Методические указания по выполнению лабораторной работы по курсам «Механика грунтов основания и фундаменты» и «Основы технологии дорожного строительства»

Министерство образования Российской Федерации

Кузбасский государственный технический университет

Кафедра автомобильных дорог

ОПРЕДЕЛЕНИЕ ГРАНУЛОМЕТРИЧЕСКОГО СОСТАВА ПЕСЧАНОГО ГРУНТА СИТОВЫМ МЕТОДОМ

Методические указания по выполнению лабораторной работы по курсам

«Механика грунтов основания и фундаменты» и

«Основы технологии дорожного строительства»

для студентов специальностей

290300 — «Промышленное и гражданское строительство»

291000 — «Автомобильные дороги и аэродромы»

240100 — «Организация перевозок и управление на транспорте

(автомобильном)»

(всех форм обучения)

Составители  В. В. Кузеванов

Н.В. Крупина

Е.А. Махотина

Утверждены на заседании кафедры

Протокол №  6  от 9.02.01

Рекомендованы к печати учебно-методической комиссией

специальности 291000

Протокол №  6  от 9.02.01

Электронная копия находится  в библиотеке

главного корпуса КузГТУ

Кемерово 2001

ЦЕЛЬ РАБОТЫ

Определить гранулометрический (зерновой) состав грунта, вычислить коэффициент неоднородности. Построить кривую гранулометрического состава.

НЕОБХОДИМЫЕ ОБОРУДОВАНИЕ И МАТЕРИАЛЫ

Набор стандартных сит, весы лабораторные с разновесами, нож, стаканчики, песчано-гравийная смесь, совок.

ТЕОРЕТИЧЕСКИЕ ПОЛОЖЕНИЯ

Весовое содержание в грунте частиц различной крупности, выраженное в процентах от веса грунта, взятого для анализа, называется гранулометрическим составом грунта.

Совокупность частиц грунта с приблизительно одинаковыми размерами называется фракцией.

Песчаные грунты разделяются на: гравелистые – 25 % частиц крупнее 2 мм; крупные – 50 % частиц крупнее 0,5 мм; средней крупности – 50 % частиц крупнее 0,25 мм; мелкие – 75 % частиц крупнее         0,1 мм; пылеватые – 75 % частиц крупнее 0,1 мм.

Существуют различные методы определения гранулометрического состава грунта:

1.  Ситовый

2.  Ареометрический

3.  Полевой метод Рудковского

4.  Пипеточный

5.  Отмучивания и набухания  

Результаты гранулометрического анализа могут быть представлены в виде таблицы и изображены в графическом виде (рисунок).

По кривой гранулометрического состава (кумулятивной кривой) определяют два цифровых показателя: эффективный диаметр частиц и коэффициент неоднородности.

Диаметр частиц, процентное содержание которых в грунте менее 10, называется эффективным диаметром ().

Кривая гранулометрического состава

Под коэффициентом неоднородности грунта принято понимать отношение диаметра частиц, процентное содержание которых в грунте менее 60, к эффективному диаметру

Если коэффициент неоднородности К больше трёх, то грунт считают неоднородным.

Характер кумулятивной кривой показывает степень однородности частиц, составляющих грунт. Если кривая крутая, то грунт однородный, если пологая – неоднородный.

Данные зернового состава используют для установления вида грунта, оценки пригодности грунта для отсыпки насыпей, дамб, плотин, оценки грунта как материала для покрытия дорог и в качестве заполнителя бетона и асфальтобетона.

Гранулометрический состав грунта может быть определён в лаборатории ситовым методом (просеивание грунта через набор сит).  

ХОД РАБОТЫ

1.  Методом квартования (разделения ножом на 4 приблизительно равные части) определить среднюю пробу грунта. Масса средней пробы должна составлять 250-500 г.

2.  Стандартные сита монтируют в колонку, размещая их от поддона в порядке увеличения размера отверстий. На верхнее сито надеть крышку.

3.  Среднюю пробу грунта взвесить на технических весах.

4.  Взвешенную пробу просеять через набор сит с поддоном.

5.  Фракции грунта, задержавшиеся после просеивания на каждом сите и прошедшие в поддон, следует перенести в заранее взвешенные стаканчики и взвесить.

6.  Сложить веса всех фракций. Если полученная сумма превышает вес взятой для анализа пробы более чем на 1 % , то анализ следует повторить.

7.  Определить процентное содержание каждой фракции грунта и занести в таблицу, в порядке накопления, начиная с наименьшей.

8.  По данным таблицы построить кривую гранулометрического состава, в порядке накопления (кумуляции).

9.  Проведя горизонтали на 60 % и 10 % до пересечения с кривой и опустив перпендикуляр, определить коэффициент неоднородности.

10.  Определить вид песчаного грунта (см. теоретические положения по процентному содержанию различных частиц).

11.  Определить однородность грунта и сделать выводы по лабораторной работе.

Результаты определения гранулометрического

Исследуем грунт на гранулометрический состав

Лабораторные исследования позволяют проводить разные испытания над грунтовыми пробами, они и определяют основные его свойства. Гранулометрический состав грунтов – один из важнейших его показателей. Именно он демонстрирует количество содержащихся в образце частиц, их величину. Изыскания для фундамента должны опираться на сведения о составе грунта.

Определяем состав грунта в лабораторных условиях

Определить гранулометрический состав грунтов можно и в лабораториях, и в полевых условиях. Заказать лучше лабораторный метод исследований. Его стоимость несколько выше, но эта цена оправдывается, так как он наиболее точен.

Начинать испытание следует с тщательной подготовки образца грунта. Лаборанты делят его на частицы, затем растирают и обрабатывают щелочами и кислотой. Заканчивается все кипячением образца.

Существует несколько способов определения гранулометрического состава.

1. Первый способ – это ситовой. Он может быть как с промывкой водой, так и без этого. Проведение этого метода целесообразно над песчаными грунтами. Образец разделяют на гранулометрические составляющие с использованием специального набора сит. Затем отобранные фракции взвешиваются.

2. Второй способ – ареометрический. Применяется на глинистых почвах. Готовая суспензия грунта отстаивается и измеряется при помощи специального прибора ареометра.

3. Третий способ – пипеточный. Также применяется на глинистых почвах. Этот метод требует наличия специальной аппаратуры, а также ареометра, пипетки, весов, аспиратора, колбы и штатива. Он необязателен, так что используется только в отдельно взятых случаях, если геология изыскания для фундамента остается неясной.

Физические свойства и гранулометрический состав

Гранулометрический состав грунтов сильно влияет на его физические свойства. Так, если показатели отдельно взятых частиц будут уменьшаться, это приведет к повышению гигроскопичности грунта, увеличению емкости поглощения и высоты капиллярного водоподъема. Проводя изыскания для коттеджа, важно учитывать все особенности грунта. Если его пробы при испытаниях показали наличие частиц больше 0,005 миллиметров, значит, в нем почти нет ни пластичности, ни липкости, и он практически не набухает.

Выполнение геологических изысканий важно проводить в комплексе. Смета их проведения включает в себя как лабораторные, так и полевые исследования. Только тогда результаты исследования участка будут максимально достоверными.

Определением гранулометрического состава занимаются и в специализированной лаборатории компании ООО «Геолог». Чтобы воспользоваться наши услугами потребуется инженерные изыскания заказать.

Нашими специалистами тщательно исследуется содержание в почве механических элементов, которые объединены во фракции. Благодаря детальному изучению гранулометрического состава, возможно исследовать химические, физические и даже биологические свойства почв, а также их воздушный и водный режимы. В своей работе мы используем как косвенные, так и прямые способы обследования грунтов.

В зависимости от предпочтений заказчика и стоимости проводимых исследований, мы применяем следующие методы по исследованию гранулометрического состава: ареометрический, пипеточный и ситовой. Услуги геодезиста в компании ООО «Геолог» обойдутся вам по приемлемым ценам. Убедитесь в этом самостоятельно и закажите свой первый расчет у нас по предоставленному техническому заданию. Мы ждем ваших обращений в любое время – работаем по многим регионам России.

Определение свойств грунтов в полевой обстановке

Для ориентировочного определения гранулометрического состава песчаного грунта применяют трафарет, представляющий собой бумажный круг (рис. 60), разделенный на восемь секторов с окружностями, соответствующими разным размерам частиц грунта.
В секторе 1-м помещены кружки диаметром 0,1 мм, в секторе 2-м—0,25 мм, в секторе 3-м — 0,5 мм, в секторе 4-м — 1 мм, в секторе 5-м — 2 мм, в секторе 6-м — 3 мм, в секторе 7-м – 5

мм, в секторе 8-м – 7 мм.

Для определения крупности фракций песок насыпают в середину внутреннего кружка трафарета и разравнивают его по кругу так, чтобы песчаные зерна оказались на некотором расстоянии друг от друга. Затем через лупу определяют диаметр зерен песка, сравнивая его с диаметрами кружков, начерченных в секторах. Размеры зерен обозначают номером сектора. Для удобства определения размера зерен применяют два круга: белый для темных песков и черный — для светлых песков.

Рис. 60. Гранулометрический классификатор несзязных грунтов

Размер фракции в 10 и 15 мм определяют по трафарету, разбитому на квадраты.

Точное определение гранулометрического состава песчаных грунтов производят ситовым методом, для чего применяют набор стандартных сит (технические весы с разновесами и фарфоровые чашки), состоящий из восьми сит с отверстиями размером 10; 7; 5; 3; 2; 1; 0,5 и 0,25

мм; в некоторых наборах имеется также сито с отверстиями 0,1 мм. Сита собирают в колонку так, чтобы отверстия их уменьшались сверху вниз. Под нижнее сито подставляют поддон, а на верхнее надевают крышку.

Из сухого грунта отбирают пробу, а) для грунтов, не содержащих частиц крупнее 2 мм, —100—200 г, б) для грунтов, содержащих гравии и галечник до 10%, —300—400 г, в) для грунтов, содержащих более 10% гравия и галечника, не менее 1 кг.

Пробу грунта взвешивают. Взвешенный грунт помещают на верхнее сито и встряхивают до тех пор пока в ситах не будет достигнуто полной сортировки частиц грунта по фракциям.

В результате просеивания грунта в ситах задерживаются фракции: более 10 мм; 10—7 мм; 7—5 мм; 5—3 мм; 3—2 мм; 2—1 мм; 1—0,5 мм; 0,5—0,25 мм и менее 0,25 мм — т. е. то, что осталось в поддоне.

Каждую фракцию в отдельности высыпают в фарфоровую чашечку (вес которой определяют заранее) и взвешивают на технических весах с точностью до 0,01 г.

Зная общий вес навески грунта, вычисляют процентное содержание каждой фракции и определяют по классификации гранулометрический класс грунта.

Из физических свойств грунтов визуально (на глаз) определяют: консистенцию — для связных грунтов и плотность — для несвязных; из технологических свойств: резание грунта черпаком, степень заполнения черпаков,; условия освобождения черпаков для многочерпаковых снарядов и условия отделения и всасывания грунта для землесосов.

Перечисленные физические и технологические свойства характеризуются следующими показателями.

По консистенции связные грунты бывают:

а)  очень текучими — растекающимися тонким слоем;

б)  текучими — растекающимися толстым слоем в виде густой кашицы;

в)  мягкопластичными — легко формующимися;

г)  тугопластичными — формующимися с трудом;

д)  полутвердыми — при формировании крошащимися;

е)  твердыми — при ударе разбивающимися на куски.

Плотность песков и супесей можно определить приближенно по сопротивлению грунта погружению наметки:

а)  рыхлые — наметка легко входит в грунт;

б)  средней плотности — наметка входит в грунт при нажиме с поворачиванием, легко «втирается»;

в)  плотные — наметка «втирается» с трудом;

г)  очень плотные — наметка при ударе отскакивает от грунта и не «втирается».

Для землесосов условия отделения и всасывания грунта характеризуются следующими признаками:

а)  всасывается легко без разрыхлителя;

б)  легко отделяется от дна разрыхлителем и легко всасывается;

в)  для отделения грунта от дна требуются значительные усилия, засасывание происходит пластичной стружкой;

г)  для отделения грунта от дна требуются большие усилия, грунт прилипает к ножам и всасывание затруднено.

Резание грунта черпаком различают:

а)  очень легкое — грунт черпается как вязкая жидкость;

б)  легкое — грунт легко отделяется от основной массы, черпак легко врезается в грунт;

в)  среднее — грунт отделяется с некоторым усилием, связные грунты вырезаются пластичной стружкой, песчаные грунты— сплошной массой;

г)  тяжелое — грунт режется с большим усилием, связные грунты сохраняют форму, полученную при резании;

д)  очень тяжелое — при черпании ощущается удар черпаков о грунт, последний откалывается отдельными кусками.

Степень заполнения черпаков грунтом может быть больше или меньше водовместимости черпака.

