기여자

모든 연구자의 목표는 연구의 전체 기간 동안 사용 가능한 현장 데이터를 확보하는 것입니다. 좋은 데이터 세트는 과학자가 특정 애플리케이션에서 환경 요인의 동작에 대한 결론을 도출하거나 무언가를 배우는 데 사용할 수 있는 데이터 세트입니다. 그러나 많은 연구자들이 고통스럽게 발견했듯이 좋은 데이터를 얻는 것은 센서를 설치하고 현장에 두고 돌아와서 정확한 기록을 찾는 것만큼 간단하지 않습니다. 미리 계획을 세우고, 데이터를 자주 확인하고, 정기적으로 문제를 해결하지 않으면 데이터 로거 케이블이 뽑혀 있거나 설치류에 의해 손상된 센서 케이블을 발견하거나 결과를 해석할 데이터가 충분하지 않은 등의 불쾌한 경험을 하게 되는 경우가 종종 있습니다. 다행히도 대부분의 데이터 수집 사고는 양질의 장비와 약간의 신중한 사전 고려, 그리고 약간의 준비로 피할 수 있습니다.

실수하지 마세요.

다음은 사람들이 연구를 설계할 때 흔히 저지르는 실수 중 시간과 비용을 낭비하고 데이터의 활용을 방해할 수 있는 몇 가지 실수입니다.

• 사이트 특성화: 사이트, 사이트의 가변성 또는 데이터 해석을 안내하는 기타 영향력 있는 환경 요인에 대해 충분히 알려져 있지 않습니다.
• 센서 위치: 센서가 연구 목표에 맞지 않는 위치에 설치됨(즉, 토양에서는 센서의 지리적 위치와 토양 프로파일의 위치가 모두 연구 질문에 적용 가능해야 함).
• 센서 설치: 센서가 올바르게 설치되지 않아 부정확한 판독값이 발생합니다.
• 데이터 수집: 센서와 로거는 보호되지 않으며, 지속적이고 정확한 데이터 기록을 유지하기 위해 데이터를 정기적으로 확인하지 않습니다.
• 데이터 배포: 다른 과학자가 데이터를 이해하거나 복제할 수 없음

다음 웨비나에서는 METER의 연구 과학자 콜린 캠벨 박사가 설명합니다:

• 8가지 일반적인 데이터 실수
• 놓치지 말아야 할 중요한 모범 사례
• 최대한 고통 없이 현장을 발견하는 방법

연구를 설계할 때 다음 모범 사례를 사용하여 데이터 수집을 간소화하고 데이터의 사용 가능성과 궁극적으로 게시 가능성을 저해하는 감독을 피하세요.

사전 설치 준비로 시간과 비용 절약

현장에 나가기 전에 실험실에서 센서를 설치하면 연구자가 센서의 작동 방식을 이해하는 데 도움이 됩니다. 예를 들어, 과학자들은 다양한 토양 유형에서 토양 센서 수치를 측정하여 다양한 시나리오에서 예상되는 토양 수분 값을 확실히 이해할 수 있습니다. 현장에 가기 전에 센서를 파악하면 연구자들은 올바른 설치 방법과 설치에 소요되는 시간을 파악하는 데 도움이 되며, 센서가 잘못 판독되는 등의 문제를 진단할 수 있습니다. 이 기간 동안 설치에 필요한 도구와 장비가 무엇인지 파악할 수 있습니다. 지퍼 타이, 펜치, 마커, 손전등, 배터리 등 중요한 도구가 들어 있는 전용 설치 도구 상자를 준비해 두면 현장을 오가는 데 드는 시간을 절약할 수 있습니다.

계획이 가장 중요합니다.

연구자는 지도와 함께 현장 계획을 세워야 하며, 설치에는 일반적으로 생각보다 두 배의 시간이 걸린다는 점을 기억하세요. 현장 계획이 있으면 특히 시간에 쫓길 때 인적 오류를 크게 줄일 수 있습니다. 연구 현장에 도착하면 과학자들은 계획에 따라 설치하고 이동하면서 지도에 조정 사항을 기록할 수 있습니다. 이 단계는 향후에 자신이나 다른 동료가 문제가 있는 센서를 찾아서 파헤쳐야 할 때 상당한 시간을 절약해 줍니다. 잘못될 수 있는 상황에 대비한 백업 계획을 세우는 것도 중요합니다. 예를 들어, 특정 깊이의 토양이 너무 바위가 많다면 어떻게 해야 할까요? 또는 기상 관측소나 습도 센서를 2미터 지점에 설치할 수 없다면 어떻게 될까요? 연구자들은 몇 주 또는 몇 달 동안 현장에 돌아갈 수 없는 경우가 많기 때문에 원래 계획이 제대로 작동하지 않을 경우 어떻게 해야 할지 생각해야 합니다.

사이트 선택은 연구의 성패를 좌우할 수 있습니다.

과학자는 사이트를 선택하기 전에 데이터 수집의 목표를 명확하게 정의해야 합니다. 데이터로 무엇을 할 것인지 알아야 데이터가 올바른 질문에 답할 수 있습니다. 목표가 이해되면 연구자는 센서를 어디에 배치할지 파악할 수 있습니다.

연구자가 센서를 어디에 배치할지 결정할 때 직면하게 되는 가장 중요한 문제는 가변성입니다. 예를 들어 토양을 연구하는 과학자는 경사, 모양, 식생 유형, 깊이, 토양 유형 및 토양 밀도와 같은 가변성 요인을 이해해야 합니다. 캐노피를 연구하는 경우, 식물 덮개의 이질성을 이해하고 그에 따라 배치해야 합니다. 연구자가 데이터를 비교하는 경우, 센서 배치에 일관성을 유지해야 합니다. 즉, 지상 높이 또는 지하 깊이가 사이트마다 일정해야 합니다. 모든 변동성의 원인을 모니터링할 수 있는 방법은 없으므로 연구자는 가장 중요한 원인을 모니터링해야 합니다. 변동성에 대해 더 자세히 알아보려면 "토양 수분 센서: 몇 개가필요한가요?"를 참조하세요.

사이트 선택도 실용적이어야 합니다. 연구자들은 모든 것이 올바르게 작동하는지 확인하기 위해 가능한 한 자주(최소 한 달에 한 번 권장) 데이터를 살펴봐야 하므로 데이터 로거에 액세스할 수 있어야 합니다. 셀룰러 데이터 로거를 사용하면 특히 원격지에서 데이터에 훨씬 쉽게 액세스할 수 있습니다. cloud 에 데이터를 업로드하면 과학자들은 사무실에서 편안하게 매일 데이터에 액세스하고, 공유하고, 문제를 해결할 수 있습니다.

또한 데이터 로거 위치를 선택할 때는 번개가 칠 경우 전압 전위 변화를 일으킬 수 있는 긴 전선을 피하세요. 센서를 꽂기 쉬운 위치를 선택하고, 케이블이 로거에서 빠지지 않도록 여분의 케이블을 기둥에 지퍼 타이로 묶어 스트레인 릴리프용으로 사용하세요. 센서의 플러그를 뽑거나 연결이 끊어지면 연구에 치명적일 수 있습니다.

더 많은 메타데이터-더 많은 인사이트

연구자가 연구 현장에서 더 많은 메타데이터를 기록할수록 데이터를 더 잘 이해할 수 있고 장기적으로 더 많은 시간을 절약할 수 있습니다. 다음과 같은 일부 데이터 로거는 ZL6 와 같은 일부 데이터 로거는 GPS 위치, 기압, 센서 일련 번호와 같은 중요한 메타데이터를 자동으로 기록합니다. 또한 토양 온도나 미기후 모니터링과 같은 보조 측정도 메타데이터의 또 다른 소스가 될 수 있습니다. ATMOS 41과 같은 올인원 기상 관측소는 기상 이벤트를 자동으로 기록하며 토양 수분, 수분 잠재력 또는 기타 데이터를 벤치마킹하거나 실측할 수 있는 중요한 방법이 될 수 있습니다.

현장 기기에 의해 자동으로 기록되지 않는 현장 정보를 문서화하기 위해, 많은 과학자들은 공유된 현장 특성 워크시트를 만들어 현장에서 일하는 다른 동료들에게 정보를 제공하는 데 사용하는 것이 실용적이라고 생각합니다. 향후 데이터 인사이트와 공개에 중요한 메타데이터는 토양 유형, 토양 밀도, 피복 유형, 측정 간격, 원시 데이터 및 사용된 보정 유형, 관개 시스템에 대한 메모(있는 경우), 토양 수분 센서가 어느 깊이에 설치되어 있는지, 현장을 선택한 이유, 수확과 같이 데이터 수집에 영향을 미칠 수 있는 이벤트 또는 데이터 분석 시 기억하기 어려운 기타 정보 등이 있습니다. 이 정보는 게시할 시점에 중요한 정보가 될 것이며, 공유된 위치( cloud)에 저장해 두면 골치 아픈 일을 줄일 수 있습니다.

설치 - 정확성의 핵심

과학자가 정확한 데이터를 원한다면 올바른 센서 설치가 최우선 순위가 되어야 합니다. 예를 들어, 토양에서 측정할 때 밀도의 자연적인 변화로 인해 2~3%의 정확도 손실이 발생할 수 있지만, 잘못 설치하면 10% 이상의 정확도 손실이 발생할 수 있습니다. 센서를 올바르게 설치하는 데는 많은 시간이 걸리지 않으므로 연구자는 지침을 주의 깊게 읽어야 합니다(자세한 내용은 "토양 수분 센서 설치 방법: 더 빠르고, 더 좋고, 더 높은 정확도를 위한 방법"을 참조하세요). 토양 수분 센서를 설치하는 경우 정확도를 높이려면 TEROS 시추공 설치 도구를 사용하세요.

센서를 설치한 후 오거 구멍이나 트렌치를 닫기 전에 반드시 블루투스 판독 장치인 ZSC블루투스 순간 판독 장치로 센서를 확인하여 판독값이 정확한지 확인하세요. 한 시즌 분량의 잘못된 데이터를 수집한 후 나중에 센서를 파내야 하는 번거로움이 있을 수 있습니다.

또한 각 센서에 센서 유형, 설치 깊이 및 기타 중요할 수 있는 정보를 라벨에 표시하세요. 수백 개의 센서를 설치하는 연구자들은 전자 라벨링 장치를 구입하여 센서에 바코드를 붙이기도 하지만 테이프와 영구 마커로도 가능합니다. 라벨을 데이터 로거 내부에 넣어 날씨로부터 보호하세요.

유지보수 = 안심

어떤 대가를 치르더라도 센서를 보호하는 것은 연구에 매우 중요합니다. 연구자는 노출된 센서 케이블을 PVC 파이프 또는 유연한 전기 도관 내부로 연결하고 데이터 로거 기둥까지 약 60cm(2피트) 정도 연결하는 것이 중요합니다. 이렇게 하면 설치류나 삽에 의한 손상을 방지할 수 있습니다. 또한, 케이블이 데이터 로거를 잡아당기지 않고 단단히 고정되도록 UV-저항성 지퍼 타이로 케이블을 기둥에 깔끔하게 묶습니다(스트레인 릴리프가 있는지 확인). 현장 방문 시 데이터 로거의 씰을 검사하여 균열이 있는지 확인하는 것도 좋습니다. 데이터 로거의 씰에 균열이 있는 경우 내후성이 없는 것일 수 있으므로 교체해야 합니다. 고객 지원팀에 연락하여 무료로 교체해 주세요.

또한 연구자들은 문제를 해결하기 위해 가능한 한 자주 실제 데이터를 확인해야 합니다. 한 과학자는 같은 높이의 양자 센서와 비교하여 자신의 고온도계 데이터에서 오류를 발견했습니다. 실제 값을 살펴본 후에야 새가 태양 복사 센서를 더럽혀서 연구의 상당 부분을 쓸모없게 만들었다는 사실을 발견했습니다. 결국 그는 양자 센서의 데이터를 계산해야 했는데, 그 정확도가 떨어졌습니다. 데이터를 정기적으로 확인하면 연구 프로젝트에 해가 될 수 있는 문제를 예방할 수 있습니다. 새로운 ZENTRA Cloud 과 ZL6 를 사용하면 연구원들이 매일처럼 자주 문제를 해결하고 데이터를 그래프로 그릴 수 있습니다. 추세를 파악하거나 오류를 발견하는 데 2~3분만 투자해도 몇 주 동안 손실되는 데이터를 절약할 수 있습니다.

