CN108597018A - 对土壤实现数值模拟的方法和装置 - Google Patents
对土壤实现数值模拟的方法和装置 Download PDFInfo
- Publication number
- CN108597018A CN108597018A CN201810407314.1A CN201810407314A CN108597018A CN 108597018 A CN108597018 A CN 108597018A CN 201810407314 A CN201810407314 A CN 201810407314A CN 108597018 A CN108597018 A CN 108597018A
- Authority
- CN
- China
- Prior art keywords
- soil
- porous media
- mineralogical composition
- dimensional structure
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 211
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004088 simulation Methods 0.000 title claims abstract description 54
- 239000000203 mixture Substances 0.000 claims abstract description 143
- 230000008595 infiltration Effects 0.000 claims abstract description 13
- 238000001764 infiltration Methods 0.000 claims abstract description 13
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 71
- 239000011707 mineral Substances 0.000 claims description 71
- 239000012530 fluid Substances 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 22
- 239000007788 liquid Substances 0.000 claims description 21
- 239000004615 ingredient Substances 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 239000004744 fabric Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 239000003344 environmental pollutant Substances 0.000 abstract 2
- 231100000719 pollutant Toxicity 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 21
- 239000012071 phase Substances 0.000 description 18
- 238000004321 preservation Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 238000005067 remediation Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 239000008346 aqueous phase Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004846 x-ray emission Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000004856 soil analysis Methods 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 238000004876 x-ray fluorescence Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明揭示了一种对土壤实现数值模拟的方法和装置。所述方法包括:获取土壤样品的二维扫描图像;通过二维扫描图像进行三维重构获得土壤三维图像,通过土壤三维图像进行土壤的多孔介质三维结构显示;根据二维扫描图像中像素点指示的辐射衰减变化在土壤的多孔介质三维结构中获得矿物成分三维分布,进而采用波尔兹曼网格法得以精准模拟其渗透系数、污染物NAPL的流动分布。由此,便获得了土壤结构,实现了对土壤的描述,在此,由于是基于土壤样品的二维扫描图像以及随之而进行的三维重构实现的,因此,在所获得的土壤三维真实结构基础上,其渗透系数、污染物NAPL的流动分布得到精准模拟,从而对土壤实现了准确快速描述,易于推广应用,进而辅助于土壤修复技术。
Description
技术领域
本发明涉及计算机应用技术领域,特别涉及一种对土壤实现数值模拟的方法和装置。
背景技术
土壤是人类社会最为基本、最为重要的自然资源之一。随着工业化进程的不断深入,土壤污染越来越严重,使土壤中的污染正受到越来越多的关注,去除土壤中污染的研究,即土壤修复技术正处于不断完善的过程中。
在土壤修复技术的探索以及土壤修复的进行中,土壤结构以及土壤结构对土壤功能的影响机制至今仍然是模糊不清的,因此,有必要对土壤实现数据模拟,进而完整地获得土壤原状结构,以及相应的定量信息,这是从根本上推进土壤修复技术的必要前提。
对于土壤结构的研究并不多,而实现土壤结构模拟的技术,往往由于数据测量的难度以及数据在整理和处理过程中存在的提取偏差和丢失等方面的原因,使得土壤结构的获得存在着缺乏准确性和难以推广应用的局限性,对土壤的准确快速描述更是无从谈起。
发明内容
为了解决相关技术中无法对土壤实现的准确快速描述,使得土壤结构的获得能够具备非常高的准确性和易于推广应用,本发明提供了一种对土壤实现数值模拟的方法和装置。
一种对土壤实现数值模拟的方法,所述方法包括:
获取土壤样品的二维扫描图像;
通过所述二维扫描图像进行三维重构获得土壤三维图像,通过所述土壤三维图像进行土壤的多孔介质三维结构显示;
