Metodología operativa para la obtención del coeficiente de

Cultivo (Kc) desde imágenes de satélite en ecosistemas

naturales y antrópicos

Dra. N. Dedios*, M.Sc. M. Montero**

* SERVICIO NACIONAL DE METEOROLOGIA E HIDROLOGIA SENAMHI.
ndedios@senamhi.gob.pe / cidma_peru@yahoo.es

** Universidad Nacional de Piura/mariomont.gm@gmail.com.

Resumen

La evapotranspiración de un cultivo se calcula usualmente mediante el procedimiento

denominado “en dos pasos”, consistente en el producto del coeficiente de cultivo (Kc)
por la evapotranspiración de referencia (ETo), Kc x ETo, recomendado por FAO.
Diversos trabajos anteriores han mostrado la posibilidad de estimar el Kc a partir del
denominado índice de vegetación normalizado, NDVI, que se calcula mediante una
combinación algebraica de la reflectividad espectral de la cubierta vegetal en las
bandas del rojo e infrarrojo cercano. En este trabajo presentamos una metodología
operativa para la obtención de mapas de valores del coeficiente de cultivo a partir de
imágenes de satélite de alta resolución espacial, que permiten seguir individualmente
la evolución del Kc a nivel de ecosistemas naturales y agrícolas. El procedimiento que
se describe permite la obtención del así denominado Kc NDVI, y se basa en la
acreditada relación lineal existente entre el NDVI y el coeficiente de cultivo basal.
Dicha metodología ha sido validada con los resultados de las campañas llevadas a
cabo en 2000, 2006 y 2007en el ámbito de la cuenca del rio Chira desarrolladas
dentro del proyecto MONITOREO DE LOS ECOSISTEMAS AGRICOLAS Y
NATURALES EN LA REGION PIURA DESDE LAS TECNOLOGIAS:
TELEDETECCION Y SISTEMAS DE INFORMACION GEOGRAFICA. Los resultados
muestran la aplicabilidad de la metodología aquí descrita en cultivos que alcanzan alta
cobertura vegetal, mientras que subestima el coeficiente de cultivo en aquellos que
alcanzan baja cobertura vegetal en la etapa de máximo desarrollo.

Palabras clave: evapotranspiración, índice de vegetación, cobertura vegetal.

1
Summary

Operative Methodology to Obtain the Crop Coefficient from Satellite Images from
dry forest and crop ecosystems

Crop evapotranspiration is usually calculated using the crop coefficient (Kc) x reference
evapotranspiration (ETo) methodology, Kc x ETo, recommended by FAO. In the
present work Kc have been estimated from the Normalized by Difference Vegetation
Index, NDVI, derived from the vegetation canopy spectral reflectance in the red and
infrared bands. We present an operative methodology to obtain crop coefficient values
maps from high spatial resolution satellite imagery. Using a temporal imagery
sequence we can obtain Kc temporal evolution monitoring of each plot. The described
procedure enable us to obtain the denominated Kc,NDVI, and it´s based in the well
known lineal relationship between the NDVI and the basal crop coefficient. This
methodology have been validated with the results of the 2000, 2006 and 2007
campaigns in the pilot Chira river catchment (Piura) developed into monitoring dry
forest and artificial crop ecosystems project. The results show the described
methodology applicability in those crops that reach high effective full cover, but
underestimate the crop coefficient in those crops that reach low effective full cover in
the maximum growing stage.

Key words: evapotranspiration, vegetation index, vegetation canopy.