Освобождение черпаков бывает:

а)  быстрое и полное — грунт быстро сливается без остатка или вываливается всей массой вместе с водой;

б)  замедленное, но полное — сначала из черпака выливается верхний слой воды, потом стекает или выливается весь грунт;

в)  замедленное и неполное — сначала из черпака выливается верхний слой воды, затем стекает грунт, но часть его, прилипшая к черпаку, не вываливается;

г)  сильно замедленное и неполное — грунт вываливается медленно, так что часть черпаков опорожняется за пределами грунтового колодца, в большей части черпаков остается прилипший грунт, отдельные черпаки совсем не опорожняются.

Методы определения гранулометрического состава — Справочник химика 21

    Степень измельчения многих сыпучих и порошкообраз-ных материалов является одной из важнейших характеристик, определяющей их технологические качества и области практического использования. Гранулометрический (дисперсный, зерновой) состав наиболее полно характеризует степень измельчения. Ситовой анализ—один из методов определения гранулометрического состава порошков и сыпучих материалов — осуществляется путем механического разделения материала на фракции с частицами определенной крупности. В ситовом анализе используют стандартные нормированные тканые проволочные и шелковые сетки с квадратными отверстиями (ячейками), а также металлические решетные сетки с пробивными круглыми, продолговатыми и треугольными отверстиями. Ситовой анализ применим для материалов с размерами частиц 10—0,04 мм, что соответствует шкале сит по ГОСТ 3584—73. [c.129]
    Методы определения гранулометрического состава СМ выбирают в зависимости от крупности частиц.  [c.26]

    Метод определения гранулометрического состава [c.336]

    Разработано большое число методов определения гранулометрического состава пыли. Ниже описаны только те методы, которые нашли практическое применение в технике пылеулавливания в цветной металлургии. [c.92]

    Из других методов дисперсионного анализа порошков довольно широко распространен метод определения гранулометрического состава с помощью микроскопа. Метод заключается в измерении размеров частиц визуально либо по микрофотографиям препарата. Для зернового анализа частиц размером более 0,5 мкм используются микроскопы с обычной световой оптикой, для частиц с размерами менее 0,5 мкм применяются электронные микроскопы. Точность микроскопического анализа становится приемлемой, если число измерений достигает не менее тысячи для каждой фракции. Часто к недостатку этого метода относят отсутствие возможности производить замеры в трех направлениях [6, 12]. Это объясняется стремлением каждого зерна принять самое устойчивое положение, т. е. лечь на свою большую поверхность, благодаря чему становятся видимыми и доступными измерению только большие размеры. Необходимость подсчета значительного количества частиц приводит к существенным затратам времени при проведении микроскопических измерений. [c.20]

    При выборе того или иного варианта прибора и метода определения гранулометрического состава необходимо руководствоваться опытом в использовании существующих приборов. Для вибрационных приборов характерно уменьшение амплитуды колебаний с увеличением массы пробы порошка и относительно малое время исследования.  [c.29]

    Наряду с микроскопическими методами определения гранулометрического состава загрязнений в маслах все шире применяются автоматические методы анализа — как в отдельной пробе масла, так и в потоке. [c.32]

    Ферросплавы. Метод определения гранулометрического состава [c.568]

    Микроскопические методы определения гранулометрического состава загрязнений, содержащихся в нефтяных маслах, получили весьма широкое распространение вследствие ряда преимуществ по сравнению с седимен-тационными более высокой точности возможности непосредственного подсчета доли частиц определенного размера (например, от 1 до 5 мкм, от 5 до 10 мкм и т. д.), а не их массы независимости результатов анализа от плотности загрязнений и др. [c.30]

    Методы определения гранулометрического состава различных материалов регламентируются стандартами и техническими условиями. В соответствии с этим выпускаются специальные наборы сит для ситового анализа отдельных видов материалов (зерна, семян сельскохозяйственных культур, удобрений, почвы, формовочных материалов, цемента и др.). В комплект фармакопейных сит включаются сита шелковые прямоугольные (ГОСТ 4403—77) с размерами ячеек от 0,1 до 0,315 мм, сито проволочное квадратной формы с размером отверстий 0,500 мм (ГОСТ 3524—47) и сита металлические с пробивными отверстиями круглой формы с размерами отверстий от 1 до 10 мм. [c.131]

    Большое влияние частиц, не задерживаемых ситами, на поведение буровых растворов установлено давно, но действительные измерения их доли производились редко. Методы определения гранулометрического состава твердой фазы в буровых растворах заимствованы главным образом из исследований глин, используемых в производстве керамики, и почв. Авторы далеки от намерения перечислять в настоящей книге многочисленные публикации, в которых рассматриваются эти мётоды. За детальным их описанием следует обратиться к сравнительно недавно вышедшим книгам по этому вопросу. [c.110]

    ГОСТ 21560.1—82. Удобрения минеральные. Методы определения гранулометрического состава. [c.158]

    Пекерман Ф. М., Кириллова Г. И., Разработка фотоэлектрического метода определения гранулометрического состава промышленных люминофоров, Сб. рефер. НИР по люминофорам за 1957 г., с. 28—29. [c.360]

    Предложенный [1] метод определения гранулометрического состава загрузки не может быть принят в силу неточности исходной модели автора, не учитывающей условия взвешивания загрузки и условия стесненного осаждения гранул катионита и анионита. [c.164]

    Метод определения кажущейся плотности свободно насыпанных порошков Метод определения скорости течения металлических порошков Метод определения гранулометрического состава металлических порошков ситовым анализом [c. 21]

    Стандарт не устанавливает методы определения гранулометрического состава смесей порошков различных металлов. [c.58]

    Из косвенных методов определения гранулометрического состава порошков наиболее широко применяются в практической работе седиментационные. Седиментацион-ный анализ основан на. зависимости скорости осаждения (седиментации) однородных частиц в вязкой среде от их размеров. Для определения гранулометрического состава порошков, состоящих из очень малых частиц (менее 2—3 мкм), ввиду медленности их оседания в поле сил тяжести применяют центробежные поля. [c.29]

    Выбор метода определения гранулометрического состава зависит от цели исследования. Если создается новый медицинский препарат, то оптимальным будет такой метод исследования, который дает наибольшую информацию о составе порошка. В целях технолбгического контроля производства порошка, качества и тонины его измельчения выбирают быстродействующие, желательно бесконтактные методы анализа. В работе [38] рекомендуется выбирать метод исследования в зависимости от отношения удельной поверхности к диаметру частиц, а в работе [50] приводится обзор методов анализа фракционного состава и рекомендуется при выборе того или иного метода исходить из диаметра частиц, скорости и точности измерения. [c.38]

    Седимептационные методы определения гранулометрического состава применяют для определения частиц тонкодисперсных. масс с величиной частиц менее 0,05 жл (глины, каолины и т. д.). Сущность методов основана на зависимости между размером частицы и скоростью ее осаждения в жидкой среде более крупные частицы осаждаются быстрее мелких. При допущении, что все осаждающиеся частицы имеют форму шара, осаждение происходит под действием силы Р, пропорциональной весу частицы  [c.197]

    Фотоимпульсный метод определения гранулометрического состава сыпучих материалов нашел применение лишь в последние годы. Этот метод позволяет, с помощью электронной аппаратуры быстро определить дисперсность порошков, состоящих из частиц одинакового химического и минералогического состава.  [c.15]

    Разработанный метод использования критерия Ханкока с корректировкой на исходный состав позволяет определить истинное значение оптимальных параметров разделения. Однако использование этого метода не является простым, особенно в том случае, когда исходный состав питания меняется в течение одного акта разделения (опыта), что наиболее характерно для производственных условий. Создается ситуация необходимости постоянной корректировки процесса, что весьма слолчно, в первую очередь, из-за отсутствия надежных экспресс-методов определения гранулометрического состава. [c.139]

    ГОСТ 10900—74, Иониты, Методы определения гранулометрического состава. Переизд. Апрель 1979, [c.224]

    Таким образом, только прямые методы определения гранулометрического состава позволяют судить о содержании в материале различных классов зерен. К прямым методам относятся седимента-ционный (весовой, пипеточ- [c.289]

    Принцип дисперсионного анализа суспензий при помощи пи-петочного прибора основан на методе отбора весовых проб. Этот метод, по мнению большинства специалистов, наиболее достоверен. Он включен в ряд отечественных и зарубежных стандартов как основной метод определения гранулометрического состава тонкодисперсных порошкообразных материалов. [c.42]

    Известные методы определения гранулометрического состава порошков и пыли при помощи электронного микроскопа (седиментомет-рический), а также большое количество методов определения удельной поверхности порошков адсорбцией, смачиванием и растворением весьма сложны, трудоемки. [c.95]

    Экспериментальное определение ошибки ситового анализа кокса а чистом виде практически невыполнимо, поскольку в процессе рассева, как показано нами в работе [28], происходит некоторое разрушение крупных кусков. Выполнение эксперимента на механически обработанном коксе, устойчивом к воздействию разрушающих усилий, искажает действительную картину. Это происходит потому, что в кусках кокса поле обработки несколько сглажены углы и грани. Видима, по этой причине ни в ГОСТ 5954 — 69 на метод определения гранулометрического состава, ни в справочнике коксохимика, ни в других опубликованных материалах допустимая ошибка в двух параллельнь1Х определениях не указьшается. Выполненные нами опь1ТЫ [28, 123] позволяют считать, что в среднем для различных уровней глубины разрушения кокса среднее расхождение в параллельнь(х определениях показателей может быть при ннто следующим  [c.64]

    Наиболее распространенным методом определения гранулометрического состава цемента является седимелтометри-ческий анализ, который основан иа том, что скорость падения зерен в жидкой среде изменяется в зависимости от -их размеров. Существуют три метода седиментометрического анализа объемный, весовой и фотоэлектрический. [c.256]

---

Анализ сита

— Свойства и поведение почвы — Онлайн-руководство лаборатории

Тест на анализ размера зерна выполняется для определения процентного содержания каждого размера зерна, содержащегося в образце почвы, и результаты теста могут использоваться для построения кривой распределения зерна по размеру. Эта информация используется для классификации почвы и прогнозирования ее поведения. Для определения гранулометрического состава обычно используются два метода:

• Ситовой анализ, используемый для частиц размером более 0.Диаметром 075 мм и
• Гидрометрический анализ, используемый для частиц диаметром менее 0,075 мм

Ситовой анализ — это метод, который используется для определения гранулометрического состава почв, диаметр которых превышает 0,075 мм. Обычно это делается для песка и гравия, но его нельзя использовать в качестве единственного метода для определения гранулометрического состава более мелкой почвы. Сита, используемые в этом методе, сделаны из плетеной проволоки с квадратными отверстиями. Список U.Стандартные номера сит с соответствующими размерами отверстий приведены в таблице 3.1.

Таблица 3.1: Размер сита США

• Этот метод испытаний используется в основном для оценки заполнителей. Результаты используются для определения соответствия гранулометрического состава применимым техническим требованиям и для предоставления необходимых данных для контроля производства различных агрегатных продуктов и смесей, содержащих агрегаты.
• Эти данные также могут быть полезны при установлении взаимосвязей, касающихся пористости и упаковки.Информация, полученная в результате гранулометрического анализа (коэффициент однородности C _и , коэффициент кривизны, C _c и эффективный размер, D ₁₀ и т. Д.), Используется для классификации почвы.
• Размер частиц — один из критериев, используемых для определения пригодности почвы для строительства дорог, насыпей, плотин и т. Д.
• Информация, полученная в результате анализа размера частиц, может использоваться для прогнозирования движения почва-вода, если тест на проницаемость недоступен.

• Чтобы получить кривую гранулометрического состава для данного образца почвы.

• Набор сит с крышкой,
• Ступка и пестик или механическое измельчение почвы
• Весы, чувствительные к 0,1 г
• Духовка
• Механический встряхиватель сит
• Щетка

• ASTM D6913: Стандартные методы испытаний для гранулометрического состава (градации) почв с использованием ситового анализа.

1. Получите репрезентативный образец высушенной в печи почвы.
   Рисунок 3.1: Взвешивание некоторых репрезентативных образцов, высушенных в печи Рисунок 3.2: Промывка сит перед испытанием
2. Измельчите образец почвы как можно мельче с помощью ступки и пестика или механического измельчителя почвы.
3. Возьмите образец почвы массой около 500 г и определите его массу W ₀ (г).
4. Установите сита так, чтобы сита с большими отверстиями (меньшие числа) располагались над ситами с меньшими отверстиями (большее число). Поместите поддон под последнее сито (# 200), чтобы собрать часть почвы, проходящую через него.Сита № 4 и № 200 всегда должны быть включены в штабель.
   Рисунок 3.3: Стопка сит в заказе
5. Убедитесь, что сита чистые. Если в отверстиях застряли частицы почвы, вытолкните их щеткой.
   Рисунок 3.4: Засыпка образца почвы через сита
6. Взвесьте чашу и все сита по отдельности.
   Рис. 3.5: Вибросито
7. Насыпьте землю сверху в стопку сит и накройте ее крышкой. Поместите стопку в шейкер, закрепите зажимы, установите таймер на 10–15 минут и запустите шейкер.
   Рисунок 3.6: Взвешивание каждого сита после встряхивания
8. Остановите встряхиватель сита и измерьте массу каждого сита и оставшейся почвы.

