Sie haben Sensoren für den Bodenwassergehalt und das Wasserpotenzial (Bodensog) in den Boden eingegraben, ein ATMOS 41 auf dem Feld installiert und Ihren ZL6 eingerichtet. Ihr Netzwerk von Instrumenten sammelt schon seit Wochen oder sogar die ganze Saison über Daten. Und was nun? Zu wissen, wie man aus den Daten aussagekräftige Schlüsse zieht, ein Gesamtbild der Geschehnisse erstellt und Probleme identifiziert und behebt, kann manchmal eine Herausforderung sein.
In diesem Artikel werden wir mehrere Datensätze durchgehen, um zu verstehen, wie Bodenwassergehalt, Bodentemperatur, Bodenwasserpotenzial und atmosphärische Messungen verwendet werden können, um die Bedeutung hinter den Spuren zu entdecken. In diesem Artikel erfahren Sie, wie Sie die folgenden Ereignisse in Ihren Daten identifizieren können:
Jedes Beispiel wird durch ein Diagramm dargestellt. Es ist nicht notwendig, jeden Aspekt der Informationen in diesen Diagrammen zu verstehen. Sie dienen lediglich zur Veranschaulichung gängiger Muster von Bodenfeuchtigkeitsdaten, auf die Sie stoßen könnten, und zur Extrapolation der nützlichsten Informationen. Jedes Diagramm enthält in der oberen rechten Ecke ein Feld mit der Bodenart und der Kulturart, damit Sie die Variablen besser verstehen können, die eine Rolle spielen.
Alle bereitgestellten Daten wurden von Datenloggern erfasst, wie z.B. unserem ZL6 Serie, erfasst und auf ZENTRA Cloud. Alle Datensätze stammen entweder von Instrumenten an METER-Forschungsstandorten oder wurden von den Dateneigentümern zur Verfügung gestellt und sind mit deren Erlaubnis enthalten.
In Abbildung 2 sehen wir die Daten von einem künstlich hergestellten lehmigen Sand mit einer Grasnarbe. Unser Ziel bei der Durchführung unserer Experimente in diesem Beispiel war es, die Bewässerung von Rasengras zu verbessern. Dieses Gras hatte eine ziemlich flache Wurzelzone, die in der Mitte etwa sechs Zentimeter und am Boden etwa 10 Zentimeter tief war. Im Laufe der Zeit zeigte dieses Beispiel zunächst relativ nasse Bedingungen zu Beginn im Juni und Juli, eine feste Trockenperiode im Juli und August und ein Austrocknen bis zur Einstellung der Wasseraufnahme im August und September.
Abbildung 2 zeigt auch zwei Arten von Bodenfeuchtigkeitsdaten: volumetrischer Wassergehalt auf der linken y-Achse und matrisches Potential, oder Wasserpotenzial, auf der rechten y-Achse. Die Zeitspanne auf der x-Achse reicht vom Frühsommer bis zum Herbstanfang. Um zu verstehen, was diese Datencluster uns sagen können, müssen wir jeden Datensatz einzeln betrachten.
Abbildung 3 zeigt sowohl den Wassergehalt als auch das Wasserpotenzial des zuvor erwähnten Rasens unter feuchten Bedingungen. Dieser Rasen befand sich in einem lehmigen Sand. Beachten Sie, dass die Wasserpotenzialsensoren, die mit den gepunkteten Linien oben in der Grafik dargestellt sind, kaum reagieren. Die Sensoren für den Wassergehalt des Bodens zeigen jedoch unglaubliche Details, einschließlich jedes Bewässerungsereignisses in der Größenordnung von Tagen.
