Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Environment

Bildbasierte Lagrange-Partikel-Tracking in Bettlasten-Experimenten

doi: 10.3791/55874 Published: July 20, 2017

Summary

Das Manuskript stellt ein Protokoll für die Leitung von Bett-Last-Sediment-Transport-Experimenten dar, bei denen die bewegten Partikel durch Bildanalyse verfolgt werden. Die experimentelle Einrichtung, die Vorgehensweisen für die Durchführung der Realisierung und die Datenverarbeitung und schließlich werden hier einige Proof-of-Concept-Ergebnisse vorgestellt.

Abstract

Die Bildanalyse wurde zunehmend für die Messung der Flussströme genutzt, da es in der Lage ist, detaillierte quantitative Darstellungen zu relativ geringen Kosten zu liefern. Dieses Manuskript beschreibt eine Anwendung der Partikel-Tracking-Velocimetrie (PTV) auf ein Bett-Load-Experiment mit leichtem Sediment. Die Hauptmerkmale der untersuchten Sedimenttransportbedingungen waren das Vorhandensein einer abgedeckten Strömung und eines festen rauhen Betts, über dem Partikel in begrenzter Anzahl am Rinneneinlass freigesetzt wurden. Unter den angewandten Strömungsverhältnissen war die Bewegung der einzelnen Bettlastpartikel intermittierend, mit wechselnden Bewegungs- und Stillebedingungen. Das Strömungsmuster wurde vorläufig durch akustische Messungen von senkrechten Profilen der stromweisen Geschwindigkeit charakterisiert. Während der Prozessvisualisierung wurde ein großes Sichtfeld mit zwei Aktionskameras, die an verschiedenen Stellen entlang der Rinne platziert wurden, erhalten. Das experimentelle Protokoll wird in Form von Chan beschriebenNel-Kalibrierung, Experiment-Realisierung, Bildvorverarbeitung, automatische Partikel-Tracking und Nachbearbeitung von Partikel-Track-Daten aus den beiden Kameras. Die dargestellten Proof-of-Concept-Ergebnisse beinhalten Wahrscheinlichkeitsverteilungen der Partikel-Hop-Länge und -Dauer. Die Errungenschaften dieser Arbeit werden mit denen der vorhandenen Literatur verglichen, um die Gültigkeit des Protokolls zu demonstrieren.

Introduction

Seit Pionierarbeiten vor einigen Jahrzehnten 1 , 2 wurde die Nutzung der Bildanalyse für das Studium des Fluss-Sedimenttransports stetig erhöht. Diese Technik bewies in der Tat ihre Fähigkeit, relativ hochauflösende und kostengünstige Daten für detaillierte Analysen der physikalischen Phänomene 3 , 4 , 5 zur Verfügung zu stellen . Mit der Zeit wurden signifikante Verbesserungen für Hardware- und Software-Tools erzielt.

Die Messung des Sedimenttransports kann unter Verwendung eines Eulerian-Ansatzes durchgeführt werden, der auf die Messung von Sedimentflüssen abzielt, oder ein Lagranger, der darauf abzielt, Trajektorien einzelner Körner zu messen, während sie sich bewegen. Die Bildverarbeitung bietet im Vergleich zu anderen Eulerian Methoden 6 , 7 einzigartige Möglichkeiten zur Partikelverfolgung. Aber dasDiese Potenziale, die Anwendung der Bildanalyse auf den Bettbelastungs-Sedimenttransport, leidet unter einigen kritischen experimentellen Einschränkungen, in Bezug auf räumliche / zeitliche Unterstützungsskalen für die Messung und Größe der Datenproben. Beispielsweise ist es schwierig, gleichzeitig eine geeignete Kombination aus einem großen räumlichen Bereich, einer langen Dauer eines Experiments und einer hohen Messfrequenz 3 , 4 , 8 zu erreichen , ohne die Qualität und Datenmenge zu beeinträchtigen. Darüber hinaus kann die Partikelverfolgung manuell 2 , 4 durchgeführt werden , was eine große menschliche Anstrengung erfordert, oder automatisch 3 , 8 mit der Möglichkeit, Fehler zu verfolgen, die durch die Software für die Analyse verwendet werden.

Dieses Papier stellt ein Protokoll für die experimentelle Untersuchung von Bett-Last-Sediment trAnsport, wo lange Dauer durch die verwendete kamera erreicht wurde, wurde durch die gleichzeitige anwendung von zwei kameras an verschiedenen standorten ein hohes sichtfeld erreicht und eine zuverlässige automatische verarbeitung wurde durch ad hoc experimentelle bedingungen ermöglicht. Die experimentelle Operation wurde entworfen und die Bearbeitungswerkzeuge wurden auf der Grundlage der von den Autoren erworbenen Erfahrungen in mehreren Forschungsarbeiten ausgewählt, die sich mit der detaillierten Untersuchung des Sedimenttransports nach den Bildmethoden 3 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 befassten , 17 , 18

Es wurde ein Sedimenttransport-Experiment beschrieben, das durchgeführt wurdeEs über ein festes, raues Bett. Die Partikelzuführung war viel geringer als die Transportkapazität der Strömung, um eine geringe Konzentration an bewegten Körnern aufrechtzuerhalten, wodurch die Überlastung der Partikel nachverfolgt wurde. Weiterhin bewegten sich die transportierten Teilchen nicht kontinuierlich, sondern es wurde eine intermittierende Bewegung beobachtet. Die Verwendung eines Festbettes anstatt eines beweglichen ist ein Verlust der Ähnlichkeit mit den natürlichen Bedingungen. Allerdings wurde ein Festbett häufig in Sedimenttransportexperimenten 19 , 20 , 21 unter der Annahme verwendet, dass die Ergebnisse einfacher und erläuternder sind als diejenigen aus komplizierten Szenarien mit einer Vielzahl von handelnden Prozessen. Die Verwendung eines Festbettes verhindert offensichtlich, dass Prozesse der Sedimentbeerdigung und des Wiederauftretens beobachtet werden. Andererseits findet in Gegenwart einer schwachen Bettbelastung der Sedimenttransport in einer oberflächlichen Schicht eines losen Betts statt, und in diesem Fall,Die Verwendung eines Festbettes kann ausreichend sein. Tatsächlich zeigten spezifische Vergleiche zwischen den Eigenschaften der Teilchenbewegung in Versuchen mit den beiden Bedingungen keine signifikanten Unterschiede 3 , 14 . Schließlich wurde das hier vorgestellte Experiment mit einer Druckströmung durchgeführt, um eine optimale Voraussetzung für die Partikelvisualisierung durch eine transparente Abdeckung zu gewährleisten. Der Sedimenttransport mit einer unter Druck stehenden Strömung wurde experimentell in Forschungsprototypen von eisbedeckten Flüssen untersucht, was zeigt, dass die Wechselwirkung zwischen der Nahbett-Grenzschicht und dem Sediment analog zu der der offenen Kanalströmung 22 , 23 ist . In den folgenden Abschnitten werden alle Methoden skizziert und einige repräsentative Ergebnisse bereitgestellt.

