Vous avez enfoui dans le sol des capteurs de teneur en eau et de potentiel hydrique, installé un ATMOS 41 dans le champ et mis en place votre enregistreur de données ZL6 . Votre réseau d'instruments a collecté des données pendant des jours, des semaines, voire toute la saison. Que se passe-t-il maintenant ? Effectuer l'analyse des données d'humidité du sol pour votre site de recherche est une chose. Savoir comment extrapoler des déductions et des conclusions significatives pour comprendre ce qui se passe et résoudre les problèmes en est une autre.
Dans cet article, nous allons examiner plusieurs ensembles de données pour comprendre comment la teneur en eau du sol, la température du sol, le potentiel hydrique du sol et les mesures atmosphériques peuvent être utilisés pour découvrir la signification des traces. Dans cet article, vous apprendrez à identifier les événements suivants dans vos données :
Chaque exemple sera représenté par un graphique. Il n'est pas nécessaire de comprendre tous les aspects de l'information contenue dans ces graphiques. Chacun d'entre eux est utilisé pour illustrer les schémas courants de données sur l'humidité du sol que vous pourriez rencontrer et la manière d'extrapoler les informations les plus utiles possibles à partir des schémas observés. Chaque graphique comporte un encadré dans le coin supérieur droit indiquant le type de sol et le type de culture afin de vous permettre de mieux comprendre les variables en jeu.
Toutes les données fournies ont été collectées par des enregistreurs de données, tels que ceux de notre série ZL6 et téléchargées sur ZENTRA Cloud pour une consultation à distance à la convenance de l'utilisateur. Tous les ensembles de données proviennent des propres instruments de METER ou sont fournis par le propriétaire des données et sont inclus avec sa permission.
Dans la figure 2, nous voyons les données d'un sable limoneux artificiel avec une culture de couverture de gazon. L'objectif de nos expériences dans cet exemple était d'améliorer l'irrigation du gazon. La zone racinaire de ce gazon était relativement peu profonde, le milieu se situant à environ 6 cm de profondeur et le bas à environ 10 cm. Au fil du temps, cet exemple a montré des conditions relativement humides au début des mois de juin et juillet, une période de séchage fixe en juillet et août, et un séchage jusqu'à l'arrêt de l'absorption d'eau en août et septembre.
Ce graphique présente deux types de données sur l'humidité du sol : la teneur en eau volumétrique sur l'axe des ordonnées de gauche et le potentiel matriciel, ou potentiel hydriquesur l'axe des ordonnées de droite. Le temps est indiqué sur l'axe des x, allant du début de l'été au début de l'automne. Pour comprendre ce que ces groupes de données peuvent nous apprendre, nous devons examiner chaque ensemble de données individuellement.
La figure 3 montre la teneur en eau et le potentiel hydrique du gazon mentionné précédemment dans des conditions humides. Ce gazon se trouvait dans un sable limoneux. Remarquez que les capteurs de potentiel hydrique, représentés par les lignes pointillées en haut du graphique, n'ont pas beaucoup réagi. En revanche, les sondes de teneur en eau du sol montrent des détails incroyables, y compris chaque épisode d'irrigation en quelques jours.
Le champ a été irrigué chaque nuit et une pointe a été visible lorsque l'eau a atteint le capteur, visible dans le capteur de niveau 6 cm. Il y avait également une petite pointe à 15 cm, ce qui correspondait à la partie inférieure de la zone racinaire. Même à 30 cm, les données ont montré une augmentation de la teneur en eau, mais la courbe était plus arrondie que celle du capteur de 15 cm. Le potentiel hydrique n'a pas changé du tout. La taille des particules était si importante que les capteurs n'ont pas pu détecter l'eau retenue par ces particules. Si nous examinons plutôt ce qui se passe dans ce sable limoneux dans des conditions optimales, nous constatons des détails assez intéressants.