Das Feld wurde jede Nacht mit einer sichtbaren Spitze bewässert, als das Wasser auf den Sensor traf, sichtbar im Sensor bei sechs cm Höhe. Es gab auch eine kleine Spitze bei 15 cm, dem unteren Ende der Wurzelzone. Auch bei 30 cm zeigten die Daten einen Anstieg des Wassergehalts, aber die Kurve war abgerundeter als bei der 15-cm-Sonde. Das Wasserpotenzial zeigte überhaupt keine Veränderung. Die Partikelgrößen waren so groß, dass die Sensoren kein Wasser erkennen konnten, das von diesen Partikeln gehalten wurde. Wenn wir uns stattdessen ansehen, was in diesem lehmigen Sand unter optimalen Bedingungen passiert, sehen wir einige ziemlich interessante Details.
In Abbildung 5 sind die Daten zum Bodenwassergehalt in sechs Zentimetern während der Nacht abgeflacht und tagsüber gesunken. Dies war Tag für Tag zu beobachten und vermittelte uns eine Vorstellung davon, wie viel Wasser die Pflanzen bei 6 Zentimetern, dem unteren Ende der Wurzelzone, aufnahmen. Es gab einen täglichen Rückgang bei 15 Zentimetern, der aber nicht so ausgeprägt war, weil er am unteren Ende der Wasseraufnahme der Wurzeln lag.
Auch in Abbildung 5 lief nicht so viel Wasser durch das Profil ab, was wirklich gut ist. Am 14. Juli verzeichnete der 30-cm-Pegelsensor eine kleine Spitze, aber während der anschließenden Bewässerung gab es keine Schwankungen. Dieser lehmige Sand reagiert sehr empfindlich auf das eingesetzte Wasser. Die Daten des Wasserpotenzials zeigten eine kleine Reaktion auf dem Niveau von sechs Zentimetern. Dies deutete nicht auf Stress hin, da es nur in den Bereich von -200 bis -400 kPa abfiel, was immer noch über dem Stressbereich für diesen Rasen lag.
Bei Trockenheit (Abbildung 7) war eine allmähliche optimale Wasseraufnahme auch auf der Ebene von sechs Zentimetern sichtbar. Das Problem in diesem Datensatz wurde an der 15-cm-Sonde sichtbar, wo der Wasserstand genauso hoch war wie an der 6-cm-Sonde, was darauf hindeutet, dass das Wasser durch den Boden versickert, ohne absorbiert zu werden. Eine tägliche Aufnahme war zu beobachten, bis sie um den 5. September herum plötzlich aufhörte. Zu diesem Zeitpunkt ist das Gras nicht mehr in der Lage, Wasser aus dem Boden aufzunehmen und geht vom aktiven Wachstum in die Ruhephase über.
Das Wasserpotenzial zeigt in diesem Datensatz zur Bodenfeuchte eine wirklich interessante Kurve, die bis auf -1500 kPa, dem permanenten Welkepunkt, abfällt. Dieses Gras befand sich in der Ruhephase, weil das Wasser für das Gras nicht mehr verfügbar war, um es aufzunehmen. Sowohl die Messungen des Wassergehalts als auch des Wasserpotenzials zeigten ein klares Bild des Rückgangs unter diesen Trockenheitsbedingungen. Leider haben die Landwirte in diesem Fall nicht auf die Anzeichen in den Daten reagiert, bis der Boden sehr trocken wurde.
Was passiert, wenn der Boden kein lehmiger Sand, sondern ein fein strukturierter Boden ist: ein Lehmlehm? Abbildung 8 zeigt einen lehmigen Boden, auf dem Saatkartoffeln in Süd-Idaho angebaut wurden und der einen Durchmesser von fast 700 m hatte, in dem wir an sechs Stellen Sensoren installiert hatten. Diese Grafik zeigt, dass sich der Wassergehalt während der gesamten Saison kaum verändert hat und nur um 2 bis 3 % schwankte. Der Landwirt sah sich diese Daten an und fragte sich, wie er feststellen könnte, wann er das Wasser für dieses Feld abstellen sollte. Wie wir in unserem vorherigen Webinar Water Resource Capture erklärt haben, ist es sehr schwierig, diese Entscheidung allein anhand dieser Daten zu treffen : Wasser in Biomasse umwandeln. Die Daten zum Wassergehalt sind zwar sehr hilfreich, um das Vorhandensein und die Menge von Wasser zu bestimmen, aber sie sagen nur sehr wenig darüber aus, ob die Pflanzen gestresst sind oder wann sie genug Wasser bekommen haben.