Protocol

Anmerkung: Das Sedimenttransport-Experiment wurde in einem Rinnen am Berghydraulik-Labor durchgeführt, das auf dem Campus von Lecco des Politecnico di Milano lag. Die Rinne ist vollständig aus transparentem Acrylmaterial aufgebaut und beträgt 5,2 x 0,3 x 0,45 m 3 . Der Kanal wird von zwei Stahlbalken getragen und kann an verschiedenen Pisten bedient werden, und zwar wegen eines Scharniers und einer Schraubhülse. Eine Reihe von Deckeln ermöglicht es der Rinne, als eine geschlossene Leitung zu wirken, die die abgedeckte Strömungskonfiguration war, und der Kanal, der in dieser Arbeit verwendet wurde.

1. Messen und Einrichten der Flush-Slope

  1. Den Auslauf der Rinne abdichten und mit Wasser abfüllen.
    HINWEIS: Die Abdichtungsmethode hängt von den Kanalmerkmalen ab. In dem hier dargestellten Fall ist der Anschlussabschnitt des Kanals mit einem Kupplungsflansch ausgestattet, so dass die Abdichtung durch Verschrauben eines Kunststoffstopfens mit dem Flansch mit einer darunter liegenden Gummidichtung erreicht wurde.
  2. Betätigungsschraube t betätigenO eine beliebige Kanalneigung setzen
  3. Warten Sie mindestens 30 Minuten, damit das Wasser Stille erreichen kann. Um die Schwingungsdämpfung und die Erzielung eines Still-Wasser-Zustands zu überprüfen, legen Sie eine Punktlehre auf die Rinnenwände und messen wiederholt die Höhe der freien Oberfläche.
  4. Legen Sie die Punktlehre auf die Kanalwände an mehreren Stellen und nehmen Sie die Höhe der freien Oberfläche ab.
    HINWEIS: Die Messwerte unterscheiden sich voneinander, da die Rinne geneigt ist, während die Wasseroberfläche horizontal ist.
  5. Berechnen Sie einen Slope-Wert auf der Grundlage der linearen Interpolation der Messwerte durch die Punktlehre.
  6. Nehmen Sie eine Messung mit einem Laserentfernungssensor, der an einem der Balken befestigt ist, der den Kanal unterstützt und auf den Boden zeigt.
    HINWEIS: Hier ist der Lasersensor dauerhaft an den Kanal angeschlossen, daher sind im Protokoll keine Operationen erforderlich.
  7. Wiederholen Sie die Schritte von 1,2 bis 1,6 für eine Vielzahl von Hangbedingungen.
  8. Passen Sie einLineare Gleichung zu den experimentellen Punkten in einer kartesischen Ebene mit der Lasermessung auf der horizontalen Achse und der Kanalneigungsmessung auf der vertikalen Achse. Bestimmen Sie eine Übertragungsfunktion von der Lasermessung bis zur Kanalneigung (und umgekehrt).

2. Einrichten der Arbeitskonfiguration

  1. Vorbereiten eines Satzes von Stahlplatten (2 mm Dicke) mit einer Gesamtdimension gleich der des Kantenbodens.
    HINWEIS: Hier wurden vier Platten mit einer Größe von 1,3 x 0,3 m 2 verwendet.
  2. Erstellen Sie ein festes, raues Bett, indem Sie Sedimentpartikel über die Platten kleben. Um dies zu tun, malen Sie die Platten mit einem zweikomponentigen Polyesterharz, dann verbreiten Sie eine Schicht von Sediment (1-1,5 cm) über ihnen.
    HINWEIS: Die hier verwendeten Sedimentteilchen waren Polybutylenterephthalat (PBT) -Körner, hergestellt in weißer Farbe und mit einer Größe von 3 mm. Bei dem obigen Verfahren ist die Dicke des auf die Platte geklebten Sediments ähnlich der Teilchengröße.
  3. WMindestens 24 h, um das Harz zu trocknen, dann entfernen Sie das überschüssige Sediment durch Neigung der Platten und lassen Sie das Sediment weglaufen. Malen Sie die Sedimentoberfläche in schwarz mit einer wasserfesten Sprühfarbe. Warten Sie mindestens 10 Stunden, damit die Farbe trocknen kann.
  4. Legen Sie die Sediment-beschichteten Platten (siehe Schritte 2.1-2.3) in die Rinne und auf Polyvinylchlorid (PVC) -Träger, um die Unterseite eines Arbeitsabschnitts zu schaffen. Achten Sie auf die Platzierung von aufeinanderfolgenden Platten, um die Kontinuität des Bettes zu gewährleisten.
    HINWEIS: Die Verwendung der PVC-Träger ist optional. Im vorliegenden Fall wurde der Querschnitt der Rinne (0,3 m breit und 0,45 m hoch, entsprechend einem Verhältnis von Breite zu Tiefe kleiner als 1) ursprünglich entworfen, um Sedimenttransportversuche mit einer Schicht von losem Sediment durchzuführen. Das in diesem Manuskript vorgestellte Experiment wurde stattdessen mit einem Festbett geführt, was zu ungewöhnlichen, zu niedrigen Werten des Breiten-Tiefe-Verhältnisses führte. Die PVC-Träger wurden daher verwendet, um eine große zu erreichenR-Wert für dieses Verhältnis.
  5. Legen Sie eine Reihe von transparenten Acryl-Deckeln (die die gesamte Kanallänge abdecken) auf die Kanalwände, um einen überdachten Arbeitsabschnitt zu schaffen.
    HINWEIS: In der hier beschriebenen Rinne sind die Deckel Innenkästen mit einer Höhe von 20 cm, die einfach über die Rinnenwände verlaufen. Daher ist bei den Versuchen etwas Wasser an den Deckelseiten vorhanden, verändert aber nicht wesentlich die Strömung innerhalb der Rinne. Der in dem nachstehend dargestellten Experiment verwendete Arbeitsabschnitt war so groß wie 0,3 mx 0,105 m 2 .

3. Stetige Strömungsbedingungen festlegen

  1. Schalten Sie die Pumpe ein, füllen Sie den Kanal mit Wasser und verwenden Sie das Regelventil, um einen Durchfluss einzustellen.
    HINWEIS: In dieser Arbeit wurde die Durchflussrate durch einen elektromagnetischen Durchflussmesser gemessen, der sich entlang der Förderleitung befindet.
  2. Benutzen Sie einen Heckwasserregler, um die Höhe des Druckkopfes etwas über den Kanaldeckel einzustellen, um sicherzustellen, dass es einen abgedeckten Fluss gibt, aber vermeiden SieEine erhebliche Auftriebskraft auf die Deckel.
    HINWEIS: In dem hier vorgestellten Kanal wird die Schwanz-Wasser-Regelung durch eine Reihe von Stöcken erreicht, die sich am Ende der Rinne befinden.
  3. Wiederholt die Durchflussmenge und den Druckkopf, um die Stabilität der Strömungsbedingungen zu überprüfen.

