Czujniki wilgotności gleby - jak działają. Dlaczego niektóre z nich nie są klasy badawczej
TDR, FDR, pojemność, rezystancja: Porównanie popularnych metod pomiaru wilgotności gleby, ich zalet i wad oraz unikalnych zastosowań.
Zakopałeś w ziemi czujniki zawartości wody w glebie i potencjału wody, zainstalowałeś na polu ATMOS 41 i skonfigurowałeś rejestrator danych ZL6 . Twoja sieć instrumentów zbierała dane przez kilka dni, tygodni, a nawet przez cały sezon. Co teraz? Przeprowadzenie analizy danych dotyczących wilgotności gleby w miejscu prowadzenia badań to jedno. Wiedza o tym, jak ekstrapolować znaczące wnioski i wnioski, aby zrozumieć, co się dzieje i rozwiązywać problemy, jest zupełnie inna.
W tym artykule przejdziemy przez wiele zestawów danych, aby zrozumieć, w jaki sposób można wykorzystać zawartość wody w glebie, temperaturę gleby, potencjał wody w glebie i pomiary atmosferyczne, aby odkryć znaczenie śladów. W tym artykule dowiesz się, jak zidentyfikować następujące zdarzenia w danych:
Każdy przykład będzie reprezentowany przez wykres. Nie jest konieczne zrozumienie każdego aspektu informacji zawartych na tych wykresach. Każdy z nich służy jako ilustracja typowych wzorców danych wilgotności gleby, na które można się natknąć, oraz sposobu ekstrapolacji najbardziej przydatnych informacji z zaobserwowanych wzorców. Każdy wykres będzie miał pole w prawym górnym rogu z typem gleby i rodzajem uprawy, abyś mógł lepiej zrozumieć zmienne, które wchodzą w grę.
Wszystkie dostarczone dane zostały zebrane przez rejestratory danych, takie jak nasza seria ZL6 i przesłane do ZENTRA Cloud w celu zdalnego przeglądania przez użytkownika. Wszystkie zestawy danych pochodzą z własnych urządzeń METER lub zostały dostarczone przez właściciela danych i zostały zamieszczone za jego zgodą.
Na rysunku 2 widzimy dane z zaprojektowanego piasku gliniastego z trawą darniową. Naszym celem podczas przeprowadzania eksperymentów w tym przykładzie była poprawa nawadniania trawy darniowej. Trawa ta miała dość płytką strefę korzeniową, której środek znajdował się na głębokości około 6 cm, a dno na około 10 cm. Z biegiem czasu, przykład ten pokazał najpierw stosunkowo wilgotne warunki, które rozpoczęły się w czerwcu i lipcu, stały okres suszy w lipcu i sierpniu oraz suszę aż do zaprzestania pobierania wody w sierpniu i wrześniu.
Ten wykres przedstawia dwa typy danych dotyczących wilgotności gleby: objętościową zawartość wody na lewej osi y i potencjał matyczny lub potencjał wodyna prawej osi y. Czas znajduje się na osi x, od wczesnego lata do początku jesieni. Aby zrozumieć, co te klastry danych mogą nam powiedzieć, musimy przyjrzeć się każdemu zestawowi danych z osobna.
Rysunek 3 przedstawia zarówno zawartość wody, jak i potencjał wodny wspomnianej wcześniej trawy darniowej w warunkach wilgotnych. Ta trawa darniowa znajdowała się w gliniastym piasku. Zauważ, że czujniki potencjału wody, reprezentowane przez przerywane linie w górnej części wykresu, w ogóle nie zareagowały. Jednak czujniki zawartości wody w glebie pokazują niesamowite szczegóły, w tym każde zdarzenie nawadniania rzędu dni.
Pole było nawadniane każdej nocy z widocznym skokiem, gdy woda uderzyła w czujnik, widocznym w czujniku na poziomie 6 cm. Widoczny był również niewielki skok na wysokości 15 cm, czyli na dnie strefy korzeniowej. Nawet na poziomie 30 cm dane wykazały wzrost zawartości wody, ale krzywa była bardziej zaokrąglona niż w przypadku czujnika na poziomie 15 cm. Potencjał wody nie wykazał żadnych zmian. Rozmiary cząstek były tak duże, że czujniki nie były w stanie wykryć wody zatrzymywanej przez te cząstki. Jeśli zamiast tego przyjrzymy się temu, co działo się w tym gliniastym piasku w optymalnych warunkach, zobaczymy kilka całkiem fajnych szczegółów.
W tej części danych zawartość wody w glebie na głębokości sześciu centymetrów spłaszczała się w nocy i spadała w ciągu dnia. Było to widoczne dzień po dniu i dało nam wyobrażenie o tym, ile wody pobierały rośliny na wysokości 6 centymetrów, czyli w dolnej części strefy korzeniowej. Odnotowano dzienny spadek na wysokości 15 centymetrów, ale nie był on tak wyraźny, ponieważ znajdował się w dolnej części miejsca, w którym korzenie pobierały wodę.
Na rysunku 5 nie było tak dużo wody spływającej przez profil, co było naprawdę dobrą rzeczą. 14 lipca zaobserwowaliśmy niewielki szczyt z czujnika poziomu 30 cm, ale nie zaobserwowaliśmy żadnych wahań podczas kolejnego nawadniania. Ten gliniasty piasek bardzo dobrze reaguje na aplikowaną wodę. Dane dotyczące potencjału wody wykazały niewielką reakcję na poziomie sześciu centymetrów. Nie wskazywało to na stres, ponieważ spadł on tylko do zakresu od -200 do -400 kPa, który nadal znajdował się powyżej zakresu stresu dla tej trawy darniowej.
W warunkach suszy stopniowy optymalny pobór wody był również widoczny na poziomie 6 cm. Problem w tym zestawie danych zaobserwowano przy czujniku na poziomie 15 cm, gdzie poziom wody był tak samo wysoki jak przy czujniku na poziomie 6 cm, co wskazuje, że woda była wypłukiwana przez glebę bez wchłaniania. Codzienny pobór wody był widoczny aż do nagłego zatrzymania około 5 września. W tym momencie trawa nie jest już w stanie pobierać wody z gleby, przechodząc z aktywnego wzrostu w stan uśpienia.
Potencjał wody wykazuje naprawdę interesującą krzywą w tym zestawie danych wilgotności gleby, spadając ujemnie do -1500 kPa, czyli punktu trwałego więdnięcia. Trawa ta znajdowała się w stanie uśpienia, ponieważ nie mogła pobierać wody. Zarówno pomiary zawartości wody, jak i potencjału wody wykazały wyraźny spadek w warunkach suszy. Niestety w tym przypadku rolnicy nie zareagowali na sygnały w danych, dopóki gleba nie stała się bardzo sucha.
Co się dzieje, gdy gleba nie jest piaskiem gliniastym, ale glebą o drobnej teksturze: gliną ilastą? Rysunek 8 ilustruje gliniastą glinę, na której uprawiano sadzeniaki w południowym Idaho, o średnicy prawie 700 m, w której zainstalowaliśmy czujniki w sześciu lokalizacjach. Wykres ten przedstawia bardzo niewielką zmianę zawartości wody w ciągu całego sezonu, wahając się tylko o około 2 do 3%. Hodowca spojrzał na te dane i zastanawiał się, jak może określić, kiedy powinien wyłączyć wodę na tym polu. Korzystając tylko z tych danych, bardzo trudno jest dokonać takiego ustalenia, jak wyjaśniliśmy w naszym poprzednim webinarium Water Resource Capture: Przekształcanie wody w biomasę. Podczas gdy dane dotyczące zawartości wody są bardzo pomocne w określaniu obecności i ilości wody, w bardzo niewielkim stopniu informują nas, czy rośliny są zestresowane lub pomagają nam zrozumieć, kiedy mają wystarczającą ilość wody.
Aby zrozumieć poziom stresu roślin i ich zdolność do odświeżania wody, musimy zbadać potencjał wody macierzystej. Podczas gdy dane dotyczące zawartości wody w glebie nakreśliły obraz spójnego, niezauważalnego nawadniania przez cały sezon, w trzech z sześciu miejsc poziom potencjału wody matric spadł do zakresu stresu, a w jednym spadł bardzo blisko punktu trwałego więdnięcia. Temperatura liści roślin w tych obszarach, mierzona za pomocą przyrządu takiego jak termometr na podczerwień IRT, była rejestrowana w znacznie wyższych temperaturach niż temperatura powietrza. Plony w tych miejscach były znacznie niższe niż plony z obszarów, w których nie mierzono stresu, co potwierdza wiarygodność pomiarów potencjału wody i wskazuje na problem.
Piaszczysto-gliniasta gleba na rysunku 10 znajduje się na pustyni w Rush Valley. W tym przykładzie nie badaliśmy upraw, ale raczej gatunki inwazyjne w rodzimym systemie. Powodem instalacji oprzyrządowania było zrozumienie, dlaczego gatunki inwazyjne, takie jak cheatgrass, konkurują z rodzimą roślinnością na tym obszarze. Zielone linie przedstawiają opady, a poziome linie przedstawiają trzy czujniki zawartości wody umieszczone na różnych głębokościach.
Po przeanalizowaniu danych dotyczących wilgotności gleby można zauważyć, że nawet opady o wielkości od 4 do 5 mm miały niewielki lub żaden wpływ na czujnik na poziomie 5 cm i nie miały zauważalnego wpływu na czujniki na poziomie 10 i 20 cm. Dlaczego opady nie pojawiły się w danych dotyczących zawartości wody? Przyczyniło się do tego kilka czynników. Ten okres pomiarowy był poprzedzony bardzo długim, gorącym i suchym latem, kiedy temperatura gleby przekraczała 40°C prawie każdego dnia, przez co gleba była hydrofobowa. Ponadto gleba była sucha jak pył, co spowodowało, że cała woda została wchłonięta i zatrzymana na powierzchni przed ponownym odparowaniem, nie pozostawiając szansy na przemieszczenie się wody w głąb systemu.
Rysunek 12 przedstawia dane dotyczące wilgotności gleby w tej samej pustynnej glebie piaszczysto-gliniastej wcześniej w tym samym roku. Chociaż dane dotyczące opadów nie zostały uwzględnione na tym wykresie, zdarzenia zwilżania wystąpiły w korelacji z każdym ze skoków widocznych w czujniku zawartości wody na głębokości pięciu centymetrów. Należy zauważyć, że w czujniku poziomu pięciu centymetrów zwilżenie wystąpiło około 28 maja, ale nie zostało odzwierciedlone ani w czujnikach poziomu 10, ani 20 centymetrów. Zwilżenie około 2 czerwca wykazało oznaki poruszenia igły na głębokości 10 cm, ale nie osiągnęło poziomu 20 cm. Jeszcze bardziej zaskakujące jest to, że największe zwilżenie wystąpiło około 14 czerwca i w ogóle nie pojawiło się na głębokości 10 cm, ale spowodowało niewielki skok na głębokości 20 cm. Co mówi nam analiza tych danych dotyczących wilgotności gleby?
Podobnie jak w poprzednim zestawie danych z tego samego obszaru, górna warstwa gleby wchłonęła dużo wilgoci z pierwszego zwilżenia i zaspokoiła wysokie zapotrzebowanie na parowanie, nie pozwalając glebie na spłynięcie w dół. Gdy lustro wody wypełniło się podczas drugiego zwilżenia, część wody dotarła do czujnika głębokości 10 cm, ale zatrzymała się poniżej 20 cm. Większą zagadką było ostatnie zwilżenie. Dlaczego czujniki 5 i 20 cm zarejestrowały wzrost zawartości wody bez żadnego wzrostu na 10 cm?
Łatwo jest myśleć o opadach deszczu tworzących równomierny rozkład wody na powierzchni gleby, infiltrując równomiernie, ale nie zawsze tak jest. Zamiast przechodzić przez glebę jako jeden gigantyczny blok, woda przemieszcza się przez glebę w rozgałęzionych palcach, nie zawsze dotykając każdej cząsteczki gleby. To, co najprawdopodobniej wydarzyło się w tym przypadku, to fakt, że jeden z tych palców wody okrążył czujnik głębokości 10 cm i kontynuował podróż w dół do czujnika poziomu 20 cm. Jest to najbardziej prawdopodobne wyjaśnienie tej anomalii danych, ale nadal ważne byłoby monitorowanie tego obszaru, aby upewnić się, że nie ma żadnych problemów z infiltracją w tym obszarze.
Chociaż stworzyliśmy przewodnik edukacyjny zatytułowany Klasa mistrzowska monitorowania pogody zawierający wszystko, co musisz wiedzieć o monitorowaniu pogody, do celów interpretacji danych wilgotności gleby, zbadajmy kilka przypadków użycia, w których monitorowanie pogody może mieć znaczenie dla zrozumienia tego, co dzieje się w glebie. Kilka lat temu doświadczyliśmy powodzi w Pullman w stanie Waszyngton, gdzie znajduje się siedziba METER. Bardzo mały strumień o nazwie Missouri Flat Creek, który biegnie równolegle do głównej arterii miasta, zalał ulicę i wiele firm po drodze, tworząc duży obszar zniszczeń w sercu społeczności. Jak do tego doszło? Czy dane mogą pomóc nam zrozumieć znaki ostrzegawcze przed zbliżającą się powodzią?
Dane dotyczące opadów przedstawione na rysunku 13 nie wyjaśniają przyczyn powodzi. Największe opady wyniosły tylko około trzech mm. Wiele czujników wykazało taką samą objętość opadów, co nie wydaje się sugerować potencjału powodzi na skalę, która wystąpiła w tym małym potoku. Aby lepiej zrozumieć, co się stało, musimy zwrócić się do pomiarów zawartości wody w glebie na tym obszarze (Rysunek 14).
Poziomy zawartości wody w glebie utrzymywały się na bardzo stałym poziomie do momentu, gdy 6 kwietnia zaczęło się podmokłe wydarzenie, powodując wzrost na poziomie 20 cm, następnie 40 cm, trochę na 60 cm i 90 cm, a nawet trochę na 120 cm. Pod koniec 7 kwietnia woda zaczęła spływać z górnych poziomów gleby i przenikać do niższych regionów. Kolejne opady deszczu sprawiły, że do 9 kwietnia poziom 60 cm wskazywał raczej pełne poziomy zawartości wody i zaczął się spłaszczać, podobnie jak pozostałe głębokości, co było oznaką, że lustro wody wypełnia się do pełna, sygnalizując zbliżającą się powódź. Pod koniec 9 kwietnia kolejne opady deszczu przechyliły szalę i potok Missouri Flat Creek przekroczył swoje brzegi.
Rysunek 15 przedstawia głębokości wody wzdłuż brzegu potoku, co pokazuje, że poziom wody utrzymywał się na poziomie 1 m. Końcowe zdarzenie deszczowe korelowało z plateau zawartości wody, gdy woda przekroczyła brzegi i osiągnęła prawie 2,5 m.
W glinie okrętowej (Rysunek 16), glinie o wysokiej kurczliwości znajdującej się w południowym Teksasie, umieściliśmy kilka czujników zawartości wody, aby zilustrować, jak wyglądałaby analiza danych wilgotności gleby w przypadku pękania gleby.
Jeśli porównamy zachowanie czujników, zobaczymy interesujący wzór. Jeden czujnik na głębokości 20 cm wykazywał stopniowy spadek po każdym zwilżeniu, ale drugi czujnik na tej samej głębokości wykazywał gwałtowny spadek, czego zwykle można oczekiwać w glebie piaszczystej. Nasuwa się pytanie - co działo się w tej glinie, powodując takie odczyty? Zjawisko obserwowane w tym zestawie danych polega na tym, że czujnik o bardziej stromej krzywej był osadzony w sekcji gliny o wysokim skurczu, co powodowało kurczenie się gleby wokół czujnika, tworząc szczeliny powietrzne, powodując, że czujnik elektromagnetyczny nie odczytywał tak wysoko, jak oczekiwano. Rysunek 16 jest doskonałym przykładem, który pokazuje, że ten gwałtowny spadek wskazywał na pękanie gleby.
Rysunek 17 przedstawia piaszczysto-gliniaste pole zawierające gatunki inwazyjne, które obumarły z powodu wysokich temperatur. Podczas każdego deszczu można zauważyć, że pomiary zawartości wody rosły, a następnie spadały po schodach. Czy te czujniki się rozładowały? Co może wyjaśnić wahania przedstawione w tych danych? Jeśli dodamy do wykresu pomiary temperatury, stanie się jasne, co się działo.
Pogrubiona czarna pozioma linia na rysunku 18 wskazuje 0°C lub zamarzanie. Dzięki pomiarom temperatury i dodaniu punktu zamarzania stało się jasne, że gdy warunki zamarzły, odczyty zawartości wody spadły i wydawały się wahać. Gdy temperatura wzrosła powyżej zera, pomiary zawartości wody wzrosły z powrotem do oczekiwanego zakresu. Ta zależność ma sens. Im bardziej woda zamarza, tym bardziej cząsteczki wody znikają w elektrycznym polu magnetycznym, którego czujniki używają do wykrywania obecności wody. Nie cała woda została zamrożona, więc ilość mierzonej wody nie spadła do zera, ale znacznie spadła. Po rozmrożeniu dane pokazały, że poziomy zawartości wody w glebie wygładziły się i powróciły do poziomu sprzed zamrożenia. Jest to wzorzec, którego należy oczekiwać w sytuacjach zamarzania. Rysunek 19 przedstawia widok tego samego zestawu danych w kontekście całego roku. Zwróć uwagę, że zamarznięcia wyglądały wyraźnie inaczej niż łagodniejsze przypływy i odpływy danych letnich. Kropkowana linia w miesiącach zimowych to wzór, którego należy oczekiwać w danych dotyczących zawartości wody bez wystąpienia zamarzania.
Na rysunku 20 umieściliśmy czujniki w siedmiu obszarach, wszystkie w odległości od trzech do czterech kilometrów od siebie, w gliniastej glebie z sadzeniakami ziemniaków. Czujniki na rysunku 20 zostały zainstalowane po mokrej zimie z dużą ilością śniegu, a następnie deszczu.
W zależności od poziomu doświadczenia w odczytywaniu danych dotyczących zawartości wody, można się zastanawiać, dlaczego istnieje tak duża zmienność między tymi siedmioma czujnikami, nawet na początku zestawu danych. Ta zmienność jest funkcją rodzaju gleby. Nawet jeśli rodzaj gleby jest sklasyfikowany podobnie, każde miejsce będzie miało własną linię bazową, dlatego ważne jest, aby porównać pomiary zawartości wody w glebie z poprzednimi pomiarami w tym samym miejscu i nie oczekiwać identycznych odczytów z jednej lokalizacji do drugiej, bez względu na to, jak blisko siebie się znajdują. Jeśli jednak przeanalizujemy dane dotyczące potencjału wody dla tych samych pól w tym samym okresie (rysunek 21), zobaczymy, że potencjał wody dla tych czujników zaczynał się w granicach +/- 10 kPa od siebie, co było niezwykle zbliżone. Na tym polega siła wykorzystania pomiarów potencjału wody na całym polu, niezależnie od rodzaju gleby.
W okresie letnim ważne jest uwzględnienie pewnych wahań zawartości wody, zwłaszcza w przypadku odczytów w pobliżu powierzchni gleby. W ten sposób wszystkie czujniki zawartości wody mogą również działać jako czujniki temperatury.
Na rysunku 22 dane wykazały dzienne wahania temperatury o +/- 14°C. Bez wiedzy o tych zmianach temperatury, poszarpany charakter pomiarów zawartości wody może być błędnie interpretowany jako hydrologiczny ruch wody, podczas gdy w rzeczywistości ilustruje on wpływ zmian ciepła na zawartość wilgoci w glebie. Każda niewielka zmiana zawartości wody wynosiła w rzeczywistości tylko 0,0003m3 m-3 /°C.
Do tej pory pokazaliśmy kilka przykładów, które początkowo mogły wyglądać jak oznaki poboru wody przez roślinność, ale zostały wyjaśnione po dokładniejszym zbadaniu danych. Jak więc wygląda redystrybucja hydrauliczna w danych? Przeanalizujmy kolejno cztery wykresy, aby sprawdzić, czy możemy udowodnić obecność poboru wody z gleby do roślin. Każdy wykres przedstawia dane z tego samego okresu na tym samym nawadnianym polu pszenicy w odległości 500 m od siebie.
Rysunek 23 przedstawia zawartość wody na głębokości 15 cm na polu. Nawadnianie było włączane i wyłączane do końca lipca, z kilkoma opadami występującymi po punkcie wyłączenia nawadniania. Każdy czujnik zawartości wody wykazywał klasyczny wzorzec dobowy, który na pierwszy rzut oka mógł wyglądać na wahania temperatury, ale w tym momencie sezonu pole miało pełny baldachim liści pszenicy z Leaf Area Index (LAI) około czterech do pięciu z bardzo niewielką ilością promieniowania docierającego do powierzchni gleby. To sprawia, że jest mało prawdopodobne, aby dzienny strumień promieniowania można było przypisać zmianom temperatury. Wzorzec zatrzymał się dopiero po wyłączeniu nawadniania, gdy rośliny wchłonęły tyle, ile były w stanie.
Na głębokości 45 cm na rysunku 24 wzorzec dobowy nie występował na początku czerwca, a stał się widoczny dopiero pod koniec czerwca. Mniej więcej w czasie, gdy woda została wyłączona pod koniec lipca, wzorzec dobowy był najbardziej wyraźny, spadając w ciągu dnia i osiągając plateau w nocy. Będąc tak głęboko w glebie, dane te były znacznie bardziej zgodne z poborem wody przez rośliny, a nie ze zmianami temperatury.
Gdy przenosimy się głębiej w glebę (Rysunek 25), to samo dzienne schodkowanie nie było widoczne aż do połowy lub końca lipca i było widoczne aż do sierpnia.
Chociaż dokładność i niezawodność to dla nas dwa najważniejsze czynniki, jeśli chodzi o wszystkie produkowane przez nas oprzyrządowanie, istnieją inne czynniki, takie jak instalacja i konserwacja, które mogą spowodować awarię dowolnego czujnika.
Rysunek 26 jest doskonałym przykładem tego, jak wygląda uszkodzony czujnik w danych. Kilka czujników wyznaczało bardzo stabilny kurs i płynnie przesyłało dane, gdy nagle tylko jeden czujnik spadł niemal natychmiast i zaczął dostarczać dużą liczbę zmiennych danych. Na szczęście dla tego użytkownika, jego czujnik był podłączony do ZENTRA Cloud , który automatycznie powiadomił go o awarii czujnika, dzięki czemu można było zająć się nim w odpowiednim czasie przy minimalnym zakłóceniu ciągłego pomiaru. W tym przypadku czujnik został odłączony, a po ponownym podłączeniu do rejestratora danych czujnik nadal działał idealnie.
Ostatnią anomalią danych, którą omówimy w tym artykule, są błędne dane spowodowane problemami podczas procesu instalacji.
Podobnie jak w przypadku wszystkich przedsięwzięć naukowych, ważne jest, aby wiedzieć, jakich informacji można się spodziewać przed analizą odczytów. W przypadku gleby mułowo-gliniastej, takiej jak ta pokazana na rysunku 27, gleba była dość mokra i spodziewalibyśmy się, że odczyty będą wynosić co najmniej 30% objętościowej zawartości wody. Zamiast tego widzieliśmy dwa czujniki, które odczytywały 10% i poniżej. Jest to doskonały przykład momentu, w którym warto sprawdzić czujniki i potencjalnie zainstalować je ponownie.
Każda sytuacja i zestaw danych będą inne. Upewnienie się, że wyciągasz prawidłowe wnioski i wnioski z danych ma kluczowe znaczenie dla ważności twoich wniosków. Mając to na uwadze, podsumujmy kilka rzeczy, o których należy pamiętać podczas interpretacji unikalnych danych.
Nasi naukowcy mają wieloletnie doświadczenie w pomaganiu badaczom i hodowcom w pomiarach kontinuum gleba-roślina-atmosfera.
TDR, FDR, pojemność, rezystancja: Porównanie popularnych metod pomiaru wilgotności gleby, ich zalet i wad oraz unikalnych zastosowań.
Wśród tysięcy recenzowanych publikacji wykorzystujących czujniki gleby METER, żaden typ nie jest faworytem. Dlatego wybór czujnika powinien opierać się na potrzebach i zastosowaniu. Skorzystaj z poniższych wskazówek, aby wybrać idealny czujnik do swoich badań.
Większość ludzi patrzy na wilgotność gleby tylko w kategoriach jednej zmiennej - zawartości wody. Jednak do opisania stanu wody w glebie wymagane są dwa rodzaje zmiennych.
Regularne otrzymywanie najnowszych treści.