Видео лекции

Презентация PowerPoint создана, чтобы понять предысторию и метод этого эксперимента.

Демонстрационное видео

Выполнено короткое видео, демонстрирующее процедуру эксперимента и пример расчета.

Образец листка технических данных

Пример расчета

Для сита №8
Вес сита = 491.8 г
Сито + вес почвы = 504 г
Вес удерживаемой почвы = (504 — 491,8) = 12,2 г
Сохраненный процент = 2,2 долл. США / 300 × 100 = 4,07%
Совокупный оставшийся процент = 0 + 4,07 = 4,07%
Процент мельче = 100 — 4,07 = 95,93%
Гранулометрический состав образца почвы может быть получен путем нанесения процентного содержания более мелкой фракции с помощью соответствующего сита на полукруглую миллиметровую бумагу, как показано ниже. Пример кривой гранулометрического состава показан на рисунке 3.7.

Рисунок 3.7: Кривая распределения частиц по размерам

he Значения D ₁₀ , D ₃₀ и D ₆₀ , которые являются диаметрами, которые соответствуют процентному содержанию мельчайших частиц 10%, 30% и 60%, соответственно, могут быть определяется из кривой гранулометрического состава.Значения коэффициента однородности C _u и коэффициента градации C _c могут быть рассчитаны с использованием следующих уравнений:

Значения C _u и C _c используются для классификации, является ли почва хорошей или нет. Песок считается хорошо отсортированным, если C _u больше 6 и C _c от 1 до 3. Чтобы гравий считался хорошо отсортированным, C _u должно быть больше 4 и C _c . должно быть от 1 до 3.

Из рисунка 3.5,

D ₁₀ = 0,18, D ₃₀ = 0,35 и D ₆₀ = 0,61

Коэффициент однородности, C _u = D ₆₀ / D ₁₀ = 0,61 / 0,18 = 3,39

Коэффициент градации, C _c = (D ² ₃₀ ) / (D ₆₀ × D ₁₀ ) = (0,35) ² /(0,61 × 0,18) = 1,12

Пустой лист данных

Используйте предоставленный шаблон, чтобы подготовить лабораторный отчет для этого эксперимента.Ваш отчет должен включать следующее:

• Цель теста
• Приложения теста
• Используемая аппаратура
• Процедуры испытаний (необязательно)
• Анализ результатов теста — Заполните предоставленную таблицу и покажите один пример расчета. Нарисуйте кривую гранулометрического состава. Вычислить C _u и C _c
• Резюме и выводы — Прокомментируйте форму кривой гранулометрического состава данного образца почвы.Прокомментируйте, хорошо ли рассортирована почва или нет.

РАСПРЕДЕЛЕНИЕ ЗЕРНА

I.SIEVE АНАЛИЗ

ЦЕЛЬ

(а). Выберите сита в соответствии со спецификациями I.S и выполните просеивание.
(б). Определите процент удерживаемой почвы на каждом сите.
(с). Нарисуйте график между размером зерна бревна почвы и% мельче.

НЕОБХОДИМОСТЬ И ОБЪЕМ ОПЫТА

Гранулометрический анализ широко используется в классификация почв.Данные, полученные из кривых гранулометрического состава используется при проектировании фильтров для земляных плотин и для определения пригодности грунт для дорожного строительства, аэродрома и др. Информация полученные при гранулометрическом анализе, можно использовать для прогнозирования движения воды в почве. хотя чаще используются тесты на проницаемость.

ПЛАНИРОВАНИЕ И ОРГАНИЗАЦИЯ

Аппарат

1. баланс

2.I.S сита

3. резина пестик и ступка.

4. механический Ситовый шейкер

Гранулометрический анализ — это попытка определить относительные пропорции зерен разного размера, которые составляют учитывая массу почвы.

ЗНАНИЯ ОБОРУДОВАНИЯ

1. Используемые весы должны быть чувствительны к 0,1% от общей массы взятой пробы.

2.I.S 460-1962 используются. Сита для испытаний почвы: От 4,75 мм до 75 мкм.

ПРОЦЕДУРА

1.Для образцов почвы, удерживаемых на IS 75 микрон. сито

(а) Пропорция почвы образец, удерживаемый на сите I.S 75 микрон, взвешивается и регистрируется вес почвы. образец согласно I.S 2720.

(б) I.S сита выбраны и расположены в порядке, указанном в таблице.

(в) Образец почвы разделены на различные фракции путем просеивания через сита, помещенные в вышеупомянутый порядок.

(г) Вес почвы остается на каждом сите.

(е) Влажность почва, если она превышает 5%, должна быть измерена и записана.

2. Ни одна частица образца почвы не должна быть проталкивается через сита.

НАБЛЮДЕНИЯ И ЗАПИСЬ

Масса образца грунта:

Содержание влаги:

И.Номер или размер сита в мм	Вт. На каждом сите (г)	Процент на каждом сите	Совокупный% возраста, оставшийся на каждом сите	% мельче	Примечания
4,75
4.00
3,36
2,40
1,46
1.20
0,60
0,30
0,15
0.075

ГРАФИК

Нарисовать график между журналами размер сита по сравнению с% мельче. График известен как градуировочная кривая. Соответствует На 10%, 30% и 60% мельче, полученные диаметры из графика обозначены как D _10, Д _30, Д _60.

РАСЧЕТ

1. Процентное содержание почвы количество остатков на каждом сите рассчитывается на основе общей массы взят образец почвы.
2. Совокупный процент почвы, оставшейся на последующем сите.

II. АНАЛИЗ ГИДРОМЕТРА

ЦЕЛЬ

Гранулометрический анализ почв ареометрическим анализом тестовое задание.

СПЕЦИАЛЬНЫЙ ЦЕЛЬ

1. Определить гранулометрический состав почвы. образец, содержащий значительное количество штрафов.

2.Построить кривую гранулометрического состава.

НУЖНО И ОБЪЕМ ЭКСПЕРИМЕНТА

Для определения гранулометрического состава почвы пробы, обычно механический анализ (ситовый анализ), при котором используемое более тонкое сито — 63 микрона или более близкое отверстие. Если почва содержит заметное количество мелких фракций при влажном анализе (менее 63 микрон) сделано. Одной из форм анализа является анализ ареометра.Это очень много полезно для классификации почвы в соответствии с классификацией ISI. Свойства на почву очень сильно влияет количество глины и других фракций.

АППАРАТ

1. Ареометр

2. Стеклянный мерный цилиндр-2 по 1000 мл. емкость с матовым стеклом или резиновыми пробками диаметром около 7 см и высотой 33 см с отметкой об объеме 1000 мл.

3. Термометр для крышки диапазон от 0 до 50 ^o ° C с точностью до 0.5 ^o С.
4. Водяная баня.
5. Перемешивающее устройство.
6. I.S ситовый аппарат.
7. Весы с точностью до 0,01 г.
8. Духовка-105 до 110.
9. Секундомер.
10. Эксикаторы
11. Сантиметровая шкала.
12. Фарфор испарительный блюдо.
13. Коническая широкая горловина колба или конический стакан вместимостью 1000 мл.
14. Толстая воронка-около 10 см в диаметре.
15. Фильтр-колба-забрать воронка.
16. Цилиндр мерный-100 емкость мл.
17. Бутылка для промывки, содержащая дистиллированная вода.
18. Фильтровальная бумага.
19. Стеклянный стержень-около 15 к 20 см в длину и от 4 до 5 мм в диаметре.
20. Перекись водорода-20 объемный раствор.
21. Кислота соляная N раствор — 89 мл концентрированной соляной кислоты. (удельный вес 1.18) разводят дистиллированной водой один литр раствора.
22. Натрий раствор гексаметафосфата — растворяют 33 г гексаметафосфата натрия и 7 г Грамм карбоната натрия в дистиллированной воде, чтобы приготовить один литр раствора.

КАЛИБРОВКА ГИДРОМЕТРА

Объем

(a) Объем вытесненной воды: примерно 800 мл В мерный цилиндр на 1000 мл налить воду.Чтение уровень воды должен наблюдаться и регистрироваться.

Ареометр должен быть погружен в воду и уровень должен снова наблюдаться и регистрироваться как объем груши ареометра. в мл плюс объем погружаемой части стержня. Для практических В целях ошибки включения этого объема стержня можно пренебречь.

(b) Из веса ареометра: Ареометр. будут взвешиваться с точностью до нуля.1 г.

Вес в граммах должен регистрироваться как объем колба плюс объем стержня ниже отметки 1000 мл. Для В практических целях ошибка из-за включения этого стержня может быть пренебрегали.

Калибровка

(a) Площадь сечения мерной емкости объемом 1000 мл. цилиндр, в котором будет использоваться ареометр, должен быть определен путем измерения расстояние между градуировками.Площадь сечения равна объему включить между двумя градуировками, разделить на измеренное расстояние между их.

Разместите ареометр на бумаге и зарисовать его. На эскизе отметьте самый нижний и самые высокие показания ареометра, а также отметки на шейке лампочка. Отметьте центр луковицы, который составляет половину расстояния между шейкой колба и кончик колбы.

(b) Расстояние от самого низкого показания до центра колбы (R _h ) записывается

(R _h = H _L + L / 2).

(c) Расстояние от самого высокого показания ареометра. до центра колбы измеряется и регистрируется.

(d) Постройте график зависимости показаний ареометра от H _H и R _H . Получается прямая линия. Эта калибровочная кривая используется для калибровки показаний ареометра, снятых за 2 минуты.

(e) Начиная с 4 минут, показания должны быть измеряется путем погружения ареометра каждый раз.Это делает почвенный раствор подниматься, увеличивая расстояние свободного падения частицы. Итак, исправление применяется к показаниям ареометра.

(f) Поправка, примененная к R _h и H _H

V _h = Объем груши ареометра в мл.

А = Площадь измерительного цилиндра в см ² .

Из этих двух исправленных показаний возьмите график (прямая)

Гранулометрический состав в почвенных данных и расчетная таблица

Дата:

Образец №:

Общий вес взятого сухого грунта, W =

Удельный вес грунта, G =

Ареометр No._____________ Вес. Грунта, ушедшего в раствор, Вт _с =

Коррекция мениска, C _n = Диспергирующий агент поправка =

Считывание в воде RW =

Температурная поправка =

% мельче по мас. Почвы W _s ушел в раствор N = [(100G) / {W _s x (G 1)}] x

рандов

Дата	Время	Истекшее время в сек.	Показания ареометра верхнего мениска R ч 1000	Откорректированные показания ареометра (1- нижний мениск C м )	Z r или Z л r	Скорость, см / сек В = Zr / К или Z л r / т	Эквивалентный диам.Частиц D мм	R	N (на % мельче для почвы)	ЗАМЕЧАНИЯ

Вернуться к оглавлению

Ситовый анализ — процедура анализа размера частиц

Методы анализа размера сит

Определение размера изделия более важно в гражданском строительстве, поскольку размер частиц определяет эффективность конечного продукта.Такие характеристики частицы, как объемная плотность, физическая стабильность, проницаемость и многие другие, определяются ее размером. Для определения гранулометрического состава частиц процедура ситового анализа является эффективным методом, который преобладал в прошлом. При ситовом анализе гранулометрический состав определяется по массе или объему. Ситовый анализ — это процедура лабораторных испытаний, при которой частицы будут двигаться вертикально или горизонтально через сито. В зависимости от потребностей и материала частиц доступны различные методы просеивания.Это ручной метод просеивания, метод механического просеивания, метод сухого просеивания и метод мокрого просеивания.

Ручной метод просеивания применяется в местах, где нет электричества, и в основном используется для разделения крупных и мелких частиц на месте. Механический метод просеивания используется в лабораториях для обеспечения качества, и это широко используемый метод в настоящее время. В механическом просеивании метод может быть разделен на две дополнительные группы в зависимости от их просеивающего движения: метод просеивания с горизонтальным движением и метод просеивания с вертикальным движением.Метод просеивания с вертикальным движением также известен как метод рассева методом выброса и вибрационного просеивания. В основном рассматривается метод сухого просеивания, и здесь исследуемые частицы (образец) находятся в сухом состоянии. Метод мокрого просеивания рассматривается, когда частица, которая будет использоваться, уже существует в виде влажной или суспензии. Здесь, в машине для встряхивания сита, будет предусмотрено сопло для полива самого верхнего материала пробы. Но нужно немного больше о концентрации воды во время этого эксперимента по мокрому просеиванию.

Британская стандартная процедура испытания на просеивание

Необходимых материалов:

Образец, встряхиватель сита, стандартные сита BS410, весы с точностью 0,1 г, печь, фарфоровая тарелка и шпатель, приемный поддон, щетка для очистки и часы.

