ساخت حسگر رطوبتی به‌منظور آبیاری هوشمند و تعیین محل مناسب نصب آن برای دستور توقف آبیاری با هدف جلوگیری از تلفات آب

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

2 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

3 گروه مهندسی برق-کنترل، دانشگاه نوشیروانی بابل، بابل، ایران.

4 گروه مهندسی برق-قدرت، دانشگاه صدرا و گروه مهندسی معدن، دانشگاه تهران، تهران، ایران.

چکیده

بدین منظور، دستگاه حسگر رطوبتی در بهمن و اسفندماه 1397 طرح‌ریزی و ساخته شد تا زمان مناسب قطع آبیاری در آبیاری جویچه‌ای را تعیین کند. آزمون دستگاه در آزمایشگاه و کاربرد آن در مزرعه آموزشی پژوهشی پردیس کشاورزی و منابع طبیعی دانشگاه تهران واقع در محمدشهر از فروردین تا پایان تیرماه 1398 به انجام رسید. این پژوهش با هدف ارزیابی عملکرد حسگر هوشمند رطوبت خاک برای تعیین عمق بهینه نصب و ثبت رطوبت خاک در عمق‌های 10، 30 و 50 سانتی‌متر و نسبت‌های مختلف طول در روش آبیاری جویچه‌ای انجام شد. ابتدا واسنجی دستگاه بر روی خاک مزرعه مطالعاتی انجام شده و بر اساس صحت سنجی حاصل‌شده، دستگاه مورد نظر به مزرعه منتقل گردید. در مزرعه مذکور نیز برای رسیدن به اهداف عمق نصب بهینه دستگاه و طول بهینه آن، جویچه‌های 36 متری با فاصله 75/0 متری ایجاد شد. طول‌های حساس در جویچه با نسبت 50%، 75% و 85% از ابتدای مسیر به‌عنوان نقاط شاخص انتخاب شدند. نتایج نشان داد که در مرحله واسنجی و صحت سنجی مقدار R2 (ضریب تبیین) به ترتیب برابر 93/0 و 95/0 و در مرحله واسنجی و صحت‌سنجی مقدار NRMSE (جذر میانگین مربعات خطای نرمال‌شده) به ترتیب برابر 80 و 81/13 درصد بوده که حاکی از آموزش خوب مدل در مرحله واسنجی به صحت‌سنجی می‌باشد. ضمن اینکه متوسط مقدار پارامتر RE (خطای نسبی) در برآورد رطوبت خاک برابر 74/2 درصد به‌دست آمد که بیانگر دقت بالای دستگاه در برآورد رطوبت‌ خاک می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Construction of A Moisture Sensor for Smart Irrigation and Determine the Proper Location for Installation to Stop Irrigation to Prevent Water Loss

نویسندگان [English]

  • Masoud Pourgholam Amiji 1
  • Abdolmajid Liaghat 2
  • Mohammad Hossein Vali 3
  • Hamid Reza Parsamehr 4
1 Ph.D Candidate, Department of Irrigation and Reclamation Engineering, Faculty of Agriculture Engineering & Technology, College of Agriculture and Natural Resources, University of Tehran
2 Department of Irrigation and Reclamation Engineering, Faculty of Agriculture Engineering & Technology, College of Agriculture and Natural Resources, University of Tehran.
3 Department of Electrical-Control Engineering, Babol Noshirvani University of Technology, Babol, Iran.
4 Department of Electrical-Power Engineering, Sadra University and B.Sc Graduate, Department of Mining Engineering, University of Tehran, Tehran, Iran.
چکیده [English]

For this purpose, a moisture sensor device was designed and constructed in February and March 2019 to determine the appropriate time to stop irrigation in furrow irrigation. Testing the device in the laboratory and its application in the Farm of the Campus of Agriculture and Natural Resources, University of Tehran, (Mohammad Shahr), Iran, from April to July 2019. The purpose of this study was to evaluate the performance of smart sensor of soil moisture to determine the optimum depth of installation and recording of soil moisture at 10, 30 and 50 cm depths and different length ratios in furrow irrigation. Initially, calibration of the device was carried out on field soil and based on the obtained validation, the device was transferred to the field. To achieve the goals of optimum depth of installation and optimum length, 36-meter furrows with a distance of 0.75 meters were created in the field. Sensitive lengths in furrows with 0.5L, 0.75L, and 0.85L ratios were selected as the starting points. The results showed that in the calibration and validation phase the R2 value (coefficient of determination) were 0.93 and 0.95, respectively, and in the calibration and validation stage the value of NRMSE (Normal Root Mean Square Error) was 80 and 13.81%, that indicating good model training in the calibration stage. Also, the average RE (Relative Error) parameter in estimating soil moisture was 2.74%, indicating high accuracy of the device in estimating soil moisture.

کلیدواژه‌ها [English]

  • Surface irrigation
  • Deep Percolation
  • Sensor
  • Smart irrigation
  • Calibration and Validation
پورغلام آمیجی، م.، لیاقت، ع.، نازی قمشلو، آ. و خوش‌روش، م. 1397. ارزیابی مدل Drainmod-S برای شبیه‌سازی نوسانات سطح ایستابی و غلظت نمک در نیمرخ خاک، در اراضی شالیزاری دارای سطح ایستابی کم‌عمق و شور. نشریه آبیاری و زهکشی ایران. 12(6): 1434-1418.
پورکریمی، ب.، نیک‌نامی، م. و جورابلو، م. 1393. نیازمندی‌های ترویجی سامانه­های آبیاری قطره‌ای در استان تهران. نشریه پژوهش آب در کشاورزی. 28(2): 328-315.
دهقانی سانیج، ح.، خزائی، ا. و ذاکری نیا، م. 1393. نقش آبیاری دقیق در مصرف آب و کارایی مصرف آب. نشریه آبیاری و زهکشی ایران. 8 (1): 186-180.
رضا وردی نژاد، و.، احمدی، ح.، همتی، م. و ابراهیمیان، ح. 1395. ارزیابی و مقایسه روش‌های مختلف تخمین پارامترهای نفوذ در سیستم‌های مختلف آبیاری جویچه‌ای و رژیم‌های مختلف جریان ورودی. نشریه علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی). 20 (72): 176-161.
عباسی، ف.، سهراب، ف. و عباسی، ن. 1395. ارزیابی وضعیت راندمان آب آبیاری در ایران. تحقیقات مهندسی سازه­های آبیاری و زهکشی. 17 (67): 128-113.
عبدالرحمانی رزکه، ن. و فرخی تیمورلو، ر. 1392. کالیبراسیون یک رطوبت‌سنج خاک ارزان قیمت جهت استفاده در سیستم‌های آبیاری قطره‌ای. هشتمین کنگره ملی مهندسی ماشین‌های کشاورزی (بیوسیستم) و مکانیزاسیون ایران. دانشگاه فردوسی مشهد، 11-9 بهمن.
فروغی، ح.، ناصری، ع. ع.، برومند نسب، س.، حمزه، س. و جونز، ا. 1398. ارائه یک روش نوین تخمین رطوبت خاک با استفاده از تصاویر سنجش از دور نوری. تحقیقات آب و خاک ایران. 50 (3): 652-641.
قائمی، ع. ا. و رحمانی ثقیه، ج. 1393. مقایسه عملکرد حسگرهای هوشمند رطوبت خاک با چند روش متداول تعیین رطوبت خاک در روش آبیاری میکرو. نشریه آبیاری و زهکشی ایران. 8 (1): 25-16.
کمالی، پ. و ابراهیمیان، ح. 1396. مقایسه و ارزیابی روش‌های مختلف برآورد معکوس ضرایب معادله نفوذ در شرایط کشت داخل جویچه. نشریه تحقیقات آب و خاک ایران. 48 (1): 48-39.
لائی، ک.، لائی، ج.، موسوی سیدی، س. ر. و طباطبایی کلور، س. ر. 1395. بررسی و طراحی سیستم آبیاری هوشمند. دهمین کنگره ملی مهندسی ماشین‌های کشاورزی (بیوسیستم) و مکانیزاسیون ایران. دانشگاه فردوسی مشهد، 9 و 10 شهریور.
معروف­پور، ع.، سیدزاده، ا. و بهزادی نسب، م. 1396. بررسی دقت روش‌های غیرنقطه‌ای اندازه‌گیری نفوذ در طراحی سامانه آبیاری جویچه‌ای. نشریه پژوهش‌های حفاظت آب و خاک. 24 (2): 571-257.
واعظی، ع. ر.، مظلوم علی آباد، ی. و ذبیحی، آ. 1398. تعیین زمان آبیاری تکمیلی در گندم دیم با پایش تغییرات رطوبت خاک طی دوره رشد. نشریه پژوهش آب در کشاورزی. 33 (1): 12-1.
وطن‌خواه، ابراهیم. 1394. مطالعه میدانی شاخص‌های مدیریتی آبیاری بر اساس کم­آبیاری در انتهای جویچه. پایان نامه کارشناسی ارشد، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
Azar, A.T., Ammar, H.H., de Brito Silva, G. and Razali, M.S.A.B. 2019. Optimal Proportional Integral Derivative (PID) Controller Design for Smart Irrigation Mobile Robot with Soil Moisture Sensor. In International Conference on Advanced Machine Learning Technologies and Applications (pp. 349-359). Springer, Cham.
Biabi, H., Mehdizadeh, S.A. and Salmi, M.S. 2019. Design and implementation of a smart system for water management of lilium flower using image processing. Computers and Electronics in Agriculture, 160:131-143.
Boutraa, T., Akhkha, A., Alshuaibi, A. and Atta, R. 2011. Evaluation of the effectiveness of an automated irrigation system using wheat crops. Agriculture and Biology Journal of North America. 2 (1): 80-88.
Chaudhry, S. and Garg, S. 2019. Smart Irrigation Techniques for Water Resource Management. In Smart Farming Technologies for Sustainable Agricultural Development (pp. 196-219). IGI Global.
Coolong, T. 2013. Using irrigation to manage weeds: a focus on drip irrigation. In Weed and Pest Control-Conventional and New Challenges. IntechOpen.
Dursun, M. and Ozden, S. 2011. A wireless application of drip irrigation automation supported by soil moisture sensors. Scientific Research and Essays. 6 (7): 1573-1582.
El-Shater, T., Yigezu, Y.A., Shideed, K. and Aw-Hassan, A. 2017. Impacts of Improved Supplemental Irrigation on Farm Income, Productive Efficiency and Risk Management in Dry Areas. Journal of Water Resource and Protection. 9 (13): 1709-1720.
Koech, R. and Langat, P. 2018. Improving Irrigation Water Use Efficiency: A Review of Advances, Challenges and Opportunities in the Australian Context. Water. 10 (12): 1771.
Nagelkerke, N.J. 1991. A note on a general definition of the coefficient of determination. Biometrika. 78 (3): 691-692.
Nolz, R., Kammerer, G. and Cepuder, P. 2013. Calibrating soil water potential sensors integrated into a wireless monitoring network. Agricultural Water Management. 116: 12-20.
Ochsner, T.E., Cosh, M.H., Cuenca, R.H., Dorigo, W.A., Draper, C.S., Hagimoto, Y., ... and Larson, K.M. 2013 State of the art in large-scale soil moisture monitoring. Soil Science Society of America Journal. 77 (6):1888-1919.
Savage, M.J. 1993. Statistical aspects of model validation. Presented at a workshop on the field water balance in the modeling of cropping systems, University of Pretoria, South Africa.
Taley, S.M., Patode, R.S. and Mankar, A.N. 1998. Automation in drip irrigation system for cotton growing on large scale-a case study.
Thompson, R.B., Gallardo, M., Agüera, T., Valdez, L.C. and Fernández, M.D. 2006. Evaluation of the Watermark sensor for use with drip irrigated vegetable crops. Irrigation Science. 24 (3): 185-202.
Willmott, C.J. and Matsuura, K. 2005. Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate research 30 (1): 79-82.
Wu, R.S., Liu, J.S., Chang, S.Y. and Hussain, F. 2017. Modeling of mixed crop field water demand and a smart irrigation system. Water. 9(11):885.
Zhu, X.C., Cao, R.X. and Shao, M.A. 2019. Spatial simulation of soil‐water content in dry and wet conditions in a hectometer‐scale degraded alpine meadow. Land Degradation and Development. 30 (3): 278-289.