Spårning Infiltration främre djup med Time-lapse multi offset samlar samlas in med Array antenn marken penetrerande Radar

Environment
 

Summary

Här presenterar vi ett marken penetrerande Radar (GPR) system baserat på en mark-tillsammans, tätbefolkade antenn array för att övervaka den dynamiska processen för markytan vatten infiltration. En time-lapse radar bild av infiltration processen får uppskatta djupet av vätning framsidan under processen infiltration.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Saito, H., Kuroda, S., Iwasaki, T., Fujimaki, H., Nagai, N., Sala, J. Tracking Infiltration Front Depth Using Time-lapse Multi-offset Gathers Collected with Array Antenna Ground Penetrating Radar. J. Vis. Exp. (135), e56847, doi:10.3791/56847 (2018).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Ett marken penetrerande Radar (GPR) system baserat på en mark-tillsammans, tätbefolkade antenn array användes för att samla in data under ett infiltration experiment som utfördes på en testplats nära Tottori sanddynen, Japan. Den antenn array används i denna studie består av 10 överförande antenner (Tx) och 11 emot antenner (Rx). För detta experiment, har systemet konfigurerats för att använda alla möjliga Tx-Rx ihopkopplingar, vilket resulterar i en multi Offset samla (MOG) som består av 110 Tx-Rx kombinationer. Matrisen var kvar stillastående position direkt ovanför området infiltration och data samlades varje 1,5 sekunder använder en tidsbaserad utlösare. Common-Offset samla (COG) och gemensamma mittpunkt (CMP) datakuber rekonstruerades från MOG data under efterbehandlingen. Det har gjorts några studier som används time-lapse CMP data för att uppskatta förändringar i hastighet av förökningen. I denna studie beräknades elektromagnetiska (EM) wave velocity heuristiskt 1 minuters mellanrum från rekonstruerade CMP data genom kurvan Snabbanslutning, med hjälp av hyperbelns ekvation. Vi fortsatte sedan att beräkna djupet av vätning framsidan. Utvecklingen av vätning framsidan med tiden få genom denna metod överensstämmer med observationerna från en jord fuktsensor som placerades på ett djup under 20 cm. Resultaten från denna studie visar sådan array GPR system förmåga att övervaka en subsurface dynamisk process som vatten infiltration korrekt och kvantitativt.

Introduction

Förståelse massa och energi transportprocesser i zonen vadose är viktiga för många tillämpningar inom jordbruks- och miljöteknik discipliner. Bland dessa processer, steglöst mättade vattenflödet är den viktiga processen som många av de andra processerna, till exempel fysiska, geokemiska, biologiska och även mekaniska processer, är vanligtvis tillsammans med vattenflödet. Senaste utvecklingen inom geofysiska tekniker har gjorde det möjligt att övervaka hydrologiska processer i zonen vadose icke-invasivt. Bland många geofysiska tekniker är marken penetrerande radar (GPR) en av de mest använda teknikerna att övervaka och att karakterisera jorddynamik vatten eftersom förökningen av elektromagnetiska (EM) vågor som avges och tas emot av GPR antenner är kännetecknas av markens fukt innehåll1,2,3,4. Bland tillgängliga system är på marken yta GPR (kallad ytan GPR i resten av manuskriptet) det vanligaste att använda i ett fält. Traditionella ytan GPR-system med en sändare och en mottagare (bistatisk radarsystem) används ofta att skanna markytan med en konstant sändar separation (offset). Datauppsättningar som samlas in i den här konfigurationen kallas även gemensamma offset samlar (COG). Radardata visas som tidsserier baserat på totala restiden mellan sändaren, eventuell reflektorer och tillbaka till mottagaren. För att konvertera restiden till djup information, EM wave velocity i markytan måste uppskattas. Detta kan exempelvis göras genom analys av flera offset samla (MOG) datauppsättningar5.