Dans cette partie des données, les données relatives à la teneur en eau du sol à six centimètres se sont stabilisées pendant la nuit et ont chuté pendant la journée. Ce phénomène était visible jour après jour et nous donnait une idée de la quantité d'eau absorbée par les plantes à 6 centimètres, c'est-à-dire à la base de la zone racinaire. Il y a eu une baisse quotidienne à 15 centimètres, mais elle n'est pas aussi prononcée parce qu'elle s'est produite au bas de la zone où les racines absorbent l'eau.
Dans la figure 5, il n'y avait pas autant d'eau qui s'écoulait vers le bas à travers le profil, ce qui était une très bonne chose. Nous avons observé un petit pic le 14 juillet sur le capteur de niveau de 30 cm, mais aucune fluctuation au cours de l'irrigation qui a suivi. Ce sable limoneux est très sensible à l'eau qui a été appliquée. Les données sur le potentiel hydrique ont montré une petite réaction au niveau de six centimètres. Cela n'indiquait pas de stress, car il ne s'agissait que d'une baisse dans la plage de -200 à -400 kPa, ce qui était encore supérieur à la plage de stress pour ce gazon.
Dans des conditions de sécheresse, une absorption optimale progressive de l'eau était également visible au niveau de six centimètres. Le problème dans cet ensemble de données a été observé au niveau du capteur de 15 cm, où les niveaux d'eau étaient aussi élevés qu'au niveau du capteur de 6 cm, ce qui indique que l'eau était lessivée dans le sol sans être absorbée. Une absorption quotidienne était visible jusqu'à ce qu'elle s'arrête soudainement autour du 5 septembre. À ce moment-là, l'herbe n'est plus capable d'absorber l'eau du sol et passe de la croissance active à la dormance.
Le potentiel hydrique présente une courbe très intéressante dans cet ensemble de données sur l'humidité du sol, descendant négativement jusqu'à -1500 kPa, ou point de flétrissement permanent. Cette herbe était en dormance parce que l'eau n'était pas disponible pour qu'elle l'absorbe. Les mesures de la teneur en eau et du potentiel hydrique montrent clairement un déclin dans ces conditions de sécheresse. Malheureusement, dans ce cas, les agriculteurs n'ont pas réagi aux signes des données avant que le sol ne devienne très sec.
Que se passe-t-il lorsque le sol n'est pas un sable loameux, mais un sol à texture fine : un loam argileux ? La figure 8 illustre un sol argileux dans lequel poussaient des pommes de terre de semence dans le sud de l'Idaho, d'un diamètre de près de 700 m, dans lequel nous avons installé des capteurs à six endroits. Ce graphique montre que la teneur en eau n'a que très peu varié tout au long de la saison, avec une fluctuation d'environ 2 à 3 %. Le cultivateur a examiné ces données et s'est demandé comment il pourrait déterminer quand il devrait arrêter l'arrosage de ce champ. À partir de ces seules données, il est très difficile de faire cette détermination, comme nous l'avons expliqué dans notre précédent webinaire intitulé Water Resource Capture : Transformer l'eau en biomasse. Si les données relatives à la teneur en eau sont très utiles pour déterminer la présence et la quantité d'eau, elles ne permettent guère de savoir si les plantes sont stressées ou de comprendre quand elles ont eu assez d'eau.
Pour comprendre les niveaux de stress des plantes et leur capacité à actualiser l'eau, nous devons examiner le potentiel hydrique matriciel. Alors que les données relatives à la teneur en eau du sol donnent une image d'un arrosage constant et non remarquable tout au long de la saison, trois des six sites présentaient des niveaux de potentiel hydrique matriciel tombant dans la plage de stress, l'un d'entre eux étant très proche du point de flétrissement permanent. La température des feuilles des plantes dans ces zones, mesurée par un instrument tel que le thermomètre infrarouge IRT, a été enregistrée à des températures beaucoup plus élevées que la température de l'air. De plus, le rendement dans ces zones était beaucoup plus faible que le rendement des zones qui n'ont pas été mesurées comme étant stressées, ce qui confirme la validité des mesures du potentiel hydrique et leur indication d'un problème.
