Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos
La Clasificación de Fondos es un método geofísico que permite discriminar los tipos de lechos (sedimentarios o rocosos) de los fondos de cuerpos de agua con base en información obtenida con un emisor-receptor de ondas mecánicas (ecosonda) -- A partir de las características físicas (Frecuencia de emi...
- Autores:
-
Paschke Castaño, Juan Felipe
- Tipo de recurso:
- Fecha de publicación:
- 2010
- Institución:
- Universidad EAFIT
- Repositorio:
- Repositorio EAFIT
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eafit.edu.co:10784/2810
- Acceso en línea:
- http://hdl.handle.net/10784/2810
- Palabra clave:
- Golfo de Urabá
Medición Acústica
Proyecto de Grado. Ingeniería Física
Geofísica Marina
Fondo del Mar
Batimetría
Matlab (Lenguaje de programación)
PROSPECCIÓN GEOFÍSICA
RECONOCIMIENTO DE SUELOS
SEDIMENTACIÒN
ACÚSTICA SUBMARINA - INSTRUMENTOS
ONDAS SONORAS
SEDIMENTOS MARINOS
FONDO OCEÁNICO
MONTÍCULOS DE LODO
REDES NEURALES (COMPUTADORES)
Prospecting - Geophysical methods
Soil-surveys
Sedimentation and deposition
Underwater acoustics - instruments
Sound-waves
Marine sediments
Ocean bottom
Mud mounds
Neural networks (Computer science)
- Rights
- License
- Acceso abierto
id |
REPOEAFIT2_7ed6528ec08c8e92dd53922110ce2929 |
---|---|
oai_identifier_str |
oai:repository.eafit.edu.co:10784/2810 |
network_acronym_str |
REPOEAFIT2 |
network_name_str |
Repositorio EAFIT |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
title |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
spellingShingle |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos Golfo de Urabá Medición Acústica Proyecto de Grado. Ingeniería Física Geofísica Marina Fondo del Mar Batimetría Matlab (Lenguaje de programación) PROSPECCIÓN GEOFÍSICA RECONOCIMIENTO DE SUELOS SEDIMENTACIÒN ACÚSTICA SUBMARINA - INSTRUMENTOS ONDAS SONORAS SEDIMENTOS MARINOS FONDO OCEÁNICO MONTÍCULOS DE LODO REDES NEURALES (COMPUTADORES) Prospecting - Geophysical methods Soil-surveys Sedimentation and deposition Underwater acoustics - instruments Sound-waves Marine sediments Ocean bottom Mud mounds Neural networks (Computer science) |
title_short |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
title_full |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
title_fullStr |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
title_full_unstemmed |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
title_sort |
Clasificación de los fondos del Golfo de Urabá empleando métodos acústicos |
dc.creator.fl_str_mv |
Paschke Castaño, Juan Felipe |
dc.contributor.advisor.spa.fl_str_mv |
Pérez Mesa, Jesús Alberto |
dc.contributor.author.spa.fl_str_mv |
Paschke Castaño, Juan Felipe |
dc.subject.spa.fl_str_mv |
Golfo de Urabá Medición Acústica Proyecto de Grado. Ingeniería Física Geofísica Marina Fondo del Mar Batimetría Matlab (Lenguaje de programación) |
topic |
Golfo de Urabá Medición Acústica Proyecto de Grado. Ingeniería Física Geofísica Marina Fondo del Mar Batimetría Matlab (Lenguaje de programación) PROSPECCIÓN GEOFÍSICA RECONOCIMIENTO DE SUELOS SEDIMENTACIÒN ACÚSTICA SUBMARINA - INSTRUMENTOS ONDAS SONORAS SEDIMENTOS MARINOS FONDO OCEÁNICO MONTÍCULOS DE LODO REDES NEURALES (COMPUTADORES) Prospecting - Geophysical methods Soil-surveys Sedimentation and deposition Underwater acoustics - instruments Sound-waves Marine sediments Ocean bottom Mud mounds Neural networks (Computer science) |
dc.subject.lemb.spa.fl_str_mv |
PROSPECCIÓN GEOFÍSICA RECONOCIMIENTO DE SUELOS SEDIMENTACIÒN ACÚSTICA SUBMARINA - INSTRUMENTOS ONDAS SONORAS SEDIMENTOS MARINOS FONDO OCEÁNICO MONTÍCULOS DE LODO REDES NEURALES (COMPUTADORES) |