4. Charakterisierung der Durchflussverteilung

  1. Messen Sie das vertikale Profil der stromlinienförmigen Geschwindigkeitskomponente an einer Vielzahl von Orten.
    1. Legen Sie die Sonde eines Ultraschall-Geschwindigkeitsprofils (UVP) über dem Rührdeckeldeckel mit einem geeigneten Sondenhalter auf. Setzen Sie die Sonde auf eine gewählte Neigung mit dem Schwanz in Richtung des Kanaleinlasses. Tragen Sie ein geeignetes Ultraschall-Kopplungsgel in den Raum zwischen der Sondenspitze und dem Deckel auf, um den Durchgang der Ultraschallwelle durch Luft zu vermeiden. Verbinden Sie die Sonde mit dem Erfassungsmodul.
      HINWEIS: Im vorliegenden Fall wurde der Sondenhalter aus PVC gefertigt und bestand aus einer Basis mit einer geneigtenFührung beigefügt Diese Unterstützung wurde konstruiert, nachdem ein Sondenwinkel gewählt wurde.
    2. Probe mehrere momentane Geschwindigkeitsprofile.
      HINWEIS: Mit dem in diesem Experiment verwendeten Instrument erfordert dieser Schritt die manuelle Einstellung der Häufigkeit des emittierten Ultraschallstrahls, einer Pulswiederholfrequenz, einer Auflösung und der gewünschten Anzahl von momentanen Profilen. Die Profile wurden kontinuierlich erworben und gespeichert, wenn die gewünschte Nummer erreicht wurde.
    3. Wiederholen Sie die Schritte 4.1.1 und 4.1.2, außer stellen Sie die Sonde mit dem Schwanz in Richtung des Kanalauslasses.
    4. Beurteilen Sie die Notwendigkeit von Signal-De-Spiking 24 durch eine visuelle Inspektion der erfassten Zeit Entwicklungen der Stream-weise Geschwindigkeit. Bei der Datenverarbeitung, falls nötig, entweichen.
    5. Berechnen Sie den durchschnittlichen Geschwindigkeitswert für jeden Messort (Gate) des UVP, um zeitlich gemittelte Profile der probenweise Geschwindigkeitskomponente aus den beiden Messungen zu erhalten (mit dem Schwanz der Sonde in Richtung derKanaleinlass und -auslass).
    6. Verwenden Sie eine trigonometrische Zusammensetzung der beiden probe-weise Geschwindigkeiten, die in jeder Höhe gemessen werden, um die strom- und vertikalen Geschwindigkeitskomponenten zu erhalten.
      1. Mit v up und v down als die in den Schritten 4.1.2 und 4.1.3 gemessenen zeitlich gemittelten Geschwindigkeiten bestimmen die stromweise ( u ) und die vertikale Geschwindigkeit ( v ) Komponenten wie folgt:
        Gleichung 1
        Gleichung 2
        Wo ist α die Neigung der Sonde in Bezug auf den Kanal.
    7. Passen Sie die Abstandswerte für die Messstellen in einem Profil an, das für die verschiedenen Medien (Gel, Acryl und Wasser) verantwortlich ist, durch die der akustische Strahl fährt 25 .
    8. Wiederholen Sie die Schritte von 4.1.1 auf 4.1.7 für alle Messstellen.
  2. Messen Sie die Schergeschwindigkeit aus dem vertikalen Profil der stromweise Geschwindigkeitskomponente.
    1. Bestimmen Sie einen Bereich von Höhen, in denen das Profil der stromweise Geschwindigkeitskomponente einen linearen Trend in einem halb-logarithmischen Diagramm angibt (siehe Abbildung 2 ).
    2. Schätzen Sie die Schergeschwindigkeit u s aus dem gemessenen Profil, indem Sie eine logarithmische Gleichung wie folgt einfügen:
      Gleichung 3
      Wobei u ( z ) die zeitlich gemittelte stromweise Geschwindigkeit bei einer bestimmten Höhe z aus dem Bett ist, κ die Karman-Konstante gleich 0,4 ist und z 0 eine hydrodynamische Rauhigkeitslänge ist.
    3. Quantifizierung der Unsicherheit bei der Schätzung der Schergeschwindigkeit 26 als:
      Gleichung 4
      Wobei N die Anzahl der für die c verwendeten Werte istUrteil und j ist ein Zähler von 1 bis N.

5. Durchführung eines Sediment-Transport-Experiments

  1. Stellen Sie die gewünschten Kameraparameter (Auflösung, Frequenz) ein. Mit Stützen des Kameraherstellers befestigen Sie zwei Aktionskameras an den Seitenwänden der Deckel, die dem Kanalboden an zwei stromweisenden Stellen zugewandt sind. Stellen Sie sicher, dass sich die Fokusbereiche für die beiden Kameras überlappen.
    1. Stellen Sie die Kameraposition und die Ausrichtung durch Versuch und Fehler ein. Erfassen Sie ein kurzes Video von jeder Kamera, schauen Sie sich die Videos an und ändern Sie die Position oder Orientierung einer Kamera, wenn sich die beiden Fokusbereiche nicht überlappen oder die Kameraansicht nicht gut mit der Rinne übereinstimmt.
      HINWEIS: In der vorliegenden Arbeit wurde die Kamera mit 30 fps mit einer Auflösung von 1.920 × 1.080 Pixeln betrieben.
  2. Stellen Sie einen ständigen Durchflusszustand wie in den Schritten 3.1 bis 3.3 beschrieben her. Füttere die weißen Partikel (die gleichen wie die tHut wurde in den Stufen 2.2 und 2.3 in die Strömung am Rinneneinlauf geklebt und schwarz lackiert. Wählen Sie eine Handvoll Partikel und lassen Sie sie (ein Teilchen alle paar Sekunden), wobei eine niedrige Konzentration von weißen Partikeln über dem schwarzen Bett. Halten Sie die Fütterung für die gesamte Dauer des Experiments.
    HINWEIS: Eine niedrige Partikelkonzentration vereinfacht 17 den Tracking-Prozess im Vergleich zu Situationen mit einer höheren Konzentration 18 . Tatsächlich basiert die Übereinstimmung zwischen einem Teilchen in einem bestimmten Bild mit demselben Teilchen im nachfolgenden Bild auf einem Suchfenster um die frühere Position des Teilchens 19 , 27 ; Eine höhere Konzentration erhöht die Möglichkeit, mehr als ein Teilchen im Suchfenster zu erkennen und führt wiederum zu Fehlanpassungen.
  3. Wenn die Raumleuchten ausgeschaltet sind, schalten Sie sie dann ein, da es notwendig ist, die Kameras zu synchronisieren. Starten Sie das Schießen durch Auslösen der KamerasMit den entsprechenden Kontrollen. Schalten Sie die Raumleuchten aus, nachdem Sie sichergestellt haben, dass beide Kameras mit dem Filmen begonnen haben.
    HINWEIS: Auf diese Weise wird die Zeit, in der das Licht ausgeschaltet wurde, aus der Geschichte der Pixelintensität in den Bildern deutlich erkennbar, so dass die Zeitverschiebung zwischen den beiden erworbenen Filmen (mit einer Genauigkeit von weniger als einem Rahmen) ermöglicht wird bestimmt werden. Die Visualisierung kann natürlich nicht im Dunkeln erfolgen. In der vorliegenden Arbeit verwendete das Experiment nur natürliche Beleuchtung (als Seitenwand des Raumes ist komplett Glas gemacht). Wenn sich die Lichtverhältnisse während des Experiments deutlich ändern, sollte der Lauf wiederholt werden, da die Beleuchtung die oben beschriebene Partikelidentifizierung und -verfolgung beeinflusst.
  4. Halten Sie die Dreharbeiten für die gewünschte Dauer (hier, 15 min), dann stoppen Sie die Kameras.
    HINWEIS: Die repräsentativen Ergebnisse werden im Folgenden für eine Dauer von 100 s gezeigt.
  5. Wiederholen Sie die Schritte von 5,2 auf 5,7 für jede andere gewünschte hydrodynamische Bedingung (fürBeispiel, eine andere Durchflussrate).
    HINWEIS: Während der hier beschriebenen Versuche waren nach dem Schießen einige gefangene Partikel auf dem Bett vorhanden. Sie sollten entfernt werden, bevor eine andere Konfiguration getestet wird, indem Sie den Deckel anheben, mit einem Pinsel, um das Teilchen zu entfernen, und ersetzen Sie den Deckel.

