DESCRIPCIÓN GENERAL
El Ensayo de Penetración Cónica Hiperespectral con patente en trámite (Hyperspectral‑CPTu™) es un método de caracterización de suelos in situ que combina el CPTu tradicional con sensores de reflectancia hiperespectral en tiempo real para evaluar rápidamente propiedades del suelo como la humedad, la mineralogía y el tamaño de partículas.
Los ensayos de suelo en laboratorio proporcionan análisis detallados, pero son costosos, lentos y logísticamente complejos —requieren perforación, muestreo y transporte— y ponen de manifiesto la necesidad de alternativas más rápidas y eficientes. El Hyperspectral‑CPTu in situ ofrece una solución prometedora para abordar estos desafíos.
VENTAJAS
- Reduce los costos, el tiempo y el impacto ambiental asociados con el muestreo y los ensayos de laboratorio.
- Permite que las propiedades previstas de suelos y relaves se integren directamente con los datos de CPT.
POTENCIAL
Al medir la luz reflejada en diferentes longitudes de onda, los sensores hiperespectrales recopilan información sobre el contenido de agua y la composición mineral. Este método versátil cumple una doble función, permitiendo evaluaciones cualitativas y cuantitativas de diversos materiales y sustancias.
En ingeniería geotécnica, este método es particularmente útil para:
- Apoyar la elaboración de perfiles de saturación
- Estimar el contenido de agua
- Estimar el contenido de sólidos
- Predecir el porcentaje de arena, limo y arcilla
- Apoyar la caracterización de plasticidad
¿Por qué puede estimarse el contenido de agua utilizando sensores hiperespectrales?
El contenido de agua afecta fuertemente la reflectancia del suelo, con características de absorción notables cerca de 1450 nm y 1900 nm debido al agua.
CARACTERÍSTICAS
- Permite una caracterización rápida, no invasiva y de alta resolución de las propiedades del material en el campo.
- El uso de esta tecnología está creciendo rápidamente en la práctica de la geoingeniería, incluyendo el registro de núcleos, el mapeo de recursos y la gestión de aguas superficiales.
- ConeTec, entre otros investigadores, ha demostrado el poder de los algoritmos de aprendizaje automático para la predicción de constituyentes de relaves.
figuras y datos
QUICK LINKS