Le sol de loam sableux de la figure 10 se trouve dans un désert de la vallée de Rush. Dans cet exemple, nous n'avons pas examiné une culture, mais plutôt des espèces envahissantes au sein d'un système indigène. La raison de cette installation d'instruments était de comprendre pourquoi les espèces envahissantes telles que l'agropyre dépassaient la végétation indigène de la région. Les lignes vertes représentent les précipitations et les lignes horizontales représentent les trois capteurs de teneur en eau placés à différentes profondeurs.
En examinant ces données sur l'humidité du sol, vous remarquerez que même les précipitations de 4 à 5 mm n'ont eu que peu ou pas d'impact sur la sonde de niveau de 5 cm et aucun impact notable sur les sondes de 10 et 20 cm. Pourquoi les précipitations ne sont-elles pas apparues dans les données relatives à la teneur en eau ? Il y a plusieurs facteurs qui contribuent à cette situation. Cette période de mesure a été précédée d'un été très long, chaud et sec, au cours duquel la température du sol a dépassé 40°C presque tous les jours, ce qui a rendu le sol hydrophobe. En outre, le sol était sec et poudreux, de sorte que toute l'eau était absorbée et retenue à la surface avant de s'évaporer à nouveau, ce qui ne laissait aucune chance à l'eau de s'infiltrer plus profondément dans le système.
La figure 12 montre les données d'humidité du sol dans le même sol de loam sableux désertique plus tôt dans l'année. Bien que les données sur les précipitations n'aient pas été incluses dans ce graphique, des événements d'humidification se sont produits en corrélation avec chacun des pics visibles dans le capteur de teneur en eau à cinq centimètres de profondeur. Notez que dans le capteur de niveau de cinq centimètres, un événement d'humidification s'est produit autour du 28 mai, mais n'est pas reflété dans les capteurs de niveau de 10 ou 20 centimètres. L'humidification qui s'est produite autour du 2 juin a fait bouger l'aiguille à la profondeur de 10 cm, mais n'atteint pas la marque de 20 cm. Plus surprenant encore, l'événement d'humidification le plus important s'est produit autour du 14 juin et ne s'est pas du tout manifesté à 10 cm, mais il a créé un petit pic à 20 cm de profondeur. Que nous apprend l'analyse de ces données sur l'humidité du sol ?
Comme dans le dernier ensemble de données provenant de la même zone, la couche supérieure du sol a absorbé une grande partie de l'humidité du premier épisode d'humidification et a alimenté la forte demande d'évaporation sans permettre au sol de se drainer vers le bas. Lorsque la nappe phréatique s'est remplie au cours de la deuxième humidification, une partie de l'eau est descendue jusqu'à la sonde de 10 cm de profondeur, mais s'est arrêtée avant la marque de 20 cm. L'énigme la plus importante concernait le dernier épisode d'humidification. Pourquoi les capteurs de 5 et 20 cm ont-ils enregistré une augmentation de la teneur en eau sans qu'aucune augmentation n'apparaisse à 10 cm ?
Il est facile de penser que les pluies créent une distribution uniforme de l'eau à la surface du sol, s'infiltrant de manière homogène, mais ce n'est pas toujours le cas. Au lieu de traverser le sol en un seul bloc géant, l'eau se déplace à travers le sol en doigts ramifiés, ne touchant pas toujours chaque particule du sol. Dans ce cas, il est très probable qu'un de ces doigts d'eau ait contourné le capteur de profondeur de 10 cm et ait continué à descendre jusqu'au capteur de niveau de 20 cm. C'est l'explication la plus probable pour cette anomalie de données, mais il serait toujours important de surveiller la zone pour s'assurer qu'il n'y a pas de problème d'infiltration dans cette zone.