根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布。
在其中一个示例性实施例中,所述根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布,包括:
根据所述二维扫描图像中像素点指示的辐射衰减变化定位所述二维扫描图像中矿物成分的分布;
由所述二维扫描图像中矿物成分的分布反演映射至所述土壤的多孔介质三维结构,获得所述多孔介质三维结构中各矿物成分的三维分布。
在其中一个示例性实施例中,所述由所述二维扫描图像中矿物成分的分布反演映射至所述土壤的多孔介质三维结构,获得所述多孔介质三维结构中各矿物成分的三维分布,包括
定位各矿物成分在所获得二维扫描图像中对应的扫描切片;
根据所述扫描切片获得所对应矿物成分的衰减系数;
在所述土壤的多孔介质三维结构中,根据三维数据体与矿物成分的衰减系数之间的比对,定位所述矿物成分的三维分布。
在其中一个示例性实施例中,所述由所述二维扫描图像中矿物成分的分布反演映射至所述土壤的多孔介质三维结构,获得所述多孔介质三维结构中各矿物成分的三维分布之后,所述方法还包括:
根据所述土壤样品中矿物成分和所占比例,进行所述多孔介质三维结构中各矿物成分的赋存状态计算;
根据计算所获得的赋存状态定量描述信息获得所述多孔介质三维结构中各矿物成分的赋存状态。
在其中一个示例性实施例中,所述赋存状态定量描述信息包括形状因子,所述根据所述土壤样本中矿物成分和所占比例,进行所述多孔介质三维结构中各矿物成分的赋存状态计算,包括:
根据所述土壤样品中矿物成分在所述多孔介质三维结构中的形状获得所述矿物成分的体积和表面积;
由所述矿物成分的体积和表面积运算得到所述矿物成分在所述多孔介质三维结构中的形状因子。
在其中一个示例性实施例中,所述赋存状态定量描述信息包括接触表面积比,所述根据土壤样本中矿物成分和所占比例,进行所述多孔介质三维结构中各矿物成分的赋存状态计算,包括:
根据所述土壤样品中的矿物成分和所占比例获得所述矿物成分中的基质矿物;
针对于区别所述基质矿物的其它矿物成分,根据所述矿物成分与所述基质矿物之间的接触面积以及自身表面积运算得到接触表面积比。
在其中一个示例性实施例中,所述根据计算所获得的赋存状态定量描述信息获得所述多孔介质三维结构中各矿物成分的赋存状态,包括:
根据计算所获得的每一赋存状态定量描述信息,为所对应矿物成分查找设定的判断条件;
根据所述判断条件与矿物赋存状态之间的关联关系,获得所述矿物成分的赋存状态。
在其中一个示例性实施例中,所述根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布步骤之后,所述方法还包括:
通过波尔兹曼网格法进行所述土壤的多孔介质三维结构中流体的流动模拟;
在所述流体的流动模拟中驱使所模拟的所述流体达到稳态,并在所述稳态下运算所述土壤多孔介质三维结构对应的渗透系数。
在其中一个示例性实施例中,所述根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布之后,所述方法还包括:
通过波尔兹曼网格法进行所述土壤的多孔介质三维结构中非水相液体的运移模拟。
一种对土壤实现数值模拟的装置,包括处理器以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如前所述的方法步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
对指定土壤,即给定的土壤样品,将获取其二维扫描图像,通过此二维扫描图像进行三维重构,以获得土壤三维图像,进而通过土壤三维图像进行土壤的多孔介质三维结构显示,由此,便获得了土壤结构,实现了对土壤的描述,在此,由于是基于土壤样品的二维扫描图像以及随之而进行的三维重构实现的,因此,对于所获得的土壤结构以及土壤的描述而言,得以保证非常高的准确性,并且由于都是通过图像处理而实现,能够保证处理速度和效率,从而对土壤实现了准确快速描述,易于推广应用,进而辅助于土壤修复技术。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的对本发明所涉及的实施环境的示意简图;
图2是根据一示例性实施例示出的一种对土壤实现数值模拟的方法的流程图;
图3是根据图2对应实施例示出的对步骤250的细节进行描述的流程图;
图4是根据一示例性实施例示出的对步骤253的细节进行描述的流程图;
图5是根据另一示例性实施例示出的一种对土壤实现数值模拟的方法的流程图;
图6是根据图5对应实施例示出的对步骤510的细节进行描述的流程图;
图7是根据图5对应实施例示出的对步骤510的细节进行描述的流程图;
图8是根据图5对应实施例示出的对步骤530的细节进行描述的流程图;
图9是根据另一示例性实施例示出的一种对土壤实现数值模拟的方法的流程图;
图10是根据一示例性实施例示出的一种装置的框图;
图11是一示例性实施例示出的一种对土壤实现数值模拟的装置的框图;
图12是根据图11对应实施例示出的对矿物分析模块的细节进行描述的框图;
图13是根据图12对应实施例示出的对三维映射单元的细节进行描述的框图;
图14是根据另一示例性实施例示出的一种对土壤实现数值模拟的装置的框图;
图15是根据图14对应实施例示出的对赋存计算模块的细节进行描述的框图;
图16是根据图14对应实施例示出的对赋存计算模块的细节在另一示例性实施例进行描述的框图;
图17是根据图14对应实施例示出的对赋存状态获得模块的细节进行描述的框图;
图18是根据另一示例性实施例示出的一种对土壤实现数值模拟的装置的框图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的对本发明所涉及的实施环境的示意简图。在一个示例性实施例中,本发明所对土壤实现的数值模拟,部署在计算机设备中,对给定土壤进行结构的自动获得和显示,并在所呈现的土壤结构中获得矿物成分分布,由此,一方面得以监控土壤状况,另一方面也便于通过准确的土壤结构描述研究土壤结构对土壤功能的影响机制,保证所进行土壤修复的准确性和有效性。
如图1所示的,对土壤的数值模拟将通过计算机设备110和影像设备130实现。
影像设备130作为投影成像设备,进行给定土壤的扫描以及投影成像,生成一系列的二维扫描图像。
计算机设备110,由影像设备130获得给定土壤的一系列二维扫描图像,对一系列二维扫描图像进行三维重建,进而实现给定土壤所对应结构的三维空间显示,并且在所获得的三维空间中准确实现土壤中矿物成分的三维分布状况显示。
