Suite

14.3 : Regard sur quelques données réelles sur les taux de transport fractionnaires, du canal et du terrain - Géosciences

14.3 : Regard sur quelques données réelles sur les taux de transport fractionnaires, du canal et du terrain - Géosciences


Il y a eu une controverse de longue date sur la réalité ou l'importance de l'égalité de mobilité depuis que le concept a été proposé pour la première fois par Parker et al. Certaines séries de mesures, dans les canaux et dans les ruisseaux, ont montré une approche proche de l'égalité de mobilité, alors que d'autres études ont montré de forts écarts par rapport à l'égalité de mobilité.

Tout d'abord, nous examinons les résultats des études de canal les plus révélatrices des taux de transport fractionnaire dans les sédiments unimodales réalisés jusqu'à présent. Wilcock et Southard (1989) ont effectué une étude en canal des taux de transport fractionnaire dans un canal de recirculation de sédiments. Le sédiment était de taille mixte, avec une taille moyenne de (1.83) (mathrm{mm}) et une distribution unimodale. Dans sept essais avec une contrainte de cisaillement croissante, les taux de transport fractionnaires de charge de fond de plusieurs fractions de taille, allant de (0,5) (mathrm{mm}) à (6) (mathrm{ mm}), ont été mesurés à l'aide d'un piège à fente qui s'étendait sur toute la largeur du canal. Une fois pesés, les échantillons ont été remis au système. L'échantillonnage a été effectué à deux reprises au cours d'un essai : alors que le lit était encore initialement plan, et à un moment ultérieur lorsque le lit et l'écoulement avaient atteint l'équilibre. Dans les passages à faible contrainte de cisaillement du lit, le lit est resté plan pendant toute la course, mais à des contraintes de cisaillement plus élevées, des dunes se sont développées sur le lit.

Vous pouvez voir sur la figure (PageIndex{1}) (comparez cette figure avec les figures 14.2.8 et 14.2.9) que pour une large gamme de fractions granulométriques dans la partie médiane de la distribution granulométrique, les taux de transport fractionnaires sont presque le même : en d'autres termes, il y a une approche proche de la condition d'égale mobilité pour ces fractions de taille. Sauf aux contraintes de cisaillement de lit les plus élevées, cependant, les courbes s'écartent des conditions d'égale mobilité : les taux de transport fractionnaire à la fois des fractions les plus fines et des fractions les plus grossières sont plus difficiles à transporter. Vous avez peut-être deviné que les fractions les plus grossières seraient plus difficiles à transporter, mais il est quelque peu surprenant qu'il en soit de même pour les fractions les plus fines.

La figure (PageIndex{2}), également tirée de Wilcock et Southard (1988), répète les données de la figure (PageIndex{1}) mais montre également les données pour les conditions initiales des analyses (à l'exception de la deux aux contraintes de cisaillement de lit les plus élevées). La principale différence dans les données entre les deux conditions est qu'à la condition initiale, les fractions les plus fines s'approchent plus étroitement de la condition d'égale mobilité qu'elles ne le font à la condition d'équilibre. L'explication semble résider dans une combinaison de deux effets :

  1. Au fil du temps, les particules les plus fines se dirigent vers le bas parmi les particules les plus grossières jusqu'à des positions sous la couche de surface ; et
  2. Au fur et à mesure que des chaussées grossières se développent à la surface du lit, les particules les plus fines sont cachées de l'écoulement plus efficacement.

L'ensemble de données le plus souvent cité sur les taux de transport fractionnaire dans les cours d'eau naturels est celui de Milhous (1973) d'Oak Creek, un cours d'eau à lit de gravier dans l'Oregon. Les données d'Oak Creek ont ​​été utilisées par Parker et al. (1982b) dans leur ouvrage classique sur le concept d'égalité de mobilité.

Figure (PageIndex{3}), un graphique des données d'Oak Creek sur le taux de transport fractionnaire montre, sans surprise, que les taux de transport fractionnaire sont une fonction fortement croissante de la force de l'écoulement. La version sans dimension du taux de transport fractionnaire, appelée paramètre de charge de fond sans dimension (W_{i}^{*}), est égale à (gamma^{prime}q_{bvi}/f_{i} u_{*}^{3}). (Remarque : le taux de transport fractionnaire, désigné ici par (q_{bvi}), correspond au volume de sédiments et non à la masse de sédiments.) La raison de la séparation des courbes pour les différentes fractions granulométriques est que la variable sans dimension sur le l'axe horizontal, au_{i}^{*} (= au_{ ext{o}}/ gamma^{prime}D_i), contient la taille des particules (D_{i}) de la fraction donnée .

Chaque courbe de la figure (PageIndex{3}) a été extrapolée vers le bas pour trouver la contrainte de cisaillement seuil, définie comme la valeur pour laquelle (W_{i}^{*}) était à une valeur de référence arbitrairement choisie de (0,002) (choisi pour se conformer à ce qui correspondrait à la condition communément acceptée du seuil de mouvement ; voir la discussion sur la méthode du taux de transport de référence pour définir le seuil de mouvement, au chapitre 9). Ensuite, dans un graphique de (W_{i}^{*}) versus ( au^{*}_{r}/ au^{*}_{ri}), que Parker et al. notons (phi_{i}), toutes les dix courbes pour le taux de transport fractionnaire de la figure (PageIndex{3}) se réduisent en une seule courbe, pas parfaitement, mais avec une assez bonne approximation (figure (PageIndex{4})).

(Ici, la variable sans dimension (phi_{i} = tau^{*}_{r}/ au^{*}_{ri}) pourrait nécessiter une attention particulière de votre part : c'est la valeur de référence de la contrainte de cisaillement du lit sans dimension à laquelle le taux de transport total du charriage sans dimension est égal au taux de transport du charriage total de référence, divisé par la valeur de référence de la contrainte de cisaillement du lit sans dimension de la (i)ème fraction de taille à laquelle le taux de transport par charriage de la (i)ème fraction est égal au taux de transport par charriage de référence de la (i)ème fraction. (Cette longue phrase nécessite une lecture attentive.) Fondamentalement, elle exprime l'ampleur relative de la contrainte de cisaillement sans dimension dans la condition de seuil de référence pour le sédiment en vrac, d'une part, et la contrainte de cisaillement sans dimension dans la condition de référence pour la (i)e fraction, d'autre part.)

Quelle est alors la signification de cet « effondrement » des courbes individuelles en une seule courbe ? Si vous revenez à la section sur l'expérience de pensée et regardez la figure 14.2.7, pour la condition d'égale mobilité parfaite, vous pouvez voir que la figure (PageIndex{4}) est de même nature, car l'effet d'avoir la taille de particule dans le dénominateur de la contrainte de cisaillement du lit sans dimension est contournée en prenant le rapport des deux contraintes de cisaillement du lit sans dimension. La conclusion à tirer est que dans le cas de ce ruisseau à lit de gravier naturel également, la condition d'égale mobilité est approchée, bien qu'elle ne soit pas exactement remplie. Nous devons donc conclure que les effets de cache-abri et d'aptitude au roulement se combinent, d'une certaine manière, pour rendre le transport des différentes fractions granulométriques plus presque égal, lorsqu'il est normalisé par les proportions des fractions dans le mélange, bien qu'il y ait toujours une tendance pour les fractions les plus grossières à être moins facilement transportées.


