Ha enterrado en el suelo sensores de contenido de agua y de potencial hídrico, ha instalado un ATMOS 41 en el campo y ha configurado su registrador de datos ZL6 . Su red de instrumentos lleva días, semanas o incluso toda la temporada recopilando datos. ¿Y ahora qué? Una cosa es realizar el análisis de los datos de humedad del suelo de su lugar de investigación. Saber cómo extrapolar inferencias y conclusiones significativas para comprender lo que está sucediendo y solucionar problemas es completamente diferente.
En este artículo, recorreremos varios conjuntos de datos para comprender cómo se pueden utilizar el contenido de agua del suelo, la temperatura del suelo, el potencial hídrico del suelo y las mediciones atmosféricas para descubrir el significado que se esconde tras las trazas. En este artículo aprenderá a identificar los siguientes eventos en sus datos:
Cada ejemplo se representará mediante un gráfico. No es necesario comprender todos los aspectos de la información contenida en estos gráficos. Cada uno de ellos se utiliza como ilustración de patrones comunes de datos de humedad del suelo con los que te puedes encontrar y cómo extrapolar la información más útil posible a partir de los patrones observados. Cada gráfico tendrá un recuadro en la esquina superior derecha con el tipo de suelo y el tipo de cultivo para que tenga una mejor comprensión de las variables en juego.
Todos los datos proporcionados fueron recogidos por registradores de datos, como nuestra ZL6 y se cargaron en ZENTRA Cloud para que el usuario pueda consultarlos a distancia. Todos los conjuntos de datos proceden de la propia instrumentación de METER o han sido suministrados por el propietario de los datos y se incluyen con su permiso.
En la Figura 2 se muestran los datos de una arena limosa con un cultivo de cobertura de césped. Nuestro objetivo al ejecutar nuestros experimentos en este ejemplo era mejorar el riego en el césped. Este césped tenía una zona radicular bastante superficial, cuyo centro estaba a unos 6 cm de profundidad y el fondo a unos 10 cm. Con el tiempo, este ejemplo mostró primero unas condiciones relativamente húmedas al principio durante junio y julio, una condición de periodo de secado fijo en julio y agosto, y secado hasta el cese de la absorción de agua en agosto y septiembre.
Este gráfico muestra dos tipos de datos sobre la humedad del suelo contenido volumétrico de agua en el eje izquierdo y el potencial mátrico, o potencial hídricoen el eje Y derecho. El tiempo aparece en el eje de abscisas, desde principios de verano hasta principios de otoño. Para entender lo que pueden decirnos estas agrupaciones de datos, debemos examinar cada conjunto de datos por separado.
La figura 3 muestra el contenido de agua y el potencial hídrico del césped mencionado anteriormente en condiciones húmedas. Este césped estaba en una arena limosa. Obsérvese que los sensores de potencial hídrico, representados con líneas de puntos en la parte superior del gráfico, no respondieron en absoluto. Sin embargo, los sensores de contenido de agua del suelo muestran un detalle increíble, incluyendo cada evento de riego en el orden de días.
El campo se regaba cada noche con un pico visible cuando el agua llegaba al sensor, visible en el sensor de nivel de 6 cm. También había un pequeño pico a 15 cm, que era el fondo de la zona radicular. Incluso a 30 cm, los datos mostraban un aumento del contenido de agua, pero la curva era más redondeada que en el sensor de nivel de 15 cm. El potencial hídrico no mostró ningún cambio. El tamaño de las partículas era tan grande que los sensores eran incapaces de detectar el agua retenida por esas partículas. En cambio, si observamos lo que ocurría en esta arena limosa en condiciones óptimas, vemos algunos detalles bastante interesantes.
En esta sección de los datos, los datos del contenido de agua del suelo a 6 centímetros se aplanaron durante la noche y descendieron durante el día. Esto era visible día tras día y nos daba una idea de cuánta agua absorbían las plantas a 6 centímetros, la parte inferior de la zona radicular. Hubo un descenso diario a los 15 centímetros, pero no es tan pronunciado porque estaba en la parte inferior de donde las raíces estaban absorbiendo agua.
En la figura 5 no había tanta agua escurriendo por el perfil, lo cual era muy positivo. Vimos un pequeño pico el 14 de julio en el sensor de nivel de 30 cm, pero ninguna fluctuación durante el riego posterior. Esta arena limosa es muy sensible al agua aplicada. Los datos de potencial hídrico mostraron una pequeña respuesta en el nivel de 6 cm. Esto no indicaba ningún estrés, ya que sólo descendía hasta el rango de -200 a -400 kPa, que seguía estando por encima del rango de estrés para este césped.