由此,将在影像设备130和计算机设备110的配合下,达成土壤领域的应用,以此来简单准确快速的反映土壤的空间分布和物质存在状况。
图2是根据一示例性实施例示出的一种对土壤实现数值模拟的方法的流程图。在一个示例性实施例中,该对土壤实现数值模拟的方法,如图2所示,至少包括以下步骤。
在步骤210中,获取土壤样本的二维扫描图像。
其中,土壤样品对应于给定土壤,来自于需要进行数值模拟,进而获得土壤结构以及描述的土壤。土壤样品的二维扫描图像,并非单一图像,而是按照设定的若干个扫描剖面进行扫描获得的一组图像。
通过二维扫描图像反映土壤土壤样品横截面的二维存在形态。通过对土壤样品进行的扫描,获得此土壤样品的横截面的二维扫描图像。具体的,在影像设备,例如,CT(Computed Tomography,电子计算机断层扫描)扫描仪,对土壤样品按照设定扫描剖面,即土壤样品上的成像平面进行扫描,分别获得对应的一组投影数据,利用这些投影数据反求出成像平面上每个像素点的衰减系数,由像素点的衰减系数重构获得二维图像截面,即二维扫描图像。
应当进一步说明的是,所使用的CT扫描仪为微米CT成像设备,针对于一扫描剖面,经由微米CT成像设备发射的X-射线透过土壤样品,土壤样品中每个部位对X-射线的吸收率不同。X-射线源,即微米CT成像设备,发射X-射线,穿射土壤样品,最终在微米CT成像设备中的X射线检测器上投影成像,以获得前述所指的一组投影数据。
以此类推,通过每一组投影数据,都进行二维重构而获得二维扫描图像,进而获得土壤样品的一组二维扫描图像。
在步骤230中,通过二维扫描图像进行三维重构获得土壤三维图像,通过土壤三维图像进行土壤的多孔介质三维结构显示。
其中,所指的土壤三维图像,是通过二维扫描图像构建三维空间,并在此三维空间中重构土壤多孔介质三维结构的图像。通过土壤三维图像来实现土壤样品空间分布和所存在物质,例如,所存在孔隙和骨架的准确描述。应当理解的,多孔介质是由多相物质所占据的共同空间,对于土壤而言,多孔介质是由孔隙和骨架,具体而言,所指的骨架对应于土壤固相,其主要为矿物成分,所指的孔隙,主要包括土壤中存在的溶液和空气。
通过三维重构所获得的土壤三维图像,获得包含了矿物成分三维分布、以及在此基础上土壤中所存在液相的三维分布,由此便形成了土壤的多孔介质三维结构显示。
在此应当补充说明的是,所指的三维重构,是通过一系列二维扫描图像的叠加实现的。
无论是二维扫描图像,还是土壤三维图像,都是像素点的排列,每个像素点所对应衰减系数的大小都代表着此像素点的像素值,并且也由此像素值而转换得到相应的灰度图像,例如,三维灰度图像。
由土壤三维图像转换得到三维灰度图像,对于三维灰度图像,应用二值化处理,例如,二值化处理方法中的分水岭计算方法,进行孔隙和骨架的分割和识别,获得相应的二值三维模型,以此来得到土壤的多孔介质三维结构,即孔隙和骨架在三维空间中的三维结构进而显示。
至此,对于土壤而言,便实现了给定土壤在不破坏样品的情况下快速准确描述和表征,进而得以在此基础下实现土壤的各种应用。
对于三维灰度图像中的二值化处理,应当理解,三维灰度图像中像素点对应的灰度值反映了相应位置的组分对X-射线吸收的强弱,灰度越大,高度越高,其表示骨架;相反灰度越小,亮度越暗,其表示三维空间中孔隙的存在,由此而得以通过二值化方法将骨架和孔隙分割识别出来。
在此三维重构的进行,以及土壤多孔介质三维结构的获得显示,都通过图像处理得以实现,快速准确的完成了土壤在三维空间中的描述,在此计算机实现过程下,使得推进速度缓慢的土壤评价、土壤修复等能够得到较快发展,进而不再局限于目前的限制。
在步骤250中,根据二维扫描图像中像素点指示的辐射衰减变化在土壤的多孔介质三维结构中获得矿物成分三维分布。
其中,在获得土壤三维图像,以及土壤的多孔介质三维结构之后,便可以在此基础上进行土壤的成分分析。应当理解,对于土壤而言,其主要成分即为矿物成分,所指的土壤成分分析实质上即为矿物成分的分析。
通过土壤三维图像中的像素点,得以获得相应的衰减系数。而不同的矿物成分,都有着对应的衰减系数,即不同矿物成分所吸收X-射线均有不同。因此,能够通过土壤三维图像中像素点对应的辐射衰减变化而在土壤的多孔介质三维结构中获得矿物成分三维分布,即构成骨架的矿物成分三维分布。
通过此示例性实施例,便对土壤实现了数值模拟,所对应的速度和效率得到有效保障,在此,为土壤领域的应用得以提供辅助。
图3是根据图2对应实施例示出的对步骤250的细节进行描述的流程图。该步骤250,如图3所示,至少包括以下步骤。
在步骤251中,根据二维扫描图像中像素点指示的辐射衰减变化定位二维扫描图像中矿物成分的分布。
其中,首先应当说明的是,通过进行土壤样品进行各主要元素的确定,在此基础上,分析得出元素所形成的一系列矿物成分,并由此而确定每种矿物成分所占百分比。
例如,对土壤样品进行X-射线荧光光谱分析(XRF,X Ray Fluorescence),以此来确定其中各主要含量;而后进行X-射线衍射分析(XRD,X ray diffraction),根据衍射角结构分析得出土壤样品中存在的一系列矿物成分,进而确定每种矿物成分所占百分比。
在此基础上,经由二维扫描图像中像素点的存在,就可以确定所存在由矿物成分所形成的骨架,基于此,通过辐射衰减原理,即Beer定律,使用公式I=I0e-μx进行计算分析得到二维扫描图像中各处对应的矿物成分。
在此公式I=I0e-μx中,I0是X-射线入射到土壤表面时的辐射强度;I是X-射线经过物质层由于吸收和散射后,某点对应的X-射线辐射强度;μ为衰减系数,表示X射-线闯过单位厚度的物质层时强度减少的百分数值(为不同物质特有的性质),单位是m-1;x是物质层的厚度,单位是m。
对于每一二维扫描图像,都定位得到各处所存在的矿物成分,即获得每一二维扫描图像的矿物成分分布。
在步骤253中,由二维扫描图像中矿物成分的分布反演映射至土壤的多孔介质三维结构,获得多孔介质三维结构中各矿物成分的三维分布。
其中,通过前述步骤,在所获得的二维扫描图像中得到了各处对应的矿物成分,所有矿物成分在二维扫描图像中的存在便形成了二维扫描图像中矿物成分的分布。
二维扫描图像是某一扫描剖面,即土壤的扫描切片图像,因此对于此二维扫描图像各处对应的矿物成分而言,能够由此而在对应位置获得矿物成分的二维扫描切片图像。
在图像上,各处的主要信息为灰度值,因此可以由此而获得各处每一矿物成分对应的衰减系数,进而在所重构的三维空间中获得土壤的多孔介质三维结构上各矿物成分的三维分布。
具体的,根据每种矿物成分对应的衰减系数,在三维空间中进行相邻像素点之间的衰减系数与各矿物成分所对应衰减系数进行比对,以此来获得我孔介质三维结构上各矿物成分的三维分布。
