CONTRIBUENTI

L'obiettivo di ogni ricercatore è ottenere dati utilizzabili sul campo per l'intera durata dello studio. Un buon set di dati è quello che uno scienziato può utilizzare per trarre conclusioni o imparare qualcosa sul comportamento dei fattori ambientali in una particolare applicazione. Tuttavia, come molti ricercatori hanno dolorosamente scoperto, ottenere buoni dati non è così semplice come installare dei sensori, lasciarli sul campo e tornare per trovare una registrazione accurata. Chi non pianifica in anticipo, non controlla spesso i dati e non risolve regolarmente i problemi, spesso torna a casa con spiacevoli sorprese, come cavi del data logger scollegati, cavi dei sensori danneggiati dai roditori o, peggio ancora, non ha abbastanza dati per interpretare i risultati. Fortunatamente, la maggior parte dei contrattempi nella raccolta dei dati è evitabile con attrezzature di qualità, un po' di attenta previsione e una piccola dose di preparazione.

Non fatevi illusioni, vi costerà

Di seguito sono riportati alcuni errori comuni che si commettono quando si progetta uno studio e che costano tempo e denaro e possono impedire che i dati siano utilizzabili.

• Caratterizzazione del sito: Non si sa abbastanza sul sito, sulla sua variabilità o su altri fattori ambientali influenti che guidano l'interpretazione dei dati.
• Posizione dei sensori: I sensori sono installati in una posizione che non risponde agli obiettivi dello studio (ad esempio, nei suoli, sia la posizione geografica dei sensori che la posizione nel profilo del suolo devono essere applicabili alla domanda di ricerca).
• Installazione del sensore: I sensori non sono installati correttamente, causando letture imprecise.
• Raccolta dei dati: I sensori e il logger non sono protetti e i dati non vengono controllati regolarmente per mantenere una registrazione continua e accurata dei dati.
• Diffusione dei dati: I dati non possono essere compresi o replicati da altri scienziati.

Nel webinar che segue, il dottor Colin Campbell, ricercatore di METER, discute di:

• 8 errori comuni nei dati
• Migliori pratiche critiche da non perdere
• Come rendere la scoperta del campo il più indolore possibile

Quando si progetta uno studio, utilizzare le seguenti best practice per semplificare la raccolta dei dati ed evitare le sviste che impediscono ai dati di essere utilizzabili e, in ultima analisi, pubblicabili.

La preparazione pre-installazione consente di risparmiare tempo e denaro

Impostare i sensori in laboratorio prima di andare sul campo aiuta il ricercatore a capire come funzionano i suoi sensori. Per esempio, gli scienziati possono effettuare letture dei sensori del suolo in diversi tipi di terreno, in modo da avere una solida comprensione dei valori di umidità del suolo da aspettarsi in diversi scenari. La comprensione dei sensori prima di andare sul campo aiuta i ricercatori a capire la corretta installazione, il tempo che potrebbe richiedere un'installazione e permette loro di diagnosticare i problemi, come ad esempio un sensore che potrebbe essere letto in modo errato. Durante questo periodo, possono capire quali strumenti e attrezzature potrebbero essere necessari per l'installazione. Avere una cassetta degli attrezzi dedicata all'installazione con strumenti importanti come fascette, pinze, pennarelli, torce e batterie può far risparmiare ore di viaggio avanti e indietro dal sito.

La pianificazione è fondamentale

I ricercatori dovrebbero preparare un piano del sito con una mappa e ricordare che un'installazione di solito richiede il doppio del tempo che si pensa di impiegare. Avere un piano del sito riduce significativamente l'errore umano, soprattutto quando si ha poco tempo a disposizione. Quando arrivano sul sito di ricerca, gli scienziati possono installare secondo il piano e registrare le modifiche alla mappa mentre procedono. Questo passaggio consente di risparmiare molto tempo in futuro, nel caso in cui essi o altri colleghi debbano trovare e dissotterrare un sensore problematico. È importante anche avere un piano di riserva per le cose che potrebbero andare storte. Per esempio, cosa succede se il terreno è troppo roccioso a una certa profondità? O cosa succede se una stazione meteorologica o un sensore di umidità non possono essere installati a due metri? I ricercatori devono pensare a cosa fare se il loro piano originale non funziona, perché spesso non potranno tornare sul sito per settimane o mesi.