Процедура:

• Очистите сита встряхивающего устройства сит, используя щетку для очистки, если какие-либо частицы попали в отверстия.
• Запишите вес каждого сита и приемного лотка.
• Сушите образец в духовке в течение 3-4 минут, чтобы получить высушенный образец (не обращайте внимания, если образец уже высох).
• Взвесьте образец и запишите его вес.
• Расположите сита по порядку: меньшие отверстия просеивают до последнего, а большие отверстия просеивают вверх. (Просто расположите их в порядке возрастания номеров сит — сито № 4 вверху и сито № 200 внизу) — Номера сит и размеры частиц приведены ниже в таблице для дальнейшего понимания.

basiccivilengineering.com

• Храните измеренный вес образца на верхнем сите, а затем храните всю стопку сит на встряхивателе сит (не забудьте сохранить крышку и приемный лоток).
• Дайте шейкеру поработать 10-5 минут — используйте часы здесь ..!
• Снимите стопку сит с шейкера и запишите вес каждого сита и приемного лотка отдельно.

  basiccivilengineering.com

  basiccivilengineering.com

  basiccivilengineering.com

  basiccivilengineering.com

  Пример расчета

Комментарии

комментария

Определение гранулометрического состава почвы по инфракрасному спектру с использованием прогнозов машинного обучения: методология и моделирование

Abstract

Точность инфракрасных (IR) моделей для измерения гранулометрического состава (PSD) почвы зависит от подготовки почвы, методологии (осаждение, лазер), времени оседания и соответствующих характеристик почвы.Для данных о составе почвы может потребоваться преобразование логарифмического отношения ( или ), чтобы избежать числовых ошибок. Машинное обучение может связывать множество независимых переменных, которые могут влиять на спектры NIR для оценки распределения частиц по размерам. Наша цель состояла в том, чтобы достичь высокой точности прогноза IRS для широкого диапазона методов PSD и свойств почвы. Всего было просканировано 1298 образцов почвы из восточной Канады. Спектры были обработаны с помощью стохастического градиентного усиления (SGB) для прогнозирования песка, ила, глины и углерода.Наклон и пересечение логарифмических соотношений между временем установления и функцией плотности суспензии (SDF) (R ² = 0,84–0,92), выполняемые аналогично спектрам NIR с использованием преобразования ilr (R ² = 0,81–0,93). ) или в процентах (R ² = 0,76–0,94). Время установления 0,67 мин и 2 часа было наиболее точным для прогнозов NIR (R ² = 0,49–0,79). Прогноз NIR метода просеивания песка (R ² = 0,66) был более точным, чем метод седиментации (R ² = 0.53). Коэффициент усиления NIR 2X был менее точным (R ² = 0,69–0,92), чем 4X ( ² R = 0,87–0,95). MIR (R ² = 0,45–0,80) показал лучшие результаты, чем спектры NIR (R ² = 0,40–0,71). Добавление почвенного углерода, восстановленной объемной плотности, pH, красно-зелено-синего цвета, оксалата и экстрактов Mehlich4 вернуло значение 0,86–0,91 R для прогнозирования текстуры. Помимо наклона и пересечения SDF, 4-кратного усиления, методов и классов предварительной обработки, углерод и цвет почвы оказались многообещающими характеристиками для рутинного анализа размера частиц в ближнем ИК-диапазоне, обработанного SGB.Методы машинного обучения поддерживают экономичный NIR-анализ текстуры почвы.

Образец цитирования: Parent EJ, Parent S-É, Parent LE (2021) Определение гранулометрического состава почвы по инфракрасным спектрам с использованием прогнозов машинного обучения: методология и моделирование. PLoS ONE 16 (7): e0233242. https://doi.org/10.1371/journal.pone.0233242

Редактор: Дебджани Сихи, Университет Эмори, США

Поступило: 29 апреля 2020 г .; Принята к печати: 16 мая 2021 г .; Опубликован: 20 июля 2021 г.

Авторские права: © 2021 Parent et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Данные и код R, разработанные Элизабет Пэрент и Серж-Этьен Пэрент, доступны по адресу: https://github.com/eliparent/particle-size-distribution-Ft-NIR-spectroscopy.

Финансирование: LEP NSERC-CG-2254 Леон Этьен Родитель http: // www.vrrc.ulaval.ca/fileadmin/ulaval_ca/Images/recherche/bd/chercheur/fiche/51840.html Этот проект финансировался Советом естественных наук и инженерии Канады (CG-2254 и CRDPJ 385199-09), Cultures Dolbec Inc. ., Groupe Gosselin FG, Prochamps Inc. и Ferme Daniel Bolduc Inc. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Спонсоры не играли никакой роли в дизайне исследования, сборе и анализе данных, решении опубликовать или подготовке рукописи.Это не влияет на нашу приверженность политике PLOS ONE в отношении обмена данными и материалами.

Введение

Гранулометрический состав почвы (PSD) имеет первостепенное значение для роста растений и управления почвой [1]. Имитируя осаждение частиц в естественных водоемах, PSD традиционно определялся количественно с использованием метода сита-пипетки, который определяет массу частиц, и метода баланса сито-ареометр или сито-отвес, который измеряет изменения плотности суспензии [2]. Считается, что методы седиментации переоценивают концентрацию пластинчатых частиц глины, которые не укладываются в закон Стокса [3].Число Рейнольдса должно быть меньше 0,05, в противном случае сила сопротивления седиментации увеличивается быстрее, чем предсказывается законом Стокса [3]. Поскольку органическое вещество связывает частицы почвы [4], органическое вещество часто разрушается с использованием предварительной обработки пероксидом в качестве модификатора метода для рассеивания частиц почвы. Лазерные методы намного быстрее, чем методы осаждения, но имеют тенденцию недооценивать размер частиц глины из-за недостаточной дисперсии частиц, несмотря на предварительную обработку ультразвуком, и для этого может потребоваться использование уравнений преобразования [5,6].

С другой стороны, спектроскопия в видимой и ближней инфракрасной области (VIS – NIR: 350–2500 нм) является эффективным инструментом для проверки качества и плодородия почвы [7], поскольку спектры хорошо коррелируют с некоторыми химическими, физическими и минералогическими свойствами [8]. VIS представляет диапазон видимого света от 350 до 780 нм, от фиолетового до красного. Поскольку большинство обычных почвенных и растительных лабораторий оснащены NIR-спектрометрами для анализа кормов, они могут способствовать документированию характеристик почвы с небольшими затратами.Если VIS недоступен, почвенный RGB (красный-зеленый-синий) можно оценить по цветовой диаграмме Манселла с использованием компьютерных моделей («munsell2rgb» из пакета «aqp»). Средний инфракрасный (MIR) обычно более точен, чем NIR [9], но требует большей подготовки проб, что ограничивает его применение в качестве обычного метода определения.

Инфракрасная спектроскопия (IRS) более точно предсказывает содержание глины, чем песка и ила [10], потому что ИК-спектр чувствителен к минералогии глины [10–12], а общий коэффициент отражения уменьшается с увеличением размера зерен [13,14].На поглощение света также влияют такие характеристики почвы, как округлость частиц [15–18], pH почвы и тест почвы Mehlich-3 на содержание Ca, Mg и Mn [19]. IRS обнаруживает Al-OH (2200 нм) и Fe-OH (2290 нм) [20,21], которые, в свою очередь, влияют на структуру почвы [22] и коэффициент отражения ИК-излучения [23]. Спектры VIS-NIR чувствительны к влажности почвы и содержанию углерода [24]. Органическое вещество, экстракция нескольких питательных веществ и восстановленная насыпная плотность из собранных образцов почвы также являются общими характеристиками, количественно определяемыми в обычных лабораториях.

Методы осаждения определяют процентное содержание песка, ила и глины на основе логарифмической зависимости между временем осаждения и плотностью суспензии. Пропорции откоса и пересечения песка, ила и глины при предварительно выбранном времени оседания, которое может варьироваться в разных лабораториях [1], что влияет на точность моделей IRS. Обеспечение большей гибкости с использованием наклона и пересечения логарифмической зависимости и уменьшение произвольности выбора времени установления может позволить повысить надежность моделей IRS, откалиброванных по методам седиментации.

Существуют необслуживаемые источники ошибок при калибровке IRS. Существует систематическая отрицательная ковариация между фракциями песка, ила и глины из-за резонанса в тройной диаграмме [25]. Действительно, в композиции D-частей есть D-1 степени свободы [26]. Не учитывая проблему приближения к 100% в статистическом анализе, доверительные интервалы для средних пропорций могут принимать значения за пределами композиционного пространства, то есть <0 или> 100% [27], а меры расстояния и несходства неевклидовы. [28].Чтобы получить объективные статистические результаты, ортонормированные балансы между подмножествами компонентов можно вычислить как изометрические логарифмические отношения D-1 ( или ) [29]. Значения ilr с обратным преобразованием позволяют восстановить доли песка, ила и глины в сумме ровно 100% в пределах тройной диаграммы.

Как для седиментации, так и для лазерных методов существует несколько предварительных обработок почвы (пероксид, гипохлорит натрия, гексаметафосфат натрия, интенсивность обработки ультразвуком), характеристики почвы, методы калибровки, опции (NIR 2X, NIR 4X, время осаждения или функция плотности суспензии для седиментации). ; вращение насоса и мешалки, показатель преломления среды, действительный или мнимый показатель преломления, плотность для лазера) и выражения (проценты, отношения), которые влияют на результаты распределения частиц по размерам.Машинное обучение (ML) — это новый метод интеллектуального анализа данных, созданный искусственным интеллектом, который может распутывать закономерности и правила в больших наборах данных [30] и предсказывать целевую переменную на основе входных данных [31]. Методы машинного обучения могут учитывать множество независимых переменных, которые могут влиять на спектры NIR, чтобы точно оценить гранулометрический состав почвы.

Этот документ состоит из двух частей, одна из которых посвящена методологии, а другая — моделированию. В разделе о методологии мы выдвинули гипотезу о том, что методы и предварительная обработка дают разные результаты и, следовательно, не могут быть объединены для запуска одного набора калибровок IRS без входной информации о методологиях.В разделе моделирования мы выдвинули гипотезу, что: 1. IRS не может точно предсказать PSD с помощью лазерных методов из-за недооценки глинистой фракции; 2. IRS точно прогнозирует фракцию песка, определенную с помощью методов просеивания песка; 3. IRS более точно прогнозирует PSD на основе методов седиментации после учета характеристик почвы; 4. Точность прогнозирования IRS для PSD улучшена с использованием наклона и пересечения логарифмической зависимости и изометрических логарифмических соотношений по сравнению с необработанными процентными значениями и заранее определенным временем установления; и 5.Точность прогнозирования MIR для PSD выше по сравнению со спектрами NIR. Цель этого исследования заключалась в калибровке методов инфракрасного определения с обычными методами PSD, методологическими модификаторами и характеристиками почвы для достижения высокой точности модели IR-ML для обычного определения текстуры почвы.

Материалы и методы

Характеристика почв

Набор данных из 1298 образцов почвы, собранных в пахотном слое (0–20 см), был получен из нескольких исследовательских институтов в Квебеке, Канада (рис. 1).Основными культурами были кукуруза ( Zea mays ), зерновые и корма на крупнозернистых и мелкозернистых почвах, картофель ( Solanum tuberosum ) на супесях и суглинистых песках и клюква ( Vaccinium macrocarpon ) на песчаных почвах. Почвы представляли собой в основном инцептисоли и сподосоли.

Образцы почвы сушили на воздухе, затем пропускали через сито 2 мм [32,33]. 2-миллиметровый просеянный грунт был зачерпнут 3 мл и затем взвешен для определения восстановленной объемной плотности, как это обычно выполняется в лабораториях для тестирования почвы.Цвет почвы был оценен на сухих образцах с использованием диаграммы Манселла, а затем преобразован в проценты RGB с использованием «munsell2rgb» в R. Общий углерод (Ct) был количественно определен с использованием анализатора Leco CNS (Leco Corporation, Сент-Джозеф, Мичиган). Для определения pH 10 г почвы смешивали с 20 мл 0,01 М CaCl ₂ . Для оксалатных экстрактов образец почвы весом 0,5 г смешивали с 20 мл раствора оксалата (0,2 М оксалата аммония и 0,2 М оксалатной кислоты) и перемешивали в течение 4 ч в темноте [34]. Смесь центрифугировали при 2000 об / мин в течение 5 мин, а затем фильтровали через Whatman no.40 бумага. Концентрации P, Fe, Ca, Al, Mn и Si определяли количественно с помощью ICP-OES. Извлечение почв производилось также стандартным методом Mehlich4 [35]. Концентрации P, Ca, Mg, Fe, Al, Mn, Zn и Cu были определены количественно с помощью ICP-OES.

