Открыть

Блог

ДомДом / Блог / Открыть

Jun 08, 2023

Открыть

Scientific Reports, том 12, номер статьи: 10341 (2022) Цитировать эту статью 5615 Доступ 3 Цитирования 11 Подробности об альтернативных метриках Перенос мелких наносов в реках важен для водосбора

Том 12 научных отчетов, номер статьи: 10341 (2022) Цитировать эту статью

5615 Доступов

3 цитаты

11 Альтметрика

Подробности о метриках

Перенос мелких наносов в реках важен для потоков питательных веществ в водосборе, глобальных биогеохимических циклов, качества воды и загрязнения речных, прибрежных и морских экосистем. Мониторинг взвешенных отложений в реках с помощью датчиков течения является сложной и дорогостоящей задачей, и большинство систем мониторинга ограничиваются несколькими измерениями на отдельных участках. Чтобы лучше понять пространственную неоднородность источников мелких наносов и их переноса в речных сетях, существует потребность в новом интеллектуальном датчике мутности воды, который был бы многоточечным, точным и доступным. В данной работе мы создали такой датчик, который обнаруживает рассеянный свет от светодиодного источника с помощью двух детекторов в контрольном объеме и может быть размещен в реке. Мы сравниваем несколько копий нашего датчика с различными коммерческими датчиками мутности в эксперименте со смесительным резервуаром с использованием двух типов отложений в широком диапазоне типичных концентраций, наблюдаемых в реках. Наши результаты показывают, что мы можем добиться точных и воспроизводимых измерений мутности в диапазоне 0–4000 NTU или 0–16 г/л. Наш датчик также можно использовать непосредственно в качестве датчика взвешенных отложений, минуя ненужную калибровку формазина. Разработанный датчик мутности значительно дешевле существующих аналогов сопоставимого качества и специально предназначен для распределенного зондирования по речным сетям.

Производство и перенос мелких отложений является важным процессом в глобальном масштабе, затрагивающим речные, прибрежные и морские экосистемы1,2,3. Современный вынос мелких отложений с поверхности суши в мировые океаны крупными реками оценивается примерно в 15,5–18,5 Гт в год4,5, что составляет около половины предполагаемой глобальной годовой эрозии почвы с поверхности суши6. Однако по-прежнему очень сложно оценить выход взвешенных наносов в реках из-за высокой изменчивости концентраций взвешенных наносов (SSC) по течению и неадекватного мониторинга.

Основным методом определения SSC является гравиметрический анализ бутылочных проб, взятых на створах рек через равные или нерегулярные промежутки времени. Этот метод надежен, но имеет множество недостатков, таких как прерывистость (плохое временное разрешение), неэффективность и дороговизна (большие затраты на сбор/транспортировку/анализ проб, длительное время обработки). Балансы осадков для речных бассейнов обычно рассчитываются на основе прямых измерений SSC7,8. Непрерывные данные SSC с высоким временным разрешением могут быть получены с помощью специальных датчиков на месте, которые измеряют мутность (T) и путем калибровки зависимости между SSC и T. На участках рек, где также проводятся измерения расхода воды (Q), Выход осадка (QS) затем рассчитывается как QS = SSC*Q. Оценки SSC с высоким разрешением можно использовать для количественной оценки антропогенного воздействия на образование отложений, например, последствий строительства плотин и борьбы с эрозией9,10, естественных градиентов эрозии по всем горным хребтам11, роли отбора проб в глобальных темпах эрозии12 и многих других. . Измерения SSC на выходе из бассейна могут дать нам интегрированную в бассейне картину возможных гидроклиматических источников отложений, таких как дождевая эрозия, эрозия склонов холмов из-за таяния снегов, эрозия из-за таяния ледникового льда и даже накопление гидроэнергии в плотинах13. Эти измерения SSC также важны для понимания влияния гидроклиматического воздействия на активацию источников отложений и динамику переноса, а также для их физического моделирования14,15,16,17,18.

Мониторинг с высоким временным разрешением с использованием датчиков мутности, установленных на месте, например, в ледниковых потоках, полезен для определения зависящих от времени темпов выноса отложений, связанных с развитием и эволюцией подледниковых каналов, а также возможного вклада прогляциальных источников отложений19,20. Вместе с измерениями размера зерен данные SSC с высоким разрешением могут быть использованы для детального гидравлического моделирования переноса ледниковых отложений посредством дренажа талой воды в подледниковых потоках21. Связь источников на склонах холмов с речной сетью в прогляциальных районах также является важным модулятором зависящего от времени образования отложений14,22. Такое понимание процесса требует пространственного взгляда на пути образования и хранения наносов в пределах водосбора, чего невозможно достичь с помощью измерений на одном участке. Кроме того, основным недостатком измерений в точечных реках с помощью специальных датчиков мониторинга взвешенных отложений является их дороговизна (например, стоимость современного датчика мутности компании Campbell составляет около 6000, In-Situ — 7000), что делает их широко используемыми на многих объектах. вдоль речной системы количественно оценить пространственную изменчивость практически невозможно. Тем не менее, в настоящее время это самый современный метод измерения как в малых, так и в крупных речных системах.

0.98\), with the main benefit due to the multiple linear regression using both detectors. Analysing the versions separately, all sensors are now able to predict well in the entire SSC range down to 0.4 g/L in Feldspar (Fig. 6c, with version A performing well down to 0 g/L) and down to 0.25 g/L in Fieschertal (Fig. 6f, with versions A and B performing well down 0.12 g/L and 0.17 g/L, respectively). Here the 3D printed sensors (version C) do not perform as well. An improvement in the 0–0.5g/L range can probably be done by splitting the model and having two separate linear calibrations. The advantage of the open-source sensors is that the user does not need to use the 4th order model as we have done, and is free to chose their own model./p> 0.984\)). Version A sensors are in yellow gradient (Sensor 1 in bright yellow, Sensor 2 in mid-yellow, Sensor 3 in dark yellow). Version B sensors are in red gradient (Sensor 4 in bright red, Sensor 5 in mid-red, Sensor 6 in dark-red). Version C sensors are in purple gradient (Sensor 7 in bright purple, Sensor 8 in dark purple). The error bars are ± one standard deviation./p>