Även om det har förekommit ett antal studier som använder GPR för att övervaka subsurface infiltration processer6,7,8,9, bestämmas ingen av dem direkt platsen för vätning framsidan eller EM vågen Velocity struktur att förändras med tiden under infiltration. Den gemensamma strategin är att använda objekt begravd på kända djup som referens reflektorer för att fastställa genomsnittliga EM våg hastighet och fuktning främre djup. Eftersom vätning framsidan ändras dynamiskt under infiltration, måste time-lapse MOG hämtas på kort tidsintervall att utnyttja förändringar i strukturen EM våg hastighet utan att använda referensobjekt. Med gemensamma bistatisk ytan GPR antenner är insamling av time-lapse MOG med korta mellanrum mellan varandra svårt eller omöjligt eftersom det kräver att manuellt flytta antenner för att ställa in de olika offset konfigurationerna. Nyligen, en familj av antenn array GPR (kallad matris GPR nedan) har använts i stor utsträckning till bild under markytan snabb och exakt10. Det grundläggande konceptet för matrisen GPR är att ge tät strängar med en minimal ansträngning genom att elektroniskt byta flera antenner monterade i en enda bildruta. Array GPR system har främst använts för att generera 3D subsurface bilder av stora ytor snabbt. Några exempel på typiska applikationer för dessa system är vägen och bron inspektion11, arkeologisk prospektering12 och oxå och landminor upptäckt13,14. För sådana ändamål, matrisen GPR används främst att skanna markytan med en konstant antennkonfiguration separation att samla COG. Även om det har visats att MOG samlas in med en array GPR kunde användas för velocity uppskattning15, har den praktiska tillämpningen av denna metod varit begränsad till bara ett fåtal fall. Genom att placera matrisen antennen på en fast plats, kan tid-bortfallit MOG enkelt samlas in. Som visat i vår senaste publikation16, skildra time-lapse radargrams samlas in med arrayen GPR systemet ganska klart speglar signalerna från vätning framsidan gradvis rör sig nedåt under en vertikal infiltration experiment utföras på en sanddyn. Huvudsyftet med uppsatsen var att visa hur att använda matrisen GPR för att samla time-lapse MOG under testet infiltration och analysera sådana uppgifter för att spåra djupet av vätning framsidan.

I denna studie använde vi en antenn array bestående av 10 sänder (Tx0 - Tx9) och 11 emot (Rx0 - Rx10) fluga monopole antenner. Förskjutningen av antenn elementen inom matrisen visas i figur 1 (se Tabell för material). Arrayen antenn styrs av ett steg-frekvens kontinuerlig vågform (SFCW) radar enheten drivs över frekvensområdet från 100 MHz till 3000 MHz. Matrisen GPR växlar genom en användardefinierad sekvens av Rx-Tx par använder radiofrekvens (RF) multiplexorer i antenn array10. Det maximala antalet Tx-Rx kombinationer för detta särskilda system är 110. För detta experiment konfigurerat vi arrayen GPR att använda alla 110 kombinationer, programmering sekvensen scan så att varje sändare, från Tx0 till Tx9, parades ihop sekventiellt med alla 11 mottagare från Rx0 till Rx10. Tid som krävs för att utföra en genomsökning genom alla 110 kombinationer är mindre än 1,5 sekunder. Förskjutningen mellan sändare och mottagare var beräknas baserat på avståndet mellan foder pekar av antennelement, där den vertikala förskjutningen är 85 mm som visas i figur 1.

Protocol

Huvudsyftet med denna studie var att använda en matris GPR system för att visualisera subsurface dynamiska processer, såsom vatten infiltration, det är också viktigt att beskriva hur infiltration testet genomfördes.