2
 I. Introducción
La escasez de agua es un problema del que cada vez es más consciente toda la
sociedad, incluso fuera de los sectores productivos. Existe por esta razón, una
preocupación por el uso del agua, tanto como recurso productivo estratégico en
distintos e importantes sectores, como en su vertiente medioambiental puesto que en
algunos casos ocasiona la fragmentación y la pérdida del hábitat, más importantes en
la actualidad (Saunders et al., 1991; Caughley, 1994; Groom et a.. 2005) y constituyen
dos de las principales causas de modificación y pérdida de la biodiversidad a nivel
global, regional y local (Lindenmayer et al., 1999; Chapin III et al., 2000; Sala et al.,
2000).
En este sentido, al considerar la importancia del recurso hídrico para el normal
desarrollo de los ecosistemas, la asistencia satelital en riego, es una de las tareas
actuales de mayor interés en las aplicaciones de la tecnología de los sensores
remotos (Calera et al., 2005). Así, desde el punto de vista agronómico, la estimación
de la evapotranspiración es un componente fundamental del balance hídrico y un
factor clave en la interacción entre la superficie terrestre y la atmósfera (Domingo,
2003) principalmente para programar las tareas de irrigación y conocer las pérdidas de
humedad del suelo (Rosenberg et al., 1983).
Conocido como evapotranspiración (ET) debido a la combinación de dos procesos
separados por los que el agua se pierde a través de la superficie del suelo por
evaporación y transpiración del cultivo (Allen, et al. 2006). La estimación de la
evapotranspiración actual del cultivo o ETc ha sido propuesta en función del
coeficiente del cultivo (Kc) promedio (Doorenbos and Pruitt, 1977) y de la
evapotranspiración de referencia (ETo). Con este propósito, en el presente estudio se
plantean los siguientes objetivos:
- Determinar el Kc de los cultivos existentes en el ámbito de estudio.
- Correlacionar los resultados obtenidos desde el coeficiente de cultivo basal con los
datos analizados desde el Índice de Vegetación.
- Probar que la metodología Kc-ETo a distintas cubiertas como vegetación natural y
suelo y en condiciones de estrés hídrico, presenta la suficiente precisión para ser
aplicada de forma operativa.

I.1. Coeficiente de cultivo

3
Las metodologías de los coeficientes de cultivos (Kc) son ampliamente utilizadas para
estimar la evapotranspiración actual (ETA) en la programación del riego (Garatuza et
al., 1998; Duchemin et al., 2006). En este sentido, existen un número importante de
métodos para la medición de ETA ya sea a nivel de campo o a distancia (con
sensores remotos) (Jensen et al., 1990) este último, motivo del presente artículo.
Así, para los cultivos anuales, la estimación de ETA usando el método FAO-56 han
mostrado buenos resultados (Zang et al, 2004; Duchemin et al., 2006) así como para
cultivos perennes (Sammis, et al., 2004; Simmons et al., 2007) y destacan las
aproximaciones realizadas por Garatuza y Watts (2005) y Duchemin et al. (2006) al
emplear sensores remotos para determinar ETA a través de (índices de vegetación) IV
y ETo. Estas aproximaciones muestran un buen ajuste hasta de un 15% con Kc de
Allen et al. (1998).

II. Materiales y métodos

II.1 Ubicación del área de estudio

El área de estudio comprende el ámbito de la cuenca del rio Chira. Como cuenca
binacional (Perú-Ecuador), forma parte de la cuenca Catamayo-Chira que comprende
2 2
una extensión de 17 200 km , de los cuales 7 212 km se encuentra en Ecuador y 9
2
986 km2 en Perú. De ello, el área de estudio ocupa una superficie de 927.734 km .

Figura nº1. Área de estudio

La vegetación natural típica de la zona se encuentra compuesta por “bosque seco”

destacando las especies: algarrobo (Prosopis pallida), sapote (Capparis angulata),
bichayo (Capparis ovalifolia), palo verde (Cercidlum praecox), overo (Cordia lutea),
etc. Se caracterizan por ubicarse dentro de una de las zonas más áridas del mundo y

4
con una alta vulnerabilidad frente a los procesos de desertificación (CEPESER y
Región Grau, 1991).
Su climatología es generada desde la zona de convergencia intertropical con
interacción de las corrientes cálidas de El Niño y fría de Humboldt que influyen en el
clima sub árido tropical cálido (típico de la costa norte peruana) debido a su
proximidad con la línea ecuatorial y al cambio de dirección de la corriente de
Humboldt. La precipitación pluvial en estaciones normales varía de 100 a 600 mm/año,
salvo el caso de los años en que se presenta el fenómeno del Niño pudiendo alcanzar
hasta los 5,000 mm anuales. El régimen de temperaturas se encuentra asociado a
temperaturas máximas de 37º C y una mínima de 19º C, siendo 24º C su promedio
anual. El régimen de humedad relativa promedio es de 70%, aunque en el verano, por
el microclima en el valle puede llegar a 90%. El componente geomorfológico se
encuentra constituido por un terreno ondulado y con escaso relieve acompañado de
superficies llanas y suaves hondonadas.