Bien que nous ayons créé un guide éducatif intitulé Weather Monitoring Master Class contenant tout ce que vous devez savoir sur la surveillance météorologique, pour les besoins de l'interprétation des données sur l'humidité du sol, explorons quelques cas d'utilisation où la surveillance météorologique peut faire la différence dans la compréhension de ce qui se passe dans le sol. Il y a quelques années, nous avons connu une inondation à Pullman, WA, où se trouve le siège de METER. Un tout petit cours d'eau appelé Missouri Flat Creek, qui coule parallèlement à l'artère principale de la ville, a inondé la rue et de nombreux commerces le long du chemin, créant une large bande de destruction au cœur de la communauté. Comment cela s'est-il produit ? Les données peuvent-elles nous aider à comprendre les signes avant-coureurs d'une inondation imminente ?
Les données sur les précipitations de la figure 13 n'expliquent pas pourquoi les inondations se sont produites. Les précipitations les plus importantes n'ont atteint qu'environ 3 mm. Plusieurs capteurs ont montré le même volume de précipitations, ce qui ne semble pas suggérer un potentiel d'inondation à l'échelle de ce minuscule ruisseau. Pour mieux comprendre ce qui s'est passé, nous devons nous tourner vers les mesures de la teneur en eau du sol dans la région (figure 14).
La teneur en eau du sol est restée très stable jusqu'à ce que l'épisode d'humidification commence le 6 avril, provoquant une hausse au niveau de 20 cm, puis de 40 cm, un peu à 60 cm et à 90 cm et même un peu jusqu'à 120 cm. Vers la fin du 7 avril, l'eau a commencé à s'écouler des niveaux supérieurs du sol et à filtrer dans les régions inférieures. Les pluies qui ont suivi ont fait que le 9 avril, le niveau de 60 cm affichait des teneurs en eau plutôt élevées et commençait à s'aplanir, tout comme les autres profondeurs, ce qui était un signe que la nappe phréatique était en train de se remplir, annonçant une inondation imminente. À la fin du 9 avril, de nouvelles pluies ont fait pencher la balance et le Missouri Flat Creek est sorti de son lit.
La figure 15 montre les profondeurs d'eau le long du ruisseau, ce qui montre que le niveau d'eau s'est maintenu à 1 m. Le dernier épisode de pluie a été corrélé avec le plateau de la teneur en eau, car l'eau a dépassé les berges et atteint presque 2,5 m.
Dans une argile de navire (figure 16), une argile à fort retrait-gonflement située dans le sud du Texas, nous avons inséré plusieurs capteurs de teneur en eau pour illustrer ce que donnerait une analyse des données d'humidité du sol en cas de fissuration du sol.
Si nous comparons le comportement des capteurs, nous observons un schéma intéressant. L'une des sondes à la profondeur de 20 cm a montré une baisse graduelle après chaque événement d'humidification, mais l'autre sonde à la même profondeur a montré une chute brutale, ce qui est typiquement attendu dans un sol sablonneux. On peut donc se demander ce qui se passe dans l'argile pour provoquer ces relevés. Le phénomène que vous observez dans cet ensemble de données est que le capteur dont la courbe est la plus raide était enfoui dans une section de l'argile présentant un retrait important, ce qui provoquait un retrait du sol autour du capteur, produisant des vides d'air qui empêchaient le capteur électromagnétique d'afficher des valeurs aussi élevées que prévu. La figure 16 est un exemple parfait qui montre que cette chute précipitée est révélatrice d'une fissuration du sol.
La figure 17 montre un champ de limon sableux contenant des espèces envahissantes mortes à cause des températures. Au fur et à mesure des précipitations, vous remarquerez que les mesures de la teneur en eau montent en flèche, puis descendent en escaliers irréguliers. Ces capteurs se sont-ils enfouis ? Qu'est-ce qui peut expliquer les fluctuations illustrées par ces données ? Si nous ajoutons les mesures de température au graphique, la situation devient plus claire.
