyo University of Agriculture and Technology, 2National Institute for Rural Engineering, National Agriculture and Food Research Organization, 3Arid Land Research Center, Tottori University, 4GeoFive Co. Ltd, 53D-Radar

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tutaj prezentujemy system georadarowy (GPR) oparty na gęsto zaludnionym układzie antenowym do monitorowania dynamicznego procesu infiltracji wód podpowierzchniowych. Poklatkowy obraz radarowy procesu infiltracji pozwolił na oszacowanie głębokości frontu zwilżającego w trakcie procesu infiltracji.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

System georadarowy (GPR) oparty na gęsto zaludnionym układzie antenowym został użyty do zbierania danych podczas eksperymentu infiltracji przeprowadzonego na poligonie testowym w pobliżu Wydmy Tottori w Japonii. Układ antenowy wykorzystany w tym badaniu składa się z 10 anten nadawczych (Tx) i 11 anten odbiorczych (Rx). Na potrzeby tego eksperymentu system został skonfigurowany tak, aby wykorzystywał wszystkie możliwe pary Tx-Rx, w wyniku czego powstało Multi-Offset Gather (MOG) składające się ze 110 kombinacji Tx-Rx. Matrycę pozostawiono nieruchomą w pozycji bezpośrednio nad obszarem infiltracji, a dane zbierano co 1,5 sekundy za pomocą spustu czasowego. Kostki danych Common-Offset Gather (COG) i Common Mid-Point (CMP) zostały zrekonstruowane z danych MOG podczas przetwarzania końcowego. Przeprowadzono niewiele badań, w których wykorzystano poklatkowe dane CMP do oszacowania zmian prędkości propagacji. W tym badaniu prędkość fali elektromagnetycznej (EM) oszacowano heurystycznie w odstępach 1-minutowych na podstawie zrekonstruowanych danych CMP poprzez dopasowanie krzywej, przy użyciu równania hiperboli. Następnie przystąpiliśmy do obliczania głębokości frontu zwilżającego. Ewolucja frontu zwilżania w czasie uzyskana tą metodą jest zgodna z obserwacjami z czujnika wilgotności gleby, który umieszczono na głębokości poniżej 20 cm. Wyniki uzyskane w tym badaniu pokazują zdolność takiego systemu georadarowego do dokładnego i ilościowego monitorowania podpowierzchniowego procesu dynamicznego, takiego jak infiltracja wody.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Zrozumienie procesów transportu masy i energii w strefie wadozowej jest ważne dla wielu zastosowań w rolnictwie i ochronie środowiska. Wśród tych procesów przepływ wody nasyconej jest procesem podstawowym, ponieważ wiele innych procesów, takich jak procesy fizyczne, geochemiczne, biologiczne, a nawet mechaniczne, jest zwykle sprzężonych z przepływem wody. Najnowsze osiągnięcia w technikach geofizycznych pozwoliły na nieinwazyjne monitorowanie procesów hydrologicznych w strefie wadozy. Spośród wielu technik geofizycznych, georadar penetracyjny (GPR) jest jedną z najczęściej stosowanych technik monitorowania i charakteryzowania dynamiki wody w glebie, ponieważ propagacja fal elektromagnetycznych (EM) emitowanych i odbieranych przez anteny georadarowe charakteryzuje się zawartością wilgoci w glebie1,2,3,4. Spośród dostępnych systemów, naziemna georadar powierzchniowy (określany jako georadar powierzchniowy w pozostałej części manuskryptu) jest najczęściej stosowany w terenie. Tradycyjne powierzchniowe systemy georadarowe z jednym nadajnikiem i jednym odbiornikiem (bistatyczne systemy radarowe) są powszechnie używane do skanowania podłoża ze stałą separacją nadajnik-odbiornik (offset). Zestawy danych zebrane w tej konfiguracji są również znane jako wspólne zbiory offsetowe (COG). Dane radarowe są wyświetlane jako szeregi czasowe w oparciu o całkowity czas podróży między nadajnikiem, ewentualnymi reflektorami i z powrotem do odbiornika. Aby przeliczyć czas podróży na informacje o głębokości, należy oszacować prędkość fali EM w podpowierzchni. Na przykład można to zrobić poprzez analizę zestawów danych MOG (multi-offset collect)5.