1. fälttest och Infiltration

  1. Välja en plats med en bare yta för infiltration testet.
    Obs: För denna studie genomfördes testet infiltration i ett stort växthus anläggning av torra Land Research Center i Tottori universitetar, Japan. Se senaste publikationen för mer detaljer16.
  2. Ställning på den yta sex 2,5-m lång porösa rör parallellen på ett avstånd av 15-cm mellan varandra, för att säkerställa enhetliga infiltration (figur 2).
  3. Anslut ena änden av rören för att en ventil reglerade inlopp, som är ansluten till en vattenreservoar eller till en kran, och den andra ändan till ett eluttag för att avlägsna överskottsvatten.
  4. Placera en tunn 910 x 1802 mm2 träpanel (något större än arrayen antenn), för att täcka de porösa rören.
  5. Kontrollera effekten av panelen trä på radar signalen före testet infiltration.
  6. Installera jord fukt sensorer bredvid panelen trä för att övervaka förändringar i markens vattenhalt på olika djup.
    Obs: Syftet med dessa givare är att tillhandahålla referensdata som används för att kontrollera resultaten från analysen av GPR data. I denna studie installerades en rod-typ jord fuktsensor (se Tabell för material) bredvid antennen att övervaka jorden Dielektricitetskonstant på 10, 20, 30, 40, 60 och 100 cm djup.

2. GPR mätning

  1. Placera matris GPR antennen på panelen trä.
    Obs: I denna studie var antennen kvar stillastående att säkerställa konsekvens i de inspelade signalerna.
  2. Anslut antennen till handkontrollen med koaxiala kablar.
  3. Ansluta handkontrollen till en bärbar dator med en Ethernet-kabel.
  4. Välja kombinationer av antenn och deras ordning för att säkerställa både gemensamma offset samla (COG) och flera offset samla (MOG) samlas sömlöst.
    Obs: I denna studie var alla möjliga kombinationer för matrisen GPR till vårt förfogande används (110). Det tog mindre än 1,5 s för att utföra en fullständig genomsökning genom alla kombinationer.
  5. Starta inspelningen av GPR data med hjälp av data insamling programvara.
    Obs: Det är viktigt att börja dataförvärvet innan vatten sprutas in i porösa rören.
  6. Öppna ventilen för att applicera vatten (dvsbörja infiltration).
    Obs: Vatten kan injektion i Alven fastställas i målet smutsa hydrauliska egenskaper (t.ex. hydraulisk konduktivitet). Det flöde som används i denna studie var 7 000 cm3/min, vilket var mindre än den mättade hydraulisk konduktiviteten av dune sand.
  7. Efter en förutbestämd mängd vatten sprutas, Stäng ventilen.
    Obs: Vatten injicerades kontinuerligt för 4 h, och sammanlagt 1 680 L vatten användes för testet.
  8. Hålla skanning med arrayen GPR för en ytterligare period, för att övervaka processen omfördelning för vidare analys.
    Obs: Arrayen GPR har varit höll datainsamling för 4 h efter ventilen hade stängts. Dessa data har dock inte analyserats för studien presenteras här.

3. dataanalys för Velocity uppskattning

  1. Rekonstruera COG och CMP data genom att extrahera de relativa Tx-Rx kombinationerna från övergripande datakuben. Detta uppnåddes genom vissa anpassad kod som utvecklats av författarna som ordnas om radar profilerna så att gruppera Tx-Rx par på identiska offset (COG) och de med samma mittpunkten (CMP).
    Obs: Eftersom en SFCW GPR enhet användes för denna studie, är rådata i frekvensplanet; driften av frekvens till tidomvandlingen utfördes med hjälp av den programvara som tillhandahålls av tillverkaren av GPR systemet.
  2. Uppskatta den optimala EM wave velocity i zonen vätning på en viss förfluten tid genom att montera beräknade tvåvägs restid, tc, EM vågen reflekteras framtill infiltration på observerade signaler. Hastigheten med den bästa kurvanpassning bestämdes heuristiskt.
    Equation 1(1)
    där d0 är djupet till reflektion punkt, x är avståndet mellan Tx och Rx, vr är root-mean-square hastigheten till reflektion planet och t0 är tvåvägs restiden på noll förskjutningar utifrån den CMP-radargram.
    Obs: Den vanligaste hastigheten skattningsmetoden använder MOG är sken analys5,15,17. I sken analys plockas kvadratiska medelvärdet hastigheten med hjälp av ett velocity spektrum. Sken analys användes inte för velocity uppskattning i denna studie eftersom låg signal-brus-förhållandet observerats i matrisen GPR data inte tillät oss att utveckla en tillförlitlig velocity spektrum. Att hitta en lämplig filtrering metod att generera en tillförlitlig velocity spektrum från dessa data undersöks i andra pågående forskning. För tillämpningsområdet för denna studie användes kurvan passande metod för att passa Eq (1) till den CMP-radargrams.
  3. Med hjälp av ekv (1), beräkna vätning främre djup d0 på en viss förfluten tid med hjälp av den uppskattade EM hastighet vr.
    Obs: För denna del av dataanalysen användes COG datauppsättningen på ett offset x lika med 113 mm.