至此,便获得步骤253在一个示例性实施例中的具体实现。图4是根据一示例性实施例示出的对步骤253的细节进行描述的流程图。
如图4所示的,在一个示例性实施例中,该步骤253包括以下步骤。
在步骤401中,定位各矿物成分在所获得二维扫描图像中对应的扫描切片。
由扫描得到的二维图像中,对应位置可以进行EDS(能谱,Energy DispersiveSpectrometer)分析,由于每种元素矿物的EDS值都是具有特性的,因此,可以准确定量定位二维扫描图像中的各元素矿物,即矿物成分,并使之与CT扫描得到的二维图像中实现灰度值图像的一一对应,进而得到各矿物成分在所获得二维扫描图像中对应的扫描切片。
在步骤403中,根据扫描切片获得所对应矿物成分的衰减系数。
在步骤405中,在土壤的多孔介质三维结构中,根据三维数据体与矿物成分的衰减系数之间的比对,定位矿物成分的三维分布。
矿物的衰减系数也是其具备的独立特征,三维数据体是由灰度值图像构成的,X射线经过一个像素块时,射线强度值由I0减弱到I1,那么此像素块对应的衰减系数就是(I0-I1)/x,x是像素块的厚度,由此就可以对应到整个标准库中,得到该像素块内为何种矿物,以此类推,就能得到整个三维结构中矿物成分的三维分布,并准确定量定位。
在此,应当理解,所指各矿物成分在所获得二维扫描图像中对应的扫描切片,是针对于一二维扫描图像在相应位置上的矿物成分存在,是前述所指的矿物成分的二维扫描切片图像。
由扫描切片所对应灰度值进行所对应矿物成分的衰减系数运算,以此为基础来实现确定土壤多孔介质三维结构中矿物成分的三维分布。
图5是根据另一示例性实施例示出的一种对土壤实现数值模拟的方法的流程图。在一示例性实施例中,步骤250之后,该对土壤实现数值模拟的方法,还包括以下步骤。
在步骤510中,根据土壤样品中矿物成分和所占比例,进行多孔介质三维结构中各矿物成分的赋存状态计算。
其中,土壤的赋存状态是指各矿物成分所处的物态。根据各矿物成分的三维分布定量计算各矿物成分在三维空间的赋存状态。
在此赋存状态的确定中,首先需要进行着不同赋存状态的定义,以设定各种不同赋存状态所对应的判断条件,以此来为后续所进行的各矿物成分赋存状态的获得奠定基础。
多孔介质三维结构中,所进行各矿物成分的赋存状态计算,是统计矿物成分所在各处所相关的信息,并进行临近矿物成分的多样性分析,以此来计算得到能够定量描述矿物成分在三维空间赋存状态的赋存状态定量描述信息。
在步骤530中,根据计算所获得的赋存状态定量描述信息获得多孔介质三维结构中各矿物成分的赋存状态。
其中,如前所述的,预先配置了土壤中不同赋存状态所对应的判断条件,因此,在计算获得赋存状态定量描述信息之后,就可以对照判断条件最终获得土壤的多孔介质三维结构中各矿物成分的赋存状态。
土壤中,各矿物成分的赋存状态主要划分为:薄片状、孤粒状、网络状和多孔状等。
图6是根据图5对应实施例示出的对步骤510的细节进行描述的流程图。赋存状态定量描述信息包括形状因子,该步骤510,如图6所示,至少包括以下步骤。
在步骤511a中,根据土壤样品中矿物成分在多孔介质三维结构中的形状获得矿物成分的体积和表面积。
其中,形状因子用于描述相同体积情况下矿物成分的表面积大小以及形状。因此,针对于分布于各处的矿物成分,将根据其在多孔介质三维结构中的形状来获取所对应的体积和表面积,以用于进行形状因子的运算。
具体如下述公式所示,即:
其中,G为形状因子,V是矿物成分的体积,S是矿物成分的表面积。
在步骤513a中,由矿物成分的体积和表面积运算得到矿物成分在多孔介质三维结构中的形状因子。
其中,形状因子越小,相同体积情况下矿物成分的表面积越大,表面凹凸变化程度也越大,其形状也越不规则。通过形状因子,将对矿物成分的赋存状态定量描述映射至相同的数值空间,以便于得以在相同尺度下实现所对应赋存状态的确定。
图7是根据图5对应实施例示出的对步骤510的细节进行描述的流程图。在一个示例性实施例中,赋存状态定量描述信息包括接触表面积比,该步骤510,如图7所示,至少包括以下步骤。
在步骤511b中,根据土壤样品中矿物成分和所占比例获得矿物成分中的基质矿物。
其中,给定土壤,即土壤样品中,往往存在着多种矿物成分,并且各矿物成分之间所占比例各不相同,有的矿物成分居多,有的矿物成分则仅仅少量存在,因此,将根据土壤样品中矿物成分的存在以及分别对应的比例而确定基质矿物。
如前所述的,矿物成分是土壤的多孔介质中骨架的主要组成部分,因此在描述土壤结构,实现对土壤的准确数值模拟过程中,有必要实现所存在矿物成分的准确描述,以此为基准方能够实现土壤结构的准确构建。
以土壤样品中所有矿物成分为整体,在此整体中确定所占比例最高的矿物成分,将此矿物成分作为基质矿物。
在步骤513b中,针对于区别基质矿物的其矿物成分,根据所述矿物成分与基质矿物之间的接触面积以及自身表面积运算得到接触表面积比。
其中,应当理解,所指的基质矿物,便是相对于其它矿物成分而言作为基质存在的。由此,对于所进行的土壤中矿物分析而言,其它矿物成分将以此基质矿物为基准,进行各自的赋存状态定量描述。
具体的,以基质矿物为基准,为每一矿物成分获取自身与基质矿物宰的接触面积,以及自身表面积,由所获得的接触面积和自身表面积进行接触表面积比的计算,进而通过接触表面积比来定量描述所对应矿物成分的赋存状态。
具体的,所指的接触表面积比将通过下述公式计算得到,即:
其中,Sc为接触面积,S是矿物成分自身表面积,Rc是矿物成分的接触表面积比。
至此,便从整体上,以及矿物成分之间的相互作用关系上实现了土壤中矿物成分赋存状态的定量描述,为后续各矿物成分的赋存状态获得奠定基础。
图8是根据图5对应实施例示出的对步骤530的细节进行描述的流程图。在一示例性实施例中,如图8所示,该步骤530至少包括以下步骤。
在步骤531中,根据计算所获得的每一赋存状态定量描述信息,为所对应矿物成分查找设定的判断条件。
在步骤533中,根据判断条件与矿物赋存状态之间的关联关系,获得矿物成分的赋存状态。
其中,针对于每一矿物成分,将所获得的赋存状态定量描述信息与设定的判断条件进行比对,获得自身赋存状态定量描述信息相符合的判断条件。
所指的判断条件,是对应于矿物赋存状态的,因此,在查找得到矿物成分自身所相符合的判断条件之后,即可由所对应的矿物赋存状态获得矿物成分的赋存状态。
在一示例性实施例的具体实现中,对于矿物成分的赋存状态,可划分为薄片状、孤粒状、网络状以及多孔状等,由此,可分别为此而设定相应的判断条件,即:
表1
其中,0<c<b<a<1,0<e<f<g<d<1,G为形状因子,Rc为接触表面积比。