6. Vorverarbeitung von Bildern

  1. Korrigieren Sie die Bildverzerrung aufgrund der begrenzten Linsenlänge, indem Sie eine radiale Transformation auf die Pixelkoordinaten anwenden und die Bilder neu abbilden. Anpassung durch Test ein Kalibrierungsfaktor benötigt, um die Transformation anzuwenden.
    HINWEIS: Wenn r als Abstand von irgendeinem Pixel zum Bildzentrum gilt, kann ein transformierter Abstand berechnet werden als:
    Gleichung 5
    Wobei k der Kalibrierfaktor ist, der durch Versuche 28 eingestellt werden muss, basierend auf einer visuellen Inspektion der Rinnenböden, die als gerade Linien im Bild erscheinen sollenS.
  2. Bestimmen Sie eine lineare Bildumwandlung von Pixel zu realer Distanz unter Verwendung von Targets, die in bekannten Abständen und bei der Erhebung des Betts an den Seitenwänden des Rinnens angeordnet sind.
    HINWEIS: Dies kann in einer Programmiersprache (siehe die Tabelle der Materialien), mit dem Befehl imread zu öffnen , eine Bilddatei, der Befehl G Eingang zu klicken Sie auf den Zielen und erhält ihre Koordinaten in Pixel und die Suche nach einem Anteil zum Beispiel erreicht werden , zwischen Die so genannten Pixelkoordinaten und die realen.

7. Partikel identifizieren und verfolgen

HINWEIS: Für die von beiden Kameras gesammelten Bilder müssen alle folgenden Vorgänge separat durchgeführt werden. Die Identifizierung und Verfolgung von Partikeln wurde unter Verwendung von Streams 29 durchgeführt . Diese Software steht bei einer Anfrage an ihren Entwickler frei zur Verfügung. Streams wurde bereits von den Autoren in mehreren Experimenten für Bett-Loa eingesetztD Sedimenttransport unter verschiedenen Bedingungen 3 , 16 , 17 , 18 , 28 , 30 .

  1. Importieren von Bildern durch Anklicken von Bild → Bildsequenz erstellen . Geben Sie den Zeitschritt zwischen zwei Frames und dem Bildkalibrierungsfaktor ein. Wählen Sie die Bilddateien aus, die in die Sequenz aufgenommen werden sollen. Klicken Sie auf OK .
    HINWEIS: Im vorliegenden Fall betrug das Zeitintervall 1/30 s (entsprechend der in Schritt 5.1 genannten Bildrate) und der Bildkalibrierungsfaktor 0,5 mm / Pixel.
  2. Partikel identifizieren
    1. Produzieren Sie Intensitätskarten für einige zufällig ausgewählte Bilder, um den typischen Intensitätswert (über eine Skala von 0 bis 255) für Pixel zu finden, die weißen Partikeln entsprechen.
      1. Klicken Sie mit der rechten Maustaste auf die erstellte Bildsequenz und wählen Sie OpEn Bildansicht. Halten Sie Shift , zeichnen Sie jedes Rechteck über dem Bild. Klicken Sie mit der rechten Maustaste auf das Rechteck und wählen Sie ShowIntensityMatrix . Wählen Sie einen geeigneten Schwellenwert.
        HINWEIS: Im vorliegenden Fall wurde die Schwelle auf 80 gesetzt.
    2. Schwellen Sie die Bilder auf der Grundlage eines Intensitätswertes und einer erwarteten Größe von weißen Flecken in den binären Bildern.
      1. Klicken Sie mit der rechten Maustaste auf die erstellte Bildsequenz und wählen Sie Prozessansicht öffnen . Klicken Sie auf Neu , wählen Sie Filterbilder aus und klicken Sie auf OK . Geben Sie dem Prozess einen Namen, geben Sie den Sequenznamen an und klicken Sie auf OK . Doppelklicken Sie auf die Filterpipeline , klicken Sie auf Neu , wählen Sie Hintergrund entfernen und klicken Sie auf OK .
      2. Klicken Sie im Prozessfenster auf Neu , wählen Sie Partikel identifizieren und klicken Sie auf OK . Wählen Sie Einzelschwelle und klicken Sie auf OK . Im Algorithmus OK . Markieren Sie die angelegten Prozesse, klicken Sie auf Pipeline hinzufügen und dann auf Ausführen .
        HINWEIS: Die Spotgröße betrug hier 0,5 bis 8 mm. Die Spotgröße bezieht sich auf die Partikelgröße, hängt aber auch von den Lichtverhältnissen ab. Tatsächlich entspricht der Fleck dem Licht, das von einem Teilchen reflektiert wird, anstatt auf das Teilchen selbst.
  3. Spurteilchen
    1. Klicken Sie mit der rechten Maustaste auf den Partikel-Datensatz , der erstellt wurde, und wählen Sie Bildansicht öffnen .
    2. Blättern Sie durch Rahmen, indem Sie auf Vorwärts- und Rückwärtspfeiltasten klicken. Beobachten Sie typische Partikelverschiebungen zwischen aufeinanderfolgenden Bildern, indem Sie den Cursor über die angezeigten Punkte bewegen und Koordinaten lesen. Ein entsprechendes Suchfenster entsprechend bestimmen.
    3. Klicken Sie mit der rechten Maustaste auf den Partikel-Datensatz , der erstellt wurde, und wählen Sie Prozessansicht öffnen
    4. Klicken Sie auf Neu , wählen Sie PTV Analyse Pipeline und klicken Sie auf OK . Geben Sie dem Prozess einen Namen und klicken Sie auf OK . Doppelklicken Sie auf die PTV-Analyse-Pipeline , klicken Sie auf Neu . Wählen Sie auf der Seite Kalkulationen die Option Abstand aus . Geben Sie auf der Seite Optimierung die Stream- und Querposition und die Dimension des Suchfensters ein und klicken Sie auf OK .
    5. Wählen Sie den angelegten Prozess aus, klicken Sie auf Pipeline hinzufügen und dann auf Ausführen .
      HINWEIS: Eine Partikelspur muss idealerweise das Ende des Fokusbereichs oder die endgültige experimentelle Zeit erreichen. Ebenso muss es am Anfang des Fokusbereichs oder zum Anfang beginnen. Jedoch können gemessene Spuren unerwartet unterbrochen werden, typischerweise, weil ein Teilchen in einigen Rahmen aufgrund einer geringen Intensität oder weniger oft aufgrund einer fehlenden Partikelabstimmung zwischen zwei aufeinanderfolgenden Rahmen nicht detektiert wird. Wenn die Strecke endet, ohne die Grenzen der ti zu erreichenMe-space Beobachtungsfenster, Kandidaten für die Wiederverbindung können gesucht werden; Wähle an einem Ort in der Nähe und bald nach dem Ende des letzten Rahmens vor der Unterbrechung aus. Auf diese Weise kann eine einzelne Spur für ein Teilchen rekonstruiert werden, wie in Schritt 7.3.6 beschrieben.
    6. Wenn Unterbrechungen in den gemessenen Spuren vorhanden sind, beheben Sie sie durch Spurwiederherstellung mit einem Suchfenster, das diesem Zweck gewidmet ist.
      1. Klicken Sie mit der rechten Maustaste auf den Partikel-Datensatz , der erstellt wurde, und wählen Sie Prozessansicht öffnen . Klicken Sie auf Neu , wählen Sie Lagrangian Pfad Feld erstellen und klicken Sie auf OK . Klicken Sie erneut auf OK . Fügen Sie den Prozess der Pipeline hinzu und klicken Sie auf Ausführen .
      2. Klicken Sie mit der rechten Maustaste auf den Partikelsatz , der erstellt wurde (der zweite) und wählen Sie Prozessansicht öffnen . Klicken Sie auf Neu , wählen Sie Lagrange-Pfade verbinden und klicken Sie auf OK . Geben Sie auf der Seite Parameter die Details des Suchfensters ein und cLeck auf OK . Fügen Sie den Prozess der Pipeline hinzu und klicken Sie auf Ausführen .
    7. Klicken Sie mit der rechten Maustaste auf den Partikel-Datensatz , der erstellt wurde (der zweite) und wählen Sie Pfade in Textdatei speichern . Eingabe Pfad und Dateiname, dann klicken Sie auf OK .