II.2 Información Meteorologica

Los datos meteorológicos empleados como elemento base para el desarrollo del
estudio proviene de las estaciones meteorológicas procedentes del Servicio Nacional
de Meteorología e Hidrología (SENAMHI), siendo las estaciones: Partidor, Mallares,
Lancones, La Esperanza, situadas dentro del ámbito de la cuenca del rio Chira.

II.3 Datos, procesamiento de imágenes

Figura Nº2. Área de influencia del ámbito de estudio

5
La información remota que permitirá determinar los valores de Kc de los cultivos es
suministrada por los sensores ASTER (TERRA) y LANDSAT TM (Thematic Mapper) a
bordo el satélite Landsat-5. Se trata de imágenes de verano años 2000, 2006 y 2007
(tabla Nº1).

Tabla Nº 1. Características de las imágenes empleadas LANDSAT.TM y ASTER

Satélite Cobertura (Km) Resolución Resolución Resolución
Sensor E. Completa Escena mini espacial espectral temporal
8 bandas
Landsat 5 TM 185X170 50x50 Ms 30 m (visible + 16 días
Infrarrojos)
15 VIS (2)
ASTER 60 KmX60 Km NIR (1) 16 días
30 SWIR (6)
90 TIR (5)

Donde: VIS: visible, NIR: Infrarrojo cercano: SWIR, infrarrojo medio, TIR infrarrojo térmico

Las imágenes adquiridas, cada una de ellas compuesta en una única imagen
multibanda, fueron analizadas desde un pre tratamiento que comprende (recorte de la
imagen, transformación de pixeles en imágenes ASTER a una resolución de 30x30 m
para ser comparables una de otras). Asimismo para corregir las perturbaciones
atmosféricas sobre imágenes de fechas distintas fue utilizado el método de corrección
atmosférica (Chávez, 1988). De otro lado, la corrección geométrica mediante la
colocación de puntos de control sobre la imagen (50 puntos de control) y el uso del
modelo polinomial de segundo orden (Chuvieco, 1998) permitió asignarle coordenadas
UTM x,y a cada una de las imágenes analizadas.

6
II.4 Etapas de crecimiento de cultivo asociados a la variación del Kc
Para determinar los valores Kc de los cultivos instalados en la cuenca, consideramos
las definiciones teóricas sobre el crecimiento del cultivo generalmente definido en 4
etapas (inicial, desarrollo, mediados del cultivo y senescencia, Figura Nº4.

La etapa inicial considerada desde la fecha de siembra para cultivos de manejo anual
o inicio de temporada para especies perennes (aparición de yemas foliares); domina la
evaporación del suelo sobre la transpiración (en este aspecto, el valor del Kc depende
de la cantidad de agua adicionada al cultivo por riego o lluvia).

En la etapa de desarrollo (desde la cobertura superior al 10%, hasta que el cultivo

alcanza una cobertura efectiva (floración) o cuando la planta ha alcanzado el 90% de
cobertura máxima. En esta etapa, el Kc se incrementa debido a la transpiración del
cultivo, pudiendo haber incrementos bruscos por los tipo de siembra, riego o lluvia
Garatuza et al. (1998).

La etapa de mediados del cultivo (cobertura efectiva hasta el inicio de la senescencia),

es la más prolongada, donde el valor de Kc alcanza su máximo rendimiento, siendo de
valor constante para la mayoría de los cultivos y superiores a la unidad.

La etapa de senescencia o tardía de crecimiento, el valor de Kc es variable y depende

poco del manejo del cultivo. La figura Nº4, presenta en forma esquemática, dichos
cambios.

7
 Figura Nº4. Curva generalizada del coeficiente de cultivo. Fuente: Estudios FAO Riego y
Drenaje 56

II.5 Identificación de la cubierta vegetal en la cuenca del rio Chira. Zona baja
Las visitas de campo permitieron, no solo identificar los puntos de control entre la
imagen y la realidad-terreno sino caracterizar los sectores de interés, básicamente la
cubierta vegetal y su estado. En este sentido, caracterizamos la vegetación natural
dominante (bosque seco), identificados en diversos estados fenológicos y la
agricultura formada por los cultivos anuales y perennes.