En condiciones de sequía, también se observó una absorción gradual óptima del agua en el nivel de 6 cm. El problema en este conjunto de datos se observó en el sensor de nivel de 15 cm, donde los niveles de agua eran tan altos como en el sensor de nivel de 6 cm, lo que indicaba que el agua se filtraba a través del suelo sin ser absorbida. Se observó una absorción diaria hasta que se detuvo repentinamente en torno al 5 de septiembre. En ese momento, la hierba ya no es capaz de absorber agua del suelo y pasa del crecimiento activo al letargo.
El potencial hídrico muestra una curva realmente interesante en este conjunto de datos de humedad del suelo, con una caída negativa hasta -1500 kPa, o punto de marchitamiento permanente. Esta hierba estaba en letargo porque el agua no estaba disponible para que la hierba la absorbiera. Tanto el contenido de agua como las mediciones del potencial hídrico mostraban una clara imagen de declive en estas condiciones de sequía. Por desgracia, en este caso, los agricultores no reaccionaron ante las señales de los datos hasta que el suelo estuvo muy seco.
¿Qué ocurre cuando el suelo no es una arena limosa, sino un suelo de textura fina: un suelo franco arcilloso? La figura 8 ilustra una marga arcillosa en la que se cultivaban patatas de siembra en el sur de Idaho y que tenía casi 700 m de diámetro en la que instalamos sensores en seis puntos. Este gráfico representa muy pocos cambios en el contenido de agua a lo largo de toda la temporada, fluctuando sólo entre un 2 y un 3%. El agricultor observó estos datos y se preguntó cómo podía determinar cuándo debía cortar el agua a este campo. Utilizando sólo estos datos, es muy difícil tomar esa determinación, como explicamos en nuestro seminario web anterior Captación de recursos hídricos: Convertir el agua en biomasa. Aunque los datos sobre el contenido de agua son muy útiles para determinar la presencia y la cantidad de agua, hacen muy poco para decirnos si las plantas están estresadas o para ayudarnos a entender cuándo han tenido suficiente agua.
Para comprender los niveles de estrés de las plantas y su capacidad para actualizar el agua, debemos examinar el potencial hídrico matricial. Mientras que los datos sobre el contenido de agua en el suelo muestran un riego constante y regular a lo largo de la temporada, en tres de los seis lugares el potencial hídrico matricial descendió hasta el nivel de estrés, y en uno de ellos muy cerca del punto de marchitez permanente. La temperatura de las hojas de las plantas en estas zonas, medida con un instrumento como el termómetro infrarrojo IRT, se registró a temperaturas mucho más altas que la temperatura del aire. Y el rendimiento en estos lugares fue mucho menor que el de las zonas en las que no se midió el estrés, lo que da validez a las mediciones del potencial hídrico y a su indicación de un problema.
El suelo franco arenoso de la Figura 10 se encuentra en un desierto en Rush Valley. En este ejemplo, no estábamos examinando un cultivo, propiamente dicho, sino especies invasoras dentro de un sistema nativo. La razón de la instalación de estos instrumentos era comprender por qué especies invasoras como la hierba de los tramposos estaban superando a la vegetación autóctona de la zona. Las líneas verdes representan las precipitaciones y las líneas horizontales representan los tres sensores de contenido de agua colocados a distintas profundidades.
Al examinar estos datos de humedad del suelo, observará que incluso los eventos de humectación de cuatro a cinco milímetros tuvieron un impacto escaso o nulo en el sensor de nivel de cinco centímetros y nulo en los sensores de 10 y 20 centímetros. ¿Por qué el evento de precipitación no apareció en los datos de contenido de agua? Hay varios factores que contribuyen a ello. Este periodo de medición estuvo precedido por un verano muy largo, caluroso y seco en el que la temperatura del suelo superó los 40 °C casi todos los días, lo que hizo que el suelo fuera hidrófobo. Además, el suelo estaba seco como el polvo, lo que provocó que toda el agua se absorbiera y retuviera en la superficie antes de evaporarse de nuevo, sin dejar ninguna posibilidad de que el agua se moviera más profundamente en el sistema.