Equations aux dérivées partielles fractionnaires masse-temps et espace-temps du mouvement de l'eau dans les sols : cadre théorique et application à l'infiltration

Equations partielles différentes fractionnaires masse-temps et espace-temps (fPDE).

Nouvelles équations d'infiltration basées sur les solutions des fPDE.

Les nouvelles équations sous différentes formes pour différents types de sols.

Sols gonflants ou non gonflants avec ou sans zones mobiles-immobiles.

Les ordres de dérivée fractionnaire masse-temps sont dérivés à titre d'exemples.


Raison de blocage: L'accès depuis votre zone a été temporairement limité pour des raisons de sécurité.
Temps: sam. 3 juil. 2021 12:10:21 GMT

À propos de Wordfence

Wordfence est un plugin de sécurité installé sur plus de 3 millions de sites WordPress. Le propriétaire de ce site utilise Wordfence pour gérer l'accès à son site.

Vous pouvez également lire la documentation pour en savoir plus sur les outils de blocage de Wordfence, ou visiter wordfence.com pour en savoir plus sur Wordfence.

Généré par Wordfence le samedi 3 juillet 2021 à 12:10:21 GMT.
L'heure de votre ordinateur : .


2. But et objectifs

[11] Le but de cette recherche est d'incorporer et d'aborder de nombreux éléments introduits dans la section 1 et de les développer dans un modèle de transport sédimentaire fluvial comme une démonstration de la méthode statistique bayésienne appliquée aux problèmes de transport sédimentaire, qui peut ensuite être utilisé comme une base sur laquelle construire des modèles plus complexes. En particulier, nos objectifs sont décrits ci-dessous.

[12] 1. Le premier objectif est de démontrer le développement et la mise en œuvre d'un modèle bayésien de transport sédimentaire qui, compte tenu des observations de transport, permet (1) d'estimer un intervalle crédible (l'analogue bayésien des intervalles de confiance, qui est interprété comme la probabilité que la valeur du paramètre réalisé se trouve dans l'intervalle spécifié) pour le paramètre de cisaillement critique , (2) pour estimer un intervalle crédible pour le paramètre de variance , une mesure de l'erreur de spécification du modèle, de l'erreur de mesure et de la variation aléatoire, (3) pour fournir prédictions de transport de sédiments délimitées dans des intervalles crédibles, (4) pour comparer différents modèles de processus pour l'ajustement via des métriques quantitatives, et (5) pour étendre ou généraliser facilement pour accommoder des descriptions plus complexes.

[13] 2. Notre deuxième objectif est de réaliser des études de simulation pour évaluer le cadre proposé, en particulier, (1) simuler des données synthétiques selon des relations de transport établies avec un bruit multiplicatif selon , (2) valider le modèle (vérifier que le modèle peut récupérer les paramètres qui ont été spécifiés lorsque les données synthétiques ont été générées), et (3) explorer l'effet de diverses spécifications pour les informations préalables sur l'inférence de modèle.

[14] 3. Le dernier objectif est d'évaluer le modèle en utilisant les données de transport observées à partir d'études de canal avec des sédiments de taille unique : (1) estimer les paramètres du modèle et, (2) évaluer différents modèles de processus, et (3) fournir une courbe d'évaluation des sédiments en termes d'intervalles crédibles.


Média de métadonnées chronométré

Une structure de piste est utilisée pour stocker des métadonnées chronométrées dans les films QuickTime. Cette section fournit une vue d'ensemble de la structure des pistes de métadonnées chronométrées et décrit les descriptions d'échantillons de métadonnées chronométrées et le format de stockage des échantillons de médias de métadonnées chronométrées. La structure de la piste des métadonnées chronométrées a un type de média « méta ».

Présentation des métadonnées chronométrées

Une piste de métadonnées chronométrées synchronise les références de métadonnées aux pistes multimédias pour des périodes de temps multimédia particulières via les structures de référence de piste, d'édition et de liste d'édition. Il s'agit d'une spécialisation de la structure de piste qui utilise l'atome d'information de base du média de type « minf » et une valeur de type de gestionnaire de piste définie sur « meta ». L'atome d'informations sur le média de base contient l'atome d'en-tête générique du média de type « gmhd ».

Étant donné qu'une piste de métadonnées n'est ni visuelle ni sonore, les propriétés de piste suivantes doivent avoir ces valeurs :

La largeur et la hauteur de la piste sont chacune réglées sur 0.

Le volume de la piste réglé sur 0.

La matrice de piste définie sur la matrice d'identité.

Un film QuickTime peut contenir aucune, une ou plusieurs pistes de métadonnées chronométrées. Les pistes de métadonnées chronométrées peuvent faire référence à plusieurs pistes. Les pistes de métadonnées sont liées aux pistes qu'elles décrivent à l'aide d'une référence de piste de type « cdsc ». La piste de métadonnées contient la référence de piste « cdsc ». Si une piste de métadonnées décrit les caractéristiques de l'ensemble du film, il ne doit y avoir aucune référence de piste de type « cdsc » entre elle et une autre piste. Ces pistes de métadonnées peuvent être considérées comme contenant des métadonnées globales pour le film.

À l'aide d'une piste de métadonnées chronométrées, toute forme de métadonnées descriptives qui change au fil du temps peut être liée à une plage de durées de support pour lesquelles elle est valide. Des exemples de métadonnées chronométrées peuvent inclure :

Visages détectés dans la scène

Informations basées sur la localisation (telles que le GPS)

Ouverture de l'appareil photo et autres informations changeantes liées à l'appareil photo

Copyright et autres informations pour les clips individuels édités ensemble

Informations telles que les changements de scène et les noms d'acteurs ajoutés au film en production

Comme pour les autres pistes, chaque échantillon de métadonnées est associé à une seule description d'échantillon de métadonnées chronométrée. Cette description d'échantillon signale les informations nécessaires pour interpréter les données dans l'échantillon de métadonnées d'une manière analogue à la façon dont l'atome d'échantillon vidéo d'une piste vidéo indique que les échantillons vidéo contiennent des données d'échantillon compressées H.264 de dimensions particulières.

Zéro, une ou plusieurs valeurs de métadonnées peuvent être associées à une plage de temps média dans la piste. L'adaptation aux valeurs sans métadonnées pour un temps permet des exécutions temporelles avec des métadonnées entrecoupées d'exécutions temporelles sans métadonnées. Étant donné que les métadonnées chronométrées sont organisées sous forme de piste, il est également possible d'utiliser des modifications de piste pour indiquer l'absence de métadonnées. Pour certaines situations, cependant, il serait préférable d'inclure des échantillons de métadonnées qui eux-mêmes ne contiennent aucune valeur de métadonnées.

