Blog

Jun 08, 2023

Offen

Scientific Reports Band 12, Artikelnummer: 10341 (2022) Diesen Artikel zitieren 5615 Zugriffe 3 Zitate 11 Altmetrische Metrikdetails Feiner Sedimenttransport in Flüssen ist wichtig für das Einzugsgebiet

Wissenschaftliche Berichte Band 12, Artikelnummer: 10341 (2022) Diesen Artikel zitieren

5615 Zugriffe

3 Zitate

11 Altmetrisch

Details zu den Metriken

Der Feinsedimenttransport in Flüssen ist wichtig für den Nährstofffluss im Einzugsgebiet, globale biogeochemische Kreisläufe, die Wasserqualität und die Verschmutzung von Fluss-, Küsten- und Meeresökosystemen. Die Überwachung suspendierter Sedimente in Flüssen mit Strömungssensoren ist anspruchsvoll und teuer und die meisten Überwachungseinrichtungen beschränken sich auf wenige Messungen an einzelnen Standorten. Um die räumliche Heterogenität feiner Sedimentquellen und des Transports in Flussnetzen besser zu verstehen, besteht Bedarf an einer neuen intelligenten Wassertrübungsmessung, die standortübergreifend, genau und erschwinglich ist. In dieser Arbeit haben wir einen solchen Sensor geschaffen, der Streulicht einer LED-Quelle mithilfe von zwei Detektoren in einem Kontrollvolumen erkennt und in einem Fluss platziert werden kann. Wir vergleichen mehrere Replikate unseres Sensors mit verschiedenen kommerziellen Trübungssonden in einem Mischtankexperiment mit zwei Sedimenttypen über einen weiten Bereich typischer in Flüssen beobachteter Konzentrationen. Unsere Ergebnisse zeigen, dass wir präzise und reproduzierbare Trübungsmessungen im Bereich von 0–4000 NTU oder 0–16 g/L erreichen können. Unser Sensor kann auch direkt als Schwebstoffsensor verwendet werden und eine unnötige Kalibrierung auf Formazin umgehen. Der entwickelte Trübungssensor ist wesentlich kostengünstiger als bestehende Optionen vergleichbarer Qualität und ist insbesondere für die verteilte Erfassung über Flussnetze hinweg gedacht.

Die Produktion und der Transport feiner Sedimente ist ein wichtiger Prozess auf globaler Ebene, der sich auf Fluss-, Küsten- und Meeresökosysteme auswirkt1,2,3. Der heutige Export feiner Sedimente von der Landoberfläche in die globalen Ozeane durch große Flüsse wird auf etwa 15,5–18,5 Gt pro Jahr geschätzt4,5 und das ist etwa die Hälfte der geschätzten globalen jährlichen Bodenerosion von der Landoberfläche6. Aufgrund der hohen Variabilität der Schwebstoffkonzentrationen (SSC) entlang des Flusses und der unzureichenden Überwachung ist es jedoch nach wie vor sehr schwierig, den Schwebstoffgehalt in Flüssen abzuschätzen.

Die primäre Methode zur Bestimmung des SSC ist die gravimetrische Analyse von Flaschenproben, die in regelmäßigen oder unregelmäßigen Abständen an Flussquerschnitten entnommen werden. Diese Methode ist zuverlässig, hat aber viele Nachteile, wie Diskontinuität (schlechte zeitliche Auflösung), Ineffizienz und Kosten (hoher Aufwand für Sammlung/Transport/Analyse der Proben, lange Bearbeitungszeiten). Sedimenthaushalte für Flusseinzugsgebiete werden normalerweise aus diesen direkten Messungen von SSC7,8 abgeleitet. Kontinuierliche SSC-Daten mit hoher zeitlicher Auflösung können durch spezielle In-situ-Sensoren erhalten werden, die die Trübung (T) messen, und durch die Kalibrierung einer Beziehung zwischen SSC und T. In Flussquerschnitten, in denen auch Messungen des Wasserabflusses (Q) durchgeführt werden, Der Sedimentertrag (QS) wird dann als QS = SSC*Q berechnet. Hochauflösende SSC-Schätzungen können verwendet werden, um menschliche Auswirkungen auf die Sedimentproduktion zu quantifizieren, beispielsweise die Auswirkungen des Dammbaus und des Erosionsschutzes9,10, die natürlichen Erosionsgradienten über ganze Gebirgszüge11, die Rolle der Probenahme bei globalen Erosionsraten12 und viele andere . SSC-Messungen an einem Beckenauslass können uns ein beckenintegriertes Bild möglicher hydroklimatisch bedingter Sedimentquellen liefern, wie Regenerosion, Schneeschmelze-Hangerosion, Gletschereisschmelzerosion und sogar die Speicherung von Wasserkraft in Staudämmen13. Diese SSC-Messungen sind auch wichtig für das Verständnis der Auswirkungen des hydroklimatischen Antriebs auf die Aktivierung von Sedimentquellen und die Transportdynamik sowie für deren physikalisch basierte Modellierung14,15,16,17,18.

Die Überwachung mit hoher zeitlicher Auflösung mithilfe von In-situ-Trübungssensoren beispielsweise an Gletscherbächen ist nützlich, um die zeitabhängigen Sedimentexportraten zu identifizieren, die mit der Entwicklung und Entwicklung subglazialer Kanäle und den möglichen Beiträgen proglazialer Sedimentquellen verbunden sind19,20. Zusammen mit Korngrößenmessungen können hochaufgelöste SSC-Daten für die detaillierte hydraulische Modellierung des glazialen Sedimenttransports durch Schmelzwasserentwässerung in subglazialen Bächen21 verwendet werden. Die Anbindung von Hangquellen an das Flussnetz in proglazialen Gebieten ist ebenfalls ein wichtiger Modulator der zeitabhängigen Sedimentproduktion14,22. Ein solches Prozessverständnis erfordert eine räumliche Perspektive auf die Sedimentproduktions- und -speicherungswege im Einzugsgebiet, die durch Messungen an einzelnen Standorten nicht erreicht werden kann. Darüber hinaus besteht der Hauptnachteil von Punktflussmessungen mit speziellen Sensoren zur Überwachung von Schwebstoffen darin, dass sie teuer sind (z. B. beträgt der Trübungssensor nach dem neuesten Stand der Technik von Campbell etwa 6.000, In-Situ liegt bei 7.000) und daher an vielen Standorten weit verbreitet eingesetzt werden entlang eines Flusssystems ist es nahezu unmöglich, die räumliche Variabilität zu quantifizieren. Dennoch handelt es sich hierbei sowohl in kleinen als auch in großen Flusssystemen um die derzeit modernste Messung.

Eine Alternative zu Bodenpunktmessungen ist die Fernerkundung. Die räumliche Verteilung von SSC kann mithilfe von Satellitenbildern ermittelt werden, die auf dem Reflexionsvermögen der Wasseroberfläche basieren, da diese von einer Reihe von Parametern (Chlorophyll, suspendiertes Sediment, gelöste organische Substanz usw.) beeinflusst wird. Die Konzentration gelöster und suspendierter Sedimente beeinflusst zusammen mit der groben biologischen Aktivität die Eigenfarbe natürlicher Gewässer23,24, was die optische Satellitenfernerkundung von Ozeanen, Küstengebieten und großen Seen/Flüssen ermöglicht. Wenn sie mit Bodenmessungen kalibriert werden, können solche Satellitendaten für SSC-Schätzungen25,26 sehr nützlich sein und eine Reihe zusätzlicher Wasserqualitätsparameter27 in großen Maßstäben liefern, jedoch nicht mit hoher zeitlicher Auflösung (Wiederholbarkeit durch Satellitenüberführungen) und mit schlechter Punktgenauigkeit. In Flüssen sind satellitengestützte Analysen nur möglich, wenn der räumliche Fußabdruck ausreichend groß ist. Beispielsweise wurde im Amazonasgebiet gezeigt, dass SSC-Variationen mit Satellitenbildern der Überuferströmung folgen und nur deshalb durch die Resuspension von Sedimenten in Depressionsseen28 erklärt werden konnten, weil der Fluss sehr breit ist.

Mit der terrestrischen Fotografie ist auch eine optische Erfassung der Flusstrübung und anderer Wasserqualitätsindikatoren möglich29,30. Die optische Erfassung von Trübungen durch Mobiltelefonkameras31 ist eine Anwendung, die für einige Bodenanwendungen von großem Interesse ist. Allerdings sind alle bodengestützten und UAV-optischen Erfassungsmethoden durch Kosten, schlechte zeitliche Auflösung und viele Umwelteinschränkungen (Licht, gute optische Übertragung, Sichtbarkeit usw.) begrenzt, weshalb sie derzeit für den regulären Einsatz nicht sehr geeignet sind Langzeitüberwachung von SSC in Flüssen.

Wir argumentieren, dass eine neue Art der Sedimentüberwachung notwendig ist, um die vielen physikalischen Zusammenhänge zwischen Hydrologie, Flussprozessen und Sedimentflüssen aufzuzeigen. Die Zusammenhänge zwischen der Aktivierung von Sedimentquellen und dem Transport auf Hügeln, bebauten Feldern, bewachsenen Flächen, subglazialen Kanalnetzen, in Bächen, großen Flüssen und Deltas erfordern alle eine Sedimentüberwachung mit hoher räumlicher (von der Quelle bis zur Senke) und zeitlicher (Aktivierungszeitskala) Auflösung die von keinem der Standardansätze vollständig auf wirtschaftlich wirksame Weise gewährleistet werden können. Diese neuen Daten werden benötigt, um ein Verständnis der Sedimentspeicherung und -budgets in Alpenbecken zu entwickeln32,33,34, um komplexe Details der Sedimentkonnektivität in solchen Flusssystemen aufzudecken14,22 und um physikalisch basierte hydrologische Sedimenttransportmodelle zu kalibrieren15,17,35 ,36. Aus diesem Grund schlagen wir hier einen kostengünstigen Trübungssensor vor, mit dem ein verteiltes Netzwerk zur Überwachung suspendierter Sedimente aufgebaut werden kann.