Анализ размера частиц

Распределение частиц по размерам анализировали в образцах массой 50–100 г с использованием метода седиментации [36]. Отдельная партия почв была предварительно обработана пероксидом для сравнения с предварительной обработкой без пероксида. Образцы были смешаны с 0.05 M гексаметафосфата и перемешивали при 300 об / мин в течение 16 часов. Смесь переносили в цилиндр на 1 л и встряхивали вручную в течение 30 секунд. Показания плотности суспензии (г L ^-1 ), снятые через 0,75, 5, 120, 420 и 1440 минут, назывались многоточечным методом седиментации. Образцы, показывающие плотность суспензии через 0,67 и 120 мин, как первоначально предлагалось [37], были отнесены к методу 2-точечного 2-часового осаждения. Глинистая фракция также регистрировалась после 7-часового времени оседания, что близко к 6-часовому времени оседания, используемому Джи и Баудером (1979) [38].Хотя глинистая фракция была завышена по сравнению с 7-часовым многоточечным методом седиментации, в качестве эталона был выбран метод 2-точечного 2-часового осаждения, поскольку он широко использовался в качестве приближенного метода при обследовании почвы в сочетании с тактильной оценкой. . После снятия последнего показания все содержимое ареометра, полученное методом седиментации, было пропущено через сита 1, 0,5, 0,25, 0,10 и 0,05 мм под водопроводной водой для очистки более крупных частиц от любых приставших более мелких частиц и определения песка. -размерное распределение.Плотность суспензии была преобразована в массовые проценты по размеру частиц с использованием стандартных уравнений [37,38]. Кривая седиментации, связывающая плотность суспензии со временем осаждения, была преобразована логарифмически (ln) для определения наклона и пересечения в качестве параметров модели.

Образцы

также были проанализированы с помощью лазерного анализатора размера частиц Mastersizer 2000 (Malvern Instruments, Вустершир, Великобритания, измерения при 633 нм и 466 нм) в сочетании с Hydro 2000G (объем водопроводной воды 800 мл, мешалка со скоростью вращения 500 об / мин и насос с частотой вращения 2000 об / мин. ) с ультразвуковым воздействием или без него при номинальной частоте 40 кГц в течение 2 мин [39].В базе данных оставались только образцы в пределах от 10 до 20% затемнения. Показатель преломления среды был установлен на 1,5.

Расчет

Три фракции размера частиц и содержание углерода были преобразованы в изометрический логарифмический коэффициент ( ilr ) следующим образом [29]: (1) (2) (3)

Сбор спектральных данных

Высушенные воздухом и просеянные образцы [40] помещали в 5-сантиметровую кварцевую чашку, затем сканировали с использованием анализатора Nicolet Antaris FT-NIR (Thermo Electron Corp., Анн-Арбор, Мичиган). Поглощение измеряли с увеличением в 2 или 4 раза. Тройные спектры сканировали 30 раз в диапазоне от 9090 до 4000 см ^-1 (от 1100 до 2500 нм) с разрешением 2 см ^-1 (0,3 нм при 1250 нм) [41]. Библиотека из 3069 спектров NIR с 2-кратным усилением и 668 спектров с 4-кратным усилением была получена после нормировки вероятностного фактора и первого вывода [42]. Все образцы хранили в белых пластиковых контейнерах для хранения.

Образцы почвы и KBr измельчали ​​до толщины менее 74 мкм, используя ступку и пестик [43], затем сушили в печи при 105 ° C в течение 3 часов [44].Взвешивали образец весом 2 г и смешивали с 200 г порошка KBr. Смесь прессовали при 517 МПа в течение 3 минут с использованием ручного гидравлического пресса (Carver, Model 4350.L, Carver Inc., Wabash, Indiana), получая прозрачные гранулы диаметром 13 мм. Спектры средней инфракрасной области сканировали с использованием пропускающего DTGS-детектора Varian 1000 FT-IR Scimitar series Spectrometer (Varian Inc., Пало-Альто, Калифорния). Спектры находились в диапазоне от 4000 до 400 см ^-1 (от 2500 до 25000 нм) при разрешении 4 см ^-1 (0,6 нм).Каждую таблетку сканировали 10 раз и один раз повернули вручную на 90 °. Получена библиотека из 413 MIR-спектров.

Моделирование спектральных данных

Статистический анализ проводился с использованием версии R-3.6.1 [45] с пакетами «tidyverse», «reshape2», «stringi», «signal», «mvoutlier», «caret», «композиции», «почвенная текстура». , «Aqp», «пэчворк», «метла», «ggExtra», «ggmap», «neuralnet» и «выбросы». Метод машинного обучения (ML) был GBM (Stochastic Gradient Boosting), который превзошел другие модели машинного обучения, включая нейронные сети.Нейронные сети были протестированы со скрытым значением 3, а функция активации была выбрана как «логистическая» (таблица S2). Спектры NIR и MIR были нормализованы и прошли через процесс биннинга с 10 точками отсечения и сглаживающим фильтром Савицкого-Голея. После первого вывода спектры сжимаются в баллы с использованием анализа основных компонентов (PCA) [46]. Из-за разнообразия образцов почвы выбросы не удалялись. Процентное содержание песка, ила и глины, экстракты оксалата и Mehlich-3, состоящие из 0,2N Ch4COOH-0.25N Nh5N03-0,015NNh5F-0,013NHN03-0,001M EDTA были преобразованы в илr . Каждый набор был разделен на тренировочный (70%) и тестовый (30%).

Результаты

Характеристика почвы

Имеется широкий спектр свойств почв (таблица 1). Для сравнения, в почвах региона содержится от 5 до 137 г органического вещества кг ^-1 , от 560 до 19 992 мг оксалата Fe кг ^-1 и от 270 до 36 638 мг оксалата Al кг ^–1 и 4–494 г песка кг ^–1 , 40–734 г ила кг ^–1 и 6–796 г глины кг ^–1 [47].Распределение частиц по размерам представлено на рис. 2. Ортонормированные балансы были распределены нормально, за исключением [глина | ил, песок] лазерным методом (рис. 3). Действительно, содержание глины систематически занижалось, а содержание ила систематически завышалось лазерным методом.

Таблица 1. Диапазоны свойств почвы (0–20 см) в наборе данных (гранулометрический состав согласно многоточечному 7-часовому методу осаждения с использованием времени осаждения 45 секунд для песка и 7 часов для глины. ).

https://doi.org/10.1371/journal.pone.0233242.t001

Методологии

Парные методы сравнения t-критериев представлены в таблице 2. Сравнения, включающие предварительную обработку пероксидом, следует интерпретировать с осторожностью из-за меньшего количества наблюдений (от 26 до 38). Среднее значение ilr различий между эталонным методом 2-точечного 2-часового осаждения и другими методами показано на рис. 4. Разница между лазерным и 2-точечным 2-часовым методами седиментации зависела от координаты ilr (также показано на рис 3).После 2-минутной обработки ультразвуком [ил | песок] баланс несколько отличался между методами, в то время как [глина | ил, песок] баланс заметно различается между методами, что указывает на недостаточное диспергирование глинистых частиц.

Как и ожидалось, метод многоточечного 7-часового осаждения дает меньшую долю частиц размером с глину по сравнению с методом 2-точечного 2-часового осаждения из-за более длительного времени осаждения. Предварительная обработка перекисью для многоточечного 7-часового метода осаждения имела тенденцию к увеличению фракций глины и ила.[Ил | песок] баланс, полученный в результате предварительной обработки без пероксида, предшествующей методам осаждения, был сопоставим по всем методам, за исключением лазерного и предварительно обработанного многоточечного 7-часового методов осаждения. За исключением 0-минутного ультразвукового лазера и сопоставимых методов, количество песка было немного меньше по сравнению с просеиванием песка. Содержание песка существенно не различалось между предварительной обработкой перекисью или многоточечным расчетом без предварительной обработки. За исключением набора данных, предварительно обработанного пероксидом, [углерод | глина, ил, песок] на балансы по-разному влияли методики.

Моделирование спектральных данных

Для прогнозирования деталей методологий и характеристик набор данных был разделен на восемь подмножеств (Таблица 3). Модели прогнозирования были запущены для каждого подмножества. В целом точность прогнозов была самой низкой для иловой фракции и была одинаковой независимо от того, были ли данные необработанными или преобразованными в или . Как и ожидалось, фракция глины, определенная лазером в Set1, плохо связана со спектрами NIR (R ² = 0,45–0,64), независимо от того, была ли PSD выражена как ilr или% (Таблица 3).Сочетание лазерных и седиментационных методов в Set2 улучшило прогнозы по глине со значениями R ² , равными 0,85–0,91. В Наборе 3 прогнозы PSD были более точными с методом 2-точечного 2-часового осаждения (R ² = 0,49–0,79), чем с методом многоточечного осаждения (R ² = 0,44–0,70). Моделирование Set4 показало, что NIR был менее точным (R ² = 0,40–0,71) по сравнению с MIR (R ² = 0,45–0,80). Точность была выше с NIR-4X (R ² = 0.87–0,95), чем NIR-2X (R ² = 0,69–0,92) (Set5). Модели для Set6 показали, что данные, выраженные как ilr или% (R ² = 0,76–0,94) для интерполированной PSD, были точно так же точны для наклона и пересечения из зависимости между временем установления и плотностью суспензии (R ² = 0,84). –0,92). Некоторые функции Set7 улучшили точность модели (R ² = 0,86–0,91) по сравнению с отсутствием функций вообще (R ² = 0,82–0,97). Наибольший вклад в повышение точности внесло общее содержание углерода, затем следуют цвета и экстракты оксалатов.Наконец, содержание углерода показало более высокую производительность с исходными данными (R ² = 0,63–0,89), чем с данными, преобразованными в ilr (R ² = 0,28–0,84). По сравнению с моделью без элементов (R ² = 0,97), восстановленная объемная плотность (R ² = 0,99), цвет (R ² = 0,96), оксалат (R ² = 0,98) и Mehlich- 3 (R ² = 0,98) выдержки были аналогичны точности модели NIR. Для фракции песка модель NIR, откалиброванная методом просеивания песка, показала более высокую точность (R ² = 0.66) по сравнению с 2-точечным 2-часовым методом седиментации (R ² = 0,53).

Обсуждение

Методологии.

Инфракрасные технологии обычно калибруются по единой методологии. В этой статье несколько методик были протестированы с помощью ИК-излучения на сопоставимых образцах почвы. В данной статье представлены результаты IR-SGB по нескольким методологиям и функциям, которые редко упоминаются в литературе. Машинное обучение объединило доступную информацию о предварительных обработках, методах и функциях для прогнозирования текстуры почвы с небольшими затратами в обычных лабораториях.

Методы седиментации.

Предварительная обработка перекисью имела тенденцию к увеличению фракций глины и ила за счет фракции песка, что указывает на то, что частицы размером с глину и ил были освобождены от комплексов глины или ила-органического вещества в микроагрегатах [50 ]. В то время как металлы, такие как Fe, поглощаются органическими веществами почвы [51] или связаны с ними [52], железо может быть освобождено от органических веществ с помощью перекиси водорода с образованием реактивного гидроксида железа [53], который, наоборот, может положительно повлиять на агрегацию почвы [ 54].Таким образом, почвы, обработанные пероксидом, могут потребовать дополнительного диспергирования перед осаждением [55]. Тем не менее, 2-точечная 2-часовая седиментация с предварительной обработкой перекисью и без нее показала сопоставимые результаты или незначительные различия для [глина | ил, песок] и [ил | песок] балансирует.

Лазерный метод.

Теория Ми считает частицы почвы сферическими (Malvern Instruments Ltd., 2007). Для повышения точности могут быть включены такие параметры, как показатель преломления среды, действительный или мнимый показатель преломления и плотность.Двухминутный ультразвуковой лазерный метод и метод просеивания песка дали закрытые результаты. Обработка ультразвуком на 40 кГц в течение 2 минут оказалась подходящей для песчаных почв [56]. Варианты включают 36 кГц в течение 3 минут [57] и 30 кГц в течение 30 минут [2]. Хотя хрупкие зерна кварца можно разбить с помощью ультразвука [58], [ил | песок] весы для седиментационного метода показали результаты, близкие к 2-минутному ультразвуковому лазерному методу.

Согласно Storti and Balsamo (2010) [59], высокопрочные материалы не так подвержены влиянию процедур, как низкопрочные материалы.Используя воду в качестве диспергирующего агента и скорости вращения насоса и мешалки 1750, 700 об / мин, Sochań et al. (2012) [60] получили значения R ² от 0,67 до 0,95 для высокопрочных материалов в илистых суглинистых или песчаных почвах, значения, близкие к результатам наших исходных данных (R ² = 0,64–0,86). Для глинистых почв водопроводную воду можно заменить поверхностно-активным веществом или растворителем [61]. По мере увеличения количества мелких частиц и их объединения в агрегаты размером с песок, может потребоваться предварительная обработка, которая будет адаптирована к особенностям почвы.Стандартной процедуры диспергирования образцов почвы для лазерного метода не существует, поскольку предварительная обработка зависит от почвы.

Моделирование спектральных данных

В этом исследовании мы использовали подмножества ≥ 92 образцов и GBM в качестве метода машинного обучения для прогнозирования размера частиц по сравнению с предлагаемыми подмножествами ≥ 130 образцов для cLHS и FCMS [62]. Здесь только Set1 для лазерных образцов не соответствовал этому критерию. Деревья усиленной регрессии — еще один подходящий метод машинного обучения для сложных предсказаний [41], который относительно быстр по сравнению с алгоритмами случайного леса и нейронной сети.Точность модели при валидации находилась в диапазоне, описанном в литературе, где было обнаружено, что значения R ² варьируются от 0,46 до 0,94 для глины [10,63,64] и от 0,53 до 0,82 для песка. В более общем плане значения R ² могут широко варьироваться от 0,05 до 0,84 [65,66].