Um das Stressniveau der Pflanzen und ihre Fähigkeit, Wasser zu aktualisieren, zu verstehen, müssen wir das matrische Potenzial (auch Wasserpotenzial genannt) untersuchen (Abbildung 9). Während die Daten zum Wassergehalt des Bodens ein Bild von gleichmäßiger, unauffälliger Bewässerung während der gesamten Saison zeichneten, wiesen drei der sechs Standorte ein matrisches Potenzial auf, das in den gestressten Bereich abfiel, wobei ein Standort sehr nahe an den permanenten Welkepunkt heranreichte. Die mit einem Messgerät wie dem IRT-Infrarotthermometer gemessene Blatttemperatur der Pflanzen in diesen Gebieten war viel höher als die Lufttemperatur. Und der Ertrag an diesen Standorten war viel geringer als der Ertrag von Flächen, die nicht unter Stress standen, was die Messungen des matrischen Potenzials und ihre Hinweise auf ein Problem bestätigt.
Der sandige Lehmboden in Abbildung 10 befindet sich in einer Wüste im Rush Valley. In diesem Beispiel untersuchten wir nicht etwa eine Kulturpflanze, sondern invasive Arten in einem einheimischen System. Der Grund für die Installation der Messgeräte war es, zu verstehen, warum invasive Arten wie das Raufußgras die einheimische Vegetation in diesem Gebiet verdrängt haben. Die grünen Linien stehen für Niederschlagsereignisse und die horizontalen Linien für die drei Wassergehaltssensoren, die in verschiedenen Tiefen angebracht wurden.
Wenn Sie sich Abbildung 10 ansehen, werden Sie feststellen, dass selbst die vier bis fünf Millimeter starken Nässeereignisse nur geringe bis gar keine Auswirkungen auf den Sensor für den Pegelstand bei fünf Zentimetern und keine spürbaren Auswirkungen auf die Sensoren bei 10 und 20 Zentimetern hatten. Warum erschien das Niederschlagsereignis nicht in den Wassergehaltsdaten? Es gibt einige Faktoren, die dazu beitragen. Diesem Messzeitraum ging ein sehr langer, heißer und trockener Sommer voraus, in dem die Bodentemperatur fast jeden Tag über 40°C lag, was den Boden hydrophob machte. Außerdem war der Boden staubtrocken, was dazu führte, dass das gesamte Wasser aufgenommen und an der Oberfläche gehalten wurde, bevor es wieder verdunstete, so dass das Wasser keine Chance hatte, tiefer in das System zu gelangen.
Abbildung 12 zeigt Daten zur Bodenfeuchtigkeit im gleichen sandigen Wüstenlehmboden zu einem früheren Zeitpunkt in diesem Jahr. Während die Niederschlagsdaten in diesem Diagramm nicht enthalten sind, traten Benetzungsereignisse in Korrelation mit jeder der Spitzen auf, die auf dem Sensor für den Wassergehalt in fünf Zentimetern Tiefe sichtbar sind. Beachten Sie, dass der Sensor für den Wassergehalt in fünf Zentimetern Tiefe um den 28. Mai herum ein Nässeereignis verzeichnete, das sich jedoch weder in den Sensoren für den Wassergehalt in 10- noch in 20-Zentimetern Tiefe widerspiegelt. Die Befeuchtung um den 2. Juni herum zeigte Anzeichen dafür, dass sich die Nadel in der 10-cm-Tiefe bewegt, erreicht aber nicht die 20-cm-Marke. Noch überraschender ist, dass das größte Nässeereignis um den 14. Juni auftrat und sich in 10 cm Tiefe überhaupt nicht bemerkbar machte, aber in 20 cm Tiefe einen kleinen Ausschlag verursachte. Was sagt uns die Analyse dieser Bodenfeuchtigkeitsdaten?
