Evaluación del riego y el potencial de la agricultura con uso geoespacial

Técnicas: un estudio de caso del proyecto "Bhima-Ujjani"

RESUMEN

La agricultura y sus sectores aliados son las principales fuentes de vida para más del 58% de la
población en India. Es una fundación de la economía india. Según las Estimaciones Avanzadas de
Ingresos Nacionales para el año 2012-13, agricultura y sector afín contribuyó con el 13,7% del PIB
de la India, a precios constantes de 2004-05. Como resultado, la sostenibilidad en la agricultura
proporcionará a largo plazo los beneficios necesarios para lograr el desarrollo y la mejora de la
escasez. La identificación del potencial de riego y agricultura es una actividad importante en la
gestión agrícola exitosa. El presente estudio se centra en la evaluación del riego y potencial agrícola
para Ujjani Right Bank Canal (URBC) del proyecto de riego Bhima utilizando técnicas
geoespaciales. El estudio llegó a la conclusión de que el mayor potencial agrícola se encuentra en la
sección norte-central, que se riega más intensamente, tiene la puntuación más baja en el índice de
aridez, caracterizada por una pendiente muy baja y un suelo arcilloso poco profundo.
1. Introducción

La esperanza de impulsar la producción agrícola depende del desarrollo de esquemas de riego en

áreas donde la lluvia la insuficiencia y la variabilidad es un importante factor limitante del medio
ambiente. El riego representa una alteración de las condiciones naturales del paisaje extrayendo
agua de una fuente disponible, agregando agua a los campos donde hay era nada o poco antes, e
introducía estructuras y características artificiales para extraer, transferir y eliminar el agua.
Las tierras irrigadas contribuyen significativamente a la producción agrícola y al suministro de
alimentos. Aumento de la competencia en el mundo mercado y la conciencia reciente sobre los
desafíos ambientales globales ha dado lugar a una demanda de más eficiente manejo de estas redes
de riego, Por lo tanto, para una gestión eficiente de las redes de riego y una utilización óptima de
esquemas de riego para la agricultura sostenible la aplicación de tecnologías de vanguardia como el
espacio la tecnología y el sistema de información geográfica (GIS) son muy esenciales. Se aplicaron
técnicas geoespaciales para seleccionar proyectos fluviales de usos múltiples óptimos y maximizar
el potencial de riego para mejorar el método del sitio selección y mejor planificación de los
esquemas de suministro de agua (Ahmad et al., 2013). El modelo integral basado en SIG para la
determinación del potencial de riego se desarrolló para las regiones semiáridas del África
subsahariana (Moeti, 2005; You et al., 2010). Las técnicas basadas en la teledetección también se
diseñaron para estimar y optimizar la demanda de agua de los cultivos de riego utilizando el método
Penman-Monteith (El-Magd, 2005). Un enfoque basado en la teledetección, como el modelo
SIMOD, que es un modelo de simulación para la planificación y la gestión de los sistemas de riego
también se desarrolló para el manejo de los sistemas de riego (Minacapilli et al., 2006). La
organización de alimentos y agricultura de las Naciones Unidas ha desarrollado el modelo CROPWAT
que se aplicó para el desarrollo y la gestión de proyectos de riego basados en la evapotranspiración
para la sequía afectada áreas del subsahariano (Camilo, 2006). CROPWAT también se aplicó para
calcular los requerimientos de agua de cultivo en el este Godavari Delta, Andra Pradesh y para la
programación de riego para diferentes patrones de cultivo ( Stancalie 2010; Anónimo
1997) . CROPWAT junto con el modelo de mapeo GIS se utilizó para investigar espacialmente y
estudiar el agua de cultivo requisitos de los cultivos en la parte oriental de la India (Kar y Verma,
2005). Se utilizó un modelo integrado basado en SIG para El Proyecto de Irdación del Canal Central
Delta de Godavari en Andra Pradesh para aumentar la producción agrícola para diferentes patrones
de cultivo según la disponibilidad de agua subterránea ( Chowdary et al., 2003) . La revisión de la
literatura muestra que India al ser un país agrario con diferentes proyectos de riego de gran
envergadura, es muy esencial estimar el riego y el potencial agrícola de estos proyectos. El Proyecto
Bhima-Ujjani, en Maharashtra, es uno de tales mesoescala proyectos, que es parte de la gestión de
la cuenca del río Krishna. El presente estudio se centra en la evaluación de riego y potencial agrícola
para Ujjani Right Bank Canal (RBC) (92-132kms) del proyecto de irrigación Bhima

utilizando técnicas geoespaciales.

2. Área de estudio

El área considerada para el presente estudio es el Canal Ujjani Right Bank (URBC) (92-132kms) que
es uno de los cuatro componentes del Proyecto de Riego Bhima del Programa de Beneficios de
Irrigación Acelerada (AIBP). Esta sección de la URBC cae bajo Mangalwedha taluka, distrito de
Solapur en Maharashtra. La precipitación anual promedio de la cuenca sobre la presa en la cuenca
alta del río Bhima (UBB) es 1.096 mm y de los cuales 945 mm es durante ocurre de junio a
septiembre. A partir de entonces, la cuenca cae bajo el área de sombra de lluvia hacia el este con
lluvia incidencia que oscila entre 450-600 mm y, por lo tanto, se encuentra en condiciones de sequía
con bastante frecuencia. Mangalwedha taluka está limitado por Pandharpur taluka hacia el norte,
Sangola taluka hacia el oeste, Mohol Taluka hacia el norte, Solapur North Taluka hacia el este. Está
situado en la zona central o de transición del distrito y cubre un área de 1140.9 kilómetros cuadrados
e incluye 81 aldeas. Según el censo de 2011, la población en la taluka es de 24 694.

El tipo de suelo de la zona es liviano y el principal producto agrícola son los cultivos alimentarios con
una gran cosecha de cultivo.

3. Materiales y métodos

3.1. Material utilizado

El estudio ha utilizado datos satelitales como Cartosat I, Landsat ETM +, imágenes SRTM. Junto con
esto, los auxiliares datos como datos climáticos, suelo y datos de riego para el área de estudio.
3.2. Metodología

La metodología para el estudio se divide en dos módulos. El primer módulo incluye calcular el riego

El potencial (IP) y el segundo módulo incluyen el cálculo del potencial agrícola (PA). La figura 2
muestra los detalles metodología seguida para el estudio.
Figura 2 Metodología

3.1.1. Potencial de riego

El método utilizado para estimar el potencial de riego fue a través de la digitalización de la red del
canal de Escenas de Cartosat-I y creación de un inventario de la jerarquía del sistema de distribución
que abarca desde Ujjani Right Bank Canal, a través de los Distribuidores y a los Menores y Sub-
Menores. Después de esto, el potencial de riego para el URBC (94-132 kms) y los canales posteriores
se calcularon mediante la fórmula generalizada (Ecuación 1). La Figura 3 muestra el mapa resultante
generado para el potencial de riego.

Ecuación 1: ecuación para el potencial de riego

Figura 3 Potencial de riego

3.1.2. Potencial agrícola

El estudio evaluó el potencial agrícola para la temporada Rabi, que abarca desde octubre de 2011 a
Febrero de 2012. El potencial agrícola se calculó en base a seis parámetros como potencial de riego
(PI), aridez índice, pendiente, precipitación, suelo y productividad de los cultivos para el área de
estudio.

3.2.2.1 Índice de Aridez

El primer parámetro que se consideró para calcular el potencial agrícola es el índice de aridez (IA). La
IA indica el grado de sequedad del clima para el área de estudio. Este es un indicador que identifica
las regiones que sufre del déficit de agua. Para calcular el mismo, la fórmula propuesta por las
Naciones Unidas para el Medio Ambiente Programa (PNUMA) (Ecuación 2).

Ecuación 2: Fórmula del índice de aridez

AIU = P / PET
donde, PET es la evapotranspiración potencial y P es la precipitación anual promedio (PNUMA,
1992) ((Camilo, 2006).
La evapotranspiración se calculó para el área de estudio utilizando la ecuación de Hargreaves :

Ecuación 3: Fórmula de Evapotranspiración Potencial

Donde ET 0 es la evapotranspiración potencial (mm d -1 ); Tmax, Tmin y Tmed son el máximo diario,
el mínimo y temperaturas medias del aire (° C), respectivamente; C i = 0.0023 es la constante
empírica original propuesta por Hargreaves y Samani (1985) y R a es el equivalente de agua de la
radiación extraterrestre en mm d -1 . Sin embargo, basado en F.

El trabajo de Bautista y D. Bautista sobre la aplicación de modelos de evapotranspiración para

diferentes condiciones climáticas (2008), la constante C i ha sido considerada como 0.0021 (Bautista
et al.2009)

Los valores derivados se dividieron por los valores de precipitación, lo que nos da el Índice de Aridez
de las estaciones elegidas. Los Los valores del índice de aridez se interpolaron para crear un mapa
para el índice de aridez .
3.2.2.2 Pendiente

Para calcular la pendiente del área de estudio, se utilizó la imagen del satélite Shuttle Radar
Topography Mission (SRTM).
El análisis espacial de la imagen se realizó usando la herramienta pendiente en ARCGIS 10.0 para
generar el mapa de la pendiente
3.2.2.3 Precipitación

Los datos de precipitación se obtuvieron del Departamento Meteorológico de la India (IMD), Pune
para el seleccionado estaciones del área de estudio para la temporada de Rabi. El análisis
geoestadístico se realizó para formar la interpolación mapa de precipitación para el área de estudio.
3.2.2.4 Suelo

Los parámetros del suelo como la profundidad del suelo, la textura y la capacidad de retención de
humedad se consideraron para el estudio. Ya que los datos disponibles para la profundidad y la
capacidad de retención de humedad fueron cualitativos, es decir, formato bajo-alto, los datos
fueron convertidos a sus valores numéricos con referencia a las normas de la Organización de las
Naciones Unidas para la Alimentación y la Agricultura (FAO). La tierra los datos para múltiples
puntos fueron de las áreas vecinas, incluidas todas las talukas de Pune, Sangli, Satara y Solapur
distritos fueron recolectados. Después de realizar el análisis geoestadístico de este punto de datos,
el mapa de suelo interpolado para

el área de estudio fue extraída.

3.2.2.5 Productividad de la agricultura

Índice de vegetación de diferencia normalizada (NDVI) detectado a distancia, que es una buena
medida de la fotosíntesis la actividad en escalas de paisaje se usó para estimar la
productividad. Valores de reflectancia para el rojo (rr) y el cercano Se usaron bandas infrarrojas
(rnir) (0.6-0.7 μm y 0.7-1.3 μm respectivamente) para calcular la Diferencia Normalizada.

Índice de Vegetación (NDVI). La ecuación 4 se usó para calcular el NDVI y, a su vez, la productividad
de los cultivos de rabi para el área de estudio .

Ecuación 4: Fórmula NDVI

3.3.3 Reclasificación

Habiendo creado los seis mapas de entrada, se reclasificaron en una escala de 2 para agricultura e
irrigación, donde 1 es presente y 2 ausente; precipitación reclasificada en una escala de 3, donde 1
es baja, 2 es moderada y 3 es alta, relativamente; y suelo, aridez, pendiente y NDVI reclasificados
en una escala de 6, donde 6 representa, relativamente, el más alto intensidad y 1 el más bajo para
los factores dados.
3.3.4 Análisis de componentes principales

El análisis de los componentes principales se utilizó como una técnica de exploración y reducción de
datos para extraer el máximo información importante de grandes conjuntos de datos. Se utilizó para
simplificar los datos al expresar las variables en términos de menor número de estructuras
subyacentes como componentes principales. Se generó una matriz de correlación para la agricultura
con cada uno de los seis parámetros fue generado. La suma de los valores de la matriz de correlación
fue tomada y sus valores porcentuales fueron calculados. Estos valores se usaron como
ponderaciones para el análisis de superposición ponderado.
3.3.5 Análisis de superposición ponderada

El último paso en el análisis fue el uso del modelo lineal ponderado. Aquí, los pesos fueron asignados
a la mapas ráster, cada uno representa un criterio, y para cada uno se calculó la suma ponderada de
todos los valores de los criterios. Los El puntaje resultante para cada polígono representa su
'productividad (en relación con el otro) para la actividad considerada. Al final del modelado lineal
ponderado, toda la información relevante se escribe en el archivo de texto, y el resultado del modelo
es presentado gráficamente La clasificación "roturas naturales" se utilizó para la presentación
gráfica
4. Resultados

El análisis de superposición ponderado de los seis parámetros elegidos para encontrar la

productividad agrícola del área de estudio se muestra en la Figura 9. A partir de este mapa, los
diferentes grados de tierra se pueden identificar claramente con respecto a la productividad
agrícola. Se observa que el potencial para la agricultura disminuye a medida que avanzamos desde
la sección norte de la región a la sección sur. El mayor potencial agrícola se encuentra en la sección
norte-central, que es más intensamente irrigada, tiene la puntuación más baja en el índice de aridez,
caracterizada por una pendiente muy baja y poco profunda, arcillosa suelo. Por el contrario, el bajo
potencial agrícola se encuentra en zonas donde no hay riego, puntajes altos en índice de aridez,
ladera comparativamente más alta y suelos profundos y arcillosos. Los seis parámetros que se
eligieron para determinar el la productividad agrícola, la aridez y la pendiente estaban inversamente
relacionadas, mientras que la productividad, el riego, la profundidad del suelo y la la lluvia estuvo
directamente relacionada con la agricultura. En base a la PCA, se observó que la mayor correlación
con la agricultura fue la de los parámetros inversamente relacionados, es decir, la aridez y la
pendiente, siendo su fortaleza -0.36 y -0.30 respectivamente. La fuerza de la relación con los
parámetros positivamente relacionados fue la productividad (NDVI) con 0.22, riego con 0.21,
profundidad del suelo con 0.14 y lluvia con solo 0.03.
5. Discusión y conclusión

Los resultados revelan que los factores que afectan el contenido de humedad del suelo tienen la
mayor influencia en determinar el potencial agrícola de los cultivos Rabi en el área de estudio donde
la influencia de la aridez se ve mitigada por la red de canales y un afluente de segundo orden al río
Bhima, la productividad parece alta en una región que de lo contrario tiene una textura uniforme
de suelo. El suelo de la región es tierra arcillosa. La profundidad del suelo juega un papel importante
en su capacidad de retención de agua. Dado que los suelos más profundos se encuentran en la
región sur-central y sur, la extensión de el riego en esas áreas tal vez aumente su potencial agrícola
y encuentre un aumento del actual 65% de agricultura siendo cultivada. Además de la extensión
espacial del riego, el potencial agrícola puede mejorarse el área de estudio mediante la rotación
correcta e informada del agua de riego.