8. Verbinden von Trajektorien von verschiedenen Kameras

HINWEIS: Dies ist eine notwendige Operation, um die Vorteile von mehreren Kameras zu nutzen, um die Größe des Messbereichs zu vergrößern. Die Schritte werden von einem MatLab-Code ( join_cameras.m ) mit der von den Autoren entwickelten grafischen Benutzeroberfläche durchgeführt (siehe Supplemental Code Files ).

  1. Durchsuchen Sie die Computer-Ordner und finden Sie Track-Dateien für beide Kameras und klicken Sie auf Track suchen Eigenschaften .
  2. Machen Sie die ( x , y ) Referenz der beiden Kameras einheitlich, indem Sie eine Übersetzung von Koordinaten auf die Daten von der nachgeschalteten Kamera anwenden. BestimmenDie Konstanten für die Übersetzung entlang der beiden Richtungen von den Zielen verwendet werden, die in den Bildern von beiden Kameras sichtbar sind. Geben Sie die erforderlichen Werte ein und klicken Sie auf Make reference system uniform .
    HINWEIS: Bis zu diesem Punkt wird eine unabhängige Referenz für Kameras mit (0,0) an der unteren linken Ecke der Bilder verwendet, x- Achsen rechts und y- Achse nach oben. Die Übersetzung der Koordinaten, die in dieser Arbeit verwendet wurden, betrug 760,15 und -1,5 Pixel in Stream- und Querrichtung.
  3. Bestimmen Sie den Überlappungsbereich zwischen den beiden Daten und geben Sie seine Grenzen in die entsprechenden Textfelder ein.
    HINWEIS: Die Länge der Überlappung in dieser Arbeit war von 760.15 bis 880.11 Pixel in der Stream-weise Richtung und bedeckte die gesamte Kanalbreite.
  4. Entfernen Sie aus den Proben alle Trajektorien, die kürzer sind als die Länge des Überlappungsbereichs, um die Analyse auf einfache Situationen zu beschränken (siehe Abbildung 1 ). ImSetzen Sie eine Schwellenlänge in das zugehörige Textfeld und klicken Sie auf Kürzer als oder gleich (mm) .
  5. Verbinden Sie Tracks
    1. Fügen Sie die Partikel-Track-Datenbanken aus den beiden Kameras zusammen, indem Sie auf Merge-Tabellen klicken. Geben Sie die angeforderten Werte für die Toleranz der Überlappung (hier, 10 mm) in der Stream- und Querrichtung ein und klicken Sie auf JOIN .
      HINWEIS: Nachdem Sie auf JOIN geklickt haben, führen Sie die folgenden Schritte aus. Blättern Sie die Spuren, bis Sie eine Spur finden, die im Überlappungsbereich endet. Suchen Sie Kandidaten für den Beitritt, unter Tracks beginnend und verlassen die überlappende Bereich. Wenn ein Kandidat gefunden wird, vergleichen Sie die Zeiten, für die die beiden Spuren innerhalb des Überlappungsbereichs liegen. Wenn diese Zeiträume miteinander übereinstimmen, berechnen Sie die Unterschiede zwischen den Partikelkoordinaten in den beiden Spuren an allen möglichen Punkten. Nimm die Quadratwurzel der mittleren quadratischen Differenz von x- und y- Werten für den Wert des Potentials anDie beiden Partikelspuren sind gleich. Wenn diese Anzeige niedriger als ein Schwellenwert ist, verbinden Sie die Spuren. Konstruiere eine neue Spur, die in dem überlappten Teil dem Durchschnitt der beiden vorherigen entspricht. Wiederholen Sie alle diese Operationen, bis keine neuen Gelenke möglich sind. Der in dieser Arbeit verwendete Schwellenwert betrug 10 mm in beide Richtungen.
  6. Benennen Sie die Ergebnisdatei und speichern Sie die beigefügten Tracks, indem Sie auf " Gespeicherte Tracks speichern" klicken.

Abbildung 1
Abbildung 1. Situationen für den Track-Beitritt. Die Tracks der Upstream-Kamera sind rot und von der Downstream-Kamera sind grün (eindimensionale Darstellung der Einfachheit halber). Die vertikalen gestrichelten Linien begrenzen die Nennlänge der Überlappung. Wegen einer möglichen Unterbrechung der Spuren ist die Vielfalt der Ergebnisse größer als die für die erwartete einfache TrAcks (entsprechend den ersten vier skizzierten Fällen) mit einer Spur von der ersten Kamera, die den überlappenden Bereich erreicht, und eine Spur von der zweiten Kamera, die sie verlässt. Es werden insgesamt 13 theoretisch mögliche Situationen vorgestellt. Zur Vereinfachung der Analyse werden Spuren, die kürzer sind als die Länge der überlappenden Regionen, von den vorläufigen Daten ausgeschlossen. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

9. Analysieren der Sediment-Transport-Kinematik

  1. Ausgehend von dem erhaltenen Datensatz, der die Spur jedes transportierten Partikels enthält, ausgedrückt in Form der ( x , y ) Position, die zu einem beliebigen Zeitpunkt genommen wird, führen Sie eine Vielzahl von statistischen Analysen für eine Darstellung der Bett-Last-Partikelkinematik 3 durch , 4 , 5 , 8 , 16 , 17 , 18

Representative Results

Die in diesem Abschnitt dargestellten Ergebnisse sind für ein Experiment, bei dem die Rinnensteigung auf Null gesetzt wurde (Steigungswerte wurden mit ± 0,05% Genauigkeit berechnet). Das verwendete Sediment wurde aus PBT-Partikeln hergestellt, die quasi-sphärisch waren, mit einer Größe d = 3 mm und einer Dichte ρ p = 1,270 kg / m 3 . Das Experiment wurde mit einer Durchflussrate Q = 9,7 × 10 -3 m 3 / s durchgeführt, was zu einer Schüttgeschwindigkeit U = 0,31 m / s führte.