Description de l'échantillon de métadonnées chronométrées

La description de l'échantillon de métadonnées chronométrées contient des informations qui définissent comment interpréter les échantillons de médias de métadonnées chronométrées. Cet exemple de description est basé sur l'en-tête de description d'échantillon standard, comme décrit dans Sample Description Atoms .

La description d'échantillon de métadonnées est un format de description d'échantillon dérivé qui décrit les valeurs de métadonnées représentées dans des atomes. Il peut également inclure d'autres atomes ne contenant pas de valeurs de métadonnées.

Zéro, une ou plusieurs valeurs peuvent être portées dans une description d'échantillon de métadonnées pour un temps particulier.

Le champ de format de données contient le format du support de métadonnées chronométré, qui est défini sur 'mebx' .

Noter: Les autres formes de supports de métadonnées chronométrés ne sont pas décrites ici. Ils seraient indiqués par un code de type alternatif à la place de « mebx ».

La description d'échantillon de métadonnées doit contenir un atome de table de clé de métadonnées et contient éventuellement un atome de débit binaire suivant l'en-tête d'atome de description d'échantillon standard, défini ci-dessous. D'autres atomes pourraient être introduits dans le futur.

Un atome contenant une table de clés et de mappages pour les données de charge utile dans les échantillons de médias de métadonnées chronométrés correspondants

Un atome facultatif qui contient des données qui signalent le débit binaire d'un flux multimédia

Atom de table de clé de métadonnées

L'atome de table de clés de métadonnées contient une table de clés et de mappages vers des données de charge utile dans les échantillons de supports de métadonnées chronométrés correspondants. Le type de l'atome de table de clés de métadonnées est défini sur « clés ».

L'atome de table de clé de métadonnées contient une ou plusieurs instances d'atomes de clé de métadonnées, une pour chaque configuration d'une clé qui peut apparaître dans les unités d'échantillonnage de la piste. Par exemple, s'il y a deux clés, il y aura deux atomes de clé de métadonnées dans l'atome de table de clés de métadonnées, un pour chaque clé.

Si l'atome de la table de clés de métadonnées ne contient pas de clé recherchée par un client, aucun échantillon de média de métadonnées chronométré associé à cette description d'échantillon ne contient de valeurs avec cette clé.

Si l'atome de la table de clés de métadonnées contient une clé particulière, cela ne garantit pas que des échantillons de médias de métadonnées chronométrés contenant une valeur pour la clé ont été écrits. Ainsi, les clients trouvant une clé dans l'atome de la table de clés de métadonnées peuvent toujours avoir besoin de rechercher des valeurs dans les échantillons de médias de métadonnées chronométrés de la piste afin de déterminer si la piste contient les métadonnées particulières.

Noter: Avoir la possibilité pour l'atome de table de clés de métadonnées de contenir des clés qui ne sont associées à aucune instance d'échantillons de médias de métadonnées chronométrés permet à une description d'échantillon de métadonnées d'être remplie avec des clés qui pourraient être découvertes (par exemple pendant un processus de capture), puis des échantillons à être écrit avec une liaison uniquement pour les clés trouvées. Si une clé n'est jamais utilisée, il n'est pas nécessaire que la description de l'échantillon de métadonnées chronométrées soit réécrite pour exclure la clé qui n'est pas nécessaire.

S'il est possible de supprimer les entrées inutilisées et de réécrire efficacement la description de l'échantillon de métadonnées, cela est préférable.

Si une piste de métadonnées chronométrée inclut une clé dans la description de l'échantillon de métadonnées mais a des valeurs utilisant la clé dans les échantillons multimédias associés, la description de l'échantillon de métadonnées peut toujours être réécrite pour éliminer la clé de l'atome de la table de clés de métadonnées. Alors que les valeurs de métadonnées restent dans les échantillons de médias associés, les données ne sont plus accessibles car la clé a maintenant disparu. Des précautions doivent être prises si les valeurs doivent elles-mêmes être supprimées du fichier vidéo. Bien que ce ne soit pas une exigence, les données restantes mais désormais inaccessibles peuvent être supprimées en copiant uniquement les valeurs de métadonnées référencées lors de la copie d'échantillons multimédias sur une nouvelle piste.

Figure 4-8 La disposition d'un atome de table de clé de métadonnées : Taille

Un entier non signé de 32 bits qui indique la taille en octets de la structure de l'atome

Une valeur entière non signée de 32 bits définie sur « clés »

Un tableau d'atomes clés de métadonnées

Atome de débit binaire

L'atome de débit binaire facultatif peut être présent à la fin de toute description d'échantillon de métadonnées chronométrées pour signaler les informations de débit binaire d'un flux. Les informations de débit binaire peuvent être utilisées pour la configuration du tampon.

Figure 4-9 La disposition d'un atome de débit : Taille

Un entier non signé de 32 bits qui indique la taille en octets de la structure de l'atome

Une valeur entière non signée de 32 bits définie sur « btrt »

Un entier non signé de 32 bits qui indique la taille suggérée du tampon de données associé

Un entier non signé de 32 bits qui indique le débit binaire maximal en bits/seconde du flux multimédia associé

Un entier non signé de 32 bits qui indique le débit binaire moyen en bits/seconde du flux multimédia associé

Atome de clé de métadonnées

Un atome de clé de métadonnées est identifié par un local_key_id correspondant à un code de type entier 32 bits (ou FourCC) local à la piste de métadonnées chronométrée le contenant. Ce local_key_id correspondra aux types d'atomes dans les exemples de données de métadonnées.

Par exemple, si l'atome de clé de métadonnées a le type d'atome 'stuf' , tous les atomes de type 'stuf' dans les échantillons de métadonnées chronométrés partageant cette description d'échantillon contiennent la valeur de cette clé. N'importe quelle valeur correspondant à un entier big endian 32 bits peut être utilisée (telle que 'stuf' ou l'entier 72). Si un FourCC est utilisé, il est recommandé que la valeur soit si possible mnémonique. Par exemple, un type d'atome de clé de métadonnées « actr » peut contenir des informations sur les acteurs d'un film. Voir l'exemple de format de données de métadonnées ci-dessous.

Il existe deux types d'atomes réservés pour les atomes de clé de métadonnées : 0 et 0xFFFFFFFF.

Un local_key_id de 0 indique que l'atome de clé de métadonnées n'est pas utilisé et ne doit pas être interprété. Cette indication permet à la clé d'être marquée comme inutilisée dans la description de l'échantillon de métadonnées chronométrées sans nécessiter la réécriture ou le redimensionnement de la description de l'échantillon et des atomes parents.

Un local_key_id de 0xFFFFFFFF ne doit pas apparaître dans un atome de clé de métadonnées. Il est réservé pour une utilisation future et peut apparaître comme un type d'atome dans des échantillons de métadonnées chronométrées.

Tous les autres codes de type sont disponibles pour une utilisation en tant que local_key_id .

Noter: Étant donné que les atomes dans l'atome de la table de clés de métadonnées peuvent prendre n'importe quel type d'atome, il ne devrait y avoir aucune interprétation spéciale du type pour les atomes contenus autre que pour la valeur spéciale 0. Par conséquent, inclure un atome « libre » n'a pas la signification conventionnelle dans l'atome de clé de métadonnées. Il est recommandé aux auteurs d'éviter d'utiliser des codes de type d'atome existants trop confus.