In der von Experten begutachteten Literatur wurden mehrere neuartige Trübungssensoren dokumentiert. Gillett37 untersuchte die Verwendung kostengünstiger, im Handel erhältlicher Trübungssensoren für Geräte (wie sie beispielsweise in Waschmaschinen und Geschirrspülern zu finden sind). Diese Sensoren arbeiten nach dem Prinzip der Lichtdämpfung, wobei der Lichtdetektor 180° vom einfallenden Licht entfernt platziert ist. Gillet37 stellte fest, dass diese analogen Dämpfungssensoren keine ausreichend hohe Auflösung erreichen konnten, um kleine Änderungen der Trübung zu überwachen. Trevathan38 hat einen Gerätesensor (DF Robot SEN0189 Gravity – ebenfalls Dämpfungstyp) neu kalibriert und ein wasserdichtes Gehäuse für den Feldeinsatz gebaut. Sie machten jedoch keine Angaben zur Genauigkeit des Sensors und konnten keine Kalibrierung unter 100 nephelometrischen Trübungseinheiten (NTU) durchführen (obwohl ihre Testmessungen zwischen 0 und 20 NTU lagen). Darüber hinaus wurden die von ihrem Sensor erfassten Daten durch Streulicht in der Umgebung beeinflusst und sie konnten dieses Problem nicht lösen.

Um die Genauigkeit eines Dämpfungssensors im Bereich von 0–100 NTU zu verbessern, rüsteten Lambrou39 und Wang40 diese Dämpfungssensoren mit einem Detektor in \(90^o\) zum einfallenden Strahl aus. Diese Methode bietet gute Stabilität, Linearität, Empfindlichkeit, geringes Streulicht und erhöht den NTU-Messbereich (bei Integration des Rückstreudetektors)41. Die Verwendung mehrerer Detektoren in unterschiedlichen Winkeln ermöglicht die teilweise Aufhebung von Fehlern aufgrund der Wellenlängenabsorption in Proben42. Allerdings wurde der Sensor von Lambrou39 nur von 0-100 NTU getestet und es wurde nicht berichtet, wie die Auflösung von 0,1 NTU erreicht wurde. Darüber hinaus hat Wang40 seinen Sensor nur im Bereich von 0–1000 NTU getestet. Kelley43 hat ein kostengünstiges, tragbares Trübungsmessgerät entwickelt, das zur Untersuchung der Trinkwasserqualität in einkommensschwachen Gemeinden auf der ganzen Welt gedacht ist. Dieser Sensor wurde mit einem handelsüblichen Trübungssensor kalibriert und gegen diesen getestet, jedoch nur im Bereich von 0–1000 NTU. Darüber hinaus ist die Verwendung handelsüblicher Trübungssensoren zur Kalibrierung nicht ratsam, da deren Messungen starke Unterschiede in den gemeldeten Werten zwischen den verschiedenen Sensoren aufweisen44. Kitchener45 führte ein Sedimentabsetzexperiment durch, indem er einen modularen PVC-Ring konstruierte, der Lichtdetektoren in verschiedenen Winkeln (\(0^o\), \(10^o\), \(20^o\), \(90^o) halten konnte \), \(160^o\)) zur leuchtenden LED. Sie gaben ihre Ergebnisse in SI-Einheiten der Strahlungsintensität (mW/sr) an, anstatt Formazin zu verwenden und NTU-Einheiten zu erhalten. Ihr Gerät kostete jedoch rund 340 GBP und kann nicht für Umweltanwendungen eingesetzt werden.

Zusätzlich zum Testen der Gerätesensoren entwickelte Gillett37 einen Durchflusssensor, der an einem PVC befestigt werden sollte und die Trübung für 64 kontinuierlich überwachen sollte. Aufgrund der Art ihres Designs (großer PVC-Durchmesser) verwendeten sie jedoch eine sehr starke Umgebungstemperatur LED und kalibrierte ihren Sensor unter Dunkelkammerbedingungen. Dieser Sensor kann, wie gezeigt wurde, in einem Pumptest-Aufbau verwendet werden, ist jedoch für Umgebungsanwendungen ungeeignet, bei denen Umgebungsstreulicht die Messung stört. Jiang46 hat einen Trübungssensor für Tiefseeanwendungen entwickelt, der Tiefen von über 3400 Metern erreicht. Der Sensor basierte auf einem Rückstreuprinzip (der Detektor ist bei < \(45^o\) relativ zum einfallenden LED-Strahl positioniert), ist jedoch nur im Bereich von 0–20 FNU geeignet (FNU und NTU sind austauschbare Trübungseinheiten). . Darüber hinaus soll der Sensor weniger als 40 US-Dollar kosten, die Materialliste enthält jedoch nicht die Kosten für das Sensorgehäuse und alle verwendeten Komponenten.

In diesem Artikel schlagen wir einen Open-Source- und kostengünstigen Trübungssensor vor, der für die In-situ-Flussnetzbereitstellung verwendet werden kann. Basierend auf der obigen Übersicht und der im Abschnitt „Ergänzende Methoden – Erster Prototyp“ durchgeführten Arbeit haben wir einen Sensor mit den folgenden Merkmalen entworfen. (1) Der Sensor verfügt über eine Lichtquelle und zwei Detektoren in unterschiedlichen Winkeln zueinander, um Fehler teilweise zu beseitigen42. (2) Es wird die Differenz zwischen zwei Messungen (LED aus und an) herangezogen, um Umgebungslichteffekte zu reduzieren. (3) Es deckt einen großen Bereich suspendierter Sedimente mit einer Konzentration von 0–4000 NTU oder 0–16 g/L ab. (4) Der Sensor ist kostengünstig und Open Source, sodass er von Benutzern selbst erstellt werden kann. (5) Der Sensor kann für In-situ-Messungen in einem Flusssystem installiert werden.

Wir haben drei verschiedene Versionen unseres Open-Source-Sensors gebaut, die in Abb. 1 zu sehen sind. Das Funktionsprinzip aller drei Versionen ist gleich, die Unterschiede liegen in der Konstruktion der Geräte und in den Detektorwinkeln innerhalb des Kontrollvolumens . Die Versionen A und B bestehen aus bearbeitetem PVC, während Version C aus PLA 3D-gedruckt ist. Die Versionen A und C haben Detektoren bei \(90^o\) und \(135^o\) relativ zur LED und Version B hat Detektoren bei \(45^o\) und \(135^o\). Wir haben von jeder Version zwei bis drei Replikate erstellt, was insgesamt acht Open-Source-Sensoren zum Testen in dieser Arbeit ergibt. Weitere Einzelheiten zu den Versionen A, B und C finden Sie unter Methoden und Ergänzungstabelle S4.

Unser Open-Source-Sensor. (a) der Sensor ohne wasserdichtes Gehäuse (siehe Methoden für den Sensor mit Gehäuse), der Sensorkopf besteht aus schwarzem bearbeitetem PVC, die Leiterplatte ist ebenfalls abgebildet, (b) Funktionsprinzip unserer Open-Source-Sensoren, eine LED leuchtet Die Probe im Hohlraum und die Menge des gestreuten Lichts werden von den Detektoren in Hz gemessen. Dargestellt sind drei verschiedene Versionen: Versionen A und B bestehen aus bearbeitetem PVC, während Version C 3D-gedruckt ist, Versionen A und C haben Detektoren bei \( 90^o\) und \(135^o\) relativ zur LED und Version B hat Detektoren bei \(45^o\) und \(135^o\).

Wir haben die Sensorversionen A–B–C mit drei Endress+Hauser (E &H)-Sensoren (zwei sind Modell CUS51D und einer ist CUS52D) in einem Mischtankaufbau mit zwei verschiedenen Sedimenttypen getestet: Feldspat (\(d_{50}=30). \, \mu m\)) und Sediment aus der Fieschertalrinne (\(d_{50}=90\, \mu m\))44.

Mittlerer NTU- vs. SSC-Vergleich in Feldspat-Sediment (a–c) und Fieschertal-Sediment (d–f) für den gesamten Messbereich (a und d), von 0 bis 2 g/L (b und e) und von 0 bis 0,5 g/L (c und f). Die drei E- und H-Sensoren sind im Grauverlauf dargestellt (erster CUS51D in Hellgrau, zweiter CUS51D in Mittelgrau, CUS52D in Dunkelgrau). Die Sensoren der Version A haben einen gelben Farbverlauf (Sensor 1 in hellem Gelb, Sensor 2 in mittlerem Gelb, Sensor 3 in dunklem Gelb). Die Sensoren der Version B haben einen roten Farbverlauf (Sensor 4 in hellem Rot, Sensor 5 in mittlerem Rot, Sensor 6 in dunkelrot). Die Sensoren der Version C haben einen violetten Farbverlauf (Sensor 7 in hellem Lila, Sensor 8 in dunklem Lila). Bei einem höheren SSC ist einer der 3D-gedruckten Sensoren (Version C) ausgefallen.