Chociaż przeprowadzono wiele badań wykorzystujących georadar do monitorowania procesów infiltracji podpowierzchniowej6,7,8,9, żadne z nich nie określiło bezpośrednio lokalizacji frontu zwilżającego ani struktury prędkości fali EM, która zmienia się w czasie podczas infiltracji. Powszechnym podejściem jest wykorzystanie obiektów zakopanych na znanych głębokościach jako reflektorów referencyjnych w celu określenia średniej prędkości fali EM i głębokości frontu zwilżającego. Ponieważ front zwilżający zmienia się dynamicznie podczas infiltracji, poklatkowy MOG musi być zbierany w krótkich odstępach czasu, aby wykorzystać zmiany w strukturze prędkości fali EM bez użycia obiektów referencyjnych. W przypadku typowych bistatycznych powierzchniowych anten georadarowych zbieranie poklatkowych MOG w krótkich odstępach czasu między sobą jest trudne lub niemożliwe, ponieważ wymaga ręcznego przesuwania anten w celu ustawienia różnych konfiguracji offsetu. Ostatnio rodzina układów antenowych GPR (określana dalej jako georadar macierzowy) jest szeroko stosowana do szybkiego i dokładnego obrazowania powierzchni podpowierzchniowej10. Podstawową koncepcją georadaru matrycowego jest zapewnienie gęstych pokosów przy minimalnym wysiłku poprzez elektroniczne przełączanie wielu anten zamontowanych w jednej ramie. Matrycowe systemy georadarowe są używane głównie do szybkiego generowania podpowierzchniowych obrazów 3D dużych obszarów. Niektóre przykłady typowych zastosowań tych systemów to inspekcja dróg i mostów11, prospekcja archeologiczna12 oraz wykrywanie niewybuchów i min lądowych13,14. Do takich celów tablica georadarowa jest używana głównie do skanowania podłoża z konfiguracją stałej separacji anteny w celu zbierania COG. Chociaż wykazano, że MOG zebrane za pomocą tablicy georadarowej mogą być wykorzystane do szacowania prędkości15, praktyczne zastosowanie tej metodologii zostało ograniczone do zaledwie kilku przypadków. Umieszczając układ antenowy w stałym miejscu, można łatwo zbierać poklatkowe MOG. Jak wykazano w naszej ostatniej publikacji16, radary poklatkowe zebrane za pomocą systemu georadarowego dość wyraźnie przedstawiają sygnały odbicia od frontu zwilżającego, który stopniowo przesuwa się w dół podczas eksperymentu infiltracji pionowej przeprowadzonego na wydmie. Głównym celem pracy było zademonstrowanie, w jaki sposób można wykorzystać georadar do zbierania poklatkowego MOG podczas testu infiltracji oraz jak analizować takie dane w celu śledzenia głębokości frontu zwilżającego.

W tym badaniu użyliśmy układu antenowego składającego się z 10 anten nadawczych (Tx0 - Tx9) i 11 odbiorczych (Rx0 - Rx10) monopolowych z wiązaniem na dziobie. Przemieszczenie elementów anteny w obrębie układu pokazano na rysunku 1 (patrz tabela materiałów). Układ antenowy jest sterowany przez jednostkę radarową SFCW (Step-Frequency Continuous Waveform) działającą w zakresie częstotliwości od 100 MHz do 3 000 MHz. Matryca GPR przełącza się przez zdefiniowaną przez użytkownika sekwencję par Rx-Tx za pomocą multiplekserów o częstotliwości radiowej (RF) w tablicy antenowej10. Maksymalna liczba kombinacji Tx-Rx dla tego konkretnego systemu wynosi 110. W tym eksperymencie skonfigurowaliśmy matrycę GPR tak, aby używała wszystkich 110 kombinacji, programując sekwencję skanowania tak, aby każdy nadajnik, od Tx0 do Tx9, był sekwencyjnie sparowany ze wszystkimi 11 odbiornikami od Rx0 do Rx10. Czas potrzebny do wykonania skanowania wszystkich 110 kombinacji wynosi mniej niż 1,5 sekundy. Przesunięcie między nadajnikiem a odbiornikiem zostało obliczone na podstawie odległości między punktami zasilania elementów anteny, gdzie przesunięcie pionowe wynosi 85 mm, jak pokazano na rysunku 1.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Głównym celem tego badania było wykorzystanie systemu georadarowego do wizualizacji dynamicznych procesów zachodzących pod powierzchnią, takich jak infiltracja wody, ważne jest również opisanie jak przeprowadzono test infiltracji.