La selezione del sito può rendere un'indagine più o meno complessa

Prima di scegliere un sito, gli scienziati devono definire chiaramente i loro obiettivi per la raccolta dei dati. Devono sapere cosa faranno con i dati, in modo che questi possano rispondere alle domande giuste. Una volta compresi gli obiettivi, il ricercatore può iniziare a capire dove posizionare i sensori.

Il problema più influente che un ricercatore dovrà affrontare nel determinare dove collocare i propri sensori è la variabilità. Ad esempio, gli scienziati che studiano il suolo dovranno comprendere i fattori di variabilità come la pendenza, l'aspetto, il tipo di vegetazione, la profondità, il tipo di suolo e la densità del suolo. Se stanno studiando una chioma, dovranno comprendere l'eterogeneità della copertura vegetale e posizionarsi di conseguenza. Se il ricercatore sta confrontando i dati, dovrà essere coerente con il posizionamento dei sensori. Ciò significa che le altezze fuori terra o le profondità sotto terra devono essere coerenti da sito a sito. Non è possibile monitorare tutte le fonti di variabilità, quindi i ricercatori devono monitorare le fonti più importanti. Per uno sguardo più approfondito sulla variabilità, leggete "Sensori di umidità del suolo: Quanti ne servono?".

Anche la scelta del sito deve essere pratica. I ricercatori dovranno esaminare i dati il più spesso possibile (si consiglia almeno una volta al mese) per assicurarsi che tutto funzioni correttamente, quindi il data logger deve essere accessibile. I data logger cellulari rendono l'accesso ai dati molto più semplice, soprattutto nei siti remoti. Caricando i dati sul sito cloud , gli scienziati possono accedere ai dati, condividerli e risolverli ogni giorno comodamente dal proprio ufficio.

Inoltre, quando si sceglie la posizione del data logger, cercare di evitare lunghe tratte di cavi che possono causare gradienti di potenziale di tensione in caso di fulmini. Scegliete una posizione in cui i sensori siano facili da collegare e legate un cavo extra al palo per evitare che i cavi si stacchino dal logger. I sensori scollegati o i collegamenti interrotti possono essere catastrofici per uno studio.

Più metadati, più approfondimenti

Più metadati i ricercatori registrano in un sito di ricerca, meglio capiranno i loro dati e più tempo risparmieranno nel lungo periodo. Alcuni data logger, come il modello ZL6 registrano automaticamente metadati importanti, come la posizione GPS, la pressione barometrica e il numero di serie del sensore. Inoltre, le misure accessorie, come la temperatura del suolo o il monitoraggio del microclima, possono essere un'altra fonte di metadati. Una stazione meteorologica all-in-one come il modello ATMOS 41 registra automaticamente gli eventi meteorologici e può essere un modo importante per effettuare un benchmark o per verificare l'umidità del suolo, il potenziale idrico o altri dati.

Per documentare le informazioni sul sito non registrate automaticamente dalla strumentazione di campo, molti scienziati trovano pratico creare un foglio di lavoro condiviso per la caratterizzazione del sito che possono utilizzare per informare altri colleghi che lavorano sul sito. I metadati che saranno fondamentali per l'analisi e la pubblicazione dei dati in futuro sono: tipo di suolo, densità del suolo, tipi di copertura, intervallo di misurazione, dati grezzi e tipo di calibrazione utilizzata, note su un sistema di irrigazione (se presente), quali sensori di umidità del suolo sono installati a quale profondità, note sul motivo per cui il sito è stato scelto, eventi che potrebbero influenzare la raccolta dei dati, come un raccolto, o qualsiasi altra informazione che potrebbe essere difficile da ricordare durante l'analisi dei dati. Queste informazioni saranno importanti quando sarà il momento di pubblicarle, e metterle in una posizione condivisa, basata su cloud, vi eviterà dei grattacapi.