Chaque atome de clé de métadonnées contient un nombre variable d'atomes qui définissent la structure de la clé, éventuellement le type de données pour les valeurs, et éventuellement des informations de localisation pour les valeurs. Les atomes pourraient être introduits dans le futur.

Un atome de clé de métadonnées doit contenir un atome de déclaration de métadonnées.

Figure 4-10 La disposition d'un atome de clé de métadonnées : Taille

Un entier non signé de 32 bits qui indique la taille en octets de la structure de l'atome

Une valeur entière non signée de 32 bits définie sur local_key_id

Un tableau d'atomes portant les définitions de la structure clé et d'autres informations facultatives

Atom de déclaration de clé de métadonnées

L'atome de déclaration de clé de métadonnées contient l'espace de noms de clé et la valeur de clé de cet espace de noms pour les valeurs données. Le type de l'atome de déclaration de clé de métadonnées est « keyd ».

Figure 4-11 La mise en page d'un atome de déclaration de clé de métadonnées : Taille

Un entier non signé de 32 bits qui indique la taille en octets de la structure de l'atome

Une valeur entière non signée de 32 bits définie sur « keyd »

Un identifiant 32 bits décrivant le domaine et la structure de la key_value

Par exemple, cela pourrait indiquer que key_value est une chaîne de style d'adresse inversée (comme "com.apple.quicktime.ISO6709"), un code binaire à quatre caractères (comme une clé de données utilisateur "cprt"), une ressource uniforme Identifiant (URI) ou d'autres structures (telles que les formats natifs d'autres normes de métadonnées). Les nouveaux espaces de noms de clé doivent être enregistrés, mais comme une chaîne de style d'adresse inversée peut souvent être utilisée, l'utilisation de l'espace de noms de clé d'adresse inversée peut être suffisante pour la plupart des utilisations.

Un tableau d'octets de 8 bits non signés contenant la valeur de la clé

L'interprétation de ce tableau est définie par le champ key_namespace associé. Voir le tableau Clés de métadonnées QuickTime pour des exemples.

Atom de définition de type de données de métadonnées

Un atome de définition de type de données de métadonnées peut être utilisé pour spécifier le type de données de la valeur de l'atome de clé de métadonnées. Le type de l'atome de définition du type de données de métadonnées est « dtyp ».

Figure 4-12 La disposition d'un atome de définition de type de données de métadonnées : Taille

Un entier non signé de 32 bits qui indique la taille en octets de la structure de l'atome

Une valeur entière non signée de 32 bits définie sur « dtyp »

Un identifiant 32 bits décrivant comment interpréter le type de données pour la valeur

Les nouveaux types d'espaces de noms doivent être enregistrés auprès d'Apple.

Un tableau d'octets de 8 bits non signés contenant la désignation du type de données pour les valeurs dans les échantillons de médias de métadonnées chronométrés ayant cette clé. L'interprétation de ce tableau est définie par l'espace de noms de type de données associé.

La combinaison de l'espace de noms de type de données et du tableau de types de données indique le type de données (ou la structure) d'une valeur d'élément de métadonnées. Le type d'espace de noms de type de données indique l'interprétation de la valeur du tableau de type de données. Cette spécification définit deux types d'espace de noms de type de données :

Si l'espace de noms de type de données est 0, le tableau de types de données contient un entier non signé gros-boutiste de 32 bits correspondant à un type bien connu spécifié dans le Tableau 3-5 . Par exemple, un type bien connu de 1 indique du texte UTF-8 et 23 indique un nombre à virgule flottante 32 bits big-endian.

Si l'espace de noms de type de données est 1, le tableau de types de données contient une chaîne UTF-8 de style d'adresse inversée indiquant un type de données étendu. Ce type d'espace de noms de type de données peut être utilisé si le type de données n'a pas de type de données bien connu correspondant. Le tableau de types de données se compose des octets d'une chaîne UTF-8 sensible à la casse sans terminateur nul (''). Par exemple, un tableau de types de données hypothétique « com.company.my-custom-datatype » pourrait enregistrer un type de données personnalisé appartenant au propriétaire de l'enregistrement DNS « mycompany.com ».

Un espace de noms de type de données autre que 0 ou 1 peut apparaître dans une piste de métadonnées chronométrée, peut-être écrite selon une version ultérieure de cette spécification. Les valeurs des éléments de métadonnées avec des types de données non reconnus doivent être ignorées. Même ainsi, certains traitements sont toujours possibles sur l'élément de métadonnées avec un type de données non reconnu, comme la copie entre les pistes.

Noter: Les nouveaux espaces de noms de types de données doivent être enregistrés auprès d'Apple.

Noter: De nombreuses utilisations des types de données de métadonnées propriétaires ou personnalisés peuvent être satisfaites en utilisant le code de type d'espace de noms de type de données étendu 1. Cela permet de spécifier le nouveau type de données sans enregistrement. La raison d'ajouter un type d'espace de noms de type de données personnalisé est d'autoriser l'utilisation d'un schéma de numérotation ou de nommage existant d'une norme de métadonnées étrangère avec des éléments de métadonnées.

Atom des paramètres régionaux des métadonnées

Une valeur de métadonnées peut éventuellement être étiquetée avec ses paramètres régionaux afin qu'elle puisse être choisie en fonction de la langue de l'utilisateur, du pays, etc. Ce balisage permet d'inclure plusieurs clés du même type de clé (par exemple, copyright ou description de scène) mais avec des paramètres régionaux différents pour les utilisateurs avec des langues ou des emplacements différents. Le type de l'atome de locale de métadonnées est « loca ».

Si l'atome de paramètres régionaux de métadonnées est absent, les valeurs de métadonnées doivent être considérées comme appropriées pour tous les paramètres régionaux.

Figure 4-13 La disposition d'un atome de locale de métadonnées : Taille

Un entier non signé de 32 bits qui indique la taille en octets de la structure de l'atome

Une valeur entière non signée de 32 bits définie sur « loca »

Une chaîne terminée par NULL de caractères UTF-8 contenant une balise de langue conforme à la RFC 4646 (BCP 47). Les exemples incluent "en-US", "fr-FR" ou "zh-CN".

Format de données d'échantillon de métadonnées chronométrées

Un échantillon de média de métadonnées chronométré est structuré comme une concaténation d'un ou plusieurs atomes. Typiquement, chaque atome contiendra une valeur de métadonnées correspondant à une clé signalée dans la description d'échantillon de métadonnées chronométrées.

Si aucune valeur pour une clé particulière n'est présente dans l'échantillon de support de métadonnées chronométré à un moment donné, l'interprétation devrait être qu'il n'y a pas de métadonnées de ce type à l'heure spécifiée. Les valeurs de métadonnées chronométrées pour cette clé à d'autres moments (comme à partir d'un précédent échantillon de média de métadonnées chronométrées) ne doivent pas être interprétées comme s'appliquant à l'heure donnée.

