Репрезантивность является ключевым понятием в статистической физике и в почвенной физике. При описании структуры и физических свойств почвы, это понятие необходимо нам для перехода к сплошной среде – основному методу моделирования потоков влаги. Однако определение представительного элемента объема (REV) и критерии его применимости в континуальных моделях остаются размытыми. В докладе мы проводим всесторонний анализ REV [1]. Мы поговорим о классических и неклассических дескрипторах почвенной структуре [2,3,4], как детерминированном, так и статистическом размере REV (dREV и sREV). Мы расскажем о новой методологии, специально разработанной для работы с векторными метриками, способными раскрывать сложные структурные особенности [1]. Анализ REV играет ключевую роль не только в оценке свойств пористой среды, но и в исследовании различных дескрипторов структуры и их применимости на практике — мы покажем, что анализ REV и анализ стационарности изображений/полей [5,6], по сути, являются одной и той же методикой. При этом для исследования структуры метрики или дескрипторы должны обладать высоким информационным содержанием [7] – мы поясним что это такое, почему это важно, и какое отношение это имеет к структуре и свойствам почвы. Мы переосмысливаем классическое определение REV, добавляя условие стационарности и верхние/нижние границы его объема. Все примеры будут разобраны на образцах почвы в виде 3D-изображений, полученных методом рентгеновской микротомографии.

Работа выполнена при поддержке гранта РНФ № 24-67-00026.

Ссылки на литературу:
1) Zubov, A. S., Khlyupin, A. N., Karsanina, M. V., & Gerke, K. M. (2024). In search for representative elementary volume (REV) within heterogeneous materials: A survey of scalar and vector metrics using porous media as an example. Advances in Water Resources, 192, 104762.
2) Postnicov, V., Samarin, A., Karsanina, M. V., Gravey, M., Khlyupin, A., & Gerke, K. M. (2024). Evaluation of classical correlation functions from 2/3D images on CPU and GPU architectures: Introducing CorrelationFunctions. jl. Computer Physics Communications, 299, 109134.
3) Zubov, A. S., Murygin, D. A., & Gerke, K. M. (2022). Pore-network extraction using discrete Morse theory: Preserving the topology of the pore space. Physical Review E, 106(5), 055304.
4) Fomin, D. S., Yudina, A. V., Romanenko, K. A., Abrosimov, K. N., Karsanina, M. V., & Gerke, K. M. (2023). Soil pore structure dynamics under steady-state wetting-drying cycle. Geoderma, 432, 116401.
5) Lavrukhin, E. V., Karsanina, M. V., & Gerke, K. M. (2023). Measuring structural nonstationarity: The use of imaging information to quantify homogeneity and inhomogeneity. Physical Review E, 108(6), 064128.
6) Karsanina, M. V., & Gerke, K. M. (2023). Stochastic (re) constructions of non-stationary material structures: Using ensemble averaged correlation functions and non-uniform phase distributions. Physica A: Statistical Mechanics and its Applications, 611, 128417.
7) Cherkasov, A., Gerke, K. M., & Khlyupin, A. (2024). Towards effective information content assessment: Analytical derivation of information loss in the reconstruction of random fields with model uncertainty. Physica A: Statistical Mechanics and its Applications, 633, 129400.