Wie in Abbildung 10 hat die oberste Bodenschicht einen großen Teil der Feuchtigkeit aus der ersten Befeuchtung aufgenommen und den hohen Verdunstungsbedarf gedeckt, ohne dass der Boden die Möglichkeit hatte, nach unten zu entwässern. Als sich der Grundwasserspiegel während der zweiten Befeuchtung füllte, gelangte etwas Wasser bis zum 10-cm-Tiefensensor, blieb aber kurz vor der 20-cm-Marke stehen. Das größere Rätsel war das letzte Befeuchtungsereignis. Warum registrierten die Sensoren in fünf und 20 cm Tiefe einen Anstieg des Wassergehalts, während in 10 cm Tiefe kein Anstieg zu verzeichnen war?
Es ist leicht vorstellbar, dass Regenereignisse eine gleichmäßige Verteilung des Wassers über die Bodenoberfläche bewirken, das gleichmäßig versickert, aber das ist nicht immer der Fall. Anstatt als ein riesiger Block durch den Boden zu fließen, bewegt sich das Wasser in verzweigten Fingern durch den Boden und berührt dabei nicht immer alle Bodenteilchen. In diesem Fall war es wahrscheinlich so, dass einer dieser Wasserfinger den 10-cm-Tiefensensor umrundet hat und dann bis zum 20-cm-Tiefensensor weitergelaufen ist. Dies ist die wahrscheinlichste Erklärung für diese Datenanomalie, aber es wäre trotzdem wichtig, den Bereich zu überwachen, um sicherzustellen, dass es kein Problem mit der Infiltration in diesem Bereich gibt.
Lassen Sie uns ein paar Anwendungsfälle untersuchen, bei denen die Wetterüberwachung den Unterschied ausmachen kann, um zu verstehen, was im Boden passiert. Vor einigen Jahren erlebten wir in Pullman, WA, dem Sitz von METER, ein Hochwasserereignis. Ein sehr kleiner Bach namens Missouri Flat Creek, der parallel zur Hauptstraße der Stadt verläuft, überflutete die Straße und mehrere Geschäfte und hinterließ eine große Schneise der Zerstörung im Herzen der Gemeinde. Wie konnte das passieren? Können uns die Daten helfen, die Warnzeichen einer bevorstehenden Überschwemmung zu verstehen?
(Weitere Informationen zur Wetterüberwachung finden Sie in der Weather Monitoring Master Class )
Die Niederschlagsdaten in Abbildung 13 erklären nicht, warum es zu den Überschwemmungen kam. Die größten Niederschlagsereignisse erreichten nur etwa 3 mm. Mehrere Sensoren zeigten die gleiche Niederschlagsmenge an, was nicht auf eine Überschwemmung in dem Ausmaß schließen lässt, wie sie in dem kleinen Bach stattfand. Um besser zu verstehen, was passiert ist, müssen wir uns den Messungen des Bodenwassergehalts in dem Gebiet zuwenden (Abbildung 14).
Der Wassergehalt des Bodens blieb sehr konstant, bis irgendwann am 6. April die Befeuchtung einsetzte und einen Anstieg bei 20 cm, dann bei 40 cm, etwas bei 60 cm und 90 cm und sogar etwas bei 120 cm bewirkte. Gegen Ende des 7. April begann das Wasser aus den oberen Schichten des Bodens abzufließen und in die unteren Regionen zu sickern. Nachfolgende Regenereignisse führten dazu, dass am 9. April der Pegel bei 60 cm einen ziemlich hohen Wassergehalt anzeigte und begann, sich abzuflachen, ebenso wie die übrigen Tiefen, was ein Zeichen dafür war, dass sich der Grundwasserspiegel füllte und ein bevorstehendes Hochwasserereignis ankündigte. Am Ende des 9. April gab weiterer Regen den Ausschlag, und der Missouri Flat Creek trat über die Ufer.