Точность прогноза.

Поскольку 2-точечная 2-часовая седиментация с предварительной обработкой и без нее показала сопоставимые результаты, их можно комбинировать для калибровки IRS с вводом информации о методе и обработке.Следовательно, результаты исследований почвы могут предоставить большую базу данных для калибровки IRS.

Лазерные методы дали результаты с меньшей точностью по сравнению с методами седиментации из-за недооценки глинистой фракции. [Ил | песок] при использовании лазерного метода, однако, был близок к таковому для метода 2-точечного 2-часового осаждения, несмотря на более высокие процентные содержания ила и песка для лазерного метода, что указывает на преимущество логарифмического соотношения. Более высокая точность лазерного метода была получена Blott и Pye (2006) [67] для широкого диапазона почв, отложений и порошков.Зобек (2004) [68] связал результаты лазерного дифракционного анализатора размера частиц LS-230 с результатами метода пипеток и получил значения R ² 0,97, 0,99 и 0,99 для <2-, <50- и <100 –мкм в некарбонатных почвах при использовании коэффициента формы 0,2 по сравнению с коэффициентом формы 1,0 по умолчанию для лазерного метода. Тем не менее, мы обнаружили, что лазерный метод не дает таких согласованных результатов, как метод седиментации для прогнозов глины с помощью IRS, с указанием региональной калибровки для конкретных почв.

Экстракты Mehlich-3, восстановленная насыпная плотность и pH не улучшили точность прогнозов. Характеристики почвы, такие как общее содержание углерода, цвета и аморфные материалы (экстракты оксалатов), повысили точность прогнозов модели. Точность прогноза содержания углерода может быть достигнута с такими характеристиками, как восстановленная насыпная плотность, а также Mehlich-3, красители и экстракты оксалатов.

Использование параметров функции плотности суспензии вместо произвольного времени установления не повысило точность прогнозов PSD, но обеспечило единообразную основу для запуска моделей NIR, поскольку различное время установления имеет прямое влияние на прогнозы.Затем, в наборе 3, мы заметили, что время оседания 0,67 мин и 2 часа было более точным, чем периоды 0,75 мин и 7 часов для прогнозов NIR для песка и глины.

В настоящем исследовании спектры MIR были более точными, чем NIR для определения песка, ила и глины. Метод NIR может обеспечить точный прогноз для глины, поскольку он также оказался точным для емкости катионного обмена (CEC) со значениями R ² 0,82 [41] и 0,81 [63]. В том же направлении Viscarra Rossel et al. (2006) [9] пришли к выводу, что MIR более подходит, чем NIR для определения текстуры и углерода, из-за более высокой частоты спектральных полос в сочетании с более высокой интенсивностью и специфичностью сигнала по сравнению с NIR.Чтобы дополнительно поддержать калибровку NIR и точность модели, модель машинного обучения GBM с R-кодом, используемая в настоящем исследовании, обнаружила несколько структурных классов почвы, содержание углерода и особенности, которые не рассматривались одновременно в прошлых исследованиях.

Выводы

В этой статье IRS неточно предсказал глинистую фракцию PSD с помощью лазерных методов. Тем не менее, IRS точно спрогнозировал PSD с учетом методов осаждения и просеивания после добавления таких характеристик почвы, как цвет, общее содержание углерода и концентрация аморфных материалов, связанных с генезисом и классификацией почвы.Предварительная обработка почвы и потребность в диспергирующих агентах могут быть скорректированы с учетом природы и концентрации вяжущих веществ для ила, частиц размером с глину и мелких частиц, приставших к частицам песка. В сочетании с методом и обработкой в ​​качестве характеристик, общее содержание углерода и цвет после скрининга, обычно определяемые в сервисных лабораториях, могут повысить точность IRS для минеральных почв. Такие свойства, как восстановленная насыпная плотность и экстракты Mehlich-3, могут быть добавлены в качестве свойств для почв с более высоким содержанием углерода.

GBM вернул аналогичные результаты, независимо от того, анализировались ли данные о размере частиц как необработанные заранее определенные времена осаждения (проценты) или как проценты, преобразованные в ilr .GBM вернул аналогичные значения точности, используя наклон и точку пересечения логарифмической зависимости между временем осаждения и плотностью суспензии, или — преобразованные проценты или необработанные проценты. Методы усиления MIR и NIR 4X работают лучше, чем метод усиления NIR 2X. Однако дополнительные функции повысили предсказуемость NIR 2X. Моделирование логарифмической взаимосвязи между временем осаждения и плотностью суспензии обеспечило большую гибкость в выборе времени оседания для конкретного грунта. Модель GBM оказалась мощным инструментом для обработки результатов нескольких аналитических методов, используемых во всем мире для определения гранулометрического состава почвы [8].В будущем могут быть включены другие методологии, такие как методы пипетки, а также химические методы и методы обработки ультразвуком для диспергирования микроагрегатов.

Благодарности

Мы благодарим Кэтрин Трембле, Жиля Трембле, Люси Гренон, Николя Трембле, Марио Латериер, Мари-Элен Ламонтань, Николаса Самсона, Мари-Ив Трембле, Лотфи Хиари, Жюли Герэн, Антуана Карама, Мишауэля Жербланка Лебланка , Реза Джамали, Зонлехуа Кулибали, Самуэль Мориссетт и Даниэль Маркотт за предоставленные образцы почвы и Джонатан Лафонд за R-кодирование лазерного метода.