dc.subject.keyword.eng.fl_str_mv |
Prospecting - Geophysical methods Soil-surveys Sedimentation and deposition Underwater acoustics - instruments Sound-waves Marine sediments Ocean bottom Mud mounds Neural networks (Computer science) |
description |
La Clasificación de Fondos es un método geofísico que permite discriminar los tipos de lechos (sedimentarios o rocosos) de los fondos de cuerpos de agua con base en información obtenida con un emisor-receptor de ondas mecánicas (ecosonda) -- A partir de las características físicas (Frecuencia de emisión, Longitud del pulso, Ganancia, Potencia de emisión) y del tiempo entre emisión-recepción de pulsos individuales, las ecosondas permiten calcular, entre otros parámetros, las profundidades de los fondos y el Eco-Strenght, intensidad de los ecos reflejados -- Los valores de este último parámetro son función de la naturaleza física de los fondos, particularmente de sus rugosidades y durezas -- En este trabajo se ilustra un sistema de clasificación de fondos realizado con base en la información de 105 perfiles batimétricos del Golfo de Urabá, obtenidos con una ecosonda Knudsen 320 B/P emitiendo a una frecuencia de 200 kHz -- A partir de sus valores E1 y E2 (Rugosidad del fondo vs. Dureza del fondo, respectivamente) se diferenciaron en los fondos del Golfo los siguientes cinco tipos de lechos marinos, denominados según la nomenclatura del sistema de clasificación RoxAnn: 1) fondos con cobertura sedimentaria de lodos; 2) fondos con cobertura sedimentaria de limos; 3) fondos con cobertura sedimentaria de arenas finas; 4) fondos con cobertura sedimentaria de arenas gruesas y, 5) fondos rocosos y/o con cobertura sedimentaria de gravas -- Para determinar en el laboratorio si la ecosonda discrimina la naturaleza de los materiales del fondo en función de los índices de dureza y rugosidad, se experimentó con cuatro tipos de materiales, correspondientes a dos tipos de gravas, concreto y platina de acero al carbono -- Los resultados muestran que los materiales menos rugosos y duros (como las gravas) inducen mayor dispersión de las ondas acústicas ultrasónicas |
publishDate |
2010 |
dc.date.issued.none.fl_str_mv |
2010 |
dc.date.available.none.fl_str_mv |
2014-07-10T21:02:38Z |
dc.date.accessioned.none.fl_str_mv |
2014-07-10T21:02:38Z |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.eng.fl_str_mv |
bachelorThesis |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.local.spa.fl_str_mv |
Trabajo de grado |
dc.type.hasVersion.eng.fl_str_mv |
acceptedVersion |
dc.identifier.other.none.fl_str_mv |
620.28CD P279 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10784/2810 |
identifier_str_mv |
620.28CD P279 |
url |
http://hdl.handle.net/10784/2810 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.local.spa.fl_str_mv |
Acceso abierto |
rights_invalid_str_mv |
Acceso abierto http://purl.org/coar/access_right/c_abf2 |
dc.coverage.spatial.eng.fl_str_mv |
Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees |
dc.publisher.spa.fl_str_mv |
Universidad EAFIT |
dc.publisher.program.spa.fl_str_mv |
Ingeniería física |
dc.publisher.department.spa.fl_str_mv |
Escuela de Ciencias y Humanidades. Ciencias Básicas |
institution |
Universidad EAFIT |
bitstream.url.fl_str_mv |
https://repository.eafit.edu.co/bitstreams/eb4b128a-933f-439d-ac84-cd0a1a1bc68b/download https://repository.eafit.edu.co/bitstreams/1d413daa-5077-4e25-bc29-5146ad985ca7/download |
bitstream.checksum.fl_str_mv |
a4a15015cc3b57a4390e89906678ba6e b9d599714c5c6aae5ad231616e2048e2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad EAFIT |
repository.mail.fl_str_mv |
repositorio@eafit.edu.co |
