تعيين تعداد بهينه حسگرهاي رطوبت خاك بر مبناي تحليل تغييرات مكاني رطوبت براي برنامه‌ريزي آبياري و حفاظت از منابع آب و خاك

Investigation of the optimal number of soil moisture based on spatial variation of moisture for irrigation planning and soil and water resources

توسعه يك روش جديد براي تعيين تعداد بهينه حسگر رطوبت خاك گامي مهم و اساسي در مطالعات آب و خاك و حفاظت از منابع آب و خاك در كشاورزي است. هدف از تحقيق ارائه روشي براي تعيين تعداد بهينه حسگر رطوبت خاك با استفاده از روش‌هاي زمين آماري و پايش هوشمند وضعيت آب در خاك بود. در اين پژوهش، 87 نمونه به‌صورت يك شبكه منظم از عمق سطحي (30-0) سانتي‌متري برداشت شد. براي بررسي اثرتعداد حسگر، سه سطح متفاوت (همه حسگر‌ها، 45 و 30 حسگر) در نظر گرفته شد. نتايج نشان داد با كاهش تعداد حسگر از دقت تخمين كاسته شده و اثر قطعه‌اي كه نشان‌دهنده افزايش بخش تصادفي و غير‌ساختاري خصوصيت است، بيشتر مي‌شود. در حالت ماكزيمم تعداد حسگر برازش مدل به طور ميانگين 2/1% درصد بيشتر از تعداد متوسط حسگر و 2/7% بيشتر از تعداد حداقل حسگر بوده است. كاهش تعداد حسگر در محاسبه واريوگرام باعث افزايش شعاع تأثير و كاهش نسبت واريانس ساختاردار به غير‌ساختاردار شده است. شعاع تاثير ظرفيت زراعي در زماني كه تعداد حسگر در ماكزيمم حالت خود قرار دارد، نسبت به دو حالت ديگر به ترتيب 36/8% و 38/4% كمتر برآورد شده است. لذا با كاهش تعداد حسگر در هكتار، خطاي تخمين به شدت افزايش مي‌يابد. بر اساس يافته‌ها، استفاده از تعداد حسگر بين 20 تا 30 نمونه در 100 هكتار بهتربن نتيجه را ايجاد كرده و همچنين روش كريجينگ يك تخمين‌گر ممتاز براي ميانيابي رطوبت شناخته شد. روش مطالعه مي‌تواند در تعيين تعداد حسگر‌ بهينه براي برنامه‌ريزي آبياري مورد استفاده قرار گيرد.

The development of an accurate for monitoring the soil moisture is very important step in soil and water conservation activities and studies. The purpose of this study is to provide solutions to optimally determine the number of sensors required to monitor soil moisture bases on geostatistical approaches and intelligent monitoring of the water status in soil. In this research, 87 samples were taken as a regular network from the surface depth (0-30) cm. Three levels of the samples number were considered. By decreasing the samples number, the estimation accuracy decreases and the component effect increases, that indicates an increase in the random and non-structural part of the property. With the high sample number, the fitness of the model was 1.2% and 2.7% more than when the average and the minimum sample number. Reducing the samples has increased the radius of effect and decreased the ratio of structural to non-structural variance of properties. So the radius of effect of field capacity when the sensors number is at its maximum level is 36.8% and 38.4% less than the other two levels, respectively. As the samples number decreases, the estimation error increases sharply. Based on the findings, the use of between 20 and 30 sensors per 100 hectares produced the best results. The kriging method was an excellent estimator for moisture mediation. The proposed method can be used in determining the optimal sensors number for irrigation planning.