Abbildung 2 zeigt die acht Open-Source-Sensorergebnisse, überlagert mit den drei E & H-Ergebnissen für Feldspat- (Abb. 2a–c) und Fieschertal-Sedimente (Abb. 2d–f) in drei verschiedenen Bereichen. Alle acht Open-Source-Sensoren sind mit Version A im gelben Farbverlauf, Version B im roten Farbverlauf und Version C im violetten Farbverlauf dargestellt. Jeder Punkt ist ein Mittelwert, der unter Verwendung aller Werte für jedes SSC-Niveau berechnet wurde, die über die Dauer des Experiments aufgezeichnet wurden (30 Minuten für jedes SSC-Niveau in Feldspat und 15 Minuten für jedes SSC-Niveau in Fieschertal – weitere Einzelheiten finden Sie unter „Methoden“).

Unsere Open-Source-Sensoren liefern sehr ähnliche Messungen zwischen den Replikaten einzelner Sensorversionen für den gesamten Bereich von 0–16 g/L bis hinunter zu 0,25 g/L (Abb. 2b–c und e–f). Wie erwartet beginnen die Sensorreplikate bei diesen sehr niedrigen Konzentrationen nicht mehr übereinzustimmen. Beispielsweise zeigen die drei Sensoren der Version B (roter Farbverlauf), dass alle Messungen bis zu 0,05 g/L (im Feldspat) und 0,25 g/L (im Fieschertal) wiederholbar sind. Unsere Sensoren der Version C (violetter Farbverlauf) folgen einem ähnlichen Trend bis hin zu 0,1 g/L (in Feldspat) und 0,25 g/L (in Fieschertal), jedoch mit einem Versatz der NTU-Werte zwischen den beiden Sensoren der Version C, wodurch weniger „ „Wiederholbare“ Ergebnisse (NTU-Vergleich zwischen Sensoren ist schwieriger). Eine mögliche Erklärung könnte sein, dass diese Sensoren mit einem Hobbydrucker 3D-gedruckt wurden und daher weniger präzise sind als die maschinell gefertigten Sensoren. Eine weitere mögliche Erklärung für den Versatz ist die Platzierung des Sensors um den zylindrischen Tank herum (siehe Abb. 10). Wir halten die Sensoren der Versionen A und B für zukünftige Tests und möglicherweise für verteilte Anwendungen für geeignet. Alternativ können die Sensoren der Version C zur Überwachung von Trends verwendet werden, allerdings haben wir ein geringeres Vertrauen in die absoluten Werte.

Im Gegensatz dazu liefern die E&H-Sensoren nicht für alle drei Sensoren oder auch beim Vergleich zweier Sensoren desselben Modells (CUS51D) ähnliche Messwerte für den gesamten Messbereich. Beide CUS51D-Sensoren liefern ähnliche Messungen sowohl im Feldspat als auch im Fieschertal, jedoch nur über 2 g/L (Abb. 2a und d), was bedeutet, dass diese beiden Sensoren „wiederholbare“ Ergebnisse liefern (mit diesen könnten Trübungen an zwei Standorten entlang eines Flussnetzes verglichen werden). Sensoren). Im Allgemeinen können die Messungen des CUS51D nicht mit den Messungen des CUS52D verglichen werden, da sich ihre Messwerte bei SSCs über 2 g/L stark unterscheiden (Abb. 2a und d) und der CUS52D aus unerklärlichen Gründen nach 5 g/L ein Plateau erreicht. Unterhalb von 2 g/L (Abb. 2b–c und e–f) kann für alle drei Sensoren kein klarer Zusammenhang zwischen NTU und SSC beobachtet werden, selbst wenn alle Sensoren vom selben Hersteller stammen und von 0 bis 4000 NTU kalibriert wurden. Dies ist wichtig, da viele alpine Flussanwendungen solch niedrige SSCs aufweisen. Schließlich ist keiner der E- und H-Sensoren in der Lage, für den gesamten Bereich von 0–16 g/L sinnvolle Ergebnisse zu liefern. Weitere Einzelheiten zur E- und H-Leistung finden Sie in der ergänzenden Abbildung S11.

Ein wichtiges Merkmal eines Sensors ist seine Messunsicherheit, dh zeitliche Schwankungen der Messungen bei einer bestimmten Sedimentkonzentration. Abbildung 3 zeigt diese Unsicherheit für jeden SSC-Gehalt in Feldspat- und Fieschertal-Sedimenten, wobei die Messunsicherheit definiert ist durch:

Dabei ist \(NTU_i\) eine einzelne NTU-Messung und \(\overline{NTU}\) der Mittelwert aller \(NTU_i\)-Messungen (auf einem bestimmten SSC-Niveau). Zur Darstellung dieser Zahl wurden alle über die Versuchsdauer aufgezeichneten Werte herangezogen. Im Durchschnitt führten die Open-Source-Sensoren für jedes SSC-Niveau 91 bzw. 425 Messungen im Feldspat- und Fieschertal-Sediment durch (Abtastrate von ~1 Hz, aber die Sensoren wurden während der Feldspat-Experimente regelmäßig in den Ruhezustand versetzt). Während die E&H-Sensoren für jede SSC-Stufe durchschnittlich 1421 bzw. 1013 Messungen im Feldspat- bzw. Fieschertal-Sediment durchführten (Abtastfrequenz 1 Hz). Die Rohdaten in Abb. 3a und d stellen die Unsicherheit auf jeder SSC-Ebene für alle acht unserer Open-Source-Sensoren zusammen dar. CUS51D (Abb. 3b und e) stellt die Unsicherheit auf jeder SSC-Ebene für beide CUS51D-Sensoren dar. CUS52D (Abb. 3c und f) stellt die Unsicherheit auf jeder SSC-Ebene für den einen CUS52D-Sensor dar. Mittelwert und Median sind identisch, wenn die Verteilung der Unsicherheiten symmetrisch ist, was bei unseren Sensoren für den größten Teil des Konzentrationsbereichs der Fall ist. Allerdings stimmen der Mittelwert und der Median für sehr niedrige und hohe Sedimentkonzentrationen nicht überein, bei denen die Unsicherheitsverteilung nicht symmetrisch ist.

Die von den Open-Source-Sensoren gemeldete Unsicherheit nimmt mit zunehmendem SSC im Feldspatpulver zu und wir sehen, dass es sowohl bei unseren als auch bei den kommerziellen Sensoren deutliche Sedimenttyp-abhängige Unterschiede gibt. Unsere Ergebnisse mit offenen Sensoren sind jedoch viel konsistenter (beide Sedimenttypen weisen Schwankungen innerhalb von ±10 % (Abb. 3a und d) des Mittelwerts auf) als die Ergebnisse der E- und H-Sensoren, die extrem große Schwankungen aufweisen.

Messunsicherheit vs. SSC in Feldspat (OBEN) und Fieschertal (UNTEN). Die Unsicherheit wird durch \((NTU_i-\overline{NTU})/\overline{NTU}\) definiert. Die Rohdaten (a und d) stellen die Unsicherheit auf jeder SSC-Ebene für alle acht unserer Open-Source-Sensoren dar. CUS51D (b und e) stellt die Unsicherheit auf jeder SSC-Ebene für beide CUS51D-Sensoren dar. CUS52D (c und f) stellt die Unsicherheit auf jeder SSC-Ebene für den einen CUS52D-Sensor dar. Die Kästchen stellen den Interquartilbereich (IQR) dar, die schwarze Linie im Boxplot ist der Median, die Balken reichen bis ± 1,5*IQR und die grauen Punkte sind Ausreißer.

In praktischen Anwendungen stellen wir uns vor, dass die Sensoren Rohdaten mit einer gewählten Häufigkeit sammeln und diese Daten intern verarbeitet werden, indem der Mittelwert über ein Abtastintervall gebildet wird, um im Logger (SD-Karte) gespeichert zu werden. Abbildung 4 zeigt die Unsicherheit der verarbeiteten Daten für das Fieschertal-Sediment. Die verarbeiteten Daten wurden in diesem Fall durch Bildung des Mittelwerts über Abschnitte von 20 Messungen aus den Rohdaten ermittelt, was eine typische Anwendung in Feldumgebungen mit einem Abtastintervall von 20 Sekunden (Messung bei 1 Hz) wäre. Auf diese Weise können wir davon ausgehen, dass die meisten unserer Daten (IQR) zwischen ± 5 % des Mittelwerts liegen, was zeigt, wie wichtig die Mittelung ist, um die Variabilität zu reduzieren, im Gegensatz zum Vertrauen auf einzelne Messungen.

Beachten Sie in Abb. 4, dass die Messunsicherheit über einen großen Bereich von SSCs sehr stabil ist. Diese Konsistenz ist eine gewünschte Eigenschaft der Sensoren, da wir in realen Flussanwendungen große Schwankungen der SSCs erwarten. Beispielsweise beträgt der mittlere SSC, der an 13 Schwebstoffüberwachungsstationen in der Schweiz beobachtet wurde, 0,11 g/L. Allerdings werden wir diese Sensoren in Alpenflüssen einsetzen, die feines Sediment transportieren und nicht in solchen, die immer klares Wasser haben. Daher beträgt der mittlere SSC von 11 Flüssen, mit Ausnahme der beiden Flüsse mit dem niedrigsten SSC, 0,129 g/L. Der Messwert, der in durchschnittlich 5 % der Fälle überschritten wird, liegt bei etwa 0,4 g/L und alle Maximalereignisse fallen mit Ausnahme von drei Ereignissen (bei 23 g/L, 55 g/L und 71,4 g/L) unter 16 g/L ). Weitere Einzelheiten finden Sie in der ergänzenden Abbildung S12. Dies liegt deutlich innerhalb unseres getesteten Bereichs und gibt uns die Gewissheit, dass wir sowohl niedrige als auch hohe Sedimenttransportbedingungen gut erfassen können.