La figura 12 muestra los datos de humedad del suelo en el mismo suelo franco arenoso desértico a principios de ese año. Aunque los datos de precipitación no se incluyeron en este gráfico, se produjeron eventos de humedecimiento en correlación con cada uno de los picos visibles en el sensor de contenido de agua de cinco cm de profundidad. Obsérvese que en el sensor de nivel de cinco centímetros se produjo un episodio de humedecimiento en torno al 28 de mayo, pero no se refleja en los sensores de nivel de 10 ó 20 centímetros. La humectación en torno al 2 de junio mostró indicios de mover la aguja en la profundidad de 10 cm, pero no alcanza la marca de 20 cm. Y lo que es aún más sorprendente, la mayor humectación se produjo en torno al 14 de junio y no apareció en absoluto a 10 cm, pero creó un pequeño pico a 20 cm de profundidad. ¿Qué nos dice el análisis de estos datos de humedad del suelo?
Al igual que en el último conjunto de datos de la misma zona, la capa superior del suelo absorbió gran parte de la humedad del primer episodio de humectación y alimentó la elevada demanda evaporativa sin dar al suelo la oportunidad de drenar hacia abajo. Cuando la capa freática se llenó durante la segunda humectación, parte del agua llegó hasta el sensor de 10 cm de profundidad, pero se detuvo por debajo de la marca de 20 cm. El mayor enigma fue la última humectación. ¿Por qué los sensores de 5 y 20 cm registraron un aumento del contenido de agua sin que se observara ningún aumento a 10 cm?
Es fácil pensar que las lluvias crean una distribución uniforme del agua por la superficie del suelo, infiltrándose de manera uniforme, pero no siempre es así. En lugar de atravesar el suelo como un bloque gigante, el agua viaja a través del suelo en dedos ramificados, no siempre tocando cada partícula del suelo. Lo más probable es que, en este caso, uno de esos dedos de agua rodeara el sensor de profundidad de 10 cm y siguiera descendiendo hasta el sensor de nivel de 20 cm. Esta es la explicación más probable para esta anomalía en los datos, pero seguiría siendo importante vigilar la zona para asegurarse de que no hay ningún problema con la infiltración en esa zona.
Aunque hemos creado una guía educativa titulada Weather Monitoring Master Class que contiene todo lo que necesita saber sobre la monitorización del tiempo, a efectos de la interpretación de los datos de humedad del suelo, vamos a explorar algunos casos de uso en los que la monitorización del tiempo puede marcar la diferencia en la comprensión de lo que está sucediendo en el suelo. Hace unos años sufrimos una inundación en Pullman, Washington, donde se encuentra la sede de METER. Un arroyo muy pequeño llamado Missouri Flat Creek, que discurre paralelo a la carretera principal de la ciudad, inundó la calle y varios negocios que se encontraban en su camino, creando una gran franja de destrucción en el corazón de la comunidad. ¿Cómo ocurrió? ¿Pueden los datos ayudarnos a comprender las señales de advertencia de inundaciones inminentes?
Los datos de precipitaciones de la figura 13 no explican por qué se produjeron las inundaciones. Las mayores precipitaciones sólo alcanzaron unos tres milímetros. Múltiples sensores mostraron el mismo volumen de precipitación, lo que no parece sugerir la posibilidad de una inundación a la escala que se produjo en ese pequeño arroyo. Para comprender mejor lo ocurrido, hay que recurrir a las mediciones del contenido de agua del suelo en la zona (figura 14).
Los niveles de contenido de agua del suelo se mantuvieron muy constantes hasta que, en algún momento del 6 de abril, se inició el episodio de humedecimiento, que provocó un aumento en el nivel de 20 cm, luego en el de 40 cm, un poco en el de 60 cm y 90 cm, e incluso algo en el de 120 cm. Hacia finales del 7 de abril, el agua empezó a salir de los niveles superiores del suelo y a filtrarse hacia las regiones inferiores. Las lluvias posteriores hicieron que, el día 9, el nivel de 60 cm registrara niveles de agua bastante llenos y empezara a aplanarse, al igual que el resto de las profundidades, lo que era señal de que la capa freática se estaba llenando al máximo, lo que indicaba una inundación inminente. A finales del 9 de abril, más lluvias inclinaron la balanza y el arroyo Missouri Flat se desbordó.
La figura 15 muestra las profundidades del agua a lo largo de la orilla del arroyo, lo que ilustra que el nivel del agua se mantuvo en 1 m. El evento de lluvia final se correlacionó con la meseta de contenido de agua, ya que el agua sobrepasó sus orillas y alcanzó casi 2,5 m.
En la arcilla de un barco (Figura 16), una arcilla con alto grado de expansión por contracción situada en el sur de Texas, insertamos varios sensores de contenido de agua para ilustrar cómo sería un análisis de los datos de humedad del suelo en caso de agrietamiento del mismo.