Noter: Tous les échantillons de métadonnées sont marqués comme échantillons de synchronisation.

Si aucune valeur pour une clé n'est présente pour une plage de temps, une approche consiste à inclure un échantillon de média de métadonnées « NULL » ou non référencé (voir Exemple de données de métadonnées chronométrées non référencées ou NULL) pour la plage de temps. Un échantillon de média de métadonnées chronométré à zéro octet ne peut pas être utilisé car toutes les tailles d'échantillon doivent être d'un ou plusieurs octets. Alternativement, des entrées de liste d'édition de piste « vide d'édition » pourraient être utilisées pour indiquer qu'il n'y a pas de métadonnées pour une plage de temps de film.

En général, cependant, il est préférable d'inclure un échantillon de données média de métadonnées NULL au lieu d'utiliser une édition de piste avec une liste d'édition vide pour indiquer l'absence de métadonnées. Certains lecteurs peuvent ne pas être préparés à des modifications complexes (plus d'une entrée de liste de modification et/ou un temps de présentation multimédia non contigu).

Structure d'exemple de média de métadonnées chronométrées

Les données d'échantillon de média de métadonnées chronométrées se composent d'un certain nombre d'atomes concaténés. Une valeur local_key_id définit le type d'atome pour chacun des atomes. La valeur local_key_id correspond à un local_key_id défini pour un atome de clé de métadonnées dans l'atome de table de clés de métadonnées pour l'échantillon de métadonnées chronométré. Aucune interprétation particulière n'est faite concernant la valeur 32 bits de local_key_id . Son interprétation est basée uniquement sur ce qui est défini dans la clé de métadonnées correspondante de la description d'échantillon de métadonnées associée.

La valeur local_key_id 0 est réservée et peut être utilisée comme atome d'espace réservé dans l'échantillon meda. Un tel atome n'a pas de contenu prescrit. (Voir Atom de clé de métadonnées .)

La valeur local_key_id 0xFFFFFFFF est également réservée. À l'avenir, cela peut être documenté pour contenir une charge utile particulière. Ce local_key_id ne doit pas être utilisé ou interprété autrement. Si un lecteur trouve un atome avec local_key_id de 0xFFFFFFFF et ne comprend pas son format, l'atome doit être ignoré.

Un échantillon de support de métadonnées chronométré peut contenir des atomes avec des types autres que ceux définis dans l'atome de la table de clés de métadonnées et autres que les deux valeurs réservées 0 et 0xFFFFFFFF. Bien que cette pratique soit déconseillée, toutes les instances de tels atomes peuvent être interprétées selon leur sens conventionnel (comme « libre ») ou de manière privée tant qu'elles ne sont pas annoncées comme des clés.

Considérez le format de métadonnées pour un emplacement de point géographique en utilisant les coordonnées telles que définies dans la norme ISO-6709. L'échantillon de média de métadonnées chronométré créé pour ces données peut avoir une valeur local_key_id de « wher » et l'échantillon de métadonnées résultant contiendra les informations (telles que « +27.5916+086.5640+8850/ ») dans un atome « wher » correspondant. Il n'y a pas d'interprétation de ce type d'atome ou d'exigence que ce soit « où ».

Données d'exemple de métadonnées chronométrées de taille constante

Certains clients utilisant des pistes de métadonnées chronométrées peuvent préférer créer des pistes de métadonnées avec des échantillons de la même taille. Deux approches sont décrites ici.

Dans une approche, les métadonnées écrites peuvent contenir un nombre fixe de valeurs de métadonnées de taille fixe (par exemple, des entiers ou des structures de taille statique). Si une ou plusieurs valeurs ne sont pas utilisées, les atomes correspondant aux valeurs non utilisées peuvent avoir leur valeur local_key_id définie sur une valeur non référencée (telle que 0).

Dans la seconde approche, la taille des valeurs de métadonnées individuelles peut varier. Il est possible de créer des échantillons de métadonnées de taille constante en déterminant une taille d'échantillon de média de métadonnées chronométrée maximale et en utilisant des atomes non référencés pour atteindre cette taille. L'approche est :

Déterminez la taille d'atome de média de métadonnées constante souhaitée.

Remplissez les atomes contenant les valeurs de métadonnées (voir l'exemple de structure d'exemple de média de métadonnées temporisées ci-dessus).

Si nécessaire, ajoutez un ou plusieurs atomes non référencés pour atteindre la taille constante de l'atome du média de métadonnées.

Noter: Étant donné qu'un atome a une taille minimale de 8 octets, la somme des tailles des métadonnées temporelles contenues échantillonne soit

doit être égal à la taille d'atome du média de métadonnées constante cible, ou

doit être inférieur de 8 octets ou plus à la taille de l'atome constant cible pour permettre un ou plusieurs atomes de remplissage.

Exemples de données d'exemple de métadonnées non référencées ou NULL

Un échantillon de métadonnées chronométré est identifié par son type d'atome dérivé fourni par la valeur local_key_id dans les tables de clés de la description de l'échantillon de métadonnées. Un atome de métadonnées non référencé, c'est-à-dire non identifié dans les tables de clés et n'ayant pas la valeur réservée 0xFFFFFFFF, peut être considéré comme un échantillon de média de métadonnées « NULL » car son type est inconnu dans l'espace de noms local et ses données ne seront pas interprétées. Il n'y a pas de type d'atome prescrit indiquant un échantillon de métadonnées NULL bien qu'un type de 0 soit recommandé, comme mentionné dans la description de l'atome de clé de métadonnées ci-dessus. L'utilisation d'atomes non référencés présente un moyen utile de fournir un remplissage lors de la structuration d'une piste pour des exemples de données de métadonnées de taille constante ou lorsqu'il y a des séries de données sans métadonnées entrecoupées de séries de métadonnées dans une piste donnée, au lieu d'utiliser plusieurs éditions de piste.

Combinaison de plusieurs flux de métadonnées dans la même piste

Étant donné que deux « flux » ou pistes de valeurs de métadonnées peuvent se produire lorsque les plages de temps d'un flux ne coïncident pas avec celles de l'autre flux, une convention est recommandée si les deux flux de valeurs de métadonnées sont combinés en une seule nouvelle piste de métadonnées (généralement parce que d'un processus de production). À tout moment de la chronologie où une valeur de métadonnées entre dans le champ d'application ou en sort, de nouveaux échantillons de métadonnées doivent être introduits avec l'union de toutes les valeurs de métadonnées présentes pour la plage de temps, remplaçant les échantillons superposés existants pour cette partie du temps multimédia. gamme.

Par exemple, cette figure montre les résultats de la combinaison des métadonnées de deux pistes de métadonnées :

Figure 4-14 Combiner des flux de métadonnées

Noter: Les échantillons de médias de métadonnées chronométrés combinés à partir du temps t1 à t2 contiennent à la fois les valeurs de métadonnées A et B. Ceci est fait de sorte que pour tout instant t, il soit possible de déterminer toutes les valeurs de métadonnées applicables sans avoir besoin de parcourir toutes les pistes multimédias de métadonnées chronométrées dans les directions arrière ou avant.