Für die Geschwindigkeitsmessungen mit dem UVP wurde eine 2 MHz Sonde bei 81 ° Neigung verwendet. Die Geschwindigkeitsdaten wurden bei 20 Hz für 250 s erfasst. Ein repräsentatives Geschwindigkeitsprofil ist in Fig. 2 dargestellt . Es wurde an der Kanalachse und bei 4,5 m vom Rinneneinlauf genommen, wo die Strömung vollständig entwickelt war. Einige Werte im Zusammenhang mit ungültigen Höhenmessungen wurden entfernt. Ein asymmetrischC-Profil resultiert aus der unterschiedlichen Rauheit des Kunststoffdeckels und des Sedimentbettes. Die Diagramme zeigen auch den Teil des Profils, der für die Schätzung der Schergeschwindigkeit verwendet wird, wobei u s = 25,9 ± 1,3 mm / s erhalten wird. Die Teilchen-Reynolds-Zahl ( Re p = u s × d / ν , mit ν als kinematische Viskosität von Wasser) war daher gleich 78, was auf ein Übergangs-Grob-Regime hinweist.

Die Visualisierung des Sedimenttransports wurde mit zwei Kameras durchgeführt, die auf 3,5 m und 4,3 m vom Rinneneinlass platziert wurden. Die Kameras arbeiteten mit einer Frequenz von 30 fps und einer Auflösung von 1.920 x 1.080 Pixeln. Der Faktor für die Korrektur der Bildverzerrung betrug k = 0,6. Nach dem Entfernen der Verzerrung betrug die Bildkalibrierung 1 Pixel = 0,5 mm. Die Länge der Überlappung betrug von 760,15 bis 880,11 mm (wobei letzteres die Länge des Fokusbereichs der Tanne warEine Kamera von der vorgeschalteten Kante). Die Schwellenintensität für die Partikelidentifizierung wurde auf 80 eingestellt, und die erwartete Blobgröße reichte von 0,5 bis 8 mm. Das Suchfenster für die Partikelverfolgung war wie folgt: 1 mm stromaufwärts und 7 mm stromabwärts, 4 mm seitlich. Das Suchfenster zur Wiederverbindung der unterbrochenen Schienen war wie folgt: 1 mm stromaufwärts und 31 mm stromabwärts, 16 mm seitlich entlang 4 folgenden Rahmen. Der Schwellenwert der Quadratwurzel der mittleren quadrierten Differenz von x- und y- Werten zwischen zwei zu verbindenden Spuren wurde auf 10 mm eingestellt.

Die Teilchenspuren, die unter Verwendung einer Untermenge von 3.000 Bildern von jeder Kamera (entsprechend 100 s Dauer) gemessen wurden, sind in 3 dargestellt . Die Datenbank verzeichnete 37 und 34 Tracks von der Upstream- und Downstream-Kamera. Eine Überlappung der von den beiden Kameras erhaltenen Spuren wird zuerst vorgeschlagen und dann der resultierende volle Satz von tRacks angezeigt wird. Es ist offensichtlich, dass die Überlappung im mittleren Teil des Messbereichs zufriedenstellend war. 12 Links wurden am Ende 59 Spuren erhalten. Die längste Strecke überspannte das gesamte Beobachtungsfenster mit einer Gesamtlänge von ca. 1,6 m (mehr als 530 Teilchengrößen, 15,2 Fließtiefen oder 5,3 Flammenbreiten), was im Vergleich zu anderen Literaturstudien sehr groß ist, wo ähnliche Analysen durchgeführt wurden 3 , 4 , 5 , 8

Mit einem Lagrange-Rahmen werden hier die Schlüsselindikatoren der Partikelkinematik in Form von Partikel-Hopfen angewendet. Unter einem intermittierenden Bettlader-Transport wie der in diesem Experiment sind diese Hopfen Bewegungen, die durch Ruhezeiten getrennt sind. Um Hopfen innerhalb einer vollen Spur für ein einzelnes Teilchen zu erkennen, ist die Identifizierung der Teilchenbewegung und der StilleEin notwendiger vorbereitender Schritt In dieser Arbeit haben wir ein Kriterium 30 angewendet, das ein Teilchen in Bewegung zu einem bestimmten Zeitpunkt betrachtet, wenn seine x- Position zu diesem Zeitpunkt größer ist als alle vorherigen und niedriger als alle folgenden. Eine Gesamtzahl von 98 Hops wurde aus den 59 gemessenen Partikelspuren erhalten. Fig. 4 zeigt die erhaltene kumulative Frequenzverteilung (CFD) für die Hop-Länge und Dauer.

Figur 2
Abbildung 2: Messgeschwindigkeitsprofil. (Top) Das zeitlich gemittelte vertikale Profil der stromlinienförmigen Geschwindigkeitskomponente. (Unten) Die Schätzung der Schergeschwindigkeit durch Anpassen einer logarithmischen Gleichung an den unteren Teil des Profils. Beachten Sie, dass eine vertikale Achse, die von der Oberseite des Kanals ausgeht und nach unten gerichtet ist, in der ersten Handlung verwendet wird Das Ergebnis aus der Messung mit dem UVP. Eine Achse von dem Kanalboden und nach oben gerichtet wird stattdessen in der zweiten Kurve verwendet, wie es erforderlich ist, um die Schergeschwindigkeit durch Gleichungsanpassung zu schätzen. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Abbildung 3
Abbildung 3: Planansicht der gemessenen Partikelspuren. (Top) Die Tracks von den beiden Kameras (Upstream-Kamera in Rot und Downstream in Schwarz). (Unten) Die Probe der verbundenen Spuren (Farbe ändern für Klarheit und einige Spuren, die durch eine dickere Linie hervorgehoben werden). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

4 "class =" xfigimg "src =" / files / ftp_upload / 55874 / 55874fig4.jpg "/>
Abbildung 4: Kumulative Frequenzverteilung (CFD) der Hop-Länge (Top) und Duration (Bottom). Innerhalb jeder Spur von Fig. 3 wurde das Teilchen zu jedem Zeitpunkt markiert, um zu repräsentieren, ob das Teilchen in Bewegung war oder in diesem Augenblick in Ruhe war. Partikel-Hopfen wurden dann aus den Spuren als Portionen zwischen Partikel-Mitnahme (Übergang von Stille zu Bewegung) und Disentrainment (Übergang von Bewegung zu Stille) extrahiert. Die für Hop-Längen und -Dauern erhaltenen Proben wurden verwendet, um die hier dargestellten Verteilungen zu erstellen. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Ergänzende Code-Dateien: join_cameras.m BitteKlicken Sie hier, um diese Datei herunterzuladen.