Verarbeitete Messunsicherheit vs. SSC im Fieschertal-Sediment. Die Unsicherheit wird durch \((NTU_i-\overline{NTU})/\overline{NTU}\) definiert. Das Diagramm stellt die Unsicherheit auf jeder SSC-Ebene für alle acht Sensoren zusammen dar. Um diese verarbeiteten Daten zu erhalten, wurde der Mittelwert über Abschnitte von 20 Messungen (der Rohdaten aus Abb. 3d) gebildet. Die Kästchen stellen den Interquartilbereich (IQR) dar, die schwarze Linie im Boxplot ist der Median, die Balken reichen bis ± 1,5*IQR und die grauen Punkte sind Ausreißer.

NTU als Maßeinheit für die Trübung ist für die Überwachung von SSC nicht intuitiv, da diese Einheit nicht allgemein zwischen Wassereinzugsgebieten und Sensoren vergleichbar ist; Sie können nicht davon ausgehen, dass 1000 NTU in zwei verschiedenen Flüssen (oder im selben Fluss, aber mit zwei verschiedenen Sensoren) bedeuten, dass derselbe SSC [g/L] vorhanden ist. Dies liegt daran, dass die Trübung nicht nur von der SSC abhängt, sondern auch von der Partikelgrößenverteilung (PSD), der Form und den Materialeigenschaften der Partikel wie Farbe (Reflexionsvermögen), Dichte, Brechungsindex und Oberflächenrauheit47,48,49. Dies gilt im Allgemeinen und betrifft auch unsere Sensoren, jedoch überwinden unsere Sensoren der Versionen A und B dieses Problem der Wiederholbarkeit zumindest innerhalb desselben Sedimenttyps (Abb. 2).

Wenn wir die Leistung unseres Open-Source-Sensors in Feldspat beobachten (Abb. 2a–c), sehen wir, dass die Beziehung zwischen NTU und SSC im Bereich unter 2 g/L linear ist und mit zunehmendem SSC nichtlinear wird. Dies steht im Einklang mit den Beobachtungen von Holliday50 und mehreren anderen51,52. Kelley43 versuchte, ein lineares Modell zur Kalibrierung von NTU und SSC zu verwenden, musste ihr Modell jedoch in mehrere NTU-Bereiche aufteilen. Holliday50 hat durch Experimente herausgefunden, dass die Beziehung zwischen Trübung und SSC wie folgt ist:

Dabei sind a und b durch Regression geschätzte Koeffizienten und b ist für alle Partikel ungefähr gleich eins. Aber im Allgemeinen ist es wahrscheinlich, dass sowohl a als auch b für jedes Wassereinzugsgebiet und jeden Sedimenttyp unterschiedlich sind. Beispielsweise fand Costa13 \(a=0,56\) und \(b=1,25\) in ihrem untersuchten alpinen Einzugsgebiet, während Felix53 ​​\(a=0,59\) und \(b=1\) in ihrem HPP-Speichertunnel fand. In unserem Fall weicht die Beziehung bei größeren SSCs von der Linearität ab (Abb. 2). Daher ist es bei der Arbeit mit diesen Sensoren wichtig, sich darüber im Klaren zu sein, dass eine Verdoppelung des SSC eine Verdoppelung der NTU bei niedrigeren NTUs und eine Vervierfachung bei höheren NTUs bedeuten kann (z. B. können 1–2 g/L 100–200 NTU ergeben, aber 10). –20 g/L können 1000–4000 NTU ergeben).

Es ist bekannt, dass die NTU-SSC-Beziehung vom Sedimenttyp abhängt. Laut Sadar41 und Tran54 streuen Partikel, deren Größe viel kleiner als die Wellenlänge des einfallenden Lichts ist, das Licht mit etwa gleicher Intensität in alle Richtungen. Partikel, die größer als die Wellenlänge des einfallenden Lichts sind, erzeugen ein Spektralmuster, das zu einer stärkeren Lichtstreuung in Vorwärtsrichtung als in die anderen Richtungen führt. Daher sind die gemeldeten Unterschiede in den NTUs im Feldpar- und Fieschertal-Sediment (Abb. 2) wahrscheinlich auf die Form und Größe der beiden Sedimenttypen zurückzuführen. Dies zeigt, wie wichtig es ist, die Sensoren anhand von Sedimentproben zu kalibrieren, die am Fluss gesammelt werden, an dem die Sensoren installiert werden sollen.

Unsere acht Open-Source-Sensoren wurden in einem ersten Schritt mit mehreren Verdünnungen von 4000 NTU Formazin und entionisiertem Wasser kalibriert: 0, 3, 6, 10, 40, 70, 100, 400, 700, 1000, 2000 und 4000 NTU wird üblicherweise bei Trübungssensoren durchgeführt. Die auf diese Weise kalibrierten Sensoren (siehe Abschnitt „Ergänzende Methoden – Erster Prototyp“) konnten jedoch keine Daten liefern, die in Feldspat- und Fieschertal-Sedimenten gemessen wurden. Dies liegt daran, dass Formazin das Licht gleichmäßig in alle Richtungen streut, was in natürlichen Sedimenten nicht der Fall ist, wo die Richtung des gestreuten Lichts stark von der Partikelkorngröße abhängt. Dies wird in Abb. 5 demonstriert, wo ein vom 135\(^o\)-Detektor erfasster Lichtpeak im Feldspatpulver (Abb. 5a) beobachtet werden kann, während im Fieschertal-Pulver (Abb. 5b) kein Peak vorhanden ist Die erkannte Lichtmenge liegt bei etwa 5 g/L. Der 45\(^o\)-Detektor (Abb. 5c–d) zeigt einen linearen Anstieg der in beiden Sedimenten empfangenen Lichtmenge, aber die vom Detektor empfangene Lichtmenge in Feldspat (Abb. 5c) ist viel höher als in Fieschertaler Sediment (Abb. 5d). Ähnliche Ergebnisse wurden zuvor gefunden52 und ähnliche Zahlen für Formazin sind in der ergänzenden Abbildung S6 dargestellt.

Gemessene Lichtintensität vs. SSC-Vergleich. Lichtintensität (gemessen von den Detektoren in Hz), angezeigt für die beiden Detektoren (135\(^o\) und 45\(^o\)) in Sensor 5 für Feldspat-Sediment (a und c) und Fieschertal-Sediment (b und d). ).

Aus diesem Grund haben wir in einem zweiten Schritt das Formazin-Kalibrierungsmodell für die Mischtankexperimente (für die in Abb. 2, 3, 4 gezeigten Ergebnisse) entwickelt, wobei wir nur die 90\(^o\) (Versionen A und C) und verwendeten 45\(^o\) Detektoren (Version B) in vier verschiedenen NTU-Bereichen (0–10, 10–100, 100–1000, 1000–4000 NTU). Das Modell, das nur einen Detektor in jedem Sensor verwendet (verwendet in Abb. 2, 3, 4), hat die Form:

wobei \(\alpha\) der y-Achsenabschnitt ist, \(\beta\) der Koeffizient erster Ordnung ist, der mit der gemessenen Lichtintensität d vom \(45^o\)- oder \(90^o\)-Detektor verknüpft ist ( \(90^o\) in den Versionen A und C, \(45^o\) in Version B) und \(\gamma\) ist der Koeffizient zweiter Ordnung vom gleichen Detektor. Die resultierenden Modelle für Sensor 6 für die vier verschiedenen NTU-Bereiche (0–10, 10–100, 100–1000 und 1000–4000 NTU) sind in der ergänzenden Abbildung S13 dargestellt und ihre Koeffizienten sind in der ergänzenden Tabelle S5 aufgeführt.

Schließlich stellen wir die Notwendigkeit in Frage, die Sensoren auf NTU zu kalibrieren, um SSC aus einer separaten NTU-SSC-Beziehung vorherzusagen, was die Schätzfehler verschärft. Unsere Sensoren sind für den Einsatz in verschiedenen Flüssen mit unterschiedlichen Korngrößen und -formen (und damit ständig wechselnder Richtung des Streulichts) vorgesehen. Wir stellen uns vor, dass man SSC-Beobachtungen direkt auf die reflektierte Lichtintensität kalibrieren kann, die von den kombinierten Detektoren beobachtet wird. Dies kann in Laborkalibrierungsexperimenten oder in Flussanwendungen vor Ort erfolgen, indem die Konzentration suspendierter Sedimente in einigen wenigen Proben gemessen wird, die eine Reihe von SSCs abdecken.

Bei diesem Ansatz haben wir die von den Detektoren gemessene Lichtintensität für jeden Open-Source-Sensor direkt auf SSC kalibriert, getrennt für die Sedimente Feldspat (Abb. 6a – c) und Fieschertal (Abb. 6d – f). Das verwendete Modell hat die Form:

Dabei ist \(\alpha\) der y-Achsenabschnitt, \(d_1\) die vom 45\(^o\)- oder 90\(^o\)-Detektor gemessene Lichtintensität (90\(^o\) in Versionen A und C, 45\(^o\) in Version B), \(d_{2}\) ist die vom 135\(^o\)-Detektor gemessene Lichtintensität (in Versionen ABC), \(\beta _{1,2}\)-\(\eta _{1,2}\) sind die Koeffizienten erster bis vierter Ordnung, die mit \(d_1\) und \(d_2\) verbunden sind. Abbildung 6 zeigt SSC-Mittelwertvorhersagen im Vergleich zu Beobachtungen für alle Versionen des Sensors. Die Anpassung ist über den gesamten SSC-Bereich mit \(R^2>0,98\) hervorragend, wobei der Hauptvorteil in der multiplen linearen Regression unter Verwendung beider Detektoren liegt. Bei getrennter Analyse der Versionen sind nun alle Sensoren in der Lage, im gesamten SSC-Bereich bis hinunter zu 0,4 g/L in Feldspat (Abb. 6c, wobei Version A bis zu 0 g/L eine gute Leistung erbringt) und bis zu 0,25 g/L gute Vorhersagen zu treffen im Fieschertal (Abb. 6f, wobei die Versionen A und B deutlich unter 0,12 g/L bzw. 0,17 g/L abschnitten). Hier schneiden die 3D-gedruckten Sensoren (Version C) nicht so gut ab. Eine Verbesserung im Bereich von 0–0,5 g/L kann wahrscheinlich durch Aufteilung des Modells und zwei separate lineare Kalibrierungen erreicht werden. Der Vorteil der Open-Source-Sensoren besteht darin, dass der Benutzer nicht wie wir das Modell 4. Ordnung verwenden muss und sein eigenes Modell wählen kann.