1. Test infiltracji terenowej

  1. Wybierz miejsce z nieosłoniętą powierzchnią do testu infiltracji.
    nuta: Na potrzeby tego badania test infiltracji został przeprowadzony w dużej szklarni Centrum Badań nad Terenami Suchymi Uniwersytetu Tottori w Japonii. Więcej informacji można znaleźć w najnowszej publikacji16.
  2. Umieść na powierzchni sześć porowatych rurek o długości 2,5 m równolegle w odległości 15 cm od siebie, tak aby zapewnić równomierną infiltrację (Rysunek 2).
  3. Podłącz jeden koniec rurek do wlotu regulowanego zaworem, który jest podłączony do zbiornika na wodę lub kranu, a drugi koniec do wylotu w celu usunięcia nadmiaru wody.
  4. Umieść cienki drewniany panel o wymiarach 910 x 1802 mm2 (nieco większy niż układ antenowy), aby zakryć porowate rurki.
  5. Sprawdź wpływ drewnianego panelu na sygnał radarowy przed testem infiltracji.
  6. Zainstaluj czujniki wilgotności gleby tuż obok panelu drewnianego, aby monitorować zmiany wilgotności gleby na różnych głębokościach.
    nuta: Celem tych czujników jest dostarczenie danych referencyjnych wykorzystywanych do kontroli krzyżowej wyników uzyskanych z analizy danych georadarowych. W tym badaniu obok anteny zainstalowano prętowy czujnik wilgotności gleby (patrz tabela materiałów) w celu monitorowania stałej dielektrycznej gleby na głębokości 10, 20, 30, 40, 60 i 100 cm.

2. Pomiar georadarowy

  1. Umieść antenę GPR na drewnianym panelu.
    nuta: W tym badaniu antena pozostała nieruchoma, aby zapewnić spójność rejestrowanych sygnałów.
  2. Podłącz antenę do kontrolera za pomocą koncentrycznych.
  3. Podłącz kontroler do laptopa za pomocą Ethernet.
  4. Zdecyduj o kombinacjach anten i ich kolejności, aby zapewnić bezproblemowe zbieranie zarówno wspólnego zbierania offsetowego (COG), jak i zbiorczego zbierania offsetowego (MOG).
    nuta: W niniejszej pracy wykorzystano wszystkie możliwe kombinacje dla tablicy georadarowej, którą dysponujemy (110). Wykonanie pełnego skanowania we wszystkich kombinacjach zajęło mniej niż 1,5 s.
  5. Rozpocznij rejestrację danych georadarowych za pomocą oprogramowania do zbierania danych.
    nuta: Ważne jest, aby rozpocząć zbieranie danych przed wstrzyknięciem wody do porowatych rurek.
  6. Otwórz zawór, aby podać wodę (tj. rozpocząć proces infiltracji).
    nuta: Szybkość wtryskiwania wody do podłoża można określić na podstawie właściwości hydraulicznych (np. przewodności hydraulicznej) gruntu docelowego. Natężenie przepływu użyte w tym badaniu wynosiło 7 000cm3/min, czyli mniej niż nasycona przewodność hydrauliczna piasku wydmowego.
  7. Po wstrzyknięciu określonej ilości wody zamknij zawór.
    nuta: Wodę wstrzykiwano w sposób ciągły przez 4 godziny, a do badania zużyto łącznie 1 680 l wody.
  8. Kontynuuj skanowanie za pomocą macierzy georadarowej przez dodatkowy okres czasu, aby monitorować proces redystrybucji w celu dalszej analizy.
    nuta: Tablica georadarowa zbierała dane przez 4 godziny po zamknięciu zaworu. Niemniej jednak dane te nie zostały przeanalizowane na potrzeby prezentowanego tu badania.