通过此示例性实施例的进行,而在所呈现的土壤多孔介质三维结构中准确实现多孔介质中的主体,即各矿物成分的赋存状态准确描述,进而实现了主体结构的准确模拟和描述。
图9是根据另一示例性实施例示出的一种对土壤实现数值模拟的方法的流程图。该对土壤实现数值模拟的方法,如图9所示,在步骤250之后,还包括以下步骤。
在步骤610中,通过波尔兹曼网格法进行土壤的多孔介质三维结构中流体的流动模拟。
在步骤630中,在流体的流动模拟中驱使所模拟的流体达到稳态,并在稳态下运算土壤多孔介质三维结构对应的渗透系数。
其中,通过如上所述的土壤多孔介质三维结构的获得,准确的描述了孔隙、基质矿物以及其它矿物成分的存在以及分布,并统一映射于相同三维空间中,由此,所获得的土壤多孔介质三维结构对土壤结构进行了相应的描述和呈现。在此基础上,将进行所存在流体的模拟呈现。
土壤的多孔介质中,流体流动问题将是土壤剖析所需要关注的问题。土壤多孔介质中流体的流动行为通常受到诸多因素的影响,而作为表征土壤多孔介质传导流体能力的重要参数,土壤多孔介质三维结构对应的渗透系数成为探讨土壤多孔介质中流体的流动行为的首要对象。
土壤多孔介质三维结构对应的渗透系数,取决于多孔介质本身的结构特征,例如,孔隙率、孔隙几何特征与分布方式等结构特征。
首先通过波尔兹曼网格法进行着土壤中流体的流运行为模拟,在所获得的土壤多孔介质三维结构中显示孔隙尺度下流体的流动过程,进而在此流动过程的模拟中进行相应渗透系数的计算。
具体的,对于所进行的渗透系数计算,通过流动模拟过程中施加质量力的作下驱使流体流动到稳定状态,在稳定状态下进行着土壤多孔介质三维结构对应的渗透系数计算。
例如,可根据质量力和密度分布函数来模拟计算土壤多孔介质三维结构对应的渗透系数,具体如下述公式所示,即:
其中,k表示为渗透率,F表示为质量力,fi表示为密度分布函数,ei表示为速度函数,τ为弛豫时间,Δx表示为扫描分辨率。
至此,应当补充说明的是,对于所进行的土壤在孔隙尺度下的流动过程模拟,即土壤的多孔介质三维结构中,通过波尔兹曼网格法进行着流动的流动行为模拟,是通过在多孔介质三维结构中设置孔隙密度为1,即为流体,骨架密度为0这样的初始条件进行的,而所对应需要进行的边界处理,则采用镜像边界作为波尔兹曼网格法的边界条件,以在多孔介质三维结构中获得模拟区域以及与此模拟区域具有相同构型的若干镜像区域。
在另一个示例性实施例中,该对土壤实现数值模拟的方法,在执行步骤250之后,还包括以下步骤。
通过波尔兹曼网格法进行土壤的多孔介质三维结构中非水相液体的运移模拟。
其中,非水相液体(Non Aqueous Phase Liquids,简称NAPL),是指孔隙中土壤溶液中所有不溶于水的液态污染物的总称。土壤的多孔介质三维结构中,孔隙存在着流体,此流体包括着水和非水相液体。因此土壤的多孔介质三维结构中流体的流动,实质是水和非水相液体的两相流动,是相互之间驱替的过程。
因此,将通过波尔兹曼网格法进行着土壤多孔介质三维结构中非水相液体驱替水的流动过程模拟,以实现非水相液体的运移过程模拟。
具体的,通过设置压力差来驱使非水相液体驱替水的流动,并最终达到稳定状态,并在稳定状态下实现非水相液体在土壤多孔介质三维结构中的分布和赋存状态显示。
进一步具体说明的,所进行的压力差设置,是通过在以初始条件中设置孔隙中水密度为0.6,非水相液体的密度为0,骨架设置水和非水相液体的密度均为0,波尔兹曼网格法的边界处理中,采用进口孔隙中非水相液体密度为1,水密度为0;出口孔隙中非水相液体密度为0,水密度为0.6,造成进出口压力差,进而驱使非水相液体驱替水达到稳定状态,进而方能够可视化非水相液体在土壤多孔介质三维结构中的分布状态。
通过前述示例性实施例,应当理解,对于土壤的多孔介质三维结构,是通过对三维重构而获得的三维灰度图像通过分水岭计算方法而进行二值化处理完成孔隙和骨架的分割识别。
至此,即可模拟土壤中非水相液体的流动,并输出其密度表征的三维分布,实现土壤中非水相液体的运移模拟,得以对此达成可视化。
如上所述的示例性实施例,对土壤实现了数值模拟,进而对难以监测、观察的土壤实现土壤数字化,所对应的物理属性也得到数值模拟。
图10是根据一示例性实施例示出的一种装置的框图。例如,装置700可以是图1所示的计算机设备。
参照图10,该装置700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)722(例如,一个或一个以上处理器)和存储器732,一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中,存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器722可以设置为与存储介质730通信,在装置700上执行存储介质730中的一系列指令操作。装置700还可以包括一个或一个以上电源726,一个或一个以上有线或无线网络接口750,一个或一个以上输入输出接口758,和/或,一个或一个以上操作系统741,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。上述图2、图3、图4、图7、图6、图7、图8和图9所示实施例中所述的由计算机设备所执行的步骤可以基于该图10所示的装置结构。
下述为本发明装置实施例,可以用于执行本发明上述对土壤实现数值模拟的方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明对土壤实现数值模拟的方法实施例。
图11是一示例性实施例示出的一种对土壤实现数值模拟的装置的框图。该对土壤实现数值模拟的装置,如图11所示,包括但不限于:二维图像获取模块810、三维重构模块830和矿物分析模块850。
二维图像获取模块810,用于获取土壤样品的二维扫描图像。
三维重构模块830,用于通过二维扫描图像进行三维重构获得土壤三维图像,通过土壤三维图像进行土壤的多孔介质三维结构显示。
矿物分析模块850,用于根据二维扫描图像中像素点指示的辐射衰减变化在土壤的多孔介质三维结构中获得矿物成分三维分布。
图12是根据图11对应实施例示出的对矿物分析模块的细节进行描述的框图。在一个示例性实施例中,如图12所示,矿物分析模块850,包括但不限于:矿物二维定位单元851和三维映射单元853。
矿物二维定位单元851,用于根据二维扫描图像中像素点指示的辐射衰减变化定位二维扫描图像中矿物成分的分布。
三维映射单元853,用于由二维扫描图像中矿物成分的分布反演映射至土壤的多孔介质三维结构,获得多孔介质三维结构中各矿物成分的三维分布。