Si comparamos el comportamiento de los sensores, observamos un patrón interesante. Un sensor situado a 20 cm de profundidad mostraba un descenso gradual después de cada humectación, pero el otro sensor situado a la misma profundidad mostraba un descenso pronunciado, que sería lo normal en un suelo arenoso. Esto nos lleva a preguntarnos: ¿qué ocurría en esta arcilla para que se produjeran estas lecturas? El fenómeno que se observa en este conjunto de datos es que el sensor con la curva más pronunciada estaba incrustado en una sección de la arcilla con un alto grado de contracción, lo que provocaba que el suelo se retrajera alrededor del sensor, produciendo espacios de aire que hacían que el sensor electromagnético no diera lecturas tan altas como se esperaba. La figura 16 es un ejemplo perfecto que muestra que esta caída precipitada era indicativa de agrietamiento del suelo.
La figura 17 muestra un campo de margas arenosas que contiene especies invasoras muertas debido a las temperaturas. Cada vez que llovía, se observaba que las mediciones del contenido de agua subían y luego bajaban de forma irregular. ¿Se desenterraron estos sensores? ¿Qué puede explicar las fluctuaciones ilustradas en estos datos? Si añadimos las mediciones de temperatura al gráfico, queda claro lo que estaba ocurriendo.
La línea negra horizontal de la figura 18 indica 0°C, o congelación. Con las mediciones de temperatura y un punto de congelación añadido, quedó claro que cuando las condiciones se congelaban, las lecturas del contenido de agua descendían y parecían fluctuar. Cuando las temperaturas subían por encima del punto de congelación, las mediciones del contenido de agua volvían a subir hasta el rango que cabría esperar. Esta relación tiene sentido. Cuanto más se congela el agua, más desaparecen las moléculas de agua ante el campo magnético eléctrico que utilizan los sensores para detectar la presencia de agua. No toda el agua estaba congelada, por lo que la cantidad de agua medida no se redujo a cero, pero sí disminuyó significativamente. Una vez descongelado, los datos muestran que los niveles de contenido de agua en el suelo se suavizan y vuelven a ser los mismos que antes de la congelación. Este es el patrón que cabe esperar en situaciones de congelación. La figura 19 muestra el mismo conjunto de datos en el contexto de todo un año. Obsérvese que las heladas tienen un aspecto claramente distinto del flujo y reflujo de los datos de verano. La línea discontinua de los meses de invierno es el patrón que cabe esperar en los datos de contenido de agua sin que se produzcan heladas.
En la figura 20, colocamos sensores en siete zonas, todas ellas a una distancia de entre tres y cuatro kilómetros entre sí, en un suelo franco arcilloso con patatas de siembra. Los sensores de la Figura 20 se instalaron después de un invierno húmedo con mucha nieve seguida de lluvia.
Dependiendo de su nivel de experiencia en la lectura de datos de contenido de agua, es posible que se pregunte por qué hay tanta variabilidad entre estos siete sensores, incluso hacia el principio del conjunto de datos. Esta variación depende del tipo de suelo. Aunque el tipo de suelo se clasifique de forma similar, cada lugar tendrá su propia línea de base, por lo que es importante comparar las mediciones del contenido de agua del suelo con mediciones anteriores en el mismo lugar y no esperar lecturas idénticas de un lugar a otro, por muy próximas que estén. Sin embargo, si examinamos los datos de potencial hídrico de los mismos campos durante el mismo periodo de tiempo (Figura 21), podemos ver que el potencial hídrico de todos estos sensores comenzó con una diferencia de +/- 10 kPa entre sí, lo que resulta muy similar. Esta es la ventaja de utilizar mediciones del potencial hídrico en un campo, independientemente del tipo de suelo.
En verano, es importante tener en cuenta una cierta fluctuación del contenido de agua, especialmente en las lecturas cercanas a la superficie del suelo. De ese modo, todos los sensores de contenido de agua pueden actuar también como sensores de temperatura.
En la figura 22, los datos mostraban una oscilación diaria de la temperatura de +/- 14°C. Sin el conocimiento de esos cambios de temperatura, la naturaleza irregular de las mediciones del contenido de agua podría interpretarse erróneamente como un movimiento hidrológico del agua, cuando en realidad está ilustrando el efecto del cambio térmico en el contenido de humedad del suelo. Cada pequeño cambio en el contenido de agua fue en realidad de sólo 0,0003m3 m-3 /°C.