Dans la nouvelle piste combinée, une seule description d'échantillon de métadonnées chronométrée contenant les clés A et B peut être utilisée. Créer des exemples de descriptions pour chaque combinaison (A, B, ) est possible mais déconseillé car cela rend plus complexe la détermination de la présence ou non d'une clé dans les pistes.

Relations au niveau du film entre les pistes

Une piste de « présentation » (par exemple, vidéo ou audio) peut avoir plus d'une piste de métadonnées qui lui sont associées via des références de piste de type « cdsc ». L'union de toutes les métadonnées de ces pistes doit être considérée comme les métadonnées de la piste de présentation, comme s'il existait une seule piste de métadonnées avec toutes les métadonnées correspondantes.

There is a potential conflict if more than one metadata value of the same type is in the metadata tracks. In this case, the layer of the metadata tracks should be used to establish which should be used. Tracks with lesser layer values (that is, -1 is less than 0) take priority and their metadata values should be used. If two tracks have the same layer value, the last track in movie track order (the order of 'trak' atoms in the 'moov' atom) shall override metadata values from tracks earlier in order.

If a metadata track does not have a relationship to another track defined by a track reference of ‘cdsc’ , it should be considered a global metadata track—its metadata applying to the entire movie. If part of a track would apply to a presentation track and part would apply globally, the metadata should be carried in two tracks, the first referencing the presentation track and the other not referencing any track.


Abstract

The accurate prediction of bedload transport in gravel-bed rivers remains a significant challenge in river science. However the potential for data mining algorithms to provide models of bedload transport have yet to be explored. This study provides the first quantification of the predictive power of a range of standalone and hybrid data mining models. Using bedload transport data collected in laboratory flume experiments, the performance of four types of recently developed standalone data mining techniques - the M5P, random tree (RT), random forest (RF) and the reduced error pruning tree (REPT) - are assessed, along with four types of hybrid algorithms trained with a Bagging (BA) data mining algorithm (BA-M5P, BA-RF, BA-RT and BA-REPT). The main findings are four-fold. First, the BA-M5P model had the highest prediction power (R 2 = 0.943 RMSE = 0.061 kg m −1 s −1 MAE = 0.040 kg m −1 s −1 NSE = 0.945 PBIAS = −1.60) followed by M5P, BA-RT, RT, BA-RF, RF, BA-REPT, and REPT. All models displayed ‘very good’ performance except the BA-REPT and REPT model, which were ‘satisfactory’. Second, the M5P, BA-RT, and RT models underestimated, and the BA-M5P, BA-RF, RF, BA-REPT and REPT models overestimated, bedload transport rates. Third, flow velocity had the most significant impact on bedload transport rate (PCC = 0.760) followed by shear stress (PCC = 0.709), discharge (PCC = 0.668), bed shear velocity (PCC = 0.663), bed slope (PCC = 0.490), flow depth (PCC = 0.303), median sediment diameter (PCC = 0.247), and relative roughness (PCC = 0.003). Fourth, the maximum depth of tree was the most sensitive operator in decision tree-based algorithms, and batch size, number of execution slots and number of decimal places did not have any impact on model’ prediction power. Overall the results revealed that hybrid data mining techniques provide more accurate predictions of bedload transport rate than standalone data mining models. In particular, M5P models, trained with a Bagging data mining algorithm, have great potential to produce robust predictions of bedload transport in gravel-bed rivers.


14.3: A Look at Some Real Data on Fractional Transport Rates, From the Flume and From the Field - Geosciences

Tous les articles publiés par MDPI sont rendus immédiatement disponibles dans le monde entier sous une licence en libre accès. Aucune autorisation particulière n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Pour les articles publiés sous licence Creative Common CC BY en accès libre, toute partie de l'article peut être réutilisée sans autorisation à condition que l'article original soit clairement cité.

Les articles de fond représentent la recherche la plus avancée avec un potentiel important d'impact élevé dans le domaine. Les articles de fond sont soumis sur invitation individuelle ou sur recommandation des éditeurs scientifiques et font l'objet d'un examen par les pairs avant leur publication.

L'article de fond peut être soit un article de recherche original, une nouvelle étude de recherche substantielle qui implique souvent plusieurs techniques ou approches, ou un article de synthèse complet avec des mises à jour concises et précises sur les derniers progrès dans le domaine qui passe systématiquement en revue les avancées les plus passionnantes dans le domaine scientifique. Littérature. Ce type d'article donne un aperçu des orientations futures de la recherche ou des applications possibles.

Les articles du Choix de l'éditeur sont basés sur les recommandations des éditeurs scientifiques des revues MDPI du monde entier. Les rédacteurs en chef sélectionnent un petit nombre d'articles récemment publiés dans la revue qui, selon eux, seront particulièrement intéressants pour les auteurs ou importants dans ce domaine. L'objectif est de fournir un aperçu de certains des travaux les plus passionnants publiés dans les différents domaines de recherche de la revue.


Piezoelectric road harvests traffic energy to generate electricity

Isreali engineers are about to begin testing a 100 metre stretch of roadway embedded with a network of Piezo Electric Generators (IPEG™). The piezoelectric effect converts mechanical strain into electrical current or voltage and the system is expected to scale up to 400 kilowatts from a 1-kilometre stretch of dual carriageway. The IPEG™ is a pioneering invention in the field of Parasitic Energy harvesting and generates energy from weight, motion, vibration and temperature changes and will certainly have other parasitic energy harvesting applications in many fields. Initially though, the system can be configured to generate and store energy from roads, airport runways and rail systems at the same time as delivering real-time data on the weight, frequency and spacing between passing vehicles. The harvested energy can be transferred back to the grid, or used for specific public infrastructure purposes such as lighting and widespread use of the system would enable far greater scrutiny and hence understanding of the behaviour of road vehicles.

Isreali engineers are about to begin testing a stretch of what may become the road of the future. The road contains piezoelectric crystals that produce electricity when squeezed, enabling them to harvest some of the energy which vehicles lose to the environment during their journeys. The system is expected to produce up to 400 kilowatts from a 1-kilometre stretch of dual carriageway and the technology is also applicable to airport runways and rail systems. In addition to being able to produce its own power, the system can also deliver real-time data on the weight, frequency and speed of passing vehicles as well as the spacing between vehicles.

As such, the embedding of piezoelectric generators to create "smart roads" could eventually become an integral part of traffic management systems. The Piezo Electric Generator (IPEG™) developed by Isreali University spin-out company Innowattech has the ability to harvest energy from weight, motion, vibration and temperature changes and as such it is a pioneering invention for Parasitic Energy harvesting. Innowattech has refined specific configurations of the IPEG to create high efficiency generators from roadways, railways and airport runways.

The harvesting system of parasitic mechanical energy from roadways is based on the piezoelectric effect converts mechanical strain into electrical current or voltage. The harvested energy can be transferred back to the grid, or used for specific road infrastructure purposes. The infrastructure captures and stores energy for reuse.

The company is developing a wide range of Piezoelectric generators with sizs varying from a few centimeters to networks covering large surfaces. The generators are embedded between the superstructure layers, and usually covered with an asphalt layer.