Es ist wichtig zu beachten, dass die Vermeidung des Formazin-Kalibrierungsschritts zusätzliche Vorteile hat. Durch die Kalibrierung vom Detektorausgang direkt auf SSC können wir bis zu einer Woche Laborarbeit einsparen und die Exposition gegenüber Formazin, einem bekannten Karzinogen, vermeiden. Das Sammeln gravimetrischer Proben und die direkte Kalibrierung auf SSC scheint viel Arbeit zu sein, aber dies muss trotzdem getan werden, wenn Trübungssensoren in einem Flussnetz installiert werden, um SSC-Daten zu sammeln. Weitere Probleme bei der Formazin-Kalibrierung finden Sie in der ergänzenden Diskussion – Probleme bei der Kalibrierung von NTU mit Formazin.

Gemessener SSC im Vergleich zum vorhergesagten Mittelwert in drei verschiedenen Bereichen von Feldspat- (a–c) und Fieschertal-Sedimenten (d–f), wie aus einem SSC-Modell mit mehrfacher linearer Regression vierter Ordnung vorhergesagt, das für jeden unserer Open-Source-Trübungssensoren (alle) erstellt wurde \(R^2 > 0,984\)). Die Sensoren der Version A haben einen gelben Farbverlauf (Sensor 1 in hellem Gelb, Sensor 2 in mittlerem Gelb, Sensor 3 in dunklem Gelb). Die Sensoren der Version B haben einen roten Farbverlauf (Sensor 4 in hellem Rot, Sensor 5 in mittlerem Rot, Sensor 6 in dunkelrot). Die Sensoren der Version C haben einen violetten Farbverlauf (Sensor 7 in hellem Lila, Sensor 8 in dunklem Lila). Die Fehlerbalken betragen ± eine Standardabweichung.

Ein konzeptionelles Beispiel dafür, wie die direkte Kalibrierung des Open-Source-Sensors auf SSC in einem realen Fall funktionieren würde und wie diese Kalibrierung einen repräsentativeren SSC-Wert liefert, ist in Abb. 7 dargestellt. Von Montag bis Samstag gibt es vereinzelte Niederschlagsereignisse, die nur auftreten in bestimmten Teileinzugsgebieten, wie in Abb. 7 dargestellt. Jedes Teileinzugsgebiet weist eine andere Korngrößenverteilung und andere Korneigenschaften auf, die wiederum das Licht unterschiedlich streuen (wodurch unterschiedliche Streuspektren entstehen). Ein Sensor befindet sich in der Nähe des Auslasses eines Einzugsgebiets. Der Sensor misst die Menge des Streulichts (in einem bestimmten Winkel) und misst stets nur diesen Wert. Ein Niederschlagsereignis am Montag in einem Teileinzugsgebiet mit sehr feinen Partikeln führt zu einem SSC von 10 g/L am Sensorstandort (gravimetrisch ermittelter SSC aus einer Flaschenprobe). Allerdings streuen diese feinen Partikel das Licht nicht stark in Richtung des Sensordetektors. Dies führt dazu, dass die Kalibrierungspunkte über unserer Kalibrierungskurve liegen (wenig Licht erkannt – ähnlich wie bei Feldspat). Dagegen streut ein Niederschlagsereignis am Samstag in einem Teileinzugsgebiet mit sehr groben Partikeln, das zu einem SSC von 15 g/L führt, das Licht stark in Richtung des Sensordetektors (sogar stärker als bei diesem SSC erwartet). Dies führt dazu, dass die Kalibrierungspunkte unterhalb unserer Kalibrierungskurve liegen (höhere erkannte Lichtmenge – ähnlich wie bei Fieschertal).

Konzeptionelles Schema einer direkten Kalibrierung von SSC auf das von einem Sensor erfasste Licht in einem Fluss mit mehreren Teileinzugsgebieten, die alle unterschiedliche Sedimenttypen und Korngrößenverteilungen aufweisen und daher unterschiedliche Streuspektren emittieren. In diesem Beispiel kommt es in jedem Teileinzugsgebiet an einem anderen Tag zu einem isolierten Niederschlagsereignis. Die Sensordetektoren am flussabwärts gelegenen Ende des Flusses reagieren je nach Sedimenttyp unterschiedlich auf die Lichtintensität. Nach der Probenahme vieler verschiedener Ereignisse kann eine einzige Kalibrierungskurve erhalten werden, die repräsentativ für die verschiedenen Sedimentquellen im Untereinzugsgebiet und ihre Aktivierungshäufigkeiten ist.

Die Kombination der Reaktionskurven (Abb. 5) mehrerer Detektoren kann gute Reflexionskurven für eine Reihe von Sedimenttypen (Quellen) und Konzentrationen erzeugen (Abb. 6). Die Mischung dieser Reaktionskurven über viele Ereignisse hinweg führt zu einer robusten Kalibrierungskurve für das gesamte Einzugsgebiet. Bei Verwendung eines Sensors am Auslass des Einzugsgebiets kann es jedoch zu Fehlern bei der Messung einzelner Hochwasserereignisse kommen. Da unsere Sensoren als kostengünstigere Alternativen eingesetzt werden können, wird diese Einschränkung durch die Platzierung mehrerer dieser Sensoren in Teileinzugsgebieten überwunden, um die Unsicherheit im SSC zu verringern. Durch die Kalibrierung der erschwinglichen Sensoren auf den SSC jedes einzelnen Teileinzugsgebiets wäre unsere Sensorreaktion einzigartig für den Sedimenttyp des Teileinzugsgebiets. Auf diese Weise können Sedimentquellen mit möglicherweise unterschiedlichen Sedimenteigenschaften identifiziert werden.

Zukünftig möchten wir einen Temperatur- und Drucksensor in unsere Sensoren integrieren, um auch den Zustand und die Temperatur des Flusses zu überwachen. Für die Langzeitüberwachung ist ein Wischer im Sensordesign zwingend erforderlich. Wir werden es auf jeden Fall in unseren nächsten Prototyp einbauen. Die Hz-SSC-Kalibrierungskurve sowie die Anzahl der zur Erstellung dieser Kurve erforderlichen Sediment-Wasser-Proben sollten ebenfalls weiter untersucht werden. Es ist klar, dass sich die Einzugsgebietseigenschaften über einen längeren Zeitraum hinweg ändern werden, was zu einer Änderung der Hz-SSC-Kalibrierungskurve führt (was auch bei herkömmlichen NTU-SSC-Trübungssensoren der Fall ist). Daher sollen unsere Sensoren die langfristige Flussüberwachung nicht ersetzen, sondern vielmehr eine kurzfristige Identifizierung von Veränderungen der Wasserqualität sowie das Auffinden von Sedimentquellen und deren Aktivierung ermöglichen.

Wir hoffen, dass der erschwingliche Open-Source-SSC-Sensor die globale Flussforschung zugänglicher macht. Blogbeiträge mit Herstellungsanleitungen finden Sie auf unserer Website55. Mit einem vollständig transparenten Design sind Studenten, Forscher und Organisationen in der Lage, die Instrumente selbst zu bauen, zu installieren, zu verwenden und zu reparieren, wodurch letztendlich Verschwendung vermieden wird und die Daten aus den Flüssen, Seen und Ozeanen unserer Welt für alle verfügbar gemacht werden.

Das Grunddesign unseres Trübungssensors wurde mit einer Infrarot-LED (IR) und zwei Lichtdetektoren in unterschiedlichen Winkeln relativ zur LED erstellt. Das Designprinzip ist in Abb. 8 zu sehen. Es wurde eine LED mit 850 nm ausgewählt (TSHG6200 von Vishay Semiconductor Opto Division), da Wasser als Medium diese Wellenlänge nicht reflektiert. Die ausgewählten Detektoren sind die TSL237S-LF von AMS und wurden aus zwei Gründen ausgewählt: (1) Sie wandeln Licht in eine digitale Ausgangsfrequenz um und somit Spannungs- oder Stromschwankungen, die durch Temperaturschwankungen in der Feldumgebung verursacht werden und sich auf einen analogen Detektor auswirken , werden eliminiert; (2) Dieser Sensor reagiert auf Licht im Bereich von 320 nm bis 1050 nm und weist eine maximale Empfindlichkeit bei 700 nm auf. Als Mikrocontroller für diesen Sensor wurde ein ESP32 anstelle eines Arduino Uno (ein üblicher Mikrocontroller für Bastler) gewählt, da er über eine überlegene Anzahl an Timern verfügt. Da die Detektoren einen digitalen Impuls mit variierender Frequenz proportional zur Lichtintensität ausgeben, sollte der ausgewählte Mikrocontroller für jeden Detektor mindestens zwei Timer zur Berechnung der Frequenz haben, einen zum Zählen der Impulse und einen zum Zählen der verstrichenen Zeit. Daher kann der Arduino nur zum Konvertieren des digitalen Ausgangs eines Detektors verwendet werden und der ESP32 wird benötigt, da er über die erforderlichen vier Timer verfügt, um das digitale Signal von zwei Detektoren aufzulösen.