_version_ |
1814110287227256832 |
spelling |
Pérez Mesa, Jesús AlbertoPaschke Castaño, Juan FelipeIngeniero Físicojpaschke@eafit.edu.coMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees2014-07-10T21:02:38Z20102014-07-10T21:02:38Z620.28CD P279http://hdl.handle.net/10784/2810La Clasificación de Fondos es un método geofísico que permite discriminar los tipos de lechos (sedimentarios o rocosos) de los fondos de cuerpos de agua con base en información obtenida con un emisor-receptor de ondas mecánicas (ecosonda) -- A partir de las características físicas (Frecuencia de emisión, Longitud del pulso, Ganancia, Potencia de emisión) y del tiempo entre emisión-recepción de pulsos individuales, las ecosondas permiten calcular, entre otros parámetros, las profundidades de los fondos y el Eco-Strenght, intensidad de los ecos reflejados -- Los valores de este último parámetro son función de la naturaleza física de los fondos, particularmente de sus rugosidades y durezas -- En este trabajo se ilustra un sistema de clasificación de fondos realizado con base en la información de 105 perfiles batimétricos del Golfo de Urabá, obtenidos con una ecosonda Knudsen 320 B/P emitiendo a una frecuencia de 200 kHz -- A partir de sus valores E1 y E2 (Rugosidad del fondo vs. Dureza del fondo, respectivamente) se diferenciaron en los fondos del Golfo los siguientes cinco tipos de lechos marinos, denominados según la nomenclatura del sistema de clasificación RoxAnn: 1) fondos con cobertura sedimentaria de lodos; 2) fondos con cobertura sedimentaria de limos; 3) fondos con cobertura sedimentaria de arenas finas; 4) fondos con cobertura sedimentaria de arenas gruesas y, 5) fondos rocosos y/o con cobertura sedimentaria de gravas -- Para determinar en el laboratorio si la ecosonda discrimina la naturaleza de los materiales del fondo en función de los índices de dureza y rugosidad, se experimentó con cuatro tipos de materiales, correspondientes a dos tipos de gravas, concreto y platina de acero al carbono -- Los resultados muestran que los materiales menos rugosos y duros (como las gravas) inducen mayor dispersión de las ondas acústicas ultrasónicasspaUniversidad EAFITIngeniería físicaEscuela de Ciencias y Humanidades. Ciencias BásicasGolfo de UrabáMedición AcústicaProyecto de Grado. Ingeniería FísicaGeofísica MarinaFondo del MarBatimetríaMatlab (Lenguaje de programación)PROSPECCIÓN GEOFÍSICARECONOCIMIENTO DE SUELOSSEDIMENTACIÒNACÚSTICA SUBMARINA - INSTRUMENTOSONDAS SONORASSEDIMENTOS MARINOSFONDO OCEÁNICOMONTÍCULOS DE LODOREDES NEURALES (COMPUTADORES)Prospecting - Geophysical methodsSoil-surveysSedimentation and depositionUnderwater acoustics - instrumentsSound-wavesMarine sedimentsOcean bottomMud moundsNeural networks (Computer science)Clasificación de los fondos del Golfo de Urabá empleando métodos acústicosinfo:eu-repo/semantics/bachelorThesisbachelorThesisTrabajo de gradoacceptedVersionhttp://purl.org/coar/resource_type/c_7a1fAcceso abiertohttp://purl.org/coar/access_right/c_abf2LICENSElicense.txtlicense.txttext/plain; charset=utf-81145https://repository.eafit.edu.co/bitstreams/eb4b128a-933f-439d-ac84-cd0a1a1bc68b/downloada4a15015cc3b57a4390e89906678ba6eMD52ORIGINALJuanFelipe_PaschkeCastano_2010.pdfJuanFelipe_PaschkeCastano_2010.pdfTrabajo de gradoapplication/pdf3838819https://repository.eafit.edu.co/bitstreams/1d413daa-5077-4e25-bc29-5146ad985ca7/downloadb9d599714c5c6aae5ad231616e2048e2MD5310784/2810oai:repository.eafit.edu.co:10784/28102019-06-11 09:02:34.906open.accesshttps://repository.eafit.edu.coRepositorio Institucional Universidad EAFITrepositorio@eafit.edu.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 |