Hasta ahora hemos mostrado algunos ejemplos que, en principio, podían parecer indicios de absorción de agua por la vegetación, pero que se desvanecieron al examinar los datos con más detalle. Entonces, ¿qué aspecto tiene la redistribución hidráulica en sus datos? Exploremos cuatro gráficos sucesivamente para ver si podemos demostrar la presencia de absorción de agua del suelo por las plantas. En cada gráfico se destacan los datos correspondientes al mismo periodo de tiempo en el mismo campo de trigo de regadío a una distancia de 500 m entre sí.
La figura 23 muestra el contenido de agua a 15 cm de profundidad en todo el campo. El riego fue intermitente hasta finales de julio, y se produjeron algunas precipitaciones después del corte del riego. Cada sensor de contenido de agua mostraba un patrón diurno clásico, que a primera vista podrían parecer fluctuaciones de temperatura, pero en ese momento de la temporada, el campo tenía un dosel de hojas de trigo completo con un Leaf Area Index (LAI) de alrededor de cuatro a cinco con muy poca radiación llegando a la superficie del suelo. Esto hace poco probable que el flujo diurno pueda atribuirse a un cambio de temperatura. El patrón sólo se detuvo cuando se interrumpió el riego y las plantas absorbieron todo lo que pudieron.
En las profundidades de 45 cm de la figura 24, el patrón diurno no estaba presente a principios de junio y sólo se hizo prominente a finales de junio. Alrededor del momento en que se cortó el agua, a finales de julio, el patrón diurno fue el más pronunciado, descendiendo durante el día y estabilizándose por la noche. Al estar a tanta profundidad en el suelo, estos datos coincidían mucho más con la absorción de agua por las plantas que con los cambios de temperatura.
A medida que nos adentramos en el suelo (Figura 25), el mismo escalonamiento diurno no fue visible hasta mediados o finales de julio y se observó hasta bien entrado agosto.
Aunque la precisión y la fiabilidad son dos de los factores más importantes para nosotros cuando se trata de toda la instrumentación que fabricamos, hay otros factores, como la instalación y el mantenimiento, que pueden hacer que falle cualquier sensor.
La figura 26 es un gran ejemplo de cómo se ve un sensor averiado dentro de los datos. Varios sensores habían trazado una trayectoria muy estable y habían estado transmitiendo datos sin problemas cuando, de repente, un solo sensor cayó casi instantáneamente y empezó a proporcionar una gran variedad de datos variables. Por suerte para este usuario, su sensor estaba conectado a ZENTRA Cloud , que le alertó automáticamente del fallo del sensor para que pudiera solucionarlo a tiempo con una interrupción mínima de la medición continua. En este caso, el sensor se había desenchufado y, una vez conectado de nuevo al registrador de datos, siguió funcionando perfectamente.
La última anomalía de datos que trataremos en este artículo son los datos defectuosos debidos a problemas durante el proceso de instalación.
Como en todas las tareas científicas, es importante saber qué información se espera encontrar antes de analizar las lecturas. Para un suelo limoso como el que se muestra en la Figura 27, el suelo estaba bastante húmedo, y esperaríamos que esas lecturas estuvieran en o por encima del 30% de contenido volumétrico de agua. En cambio, vimos dos sensores con lecturas del 10% o inferiores. Este es un buen ejemplo de un momento en el que valdría la pena examinar los sensores y potencialmente reinstalarlos.
Cada situación y cada conjunto de datos serán diferentes. Para que sus conclusiones sean válidas, es fundamental que saque las deducciones e inferencias correctas de los datos. Teniendo esto en cuenta, recapitulemos algunas cosas que hay que tener en cuenta al interpretar datos únicos.
Nuestros científicos cuentan con décadas de experiencia ayudando a investigadores y cultivadores a medir el continuo suelo-planta-atmósfera.
TDR, FDR, capacitancia, resistencia: Comparación de los métodos habituales de detección de la humedad del suelo, sus ventajas e inconvenientes y sus aplicaciones específicas.
Entre las miles de publicaciones revisadas por expertos que utilizan sensores de suelo METER, ningún tipo se perfila como el favorito. Por lo tanto, la elección del sensor debe basarse en sus necesidades y aplicación. Utilice estas consideraciones para identificar el sensor perfecto para su investigación.
La mayoría de la gente considera la humedad del suelo sólo en términos de una variable: el contenido de agua. Pero se necesitan dos tipos de variables para describir el estado del agua en el suelo.
Reciba periódicamente los contenidos más recientes.