3. Analiza danych do szacowania prędkości

  1. Zrekonstruuj dane COG i CMP, wyodrębniając względne kombinacje Tx-Rx z ogólnej kostki danych. Udało się to osiągnąć dzięki niestandardowemu kodowi opracowanemu przez autorów, który przegrupował profile radaru tak, aby grupować pary Tx-Rx o identycznym przesunięciu (COG) i te o tym samym punkcie środkowym (CMP).
    nuta: Ponieważ do tego badania użyto jednostki georadarowej SFCW, surowe dane znajdują się w dziedzinie częstotliwości; operacja konwersji częstotliwości na czas została wykonana przy użyciu oprogramowania dostarczonego przez producenta systemu georadarowego.
  2. Oszacuj optymalną prędkość fali EM w strefie zwilżania w danym czasie, dopasowując obliczony czas podróży dwukierunkowej, tc, fali EM odbitej na froncie infiltracji do obserwowanych sygnałów. Prędkość z najlepszym dopasowaniem krzywej została określona heurystycznie.
    figure-protocol-1 (1)
    gdzie d0 jest głębokością do punktu odbicia, x jest odległością między Tx i Rx, vr jest średnią kwadratową prędkości do płaszczyzny odbicia, a t0 jest dwukierunkowym czasem podróży z zerowym przesunięciem określonym na podstawie radargramu CMP.
    nuta: Najpowszechniejszą metodą szacowania prędkości przy użyciu MOG jest analiza pozorów5,15,17. W analizie pozorów średnia prędkość kwadratowa jest wybierana za pomocą widma prędkości. Analiza pozorów nie została wykorzystana do oszacowania prędkości w tym badaniu, ponieważ niski stosunek sygnału do szumu obserwowany w danych georadarowych nie pozwolił nam na opracowanie wiarygodnego widma prędkości. Znalezienie odpowiedniej metody filtrowania w celu wygenerowania wiarygodnego widma prędkości na podstawie tych danych jest badane w ramach innych trwających badań. W zakresie tego badania zastosowano metodę dopasowania krzywej w celu dopasowania korektora (1) do radarów CMP.
  3. Korzystając z równania (1), oblicz głębokość czoła zwilżania d0 w danym czasie, korzystając z szacowanej prędkości EM vr.
    nuta: Do tej części analizy danych wykorzystano zestaw danych COG z przesunięciem x równym 113 mm.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rysunek 3 przedstawia poklatkowy diagram panelowy 110 kombinacji Tx-Rx rejestrowanych co 1,5 s podczas pierwszych 60 minut eksperymentu infiltracji, po przekształceniu danych z dziedziny częstotliwości na dziedzinę czasu. W celu wzmocnienia odbić na głębokości zastosowano filtr pasmowoprzepustowy, a następnie kompensację wzmocnienia. Schemat panelowy można podzielić na 10 sekcji, z których każda odpowiada konkretnemu Tx. Lokalizacja nadajnika jest oznaczona białym trójkątem, a każdy wycinek odpowiada sygnałowi poklatkowemu zarejestrowanemu dla odbiornika Rx. Oś pionowa pokazuje dwukierunkowy czas podróży lub TWT, czyli czas niezbędny do przebycia fali EM z nadajnika do ewentualnego reflektora i z powrotem do odbiornika. Profile wyświetlają amplitudę sygnału na mapie kolorów w skali szarości. Duży kontrast kolorystyczny wskazuje na dużą amplitudę rejestrowanego sygnału radarowego. Odbicia fal EM są wytwarzane na granicy faz między warstwami o różnej stałej dielektrycznej lub przez obiekty o innych charakterystykach elektrycznych niż otaczający ośrodek; Wysoki kontrast dielektryczny określi odbicie o dużej amplitudzie. Podczas procesu infiltracji wody powstaje strefa określana jako strefa przejściowa, w której zawartość wody stopniowo wzrasta od krawędzi strefy zwilżania, czyli miejsca, w którym woda wnika w początkowo suchy grunt. Fala EM prawdopodobnie zostanie odbita nie na samej krawędzi, ale w strefie przejściowej, jak zaobserwowano w badaniach wykrywania zwierciadła wody18. W pozostałej części rękopisu ten obszar odbicia jest określany jako front zwilżający. W Rysunek 3, pojawia się sygnał o wysokiej amplitudzie, który stopniowo spada w dół wraz z upływem czasu podczas eksperymentu. Odbicie to jest rzeczywiście wytwarzane przez front zwilżający, gdy woda stopniowo wnika w dół pod powierzchnią. Na podstawie tego diagramu COG i CMP można zrekonstruować, jak pokazano na Rysunek 2 Iwasaki et al.16

