환경 과학자와 상담하기

토양 수분 데이터 분석 방법

토양 수분 데이터 분석에 대해 알아야 할 모든 것 모든 것을 알아보세요.

토양 수분 함량 및 수분 전위 센서를 땅에 묻고, 현장에 ATMOS 41을 설치한 다음 ZL6 데이터 로거를 설정했습니다. 계측기 네트워크가 며칠, 몇 주 또는 시즌 내내 데이터를 수집하고 있습니다. 이제 무엇을 하나요? 연구 위치에 대한 토양 수분 데이터 분석을 수행하는 것은 또 다른 문제입니다. 무슨 일이 일어나고 있는지 이해하고 문제를 해결하기 위해 의미 있는 추론과 결론을 도출하는 방법을 아는 것은 완전히 다른 문제입니다.

이 문서에서는 여러 데이터 세트를 통해 토양 수분 함량, 토양 온도, 토양 수분 잠재력 및 대기 측정값을 사용하여 흔적의 의미를 발견하는 방법을 단계별로 살펴봅니다. 이 문서에서는 데이터에서 다음 이벤트를 식별하는 방법을 알아봅니다:

다양한 토양 유형에서 토양 수분 센서의 동작
침투
홍수
토양 균열
동결
공간 가변성
온도 효과
유압 재분배로 인한 일별 패턴
고장난 센서
설치 문제

각 예는 그래프로 표시됩니다. 이 그래프에 담긴 정보의 모든 측면을 이해할 필요는 없습니다. 각 그래프는 일반적인 토양 수분 데이터 패턴과 그 패턴에서 가장 유용한 정보를 추정하는 방법을 설명하기 위한 예시입니다. 각 그래프의 오른쪽 상단 모서리에는 토양 유형과 작물 유형이 표시된 상자가 있어 관련 변수를 더 잘 이해할 수 있습니다.

제공된 모든 데이터는 다음과 같은 데이터 로거에 의해 수집되었습니다. ZL6 시리즈와 같은 데이터 로거에 의해 수집되어 ZENTRA Cloud 에 업로드되어 사용자의 편의를 위해 원격으로 볼 수 있습니다. 모든 데이터 세트는 METER의 자체 계측기에서 가져온 것이거나 데이터 소유자가 제공한 것으로, 해당 데이터 소유자의 허가를 받아 포함되어 있습니다.

A photograph of a ZL6 next to a tablet showing ZENTRA Cloud data — 그림 1: ZL6 Basic 데이터 로거와 ZENTRA Cloud 플랫폼 내에서 수집 및 저장된 데이터

토양 유형의 영향

A graph showing water content and water potential measurements for a turf grass in loamy sand in wet conditions — 그림 2. 습한 조건의 양토 모래에서 잔디 잔디의 수분 함량 및 수분 전위 측정값

그림 2에서는 잔디 잔디의 피복 작물이 있는 엔지니어링 양토 모래의 데이터를 볼 수 있습니다. 이 예제에서 실험을 실행할 때 우리의 목표는 잔디 잔디의 관수를 개선하는 것이었습니다. 이 잔디는 뿌리 영역이 상당히 얕았으며, 중간은 약 6cm, 바닥은 약 10cm 깊이였습니다. 시간이 지남에 따라 이 예시에서는 6월과 7월에는 비교적 습한 상태로 시작하여 7월과 8월에는 고정 건조 기간 조건을, 8월과 9월에는 수분 흡수가 중단될 때까지 건조 상태를 보여주었습니다.

이 그래프는 두 가지 토양 수분 데이터 유형을 보여줍니다: 용적 수분 함량 와 왼쪽 Y축의 행렬 전위, 또는 물 잠재력를 오른쪽 y축에 표시합니다. 시간은 초여름부터 가을이 시작되는 시점까지를 x축으로 표시합니다. 이러한 데이터 클러스터를 통해 무엇을 알 수 있는지 이해하려면 각 데이터 집합을 개별적으로 살펴봐야 합니다.

A graph showing the turf grass in loamy sand shown in Figure 2 in wet conditions — 그림 3. 그림 2에 표시된 젖은 상태의 양토 모래에 있는 잔디 잔디

그림 3은 앞서 언급한 습한 조건에서 잔디 잔디의 수분 함량과 수분 잠재력을 모두 보여줍니다. 이 잔디는 양토 모래에 있었습니다. 그래프 상단에 점선으로 표시된 수분 전위 센서가 전혀 반응하지 않는 것을 알 수 있습니다. 그러나 토양 수분 함량 센서는 각 관개 이벤트를 일 단위로 표시하는 등 놀라운 세부 정보를 보여줍니다.

A photograph of the TEROS 10, 11, and 12 volumetric soil water content sensors — 그림 4. TEROS 10, 11, 12 체적 토양 수분 함량 센서

밭은 매일 밤 물이 센서에 닿을 때 눈에 띄는 스파이크가 6cm 높이의 센서에 표시되도록 관개되었습니다. 뿌리 영역의 바닥인 15cm에서도 약간의 스파이크가 있었습니다. 30cm에서도 데이터는 수분 함량이 증가하는 것으로 나타났지만 15cm 수위 센서보다 곡선이 더 둥글게 마무리되었습니다. 수분 전위는 전혀 변화가 없었습니다. 입자 크기가 너무 커서 센서가 그 입자가 보유하고 있는 물을 감지할 수 없었기 때문입니다. 대신 최적의 조건에서 이 양토 모래에서 어떤 일이 일어났는지 살펴보면 꽤 멋진 세부 사항을 볼 수 있습니다.

A graph showing the turf grass in loamy sand shown in Figure 2 in optimal conditions — 그림 5. 그림 2에 표시된 최적의 조건에서 양토 모래에 있는 잔디 잔디

이 데이터 섹션에서 6센티미터 토양 수분 함량 데이터는 밤에는 평평해지고 낮에는 떨어집니다. 이는 매일 볼 수 있는 현상이며, 식물이 뿌리 영역의 바닥인 6cm에서 얼마나 많은 물을 흡수하고 있는지 알 수 있게 해줍니다. 15센티미터에서 매일 수분이 떨어지긴 했지만, 뿌리가 물을 흡수하는 곳의 아래쪽이라서 그다지 두드러지지는 않았습니다.

A photograph of the TEROS 21 matric water potential sensor — 그림 6. TEROS 21 매트릭스 수전위 센서

그림 5에서는 프로파일을 통해 흘러내리는 물이 많지 않았는데, 이는 정말 좋은 일이었습니다. 7월 14일에 30cm 수위 센서에서 약간의 정점을 보였지만 이후 관개 이벤트 동안에는 변동이 없었습니다. 이 양토 모래는 관개되는 물에 매우 민감하게 반응합니다. 수위 데이터는 6cm 수준에서 작은 반응을 보였습니다. 이는 이 잔디의 스트레스 범위보다 높은 -200~-400kPa 범위로만 떨어졌기 때문에 스트레스를 나타내지 않았습니다.

A graph of the turf grass in loamy sand shown in Figure 2 in drought conditions — 그림 7. 그림 2에 표시된 가뭄 조건에서 양토 모래에 있는 잔디 잔디

가뭄 조건에서는 6cm 레벨에서도 점진적인 최적의 물 흡수량을 확인할 수 있었습니다. 이 데이터 세트의 문제는 15cm 레벨 센서에서 수위가 6cm 레벨 센서와 마찬가지로 높았으며, 이는 물이 흡수되지 않고 토양을 통해 침출되고 있음을 나타냅니다. 9월 5일경에 갑자기 멈추기 전까지 매일 흡수되는 것을 볼 수 있었습니다. 그 시점에서 잔디는 더 이상 토양에서 물을 흡수할 수 없게 되어 활발하게 성장하던 상태에서 휴면 상태로 바뀌었습니다.

이 토양 수분 데이터 세트에서 수분 전위는 -1500kPa, 즉 영구 시들음점까지 마이너스로 떨어지는 매우 흥미로운 곡선을 보여줍니다. 이 잔디는 잔디가 물을 흡수할 수 없었기 때문에 휴면 상태에 있었던 것입니다. 수분 함량과 수분 전위 측정 모두 이러한 가뭄 조건에서 잔디의 수분 감소를 명확하게 보여주었습니다. 안타깝게도 이 사례에서 농부들은 토양이 매우 건조해질 때까지 데이터의 징후에 반응하지 않았습니다.

A graph showing an example of water content data for seed potatoes in a well-irrigated clay loam — 그림 8. 잘 관개된 점토 양토에서 씨감자의 수분 함량 데이터 예시

토양이 사질 모래가 아닌 미세한 질감의 토양인 점토 양토로 바뀌면 어떻게 될까요? 그림 8은 아이다호 남부에서 씨감자를 재배하는 점토질 토양으로, 6곳에 센서를 설치한 지름이 거의 700m에 달하는 점토질 토양을 보여줍니다. 이 그래프는 전체 시즌 동안 수분 함량의 변화가 거의 없으며, 약 2~3% 정도만 변동하는 것을 보여줍니다. 재배자는 이 데이터를 보고 언제 이 밭에 물을 끊어야 하는지 어떻게 결정할 수 있을지 궁금해했습니다. 이전 웨비나 수자원 캡처에서 설명했듯이 이 데이터만으로는 이러한 결정을 내리기가 매우 어렵습니다: 물을 바이오매스로 전환하기. 수분 함량 데이터는 물의 존재 여부와 양을 파악하는 데는 매우 유용하지만, 식물이 스트레스를 받고 있는지 또는 언제 물을 충분히 섭취했는지 파악하는 데는 거의 도움이 되지 않습니다.

A graph showing the water potential measurements for the same field represented in Figure 8 — 그림 9. 그림 8에 표시된 동일한 필드에 대한 수전위 측정값입니다.

식물의 스트레스 수준과 물을 보충하는 능력을 이해하려면 매트릭 수분 포텐셜을 조사해야 합니다. 토양 수분 함량 데이터는 계절 내내 일관되고 눈에 띄지 않게 물을 공급하는 것으로 나타났지만, 6개 지역 중 3개 지역은 매트릭스 수분 전위 수준이 스트레스 범위로 떨어졌고 1개 지역은 영구 시들음 지점에 매우 근접한 수준까지 떨어졌습니다. IRT 적외선 온도계와 같은 기기로 측정한 이 지역의 식물의 잎 온도는 공기 온도보다 훨씬 높은 온도로 기록되었습니다. 그리고 이러한 지역의 수확량은 스트레스를 받지 않은 지역의 수확량보다 훨씬 낮았기 때문에 수분 전위 측정의 타당성과 문제 징후를 확인할 수 있었습니다.

침투

A graph showing volumetric water content for a native system in a desert sandy loam soil in the fall — 그림 10. 가을철 사막 사질 양토 토양에서 네이티브 시스템의 체적 수분 함량

그림 10의 사질 양토 토양은 러쉬 밸리의 사막에서 발견됩니다. 이 예에서는 작물 자체가 아니라 토종 시스템 내의 침입 종을 조사하고 있었습니다. 이 계측기를 설치한 이유는 치트그래스와 같은 침입종이 이 지역의 토종 식물을 경쟁적으로 밀어내는 이유를 파악하기 위해서였습니다. 녹색 선은 강수량 이벤트를 나타내고, 수평선은 서로 다른 깊이에 배치된 3개의 수분 함량 센서를 나타냅니다.

A photograph of the ATMOS 41 all-in-one weather station — 그림 11. ATMOS 41 올인원 기상 관측소

이 토양 수분 데이터를 살펴보면 4~5mm의 습도 이벤트도 5cm 레벨 센서에는 거의 영향을 미치지 않았고 10cm와 20cm의 센서에는 눈에 띄는 영향이 전혀 없음을 알 수 있습니다. 수분 함량 데이터에 강수 이벤트가 나타나지 않는 이유는 무엇인가요? 몇 가지 원인이 있습니다. 이 측정 기간에는 토양의 온도가 거의 매일 40°C를 넘나드는 매우 길고 덥고 건조한 여름이 있었기 때문에 토양이 소수성이 되었습니다. 또한 토양이 가루처럼 건조하여 모든 수분이 표면에서 흡수되어 유지되다가 다시 증발하여 물이 더 깊숙이 이동할 기회가 없었습니다.

A graph showing volumetric water content for a native system in a desert sandy loam soil in the summer — 그림 12. 여름철 사막 사질 양토 토양에서 네이티브 시스템의 체적 수분 함량

그림 12는 같은 사막 사질 양토 토양에서 그해 초의 토양 수분 데이터를 보여줍니다. 이 차트에는 강수량 데이터가 포함되어 있지 않지만, 5cm 깊이 수분 함량 센서에서 보이는 각각의 스파이크와 상관관계가 있는 습윤 이벤트가 발생했습니다. 5cm 수위 센서에서는 5월 28일경에 습윤 이벤트가 발생했지만 10cm 또는 20cm 수위 센서에는 반영되지 않았습니다. 6월 2일경에 발생한 습윤은 10cm 수심에서 바늘이 움직인 흔적을 보였지만 20cm에는 도달하지 못했습니다. 더욱 놀라운 것은 6월 14일경에 가장 큰 습윤 현상이 발생했는데 10cm에서는 전혀 나타나지 않았지만 20cm 깊이에서는 작은 스파이크가 발생했습니다. 이러한 토양 수분 데이터를 분석하면 무엇을 알 수 있을까요?

같은 지역의 마지막 데이터 세트에서와 마찬가지로, 토양의 최상층은 첫 번째 습윤 사건에서 많은 수분을 흡수하여 토양이 아래쪽으로 배수될 기회를 주지 않고 높은 증발 수요를 공급했습니다. 두 번째 침수 동안 수위가 높아지면서 일부 물이 10cm 깊이 센서까지 내려갔지만 20cm에는 미치지 못했습니다. 더 큰 수수께끼는 마지막 침수 이벤트였습니다. 5센티미터와 20센티미터 센서에서는 수분 함량이 증가했는데 10센티미터에서는 전혀 증가하지 않은 이유는 무엇일까요?

비가 내리면 토양 표면 전체에 물이 균일하게 분포되어 고르게 스며든다고 생각하기 쉽지만, 항상 그런 것은 아닙니다. 물은 하나의 거대한 블록처럼 토양을 통과하는 것이 아니라, 모든 토양 입자에 항상 닿는 것은 아니며 손가락처럼 갈라져 토양을 통과합니다. 이 경우 가장 가능성이 높은 것은 물의 손가락 중 하나가 10cm 깊이 센서 주변을 돌고 20cm 레벨 센서까지 계속 내려갔기 때문입니다. 이것이 이 데이터 이상 현상에 대한 가장 유력한 설명이지만, 해당 지역의 침투에 문제가 없는지 확인하기 위해 해당 지역을 모니터링하는 것이 여전히 중요합니다.

홍수 징후

날씨 모니터링에 대해 알아야 할 모든 것을 담은 날씨 모니터링 마스터 클래스라는 교육 가이드를 만들었지만, 토양 수분 데이터 해석을 위해 날씨 모니터링이 토양 내에서 일어나는 일을 이해하는 데 차이를 만들 수 있는 몇 가지 사용 사례를 살펴봅시다. 몇 년 전 기상청 본부가 있는 워싱턴주 풀먼에서 홍수 사건이 발생했습니다. 마을의 주요 도로와 평행하게 흐르는 미주리 플랫 크릭이라는 아주 작은 하천이 도로와 그 주변의 여러 사업체에 침수되어 지역 사회의 중심부를 관통하는 큰 피해를 입혔습니다. 어떻게 이런 일이 일어났을까요? 데이터가 임박한 홍수의 경고 신호를 이해하는 데 도움이 될 수 있을까요?

A graph showing precipitation in Pullman, WA for the week proceeding the flood — 그림 13. 홍수가 발생한 주 동안 워싱턴주 풀먼의 강수량

그림 13의 강수량 데이터는 홍수가 발생한 이유를 설명하지 못했습니다. 가장 큰 강수량은 약 3mm에 불과했습니다. 여러 센서에서 동일한 강수량을 보였기 때문에 그 작은 개울에서 발생한 규모의 홍수 가능성을 시사하지는 않는 것 같습니다. 어떤 일이 일어났는지 더 잘 이해하려면 해당 지역의 토양 수분 함량 측정으로 눈을 돌려야 합니다(그림 14).

A graph showing water content measurements leading up to the flooding event in Pullman, WA — 그림 14. 워싱턴주 풀먼에서 홍수 발생 전 수분 함량 측정 결과

토양 수분 함량 수준은 4월 6일 습기가 시작될 때까지 매우 일정하게 유지되어 20cm 수준에서 상승한 후 40cm, 60cm, 90cm에서 약간씩, 심지어 120cm까지 내려간 곳도 있었습니다. 4월 7일이 끝날 무렵, 토양 상층부에서 물이 빠져나가 하층부로 흘러내리기 시작했습니다. 이후 비가 계속 내리면서 9일에는 60cm 수위가 만수위를 기록했고 나머지 수심도 평평해지기 시작했는데, 이는 수위가 가득 차서 홍수가 임박했음을 알리는 신호였습니다. 4월 9일 말, 더 많은 비가 내렸고 미주리 플랫 크릭은 제방을 넘어섰습니다.

A graph showing water depths on the bank of the Missouri Flat Creek just before and at the beginning of the flooding event — 그림 15. 홍수 발생 직전과 홍수 발생 초기의 미주리 플랫 크릭 강둑 수심

그림 15는 개울 측면의 수심을 보여 주며, 수위가 1m로 유지되었음을 보여줍니다. 마지막 비 이벤트는 물이 제방을 넘어 거의 2.5m에 도달하면서 수분 함량 고원과 상관관계가 있는 것으로 나타났습니다.

크래킹

텍사스 남부에 위치한 수축 팽창이 심한 점토인 선박 점토(그림 16)에 수분 함량 센서를 여러 개 삽입하여 토양 균열이 발생할 경우 토양 수분 데이터 분석이 어떻게 되는지 설명했습니다.

A graph showing water content sensors in a high shrink-swell clay in south Texas — 그림 16. 텍사스 남부의 수축 팽창이 심한 점토 속 수분 함량 센서

센서 동작을 비교해보면 흥미로운 패턴을 발견할 수 있습니다. 20cm 깊이에 있는 센서 중 하나는 습기가 발생할 때마다 점진적으로 감소하는 것으로 나타났지만 같은 깊이에 있는 다른 센서는 일반적으로 모래 토양에서 예상되는 급격한 감소를 보였습니다. 그렇다면 이 점토에서 어떤 일이 발생하여 이러한 수치가 나타난 것일까요? 이 데이터 세트에서 볼 수 있는 현상은 가파른 곡선을 가진 센서가 수축이 심한 점토 부분에 매립되어 센서 주변에서 토양이 다시 수축되어 에어 갭이 발생하여 전자기 센서가 예상만큼 높게 판독되지 않았다는 것입니다. 그림 16은 이러한 급격한 하강이 토양 균열을 나타내는 완벽한 예입니다.

동결

A graph showing water content and precipitation during freezing in sandy loam soil with invasive species growing on top during winter — 그림 17. 겨울 동안 침입종이 자라는 사질 양토 토양에서 동결 시 수분 함량 및 강수량

그림 17은 기온으로 인해 고사한 외래종이 있는 사질 양토 밭을 보여줍니다. 비가 내릴 때마다 수분 함량 측정값이 급격히 상승했다가 들쭉날쭉한 계단식으로 내려가는 것을 볼 수 있습니다. 이 센서들이 매몰된 것일까요? 이 데이터에 나타난 변동을 설명할 수 있는 것은 무엇일까요? 온도 측정값을 그래프에 추가하면 어떤 일이 발생했는지 명확하게 알 수 있습니다.

A graph showing water content, precipitation, and temperature during freezing in sandy loam soil with invasive species growing on top during winter — 그림 18. 겨울 동안 침입종이 자라는 사질 양토 토양에서 동결 시 수분 함량, 강수량 및 온도

그림 18의 굵은 검은색 가로선은 0°C, 즉 동결을 나타냅니다. 온도를 측정하고 어는점을 추가한 결과, 기온이 얼면 수분 함량 측정값이 떨어지고 변동하는 것처럼 보이는 것이 분명해졌습니다. 온도가 영하로 올라가면 수분 함량 측정값이 다시 예상 범위로 올라갔습니다. 이 관계는 의미가 있습니다. 물이 더 많이 얼수록 센서가 물의 존재를 감지하는 데 사용하는 전기 자기장에 물 분자가 더 많이 사라지기 때문입니다. 모든 물이 얼지 않았기 때문에 측정된 물의 양이 0으로 떨어지지는 않았지만 상당히 감소했습니다. 해빙이 일어나자 데이터는 토양 수분 함량 수준이 완만하게 회복되어 동결 이전의 상태로 돌아가는 것을 보여주었습니다. 이는 동결 상황에서 예상할 수 있는 패턴입니다. 그림 19는 동일한 데이터 집합을 1년 전체의 맥락에서 살펴본 것입니다. 동결 이벤트가 여름철 데이터의 완만한 썰물과 흐름과는 확연히 다른 양상을 보이는 것을 확인할 수 있습니다. 겨울철의 점선은 동결 이벤트가 발생하지 않은 수분 함량 데이터에서 예상되는 패턴입니다.

A graph showing the same data set from Figure 18 expanded to include data from the entire year — 그림 19. 그림 18의 동일한 데이터 집합이 전체 연도의 데이터를 포함하도록 확장되었습니다.

공간 가변성

그림 20에서는 씨감자가 있는 점토질 토양에서 서로 3~4km 이내에 있는 7개 지역에 센서를 배치했습니다. 그림 20의 센서는 눈이 많이 내린 후 비가 내리는 습한 겨울이 지난 후 설치되었습니다.

A graph showing water content readings for seven locations within a clay loam soil, all planted with seed potatoes — 그림 20. 모두 씨감자를 심은 점토 양토 토양 내 7곳의 수분 함량 측정값

수분 함량 데이터를 읽는 경험 수준에 따라 데이터 세트가 시작될 때에도 이 7개의 센서 간에 왜 이렇게 많은 변동성이 있는지 궁금할 수 있습니다. 이 차이는 토양 유형의 함수입니다. 토양 유형이 비슷하게 분류되더라도 각 지점마다 고유한 기준선이 있으므로 토양 수분 함량 측정값을 동일한 지점의 이전 측정값과 비교하는 것이 중요하며, 한 지점에서 다음 지점까지 아무리 가깝더라도 동일한 판독 값을 기대해서는 안 됩니다. 그러나 같은 기간 동안 동일한 필드의 수분 전위 데이터를 살펴보면(그림 21), 이들 센서의 수분 전위가 모두 +/- 10kPa 이내에서 시작하여 놀라울 정도로 비슷하다는 것을 알 수 있습니다. 이것이 바로 토양 유형에 관계없이 밭 전체에서 수전위 측정을 사용할 수 있는 힘입니다.

A graph showing water potential measurements in the same seven locations shown in Figure 20 — 그림 21. 그림 20에 표시된 것과 동일한 7개 위치에서의 수전위 측정값

온도 감도

여름철에는 특히 토양 표면에 가까운 측정값에서 일정량의 수분 함량 변동을 고려하는 것이 중요합니다. 이러한 방식으로 모든 수분 함량 센서는 온도 센서로도 작동할 수 있습니다.

A graph showing water content and temperature measurements across the summer months showing the effect of temperature fluctuations on water content readings — 그림 22. 온도 변화가 수분 함량 판독값에 미치는 영향을 보여주는 여름철의 수분 함량 및 온도 측정값

그림 22에서 데이터는 +/- 14°C의 일일 온도 변화를 보여줍니다. 이러한 온도 변화에 대한 지식이 없으면 수분 함량 측정값의 들쭉날쭉한 특성을 수문학적 물의 이동으로 잘못 해석할 수 있지만, 실제로는 열 변화가 토양 수분 함량에 미치는 영향을 보여주는 것입니다. 수분 함량 변화의 작은 변화는 실제로 0.^{0003m3/m-3/°C에} 불과합니다.

유압 재배포

지금까지 몇 가지 예를 보여드렸는데, 처음에는 식물이 물을 흡수하는 것처럼 보였으나 데이터를 자세히 살펴본 후 설명할 수 있었습니다. 그렇다면 데이터에서 수력 재분배는 어떤 모습일까요? 토양에서 식물로 물이 흡수되는 것을 증명할 수 있는지 알아보기 위해 네 개의 그래프를 차례로 살펴보겠습니다. 각 그래프는 서로 500m 이내의 동일한 관개 밀밭에서 같은 기간 동안의 데이터를 강조 표시합니다.

A graph showing water content measurements at a depth of 15 cm across six sites on the same field combined with watering and precipitation data — 그림 23. 동일한 밭의 6개 지점에서 15cm 깊이의 수분 함량 측정값과 관수 및 강수량 데이터를 결합한 결과

그림 23은 밭 전체의 15cm 깊이에서 수분 함량을 보여줍니다. 7월 말까지 관개가 켜졌다 꺼졌다를 반복했으며, 관개 중단 시점 이후 몇 차례 강수량이 발생했습니다. 각 수분 함량 센서는 언뜻 보기에는 온도 변동으로 보일 수 있는 전형적인 일별 패턴을 보였지만, 그 시기의 밭에는 토양 표면으로 내려가는 복사가 거의 없는 약 4~5의 Leaf Area Index (LAI) 로 밀 잎 캐노피가 가득 차있었습니다. 따라서 일사 플럭스가 온도 변화에 기인할 가능성은 낮습니다. 이 패턴은 관개가 중단되고 식물이 가능한 한 많은 양을 흡수했을 때만 멈췄습니다.

A graph showing water content measurements for the same field shown in Figure 23, but at a depth of 45 cm — 그림 24. 그림 23에 표시된 것과 동일한 필드에 대한 수분 함량 측정(깊이 45cm)

그림 24의 45cm 수심에서는 6월 초에는 일주기 패턴이 나타나지 않다가 6월 말에야 두드러지게 나타났습니다. 7월 말 물을 차단할 무렵에는 낮에는 수위가 낮아지고 밤에는 정점을 찍는 일주 패턴이 가장 뚜렷하게 나타났습니다. 이 데이터는 토양 깊숙한 곳이기 때문에 온도 변화보다는 식물의 수분 흡수량과 훨씬 더 일치했습니다.

A graph showing water content measurements for the same field shown in Figure 23, but at a depth of 65 cm — 그림 25. 그림 23에 표시된 것과 동일한 필드에 대한 수분 함량 측정(깊이 65cm)

토양 깊숙이 들어가면(그림 25), 7월 중순에서 하순까지는 동일한 일별 계단 밟기 현상이 보이지 않다가 8월이 되어서야 볼 수 있었습니다.

실패한 센서

정확성과 신뢰성은 우리가 제조하는 모든 계측기에 있어 가장 중요한 두 가지 요소이지만, 설치 및 유지관리와 같은 다른 요인으로 인해 센서가 고장날 수 있습니다.

A graph showing an example of data that indicates the potential of a failed sensor — 그림 26. 센서 고장의 가능성을 나타내는 데이터 예시

그림 26은 데이터 내에서 고장난 센서가 어떤 모습인지 보여주는 좋은 예입니다. 여러 개의 센서가 매우 안정적인 경로를 그리며 원활하게 데이터를 스트리밍하던 중 갑자기 한 개의 센서만 거의 순간적으로 중단되어 많은 양의 가변 데이터를 제공하기 시작했습니다. 다행히도 이 사용자는 센서가 ZENTRA Cloud 에 연결되어 있었기 때문에 센서 고장을 자동으로 알려주어 연속 측정에 대한 중단을 최소화하면서 적시에 문제를 해결할 수 있었습니다. 이 경우에는 센서의 플러그를 뽑았다가 데이터 로거에 다시 연결하자 센서가 계속 완벽하게 작동했습니다.

설치 문제

이 글에서 마지막으로 설명할 데이터 이상은 설치 과정 중 문제로 인한 데이터 오류입니다.

A graph showing the water content measurements of a silt loam soil without any cover crop — 그림 27. 피복 작물이 없는 미사질 양토 토양의 수분 함량 측정값

모든 과학적 노력과 마찬가지로, 판독값을 분석하기 전에 어떤 정보를 얻을 것으로 예상되는지 아는 것이 중요합니다. 그림 27에 표시된 것과 같은 미사질 양토 토양의 경우 토양이 상당히 젖어 있으므로 수분 함량이 30% 이상일 것으로 예상할 수 있습니다. 하지만 두 개의 센서에서 10% 이하의 수치가 측정되었습니다. 이는 센서를 검사하고 잠재적으로 센서를 다시 설치하는 것이 가치 있는 시기를 보여주는 좋은 예입니다.

토양 수분 데이터 해석의 열쇠

각 상황과 데이터 세트는 다를 것입니다. 데이터에서 올바른 추론과 추론을 도출하는 것은 결론의 타당성을 위해 매우 중요합니다. 이를 염두에 두고 고유한 데이터를 해석할 때 염두에 두어야 할 몇 가지 사항을 정리해 보겠습니다.

예상치 못한 것을 발견할 수 있습니다. 센서를 설치하는 이유는 토양에서 일어나는 일을 모두 알 수 없기 때문입니다. 모든 것을 안다고 가정하면 중요한 징후를 무시할 수 있습니다.
토양 수분은 토양에 따라 다르게 작용합니다. 거친 토양에서 얻은 토양 수분 데이터는 고운 토양에서 얻은 데이터와 동일하게 작용하지 않습니다. 시간을 내어 토양 유형을 이해하고 전문가와 협력하여 올바른 측정값을 얻을 수 있도록 하세요.
토양의 수분 흡수 및 저장 능력은 물의 침투를 막을 수 있습니다. 데이터에서 테이블 토핑이 발견되면 침투가 중단되거나 토양이 침수되었는지 주시하세요.
균열이 생기기 쉬운 토양에 주의하세요. 일부 토양, 특히 점토는 센서 주변에 균열을 일으켜 결과에 영향을 줄 수 있습니다. 어떤 토양에서 작업하고 있는지 파악하고 데이터에서 이러한 동작의 징후가 있는지 계속 주시하세요.
얼면 토양 수분이 센서에서 사라질 수 있습니다. 얼어붙은 물은 센서에 보이지 않게 되어 이상한 동작이 발생하고, 연속성을 희생하면서 정확성을 유지하기 위해 데이터 세트에서 데이터의 일부를 제거해야 하는 경우가 종종 있습니다.
토양 수분 함량은 공간적 변동성이 높습니다. 동일한 필드에 여러 개의 센서를 설치하면 변동성이 나타나야 합니다. 변동성이 전혀 없다면 이는 우려해야 할 신호입니다. 반면에 토양 수분 전위 센서의 일관성이 유지된다면 제대로 작동하고 있다는 신호입니다.
일별 패턴은 여러 가지 의미를 가질 수 있습니다. 수분 함량 측정값의 일별 썰물과 썰물은 토양 표면 근처의 온도 변동이나 뿌리 수분 및 재분배로 인해 발생할 수 있습니다. 일별 패턴의 원인을 파악하려면 수분 함량뿐만 아니라 모든 변수를 조사하는 것이 중요합니다.
잘못된 설치는 센서 성능에 큰 영향을 미칩니다. 잘못 설치된 센서뿐만 아니라 전기적으로 고장난 센서에서도 문제가 발생할 수 있습니다. 데이터를 주시하고 ZENTRA Cloud 에서 제공하는 알림을 확인하여 연구에 미치는 영향을 최소화하기 위해 신속하게 조치를 취하는 것이 중요합니다.