Abbildung 15 zeigt die Wassertiefen entlang des Baches, was verdeutlicht, dass der Wasserstand bei 1 m gehalten wurde. Das letzte Regenereignis korrelierte mit dem Plateau des Wassergehalts, als das Wasser über die Ufer trat und fast 2,5 m erreichte.
In einem Schiffston (Abbildung 16), einem Ton mit hohem Schrumpfungsverhalten in Südtexas, haben wir mehrere Wassergehaltssensoren eingesetzt, um zu veranschaulichen, wie eine Analyse der Bodenfeuchtigkeitsdaten im Falle von Bodenrissen aussehen würde.
Wenn wir Gegenüberstellung das Verhalten der Sensoren betrachten, sehen wir ein interessantes Muster. Ein Sensor in 20 cm Tiefe zeigte einen allmählichen Rückgang nach jedem Benetzungsereignis, aber der andere Sensor in der gleichen Tiefe zeigte einen steilen Abfall, was typischerweise in einem sandigen Boden zu erwarten wäre. Das wirft die Frage auf, was in diesem Lehm passiert ist, um diese Messwerte zu verursachen. Das Phänomen, das Sie in diesem Datensatz beobachten, besteht darin, dass der Sensor mit der steileren Kurve in einem Abschnitt des Lehms mit einer hohen Schrumpfung eingebettet war, was dazu führte, dass sich der Boden um den Sensor herum zurückzog, wodurch Luftspalten entstanden, die dazu führten, dass der elektromagnetische Sensor nicht so hohe Werte wie erwartet anzeigte. Abbildung 16 ist ein perfektes Beispiel dafür, dass dieser steile Abfall auf Risse im Boden hindeutet.
Abbildung 17 zeigt ein Feld mit sandigem Lehm, auf dem invasive Arten wachsen, die aufgrund der Temperaturen abgestorben sind. Beachten Sie, dass die Messungen des Wassergehalts bei jedem Regenereignis sprunghaft ansteigen und dann in zackigen Stufen abfallen. Wurden diese Sensoren entsorgt? Wie lassen sich die in diesen Daten dargestellten Schwankungen erklären? Wenn wir die Temperaturmessungen in das Diagramm aufnehmen, wird klar, was passiert ist.
Die fette schwarze horizontale Linie in Abbildung 18 zeigt 0°C oder den Gefrierpunkt an. Mit den Temperaturmessungen und dem hinzugefügten Gefrierpunkt wurde deutlich, dass die Wassergehaltswerte bei Frost abfielen und zu schwanken schienen. Wenn die Temperaturen über den Gefrierpunkt stiegen, stiegen die Wassergehaltsmessungen wieder in einen Bereich, den wir erwarten würden. Diese Beziehung macht Sinn. Je mehr Wasser gefriert, desto mehr verschwinden die Wassermoleküle in dem elektrischen Magnetfeld, mit dem die Sensoren das Vorhandensein von Wasser erkennen. Da nicht das gesamte Wasser gefroren war, ist die gemessene Wassermenge zwar nicht auf Null gesunken, aber doch deutlich zurückgegangen. Sobald das Tauwetter einsetzte, zeigten die Daten, dass sich der Wassergehalt des Bodens glättete und wieder auf den Wert vor dem Einfrieren zurückkehrte. Dies ist das Muster, das bei Frost zu erwarten ist. In Abbildung 19 sehen Sie denselben Datensatz im Kontext eines ganzen Jahres. Beachten Sie, dass die Frostereignisse deutlich anders aussehen als die gleichmäßigere Ebbe und Flut der Sommerdaten. Die gepunktete Linie in den Wintermonaten ist das Muster, das Sie in den Wassergehaltsdaten erwarten sollten, ohne dass ein Gefrierereignis auftritt.
In Abbildung 20 haben wir Sensoren in sieben Gebieten platziert, die alle innerhalb von drei bis vier Kilometern voneinander entfernt sind, in einem lehmigen Boden mit Pflanzkartoffeln. Die Sensoren in Abbildung 20 wurden nach einem nassen Winter mit viel Schnee und anschließendem Regen installiert.
