®
Wie viele Bodenfeuchtesensoren werden benötigt?

Wie viele Bodenfeuchtesensoren werden benötigt?

Die Anzahl der an einer Forschungsstätte installierten Bodenfeuchtigkeitssensoren macht den Unterschied zwischen einer bewiesenen Hypothese oder einer unvollständigen Vermutung aus. Die Frage ist also, wie viele Sensoren ein komplettes Bodenfeuchtebild darstellen. Die Antwort darauf wird niemals allen Szenarien gerecht. Denn Anzahl der Sensoren ist von einer Vielzahl an Faktoren abhängig: den allgemeinen Studienzielen, konkreten Genauigkeitsanforderungen, dem Maßstab und standortspezifischen Merkmalen. Zudem ist die Bodenfeuchte sowohl räumlich als auch zeitlich variabel – auch das beeinflusst die Sensoren-Anzahl. Erst wenn man sich all diese Einflussfaktoren vor Augen führt, kann man mit der Probenentnahme beginnen.

Variabilität verstehen.

Innerhalb eines Untersuchungsstandortes entsteht die Variabilität der Bodenfeuchte aus Unterschieden in der Bodenbeschaffenheit, der Bodenmenge sowie der Art der Vegetationsdecke. Sie wird von topographischen Faktoren beeinflusst, natürlich vom Niederschlag sowie von einer Vielzahl an weiteren Wetterfaktoren. Nicht zuletzt auch von bodenhydraulischen Merkmalen, zum Beispiel wie schnell sich das Wasser durch den Boden bewegt. Sie sehen selbst: Als Forscher gilt es, die Variabilität der Standortmerkmale zu berücksichtigen. Erst dann bekommt man ein Gefühl dafür, wie viele Messstandorte notwendig sind, um die Bodenfeuchtigkeit zu erfassen.

Der Wassergehalt des Bodens variiert im Laufe der Zeit nach vorhersehbaren Mustern, die von saisonalen Witterungseinflüssen und der Vegetation bestimmt werden (Wilson et al., 2004). Prinzipiell ein einfaches Konzept, dass jedoch durch die Variabilität, also die Wechselwirkung zwischen zeitlicher und räumlicher Dynamik, komplexer wird.

Bodenfeuchtemodelle können auf Annahmen basieren.

Die folgenden Beispiele verwenden simulierte Daten, um die Auswirkungen von räumlichen und zeitlichen Unterschieden auf den Wassergehalt zu veranschaulichen. Im ersten Beispiel wird der Wassergehalt für die gleiche Untersuchungsstelle unter feuchten und trockenen Bedingungen simuliert und die Wahrscheinlichkeits-Dichte-Funktionen (WDF) berechnet. Das Beispiel zeigt, dass die Parameter, die die WDFs der Bodenfeuchte beschreiben, nicht statisch sind, sondern sich durch die Zeit in Abhängigkeit von wechselnden Bodenbedingungen ändern.

Abbildung 1: Wahrscheinlichkeits-Dichte-Funktion (WDF) des Bodenwassergehalts auf dem gleichen Feld unter trockenen (roten) und nassen (blauen) Bedingungen.

Im zweiten Beispiel wird der Bodenwassergehalt für einen ganz bestimmten Zeitpunkt simuliert, wenn die Bodenbedingungen weder extrem feucht noch besonders trocken sind. Die daraus resultierende WDF beweist, dass es mehr als eine “Ausgangsgesamtheit” des Bodenwassergehalts innerhalb des Untersuchungsortes gibt (Abbildung 2). In der Nachbetrachtung gibt mehrere Faktoren, die das Ergebnis beeinflusst haben könnten.

Einerseits kann es sein, dass es Bereiche mit unterschiedlichen Bodentexturen gibt (zum Beispiel trockener, sandiger und feuchter Schlamm-Lehmbereich). Außerdem könnte der Untersuchungsbereich tiefer liegende Bereiche und angrenzende Hügelflächen umfassen. Last but not least könnte der Untersuchungsbereich auch unterschiedliche Arten der Vegetation aufweisen.

Abbildung 2: WDF für einen zeitlichen Schnappschuss an einem Ort, der ein heterogenes Landschaftsbild hat.

Die beiden Beispiele zeigen, wie komplex die Bodenfeuchte über Zeit und Raum ist. Beide Beispiele deuten darauf hin, dass die standardisierte Annahme eines Normzustandes unter realen Feldbedingungen nicht immer gültig ist (Brocca et al., 2007, Vereecken et al., 2014).

Wie viele? Kommt drauf an!

Wenn es darum geht, den “wahren” mittleren Bodenwassergehalt für ein Untersuchungsgebiet zu bestimmen, muss das Stichprobenschema die oben beschriebenen Quellen der Variabilität berücksichtigen. Wenn der Untersuchungsbereich Hügel und Täler hat, verschiedene Arten von Pflanzendächern sowie saisonale Schwankungen im Niederschlag, dann müssen Sensoren in diesen Bereichen installiert werden, um die wichtigsten Quellen dieser Heterogenität darzustellen. Wenn stattdessen der Untersuchungsstandort homogen ist oder der Forscher nur an dem zeitlichen Muster des Bodenwassergehaltes interessiert sind (zum Beispiel für die Bewässerungsplanung), dann können aufgrund der zeitlichen Autokorrelation in den Daten weniger Bodenfeuchtigkeitssensoren verwendet werden (Brocca et al 2010, Loescher et al., 2014).

Durch kontinuierliche Messungen versteht man den Wassergehalt besser.

Der Bodenwassergehalt ist zeitlich und räumlich sehr dynamisch. Es ist arbeitsintensiv und schwierig, all diese Dynamiken mit Stichproben zu erfassen. Dennoch entscheiden sich einige Forscher, diesen Weg zu gehen. Wie in vielen anderen Bereiche der Umweltwissenschaften ergeben sich aus den Studien mit Netzwerken von In-situ-Sensoren einige der tiefsten Einblicke in das Bodenfeuchteverhalten (Bogena et al., 2010, Brocca et al., 2010). Für die meisten Anwendungen, ist die Verwendung von in-situ – also kontinuierlichen – Messungen wird Ihnen ein überlegenes Verständnis der Boden Wasser Inhalt.

Für eine eingehendere Behandlung dieses Themas lesen Sie die unten aufgeführten Artikel.

Quellen:

Baroni, G., B. Ortuani, A. Facchi, and C. Gandolfi. “The role of vegetation and soil properties on the spatio-temporal variability of the surface soil moisture in a maize-cropped field.” Journal of Hydrology 489 (2013): 148-159. Article link.

Brocca, L., F. Melone, T. Moramarco, and R. Morbidelli. “Spatial‐temporal variability of soil moisture and its estimation across scales.” Water Resources Research 46, no. 2 (2010). Article link.

Brocca, L., R. Morbidelli, F. Melone, and T. Moramarco. “Soil moisture spatial variability in experimental areas of central Italy.” Journal of Hydrology 333, no. 2 (2007): 356-373. Article link.

Bogena, H. R., M. Herbst, J. A. Huisman, U. Rosenbaum, A. Weuthen, and H. Vereecken. “Potential of wireless sensor networks for measuring soil water content variability.” Vadose Zone Journal 9, no. 4 (2010): 1002-1013. Article link (open access).

Famiglietti, James S., Dongryeol Ryu, Aaron A. Berg, Matthew Rodell, and Thomas J. Jackson. “Field observations of soil moisture variability across scales.” Water Resources Research 44, no. 1 (2008). Article link (open access).

García, Gonzalo Martínez, Yakov A. Pachepsky, and Harry Vereecken. “Effect of soil hydraulic properties on the relationship between the spatial mean and variability of soil moisture.” Journal of hydrology 516 (2014): 154-160. Article link.

Korres, W., T. G. Reichenau, P. Fiener, C. N. Koyama, H. R. Bogena, T. Cornelissen, R. Baatz et al. “Spatio-temporal soil moisture patterns–A meta-analysis using plot to catchment scale data.” Journal of hydrology 520 (2015): 326-341. Article link (open access).

Loescher, Henry, Edward Ayres, Paul Duffy, Hongyan Luo, and Max Brunke. “Spatial variation in soil properties among North American ecosystems and guidelines for sampling designs.” PLOS ONE 9, no. 1 (2014): e83216. Article link (open access).

Teuling, Adriaan J., and Peter A. Troch. “Improved understanding of soil moisture variability dynamics.” Geophysical Research Letters 32, no. 5 (2005). Article link (open access).

Vereecken, Harry, J. A. Huisman, Yakov Pachepsky, Carsten Montzka, J. Van Der Kruk, Heye Bogena, L. Weihermüller, Michael Herbst, Gonzalo Martinez, and Jan Vanderborght. “On the spatio-temporal dynamics of soil moisture at the field scale.” Journal of Hydrology 516 (2014): 76-96. Article link.

Wilson, David J., Andrew W. Western, and Rodger B. Grayson. “Identifying and quantifying sources of variability in temporal and spatial soil moisture observations.” Water Resources Research 40, no. 2 (2004). Article link (open access).

Mehr Sensor fürs Geld.

1,2 oder 3? Oder noch mehr? Die Anzahl der Bodenfeuchtesensoren macht aus einer unvollständigen Vermutung eine bewiesene Hypothese.

SORGENFREIER MATRIXPOTENTIAL-SENSOR.

SORGENFREIER MATRIXPOTENTIAL-SENSOR.

Benutzerfreundlichkeit ist nicht unbedingt etwas, dass sie mit Messgeräten für das Matrixpotential verbinden. Bis jetzt.