La ligne horizontale noire en gras de la figure 18 indique 0°C, c'est-à-dire le point de congélation. Avec les mesures de température et l'ajout d'un point de congélation, il est apparu clairement que lorsque les conditions gelaient, les relevés de teneur en eau chutaient et semblaient fluctuer. Lorsque les températures remontent au-dessus du point de congélation, les mesures de la teneur en eau remontent dans la fourchette attendue. Cette relation est logique. Plus l'eau gèle, plus les molécules d'eau disparaissent dans le champ magnétique électrique que les capteurs utilisent pour détecter la présence d'eau. Toute l'eau n'étant pas gelée, la quantité d'eau mesurée n'est pas tombée à zéro, mais elle a diminué de manière significative. Une fois le dégel intervenu, les données ont montré que les niveaux de teneur en eau du sol se lissaient et revenaient à ce qu'ils étaient avant le gel. C'est le schéma auquel il faut s'attendre dans les situations de gel. La figure 19 est une vue du même ensemble de données dans le contexte d'une année entière. Remarquez que les épisodes de gel sont nettement différents des flux et reflux plus réguliers des données estivales. La ligne pointillée des mois d'hiver correspond à la tendance que vous devriez observer dans les données relatives à la teneur en eau en l'absence d'épisode de gel.
Dans la figure 20, nous avons placé des capteurs dans sept zones, toutes situées à trois ou quatre kilomètres les unes des autres, dans un sol argileux avec des pommes de terre de semence. Les capteurs de la figure 20 ont été installés après un hiver humide avec beaucoup de neige suivie de pluie.
Selon votre niveau d'expérience dans la lecture des données sur la teneur en eau, vous vous demanderez peut-être pourquoi il existe une telle variabilité entre ces sept capteurs, même vers le début de la série de données. Cette variance est fonction du type de sol. Il est donc important de comparer les mesures de la teneur en eau du sol aux mesures précédentes effectuées au même endroit et de ne pas s'attendre à des relevés identiques d'un endroit à l'autre, même s'ils sont très proches. Cependant, si nous examinons les données relatives au potentiel hydrique pour les mêmes champs sur la même période (figure 21), nous pouvons voir que le potentiel hydrique pour ces capteurs a commencé à +/- 10 kPa les uns des autres, ce qui est remarquablement proche. C'est là toute la puissance de l'utilisation des mesures de potentiel hydrique dans un champ, quel que soit le type de sol.
En été, il est important de tenir compte d'une certaine fluctuation de la teneur en eau, en particulier dans les relevés effectués près de la surface du sol. Ainsi, tous les capteurs de teneur en eau peuvent également servir de capteurs de température.
Dans la figure 22, les données montrent une variation quotidienne de la température de +/- 14°C. Sans connaître ces changements de température, la nature irrégulière des mesures de la teneur en eau pourrait être interprétée à tort comme un mouvement hydrologique de l'eau, alors qu'elle illustre en réalité l'effet du changement de chaleur sur la teneur en eau du sol. Chaque petite variation de la teneur en eau ne représente en réalité que 0,0003m3 m-3 /°C.
Jusqu'à présent, nous avons montré quelques exemples qui auraient pu sembler être des signes d'absorption d'eau par la végétation, mais qui ont été expliqués une fois que les données ont été examinées plus en détail. Alors, à quoi ressemble la redistribution hydraulique dans vos données ? Explorons successivement quatre graphiques pour voir si nous pouvons prouver la présence d'une absorption d'eau du sol par les plantes. Chaque graphique met en évidence des données recueillies au cours de la même période dans le même champ de blé irrigué, à moins de 500 m l'un de l'autre.