Discussion

Das Entwerfen eines Bed-Load-Transport-Experiments mit Partikel-Visualisierung umfasst mehrere Schritte, einschließlich der Auswahl einer experimentellen Konfiguration und Hardware-Tools, Durchflussmessung, Partikel-Seeding und Visualisierung und Bildanalyse. Variationen bei jedem Schritt haben Vor- und Nachteile. Die Schlüsselmerkmale des in diesem Manuskript dargestellten Protokolls sind: (i) Verwenden eines Druckflusses und eines festen rauhen Betts, (ii) Aussäen einer geringen Anzahl von Bettbelastungspartikeln mit einer kontrastierenden Farbe auf die Festbettfarbe, (iii) Mit natürlichem Licht und (iv) mit mehreren Kameras, um unabhängige Track-Sets zu erhalten, um miteinander verbunden zu werden.

Die experimentelle Methode und die Datenverarbeitung ermöglichen es, die Bettlastpartikel für die Endmessung zuverlässig zu verfolgen. Die überdachte Strömung garantiert eine optimale Sicht der bewegten Teilchen. Das Festbett verhindert jedoch die Beobachtung einiger Prozesse ( zB die mit vertica verbundenen L Verschiebungen von Sedimentteilchen innerhalb der aktiven Bettbelastungsschicht) und begrenzt somit die Anwendbarkeit der Technik auf schwache Bettbelastungen.

Die Größe der Datenproben, die mit nur 100 s Film erhalten wurden, war relativ klein. Jedoch kann die Probengröße leicht erhöht werden, indem die experimentelle Dauer der Bilderfassung und -verarbeitung verlängert wird. Das Füttern einer begrenzten Anzahl von Teilchen erfordert eine längere experimentelle Zeit als die Fütterung mit einer wesentlich höheren Rate; Aber es lohnt sich die Mühe wegen einer relativ einfachen Partikelverfolgung aufgrund der geringen Konzentration von Partikeln in Bewegung und der Verwendung von verschiedenen Farben, die beide die Wahrscheinlichkeit der Verfolgung von Fehlern reduzieren. Die Verwendung von natürlichem Licht im Experiment vermeidet die Notwendigkeit von Beleuchtungseinrichtungen; Allerdings ist ein Nachteil, dass eine gute Beleuchtung von den Wetterbedingungen abhängt.

Die CFDs der Partikel-Hop-Länge und Dauer, die inG "> Abbildung 4 zeigt die niedrigsten Werte als die häufigsten Die größten Messwerte der Hop-Länge und Dauer waren etwa 600 mm bzw. 7 s. Dies war im Vergleich zu analogen Werten aus der Literatur 4 , 16 , 30 deutlich größer , Da die Messung längerer Spuren das Risiko eines langen Partikel-Hops ausmacht, ist der Vorteil der Verwendung von zwei Kameras offensichtlich, wenn man bedenkt, dass eine einzelne Kamera eine Fokusbereichslänge von etwa 850 mm hatte, was nicht viel größer wäre als die zu messenden Hop-Längenwerte. Das Messprotokoll mit zwei Kameras stellte stattdessen eine zufriedenstellende Trennung zwischen den Längenskalen des Prozesses und denen des Messfeldes sicher und verringerte so das Risiko, die phänomenologischen Ergebnisse durch experimentelle Einschränkungen vorzuspannen. Außerdem kann der Fokusbereich zusätzlich verlängert werden Erhöhung der Anzahl der Kameras, die entlang der Rinne platziert werden.

Ein alternatives Verfahren gegenüber dem hier beschriebenen Protokoll besteht darin, überlappende Bilder vor der Partikelidentifizierung und -verfolgung zu erzeugen. Unser Protokoll (zweimaliges Durchführen der Spurverfolgung und Verknüpfen von Partikelspuren) wurde bevorzugt, da die Bildmischungsmethode die Größe der Datendateien verdoppelt hätte, was einen Speicherverbrauch erforderte, der nicht erschwinglich war.

Bei den hier beschriebenen Verarbeitungsalgorithmen wurden mehrere Partikelspuren, die kürzer waren als die Länge des Überlappungsbereichs, verworfen, weil sie eine vollständige Rekonstruktion der Sedimentspuren verhinderten. Jedoch war die Schwellenlänge von 120 mm um eine Größenordnung kürzer als die Spurlängen, die erhalten werden konnten, und der Verlust dieser Daten war daher akzeptabel. Darüber hinaus würde die Spurverbindung, die in den unteren 8 Fällen von Fig. 1 gesehen wird , nicht eine signifikante Erhöhung der Spurlänge ermöglichen, die erhalten werden soll. Auf der anderen Seite könnten diese Situationen helfenBei der Abfrage von langen Spuren, wie die Situation in Abbildung 5 , die aufgrund von Unterbrechungen auftreten könnte. In einem ähnlichen Fall konnte eine lange Spur durch iterative Fügevorgänge rekonstruiert werden. Es ist jedoch wichtig zu beachten, dass Spurunterbrechungen wie die in Abbildung 5 eindeutig mit dem Tracking-Prozess und nicht mit dem Fügeprozess zusammenhängen.

Dieses Manuskript präsentierte Proof-of-Concept-Ergebnisse für ein einziges Experiment, um die Fähigkeiten des angenommenen Protokolls zu demonstrieren. In zukünftigen Experimenten wird das Protokoll auf eine Reihe unterschiedlicher hydrodynamischer Bedingungen angewendet, um eine detaillierte Analyse des Bettlade-Sediment-Transportprozesses zu erreichen.

Abbildung 5
Abbildung 5: Eine Situation der Spur in Gegenwart von Unterbrechungen. Fig. 1 und in Schritt 8.4 des Protokolls erwähnt, sind die Spuren, die kürzer als die Länge des überlappenden Bereichs sind, ausgeschlossen. Dadurch werden die kurzen roten und grünen Spuren eliminiert. Daher können die verbleibenden langen nicht verbunden werden, weil sie keinen gemeinsamen Punkt haben. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Disclosures

Die Autoren erklären, dass sie keine konkurrierenden finanziellen Interessen haben.

Acknowledgments

Diese Arbeit wurde von der Exekutivagentur für Forschung durch das 7. Rahmenprogramm der Europäischen Union, die Förderung der Aus- und Weiterbildung von Forschern (Marie Curie - FP7-PEOPLE-2012-ITN) unterstützt, die das Initial Training Network (ITN) HYTECH "Hydrodynamischer Transport in ökologisch kritischen heterogenen Grenzflächen" (Nummer 316546). Es wurde auch vom Polo Territoriale di Lecco des Politecnico di Milano unterstützt. Die Experimente wurden bei einem Besuch der SS zum Politecnico di Milano als Gastwissenschaftler durchgeführt. Die Autoren danken Tarcisio Fazzini, Stefania Gherbi, Francesco Mottini (B.Sc. Studenten am Politecnico di Milano) und Seyed Abbas Hosseini-Sadabadi (Fellow des HYTECH-Projekts und Doktorand am Politecnico di Milano) für die Unterstützung der Experimentelle Aktivität und die Datenanalyse. Die Autoren danken Prof. Roger Nokes (Universität Canterbury, Christchurch, Neuseeland) für die Bereitstellung der STreams software und ständige beratung Schließlich danken die Autoren dem JoVE-Redakteur und drei anonymen Rezensenten für ihre nachdenkenden Kommentare und Anregungen, dank derer das Manuskript deutlich verbessert werden konnte.