Je nachdem, wie viel Erfahrung Sie beim Lesen von Wassergehaltsdaten haben, werden Sie sich vielleicht fragen, warum es so große Unterschiede zwischen diesen sieben Sensoren gibt, selbst zu Beginn des Datensatzes. Diese Abweichung ist eine Funktion der Bodenart. Selbst wenn die Bodenart ähnlich kategorisiert ist, hat jede Stelle ihre eigene Basislinie. Daher ist es wichtig, dass Sie Gegenüberstellung Bodenwassergehaltsmessungen mit früheren Messungen an derselben Stelle vergleichen und nicht erwarten, dass die Messwerte von einer Stelle zur nächsten identisch sind, egal wie nahe sie beieinander liegen. Wenn wir jedoch die Wasserpotenzialdaten für dieselben Felder über denselben Zeitraum hinweg untersuchen (Abbildung 21), können wir sehen, dass das Wasserpotenzial für diese Sensoren zu Beginn alle innerhalb von +/- 10 kPa voneinander lagen, was bemerkenswert nahe war. Das ist die Stärke der Verwendung von Wasserpotenzialmessungen über ein Feld hinweg, unabhängig von der Bodenart.
Im Sommer ist es wichtig, ein gewisses Maß an Schwankungen des Wassergehalts zu berücksichtigen, insbesondere bei Messungen nahe der Bodenoberfläche. Auf diese Weise können alle Wassergehaltssensoren auch als Temperatursensoren fungieren.
In Abbildung 22 zeigen die Daten eine tägliche Temperaturschwankung von +/- 14°C. Ohne die Kenntnis dieser Temperaturschwankungen könnte die zackige Natur der Wassergehaltsmessungen fälschlicherweise als hydrologische Bewegung des Wassers interpretiert werden, während sie in Wirklichkeit die Auswirkung der Wärmeänderung auf den Feuchtigkeitsgehalt des Bodens veranschaulicht. Jeder kleine Ausschlag der Wassergehaltsänderung betrug in Wirklichkeit nur 0,0003m3 m-3 /°C.
Wir haben bis zu diesem Punkt einige Beispiele gezeigt, die zunächst wie Anzeichen für eine Wasseraufnahme durch die Vegetation aussahen, aber bei näherer Betrachtung der Daten nicht mehr erklärt wurden. Wie sieht also die hydraulische Umverteilung in Ihren Daten aus? Schauen wir uns nacheinander vier Diagramme an, um zu sehen, ob wir das Vorhandensein einer Wasseraufnahme aus dem Boden in die Pflanzen nachweisen können. Jedes Diagramm zeigt Daten über denselben Zeitraum auf demselben bewässerten Weizenfeld in einem Abstand von 500 m zueinander.
Abbildung 23 zeigt den Wassergehalt in einer Tiefe von 15 cm auf dem gesamten Feld. Die Bewässerung lief bis Ende Juli immer wieder an und aus, wobei einige Niederschlagsereignisse nach dem Abschalten der Bewässerung auftraten. Jeder Wassergehaltssensor zeigte ein klassisches Tagesmuster an, das auf den ersten Blick wie Temperaturschwankungen aussehen könnte, aber zu diesem Zeitpunkt der Saison war das Feld voll mit Weizenblättern bedeckt, die einen Leaf Area Index (LAI) von etwa vier bis fünf aufwiesen und nur sehr wenig Strahlung auf die Bodenoberfläche abgaben. Daher ist es unwahrscheinlich, dass der tageszeitliche Fluss auf eine Temperaturänderung zurückzuführen ist. Das Muster hörte erst auf, als die Bewässerung abgestellt wurde und die Pflanzen so viel wie möglich aufgenommen hatten.