Installazione: la chiave della precisione

Se uno scienziato vuole ottenere dati accurati, la corretta installazione del sensore deve essere la sua priorità numero uno. Ad esempio, quando si misura nel suolo, le variazioni naturali della densità possono comportare una perdita di accuratezza del 2-3%, ma un'installazione inadeguata può potenzialmente causare una perdita di accuratezza superiore al 10%. Non occorre molto tempo in più per installare correttamente i sensori, quindi i ricercatori devono leggere attentamente le istruzioni (per informazioni più approfondite, leggere "Come installare i sensori di umidità del suolo: più velocemente, meglio e con maggiore accuratezza"). Per l'installazione dei sensori di umidità del suolo, utilizzare lo strumento di installazione dei fori di trivellazioneTEROS per ottenere una maggiore precisione.

Dopo l'installazione del sensore, ma prima di chiudere la trivella o la trincea, assicurarsi di controllare i sensori con un dispositivo di lettura istantanea Bluetooth. ZSC, il nostro dispositivo di lettura istantanea Bluetooth, per assicurarsi che la lettura sia accurata. Sarà doloroso riesumare un sensore in un secondo momento, dopo aver raccolto una stagione di dati errati.

Inoltre, assicuratevi di etichettare ogni sensore con il tipo di sensore, la profondità di installazione e altre informazioni che potrebbero essere importanti. I ricercatori che installano centinaia di sensori a volte acquistano un dispositivo elettronico per l'etichettatura dei sensori con codice a barre, ma vanno bene anche il nastro adesivo e un pennarello indelebile. Riporre le etichette all'interno del data logger per proteggerlo dalle intemperie.

Manutenzione = tranquillità

Proteggere i sensori a tutti i costi è fondamentale per uno studio. È importante che i ricercatori facciano passare i cavi dei sensori esposti all'interno di un tubo in PVC o di una guaina elettrica flessibile e li facciano risalire sul palo del data logger per circa 60 cm (2 piedi). In questo modo si eviteranno danni causati da roditori o pale. Inoltre, legare ordinatamente i cavi al palo con fascette resistenti a UV, in modo che siano ben saldi ma non tirino contro il data logger (assicurarsi che ci sia uno scarico della trazione). Durante le visite in loco, è bene ispezionare le guarnizioni del data logger per verificare che non vi siano crepe. Se la guarnizione del data logger presenta crepe, potrebbe non essere resistente alle intemperie e dovrebbe essere sostituita. Contattare l'assistenza clienti per una sostituzione gratuita.

Inoltre, i ricercatori devono controllare i dati reali il più spesso possibile per risolvere i problemi. Uno scienziato ha scoperto un errore nei dati del suo piranometro confrontandoli con quelli di un sensore quantistico alla stessa altezza. Solo osservando i valori reali ha scoperto che un uccello aveva sporcato il suo sensore di radiazione solare, rendendolo inutilizzabile per una parte importante del suo studio. Alla fine ha dovuto calcolare i dati dal sensore quantistico, che non era altrettanto preciso. Un controllo regolare dei dati previene problemi che possono essere dannosi per un progetto di ricerca. Il nuovo ZENTRA Cloud e ZL6 consentono ai ricercatori di risolvere i problemi e di tracciare i grafici dei dati con una frequenza giornaliera. Solo due o tre minuti spesi per individuare tendenze o scoprire errori possono salvare settimane di dati persi.

