کارکرد حسگرهای ساده هدایتی در پایش رطوبت در یک خاک لوم شنی با حضور ریشه جو
First Statement of Responsibility
/فائزه محمدعلیزاده فخر
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: کشاورزی
Date of Publication, Distribution, etc.
، ۱۳۹۷
Name of Manufacturer
، افشاری
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۷۳ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
علوم خاک گرایش شیمی و حاصلخیزی خاک
Date of degree
۱۳۹۷/۰۶/۲۰
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
آگاهی از رطوبت خاک و ثبت تغییرات آن یکی از ابزارهای کلیدی مدیریت منابع آب و برنامهصریزی آبیاری است .اندازهصگیری مقدار رطوبت خاک () بهصطور مستقیم) نمونهصبرداری و توزین (زمانصبر، پرهزینه و تکرارناپذیر است .حسگرهای رطوبتی خاک از روشصهای غیرمستقیم هستند که با اندازهصگیری خصوصیات مرتبط با ، مقدار آن را تخمین میصزنند .روابط تجربی و نیمهصتجربی متعددی ارائه شده است که در آنصها رابطه هدایت الکتریکی تودهصای (_b) با رطوبت و شوری خاک بهصخوبی توصیف شدهصاند .علاوه بر شوری و عوامل دیگری) همچون بافت، فشردگی و غیره (بر _b مؤثر هستند که تأثیر این عوامل از طریق ضرایب معادلات واسنجی و یا مدلصها لحاظ میصشود .اما اثر برخی عوامل که در طول فصل رشد گیاه بهصطور تدریجی تغییر میصیابند) مانند شوری بهصعلت آبیاری و یا رشد و متراکم شدن ریشه (روی اندازهصگیری _b نیاز به بررسی دارد .هدف اول این پژوهش ایجاد یک رابطه رگرسیونی بین مقاومت الکتریکی تودهصای) (R) که عکس _b است (و در سه سطح شوری و تعیین ضرایب مدلصهای آرچی، رودز و واکسمن و اسمیت بود .بررسی صحت روابط بهصدست آمده تحت تأثیر تغییرات احتمالی غلظتصهای املاح و رشد و متراکم شدن ریشه هدف دیگر این تحقیق بود .سطوح شوری در این مطالعه شامل dS/m ۱/۱۳ و ۱/۶ ،) =۹/۱ ECeبر اساس هدایت الکتریکی عصاره گل اشباع (بودند .پس از ایجاد شوریصهای مذکور و سطوح رطوبتی مختلف از درصد اشباع (SP) تاSP ۲/۰ ، خاکصها با جرم مخصوص ظاهری ثابت (g/cm۳ ۳/۱) در گلدانصها ریخته شدند و مقادیر R با حسگرهای دستصساز نصب شده در گلدانصها با دستگاه LCR متر) دستگاه سنجش مقاومت، ظرفیت و القای الکتریکی (قرائت گردید .روابط واسنجی در قالب( ) = a R m - bبرای هر سطح شوری با <۹/۰R۲ حاصل شد .پس از تبدیلR های قرائت شده به_b ، دادهصهای رطوبت حجمی و _b به سه مدل ذکر شده برازش داده شدند و ضرایب آنصها تعیین گردید .در گام بعد گلدانصها در ۵ چرخه خشک و خیس شدن در گلخانه در معرض تبخیر قرار گرفتند .در طول چرخهصهای۱ ، ۳ و ۵ با کاهش رطوبت از حدود FC تاPWP ، مقادیر R در ۵ نوبت قرائت گردید .حاصل از قرائت با های حاصل از نمونهصبرداری و نیز توزین گلدان با طرح CRD مقایسه گردیدند .نتایج نشان داد های بهصدست آمده از سه روش تفاوت معناصدار با هم ندارند و معادله واسنجی اولیه پس از گذشت ۵ چرخه تر و خشک دارای درستی برآورد کافی است .درستی برآورد معادله واسنجی و مدلصهای _b بدون حضور ریشه در این مرحله بررسی شد .نتایج نشان داد بالاترین درستی برآورد) کمترین RMSE و کمترین انحراف GMER از یک (مربوط به معادله واسنجی و پایینصترین درستی برآورد) بیشترین RMSE و بیشترین انحراف GMER از یک (مربوط به مدل رودز بود .مرحله قبل، با کشت گیاه جو بهاره تکرار شد .نتایج نشان داد بهصدست آمده از معادله واسنجی در حضور ریشه تفاوت معنادار با حالت بدون ریشه ندارد و افزایش تراکم طولی ریشه تا cm/cm۳ ۴/۵ بر تخمین رطوبت از معادله واسنجی اولیه تأثیر معنادار نداشت .اما برخلاف معادله واسنجی، مدلصهای _b در حضور ریشه از درستی تخمین ضعیف و نامطمئنی برخوردار بودند .علت آن احتمالا ناشی از تأثیر پیچیده حضور ریشه در اندازهصگیری _b بودهصاست
Text of Note
Knowledge of soil moisture content () and its monitoring is an important tool in water management and irrigation scheduling. Direct measurement of is time consuming, expensive and unrepeatable. Soil moisture sensors predict by measuring pertinent soil properties that are corrolated to . Because soil moisture and salinity are two important factors affecting bulk electrical conductivity of soil (_b), it is possible to stablish a calibration relationship between _b and and calculate instanteneously just by measuring _b in a specific salinity level without needing to disturb soil. Some empirical and semi-empirical equations are also presented that relate _b to volumetric water content (v) and salinity of soil. Exept salinity and , there are some other factors (e.g. soil texture, compaction and ) that affect _b. Effects of these factors are taken into account in the calibration procedures, but there are some factors that may change gradually during growth season e. g. change in soil salinity due to irrigation and root growth and its condensation. The primary aim of this study was to stablish a regression between bulk electrical resistance (R) and of soil at three salinity levels and to determine the coefficients of Archi, Rhoades and Waxman and Smits models. Evaluation of accuracy of the derived regressions under conditions of probable changes of salts concentration and/or root growth and condensation was the next purpose of this investigation. The salinity levels in this study included ECe = 1.9, 6.1 and 13.1 dS/m (on the basis of electrical conductivity of saturation paste extracts). After creating various moisture levels (ranged from 0.2SP to SP) at each ECe in the experimental pots with bulk density of 1.3 g/cm3, hand-made sensors were installed in the pots and R of each pot was read by a LCR-meter. Calibration equations were established in the form of Pm ( ) = a R-b with R2 > 0.9 for each salinity level. After converting R to _b the three mentioned models were fitted to data and their coefficients were determined. At the next step the pots were imposed to evaporation in greenhouse during 5 wetting and drying cycles. During 1st, 3rd and 5th cycles R was read with gradual decreasing of from about FC to PWP. The that obtained from the first step calibration equation was compared with obtained from direct sampling and from the pots weight loss since onset of each cycle. The results showed that s obtained by three different methods (from the established calibration curve, from the direct soil sampling from pots and pots weighting) were not statisticaly different implying that the calibration equations were sufficiently accurate after impassing 5 wetting and drying cycles. The accuracy of the calibration equations and _b models without presence of root were also investigated. Results showed that highest prediction accuracy was for calibration equation (the lowest RMSE and lowest deviation of GMER from 1) and the lowest accuracy was for Rhoades model (the highest RMSE and highest deviation of GMER from 1). The latter step was repeated by cultivating of barley (Hordeum Vulgare) in the pots. Results showed that the s obtained from the calibration equations with and without root presence were not different from each other implying that root growth (RLD) up to 5.4 cm/cm3 did not significantly influenced the established calibration equations, and it was sufficiently accurate to predict from R (or _b) in the root presence. Uncontrary the 3 mentioned _b- models failed to predict from _b satisfactorily. This is attributed to the complex effect of root presence on the _b measurements