Representative Results

Figur 3 visar en time-lapse panel diagram över 110 Tx-Rx kombinationer förvärvade varje 1,5 s under de första 60 min av infiltration experimentet, efter konvertera data från frekvens till tid domän. För att öka reflektioner på djup, tillämpades ett bandpassfilter följt av vinst ersättning. Panelen diagrammet kan delas in i 10 sektioner, varje sektion som motsvarar en viss Tx. Platsen för Tx indikeras av en vit triangel, och varje skiva motsvarar en time-lapse signal registreras för en Rx. Den lodräta axeln visar tvåvägs restid eller TWT, dvs den tid nödvändigt för EM våg att resa från sändaren till eventuell reflektorn och tillbaka till mottagaren. Profilerna visas signalen amplituden i en gråskala färgkarta. En stor kontrast i färg indikerar hög amplitud i inspelade radar signalen. EM våg reflektioner produceras i gränssnittet mellan lager på olika Dielektricitetskonstant eller av föremål med olika elektriska egenskaper än omgivande medium; en hög dielektrisk kontrast kommer att avgöra hög amplitud speglar. Under vatten infiltration finns det en zon som kallas övergångszonen där vattenhalten successivt ökar från kanten av vätning zonen, som är där vatten tränger in i den initialt torr jorden. Den EM våg sannolikt återspeglas inte på kanten men inom övergångszonen, som observerades i studier av grundvattennivån upptäckt18. I resten av manuskriptet benämns speglar området vätning framsidan. I figur 3, en hög amplitud signal visas och flyttar stadigt nedåt när tiden avancerar under experimentet. Denna reflexion är faktiskt producerad av vätning framsidan som vattnet tränger gradvis nedåt i markytan. Från detta diagram, kan COG och CMP rekonstrueras som visas i figur 2 i Iwasaki o.a. 16

Velocity analys utfördes på CMP uppgifterna varje 1 min. För varje uppsättning CMP data försågs tvåvägs resatiden av ekv (1) till reflektion framifrån vätning genom att justera t0 och vr, förutsatt att ett enhetligt lager i zonen våt. Tid noll korrigerades av passande air wave med hastigheten av 0,3 m/ns. Figur 4 visar CMP data med 5 min intervall från förfluten tid te = 5 min till te = 50 min tillsammans med de bäst anpassade kurvor visas som vita linjer (heldragna linjer för den reflekterade vågen) och streckad linje för air wave. Eftersom air wave inte är en reflekterad våg men den direkta signalen mellan sändare och mottagare, ökar restiden linjärt med offset. Alla kurvor utrustades till positiva topparna (i vit färg) reflekterade vågor. Alla kurvor utrustade väl till de observerade reflekterade kurvor visas i den CMP radargrams på alla motkrav, vilket innebär att de uppskattade värdena för t0 och vr är bra. För infiltration experimentet placerades en torr träpanel mellan antennen och porösa rören. Eftersom panelen har en mycket lägre Dielektricitetskonstant än för våt jord, kanske dess effekter på den EM vågutbredningen inte försumbar, även om den är tunn. En två-lagers modell ansågs då förutom den tidigare nämnda lager modellen, förutsatt att värdet 3 för dielektrisk konstant på den översta 5 cm. Också för denna andra modell uppskattades EM våg hastighet vr av kurva montering på reflektion produceras av vätning framsidan.

