تعیین تعداد بهینه حسگرهای رطوبت خاک بر مبنای تحلیل تغییرات مکانی رطوبت برای برنامه‌ریزی آبیاری و حفاظت از منابع آب و خاک

توسعه یک روش جدید برای تعیین تعداد بهینه حسگر رطوبت خاک گامی مهم و اساسی در مطالعات آب و خاک و حفاظت از منابع آب و خاک در کشاورزی است. هدف از تحقیق ارائه روشی برای تعیین تعداد بهینه حسگر رطوبت خاک با استفاده از روش‌های زمین آماری و پایش هوشمند وضعیت آب در خاک بود. در این پژوهش، 87 نمونه به‌صورت یک شبکه منظم از عمق سطحی (300) سانتی‌متری برداشت شد. برای بررسی اثرتعداد حسگر، سه سطح متفاوت (همه حسگر‌ها، 45 و 30 حسگر) در نظر گرفته شد. نتایج نشان داد با کاهش تعداد حسگر از دقت تخمین کاسته شده و اثر قطعه‌ای که نشان‌دهنده افزایش بخش تصادفی و غیر‌ساختاری خصوصیت است، بیشتر می‌شود. در حالت ماکزیمم تعداد حسگر برازش مدل به طور میانگین 2/1% درصد بیشتر از تعداد متوسط حسگر و 7/2% بیشتر از تعداد حداقل حسگر بوده است. کاهش تعداد حسگر در محاسبه واریوگرام باعث افزایش شعاع تاثیر و کاهش نسبت واریانس ساختاردار به غیر‌ساختاردار شده است. شعاع تاثیر ظرفیت زراعی در زمانی که تعداد حسگر در ماکزیمم حالت خود قرار دارد، نسبت به دو حالت دیگر به ترتیب 8/36% و 4/38% کمتر برآورد شده است. لذا با کاهش تعداد حسگر در هکتار، خطای تخمین به شدت افزایش می‌یابد. بر اساس یافته‌ها، استفاده از تعداد حسگر بین 20 تا 30 نمونه در 100 هکتار بهتربن نتیجه را ایجاد کرده و همچنین روش کریجینگ یک تخمین‌گر ممتاز برای میانیابی رطوبت شناخته شد. روش مطالعه می‌تواند در تعیین تعداد حسگر‌ بهینه برای برنامه‌ریزی آبیاری مورد استفاده قرار گیرد.

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

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 (030) 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 nonstructural 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 nonstructural 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.