In den 45 cm Tiefe in Abbildung 24 war das Tagesmuster Anfang Juni noch nicht vorhanden und wurde erst Ende Juni deutlich. Als das Wasser Ende Juli abgestellt wurde, war das Tagesmuster am stärksten ausgeprägt. Es fiel tagsüber und erreichte nachts ein Plateau. Da die Daten so tief in den Boden eingedrungen waren, entsprachen sie eher der Wasseraufnahme durch die Pflanzen als einer Temperaturänderung.
Je tiefer wir in den Boden vordringen (Abbildung 25), desto weniger ist derselbe Tagesgang bis Mitte/Ende Juli und bis weit in den August hinein zu beobachten.
Obwohl Genauigkeit und Zuverlässigkeit zwei der wichtigsten Faktoren für uns sind, wenn es um die von uns hergestellten Messgeräte geht, gibt es noch andere Faktoren, wie z.B. die Installation und Wartung, die zum Ausfall eines Sensors führen können.
Abbildung 26 ist ein gutes Beispiel dafür, wie ein ausgefallener Sensor in den Daten aussieht. Mehrere Sensoren hatten einen sehr gleichmäßigen Verlauf und einen reibungslosen Datenfluss, als plötzlich ein einziger Sensor fast augenblicklich ausfiel und eine große Anzahl variabler Daten zu liefern begann. Glücklicherweise war der Sensor dieses Anwenders mit dem ZENTRA Cloud verbunden, das ihn automatisch über den Sensorausfall informierte, so dass dieser rechtzeitig und mit minimaler Unterbrechung der kontinuierlichen Messung behoben werden konnte. In diesem Fall hatte sich der Sensor gelöst. Nachdem er wieder in den Datenlogger eingesteckt wurde, funktionierte der Sensor wieder einwandfrei.
Die letzte Datenanomalie, die wir in diesem Artikel besprechen werden, sind fehlerhafte Daten aufgrund von Problemen während des Installationsprozesses.
Wie bei allen wissenschaftlichen Unternehmungen ist es wichtig zu wissen, welche Informationen Sie erwarten, bevor Sie die Messwerte analysieren. Bei einem schluffigen Lehmboden wie dem in Abbildung 27 gezeigten war der Boden ziemlich feucht, und wir würden erwarten, dass die Messwerte bei oder über 30% volumetrischem Wassergehalt liegen. Stattdessen sahen wir zwei Sensoren, die einen Wassergehalt von 10% und darunter anzeigten. Dies ist ein gutes Beispiel für einen Zeitpunkt, an dem es sich lohnen würde, die Sensoren zu untersuchen und sie möglicherweise neu zu installieren.
Jede Situation und jeder Datensatz wird anders sein. Für die Gültigkeit Ihrer Schlussfolgerungen ist es entscheidend, dass Sie die richtigen Ableitungen und Schlussfolgerungen aus den Daten ziehen. Lassen Sie uns daher einige Dinge rekapitulieren, die Sie bei der Interpretation Ihrer einzigartigen Daten beachten sollten.
Unsere Wissenschaftler verfügen über jahrzehntelange Erfahrung in der Unterstützung von Forschern und Landwirten bei der Messung des Kontinuums Boden-Pflanze-Atmosphäre.
TDR, FDR, Kapazität, Widerstand: Ein Vergleich gängiger Methoden zur Messung der Bodenfeuchte, ihre Vor- und Nachteile und ihre einzigartigen Anwendungen.
Unter den Tausenden von begutachteten Veröffentlichungen, in denen METER-Bodensensoren verwendet werden, kristallisiert sich kein Typ als Favorit heraus. Die Wahl des Sensors sollte daher von Ihren Bedürfnissen und Ihrer Anwendung abhängen. Nutzen Sie diese Überlegungen, um den perfekten Sensor für Ihre Forschung zu finden.
Die meisten Menschen betrachten die Bodenfeuchtigkeit nur als eine Variable - den Wassergehalt. Aber es sind zwei Arten von Variablen erforderlich, um den Zustand des Wassers im Boden zu beschreiben.
Erhalten Sie regelmäßig die neuesten Inhalte.