Список литературы

1. 1. Бон СС, Гебхардт К. Сравнение времени оседания ареометра при анализе размера частиц почвы. J Range Manag. 1989. 42 (1): 81–3.
2. 2. Фишер П., Ауманн С., Чиа К., О’Халлоран Н., Чандра С. Адекватность лазерной дифракции для анализа размера частиц почвы. PLoS ONE. 4 мая 2017; 12 (5): 1–20. pmid: 28472043
3. 3. Ченг Нянь-Шэн. Упрощенная формула скорости оседания частиц осадка. J Hydraul Eng. 1 февраля 1997 г., 123 (2): 149–52.
4. 4. Cambardella CA. Агрегация и органическое вещество. В кн .: Энциклопедия почвоведения. Тейлор и Фрэнсис. Бока-Ратон, Флорида; 2006. с. 52–5.
5. 5. Ян XM, Drury CF, Reynolds WD, MacTavish DC. Использование ультразвуковой обработки для определения гранулометрического состава почвенных частиц и органических веществ. Может J Soil Sci. 1 аоûт 2009 г .; 89 (4): 413–9.
6. 6. Ян X, Чжан Q, Ли X, Цзя X, Вэй X, Шао М. Определение текстуры почвы методом лазерной дифракции.Soil Sci Soc Am J. 12.01.2015; 79 (6): 1556–66.
7. 7. Стивенс А., Носита М., Тот Г., Монтанарелла Л., ван Веземаэль Б. Прогнозирование содержания органического углерода в почве в европейском масштабе с помощью спектроскопии отражения в видимой и ближней инфракрасной области. PLOS ONE. 19 июля 2013 г .; 8 (6): e66409. pmid: 23840459
8. 8. Вискарра Россель Р.А., Беренс Т., Бен-Дор Э., Браун Д.Д., Дематте Джем, Шеперд К.Д. и др. Глобальная спектральная библиотека, характеризующая почву мира. Earth-Sci Rev.1, авр 2016 г .; 155: 198–230.
9. 9. Вискарра Россель Р.А., Вальвоорт Д.Дж., Макбратни А.Б., Яник Л.Дж., Скьемстад Ю.О. Спектроскопия в видимом, ближнем и среднем инфракрасном диапазонах или комбинированная спектроскопия диффузного отражения для одновременной оценки различных свойств почвы. Геодермия. 1 марта 2006 г.; 131 (1): 59–75.
10. 10. Стенберг Б., Йонссон А., Бёрджессон Т. Технология ближнего инфракрасного диапазона для анализа почвы с применением для точного земледелия. Infrared Spectrosc Proc 10th Int Conf. 1 января 2002 г.; 279–84.
11. 11.Браун ди-джей, Шеперд К.Д., Уолш М.Г., Дэуэйн Мейс М., Райнш Т.Г. Глобальная характеристика почвы с помощью спектроскопии диффузного отражения VNIR. Геодермия. 1 июля 2006 г.; 132 (3): 273–90.
12. 12. Соренсен Л.К., Далсгаард С. Определение глины и других свойств почвы с помощью ближней инфракрасной спектроскопии. Soil Sci Soc Am J. 1 января 2005 г .; 69 (1): 159–67.
13. 13. Leu DJ. Отражение пляжного песка в видимой и ближней инфракрасной областях: исследование зависимости спектрального коэффициента отражения от размера зерна.Remote Sens Environ. 1 января 1977 г.; 6 (3): 169–82.
14. 14. Окин Г.С., Художник ТХ. Влияние размера зерна на дистанционно измеряемую спектральную отражательную способность песчаных пустынных поверхностей. Remote Sens Environ. 15 февраля 2004 г.; 89 (3): 272–80.
15. 15. Барретт П.Дж. Форма частиц горной породы, критический обзор. Седиментология. 1980. 27 (3): 291–303.
16. 16. Баумгарднер М.Ф., Сильва Л.Ф., Биль Л.Л., Стоунер Э.Р. Отражательные свойства почв. В: Brady NC, éditeur. Достижения в агрономии [Интернет].Академическая пресса; 1986 [cité 11 ноя 2019]. п. 1–44. http://www.sciencedirect.com/science/article/pii/S0065211308606720.
17. 17. Боуман Е.Т., Сога К., Драммонд В. Характеристика формы частиц с использованием анализа дескрипторов Фурье. Геотехника. 1 août 2001; 51 (6): 545–54.
18. 18. Буллард Дж. Э., Уайт К. Количественная оценка покрытий из оксида железа на дюнных песках с использованием спектрометрических измерений: пример из пустыни Симпсон-Стшелецкий, Австралия. J Geophys Res Solid Earth.2002; 107 (B6): ECV 5-1 – ECV 5–11.
19. 19. Абди Д., Трембле Г.Ф., Зиади Н., Беланже Г., Родитель Л.-Э. Прогнозирование свойств почвы, связанных с фосфором, с помощью спектроскопии отражения в ближней инфракрасной области. Soil Sci Soc Am J. 1 ноя 2012; 76 (6): 2318–26.
20. 20. Кларк Р.Н., Кинг ТВВ, Клейва М., Суэйзи Г.А., Верго Н. Спектроскопия отражения минералов с высоким спектральным разрешением. J Geophys Res Solid Earth. 1990; 95 (B8): 12653–80.
21. 21. Сообщение JL, Благородный PN. Частоты комбинированных полос в ближнем инфракрасном диапазоне диоктаэдрических смектитов, слюд и иллитов.Clays Clay Miner. 1 декабря 1993 г.; 41 (6): 639–44.
22. 22. Xu Y, Jimenez MA, Parent S-É, Leblanc M, Ziadi N, Parent LE. Уплотнение грубых почв: модели баланса по минеральному и органическому составу. Фронт Ecol Evol [Интернет]. 2017 [cité 11 ноя 2019]; 5. Доступный сюр: https://www.frontiersin.org/articles/10.3389/fevo.2017.00083/full.
23. 23. Бараноски Г.В.Г., Киммел Б.В., Чен Т.Ф., Миранда Э. Влияние морфологии песчаных зерен и закономерностей распределения оксида железа на видимую и близкую к инфракрасной области отражательную способность песчаных почв.IEEE J Sel Top Appl Earth Obs Remote Sens., Сентябрь 2014 г .; 7 (9): 3755–63.
24. 24. Хаммел Дж. У., Суддут К. А., Холлингер С. Е.. Прогноз влажности почвы и органического вещества поверхностных и подповерхностных почв с использованием датчика почвы NIR. Comput Electron Agric. 1 août 2001; 32 (2): 149–65.
25. 25. Эйчисон Дж. Статистический анализ композиционных данных. Лондон, Великобритания, Великобритания: Chapman & Hall, Ltd .; 1986.
26. 26. Эйчисон Дж., Гринакр М. Двусторонние графики композиционных данных.J R Stat Soc Ser C Appl Stat. 2002. 51 (4): 375–92.
27. 27. Диас-Зорита М, Perfect E, Grove JH. Подрывные методы оценки структуры почвы. Обработка почвы Res. 1 февраля 2002 г.; 64 (1): 3–22.
28. 28. Mateu ‐ Figueras G, Pawlowsky ‐ Glahn V, Egozcue JJ. Принцип работы по координатам. В кн .: Анализ композиционных данных [Интернет]. John Wiley & Sons, Ltd; 2011 [cité 11 ноя 2019]. п. 29–42. https://onlinelibrary.wiley.com/doi/abs/10.1002/9781119976462.ch4.
29. 29.Egozcue JJ, Pawlowsky-Glahn V, Mateu-Figueras G, Barceló-Vidal C. Изометрические преобразования Logratio для анализа композиционных данных. Math Geol. 1 авр.2003 г.; 35 (3): 279–300.
30. 30. Чжан Д., Цай JJP. 2007 г. «Развитие приложений машинного обучения в разработке программного обеспечения» (Ду Чжан) [Интернет]. [cité 8 avr 2020]. http://archive.org/details/2007AdvanceInMachineLearningApplicationsInSoftwareEngineeringDuZhang.
31. 31. Qin Z, Myers DB, Ransom CJ, Kitchen NR, Liang S-Z, Camberato JJ и др.Применение методологий машинного обучения для прогнозирования оптимального содержания азота в кукурузе с экономической точки зрения. Агрон Дж. 12 января 2018 г .; 110 (6): 2596–607.
32. 32. Дневной PR. Фракционирование частиц и анализ размера частиц. Методы Анализ почвы Часть 1 Phys Mineral Prop Stat Meas Sampl. январь 1965; агрономимонография (методы соилана): 545–67.
33. 33. Nduwamungu C, Ziadi N, Tremblay GF, Parent L-É. Прогнозирование свойств почвы с помощью спектроскопии отражения в ближнем инфракрасном диапазоне: влияние чашек для образцов и подготовки.Soil Sci Soc Am J. 1 ноя 2009; 73 (6): 1896–903.
34. 34. Росс Г.Дж., Ван С. Извлекаемые Al, Fe, Mn и Si. В кн .: Отбор проб почвы и методы анализа. Lewis Publishers. Бока-Ратон, Флорида: Картер М.Р .; 1993.
35. 35. Mehlich A. Mehlich 3, экстрагент для почвенных испытаний: модификация экстрагента Mehlich 2. Коммунальные почвенные растения анал. 1 декабря 1984 г .; 15 (12): 1409–16.
36. 36. Шелдрик Б. Х., Ван С. Анализ размера частиц. В кн .: Отбор проб почвы и методы анализа.Lewis Publishers. Бока-Ратон: Картер М.Р .; 1993.
37. 37. Bouyoucos GJ. Улучшенный метод ареометра для анализа размеров частиц почвы 1. Agron J. 10/01 1962; 54 (5): 464–5.
38. 38. Джи GW, Баудер JW. Анализ размера частиц с помощью ареометра: упрощенный метод регулярного текстурного анализа и проверка чувствительности параметров измерения 1. Soil Sci Soc Am J. 10/01 1979; 43 (5): 1004–7.
39. 39. Озер М., Орхан М. Определение подходящего метода диспергирования образцов почвы при лазерном дифракционном анализе размера частиц.Int J Comput Exp Sci Eng. 26 сентября 2015 г .; 1 (1): 19–25.
40. 40. Кнадель М., Вискарра Россель Р., Денг Ф., Томсен А., Греве М. Спектры в видимой и ближней инфракрасной области спектра как косвенный показатель текстуры верхнего слоя почвы и границ ледников. Soil Sci Soc Am J. 1 марта 2013 г .; 77: 568–79.
41. 41. Леблан М., Родитель Э, Родитель Л. Требования к извести с использованием экстракции Mehlich-III и инфракрасной катионообменной способности. Soil Sci Soc Am J. 1 января 2016; 80. pmid: 29657354
42. 42. Веренс Р.Хемометрические приложения. В: Wehrens R, éditeur. Хемометрика с R: многомерный анализ данных в естественных науках и науках о жизни [Интернет]. Берлин, Гейдельберг: Спрингер; 2011 [cité 11 ноя 2019]. п. 235–67. (Пользователь). https://doi.org/10.1007/978-3-642-17841-2_11
43. 43. Гийу Ф., Веттерлинд В., Вискарра Россель Р., Хикс В., Гранди М., Туоми С. Как измельчение влияет на средние инфракрасные спектры почвы и их многомерные калибровки текстуры и органического углерода? Soil Res.1 янв 2015; 53.
44. 44. Мадейова Я., Комадел П. БАЗОВЫЕ ИССЛЕДОВАНИЯ ГЛИНОВЫХ МИНЕРАЛОВ ОБЩЕСТВО ИСТОЧНИКОВ ГЛИНЫ: ИНФРАКРАСНЫЕ МЕТОДЫ. Clays Clay Miner. 1 октября 2001 г.; 49 (5): 410–32.
45. 45. Команда RC. R: Язык и среда для статистических вычислений [Интернет]. Вена, Австрия: R Found. Стат. Вычисл .; 2017.
46. 46. Веренс Р. Анализ главных компонентов. В: Wehrens R, éditeur. Хемометрика с R: многомерный анализ данных в естественных науках и науках о жизни [Интернет].Берлин, Гейдельберг: Спрингер; 2011 [cité 11 ноя 2019]. п. 43–66. (Пользователь). https://doi.org/10.1007/978-3-642-17841-2_4
47. 47. Pellerin A, Parent LE, Tremblay C, Fortin J, Tremblay G, Landry CP и др. Агроэкологические модели с использованием индекса насыщения почвы фосфором Mehlich-III для кукурузы в Квебеке. 2006 [cité 11 ноя 2019]; https://pubag.nal.usda.gov/catalog/2775013.
48. 48. Малли Д.Ф., Мартин П.Д., Бен-Дор Э. Применение в анализе почв. Робертс К.А., Воркманн Дж.Младший и Ривз Дж.Б. III. Мэдисон, Висконсин: агрономия; 1999. 729–784 с. (Спектроскопия в ближней инфракрасной области в сельском хозяйстве; т. 44).
49. 49. Дрейпер Н.Р., Смит Х. О стоящих регрессиях, больших чертах и ​​R2. В кн .: Прикладной регрессионный анализ [Интернет]. John Wiley & Sons, Ltd; 1998 [cité 29 марта 2021]. п. 243–50. https://onlinelibrary.wiley.com/doi/abs/10.1002/9781118625590.ch21.
50. 50. Мони С., Дерриен Д., Хаттон П.-Дж., Целлер Б., Клебер М. Фракции плотности в зависимости от размера разделяют: изолирует ли физическое фракционирование функциональные компартменты почвы? Биогеонауки.17 декабря 2012 г .; 9 (12): 5181–97.
51. 51. Нуццо А., Де Мартино А., Ди Мео В., Пикколо А. Возможное изменение железо-гуматных комплексов экссудатом корней растений и микробными сидерофорами. Chem Biol Technol Agric. 17 окт 2018; 5 (1): 19.
52. 52. Кайзер К., Гуггенбергер Г. Распределение водного алюминия и железа по фракциям плотности зависит от нагрузки органического вещества и ультразвуковой дисперсии. Геодермия. 15 июля 2007 г.; 140 (1): 140–6.
53. 53. Петигара BR, Blough NV, Mignerey AC.Механизмы разложения перекиси водорода в почвах. Environ Sci Technol. 1 февраля 2002 г.; 36 (4): 639–45. pmid: 11878378
54. 54. Дайкер С.В., Ротон Ф., Торрент Дж., Смек Н., Лал Р. Влияние кристалличности (гидро) оксида железа на агрегацию почвы. Soil Sci Soc Am J. 1 января 2003; 67: 606.
55. 55. Беретта А.Н., Зильберманн А.В., Паладино Л., Торрес Д., Бассахун Д., Мусселли Р. и др. Анализ текстуры почвы с помощью ареометра: модификация метода Буюкос. Cienc E Investig Agrar.2014. 41 (2): 263–71.
56. 56. Периар И., Хосе Гумьер С., Руссо А. Н., Кайе М., Галличанд Дж., Карон Дж. Оценка дренажной способности клюквенных полей: идентификация проблемы с использованием кластеризации почвы и разработка нового критерия дренажа. Может J Soil Sci. 5 октября 2016 г.; 97 (1): 56–70.
57. 57. Шинковичова М., Игаз Д., Кондрлова Е., Ярошова М. Анализ размера частиц почвы с помощью лазерной дифрактометрии: сравнение результатов с методом пипеток. IOP Conf Ser Mater Sci Eng.октябрь 2017; 245: 072025.
58. 58. Ferro V, Mirabile S. СРАВНЕНИЕ АНАЛИЗА РАСПРЕДЕЛЕНИЯ РАЗМЕРОВ ЧАСТИЦ МЕТОДОМ СЕДИМЕНТАЦИИ И ЛАЗЕРНОЙ ДИФРАКЦИИ. J Agric Eng. 30 июн 2009; 40 (2): 35.
59. 59. Сторти Ф., Бальзамо Ф. Распределение частиц по размерам при лазерной дифракции: чувствительность прочности гранулированного вещества к аналитическим рабочим процедурам. Твердая Земля. 19 авр.2010 г.; 1 (1): 25–48.
60. 60. Сохань А, Бегановски А, Рыжак М, Добровольски Р, Бартминьски П.Сравнение текстуры почвы по двум диспергаторам Mastersizer 2000. В 2012 г.
61. 61. Мюррей MR. Возможно ли определение размера частиц с помощью лазера для богатых карбонатами озерных отложений? J Paleolimnol. 1 февраля 2002 г.; 27 (2): 173–83.
62. 62. Рамирес-Лопес Л., Шмидт К., Беренс Т., ван Веземаэль Б., Дематте Я.М., Шолтен Т. Выбор оптимальных калибровочных наборов для инфракрасной спектроскопии почвы. Геодермия. 1 août 2014; 226–227: 140–50.
63. 63. Vendrame PRS, Marchão RL, Brunet D, Becquer T.Возможности NIR-спектроскопии для прогнозирования текстуры и минералогии почвы в Cerrado Latosols. Eur J Soil Sci. 2012; 63 (5): 743–53.
64. 64. Веттерлинд Дж., Стенберг Б., Йонссон А. Спектроскопия отражения в ближней инфракрасной области в сравнении с почвенной глиной и содержанием органических веществ для оценки внутриполевых вариаций поглощения азота зерновыми культурами. Почва растений. 1 января 2008 г.; 302 (1): 317–27.
65. 65. Чанг CW, Laird DA, Mausbach MJ, Hurburgh CR. Спектроскопия отражения в ближней инфракрасной области спектра — регрессионный анализ основных компонентов свойств почвы.Почвоведение Soc Am J. 2001; 65 (2): 480.
66. 66. Ислам К., Сингх Б., Макбратни А. Одновременная оценка нескольких свойств почвы с помощью спектроскопии отражения в ультрафиолетовом, видимом и ближнем инфракрасном диапазонах. Aust J Soil Res — AUST J SOIL RES. 1 января 2003 г .; 41.
67. 67. Блотт С.Дж., Пай К. Анализ гранулометрического состава частиц размером с песок с помощью лазерной дифракции: экспериментальное исследование чувствительности прибора и влияния формы частиц. Седиментология.2006. 53 (3): 671–85.
68. 68. Зобек Т.М. БЫСТРЫЙ АНАЛИЗ РАЗМЕРА ЧАСТИЦ ПОЧВЫ С ИСПОЛЬЗОВАНИЕМ ЛАЗЕРНОЙ ДИФРАКЦИИ. Appl Eng Agric. 2004. 20 (5): 633–9.

Анализ размера частиц почвы и отложений

Гранулометрический состав — одна из наиболее стабильных характеристик почвы или отложений и важный контролирующий фактор для таких характеристик, как:

• Пористость
• Проницаемость
• Водоудерживающая способность
• Потенциал выщелачивания
• Сменная подача питательных веществ
• Катионный обмен
• Погодное поведение
• Восприимчивость к ветру и водному транспорту
• Механические и геотехнические свойства почвы

Анализ распределения частиц во взвешенных и донных отложениях озер и ручьев может использоваться для определения взаимосвязи между качеством воды, популяциями флоры и фауны и характеристиками донных отложений.Разделение почв и отложений на различные классы размеров также может быть полезным для корреляции текстуры с концентрацией загрязняющих веществ. Определение размера частиц также является полезным, а иногда и необходимым условием установки септика.

Метод сита и пипетки

При использовании метода сита и пипетки аликвоту образца почвы объемом 30 мл обрабатывают перекисью водорода для удаления избытка органических веществ. Затем образец пропускают через сито 63 мкм и тщательно промывают для удаления мелких частиц.Жидкая фракция, содержащая частицы размером менее 63 мкм, предназначена для анализа пипеткой.

Твердые частицы из сита 63 мкм сушат и пропускают через ряд сит с отверстиями меньшего размера сверху вниз для отделения более крупных частиц. Полученный мелкодисперсный материал, который проходит через все сита, добавляется к водной фракции. Эта фракция перемешивается, чтобы повторно суспендировать частицы, и пипетка используется для извлечения аликвот на постоянной глубине и с различным временем осаждения.Следуя закону Стокса, он предназначен для представления частиц заданного диаметра на основе скорости осаждения отдельной фракции.