Materials

Name Company Catalog Number Comments
Laser distance sensor METRICA PREXISOX2 Used to measure the flume slope
Two-component polyester resin Gelson MS 65213 Used to glue sediment particles onto steel plates
Water-resistant spray paint Any Used to paint the fixed bed
Ultrasonic Velocity Profiler Signal Processing DOP 2000 Used to measure the water velocity profiles
Camera Go-Pro Hero 4 Black Used to acquire movies of bed-load particle motion
Streams University of Canterbury 2.01 Used for particle identification and tracking
MatLab MathWorks R14 Used to develop ad hoc codes for a variety of operations
Plexiglas Transparent acrylic material

DOWNLOAD MATERIALS LIST

References

  1. Francis, J. R. D. Experiments on the motion of solitary grains along the bed of a water-stream. Proc Royal Soc London, A. 332, 443-471 (1973).
  2. Drake, T. G., Shreve, R. L., Dietrich, W. E., Whiting, P. J., Leopold, L. B. Bedload transport of fine gravel observed by motion-picture photography. J Fluid Mech. 192, 193-217 (1988).
  3. Campagnol, J., Radice, A., Ballio, F., Nikora, V. Particle motion and diffusion at weak bed load: accounting for unsteadiness effects of entrainment and disentrainment. J Hydraul Res. 53, (5), 633-648 (2015).
  4. Fathel, S. L., Furbish, D. J., Schmeeckle, M. W. Experimental evidence of statistical ensemble behavior in bed load sediment transport. J Geophys Res: Earth Surf. 120, (11), 2298-2317 (2015).
  5. Lajeunesse, E., Malverti, L., Charru, F. Bedload transport in turbulent flow at the grain scale: experiments and modeling. J Geophys Res: Earth Surf. 115, F04001 (2010).
  6. Tsakiris, A. G., Papanicolaou, A. N., Lauth, T. J. Signature of bedload particle transport mode in the acoustic signal of a geophone. J Hydraul Res. 52, (2), 185-204 (2014).
  7. Mendes, L., Antico, F., Sanches, P., Alegria, F., Aleixo, R., Ferreira, R. M. L. A particle counting system for calculation of bedload fluxes. Meas Sci Technol. 27, (12), 125305 (2016).
  8. Heays, K. G., Friedrich, H., Melville, B. W., Nokes, R. Quantifying the dynamic evolution of graded gravel beds using Particle Tracking Velocimetry. J Hydraul Eng. 140, (7), 04014027 (2014).
  9. Radice, A., Malavasi, S., Ballio, F. Solid transport measurements through image processing. Exp Fluids. 41, (5), 721-734 (2006).
  10. Radice, A., Ballio, F. Double-average characteristics of sediment motion in one-dimensional bed load. Acta Geophys. 56, (3), 654-668 (2008).
  11. Radice, A. Use of the Lorenz curve to quantify statistical nonuniformity of sediment transport rate. J Hydraul Eng. 135, (4), 320-326 (2009).
  12. Radice, A., Ballio, F., Nikora, V. On statistical properties of bed load sediment concentration. Water Resou. Res. 45, (6), W06501 (2009).
  13. Radice, A., Ballio, F., Nikora, V. Statistics and characteristic scales for bed load in a channel flow with sidewall effects. Acta Geophys. 58, (6), 1072-1093 (2010).
  14. Campagnol, J., Radice, A., Ballio, F. Scale-based statistical analysis of sediment fluxes. Acta Geophys. 60, (6), 1744-1777 (2012).
  15. Radice, A., Nikora, V., Campagnol, J., Ballio, F. Active interactions between turbulence and bed load: Conceptual picture and experimental evidence. Water Resour Res. 49, (1), 90-99 (2013).
  16. Campagnol, J., Radice, A., Nokes, R., Bulankina, V., Lescova, A., Ballio, F. Lagrangian analysis of bed-load sediment motion: database contribution. J Hydraul Res. 51, (5), 589-596 (2013).
  17. Ballio, F., Radice, A. Fluctuations and time scales for bed-load sediment motion over a smooth bed. Int J Sediment Res. 30, (4), 321-327 (2015).
  18. Hosseini-Sadabadi, S. A., Radice, A., Ballio, F. An analysis of entrainment and deposition rate fluctuations in weak bed load transport. Hydrodynamic and mass transport at freshwater aquatic interfaces. Rowiński, P. M., Marion, A. Springer. 333-342 (2016).
  19. Papanicolaou, A. N., Diplas, P., Balakrishnan, M., Dancey, C. L. Computer vision technique for tracking bed load movement. J Comput Civil Eng. 13, (2), 71-79 (1999).
  20. Ramesh, B., Kothyari, U. C., Murugesan, K. Near-bed particle motion over transitionally-rough bed. J Hydraul Res. 49, (6), 757-765 (2011).
  21. Amir, M., Nikora, V., Witz, M. A novel experimental technique and its application to study the effects of particle density and flow submergence on bed particle saltation. J Hydraul Res. 55, (1), 101-113 (2017).
  22. Ettema, R. Ice effects on sediment transport in rivers. Sedimentation Engineering. Garcìa, M. H. Restion, VA. 613-648 (2008).
  23. Knack, I., Shen, H. Sediment transport in ice-covered channels. Int J Sediment Res. 30, (1), 63-67 (2015).
  24. Goring, D. G., Nikora, V. I. Despiking acoustic Doppler velocimeter data. J Hydraul Eng. 128, (1), 117-126 (2002).
  25. Nowak, M. Wall shear stress measurement in a turbulent pipe flow using ultrasound Doppler velocimetry. Exp Fluids. 33, (2), 249-255 (2002).
  26. McCuen, R. H. Microcomputer applications in statistical hydrology. Prentice Hall. Englewood Cliffs, NJ. (1993).
  27. Lloyd, P. M., Ball, D. J., Stansby, P. K. Unsteady surface-velocity field measurement using particle tracking velocimetry. J. Hydraul. Res. 33, (4), 519-534 (1995).
  28. Radice, A., Aleixo, R., Hosseini-Sadabadi, S. A., Sarkar, S. On image grabbing and processing for measurement of geophysical flows. Proc. HydroSenSoft 2017, International Symposium and Exhibition on Hydro-Environment Sensors and Software. Madrid, Spain. (2017).
  29. Nokes, R. Streams. System theory and design. University of Canterbury. Christchurch, New Zealand. Available from: http://www.civil.canterbury.ac.nz/streams.shtml (2016).
  30. Hosseini-Sadabadi, S. A., Radice, A., Ballio, F. Post-processing of particle tracking data for phenomenological depiction of weak bed-load sediment transport. Proc. River Flow 2016. VIII Int. Conf. on Fluvial Hydraulics, St. St. Louis, US. 780-786 (2016).
Bildbasierte Lagrange-Partikel-Tracking in Bettlasten-Experimenten
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Radice, A., Sarkar, S., Ballio, F. Image-based Lagrangian Particle Tracking in Bed-load Experiments. J. Vis. Exp. (125), e55874, doi:10.3791/55874 (2017).More

Radice, A., Sarkar, S., Ballio, F. Image-based Lagrangian Particle Tracking in Bed-load Experiments. J. Vis. Exp. (125), e55874, doi:10.3791/55874 (2017).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter