Search

X Jornadas de Investigación de la Zona no Saturada del Suelo, Salamanca (España), 2011 El estudio de la variabilidad espacial de la humedad del suelo a escala de parcela o cuenca agrícola requiere el uso de redes de sensores de humedad de bajo coste, que suelen mostrar una fiabilidad limitada y requieren de calibraciones específicas, especialmente en suelos con elevados contenidos en arcilla. El presente trabajo pretende plantear una calibración más fiable de sondas de humedad mediante un análisis mixto campo-laboratorio. Para la calibración de campo se dispone de datos gravimétricos; para la calibración en laboratorio se han usado columnas de suelo inalterado que tras ser saturadas fueron desecadas en un entorno controlado mientras se monitorizaba la evolución de su peso y la de su humedad volumétrica, medida con diferentes sondas capacitivas Decagon. Tras obtener curvas de secado y la relación entre la humedad gravimétrica y la volumétrica es posible realizar una calibración mejorada específica para cada tipo de suelo. Las redes neuronales son particularmente útiles para el modelado de procesos físicos y el ajuste de modelos. En este trabajo se propone el empleo de dichas herramientas para obtener calibraciones para las sondas analizadas en el tipo de suelo objeto de estudio. Los resultados muestran que dichas calibraciones permiten mejorar la precisión de las mediciones de humedad realizadas. The study of the spatial variability of soil water content at agricultural plot or catchment scales requires the use of low-cost soil water content sensor networks, which usually show a limited reliability and require specific calibrations, specially for soils with a high clay content. This work proposes a more reliable calibration of soil water content probes with a laboratory analysis. Minimally disturbed soil columns were saturated with water and dried in a controlled environment while monitorizing the evolution of their volumetric soil water content (with different capacitive Decagon Probes) and weights. After obtaining the drying curves and the relation between the volumetric and the measured gravimetric soil water contents it is possible to achieve an improved calibration specific for different kinds of soil. Neural networks are especially interesting for the modeling of physical processes and model adjustment. In this work, these tools were used in order to obtain improved calibrations for the analyzed probes in the studied soil type. Results show that this calibration improves the accuracy and p Ministerio de Ciencia e Innovación AGL2009 C03-03 Junta de Andalucía AGR-4782