Il tempismo è tutto

Il ZL6come i suoi predecessori, fa una media dei dati. Quindi, se i ricercatori non vogliono una media, dovrebbero registrare i dati con maggiore frequenza. Tuttavia, la generazione di grandi quantità di dati non favorisce necessariamente l'obiettivo. L'importante è catturare e comprendere le serie temporali che riguardano l'ipotesi di ricerca. Se un ricercatore sta cercando di capire le tendenze annuali dell'umidità del suolo e prende dati a cinque minuti, genererà una marea di dati che non saranno utili perché l'umidità del suolo non cambia molto al minuto. Quindi il ricercatore è costretto a effettuare una post-elaborazione per sfoltire i dati. Tuttavia, se l'obiettivo dello studio è conoscere l'istante in cui l'acqua inizia a infiltrarsi nel terreno, è fondamentale acquisire dati a intervalli di un minuto o meno. I ricercatori avranno bisogno di un data logger Campbell Scientific o di uno in grado di attivare un evento di lettura basato su un cambiamento istantaneo. Tuttavia, la maggior parte delle persone sopravvaluta la quantità di dati di cui ha bisogno. Quando si misura la radiazione solare, ogni 15 minuti è probabilmente sufficiente. Per l'evapotraspirazione, è comune registrare dati ogni mezz'ora. In questi e in molti altri casi, intervalli di registrazione brevi come ogni cinque minuti sono probabilmente troppo frequenti.

Un altro passo importante che i ricercatori spesso dimenticano è quello di far coincidere tutte le frequenze di misurazione temporale dei data logger. Se un ricercatore ha due data logger che leggono ogni 15 minuti e qualcun altro imposta un data logger per leggere ogni ora, è possibile utilizzare solo i dati orari.

Interpretazione dei dati: pensare fuori dagli schemi

Se uno scienziato scopre un errore nei dati, non è necessariamente perché il sensore è rotto. Spesso le letture interessanti dei sensori raccontano una storia su ciò che sta accadendo nel terreno o nell'ambiente. L'interpretazione dei dati può essere talvolta difficile e i ricercatori possono avere bisogno di tornare sul posto per capire cosa sta realmente accadendo. Ad esempio, nella Figura 1 sembra che un sensore di umidità del suolo sia rotto, ma quando lo scienziato ha indagato più da vicino, ha scoperto che l'evapotraspirazione era superiore all'infiltrazione.

Inoltre, i ricercatori possono avere bisogno di pensare fuori dagli schemi per interpretare i loro dati. Possono provare a guardare i dati in diversi modi. La Figura 2 illustra il tradizionale modo di rappresentare i dati in termini temporali. Nella Figura 3, gli stessi dati possono essere visti in un modo completamente diverso.

I ricercatori possono anche convertire i dati sul contenuto d'acqua in potenziale idrico utilizzando una curva di rilascio dell'umidità (vedi Figura 4).

Una volta ottenuti i dati sul potenziale idrico, i dati avranno il seguente aspetto:

Tracciare gli stessi dati in tre modi diversi può far emergere questioni o problemi che il ricercatore non noterebbe con un grafico temporale tradizionale.

Fate lavorare i dati per voi

Spendere una piccola quantità di tempo in più per fare le cose per bene nel corso di un esperimento paga grandi dividendi in termini di risparmio di tempo, fatica e denaro. La preparazione, la pianificazione, un obiettivo di ricerca chiaramente definito, la corretta selezione del sito, l'installazione, la manutenzione, la tempistica e la corretta interpretazione dei dati sono tutti fattori che contribuiscono a prevenire i tipici incidenti di dati che possono compromettere un progetto di ricerca. Il risultato finale? Dati che possono essere pubblicati o utilizzati per prendere decisioni.

Scoprite come funziona ZENTRA Cloud

Nel video che segue, il Dr. Colin Campbell spiega come ZENTRA Cloud semplifichi il processo di raccolta dei dati e perché i ricercatori non possono permettersi di farne a meno. Poi fa un tour dal vivo delle funzionalità di ZENTRA Cloud .