Метод сита и пипетки использует систему классификации Вентворта, которая разбивает структуру почвы на уровни гравия, песка, ила, глины и фи. Эта система классификации чаще всего используется в Северной Америке для определения размера частиц и рекомендуется для экологических почв и отложений.

Рисунок 1: График размера частиц

Метод ареометра

В методе ареометра используется Канадская система классификации почв для песка, ила и глины.Этот метод менее точен, чем метод сита и пипетки, и обычно используется для определения текстуры почвы на образцах, которые не подвергались предварительной обработке.

В этом методе аликвоту образца почвы 40 г обрабатывают дисперсионным раствором и помещают на планшетный шейкер для дезагрегации частиц почвы. Затем образец пропускают через сито 2000 мкм. Твердые частицы, оставшиеся на сите, сушат и взвешивают, чтобы определить процентное содержание гравия. Раствор пропускают через сито и собирают в седиментационный цилиндр для уравновешивания в течение ночи.Образец перемешивается в отстойнике, и показания ареометра снимаются через 40 секунд и 7 часов. Показания ареометра определяют уровни песка, ила, глины и влаги в образце.

Грубая или точная классификация

Регулирующие органы (включая CCME, Atlantic PIRI, Ontario MOECC, AENV и BC MoECCS) разработали отдельные контрольные показатели качества почвы и / или грунтовых вод на основе текстуры почвы (то есть грубых и мелких почв). Почву или осадок можно классифицировать как грубую или мелкую с помощью простого теста, основанного на мокром просеивании с помощью одного сита.

Быстрый метод определения гранулометрического состава почвы с помощью лазерного прибора

Образование агрегатов почвы необходимо для установления хорошей структуры почвы, которая обеспечивает лучшую функциональность почвы и экосистемные услуги. Различные размеры, формы и устойчивость почвенных агрегатов находятся под влиянием факторов почвообразования. Точно так же агрегация влияет на чувствительность почвы к эрозии и динамику растение-почва-вода. В данном исследовании мы исследовали динамику формирования почвенных агрегатов при различных землепользовании.Глава 2 этой работы в основном сосредоточена на углублении нашего понимания механизмов, ответственных за стабилизацию углерода, которые связаны со структурой почвы. Было выявлено два долгосрочных (> 20 лет) землепользования (сельское хозяйство и лесное хозяйство) на двух сериях почв, которые отражали неэродированные и эродированные почвенные условия. Третий вид землепользования — неэродированные пастбища был выбран для сравнения землепользования с высоким потенциалом накопления углерода. Керны интактных грунтов были собраны с глубин 0-30 см, 30-60 см и 60-90 см весной 2017 г.В целом, управляемое землепользование имело большее присутствие более мелких агрегатов и содержания органического углерода в почве на глубине 0–30 см, тогда как в лесных почвах было более высокое соотношение углерода и азота, δ13C и δ15N на этой же глубине. Кроме того, эрозия отрицательно повлияла на агрегацию почвы, агрегативную стабильность и SOC. Оказалось, что содержание ила играет важную роль в агрегации почвы, возможно, потому, что это преобладающий класс размера частиц почвы. Почвы с большим содержанием альбита и глинистых минералов имели лучшую агрегацию и более высокое соотношение углерода и азота в агрегатах 1-2 мм, тогда как кварц положительно коррелировал с долей более мелких агрегатов.Физическая стабилизация SOC и почвенных минералов тесно связана с гранулометрическим составом, и преобладающий размер частиц почвы, ил, играет жизненно важную роль. В следующем разделе этой работы основное внимание уделяется взаимосвязи между гидравлическими свойствами, почвенным углеродом и структурой почвы. В этой части исследовательской работы использовались те же образцы, что и в вышеупомянутой работе, плюс еще один набор неповрежденных кернов в вкладышах из нержавеющей стали был взят для определения гидравлических свойств грунта.Разница между этими двумя разделами исследования заключалась в том, что в одном из них основное внимание уделялось параметрам, которые более статичны, а в этом разделе основное внимание уделялось динамическим свойствам грунта, в основном гидравлическим. В целом нарушение почвы в агроэкосистемах отрицательно сказалось на структуре почвы, гидравлических свойствах почвы и общем содержании углерода в почве, но эти почвы имели большее количество лабильного углерода в виде углерода, извлекаемого из холодной воды, и растворенного органического углерода. Лесопользование в большей степени способствовало увеличению содержания углерода в почве, в то время как пастбища обладали лучшими гидравлическими свойствами, о чем свидетельствуют более высокие значения Ksat, удержание влаги в почве и доля мелких мезопор.Однако pH почвы, насыпная плотность и извлекаемые водой фракции лабильного углерода отрицательно коррелировали с общим содержанием углерода. Объем мезопор отрицательно коррелировал с лабильными фракциями углерода. Наконец, в последнем разделе этой работы оценивалась динамика реформирования почвенных агрегатов после нарушения в краткосрочном и долгосрочном масштабах. Это исследование проводилось на исследовательских участках с традиционной обработкой почвы и нулевой обработкой почвы с внесением твердого молочного навоза или без него на уклоне 2-6% с илисто-суглинистой почвой в Арлингтоне, штат Висконсин.Почвы при нулевой обработке почвы имели большую долю более крупных агрегатов (> 1 мм), содержания углерода, объемной плотности, удержания влаги в почве и микропор по сравнению с традиционной обработкой почвы на глубину 0-20 см в 2018 и 2019 годах. В отличие от нее, обычная обработка почвы имел большую долю более мелких (<1 мм) агрегатов. Кроме того, в течение сезона нарушение почвы весенней обработкой привело к снижению доли более крупных агрегатов и II меньшие поры, в то время как долгосрочное воздействие обработки почвы в основном затронуло агрегаты размером менее 2 мм.Похоже, что более крупные агрегаты почвы могут восстанавливаться ежегодно, но агрегаты размером менее 2 мм не восстанавливаются при ежегодных нарушениях. В заключение, органический углерод почвы взаимодействует с физическими свойствами почвы и минералами почвы, где эти ассоциации способствуют формированию и стабилизации агрегатов почвы. Нарушение почвы в результате управления негативно сказалось на агрегации почвы, вероятно, из-за снижения общего содержания органического углерода. И наоборот, изученные лабильные фракции углерода были более многочисленными в нарушенных землепользовании.Кроме того, процентный диапазон содержания ила был доминирующим размером частиц в этих почвах и оказался фактором, влияющим на распределение агрегатов по размерам и накопление органического углерода. Более крупные агрегаты могут переформироваться при ежегодном возмущении, но более мелкие агрегаты могут быть не в состоянии переформироваться в течение года после возмущения. Оказалось, что долгосрочное управление в основном затрагивает агрегаты размером менее 2 мм в различных землепользованиях.

Анализ размера песка для местных систем очистки сточных вод

Во многих районах Огайо естественная почва недостаточно глубокая, чтобы полностью очистить сточные воды.Сельским домам и предприятиям может потребоваться установка системы очистки сточных вод, если нельзя использовать систему выщелачивания септика. Один из вариантов — песчаные биореакторы. Чтобы узнать больше, обратитесь к бюллетеню 876, Биореакторы песка и среды для очистки сточных вод для сообществ Огайо, , доступный на setll.osu.edu или estore.osu-extension.org.

Рис. 1. Примеры песка с разным коэффициентом однородности.

Распределение по размерам — одна из наиболее важных характеристик обрабатывающих сред. Засорение песчаного биореактора обычно является результатом использования слишком мелкого песка, слишком большого количества мелких частиц, слабой или пластинчатой ​​структуры. Самая важная особенность песка — это не зерна, а поры, которые он создает. Очистка сточных вод происходит на песчаных поверхностях, где задерживаются взвешенные твердые частицы, растут микроорганизмы, а через них проходят воздух и вода. Определение гранулометрического состава песчаных частиц является прямым измерением структуры песчаной среды.Обычно его измеряют как эффективный размер и коэффициент однородности.

Эффективный размер данного образца песка — это размер частиц, при котором 10% частиц в этом образце (по весу) меньше, а 90% больше. Обычно это обозначается как D10. Распределение по размерам представлено коэффициентом однородности, который позволяет вам увидеть, насколько хорошо сортируется ваш образец песка. Для этого нужно взять D60 и разделить на D10. На рисунке 1, например, представлены два типичных состояния.Верхнее изображение со всеми песчинками одинакового размера имеет коэффициент однородности, равным 1. Нижнее изображение с песком разного размера имеет коэффициент однородности больше 1.

Агентство по охране окружающей среды штата Огайо требует, чтобы владельцы и операторы песчаных биореакторов использовали сертифицированный песок, который прошел ситовый анализ и удовлетворял критериям одного из следующих стандартов:

1. ASTM C136, «Стандартный метод испытаний для ситового анализа мелких и крупных заполнителей»; или
2. ASTM D451, «Стандартный метод ситового анализа гранулированного минерального покрытия для асфальтовых кровельных материалов»

Как проводится ситовой анализ?

Аппарат

Таблица 1.Номер сита (ASTM — E11) и размер ячейки
№	Размер ячейки (мм)	№	Размер ячейки (мм)	№	Размер ячейки (мм)	№	Размер ячейки (мм)
1 «	25,0	7	2.80	20	0,85	60	0,250
3/4 «	19,0	8	2,36	25	0,71	80	0,180
1/2 «	12,5	10	2,00	30	0,60	100	0.150
3/8 дюйма	9,5	12	1,70	35	0,50	120	0,125
4	4,75	14	1,40	40	0,425	140	0,106
5	4.00	16	1,18	45	0,355	170	0,090
6	3,35	18	1,00	50	0,300	200	0,075

• Весы (или весы) — точность 0,1 г
• № 200 сито
• Комплект сит, крышка и приемник
• Выберите подходящие размеры сита (таблица 1), чтобы получить требуемую информацию, как указано, например №№.3/8 дюйма, 4, 10, 20, 40 и 60
• Сушильный шкаф 110 +/– 5 ° C (230 +/– 9 ° F)
• Металлические поддоны — по одной для каждого размера сита, плюс по одной для образца
.
• Механический встряхиватель сит (опция)

Метод

1. Пометьте металлические чашки для образцов (W _P ) номером или размером сита, взвесьте и отложите.
2. Начните с примерно 100-граммового образца песка. Насыпьте песок в металлический поддон и просушите его в духовке при 105–115 ° C в течение двух часов.Взвесьте образец сухого песка чашей (W ₀ ). Затем вычтите вес сковороды: W _DS0 = W ₀ — W _P0 .
3. Заполните поддон и отшлифуйте образец водопроводной водой, встряхните и слейте промывочную воду через сито № 200. Вымойте материал, оставшийся на сите, обратно в кастрюлю. Повторите несколько раз, пока промывочная вода не станет прозрачной. Снова высушите образец в сушильном шкафу 105–115 ° C в течение двух часов. Сухой промытый песок взвесить в кастрюле (W ₁ ). Затем вычтите вес сковороды: W _DS = W ₁ — W _P0 .Вычтите из W _DS0 , чтобы определить вес штрафов: W _F = W _DS0 — W _DS .
4. Установите набор сит от наибольшего размера ячеек до наименьшего с поддоном под нижним ситом (рис. 2). Поместите образец на верхнее сито. Накройте верхнее сито крышкой.
5. Встряхивайте штабелированные сита, трясите, толкайте и трясите вручную или с помощью механических устройств. Держите песок в непрерывном движении в течение достаточного периода времени, пока не более 1% по весу остатка на каждом отдельном сите пройдет через это сито в течение 1 минуты дополнительного ручного просеивания.Этому критерию обычно соответствует от пяти до десяти минут первоначального просеивания.
6. Высыпать песок с каждого сита в промаркированные чашки с весами. Взвесьте и определите вес образца (W _S ), вычтя вес чаши: W _S = W — W _P .

Учет и расчет

Запишите все веса в разделе «Отчет» этого информационного бюллетеня и определите процент, переходящий к 0,1% для каждого сита, следующим образом:

Процент материала, оставшегося на сите = (W _S / W _DS ) x 100%

Процент прохождения = процент прохождения следующего по величине сита — процент, оставшийся на сите

Изобразите процентный результат прохождения для каждого сита (выделенные синим цветом участки в таблице) на бумаге для полузаписи, как показано на рисунке 3.На графике найдите эффективный размер как D10, где только 10% образца имеют меньший размер. Также по графику найдите D60, где 60% выборки имеют меньший размер. Коэффициент однородности — D60 / D10.

Рис. 2. Для анализа песка используются сита с отверстиями разного размера. Сита расположены сверху вниз от наибольшего к наименьшему.

ОТЧЕТ

Эффективный размер = D10 =

Коэффициент однородности = D60 / D10 =

ПРИМЕР:

Таблица 2.Анализ размера частиц песка — расчет процента прохождения выбранных сит.

Рисунок 3. График анализа песчаных сит для определения эффективного размера и коэффициента однородности

Всего сухой промытый песок: 120,00 г

Эффективный размер = 0,32 мм

Коэффициент однородности = 1,25 / 0,32 = 3,91

Версия этого информационного бюллетеня на китайском языке доступна по адресу setll.