I Figur 5, beräknad vätning främre djup ritas som en funktion av te för både enkel- och två-lagers modeller. Det kan vara uppskattat att vätning framsidan flyttar nedåt nästan linjärt med tiden för båda modellerna, med undantag för en nedgång mellan te = 10 min och te = 20 min. skillnaderna mellan två modeller är inledningsvis inte betydande, men lika tid förflyter uppskattningen för den enhetliga modellen flyttar något snabbare jämfört med två lager modell. I figur 5används diamond symboler för att markera tiderna när avläsningar från fukt sensorer börjat öka och när de senare blev stadig; dessa förbinds med en heldragen linje för varje sensor djup. Som nämnts ovan, uppstår reflektion av den EM våg inte nödvändigtvis på kanten av den våta zonen; med andra ord, med tanke på ett visst djup, man inte förvänta sig denna reflektion att matcha punkten i tid när avläsningarna från en sensor börja öka. I denna mening är reflektion hänförligt till en djup nivå vid infiltration framsidan där en viss vatten-mättnad uppnåtts, jämfört med området omedelbart nedan. Med tanke på sensorerna på 30, 40 och 60 cm djup, uppskattningen av vätning främre djupet erhållits från GPR data faller väl inom intervallet visas av de heldragna linjerna på tidslinjen. Tiden när GPR Beräknad vätning front anlände på 20 cm djup motsvarar den tid när den plötsliga ökningen i sensorn behandlingen observerades, medan GPR uppskattningen nått djup 10 cm mycket snabbare än vad producerades av fukt sensorn , även om signalen eftertanke framifrån vätning observeras tydligt efter te = 5 min (figur 4). Dessutom har det nämnas att en extrapolering av GPR Beräknad kurvan inte passerar genom origo. Men det är oklart vad som orsakade denna diskrepans på grundare djup, kan det finnas några möjliga förklaringar. Det kan tillskrivas heterogenitet i markens egenskaper, eller det kan bero på icke-enhetlig i vatten ansökan. Om så är fallet, skulle detta ha en större effekt tidigare under processen infiltration än i ett senare skede. En annan förklaring kan vara att ytjämnhet påverkar fastställandet av tiden noll. Förutom effekten av träpanel och porösa rören, bör effekten av ytjämnhet beaktas.

Figure 1
Figur 1 : Schemat för array marken penetrerande radar antenn-konfiguration som använts i denna studie. V-formade strukturer är bowtie monopole antenner. Det finns 10 överförande antenner (Tx) och 11 emot antenner (Rx) justerad horisontellt. Klicka här för att se en större version av denna siffra.

Figure 2
Figur 2: scheman av infiltration experiment. (A) en ovanifrån och (B) sidoutsikt där array antennen placerades ovanpå sex 250 cm porösa rör linje 15 cm mellanrum. Klicka här för att se en större version av denna siffra.

Figure 3
Figur 3 : Time-lapse radargram erhållits under de första 60 min infiltration experimentet. Data består av inspelade signaler för 110 antenn kombinationer. En cirkelsektor motsvarar time-lapse insamlade uppgifter med en enda Tx-Rx-kombination. En annan färg används för signalens amplitud. Vertikala svarta linjer separata uppgifter för varje Tx. White trianglar ange placering av Tx. vänligen klicka här för att visa en större version av denna siffra.

Figure 4
Figur 4 : Radargrams av CMP på te = 5 min till te = 55 min med 5 min intervall. Den vita heldragna linjer representerar manuellt monterade tvåvägs reser tid av reflektion framifrån vätning, medan de vita streckade linjerna representerar resatiden av air wave. Klicka här för att se en större version av denna siffra.

Figure 5
Figur 5 : Vätning främre djupet. Vätning främre djup beräknad från array GPR i time-lapse multi offset samla som en funktion av förfluten tid både för enhetligt (trianglar) och två lager (torg) modellerna. Svarta linjer med diamanter i båda ändar visar tiden mellan den inledande ökningen avläsningar och när dessa nått en stabil nivå för varje sensor djup (dvs varaktighet övergångszonen). Klicka här för att se en större version av denna siffra.