图13是根据图12对应实施例示出的对三维映射单元的细节进行描述的框图。在一个示例性实施例中,如图13所示,该三维映射单元853,包括但不限于:切片定位单元801、衰减获得单元803和比对定位单元805。
切片定位单元801,用于定位各矿物成分在所获得二维扫描图像中对应的扫描切片。
衰减获得单元803,用于根据扫描切片获得所对应矿物成分的衰减系数。
比对定位单元805,用于在土壤的多孔介质三维结构中,根据三维数据体与矿物成分的衰减系数之间的比对,定位矿物成分的三维分布。
图14是根据另一示例性实施例示出的一种对土壤实现数值模拟的装置的框图。该对土壤实现数值模拟的装置,如图14所示,还包括但不限于:赋存计算模块910和赋存状态获得模块930。
赋存计算模块910,用于根据土壤样品中矿物成分和所占比例,进行多孔介质三维结构中各矿物成分的赋存状态计算。
赋存状态获得模块930,用于根据计算所获得的赋存状态定量描述信息获得多孔介质三维结构中各矿物成分的赋存状态。
图15是根据图14对应实施例示出的对赋存计算模块的细节进行描述的框图。赋存状态定量描述信息包括形状因子,该赋存计算模块910,在一个示例性实施例中,如图15所示,包括但不限于:矿物形态数据获得单元911a和形状运算单元913a。
矿物形态数据获得单元911a,用于根据土壤样品中矿物成分在多孔介质三维结构中的形状获得矿物成分的体积和表面积。
形状运算单元913a,用于由矿物成分的体积和表面积运算得到矿物成分在多孔介质三维结构中的形状因子。
图16是根据图14对应实施例示出的对赋存计算模块的细节在另一示例性实施例进行描述的框图。赋存状态定量描述信息包括接触表面积比,该赋存计算模块910,在一个示例性实施例中,如图16所示,包括但不限于:基质确定单元911b和表面积比运算单元913b。
基质确定单元911b,用于根据土壤样品中的矿物成分和所占比例获得矿物成分中的基质矿物。
表面积比运算单元913b,用于针对于区别基质矿物的其它矿物成分,根据矿物成分与基质矿物之间的接触面积以及自身表面积运算得到接触表面积比。
图17是根据图14对应实施例示出的对赋存状态获得模块的细节进行描述的框图。在一个示例性实施例中,赋存状态获得模块930,如图17所示,包括但不限于:条件查找单元931和关联映射单元933。
条件查找单元931,用于根据计算所获得的每一赋存状态定量描述信息,为所对应矿物成分查找设定的判断条件。
关联映射单元933,用于根据判断条件与矿物赋存状态之间的关联关系,获得矿物成分的赋存状态。
图18是根据另一示例性实施例示出的一种对土壤实现数值模拟的装置的框图。该对土壤实现数值模拟的装置,如图18所示,在另一个示例性实施例中,还包括但不限于:流动模拟模块1010和渗透系数运算模块1030。
流动模拟模块1010,用于通过波尔兹曼网格法进行土壤的多孔介质三维结构中流体的流动模拟。
渗透系数运算模块1030,用于在流体的流动模拟中驱使所模拟的流体达到稳态,并在稳态下运算土壤多孔介质三维结构对应的渗透系数。
在另一个示例性实施例中,该对土壤实现数值模拟的装置,还包括但不限于:运移模拟模块。
该运移模拟模块,用于通过波尔兹曼网格法进行土壤的多孔介质三维结构中非水相液体的运移模拟。
可选的,本发明还提供一种土壤实现数值模拟的装置,该土壤实现数值模拟的装置可以用于前述所示实施环境中,执行如上任一所示的方法的全部或者部分步骤。所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
所述计算机可读指令被所述处理器执行时实现前述方法。
该实施例中的装置的处理器执行操作的具体方式已经在前述方法的实施例中执行了详细描述,此处将不做详细阐述说明。
在示例性实施例中,还提供了一种存储介质,该存储介质为计算机可读存储介质,例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质例如包括指令的存储器,上述指令可由装置的处理器执行以完成上述方法。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种对土壤实现数值模拟的方法,其特征在于,所述方法包括:
获取土壤样品的二维扫描图像;
通过所述二维扫描图像进行三维重构获得土壤三维图像,通过所述土壤三维图像进行土壤的多孔介质三维结构显示;
根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布。
2.根据权利要求1所述的方法,其特征在于,所述根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布,包括:
根据所述二维扫描图像中像素点指示的辐射衰减变化定位所述二维扫描图像中矿物成分的分布;
由所述二维扫描图像中矿物成分的分布反演映射至所述土壤的多孔介质三维结构,获得所述多孔介质三维结构中各矿物成分的三维分布。
3.根据权利要求2所述的方法,其特征在于,所述由所述二维扫描图像中矿物成分的分布反演映射至所述土壤的多孔介质三维结构,获得所述多孔介质三维结构中各矿物成分的三维分布,包括
定位各矿物成分在所获得二维扫描图像中对应的扫描切片;
根据所述扫描切片获得所对应矿物成分的衰减系数;
在所述土壤的多孔介质三维结构中,根据三维数据体与矿物成分的衰减系数之间的比对,定位所述矿物成分的三维分布。
4.根据权利要求1所述的方法,其特征在于,所述由所述二维扫描图像中矿物成分的分布反演映射至所述土壤的多孔介质三维结构,获得所述多孔介质三维结构中各矿物成分的三维分布之后,所述方法还包括:
根据所述土壤样品中矿物成分和所占比例,进行所述多孔介质三维结构中各矿物成分的赋存状态计算;
根据计算所获得的赋存状态定量描述信息获得所述多孔介质三维结构中各矿物成分的赋存状态。
5.根据权利要求4所述的方法,其特征在于,所述赋存状态定量描述信息包括形状因子,所述根据所述土壤样本中矿物成分和所占比例,进行所述多孔介质三维结构中各矿物成分的赋存状态计算,包括:
根据所述土壤样品中矿物成分在所述多孔介质三维结构中的形状获得所述矿物成分的体积和表面积;
由所述矿物成分的体积和表面积运算得到所述矿物成分在所述多孔介质三维结构中的形状因子。
6.根据权利要求4或5所述的方法,其特征在于,所述赋存状态定量描述信息包括接触表面积比,所述根据土壤样本中矿物成分和所占比例,进行所述多孔介质三维结构中各矿物成分的赋存状态计算,包括:
根据所述土壤样品中的矿物成分和所占比例获得所述矿物成分中的基质矿物;