Sensorprinzip des Open-Source-Trübungssensors.

Mit dem oben genannten Design im Hinterkopf haben wir mehrere Versionen unseres ersten Trübungssensor-Prototyps gebaut und ihn mit Formazin, einer beliebten Kalibrierungsflüssigkeit für Trübungssensoren, getestet. Einzelheiten zu Fokussierungslinsen, Eliminierung von Umgebungsstreulicht, Detektorplatzierung und Kalibrierungsmodell finden Sie im Abschnitt „Ergänzende Methoden – Erster Prototyp“.

Um die Trübungssensoren in einer realen Umgebung zu testen, haben wir ein Mischtankexperiment entwickelt, bei dem unsere Sensoren mit handelsüblichen Sensoren verglichen werden können. Um unsere Sensoren in einen Mischtank einzutauchen und über mehrere Stunden viele Messungen durchzuführen, wurde ein zweiter Prototyp des Trübungssensors erstellt.

Anhand der ergänzenden Methoden – Erster Prototyp wurde festgestellt, dass Fokussierungslinsen für das Design des Sensors erforderlich waren, wohingegen Langpassfilter (die Streulicht aus der Umgebung eliminierten) unnötig waren, da der gleiche Effekt mit der Off-On-Differenzierungsmessmethode erzielt wird56 . Darüber hinaus ist es für unsere ausgewählten LED- und Detektorteile wichtig, die 180°-Detektoranordnung zu vermeiden, da der Detektor durch das einfallende Licht gesättigt wird (weitere Einzelheiten finden Sie unter „Ergänzende Methoden – Erster Prototyp“).

Vor diesem Hintergrund basierte der zweite Prototyp auf den Sensoren 3 und 4, die im Abschnitt „Ergänzende Methoden – Erster Prototyp“ zu finden sind, da wir die Detektorausrichtungen weiter testen wollten. Es gibt drei verschiedene Versionen (A, B und C) und zwei bis drei Replikate jeder Version (um die Abweichungen von der Konstruktion zu sehen). Alle Sensoren und Replikate sind in der Ergänzungstabelle S4 zusammengefasst. Version A hat Detektoren bei \(90^o\) und \(135^o\) relativ zur LED und Version B hat Detektoren bei \(45^o\) und \(135^o\). Im Gegensatz zu den ersten Prototypen, die im Abschnitt „Ergänzende Methoden – Erster Prototyp“ erstellt wurden und über einen 3D-gedruckten Sensorkopf verfügten, verfügen diese ersten sechs Sensoren über Sensorköpfe, die durch maschinelle Bearbeitung eines massiven Stücks schwarzen PVC hergestellt wurden. In der Hoffnung, dieses Projekt jedoch für jedermann zugänglich zu machen, haben wir auch zwei weitere Replikate (Version C) erstellt, allerdings mit einem 3D-gedruckten Sensorkopf aus PLA. Alle acht Sensordetails sind in der Ergänzungstabelle S4 aufgeführt.

Alle acht Sensoren waren in einem einfachen wasserdichten Gehäuse aus handelsüblichem PVC aus dem Baumarkt untergebracht. Das wasserdichte Gehäuse ist in Abb. 9a zu sehen. Abbildung 9b zeigt den internen Sensorkopf (schwarzes PVC) und die Elektronik des Sensors. Auf der linken Seite beider Bilder sehen wir außerdem zwei O-Ringe. Diese wurden zusammen mit etwas Vakuumfett verwendet, um den Sensor wasserdicht zu halten. Die gesamte Elektronik des Sensors war auf einer Prototyping-Lötplatine untergebracht. Der elektronische Schaltplan ist in der ergänzenden Abbildung S14 zu finden und die CAD-Datei für den PVC-Sensorkopf ist im Repository dieses Projekts verfügbar57.

Open-Source-Trübungssensor – zweiter Prototyp. (a) Geschlossener Sensor mit externem PVC-Gehäuse. (b) Interne Elektronik des Sensors.

Wir haben drei kommerzielle Trübungssensoren mit unseren Open-Source-Sensoren verglichen. Bei diesen Sensoren handelte es sich um zwei CUS51Ds und einen CUS52D, alle von Endress+Hauser (E & H). Die CUS51Ds sind für einen Messbereich von 0 bis 4000 FNU ausgelegt und werden zur Trübungs- und Schwebstoffmessung in allen Phasen des Abwasseraufbereitungsprozesses sowie bei primären Wasseraufbereitungsanwendungen mit mittlerer bis hoher Trübung eingesetzt58. Der CUS52D ist ebenfalls für einen Messbereich von 0–4000 FNU ausgelegt, aber im Gegensatz zum CUS51D kann der CUS52D in jeder Phase des Wasseraufbereitungsprozesses eingesetzt werden, selbst bei geringster Trübung59. Die E- und H-Sensoren mussten außerdem an ein Datenerfassungssystem (Liquiline CM442) angeschlossen werden, das es den Sensoren ermöglichte, kontinuierlich zu messen, während sie an eine Stromquelle angeschlossen waren.

Alle für die Herstellung eines unserer Open-Source-Sensoren gekauften Teile sind in der Ergänzungstabelle S6 aufgeführt. Die Gesamtkosten für einen Sensor betragen 61,37 CHF (Schweizer Franken). Es ist erwähnenswert, dass in den Kosten für unseren Sensor keine Kalibrierungsarbeitskosten enthalten sind und wir nicht sicher sind, ob die E- und H-Sensoren vor jedem Gebrauch einer zusätzlichen Kalibrierung und/oder Wartung unterzogen werden müssen. Bearbeitetes PVC ist teurer und schwieriger herzustellen als der einfache 3D-Druck des Sensorkopfs. Bevor Sie sich für den 3D-Druck oder den Kauf und die Bearbeitung von PVC entscheiden, sollte daher der Zweck des Sensors bewertet werden. Wenn Nachbildungen des Sensors angefertigt werden müssen, um ein verteiltes Netzwerk von Sensoren innerhalb eines Wassereinzugsgebiets zu schaffen, lohnt sich möglicherweise der Kauf und die Verarbeitung von PVC, um vergleichbare Ergebnisse entlang des Wassereinzugsgebiets zu erhalten. Wenn jedoch nur ein Sensor am Auslass eines Wassersystems erstellt und installiert werden muss, um ein beckenintegriertes Bild der suspendierten Sedimente zu erhalten, dann reicht wahrscheinlich ein 3D-gedruckter Sensor für diesen Zweck und den zusätzlichen Zeit- und Kostenaufwand aus würde nicht viel zum Endergebnis beitragen. Die 3D-gedruckte Version kann auch zur Überwachung von Trends in einem verteilten Netzwerk anstelle von absoluten Werten verwendet werden. Wenn der Sensor außerdem für ein Schulprojekt verwendet wird, sollte ein 3D-gedruckter Sensor ausreichen.

Abbildung 10a zeigt den Aufbau des Mischtanks mit einem zylindrischen 200-Liter-Tank und einer Markierungslinie für 140 Liter Wasser, wenn der Tank mit allen 11 getesteten Sensoren voll ist. Im Hintergrund ist die grüne Pumpe zu sehen, mit der die Tanks entleert werden. Abbildung 10b zeigt die Platzierung der Sensoren rund um den Tank sowie den Wasserstand. In der Mitte des Tanks befindet sich der Mixer, eine Bohrmaschine mit Farbmischaufsatz. Der Mischer wurde verwendet, um das Sediment im Tank zu suspendieren.

Aufbau des Mischtanks: (a) zylindrischer 200-Liter-Tank, (b) Anordnung von 11 Sensoren (8 von uns und 3 kommerziell) innerhalb des Tanks und der Mischbohrer in der Mitte.

In diesen Experimenten wurden zwei verschiedene Sedimenttypen verwendet: Feldspat und Sediment aus dem Fieschertalkanal, die beide zuvor von Felix44 verwendet wurden.

Feldspatpulver (Na-Plagioklas) wurde aufgrund seiner Häufigkeit in der Erdkruste ausgewählt. Es wurde von einem Hersteller gekauft, der gemahlenen Feldspat für die Töpferei verkauft (Feldspat NA LF 90). Die Fieschertaler Sedimente wurden aus den Ablagerungen in den Unterwasserkanälen des Wasserkraftwerks Fieschertal (WKW) im Kanton Wallis, Schweiz, gesammelt. Dieses Sediment wurde ausgewählt, weil wir planen, mit unseren Open-Source-Sensoren Sedimentquellen an der Rhone wie den Fieschergletscher zu untersuchen. Das Wasserkraftwerk Fiescher liegt an der Mündung des Fieschergletschers am Gebirgsbach Wysswasser, einem Nebenfluss der oberen Rhone. Es ist jedoch zu beachten, dass sich die feineren Sedimente nicht im Unterwasserkanal absetzen und die Fiescher-Sedimente daher gröber sind als erwartet.

Die Partikelgrößenverteilung (PSD) und die Feststoffdichten \(\rho _s\) beider Pulver wurden zuvor von Felix44 gemessen. Der PSD wurde aus suspendierten Proben mit ausreichender Verdünnung unter Verwendung eines stationären Laserdiffraktometers (LA-950, hergestellt von Horiba) gemessen. Es wurde festgestellt, dass die Fieschertaler Sedimente fast 80 Masse-% Feinsand (\(d_{50}=90 \mu m\)) enthielten, während der Feldspat hauptsächlich im Bereich von Schluff (\(d_{50}=30) lag \mu m\))44. Die Feststoffdichten wurden mit einem Helium-Expansionspyknometer gemessen und betragen \(2,65 g/cm^3\) bzw. 2,70 \(g/cm^3\) für das Feldspat- und das Fieschertal-Sediment44.