타이밍이 가장 중요합니다

이전 버전과 마찬가지로 ZL6는 이전 버전과 마찬가지로 데이터의 평균을 구합니다. 따라서 연구자가 평균을 원하지 않는다면 데이터를 더 자주 기록해야 합니다. 그러나 많은 양의 데이터를 생성한다고 해서 반드시 목표에 도달하는 것은 아닙니다. 중요한 것은 연구 가설과 관련된 시계열을 포착하고 이해하는 것입니다. 연구자가 토양 수분의 연간 추세를 이해하려고 하는데 5분 단위의 데이터를 수집한다면, 토양 수분은 1분 단위로 크게 변하지 않기 때문에 유용하지 않은 데이터를 대량으로 생성하게 될 것입니다. 그러면 연구자는 데이터를 얇게 만들기 위해 후처리를 해야 합니다. 하지만 연구의 목표가 토양에 물이 침투하기 시작하는 순간을 파악하는 것이라면 1분 이하의 간격으로 데이터를 캡처하는 것이 중요합니다. 이러한 연구자에게는 즉각적인 변화를 기반으로 판독 이벤트를 트리거할 수 있는 캠벨 사이언티픽 데이터 로거가 필요합니다. 그러나 대부분의 사람들은 필요한 데이터의 양을 과대평가합니다. 태양 복사열을 측정할 때는 15분마다 측정하는 것으로 충분할 가능성이 높습니다. 증발산량의 경우 30분마다 데이터를 기록하는 것이 일반적입니다. 이러한 경우와 다른 많은 경우에서 5분마다와 같이 짧은 기록 간격은 너무 빈번할 수 있습니다.

연구자들이 종종 잊어버리는 또 다른 중요한 단계는 데이터 로거의 시간 측정 빈도를 모두 일치시키는 것입니다. 한 연구자가 15분마다 읽는 데이터 로거를 두 개 가지고 있고 다른 연구자가 매시간 읽도록 로거를 설정한 경우, 시간별 데이터만 사용할 수 있습니다.

데이터 해석 - 틀에서 벗어난 사고

과학자가 데이터에서 오류를 발견하더라도 반드시 센서가 고장 났기 때문만은 아닙니다. 종종 흥미로운 센서 수치는 토양이나 환경에서 어떤 일이 일어나고 있는지에 대한 이야기를 들려줍니다. 데이터 해석은 때때로 어려울 수 있으며, 연구자들은 실제 상황을 이해하기 위해 현장에 다시 가봐야 할 수도 있습니다. 예를 들어, 그림 1에서는 토양 수분 센서가 고장난 것처럼 보이지만 과학자가 더 자세히 조사한 결과 증발산량이 침투량보다 높다는 것을 발견했습니다.

또한 연구자는 데이터를 해석하기 위해 틀에 박힌 생각에서 벗어나야 할 수도 있습니다. 몇 가지 다른 방식으로 데이터를 살펴볼 수 있습니다. 그림 2는 데이터를 그래프로 표시하는 전통적인 시간적 방법을 보여줍니다. 그림 3에서는 동일한 데이터를 완전히 다른 방식으로 볼 수 있습니다.

연구자들은 수분 함량 데이터를 수분 방출 곡선을 사용하여 수분 포텐셜로 변환할 수도 있습니다(그림 4 참조).

수전위 데이터가 확보되면 데이터는 다음과 같이 표시됩니다:

동일한 데이터를 세 가지 다른 방식으로 플로팅하면 연구자가 기존의 시간 그래프에서는 알아차리지 못했던 문제나 이슈를 발견할 수 있습니다.

데이터를 효과적으로 활용하기

실험을 진행하는 동안 약간의 추가 시간을 투자해 올바르게 진행하면 시간, 노력, 비용을 절약하는 데 큰 도움이 됩니다. 준비, 계획, 명확하게 정의된 연구 목표, 적절한 장소 선정, 설치, 유지보수, 타이밍, 올바른 데이터 해석은 연구 프로젝트를 손상시킬 수 있는 일반적인 데이터 사고를 예방하는 데 큰 도움이 됩니다. 최종 결과는? 공개하거나 의사 결정에 사용할 수 있는 데이터입니다.

ZENTRA Cloud 작동 방식 보기

아래 동영상에서는 콜린 캠벨 박사가 ZENTRA Cloud 이 데이터 수집 프로세스를 어떻게 간소화하는지, 그리고 연구자들이 왜 데이터 없이 살 수 없는지에 대해 설명합니다. 그런 다음 ZENTRA Cloud 기능에 대한 라이브 투어를 제공합니다.