La figure 23 montre la teneur en eau à une profondeur de 15 cm sur l'ensemble du champ. L'irrigation a fonctionné par intermittence jusqu'à la fin du mois de juillet, avec quelques précipitations survenues après le point d'arrêt de l'irrigation. Chaque capteur de teneur en eau présentait un schéma diurne classique qui, à première vue, pourrait s'apparenter à des fluctuations de température, mais à ce stade de la saison, le champ avait un couvert foliaire de blé complet avec un Leaf Area Index (LAI) d'environ quatre à cinq, avec très peu de rayonnement descendant jusqu'à la surface du sol. Il est donc peu probable que le flux diurne puisse être attribué à un changement de température. Le schéma ne s'est arrêté que lorsque l'irrigation a été arrêtée et que les plantes ont absorbé tout ce qu'elles pouvaient.
Aux profondeurs de 45 cm de la figure 24, le schéma diurne n'était pas présent au début du mois de juin et n'est devenu proéminent qu'à la fin du mois de juin. Au moment où l'eau a été coupée à la fin du mois de juillet, le schéma diurne était le plus prononcé, chutant pendant la journée et atteignant un plateau la nuit. À une telle profondeur dans le sol, ces données correspondaient davantage à l'absorption d'eau par les plantes qu'à un changement de température.
En s'enfonçant plus profondément dans le sol (figure 25), le même escalier diurne n'était pas visible avant la mi-juillet ou la fin juillet et l'a été pendant une bonne partie du mois d'août.
Si la précision et la fiabilité sont deux des facteurs les plus importants pour nous lorsqu'il s'agit de l'instrumentation que nous fabriquons, il existe d'autres facteurs, tels que l'installation et la maintenance, qui peuvent entraîner la défaillance de n'importe quel capteur.
La figure 26 est un excellent exemple de l'apparence d'un capteur défaillant dans les données. Plusieurs capteurs avaient suivi une trajectoire très régulière et fournissaient des données en continu lorsque, soudain, un seul capteur a chuté presque instantanément et a commencé à fournir un large éventail de données variables. Heureusement pour cet utilisateur, son capteur était connecté au site ZENTRA Cloud , qui l'a automatiquement alerté de la défaillance du capteur afin qu'il puisse y remédier en temps utile avec un minimum d'interruption des mesures en continu. Dans ce cas, le capteur s'était débranché et, une fois rebranché sur l'enregistreur de données, il a continué à fonctionner parfaitement.
La dernière anomalie de données que nous aborderons dans cet article concerne les données erronées dues à des problèmes survenus au cours du processus d'installation.
Comme dans toute démarche scientifique, il est important de connaître les informations que l'on s'attend à trouver avant d'analyser les relevés. Dans le cas d'un sol limoneux tel que celui illustré à la figure 27, le sol était relativement humide et nous nous attendions à ce que les mesures soient égales ou supérieures à 30 % de la teneur en eau volumétrique. Au lieu de cela, deux capteurs affichaient une teneur en eau inférieure ou égale à 10 %. C'est un bon exemple de moment où il serait utile d'examiner les capteurs et éventuellement de les réinstaller.
Chaque situation et chaque ensemble de données sont différents. La validité de vos conclusions dépend de la justesse des déductions et des inférences que vous faites à partir des données. Dans cette optique, récapitulons quelques éléments à garder à l'esprit lors de l'interprétation de vos données uniques.
Nos scientifiques ont des dizaines d'années d'expérience pour aider les chercheurs et les cultivateurs à mesurer le continuum sol-plante-atmosphère.
TDR, FDR, capacité, résistance : Une comparaison des méthodes courantes de mesure de l'humidité du sol, de leurs avantages et inconvénients, et de leurs applications uniques.
Parmi les milliers de publications évaluées par des pairs et utilisant les capteurs de sol METER, aucun type n'émerge comme étant le préféré. Le choix du capteur doit donc être basé sur vos besoins et votre application. Les considérations suivantes vous aideront à identifier le capteur idéal pour votre recherche.
La plupart des gens ne considèrent l'humidité du sol que sous l'angle d'une seule variable, la teneur en eau. Or, deux types de variables sont nécessaires pour décrire l'état de l'eau dans le sol.
Recevez régulièrement le contenu le plus récent.