Der experimentelle Ablauf war wie folgt. Zunächst würden alle Sensoren eingeschaltet und der saubere Tank mit Leitungswasser gefüllt. Die E&H-Sensoren nehmen während der Dauer der Experimente jede Sekunde eine Messung vor. Beim ersten Experiment mit dem Feldspat nahmen die Open-Source-Sensoren jede Minute drei Sekunden lang drei Messungen vor und schliefen zwischen den Messwerten. Für das nächste Experiment mit dem Fieschertal-Sediment führten die Open-Source-Sensoren jede Sekunde eine Messung durch (wie die E- und H-Sensoren), ohne zwischen den Messwerten zu schlafen.

Mit klarem Wasser im Tank wurde mit der Mischübung und den Messungen begonnen. Anschließend wurde alle 30 Minuten die Wassertemperatur des Tanks gemessen und eine Wasserprobe von etwa 300 ml entnommen. Anschließend wurde eine vordefinierte Menge Feldspatsediment gemischt mit 300 ml Leitungswasser in den Tank gegeben, um dessen SSC schrittweise zu erhöhen. Dieses Experiment wurde für das Fieschertal-Sediment noch einmal wiederholt, außer dass wir den SSC des Tanks alle 15 Minuten statt alle 30 Minuten erhöhen konnten, da die Open-Source-Sensoren wie die E- und H-Geräte kontinuierlich maßen. Jedes Mal, wenn wir den SSC des Tanks erhöhten, wischten wir auch alle Blasen von den 11 Sensoren ab.

Anschließend wurden die Wasser-Sediment-Proben ins Labor gebracht und in einem belüfteten Ofen eingedampft und der SSC durch Wiegen des trockenen Sediments berechnet. Einige Leitungswasserproben ohne Sediment wurden ebenfalls eingedampft, sodass wir die Konzentration gelöster Mineralien bestimmen und diese von unserem berechneten SSC abziehen konnten.

Die während der aktuellen Studie generierten und/oder analysierten Datensätze sind im Zenodo-Repository verfügbar, https://doi.org/10.5281/zenodo.5789513.

Arrigo, KR, van Dijken, G. & Pabi, S. Auswirkungen einer schrumpfenden arktischen Eisdecke auf die marine Primärproduktion. Geophys. Res. Lette. 35(19), (2008).

Sanders, R. et al. Die biologische Kohlenstoffpumpe im Nordatlantik. Prog. Ozeanogr. 129, 200–218 (2014).

Artikel ADS Google Scholar

Hauer, C. et al. Die Rolle von Sedimenten und Sedimentdynamik in der aquatischen Umwelt. In Riverine Ecosystem Management, 151–169 (Springer, Cham, 2018).

Peucker-Ehrenbrink, B. Land2sea-Datenbank mit Flusseinzugsgebietsgrößen, jährlichen Wasserabflüssen und Schwebstoffflüssen. Geochem. Geophys. Geosyst. 10(6), (2009).

Syvitski, JP & Kettner, A. Sedimentfluss und das Anthropozän. Philos. Trans. Royal Soc. A: Mathe. Physik. Ing. Wissenschaft. 369, 957–975 (2011).

Artikel ADS Google Scholar

Borrelli, P. et al. Eine Bewertung der globalen Auswirkungen der Landnutzungsänderungen des 21. Jahrhunderts auf die Bodenerosion. Nat. Komm. 8, 1–13 (2017).

Artikel ADS CAS Google Scholar

Milliman, JD & Farnsworth, KL Flussabfluss in den Küstenozean: Eine globale Synthese (Cambridge University Press, 2013).

Poulier, G. et al. Kombination von Flussüberwachung und Datenrekonstruktion zur Erstellung jährlicher Budgets für Schwebstaub, Quecksilber und PCB im Fluss Rhône vom Genfersee bis zum Mittelmeer. Wissenschaft. Gesamtumgebung. 658, 457–473 (2019).

Artikel ADS CAS PubMed Google Scholar

Wang, Z.-Y., Li, Y. & He, Y. Sedimenthaushalt des Jangtsekiang. Wasserressource. Res. 43(4), (2007).

Hu, B., Wang, H., Yang, Z. & Sun, X. Zeitliche und räumliche Variationen der Sedimentbewertungskurven im Changjiang-Becken (Jangtsekiang) und ihre Auswirkungen. Quat. Int. 230, 34–43 (2011).

Artikel Google Scholar

Hinderer, M., Kastowski, M., Kamelger, A., Bartolini, C. & Schlunegger, F. Flussbelastungen und moderne Entblößung der Alpen – eine Rezension. Erdwissenschaften. Rev. 118, 11–44 (2013).

Artikel ADS CAS Google Scholar

Covault, JA, Craddock, WH, Romans, BW, Fildani, A. & Gosai, M. Räumliche und zeitliche Variationen in der Landschaftsentwicklung: Historischer und längerfristiger Sedimentfluss durch globale Einzugsgebiete. Der J. Geol. 121, 000–000 (2013).

Artikel Google Scholar

Costa, A., Anghileri, D. & Molnar, P. Hydroklimatische Kontrolle der Schwebstoffdynamik eines regulierten alpinen Einzugsgebiets: Ein konzeptioneller Ansatz. Hydrol. Erdsystem. Wissenschaft. 22, 3421–3434 (2018).

Artikel ADS CAS Google Scholar

Bakker, M. et al. Kombinierte Strömungsentnahme und Auswirkungen des Klimawandels auf einen zunehmenden Alpenfluss. Wasserressource. Res. 54, 223–242 (2018).

Artikel ADS Google Scholar

Battista, G., Molnar, P. & Burlando, P. Modellierung der Auswirkungen räumlich variabler Erosionstreiber auf die Dynamik suspendierter Sedimente. Erdbrandung. Dyn. 8, 619–635 (2020).

Artikel ADS Google Scholar

Costa, A. et al. Temperatursignal beim Schwebstoffexport aus einem alpinen Einzugsgebiet. Hydrol. Erdsystem. Wissenschaft. 22, 509–528 (2018).

Artikel ADS Google Scholar

Konz, M. et al. Modellierung des Sedimenttransports in einem verteilten, physikalisch basierten hydrologischen Einzugsgebietsmodell. Hydrol. Erdsystem. Wissenschaft. 15, 2821–2837 (2011).

Artikel ADS Google Scholar

Uber, M., Nord, G., Legout, C. & Cea, L. Wie wirken sich Modellierungsentscheidungen und Erosionszonenstandorte auf die Darstellung der Konnektivität und Dynamik suspendierter Sedimente in einem Bodenerosionsmodell aus mehreren Quellen aus? Erdbrandung. Dyn. 9, 123–144 (2021).

Artikel ADS Google Scholar

Delaney, I., Bauder, A., Huss, M. & Weidmann, Y. Proglaziale Erosionsraten und -prozesse in einem vergletscherten Einzugsgebiet in den Schweizer Alpen. Erdbrandung. Verfahren. Landforms 43, 765–778 (2018).

Artikel ADS Google Scholar

Delaney, I., Bauder, A., Werder, MA & Farinotti, D. Regionale und jährliche Variabilität im subglazialen Sedimenttransport durch Wasser für zwei Gletscher in den Schweizer Alpen. Vorderseite. Erdwissenschaft. 6, 175 (2018).

Artikel ADS Google Scholar

Ugelvig, S., Egholm, D., Anderson, R. & Iverson, NR Gletschererosion durch Variationen im Schmelzwasserabfluss. J. Geophys. Res.: Erdbrandung. 123, 2863–2877 (2018).

Artikel ADS Google Scholar

Lane, SN, Bakker, M., Gabbud, C., Micheletti, N. & Saugy, J.-N. Sedimentexport, vorübergehende Landschaftsreaktion und Konnektivität im Einzugsgebietsmaßstab nach rascher Klimaerwärmung und alpinem Gletscherrückgang. Geomorphologie 277, 210–227 (2017).

Artikel ADS Google Scholar

Novoa, S., Wernand, M. & van der Woerd, HJ Wacodi: Ein generischer Algorithmus zur Ableitung der Eigenfarbe natürlicher Gewässer aus digitalen Bildern. Limnol. Oceanogr.: Methods 13, 697–711 (2015).

Artikel Google Scholar

Wang, X., Wang, D., Gong, F. & He, X. Fernerkundungsinversion der gesamten Schwebstoffkonzentration im Fluss Oujiang basierend auf Landsat-8/Oli. In Ocean Optics and Information Technology, 10850, 108500X (International Society for Optics and Photonics, 2018).

DeLuca, NM, Zaitchik, BF & Curriero, FC Können multispektrale Informationen Fernerkundungsschätzungen der gesamten Schwebstoffe verbessern? Eine statistische Studie in der Chesapeake Bay. Remote Sens. 10, 1393 (2018).

Artikel ADS Google Scholar

Martinez, J.-M., Guyot, J.-L., Filizola, N. & Sondag, F. Anstieg des Schwebstoffaustrags des Amazonas, bewertet durch Überwachungsnetzwerk- und Satellitendaten. Catena 79, 257–264 (2009).

Artikel Google Scholar

Wang, YH & Sohn, H.-G. Schätzung des Flussverschmutzungsindex mithilfe von Landsatellitenbildern über dem Tamsui-Fluss, Taiwan. Ökologisch. Resil. Infrastruktur. 5, 88–93 (2018).

CAS Google Scholar

Fassoni-Andrade, AC & de Paiva, RCD Kartierung der räumlich-zeitlichen Sedimentdynamik von Flussauen im Amazonas. Fernerkundung. Umwelt. 221, 94–107 (2019).