针对于区别所述基质矿物的其它矿物成分,根据所述矿物成分与所述基质矿物之间的接触面积以及自身表面积运算得到接触表面积比。
7.根据权利要求4所述的方法,其特征在于,所述根据计算所获得的赋存状态定量描述信息获得所述多孔介质三维结构中各矿物成分的赋存状态,包括:
根据计算所获得的每一赋存状态定量描述信息,为所对应矿物成分查找设定的判断条件;
根据所述判断条件与矿物赋存状态之间的关联关系,获得所述矿物成分的赋存状态。
8.根据权利要求1所述的方法,其特征在于,所述根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布步骤之后,所述方法还包括:
通过波尔兹曼网格法进行所述土壤的多孔介质三维结构中流体的流动模拟;
在所述流体的流动模拟中驱使所模拟的所述流体达到稳态,并在所述稳态下运算所述土壤多孔介质三维结构对应的渗透系数。
9.根据权利要求1所述的方法,其特征在于,所述根据所述二维扫描图像中像素点指示的辐射衰减变化在所述土壤的多孔介质三维结构中获得矿物成分三维分布之后,所述方法还包括:
通过波尔兹曼网格法进行所述土壤的多孔介质三维结构中非水相液体的运移模拟。
10.一种对土壤实现数值模拟的装置,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1至9中任意一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810407314.1A CN108597018A (zh) | 2018-04-28 | 2018-04-28 | 对土壤实现数值模拟的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810407314.1A CN108597018A (zh) | 2018-04-28 | 2018-04-28 | 对土壤实现数值模拟的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108597018A true CN108597018A (zh) | 2018-09-28 |
Family
ID=63620348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810407314.1A Pending CN108597018A (zh) | 2018-04-28 | 2018-04-28 | 对土壤实现数值模拟的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108597018A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111812005A (zh) * | 2020-06-22 | 2020-10-23 | 五邑大学 | 一种测量砂土有效接触面积的方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140072095A1 (en) * | 2012-09-07 | 2014-03-13 | Carl Zeiss X-ray Microscopy, Inc. | Confocal XRF-CT System for Mining Analysis |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
US20150355158A1 (en) * | 2014-06-05 | 2015-12-10 | Geocosm, LLC | Predicting sediment and sedimentary rock properties |
CN106202695A (zh) * | 2016-07-07 | 2016-12-07 | 龙威 | 一种采用数字岩心模拟计算岩心渗透率的方法 |
-
2018
- 2018-04-28 CN CN201810407314.1A patent/CN108597018A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140072095A1 (en) * | 2012-09-07 | 2014-03-13 | Carl Zeiss X-ray Microscopy, Inc. | Confocal XRF-CT System for Mining Analysis |
US20150355158A1 (en) * | 2014-06-05 | 2015-12-10 | Geocosm, LLC | Predicting sediment and sedimentary rock properties |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN106202695A (zh) * | 2016-07-07 | 2016-12-07 | 龙威 | 一种采用数字岩心模拟计算岩心渗透率的方法 |
Non-Patent Citations (5)
Title |
---|
侯健: "采用CT技术研究岩心剩余油微观赋存状态", 《石油学报》 * |
张守鹏等: "全直径油气储层岩心三维可视化信息采集方法及应用前景", 《石油实验地质》 * |
张泾生: "《现代选矿技术手册 第一册 破碎筛分与磨矿分级》", 31 March 2016 * |
李相臣: "基于 CT 扫描的煤岩孔裂隙表征", 《煤田地质与勘探》 * |
百度百科: "能谱仪", 《百度百科》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111812005A (zh) * | 2020-06-22 | 2020-10-23 | 五邑大学 | 一种测量砂土有效接触面积的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Quantifying soil structure and preferential flow in intact soil using X‐ray computed tomography | |
Rossini et al. | Rapid melting dynamics of an alpine glacier with repeated UAV photogrammetry | |