Analiza prędkości była przeprowadzana na danych CMP uzyskiwanych co 1 minutę. Dla każdego zestawu danych CMP dwukierunkowy czas podróży podany przez równanie (1) został dopasowany do odbicia od czoła zwilżania poprzez dostosowanie t0 i vr, przyjmując jednolitą warstwę w strefie mokrej. Czas zerowy został skorygowany poprzez dopasowanie fali powietrznej do prędkości 0,3 m/ns. Rysunek 4 pokazuje dane CMP w odstępach 5 minut od czasu, który upłynął te = 5 min do te = 50 min, wraz z najlepiej dopasowanymi krzywymi wyświetlanymi jako białe linie (linie ciągłe dla fali odbitej i linia przerywana dla fali powietrznej). Ponieważ fala powietrzna nie jest falą odbitą, ale bezpośrednim sygnałem między nadajnikiem a odbiornikiem, czas podróży wzrasta liniowo wraz z przesunięciem. Wszystkie krzywe zostały dopasowane do dodatnich pików (w kolorze białym) odbitych fal. Wszystkie krzywe dobrze pasowały do obserwowanych krzywych odbitych pokazanych na radarach CMP przy wszystkich przesunięciach, co oznacza, że szacunkowe wartości dla t0 i vr są dobre. W eksperymencie infiltracji między anteną a porowatymi rurkami umieszczono panel z suchego drewna. Ponieważ panel ma znacznie niższą stałą dielektryczną niż w przypadku mokrej gleby, jego wpływ na propagację fali EM może być niebagatelny, mimo że jest cienki. Następnie rozważono model dwuwarstwowy jako uzupełnienie wspomnianego modelu warstwy jednolitej, przyjmując wartość 3 dla stałej dielektrycznej górnych 5 cm. Również w przypadku tego drugiego modelu prędkość fali EM vr została oszacowana przez dopasowanie krzywej do odbicia wytwarzanego przez front zwilżający.