The generators are mounted with electronic cards supplying the storage system. The laying of the present system, (embedding the generators and electronic cards in to the roadway), can be done during paving of new roads or in the course of the maintenance work in existing roadways, so it’s entirely retrofittable to any road, and the heavier the vehicle, and the greater the number of vehicles, the greater the return, all the way to electricity production on an industrial scale.

This means that parasitic energy of busy roads, railroads and runways near population centers can be converted into electrical energy that can run public lighting, or fed back into the grid.


Introduction

Multiphase flow in porous media is an integral part in many aspects of every-day life and plays a critical role in some of the most important processes and technologies from agriculture to energy. Examples range from the hydrology in the Vadose zone where the water table rises and falls and water and air occupy the pore space in soil, contaminant hydrology, hydrocarbon recovery, hydrogen storage, and carbon capture and sequestration (CCS) (Bui et al., 2018). Multiphase transport is also a rate-limiting step in gas diffusion layers in electrocatalytic devices such as fuel cells (Simon et al., 2017), electrolysis, and more novel concepts, where CO2 is converted into base chemicals (Kondratenko et al., 2013).

In most applications, multiphase transport is described with the 2-phase Darcy equations, which are a continuum mechanic concept for relating transport, i.e., average phase fluxes to average pressure gradients applicable at the �rcy scale.” They are phenomenological extensions of Darcy's law from single to multiphase flow. One of the consequences of operating with a phenomenological transport equation is that it contains parameters, such as relative permeability, which cannot be predicted within the framework of the 2-phase Darcy equations. Since relative permeability is specific to the porous medium and its chemical interaction with the fluids present manifesting in characteristic wetting behavior of the system (Abdallah et al., 2007), they have to be determined for each situation individually. Common methods to experimentally determine relative permeability are core flooding experiments, which are typically conducted on porous media samples of few centimeters in size. For instance, in the petroleum industry, cylindrical rock samples from drilled cores are used, which are limited in size by the diameter of the core and are typically between 2.54 and 5.00 cm in length and diameter, which is commonly assumed to represent Darcy scale. The steady-state method is one of the most trusted methods as it provides a wide accessible saturation range and in combination with numerical simulation (Kokkedee et al., 1996 Masalmeh et al., 2014 Sorop et al., 2015) allows the correct treatment of experimental artifacts, such the capillary end-effect (Huang and Honarpour, 1998). In steady-state experiments, the two immiscible fluids phases, e.g., water or brine and oil or gas are co-injected at stepwise varied fractions of wetting phase flux over total flux, termed fractional flow fw. At each fractional flow step, fluids are co-injected until a “steady-state” has been reached, which is defined by saturation, pressure-drop, and electrical resistivity becoming time-independent, i.e., d S w ¯ / d t = 0 , where S w ¯ is the space and time-averaged saturation. Relative permeability is then determined from the time-averaged pressure-drop and time-averaged saturation.

However, many of these fractional flow experiments show notable fluctuations (Datta et al., 2014a,b Masalmeh et al., 2014 Reynolds and Krevor, 2015 R࿌ker et al., 2015a Sorop et al., 2015 Gao et al., 2017, 2019, 2020 Lin Q. et al., 2018 Alcorn et al., 2019 Clennell et al., 2019 Lin et al., 2019a Spurin et al., 2019 Wang and Masalmeh, 2019 Menke et al., 2021), for instance in pressure drop but also saturation. In some cases, the magnitude of these fluctuations is comparable or even larger than the average values of the respective property, e.g., pressure drop, between the previous or following fractional flow. Historically, such fluctuation have been considered as indicative for failed experiments and often led to dismissal of the experiment. That is potentially the reason why despite extensive literature on steady-state relative permeability in only relatively few cases the raw data is shown. Even in the cases where pressure drop as a function of time is shown, it is often not clear whether this data is filtered or smoothed, operating under the assumption that the fluctuations are caused by noise.

Also, pressure fluctuations are more prominent for water-wet rock and much less visible for intermediate or mixed-wet cases (Jung et al., 2016 Lin Q. et al., 2018 Lin et al., 2019a), where the magnitude of capillary pressure is much less or even near zero (Lin et al., 2019a). Experiments conducted on twin samples of the same rock to exclude all other factors show noticeable fluctuations in the water-wet case (Lin Q. et al., 2018) but much less in the intermediate-wet case (Lin et al., 2019a), which has been achieved by aging with crude oil. In the intermediate-wet case, capillary pressure is near zero, because the mean curvature is near zero, which has been established from imaging the liquid-liquid interfaces by micro-CT. But that does not mean the interfaces are flat, but rather form bi-continuous interfaces that allow both aqueous and oil phases to be continuous at the same time, i.e., fractional flow does not cause displacement events, which is the primary reason why pressure fluctuations are less. Wettability heterogeneity may also impact the magnitude of fluctuations due to the associated energy dissipation (Murison et al., 2014). Also, fluctuations are stronger for a gas-liquid system and more often reported explicitly (Alkan and Müller, 2008 Reynolds and Krevor, 2015 Xu et al., 2015 Spurin et al., 2020), which suggests that viscosity ratio may be an important factor, which has been also reported in (Spurin et al., 2019).

Pore scale experiments (DiCarlo et al., 2003 Moebius and Or, 2012 Berg et al., 2013, 2014 Armstrong et al., 2014a Reynolds et al., 2017 Lin Q. et al., 2018 Lin et al., 2019a) and numerical simulations (Lenormand et al., 1983 Raeini et al., 2014 Armstrong et al., 2015 Guຝon et al., 2017 Alpak et al., 2019 Berg C. F. et al., 2020 Winkler et al., 2020) also exhibit fluctuations in pressure and saturation (Ramstad and Hansen, 2006 Pak et al., 2015), which are caused by pore scale displacement events, such as Haines jumps and coalescence (R࿌ker et al., 2015b), where the non-wetting phase replaces the wetting phase and snap-off and piston-like displacement (Lenormand et al., 1983 Dixit et al., 1998), where the wetting phase replaces the non-wetting phase. These events lead to interruption and rearrangement of the connected pathways the respective phases flow through (Tuller and Or, 2001) and are described by a rigorous theoretical framework of pore-scale thermodynamics (Morrow, 1970). Depending on flow rate and other conditions (Avraam and Payatakes, 1995a Lenormand and Touboul, 1998), there are different regimes that can cause fluctuations in pressure and saturation that have been systematically investigated in Avraam and Payatakes (1995a) Tsakiroglou (2019). The main regimes identified were connected pathway flow, ganglion dynamics and drop traffic. While sequences of oil-filling and water filling events of different nature cause ganglion dynamics (R࿌ker et al., 2015b) already at capillary numbers below Ca < 10 𢄦 , effects such as ganglion dynamics, where such events occur repeatedly at the same location (Lenormand et al., 1983 Datta et al., 2014a,b Gao et al., 2017, 2019, 2020 Spurin et al., 2019), are often observed close to the critical capillary number for capillary de-saturation (Berg and Cense, 2009) and likely caused by viscous mobilization and associated breakup, which can in the extreme case lead to 𠇍rop traffic” (Avraam and Payatakes, 1995a,b). Note that in the porous media literature, the term “intermittency” is frequently used instead of ganglion dynamics. However, outside the porous media community, this term is commonly associated with turbulent flow, which could lead to misconceptions as in porous media, and this behavior is often observed already in the capillary dominated regime. Periodic pressure fluctuations can also be caused by snap-off of non-wetting phase bubbles at the outlet although this is a mechanism observed more in spontaneous imbibition (Unsal et al., 2007a,b Unsal et al., 2009 Bartels et al., 2019). While the exact pore scale mechanism can differ, the pressure signature is typically caused by capillary effects in a capillary-dominated regime (Singh et al., 2019). A recent pore scale simulation study that shows such fluctuations caused by pore-scale displacement events introduced the term 𠇊thermal” to characterize the energy scale of these fluctuations (Winkler et al., 2020).