Discussion

I denna studie utfördes array marken penetrerande radar (GPR) användes till att spåra djupet av vätning framsidan under försökstiden infiltration vid en experimental fältet nära Tottori sanddynen, Japan. Arrayen GPR-system som används i denna studie består av 10 överförande antenner (Tx) och 11 emot antenner (Rx). Systemet kan konfigureras för att använda upp till 110 olika Tx-Rx kombinationer. Under infiltration experimentet skannades alla 110 kombinationer kontinuerligt med 1,5 sekunder mellanrum, lämnar matrisen stillastående på den plats där vatten tillämpades genom vissa porösa rör som placeras på ytan. Common-offset samla (COG) och vanliga mittpunkten data (CMP) rekonstruerades från time-lapse datakuben. Det skulle vara praktiskt omöjligt att samla in CMP data i samma takt med konventionella bistatisk GPR system. Det är mycket viktigt att lämna antennen i stationära inspelning under experimentet för att erhålla reproducerbara och meningsfull time-lapse data.

Även om array GPR data har använts för att uppskatta EM våg hastigheter15, det finns bara ett fåtal studier som analyserat time-lapse array GPR data för att uppskatta EM våg hastigheter för övergående processer som vatten infiltration. I denna studie uppskattades den elektromagnetiska (EM) wave velocity strukturen från time-lapse CMP data. Istället för att utföra sken analys, hyperbel kurvan för tvåvägs restiden försågs heuristiskt reflekterade signaler i den CMP-radargrams för att uppskatta den genomsnittliga EM wave velocity i zonen vätning på grund av lågt signal-till-brus (S / (N) baserat i data. När S/N är låg, kan inte sken analys användas för att generera en tillförlitlig velocity spektrum. En lämplig filtrering metod skulle behöva utvecklas för att använda analysmetoden som sken. En rod-typ jord fuktsensor installerades intill GPR antennen att mäta förändringar i markens vattenhalt under infiltration experimentet; sensorerna var fördrivna vid 10, 20, 30, 40 och 60 cm djup och arbetade självständigt.

Använda den uppskattade EM wave velocity, beräknades djupet av vätning framsidan med 1 minuts mellanrum av infiltration processen. Utvecklingen i tiden för beräknad vätning framsidan stämmer väl överens med synpunkter från markens fukt sensorer på djup 20 cm. På grundare djup visar GPR uppskattningen av vätning främre djupet en avvikelse med avläsningarna från markens fukt sensorer.

Sammantaget visar denna studie att matrisen GPR system kan spåra utvecklingen av vätning främre djup under vatten infiltration i marken, genom att samla time-lapse gemensamma mittpunkt (CMP) data. Eftersom denna typ av data inte var enkelt samlas in från konventionella ytan GPR innan, är de uppgifter som erhållits i denna studie de allra första som faktiskt visar hur vätning framsidan utvecklats över tiden i Alven. Framtida arbete kommer att undersöka möjligheten att använda data inversion för att uppskatta de hydrauliska parametrarna av smutsa från uppgifter som erhållits under detta experiment.

Acknowledgments

Denna studie stöddes ekonomiskt av JSPS beviljande vetenskapliga forskningsprogram (nr 16 H 02580, 17H 03885) och av gemensamma forsknings Program av torra Land Research Center, Tottori universitet.

Materials

Name Company Catalog Number Comments
GeoScope Radar Unit 3D Radar AS
DXG1820 antenna 3D Radar AS
PR2/6 Profile Probe  Delta-T

DOWNLOAD MATERIALS LIST

References

  1. 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. 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. 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. 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. Forte, E., Pipan, M. Review of multi-offset GPR applications: Data acquisition, processing and analysis. Signal Processing. 132, 1-11 (2017).
  6. 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. Trinks, I., Wachsmuth, D., Stumpel, H. Monitoring water flow in the unsaturated zone using georadar. First Break. 19, 679-684 (2001).
  8. Saintenoy, A., Schneider, S., Tucholka, P. Evaluating Ground Penetrating Radar Use for Water Infiltration Monitoring. Vadose Zone Journal. 7, (1), 208-214 (2008).
  9. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics