Cách phân tích dữ liệu độ ẩm đất

Bạn đã chôn các cảm biến đo độ ẩm đất và thế năng nước (lực hút của đất) xuống đất, lắp đặt thiết bị ATMOS 41 ngoài đồng ruộng và thiết lập bộ ghi dữ liệu ZL6. Hệ thống thiết bị của bạn đã thu thập dữ liệu trong nhiều tuần hoặc thậm chí cả mùa vụ. Giờ thì sao? Việc biết cách suy luận những kết luận có ý nghĩa từ dữ liệu, hình thành những kết luận tổng quan về những gì đang xảy ra, cũng như xác định và khắc phục sự cố đôi khi có thể là một thách thức.

Trong bài viết này, chúng ta sẽ cùng phân tích nhiều bộ dữ liệu khác nhau để hiểu cách sử dụng hàm lượng nước trong đất, nhiệt độ đất, thế năng nước trong đất và các phép đo khí quyển để khám phá ý nghĩa đằng sau các dấu vết. Trong bài viết này, bạn sẽ học cách xác định các sự kiện sau trong dữ liệu của mình:

• Hành vi của cảm biến độ ẩm đất trong các loại đất khác nhau
• Sự xâm nhập
• Lũ lụt
• Đất nứt nẻ
• Đóng băng
• Biến đổi không gian
• Ảnh hưởng của nhiệt độ
• Các mô hình biến đổi theo chu kỳ ngày đêm do sự phân bổ lại thủy lực
• Cảm biến bị hỏng
• Sự cố cài đặt

Mỗi ví dụ sẽ được minh họa bằng một biểu đồ. Không cần thiết phải hiểu mọi khía cạnh thông tin trong các biểu đồ này.

Mỗi biểu đồ được sử dụng như một hình minh họa cho các mô hình dữ liệu độ ẩm đất phổ biến mà bạn có thể gặp phải và cách suy luận ra thông tin hữu ích nhất. Mỗi biểu đồ sẽ có một ô ở góc trên bên phải hiển thị loại đất và loại cây trồng để bạn hiểu rõ hơn về các biến số đang ảnh hưởng.

Tất cả dữ liệu được cung cấp đều được thu thập bởi các thiết bị ghi dữ liệu, chẳng hạn như dòng ZL6 của chúng tôi , và được tải lên ZENTRA Cloud . Tất cả các bộ dữ liệu đều đến từ các thiết bị đo tại các địa điểm nghiên cứu của METER hoặc được cung cấp bởi chủ sở hữu dữ liệu và được đưa vào với sự cho phép của họ.

Xem thêm: Thiết bị đo cảm biến đất

Hình 1. Bộ ghi dữ liệu cơ bản ZL6 với dữ liệu được thu thập và lưu trữ trong nền tảng ZENTRA Cloud.

Hình 2 cho thấy dữ liệu từ đất cát pha sét có lớp phủ là cỏ sân vườn. Mục tiêu của thí nghiệm này là cải thiện việc tưới tiêu cho cỏ. Loại cỏ này có vùng rễ khá nông. Phần giữa rễ sâu khoảng 6 cm và phần đáy sâu khoảng 10 cm.

Theo thời gian, ví dụ này cho thấy ba giai đoạn rõ rệt:

• Giai đoạn ẩm ướt ban đầu trong tháng 6 và tháng 7.

• Giai đoạn khô hạn cố định trong tháng 7 và tháng 8.

• Tiếp tục khô hạn cho đến khi cây ngừng hấp thụ nước vào tháng 8 và tháng 9.

Ảnh hưởng của các loại đất

Hình 2. Các phép đo hàm lượng nước và thế năng nước của cỏ trồng trên đất cát pha trong điều kiện ẩm ướt.

Hình 2 hiển thị hai loại dữ liệu độ ẩm đất:

• Trục y bên trái: Hàm lượng nước thể tích.

• Trục y bên phải: Thế năng ma trận (thế năng nước).

• Trục x: Thời gian diễn ra từ đầu mùa hè đến đầu mùa thu.

Để hiểu các cụm dữ liệu này nói lên điều gì, chúng ta phải xem xét từng tập dữ liệu riêng lẻ.

Hình 3. Thảm cỏ trên đất cát pha như trong Hình 2 ở điều kiện ẩm ướt.

Hình 3 thể hiện cả hàm lượng nước và thế năng nước của thảm cỏ đã đề cập trước đó trong điều kiện ẩm ướt. Thảm cỏ này được trồng trên đất cát pha. Lưu ý rằng các cảm biến thế năng nước, được biểu thị bằng các đường chấm chấm ở phía trên biểu đồ, hầu như không phản hồi. Tuy nhiên, các cảm biến hàm lượng nước trong đất lại cho thấy độ chi tiết đáng kinh ngạc, bao gồm cả từng sự kiện tưới tiêu trong vòng vài ngày.

Hình 4. Cảm biến đo hàm lượng nước trong đất theo thể tích TEROS 10, 11 và 12.

Ruộng được tưới nước mỗi đêm và có một đỉnh nhọn rõ rệt khi nước chạm vào cảm biến, có thể nhìn thấy ở cảm biến độ sâu 6 cm. Cũng có một đỉnh nhỏ ở độ sâu 15 cm, là đáy vùng rễ. Ngay cả ở độ sâu 30 cm, dữ liệu cũng cho thấy sự gia tăng hàm lượng nước, nhưng đường cong tròn hơn so với cảm biến ở độ sâu 15 cm. Thế năng nước không cho thấy bất kỳ sự thay đổi nào. Kích thước hạt quá lớn nên các cảm biến không thể phát hiện bất kỳ lượng nước nào được giữ bởi các hạt đó. Nếu chúng ta xem xét những gì xảy ra trong loại cát pha này ở điều kiện tối ưu, chúng ta sẽ thấy một số chi tiết khá thú vị.

Hình 5. Thảm cỏ trên đất cát pha như trong Hình 2 ở điều kiện tối ưu.

Trong Hình 5, dữ liệu về hàm lượng nước trong đất ở độ sâu 6 cm ổn định vào ban đêm và giảm xuống vào ban ngày. Điều này có thể quan sát được ngày này qua ngày khác và cho chúng ta biết lượng nước mà cây hấp thụ ở độ sâu 6 cm, tức là đáy vùng rễ. Có sự giảm nhẹ hàng ngày ở độ sâu 15 cm, nhưng không rõ rệt bằng vì đó là vị trí đáy nơi rễ cây hấp thụ nước.

Hình 6. Cảm biến điện thế nước ma trận TEROS 21

Cũng trong Hình 5, lượng nước chảy xuống qua mặt cắt không nhiều, đó là một điều rất tốt. Chúng tôi thấy có một đỉnh nhỏ vào ngày 14 tháng 7 từ cảm biến mực nước ở độ sâu 30 cm, nhưng không có sự dao động nào trong suốt quá trình tưới tiêu tiếp theo. Loại đất cát pha này rất nhạy cảm với lượng nước được tưới. Dữ liệu về thế năng nước cho thấy một phản ứng nhỏ ở độ sâu 6 cm. Điều này không cho thấy bất kỳ sự căng thẳng nào vì nó chỉ giảm xuống trong khoảng -200 đến -400 kPa, vẫn cao hơn phạm vi gây căng thẳng cho loại cỏ này.

Hình 7. Thảm cỏ trên đất cát pha như trong Hình 2 trong điều kiện hạn hán.

Trong điều kiện hạn hán (Hình 7), sự hấp thụ nước tối ưu dần dần cũng được quan sát thấy ở độ sâu 6 cm. Vấn đề trong bộ dữ liệu này được thấy ở cảm biến độ sâu 15 cm, nơi mực nước cao tương đương với cảm biến độ sâu 6 cm, cho thấy nước đang thấm xuống qua đất mà không được hấp thụ. Sự hấp thụ nước diễn ra hàng ngày cho đến khi đột ngột dừng lại vào khoảng ngày 5 tháng 9. Tại thời điểm đó, cỏ không còn khả năng hấp thụ nước từ đất, chuyển từ trạng thái sinh trưởng tích cực sang trạng thái ngủ đông.

Thế năng nước thể hiện một đường cong rất thú vị trong bộ dữ liệu độ ẩm đất này, giảm xuống mức âm -1500 kPa, hay điểm héo vĩnh viễn. Loại cỏ này ở trạng thái ngủ đông vì không có đủ nước để cỏ hấp thụ. Cả phép đo hàm lượng nước và thế năng nước đều cho thấy rõ sự suy giảm trong điều kiện hạn hán này. Thật không may, trong trường hợp này, nông dân đã không phản ứng với những dấu hiệu trong dữ liệu cho đến khi đất trở nên rất khô.

Hình 8. Ví dụ về dữ liệu hàm lượng nước của khoai tây giống trong đất sét pha cát được tưới tiêu đầy đủ.

Điều gì xảy ra khi đất không phải là đất cát pha, mà là đất có kết cấu mịn: đất sét pha? Hình 8 minh họa một vùng đất sét pha trồng khoai tây giống ở miền nam Idaho, có đường kính gần 700 m, nơi chúng tôi đã lắp đặt các cảm biến tại sáu vị trí. Biểu đồ này cho thấy hàm lượng nước thay đổi rất ít trong suốt cả mùa vụ, chỉ dao động khoảng 2 đến 3%. Người trồng nhìn vào dữ liệu này và tự hỏi làm thế nào để xác định khi nào nên tắt nước cho cánh đồng này. Chỉ sử dụng dữ liệu này, rất khó để đưa ra quyết định đó, như chúng tôi đã giải thích trong hội thảo trực tuyến trước đây của chúng tôi về Thu gom Tài nguyên Nước: Biến Nước thành Sinh khối . Mặc dù dữ liệu về hàm lượng nước rất hữu ích trong việc xác định sự hiện diện và lượng nước, nhưng nó lại không giúp ích nhiều trong việc cho chúng ta biết liệu cây trồng có bị căng thẳng hay không, hoặc giúp chúng ta hiểu khi nào chúng đã có đủ nước.

Hình 9. Các phép đo thế năng nước cho cùng một khu vực được thể hiện trong Hình 8.

Để hiểu rõ mức độ căng thẳng của cây trồng và khả năng hấp thụ nước của chúng, chúng ta cần kiểm tra thế năng ma trận (còn gọi là thế năng nước) (Hình 9). Mặc dù dữ liệu về hàm lượng nước trong đất cho thấy việc tưới tiêu diễn ra đều đặn và không có gì bất thường trong suốt mùa vụ, nhưng ba trong sáu địa điểm có mức thế năng ma trận giảm xuống mức căng thẳng, trong đó một địa điểm giảm xuống rất gần điểm héo vĩnh viễn. Nhiệt độ lá của cây ở những khu vực này, được đo bằng một thiết bị như nhiệt kế hồng ngoại IRT , được ghi nhận ở nhiệt độ cao hơn nhiều so với nhiệt độ không khí. Và năng suất ở những địa điểm này thấp hơn nhiều so với năng suất ở những khu vực không bị căng thẳng, điều này chứng minh tính xác thực của các phép đo thế năng ma trận và chỉ ra vấn đề mà chúng gây ra.

Sự xâm nhập

Hình 10. Hàm lượng nước theo thể tích của một hệ sinh thái tự nhiên trong đất cát pha sa mạc vào mùa thu.

Loại đất thịt pha cát trong Hình 10 được tìm thấy ở một vùng sa mạc thuộc Thung lũng Rush. Trong ví dụ này, chúng ta không nghiên cứu một loại cây trồng cụ thể, mà là các loài xâm lấn trong một hệ sinh thái bản địa. Lý do lắp đặt thiết bị này là để hiểu tại sao các loài xâm lấn như cỏ dại (cheatgrass) lại cạnh tranh mạnh mẽ với thảm thực vật bản địa trong khu vực. Các đường màu xanh lá cây biểu thị các sự kiện mưa, và các đường ngang biểu thị ba cảm biến hàm lượng nước được đặt ở các độ sâu khác nhau.

Hình 11. Trạm thời tiết đa năng ATMOS 41.

Quan sát Hình 10, bạn sẽ nhận thấy rằng ngay cả những trận mưa nhỏ từ bốn đến năm mm cũng hầu như không ảnh hưởng đến cảm biến ở độ sâu năm cm và hoàn toàn không có tác động đáng kể nào đến các cảm biến ở độ sâu 10 và 20 cm. Tại sao sự kiện mưa lại không xuất hiện trong dữ liệu về hàm lượng nước? Có một vài yếu tố góp phần vào điều này. Giai đoạn đo lường này diễn ra sau một mùa hè dài, nóng và khô hạn, khi nhiệt độ đất gần như mỗi ngày đều trên 40°C, khiến đất trở nên kỵ nước. Thêm vào đó, đất khô như bột, khiến toàn bộ nước bị hấp thụ và giữ lại trên bề mặt trước khi bay hơi trở lại, không cho nước cơ hội thấm sâu vào hệ thống.

Hình 12. Hàm lượng nước theo thể tích của một hệ sinh thái tự nhiên trong đất cát pha sa mạc vào mùa hè.

Hình 12 thể hiện dữ liệu độ ẩm đất trong cùng loại đất cát pha sa mạc vào đầu năm đó. Mặc dù dữ liệu lượng mưa không được đưa vào biểu đồ này, nhưng các sự kiện làm ẩm đất đã xảy ra tương quan với mỗi đỉnh nhọn có thể nhìn thấy trong cảm biến độ ẩm ở độ sâu 5 cm. Lưu ý rằng ở cảm biến độ sâu 5 cm, một sự kiện làm ẩm đất đã xảy ra vào khoảng ngày 28 tháng 5 nhưng không được phản ánh trong cả cảm biến độ sâu 10 cm và 20 cm. Sự kiện làm ẩm đất vào khoảng ngày 2 tháng 6 cho thấy bằng chứng về sự dịch chuyển của kim chỉ thị ở độ sâu 10 cm, nhưng không đạt đến mốc 20 cm. Thậm chí đáng ngạc nhiên hơn, sự kiện làm ẩm đất lớn nhất xảy ra vào khoảng ngày 14 tháng 6 và hoàn toàn không hiển thị ở độ sâu 10 cm, nhưng nó tạo ra một đỉnh nhỏ ở độ sâu 20 cm. Phân tích dữ liệu độ ẩm đất này cho chúng ta biết điều gì?

Như trong Hình 10, lớp đất mặt đã hấp thụ rất nhiều hơi ẩm từ lần làm ướt đầu tiên và đáp ứng nhu cầu bốc hơi cao mà không cho phép đất có cơ hội thoát nước xuống phía dưới. Khi mực nước ngầm dâng lên trong lần làm ướt thứ hai, một lượng nước đã xuống đến cảm biến ở độ sâu 10 cm, nhưng dừng lại trước khi xuống đến mốc 20 cm. Điều khó hiểu hơn là lần làm ướt cuối cùng. Tại sao các cảm biến ở độ sâu 5 cm và 20 cm lại ghi nhận sự gia tăng hàm lượng nước mà không có sự gia tăng nào được ghi nhận ở độ sâu 10 cm?

Người ta thường nghĩ rằng mưa sẽ tạo ra sự phân bố nước đồng đều trên bề mặt đất, thấm đều vào lòng đất, nhưng thực tế không phải lúc nào cũng vậy. Thay vì thấm qua đất như một khối lớn, nước lại chảy theo từng nhánh, không phải lúc nào cũng tiếp xúc với mọi hạt đất. Điều rất có thể đã xảy ra trong trường hợp này là một trong những nhánh nước đó đã chảy vòng quanh cảm biến độ sâu 10 cm và tiếp tục chảy xuống đến cảm biến độ sâu 20 cm. Đây là lời giải thích hợp lý nhất cho sự bất thường trong dữ liệu này, nhưng việc theo dõi khu vực đó vẫn rất quan trọng để đảm bảo không có vấn đề gì với quá trình thấm nước ở khu vực đó.

Dấu hiệu lũ lụt

Hãy cùng khám phá một vài trường hợp sử dụng mà việc giám sát thời tiết có thể tạo ra sự khác biệt trong việc hiểu những gì đang xảy ra bên trong đất. Vài năm trước, chúng ta đã trải qua một trận lũ lụt ở Pullman, Washington, nơi đặt trụ sở chính của METER. Một dòng suối nhỏ tên là Missouri Flat Creek, chảy song song với con đường chính trong thị trấn, đã làm ngập lụt đường phố và nhiều doanh nghiệp, gây ra sự tàn phá trên diện rộng ngay trung tâm cộng đồng. Điều này đã xảy ra như thế nào? Dữ liệu có thể giúp chúng ta hiểu được những dấu hiệu cảnh báo về lũ lụt sắp xảy ra không?

Hình 13. Lượng mưa ở Pullman, WA trong tuần trước trận lũ.

Dữ liệu lượng mưa trong Hình 13 không giải thích được lý do tại sao lũ lụt xảy ra. Các trận mưa lớn nhất chỉ đạt khoảng 3 mm. Nhiều cảm biến cho thấy cùng một lượng mưa, điều này dường như không cho thấy khả năng xảy ra lũ lụt trên quy mô lớn như đã xảy ra trong con suối nhỏ đó. Để hiểu rõ hơn về những gì đã xảy ra, chúng ta cần xem xét các phép đo hàm lượng nước trong đất ở khu vực đó (Hình 14).

Hình 14. Các phép đo hàm lượng nước trước khi xảy ra sự kiện lũ lụt ở Pullman, WA.

Mức độ ẩm trong đất duy trì rất ổn định cho đến khi bắt đầu có mưa vào khoảng ngày 6 tháng 4, khiến mực nước dâng lên ở độ sâu 20 cm, sau đó là 40 cm, một chút ở 60 cm và 90 cm, thậm chí còn dâng lên đến tận 120 cm. Đến cuối ngày 7 tháng 4, nước bắt đầu rút khỏi các tầng đất phía trên và thấm xuống các vùng thấp hơn. Các trận mưa tiếp theo khiến đến ngày 9, mực nước ở độ sâu 60 cm đã đạt mức khá cao và bắt đầu phẳng dần, cũng như các độ sâu khác, đây là dấu hiệu cho thấy mực nước ngầm đang đầy, báo hiệu một trận lũ lụt sắp xảy ra. Cuối ngày 9 tháng 4, mưa lớn hơn đã làm thay đổi tình hình, và suối Missouri Flat Creek đã tràn bờ.

Hình 15. Mực nước trên bờ suối Missouri Flat Creek ngay trước và khi bắt đầu sự kiện lũ lụt.

Hình 15 cho thấy độ sâu của nước dọc theo bờ suối, minh họa rằng mực nước được duy trì ở mức 1 m. Trận mưa cuối cùng trùng với thời điểm mực nước đạt đỉnh điểm khi nước tràn bờ và đạt gần 2,5 m.

Sự nứt vỡ

Trong một loại đất sét đóng tàu (Hình 16), một loại đất sét có độ co giãn cao nằm ở miền nam Texas, chúng tôi đã cắm một số cảm biến hàm lượng nước để minh họa phân tích dữ liệu độ ẩm đất sẽ như thế nào trong trường hợp đất bị nứt.

Hình 16. Các cảm biến hàm lượng nước trong đất sét có độ co giãn cao ở miền nam Texas.

Nếu so sánh hoạt động của các cảm biến, chúng ta sẽ thấy một mô hình thú vị. Một cảm biến ở độ sâu 20 cm cho thấy sự suy giảm dần sau mỗi lần bị ướt, nhưng cảm biến khác ở cùng độ sâu lại cho thấy sự sụt giảm mạnh, điều này thường thấy ở đất cát. Điều này đặt ra câu hỏi – điều gì đã xảy ra trong lớp đất sét này để gây ra những kết quả đo như vậy? Hiện tượng bạn đang chứng kiến ​​trong tập dữ liệu này là cảm biến có đường cong dốc hơn được đặt trong một phần đất sét có độ co ngót cao, khiến đất co lại xung quanh cảm biến, tạo ra các khe hở không khí, làm cho cảm biến điện từ không đọc được giá trị cao như mong đợi. Hình 16 là một ví dụ hoàn hảo cho thấy sự sụt giảm đột ngột này là dấu hiệu của hiện tượng nứt nẻ đất.

Đóng băng

Hình 17. Hàm lượng nước và lượng mưa trong quá trình đóng băng ở đất thịt pha cát với các loài xâm lấn mọc trên bề mặt vào mùa đông.

Hình 17 cho thấy một cánh đồng đất pha cát chứa các loài xâm lấn đã chết do nhiệt độ. Mỗi khi có mưa, hãy chú ý rằng các phép đo hàm lượng nước đều tăng vọt rồi giảm xuống theo kiểu bậc thang không đều. Liệu các cảm biến này có bị trồi lên khỏi mặt đất không? Điều gì có thể giải thích sự biến động được thể hiện trong dữ liệu này? Nếu chúng ta thêm các phép đo nhiệt độ vào biểu đồ, thì điều gì đang xảy ra sẽ trở nên rõ ràng hơn.

Hình 18. Hàm lượng nước, lượng mưa và nhiệt độ trong quá trình đóng băng ở đất thịt pha cát với các loài xâm lấn mọc trên bề mặt vào mùa đông.

Đường ngang màu đen đậm trong Hình 18 biểu thị 0°C, hay điểm đóng băng. Khi thêm các phép đo nhiệt độ và điểm đóng băng, rõ ràng là khi điều kiện đóng băng, các chỉ số hàm lượng nước giảm xuống và dường như dao động. Khi nhiệt độ tăng lên trên điểm đóng băng, các phép đo hàm lượng nước tăng trở lại phạm vi mà chúng ta mong đợi. Mối quan hệ này rất hợp lý. Nước càng đóng băng nhiều, các phân tử nước càng biến mất vào trường điện từ mà các cảm biến sử dụng để phát hiện sự hiện diện của nước. Không phải tất cả nước đều đóng băng, vì vậy lượng nước đo được không giảm xuống bằng không, nhưng nó giảm đáng kể. Sau khi tan băng, dữ liệu cho thấy mức độ hàm lượng nước trong đất ổn định lại và trở về mức trước khi đóng băng. Đây là mô hình dự kiến ​​trong các tình huống đóng băng. Hình 19 là cái nhìn về cùng một tập dữ liệu trong bối cảnh cả một năm. Hãy chú ý cách các sự kiện đóng băng trông khác biệt rõ rệt so với sự lên xuống mượt mà hơn của dữ liệu mùa hè. Đường chấm chấm trong các tháng mùa đông là mô hình bạn nên mong đợi trong dữ liệu hàm lượng nước mà không có sự kiện đóng băng xảy ra.

Hình 19. Tập dữ liệu tương tự như trong Hình 18 được mở rộng để bao gồm dữ liệu từ cả năm.

Biến đổi không gian

Trong Hình 20, chúng tôi đã đặt các cảm biến ở bảy khu vực, tất cả đều nằm trong phạm vi từ ba đến bốn km so với nhau, trên đất sét pha cát có trồng khoai tây giống. Các cảm biến trong Hình 20 được lắp đặt sau một mùa đông ẩm ướt với nhiều tuyết rơi và sau đó là mưa.

Hình 20. Kết quả đo hàm lượng nước tại bảy vị trí trong đất sét pha cát, tất cả đều được trồng khoai tây giống.

Tùy thuộc vào kinh nghiệm của bạn trong việc đọc dữ liệu hàm lượng nước, bạn có thể tự hỏi tại sao lại có sự khác biệt lớn giữa bảy cảm biến này, ngay cả khi bắt đầu thu thập dữ liệu. Sự khác biệt này là do loại đất. Ngay cả khi loại đất được phân loại tương tự, mỗi vị trí sẽ có mức cơ sở riêng, vì vậy điều quan trọng là phải so sánh các phép đo hàm lượng nước trong đất với các phép đo trước đó tại cùng một vị trí và không nên kỳ vọng các kết quả giống hệt nhau từ vị trí này sang vị trí khác, bất kể chúng gần nhau đến mức nào. Tuy nhiên, nếu chúng ta xem xét dữ liệu thế năng nước cho cùng một cánh đồng trong cùng một khoảng thời gian (Hình 21), chúng ta có thể thấy rằng thế năng nước của tất cả các cảm biến này đều bắt đầu trong phạm vi +/- 10kPa so với nhau, điều này rất đáng chú ý. Đó là sức mạnh của việc sử dụng các phép đo thế năng nước trên toàn bộ cánh đồng bất kể loại đất nào.

Hình 21. Các phép đo thế năng nước tại bảy vị trí tương tự như trong Hình 20.

Độ nhạy nhiệt độ

Vào mùa hè, điều quan trọng là phải tính đến sự biến động nhất định về hàm lượng nước, đặc biệt là ở các phép đo gần bề mặt đất. Theo cách đó, tất cả các cảm biến hàm lượng nước cũng có thể hoạt động như cảm biến nhiệt độ.

Hình 22. Các phép đo hàm lượng nước và nhiệt độ trong suốt các tháng mùa hè, cho thấy ảnh hưởng của sự dao động nhiệt độ đến các chỉ số hàm lượng nước.

Trong Hình 22, dữ liệu cho thấy sự dao động nhiệt độ hàng ngày là +/- 14°C. Nếu không biết đến những thay đổi nhiệt độ này, tính chất không đều của các phép đo hàm lượng nước có thể bị hiểu sai là sự chuyển động thủy văn của nước, trong khi thực tế nó minh họa ảnh hưởng của sự thay đổi nhiệt độ đến hàm lượng ẩm của đất. Mỗi sự thay đổi nhỏ về hàm lượng nước thực chất chỉ là 0,0003 m³ m⁻³ / ° C.

Phân phối lại thủy lực

Cho đến nay, chúng ta đã trình bày một vài ví dụ thoạt nhìn có vẻ như là dấu hiệu của sự hấp thụ nước từ thực vật, nhưng đã được giải thích là không đúng khi dữ liệu được phân tích kỹ hơn. Vậy sự phân bổ lại nước trong dữ liệu của bạn trông như thế nào? Hãy cùng khám phá bốn biểu đồ liên tiếp để xem liệu chúng ta có thể chứng minh sự hiện diện của quá trình hấp thụ nước từ đất vào cây trồng hay không. Mỗi biểu đồ làm nổi bật dữ liệu trong cùng một khoảng thời gian tại cùng một cánh đồng lúa mì được tưới tiêu, nằm trong phạm vi 500 m so với nhau.

Hình 23. Các phép đo hàm lượng nước ở độ sâu 15 cm trên sáu vị trí trong cùng một cánh đồng, kết hợp với dữ liệu tưới tiêu và lượng mưa.

Hình 23 thể hiện hàm lượng nước ở độ sâu 15 cm trên toàn bộ cánh đồng. Hệ thống tưới tiêu hoạt động liên tục cho đến cuối tháng 7, với một vài trận mưa xảy ra sau khi ngừng tưới. Mỗi cảm biến hàm lượng nước đều cho thấy một mô hình biến đổi theo chu kỳ ngày đêm điển hình, thoạt nhìn có vẻ như là sự dao động nhiệt độ, nhưng vào thời điểm đó trong mùa vụ, cánh đồng có tán lá lúa mì dày đặc với chỉ số diện tích lá (LAI) khoảng bốn đến năm và rất ít bức xạ xuống đến bề mặt đất. Điều này khiến cho sự biến đổi theo chu kỳ ngày đêm khó có thể là do sự thay đổi nhiệt độ. Mô hình này chỉ dừng lại khi hệ thống tưới tiêu được tắt và cây trồng đã hấp thụ hết lượng nước mà chúng có thể.

Hình 24. Kết quả đo hàm lượng nước tại cùng khu vực được thể hiện trong Hình 23, nhưng ở độ sâu 45 cm.

Ở độ sâu 45 cm trong Hình 24, mô hình biến đổi theo chu kỳ ngày đêm không xuất hiện vào đầu tháng Sáu, mà chỉ trở nên rõ rệt vào cuối tháng Sáu. Vào khoảng thời gian ngừng cấp nước vào cuối tháng Bảy, mô hình biến đổi theo chu kỳ ngày đêm thể hiện rõ nhất, giảm vào ban ngày và ổn định vào ban đêm. Do nằm sâu trong đất, dữ liệu này phù hợp hơn với sự hấp thụ nước của cây trồng hơn là sự thay đổi nhiệt độ.

Hình 25. Kết quả đo hàm lượng nước tại cùng khu vực được thể hiện trong Hình 23, nhưng ở độ sâu 65 cm.

Khi chúng ta đào sâu hơn vào lòng đất (Hình 25), hiện tượng bậc thang thay đổi theo chu kỳ ngày đêm tương tự không xuất hiện cho đến giữa hoặc cuối tháng 7 và vẫn được quan sát thấy cho đến tận tháng 8.

Cảm biến bị lỗi

Mặc dù độ chính xác và độ tin cậy là hai yếu tố quan trọng nhất đối với chúng tôi trong tất cả các thiết bị đo lường mà chúng tôi sản xuất, nhưng vẫn có những yếu tố khác, chẳng hạn như việc lắp đặt và bảo trì, có thể khiến bất kỳ cảm biến nào cũng bị hỏng.

Hình 26. Ví dụ về dữ liệu cho thấy khả năng cảm biến bị lỗi.

Hình 26 là một ví dụ tuyệt vời về dữ liệu hiển thị khi một cảm biến bị lỗi. Một số cảm biến đã hoạt động rất ổn định và liên tục truyền dữ liệu một cách trơn tru, cho đến khi đột nhiên chỉ có một cảm biến ngừng hoạt động gần như ngay lập tức và bắt đầu cung cấp một loạt dữ liệu biến đổi. May mắn thay cho người dùng này, cảm biến của họ được kết nối với ZENTRA Cloud, hệ thống đã tự động cảnh báo họ về lỗi cảm biến để có thể khắc phục kịp thời với sự gián đoạn tối thiểu đối với quá trình đo lường liên tục. Trong trường hợp này, cảm biến của họ đã bị ngắt kết nối, và sau khi được cắm lại vào bộ ghi dữ liệu, cảm biến tiếp tục hoạt động hoàn hảo.

Sự cố cài đặt

Lỗi dữ liệu cuối cùng mà chúng ta sẽ thảo luận trong bài viết này là dữ liệu bị sai lệch do sự cố trong quá trình cài đặt.

Hình 27. Kết quả đo hàm lượng nước của đất thịt pha cát không có cây che phủ.

Cũng như mọi nỗ lực khoa học khác, điều quan trọng là phải biết bạn mong đợi thu được thông tin gì trước khi phân tích các số liệu. Đối với loại đất phù sa như trong Hình 27, đất khá ẩm ướt, và chúng ta kỳ vọng các số liệu đo được sẽ ở mức từ 30% trở lên. Thay vào đó, chúng ta lại thấy hai cảm biến cho kết quả ở mức 10% trở xuống. Đây là một ví dụ điển hình cho thấy việc kiểm tra các cảm biến và có thể lắp đặt lại chúng là điều đáng làm.

Các yếu tố then chốt để hiểu dữ liệu độ ẩm đất

Mỗi tình huống và tập dữ liệu sẽ khác nhau. Việc đảm bảo bạn rút ra được những suy luận và kết luận chính xác từ dữ liệu là rất quan trọng đối với tính hợp lệ của các kết luận của bạn. Với suy nghĩ đó, hãy cùng điểm lại một vài điều cần ghi nhớ khi diễn giải dữ liệu đặc thù của bạn.

• Hãy chuẩn bị tinh thần cho những điều bất ngờ. Lý do bạn lắp đặt các cảm biến là vì bạn không biết mọi thứ đang diễn ra trong đất của mình. Nếu cho rằng mình biết hết mọi thứ, bạn sẽ bỏ qua những dấu hiệu quan trọng.
• Độ ẩm đất có sự khác biệt tùy thuộc vào loại đất. Bạn sẽ không tìm thấy dữ liệu độ ẩm đất từ ​​đất thô giống với dữ liệu từ đất mịn. Hãy dành thời gian để hiểu loại đất của bạn và làm việc với chuyên gia để đảm bảo bạn nhận được các số liệu chính xác.
• Khả năng hấp thụ và giữ nước của đất có thể ngăn cản sự thấm nước. Nếu bạn nhận thấy hiện tượng “tabletopping” trong dữ liệu, hãy chú ý đến hiện tượng thấm nước bị gián đoạn hoặc đất bị ngập úng.
• Hãy chú ý đến loại đất dễ bị nứt. Một số loại đất, đặc biệt là đất sét, có thể gây ra các vết nứt xung quanh cảm biến, ảnh hưởng đến kết quả. Hãy tìm hiểu loại đất bạn đang làm việc và luôn để ý các dấu hiệu của hiện tượng này trong dữ liệu.
• Hiện tượng đóng băng có thể khiến nước trong đất biến mất khỏi các cảm biến. Nước đóng băng trở nên vô hình đối với các cảm biến, tạo ra những hành vi bất thường và thường yêu cầu phải loại bỏ một số phần dữ liệu khỏi tập dữ liệu để duy trì độ chính xác, nhưng điều này lại làm gián đoạn tính liên tục của dữ liệu.
• Hàm lượng nước trong đất có sự biến thiên không gian rất lớn. Nhiều cảm biến được lắp đặt khắp cùng một cánh đồng sẽ cho thấy sự biến thiên. Nếu không có bất kỳ sự biến thiên nào, đó là một dấu hiệu đáng lo ngại. Mặt khác, sự nhất quán trong các cảm biến đo thế năng nước trong đất là dấu hiệu cho thấy bạn đang làm đúng cách.
• Các biến đổi theo chu kỳ ngày đêm có thể có nhiều ý nghĩa. Sự lên xuống thất thường của hàm lượng nước trong đất có thể do sự dao động nhiệt độ gần bề mặt đất hoặc do sự phân bố lại nước trong rễ cây. Điều quan trọng là phải xem xét tất cả các biến số ngoài hàm lượng nước để xác định nguyên nhân của các biến đổi theo chu kỳ ngày đêm.
• Việc lắp đặt kém chất lượng ảnh hưởng rất lớn đến hiệu suất của cảm biến. Các vấn đề sẽ phát sinh từ việc lắp đặt cảm biến không đúng cách cũng như những cảm biến bị lỗi về điện. Điều quan trọng là phải theo dõi dữ liệu của bạn và chú ý đến các cảnh báo do ZENTRA Cloud cung cấp để hành động nhanh chóng nhằm giảm thiểu tác động đến nghiên cứu của bạn.

(Theo trang https://metergroup.com/)