ارزیابی حساسیت داده‌ گواری رطوبت خاک به تعداد عمق ‌های نمونه‌ برداری و فاصله های زمانی بین اندازه ‌گیری‌ ها با استفاده از حل عددی معادله ریچاردز

روش های گوناگونی برای به دست آوردن رطوبت خاک در عمق ریشه توسعه یافته اند که از آن جمله می توان به استفاده از حسگرهای اندازه گیری رطوبت خاک یا به مدل های شبیه سازی رطوبت خاک اشاره کرد. هر یک از روش ها مزایا و معایب خود را دارد. علم  داده گواری به مجموعه روش هایی اطلاق می شودکه در آن به صورت توام از مدل های مبتنی بر فیزیک پدیدۀ مورد مطالعه و مشاهدات اندازه گیری شده از آن استفاده می گردد تا تخمین دقیق‌تری از پدیدۀ مورد مطالعه به دست آید. در پژوهش حاضر، امکان کاهش تعداد عمق های اندازه گیری رطوبت توسط حسگرهای رطوبت سنج خاک در عمق و افزایش فاصلۀ زمانی بین دو برداشت اطلاعات متوالی از حسگرهای رطوبت سنج آن ها، با استفاده از داده گواری به کمک فیلتر کالمن همادی بررسی شد. داده‌های مورد نیاز مدل سازی از دو مزرعۀ چغندرقند و دو مزرعۀ ذرت علوفه‌ای در منطقۀ جوین در استان خراسان رضوی در بازۀ زمانی اردیبهشت تا آبان 1399 به‌صورت میدانی برداشت شد. نتایج پژوهش مبین آن بود که سناریوهای داده گواری با استفاده از فیلتر کالمن همادی توانسته اند با استفاده از مشاهدات با فاصله های زمانی طولانی‌تر به سطح مناسبی از دقت برسند و مجموع قطر ماتریس کوواریانس شبیه سازی را در مقایسه با شبیه‌سازی سیستم بدون داده‌گواری 61 تا 86 درصد کاهش دهند. nrmsd رطوبت خاک برای عمق لایۀ توسعۀ ریشه، در مقایسه با شبیه‌سازی سیستم بدون داده‌گواری، از 0/04 تا 0/12 کاهش یافت. مقایسۀ نتایج سناریوهای داده گواری نشانگر آن بودند که با انتخاب مناسب تعداد عمق های مشاهدات، امکان دستیابی به تخمینی از رطوبت خاک با دقت مناسب، با استفاده از حداقل تعداد حسگرهای رطوبت خاک فراهم است.

sensitivity assessment of soil moisture data assimilation to the number of the sampling depths and the time intervals between measurements using numerical solution of the richards equation

the fundamental principles of smart irrigation hinges upon precise assessments of soil moisture content within the root zone layer. various techniques have been developed to ascertain root zone soil moisture content, such as using soil moisture measurement sensors or simulation models. each one of these methods has its own distinct advantages and disadvantages. data assimilation encompasses an array of approaches that combine model estimates with the corresponding observed data to derive a more precise estimations of the required data. the purpose of this research is to ascertain the feasibility of reducing the number of depths at which soil moisture measurements were taken and increasing the time interval between two consecutive soil moisture measurements using the ensemble kalman filter (enkf).