Tracy et al. | Three‐dimensional quantification of soil hydraulic properties using X‐ray computed tomography and image‐based modeling | |
Hapca et al. | Three-dimensional mapping of soil chemical characteristics at micrometric scale by combining 2D SEM-EDX data and 3D X-Ray CT images | |
Bretar et al. | An advanced photogrammetric method to measure surface roughness: Application to volcanic terrains in the Piton de la Fournaise, Reunion Island | |
Chen et al. | High-resolution monitoring of beach topography and its change using unmanned aerial vehicle imagery | |
Vogel et al. | The dominant role of structure for solute transport in soil: experimental evidence and modelling of structure and transport in a field experiment | |
Veal et al. | A comparative study of methods for surface area and three‐dimensional shape measurement of coral skeletons | |
RU2656256C2 (ru) | Определение тенденций при помощи цифровой физики пород и их применение для масштабирования | |
Karimpouli et al. | Stochastic modeling of coal fracture network by direct use of micro-computed tomography images | |
Jorayev et al. | Imaging and photogrammetry models of Olduvai Gorge (Tanzania) by Unmanned Aerial Vehicles: A high-resolution digital database for research and conservation of Early Stone Age sites | |
Tippkötter et al. | Detection of soil water in macropores of undisturbed soil using microfocus X-ray tube computerized tomography (μCT) | |
Hapca et al. | Automated statistical method to align 2D chemical maps with 3D X-ray computed micro-tomographic images of soils | |
Zielinski et al. | Precise observation of soil surface curling | |
Vergés et al. | 3D pore analysis of sedimentary rocks | |
Filipović et al. | Estimation of vineyard soil structure and preferential flow using dye tracer, X-ray tomography, and numerical simulations | |
JP2011501301A (ja) | 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法 | |
Spreafico et al. | Terrestrial Remote Sensing techniques to complement conventional geomechanical surveys for the assessment of landslide hazard: The San Leo case study (Italy) | |
Bailey et al. | Semi-direct tree reconstruction using terrestrial LiDAR point cloud data | |
Dal Ferro et al. | Application of smoothed particle hydrodynamics (SPH) and pore morphologic model to predict saturated water conductivity from X-ray CT imaging in a silty loam Cambisol | |
Somma et al. | THE TECHNOLOGIES OF LASER SCANNING AND STRUCTURED BLUE LIGHT SCANNING APPLIED TO CRIMINAL INVESTIGATION: CASE STUDIES. | |
Peth | Applications of microtomography in soils and sediments | |
Xiao et al. | Implementation of manifold coverage for 3D rock fracture network modeling and its application in rock permeability prediction | |
CN108597018A (zh) | 对土壤实现数值模拟的方法和装置 | |
CN110599477B (zh) | 一种植草混凝土有效孔隙率的检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |