Przetestowane przez Uniwersytet w Kordobie.
Niezależna, wspierana przez UE walidacja czujników wilgotności gleby SoilSense względem pomiaru grawimetrycznego, na dwóch kontrastujących glebach — ilastej i piaszczystej. Kordoba, Hiszpania. Marzec 2026.
W granicach dokładności nominalnej. Na ciężkiej glinie.
2,77%
RMSE — model globalny na Vertisolu, po usunięciu wartości odstających
Poniżej ±3% nominalnej dokładności producenta. R² 0,91 względem odniesienia grawimetrycznego, sześć tygodni parowania.
Najlepszy pojedynczy czujnik:
- 1,69%
- MAE
- 1,70%
- RMSE
- 0,99
- R²
Osiem doniczek. Dwie gleby. Dane stojące za liczbami.
AgrifoodTEF to jedna z europejskich Testing & Experimentation Facilities utworzonych w ramach programu Cyfrowa Europa — powołanych właśnie po to, by walidować technologie cyfrowe i AI w rzeczywistych warunkach rolniczych. Jej hiszpański węzeł działa przy Uniwersytecie w Kordobie, śródziemnomorskiej instytucji agronomicznej o długiej tradycji w fizyce gleby i nawadnianiu.
W Gospodarstwie Doświadczalnym Rabanales należącym do UCO, w Kordobie, przygotowano osiem doniczek. Cztery zawierały Vertisol wapniowy — ciężką glinę (66% iłu, 18% piasku), rodzaj gleby, która pęka podczas wysychania i ponownie zamyka się po nawilżeniu. Cztery zawierały Luvisol stagnic — wierzchnią warstwę o gruboziarnistej teksturze (24% iłu, 66% piasku). Każdą doniczkę doprowadzono do nasycenia i ważono grawimetrycznie podczas wysychania, podczas gdy czujnik SoilSense na głębokości 12 cm rejestrował równolegle objętościową zawartość wody. Błąd zmierzono za pomocą MAE, RMSE i regresji liniowej; wartości odstające zidentyfikowano na podstawie odpornych standaryzowanych reszt na globalnym zbiorze danych.
Vertisol — ciężka glina
Trzy z czterech czujników w granicach lub blisko ±3%.
| Czujnik | MAE (%) | RMSE (%) | R² |
|---|---|---|---|
| 1 Verle | 3.64 | 3.72 | 0.86 |
| 2 Verle | 2.64 | 2.88 | 0.83 |
| 1 Jasmin | 5.15 | 5.46 | 0.18 |
| 2 Jasmin | 1.69 | 1.70 | 0.99 |
Luvisol — piaszczysty
Większa zmienność na glebie gruboziarnistej.
| Czujnik | MAE (%) | RMSE (%) | R² |
|---|---|---|---|
| 1 Verle | 5.61 | 5.72 | 0.75 |
| 2 Verle | 3.91 | 4.06 | 0.53 |
| 1 Jasmin | 4.33 | 4.40 | 0.75 |
| 2 Jasmin | 2.75 | 2.78 | 0.65 |
Na glebach gruboziarnistych większa zmienność — i szczery powód dlaczego.
Model globalny na Luvisolu osiągnął RMSE 3,95% po usunięciu wartości odstających, nieco powyżej ±3% dokładności nominalnej. Bardziej piaszczyste gleby zatrzymują wodę nierównomiernie, a niewielka objętość doniczki to potęguje. System wiernie oddaje trend; jeśli Twoje gospodarstwo opiera się na skalibrowanych progach wartości bezwzględnej na glebach gruboziarnistych, załóż nieco większą wariancję niż na glinie.
Cytuj tę pracę
Universidad de Córdoba / AgrifoodTEF (2026). Validation Report: SoilSense — UCO. Service ID S00383. Kordoba, Hiszpania.
Chcesz SoilSense w swojej glebie?
Zarezerwuj bezpłatną 30-minutową rozmowę. Dobierzemy system do Twoich upraw i gleb, na których naprawdę pracujesz — i pokażemy, jak panel pomaga zdecydować, kiedy nawadniać.