Túneles de animales: un objetivo desafiante en las imágenes cercanas a la superficie
close X
Menú Nav
 

Túneles de animales: un objetivo desafiante en las imágenes cercanas a la superficie

G

El radar de penetración circular (GPR) se utiliza a menudo para obtener imágenes del subsuelo poco profundo e investigar la infraestructura del subsuelo. Las estructuras poco profundas que se pasan por alto con frecuencia son los túneles y madrigueras que son excavados por animales excavadores. Aunque potencialmente solo tiene un diámetro de una escala de centímetros, una sola red de túneles interconectados puede extenderse por varios cientos de metros y, por lo tanto, contribuye al espacio poroso, influye en la hidrología del subsuelo y / o puede desestabilizar terraplenes y otros movimientos de tierra.

Se sabe que GPR proporciona la resolución de imagen más alta de las estructuras del subsuelo en un período de tiempo de estudio relativamente corto. Debido a su estructura potencialmente compleja y su pequeño tamaño, los túneles para animales son un objetivo especialmente desafiante para todos los métodos geofísicos disponibles. A diferencia de otros métodos, por ejemplo, excavaciones de la red de túneles, un estudio GPR deja a los animales y al subsuelo completamente intactos. Por lo tanto, la realización de encuestas GPR permite obtener imágenes de la extensión y, cuando se aplica de manera repetida, el desarrollo temporal de la red de túneles sin exponer a los animales y el subsuelo a perturbaciones innecesarias.

Para demostrar la idoneidad de GPR para obtener imágenes y monitorear tales características a pequeña escala, llevamos a cabo una encuesta de GPR en un campo con actividad de topo claramente visible en Tubney, Oxfordshire, Reino Unido (Figura 1). Los sistemas de túneles topo son a menudo extensos, y los túneles tienen un diámetro pequeño (aproximadamente 0.05 m), lo que hace que los sistemas de túneles topo sean ideales para probar la aplicabilidad de GPR para obtener imágenes y monitorear la geometría de tales características. Para probar estas capacidades de GPR, realizamos dos encuestas, con un año de diferencia, usando un sistema pulseEKKO PRO® usando un conjunto de transductores con una frecuencia central de 1000 MHz. En encuestas anteriores, encontramos que un sistema de posicionamiento de alta precisión es esencial para tal aplicación. Por lo tanto, utilizamos una estación total de seguimiento automático (Figura 1), que rastrea las antenas GPR y transmite coordenadas en tiempo real al sistema de adquisición GPR. Con esta configuración, ambos conjuntos de datos 3D GPR se adquirieron con un espaciado de trazas en línea de aproximadamente 1 cm y un espaciado de líneas de aproximadamente 5 cm.

escaneo de túneles subterráneos utilizando un radar de penetración terrestre (GPR)
Figura 1 y XNUMX
Adquisición de datos en el sitio de campo usando un sistema pulseEKKO® PRO en combinación con una estación total de seguimiento automático (trípode en el sitio izquierdo de la imagen).

 
Aplicamos procesamiento GPR avanzado a los datos registrados; esto incluyó eliminación de fondo, filtrado de paso de banda, corrección de amplitud, cuadrícula de datos a una cuadrícula de levantamiento regular con un espaciado de nodos de 2 cm y un esquema de migración basado en Kirchhoff. El resultado de este esquema de procesamiento es un volumen de GPR 3D densamente espaciado, que muestra las estructuras del subsuelo hasta una profundidad de aproximadamente 1 metro. Al interpretar los perfiles de GPR migrados (por ejemplo, Figura 2), encontramos un fondo sedimentario bastante uniforme con pocas estructuras geológicas visibles. Sin embargo, en los 5 ns superiores del perfil (que es ~ 0.2 m), observamos características a pequeña escala con altas amplitudes que interrumpen la imagen GPR que de otro modo sería continua.

Radargrama de datos GPR de túneles subterráneos
Figura 2 y XNUMX
Ejemplo de perfil GPR extraído de un volumen 3D GPR que muestra estructuras hasta una profundidad de ~ 1 m. Basándonos en los datos reales del terreno, interpretamos las estructuras en los 5 ns superiores (aproximadamente 0.2 m) del perfil como túneles topo.

 

Para calibrar nuestras observaciones, excavamos un pozo de suelo (Figura 3). Esta excavación reveló una red de túneles topo a una profundidad entre ~ 0.05 my ~ 0.25 m, que mapeamos midiendo las posiciones y uniones de túneles seleccionados (trazados como puntos rojos en la Figura 4). Continuamos excavando hasta ~ 0.70 m de profundidad y, como también se indica en los resultados del GPR, no encontramos túneles más profundos. Al mirar un segmento de tiempo (Figura 4), un mapa horizontal a través del volumen GPR, identificamos una red compleja de anomalías de gran amplitud, que se corresponden bien con la información de verdad del terreno de nuestra excavación.

túneles subterráneos
Figura 3 y XNUMX
Imagen que muestra la red de túneles topo observada en un sitio excavado para comprobar los resultados del GPR.

 

mapa de túneles subterráneos
Figura 4 y XNUMX
Cortes horizontales a través de los volúmenes de 3D GPR, que muestran la envolvente media a una profundidad de 0.08 ma 0.16 m. El corte de profundidad inferior es de la encuesta GPR realizada aproximadamente un año después del corte de profundidad superior. Los valores oscuros indican altas amplitudes de reflexión que pueden interpretarse como túneles topo con respecto a nuestra información de verdad del suelo. El área pequeña excavada en la Figura 3 se muestra como una pequeña caja azul en el corte de profundidad superior.

 
Con este estudio de caso, demostramos la aplicabilidad de GPR para obtener imágenes de túneles de animales pequeños y complejos dentro del subsuelo poco profundo. Creemos que nuestro enfoque de imágenes y monitoreo, incluida la adquisición de alta precisión y la recopilación de datos GPR repetible, permitirá examinar y monitorear las actividades de los animales que son difíciles de estudiar con otros métodos.

Más información, incluidos los resultados del monitoreo y las estrategias de adquisición y procesamiento de datos, está disponible en el artículo publicado. Contacto Sensores y software para la referencia.

Historia cortesía de Niklas Allroggen, Jens Tronicke (Universität Potsdam), Adam Booth (Universidad de Leeds), Sandra E. Baker, Stephen Ellwood (Universidad de Oxford)

 

LinkedInFacebookTwitterCorreo electrónico
Contáctenos