The referenced literature suggests that these non-thermal fluctuations are a relatively universal phenomenon occurring in a very wide range of rock types and are observable on different scales. The key step that has been missing so far is a direct link between pore-scale fluctuations and Darcy scale behavior, which is the focus of this paper. This link between fluctuations observed in core flooding experiments at a length scale of several centimeters and their origin from pore scale displacement events is important because from both a very fundamental perspective and also for practical reasons. It is important to understand whether fluctuations are caused by pore scale displacement events, because such events are always to some extent irreversible and associated with the dissipation of energy (Morrow, 1970 Seth and Morrow, 2007 Berg et al., 2013). The big question is whether this energy dissipation by pore scale events is correctly captured when using time-averaged pressure and saturation data. At this moment, we do not fully understand the consequence of the averaging in case that fluctuations are not just noise but indeed caused by pore scale displacement events. Also, for the interpretation of such experiments by inverse modeling to determine the relative permeability (Berg S. et al., 2020), for a correct assessment of the associated uncertainty, it is important to understand whether fluctuations are noise or have another cause, e.g., a physical mechanism.

In this work we address this question of the link between fluctuations and pore-scale displacement events by analyzing the magnitude and statistics of Darcy scale “steady-state” fractional flow experiments for different rocks and fluid/fluid/solid wetting and comparison with pore-scale fractional flow experiments with synchrotron beamline-based fast x-ray computed tomography. We will discuss the reason why fluctuations involve hundreds or more pores. From a pore scale perspective alone, this would not be very obvious, because fluctuations are mainly associated with individual pore scale displacement events and larger fluctuations are interpreted from the pore scale perspective as ganglion dynamics. The dominance of fluctuations involving hundreds to thousands of individual pores becomes understandable as in the transition to the Darcy scale fluctuations can only persist if a permissible (Darcy-scale) fractional flow solution exists, for which we will present supporting evidence. That emphasizes the need to presenting both the pore scale and the Darcy scale perspective on the same phenomenon. Each experiment has significant complexity, which cannot be fully covered in this work, which focuses very much on the link between pore and Darcy scale. Therefore, we largely rely on thoroughly conducted experiments on each scale using dedicated experimental setups that are designed to rule out instrumental artifacts, i.e., avoid back pressure controllers and other potential source of fluctuations other than the ones caused by the multiphase flow in porous media. We make use of the best experimental data that are unfortunately not conducted on exactly the same sample. We use Fontainebleau sandstone for Darcy scale experiments and sintered glass of comparable pore size at the pore scale. The phenomena found in the sandstone sample and the sintered glass are comparable, which is also established through consistency with other studies in the literature, which suggest that phenomena are actually generic and observed in many different rock types. The experiments we present here have the highest level of confidence to rule out such artifacts, which is why we gave priority over fully consistent samples. Ultimately, the pressure signature but also associated fluctuations in connectivity (McClure et al., 2016) (which in the Darcy scale experiments is represented by electrical resistivity) (Liu Z. et al., 2018) provides the connection between Darcy scale fluctuations and pore scale displacement events.


Materials and Methods

Geometry and Mesh

The geometry of the numerical model is based on the flume experiments of Fox et al. ( 2014 ). To reduce the computing time, the length of the 6.4 m long flume is shortened to approximately 1.75 m in the two-dimensional model. The shortened numerical model is a cut of the original flume. Only one phase which considers the surface water as well as the water in the sediment is taken into account. According to the water level used in the flume experiment the model has a height of 0.17 m. The dune-shaped sediment is located downstream of a ramp with a height of 0.08 m and a length of 0.93 m. The model geometry for the neutral case can be seen in Figure 1. For losing and gaining conditions the ripple geometries were adjusted slightly according to the photographs of the experiments. For this purpose, the meshes were modified manually. The average length of the bed form structures amounts to 15 cm, the height to 2 cm. The bed form geometry used in the experiments is commonly found in sandy streambeds (Stofleth et al. 2008 Lewandowski et al. 2011a Harvey et al. 2013 ).

The mesh generator gmsh (Geuzaine and Remacle 2009 ) was used to discretize the two-dimensional mesh. About 77,000 unstructured elements were chosen to depict the dune shaped profiles. The exact number varies slightly for the different morphologies, while similar mesh conditions were chosen for the three meshes with similar element sizes in surface water, in the sediment and at the interface. Small element sizes at the interface of surface water and subsurface were used to account for the steep velocity gradients at the interface. The minimum element area of the applied mesh amounts to 1.93 × 10 −7 m 2 and is located at the interface, while the maximum area amounts to 0.0033 m 2 and is located within the surface water.

Numerical Model

The open-source computational fluid dynamics (CFD) package OpenFOAM version 2.4.0 was used to simulate the dye spreading at the rippled streambed. The solver applied is based on the “porousInter” solver by Oxtoby et al. ( 2013 ). This solver uses the Navier–Stokes equations in surface water and in the sediment without any additional parameters. Solvers within the standard OpenFOAM library determining the interaction of surface water and groundwater—as porousInterFoam—apply resistance source terms for which such additional parameters as Darcy–Forchheimer coefficients are needed. For this reason, we decided to use the porousInter solver by Oxtoby et al. ( 2013 ). Since this solver only considers flow processes, we extended this solver for the investigation of transport processes. Flow processes are still determined using the equations available in the porousInter solver. PorousInter is based on the interFoam solver of OpenFOAM and is a multiphase solver for immiscible fluids (such as water and air) which extends the three-dimensional Navier–Stokes equations by the consideration of soil porosity and effective grain size diameter. All values represented by [ ] f are averaged over the pore space volume. The equations for the conservation of mass and momentum are defined after Oxtoby et al. ( 2013 ):

(1) (2) with φ representing the soil porosity (−) the velocity (m/s) ρ the density (kg/m 3 ) t the time (s) p the pressure (Pa) μ the dynamic viscosity (Ns/m 2 ), g the gravitational acceleration (m/s 2 ), and D as an additional drag term (kg/[m 2 s 2 ]).

Voir la vidéo: Un regard sur lacquisition et lexploitation des données dans la construction