Artikel ADS Google Scholar

Goddijn, L. & White, M. Verwendung einer Digitalkamera für Wasserqualitätsmessungen in der Bucht von Galway. Mündungsküste. Regalwissenschaft. 66, 429–436 (2006).

Artikel ADS Google Scholar

Fricke, K. & Baschek, B. Temperaturüberwachung entlang des Rheins basierend auf luftgestützter thermischer Infrarot-Fernerkundung: qualitative Ergebnisse im Vergleich zu Satellitendaten und Validierung mit In-situ-Messungen. In Remote Sensing for Agriculture, Ecosystems, and Hydrology XVI, 9239, 923909 (International Society for Optics and Photonics, 2014).

Leeuw, T. & Boss, E. Die Hydrocolor-App: Überwassermessungen des Fernerkundungsreflexionsvermögens und der Trübung mithilfe einer Smartphone-Kamera. Sensoren 18, 256 (2018).

Artikel ADS PubMed Central CAS Google Scholar

Bennett, G., Molnar, P., McArdell, B. & Burlando, P. Ein probabilistisches Sedimentkaskadenmodell des Sedimenttransfers im Illgraben. Wasserressource. Res. 50, 1225–1244 (2014).

Artikel ADS Google Scholar

Bennett, G., Molnar, P., McArdell, B., Schlunegger, F. & Burlando, P. Muster und Kontrollen der Sedimentproduktion, -übertragung und -ausbeute im Illgraben. Geomorphologie 188, 68–82 (2013).

Artikel ADS Google Scholar

Hirschberg, J. et al. Auswirkungen des Klimawandels auf den Sedimentertrag und die Murgangaktivität in einem alpinen Einzugsgebiet. J. Geophys. Res.: Erdbrandung. 126(1), (2020).

Molnar, P., Burlando, P., Kirsch, J. & Hinz, E. Modelluntersuchungen der Auswirkungen von Landnutzungsänderungen und Waldschäden auf die Erosion in bergigen Umgebungen. IAHS-AISH-Veröffentlichung 589–600 (2006).

Seybold, H. et al. Simulation der Bildung des Birdfoot-Deltas mit Anwendung auf das Mississippi-Delta. J. Geophys. Res.: Erdbrandung. 114(F3), (2009).

Gillett, D. & Marchiori, A. Ein kostengünstiger kontinuierlicher Trübungsmonitor. Sensoren 19, 3039 (2019).

Artikel ADS PubMed Central Google Scholar

Trevathan, J., Read, W. & Schmidtke, S. Auf dem Weg zur Entwicklung eines erschwinglichen und praktischen Lichtdämpfungs-Trübungssensors für die Fernüberwachung von Gewässern nahezu in Echtzeit. Sensoren 20, 1993 (2020).

Artikel ADS PubMed Central Google Scholar

Lambrou, TP, Anastasiou, CC, Panayiotou, CG & Polycarpou, MM Ein kostengünstiges Sensornetzwerk zur Echtzeitüberwachung und Kontaminationserkennung in Trinkwasserverteilungssystemen. IEEE Sens. J. 14, 2765–2772 (2014).

Artikel ADS Google Scholar

Wang, Y., Rajib, SSM, Collins, C. & Grieve, B. Kostengünstiger Trübungssensor für die drahtlose Überwachung von Süßwasserläufen mit geringem Stromverbrauch. IEEE Sens. J. 18, 4689–4696 (2018).

Artikel ADS Google Scholar

Sadar, MJ Trübungswissenschaft. Technische InformationsreiheHeft Nr. 11. Hach Co. Loveland CO 7, 8 (1998).

Bhardwaj, J., Gupta, KK & Gupta, R. Ein Überblick über neue Trends bei Sensoren zur Messung der Wasserqualität. Im Jahr 2015 International Conference on Technologies for Sustainable Development (ICTSD), 1–6 (IEEE, 2015).

Kelley, CD et al. Ein erschwingliches Open-Source-Trübungsmessgerät. Sensoren 14, 7142–7155 (2014).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Felix, D. Experimentelle Untersuchung zu suspendiertem Sediment, hydroabrasiver Erosion und Effizienzminderungen von Croated-Pelton-Turbinen. VAW-Mitteilungen 238, 99–119 (2017).

Google Scholar

Kitchener, BG et al. Ein kostengünstiges Tisch-Forschungsgerät zur Trübungsmessung durch radial verteilte Beleuchtungsintensitätsmessung bei mehreren Wellenlängen. HardwareX 5, e00052 (2019).

Artikel Google Scholar

Jiang, H., Hu, Y., Yang, H., Wang, Y. & Ye, S. Ein hochempfindlicher Tiefsee-In-situ-Trübungssensor mit Spektrumoptimierungs-Modulations-Demodulations-Methode. IEEE Sens. J. 20, 6441–6449 (2020).

Artikel ADS Google Scholar

Downing, J. 25 Jahre mit Obs-Sensoren: Das Gute, das Schlechte und das Hässliche. Fortsetzung Regal Res. 26, 2299–2318 (2006).

Artikel ADS Google Scholar

Gippel, CJ Potenzial der Trübungsüberwachung zur Messung des Transports von Schwebstoffen in Fließgewässern. Hydrol. Verfahren. 9, 83–97 (1995).

Artikel ADS Google Scholar

Sutherland, T., Lane, P., Amos, C. & Downing, J. Die Kalibrierung optischer Rückstreusensoren für suspendierte Sedimente unterschiedlicher Dunkelheit. Meeresgeol. 162, 587–597 (2000).

Artikel ADS Google Scholar

Holliday, C., Rasmussen, TC & Miller, WP Ermittlung der Beziehung zwischen Trübung und Gesamtkonzentration suspendierter Sedimente (Georgia Institute of Technology, 2003).

Baker, E., Tennant, D., Feely, R., Lebon, G. & Walker, S. Feld- und Laborstudien zum Einfluss von Partikelgröße und -zusammensetzung auf optische Rückstreumessungen in Hydrothermalfahnen. Tiefseeres. Teil I: Ozeanogr. Res. Brei. 48, 593–604 (2001).

Artikel ADS CAS Google Scholar

Matos, T. et al. Entwicklung eines kostengünstigen optischen Sensors zur kontinuierlichen Überwachung von Trübung und Schwebstaub in der Meeresumwelt. Sensoren 19, 4439 (2019).

Artikel ADS CAS PubMed Central Google Scholar

Felix, D., Albayrak, I. & Boes, RM In-situ-Untersuchung zu Echtzeit-Messtechniken für suspendierte Sedimente: Turbidimetrie, akustische Dämpfung, Laserbeugung (lisst) und Vibrationsrohr-Densimetrie. Int. J. Sediment Res. 33, 3–17 (2018).

Artikel Google Scholar

Tran, NT, Campbell, CG & Shi, FG Untersuchung der Auswirkungen der Partikelgröße auf die Reaktion eines optischen Fasersensors, untersucht mit Monte-Carlo-Simulation. Appl. Opt. 45, 7557–7566 (2006).

Artikel ADS PubMed Google Scholar

Droujko, J. River Tech Labs: Blogbeiträge mit Anleitungen zum Sensorbau. Wie veröffentlicht: https://rivertechlabs.org/ (2021). [Online; abgerufen am 9. Mai 2022].

Matos, T. et al. Entwurf eines kostengünstigen optischen Mehrpunktinstruments zur kontinuierlichen In-situ-Überwachung von Trübung und Sediment. Sensoren 20, 3194 (2020).

Artikel ADS PubMed Central Google Scholar

Droujko, J. Unterstützung von Make-Dateien für „Open-Source-, kostengünstige In-situ-Trübungssensoren zur Überwachung von Flussnetzen“ (v1.0.0). https://doi.org/10.5281/zenodo.5789211(2021).

Endress + Hauser. Schwebstoffsensor turbimax cus51d. https://www.ch.endress.com/en/field-instruments-overview/liquid-analysis-product-overview/suspended-solids-turbidity-digital-sensor-cus51d (2021). [Online; abgerufen am 4. August 2021].

Endress + Hauser. Trübungssensor turbimax cus52d. https://www.ch.endress.com/en/field-instruments-overview/liquid-analysis-product-overview/turbidity-drinking-water-sensor-cus52d (2021). [Online; abgerufen am 4. August 2021].

Referenzen herunterladen

Wir danken der Versuchsanstalt für Wasserbau, Hydrologie und Glaziologie (VAW, Prof. Dr. R. Boes) für die Bereitstellung der Laboreinrichtungen, der kommerziell erhältlichen Trübungsmessgeräte und der Sedimentpartikel für die Tests. Wir danken Ruben Stadler, Michael Arnold und Dr. David Felix (VAW) für ihre Beratung und Unterstützung. Diese Forschung wurde durch den ETH Research Grant ETH-13 19-1 finanziert.

Institut für Umweltingenieurwissenschaften, ETH Zürich, Zürich, 8093, Schweiz

Jessica Droujko & Peter Molnar

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

JD entwarf und baute die Sensoren, konzipierte und führte die Experimente durch. PM übernahm die Leitung und Überwachung des Projekts. Alle Autoren trugen zur Diskussion der Ergebnisse und zur Durchsicht des Manuskripts bei.

Korrespondenz mit Jessica Droujko.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Droujko, J., Molnar, P. Kostengünstiger Open-Source-In-situ-Trübungssensor für die Flussnetzüberwachung. Sci Rep 12, 10341 (2022). https://doi.org/10.1038/s41598-022-14228-4

Zitat herunterladen

Eingegangen: 17. Dezember 2021

Angenommen: 02. Juni 2022

Veröffentlicht: 20. Juni 2022

DOI: https://doi.org/10.1038/s41598-022-14228-4

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.