W Rysunek 5, szacowane głębokości frontu zwilżania są wykreślane jako funkcja te zarówno dla modeli jednowarstwowych, jak i dwuwarstwowych. Można zauważyć, że front zwilżania przesuwa się w dół prawie liniowo w czasie dla obu modeli, z wyjątkiem spowolnienia między te = 10 min a te = 20 min. Różnice między dwoma modelami początkowo nie są znaczące, ale w miarę upływu czasu estymacja dla modelu jednolitego postępuje nieco szybciej w porównaniu z modelem dwuwarstwowym. W Rysunek 5, symbole diamentów są używane do oznaczania czasów, kiedy odczyty z czujników wilgotności zaczęły rosnąć, a później stawały się stabilne; Są one połączone ciągłą linią dla każdej głębokości czujnika. Jak wspomniano powyżej, odbicie fali EM niekoniecznie występuje na samej krawędzi strefy mokrej; Innymi słowy, biorąc pod uwagę pewną głębokość, nie można oczekiwać, że to odbicie będzie pasować do punktu, w którym odczyty z czujnika zaczną rosnąć. W tym sensie odbicie można przypisać poziomowi głębokości na froncie infiltracji, gdzie osiągnięto określone nasycenie wodą, w porównaniu z obszarem bezpośrednio poniżej. Biorąc pod uwagę czujniki na głębokości 30, 40 i 60 cm, oszacowanie głębokości frontu zwilżania uzyskane z danych georadarowych mieści się w zakresie wskazywanym przez linie ciągłe na osi czasu. Czas, w którym szacowany przez georadar front zwilżania dotarł na głębokość 20 cm, odpowiada czasowi, w którym zaobserwowano nagły wzrost odczytu czujnika, podczas gdy oszacowanie georadarowe osiągnęło głębokość 10 cm znacznie szybciej niż to, co wytworzył czujnik wilgotności, chociaż sygnał odbicia od frontu zwilżania jest wyraźnie obserwowany po te = 5 min (Rysunek 4). Należy również wspomnieć, że ekstrapolacja szacowanej krzywej georadarowej nie przechodzi przez początek układu współrzędnych. Chociaż nie jest jasne, co spowodowało tę rozbieżność na płytszych głębokościach, może istnieć kilka możliwych wyjaśnień. Może to wynikać z niejednorodności właściwości gleby lub może być spowodowane niejednorodnością w stosowaniu wody. Jeśli tak jest w istocie, miałoby to większy wpływ na wcześniejszym etapie procesu infiltracji niż na późniejszym etapie. Innym wyjaśnieniem może być to, że chropowatość powierzchni wpływa na określenie czasu zero. Oprócz efektu panelu drewnianego i porowatych rur należy wziąć pod uwagę efekt chropowatości powierzchni.

figure-results-1
Rysunek 1: Schemat konfiguracji anteny radarowej użytej w tym badaniu. Konstrukcje w kształcie litery V to anteny monopolowe typu bowtie. Istnieje 10 anten nadawczych (Tx) i 11 anten odbiorczych (Rx) ustawionych poziomo. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: Schematy eksperymentu z infiltracją. (A) widok z góry i (B) widok z boku, w którym antena matrycowa została umieszczona na sześciu 250-centymetrowych porowatych rurkach ustawionych w odległości 15 cm od siebie. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-3
Rysunek 3: Radargram poklatkowy uzyskany podczas pierwszych 60 minut eksperymentu infiltracji. Dane składają się z zarejestrowanych sygnałów dla 110 kombinacji antenowych. Jeden wycinek odpowiada danym poklatkowym zebranym za pomocą pojedynczej kombinacji Tx-Rx. Inny kolor jest używany dla amplitudy sygnału. Pionowe czarne linie oddzielają dane dla każdego Tx. Białe trójkąty wskazują lokalizacje Tx. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4: Radargramy CMP w te = 5 min do te = 55 min w odstępach 5 min. Białe linie ciągłe reprezentują ręcznie dopasowany dwukierunkowy czas podróży odbicia od czoła zwilżającego, podczas gdy białe linie przerywane reprezentują czas podróży fali powietrznej. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-5
Rysunek 5: Głębokość zwilżania frontu. Głębokości czoła zwilżania oszacowane na podstawie georadaru matrycowego w wieloprzesunięciu poklatkowym zbierają się w funkcji czasu, który upłynął, zarówno dla modelu jednolitego (trójkąty), jak i dwuwarstwowego (kwadratowego). Czarne linie z rombami na obu końcach pokazują czas między początkowym wzrostem odczytów a momentem, w którym osiągnęły one stały poziom dla każdej głębokości czujnika (tj. czas trwania strefy przejściowej). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym badaniu wykorzystano radar georadarowy (GPR) do śledzenia głębokości frontu zwilżającego podczas eksperymentu infiltracji przeprowadzonego na polu eksperymentalnym w pobliżu wydmy Tottori w Japonii. System georadarowy wykorzystany w tym badaniu składa się z 10 anten nadawczych (Tx) i 11 anten odbiorczych (Rx). System można skonfigurować tak, aby używał do 110 różnych kombinacji Tx-Rx. Podczas eksperymentu infiltracji wszystkie 110 kombinacji skanowano w sposób ciągły w odstępach 1,5 sekundy, pozostawiając matrycę nieruchomą w miejscu, w którym woda została przeprowadzona przez porowate rurki umieszczone na powierzchni. Wspólne zbieranie z przesunięciem (COG) i wspólne dane punktu środkowego (CMP) zostały zrekonstruowane na podstawie kostki danych poklatkowych. Zbieranie danych CMP w tym samym tempie za pomocą konwencjonalnych bistatycznych systemów georadarowych byłoby praktycznie niemożliwe. Bardzo ważne jest, aby podczas eksperymentu pozostawić antenę w stacjonarnym zapisie, aby uzyskać powtarzalne i miarodajne dane poklatkowe.

Chociaż dane georadarowe zostały wykorzystane do oszacowania prędkości fal EM15, istnieje tylko kilka badań, w których analizowano dane GPR z tablicy poklatkowej w celu oszacowania prędkości fal EM dla procesów przejściowych, takich jak infiltracja wody. W tym badaniu strukturę prędkości fali elektromagnetycznej (EM) oszacowano na podstawie poklatkowych danych CMP. Zamiast przeprowadzać analizę pozorów, krzywa hiperboli dla czasu podróży dwukierunkowej została dopasowana heurystycznie do sygnałów odbitych w radargramach CMP w celu oszacowania średniej prędkości fali EM w strefie zwilżania ze względu na niski stosunek sygnału do szumu (S/N) w danych. Gdy stosunek sygnału do szumu jest niski, analiza pozorów nie może być wykorzystana do wygenerowania wiarygodnego widma prędkości. Należałoby opracować odpowiednią metodę filtrowania w celu korzystania z metody analizy pozorów. Obok anteny georadarowej zainstalowano prętowy czujnik wilgotności gleby w celu pomiaru zmian wilgotności gleby podczas eksperymentu infiltracji; Czujniki zostały przemieszczone na głębokości 10, 20, 30, 40 i 60 cm i działały niezależnie.

Korzystając z szacowanej prędkości fali EM, obliczono głębokość frontu zwilżającego w 1-minutowych odstępach procesu infiltracji. Ewolucja w czasie szacowanego frontu zwilżania zgadza się dobrze z obserwacjami z czujników wilgotności gleby na głębokości poniżej 20 cm. Na płytszych głębokościach oszacowanie georadarowe głębokości frontu zwilżania wykazuje rozbieżność z odczytami z czujników wilgotności gleby.

Ogólnie rzecz biorąc, badanie to pokazuje, że system georadarowy jest w stanie śledzić ewolucję głębokości frontu zwilżania podczas infiltracji wody do gleby, zbierając dane poklatkowe dotyczące wspólnego punktu środkowego (CMP). Ponieważ wcześniej tego typu dane nie były łatwe do zebrania z konwencjonalnej georadaru powierzchniowego, dane uzyskane w tym badaniu są pierwszymi, które faktycznie pokazują, jak front zwilżania ewoluował w czasie w podłożu. Przyszłe prace będą badać możliwość wykorzystania inwersji danych do oszacowania parametrów hydraulicznych gruntu na podstawie danych uzyskanych podczas tego eksperymentu.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

To badanie było wspierane finansowo przez Program Badań Naukowych JSPS (No. 16H02580, 17H03885) oraz przez Joint Research Program of Arid Land Research Center, Tottori University.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
GeoScope RadarRadar 3D Antena AS
DXG1820Radar 3D Sonda
PR2/6 Współczynnik Delta-T
profilowa AS

References

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

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Array Antenna GPRMulti Offset GatherCommon Midpoint DataWetting Front DepthTime lapse MonitoringInfiltration Front TrackingGround Penetrating RadarVadose Zone HydrologyElectromagnetic Wave VelocityHyperbola Curve Fitting

Related Articles