II.6 Calculo del Índice de Vegetación de Diferencia Normalizada NDVI

El índice de vegetación (IV), como variable en espacio y tiempo, indica el verdor de la
vegetación (Wittich, 1995). Sus combinaciones entre distintas bandas espectrales
permiten cuantificar la vegetación natural y agrícola (Huete et al., 2002, Chuvieco,
1998). Su identificación, se expresa en valores que oscilan entre (-1 a +1) de gran
aplicación en ciencias agronómicas por su sencillez matemática y poder normalizador
con respuesta espectral en los sistemas vegetales (Gilabert, 1991). Así, para el
desarrollo del análisis, empleamos el Índice de Vegetación de Diferencia Normalizada
(NDVI), (TUCKER, 1979):

Donde ρIR es la reflectividad en la región espectral del infrarrojo cercano y “R” es la

reflectividad en la región espectral del rojo. En este sentido, el tipo de vegetación

8
existente seria un criterio adecuado dentro del proceso metodológico. De esta manera,
se identificaron los principales cultivos dominantes en la cuenca del rio Chira: frutales
(mango, limón, banano, cocotero), anuales (maíz, arroz), bosque seco. La aplicación
del NDVI se orienta a la evolución del proceso fenológico de los cultivos desde el
denominado coeficiente del cultivo (Kc) utilizado para determinar los requerimientos
hídricos.

II.7 Calculo del Coeficiente del cultivo Kc

El coeficiente de cultivo Kc aplicado a la zona de estudio fue derivado desde los
índices de vegetación obtenidos tal y como han sido demostrados por Jochum et al
(2002) las cuales integran las características biofísicas de la vegetación y sus
variaciones (fundamentalmente cobertura del suelo) a lo largo del ciclo vegetativo. En
este sentido, la información de interés es generada desde los sensores LANDSAT TM
y ASTER, todas ellas imágenes del mes de febrero, estación de verano donde se inicia
la campaña agrícola en el valle, y por otro lado, época donde los aportes hídricos a
causa de las precipitaciones son importantes para determinar las necesidades hídricas
de las cubiertas vegetales en el ámbito de la cuenca; por tanto, la determinación del
Kc del cultivo se deduce como:

Kc=1.08*NDVI+0.22

Donde: Kc, representa la evapotranspiración de un cultivo determinado, en

condiciones óptimas de desarrollo. El Kc en el ámbito de la cuenca se encuentra
influenciado por factores de vegetación tales como: fecha de siembra o plantación,
fase de desarrollo y clima, siendo la precipitación la variable de mayor interés en este
último. Por otro lado, se validaron los coeficientes de cultivo (Kc) obtenidos con el
modelo de simulación CROPWAT recomendado por la FAO (Food Agriculture
Organization-ONU).

II.8 Relación NDVI y KC

Partiendo de la base teórica que existe sobre la dependencia entre los valores
temporales de los índices de vegetación y los patrones de los coeficientes del cultivo
Kc en el tiempo (Heilman et al., 1982), hemos empleado la información calibrada de
los estudios expuestos por (González-Piqueras, 2006) que se mantiene durante todo
el ciclo fenológico de los cultivos y, por tanto, para los diferentes niveles de cobertura
vegetal existente. Así, diferentes autores encuentran similitud en las curvas del

9
coeficiente de cultivo y del índice de vegetación (Heilman et al., 1982; Bausch and
Neale, 1987; Bausch, 1993; Jayanthi et al, 2000) (González-Piqueras, 2006). Por ello,
para categorizar cultivos agrícolas de la cuenca (anuales, perennes, vegetación
natural constituida por especies del bosque seco) y la naturaleza básica de los
fundamentos de la teledetección, consideramos una metodología propia tal como se
muestra en la tabla Nº2:

Tabla Nº2. Representación de los ecosistemas en la cuenca

Bosque seco Matorral Cultivos Cultivos perennes

anuales
Semidenso Ralo Muy arroz Maíz plátano mango
ralo
Llanura P p Pd pd pd P pd Pd

Colina P A Pd A A A A A

Donde p=presente, pd=Presente y dominante, A=Ausente

El seguimiento fenológico de la vegetación de la cuenca fue evaluado in situ desde

observaciones directas, parcelas de observación en las imágenes (polígonos) y
parcelas de observación situadas en las localidades de: Partidor, Lancones, Mallares,
La Esperanza, estaciones que conforman la red agro meteorológica del Servicio
Nacional de Meteorología e hidrología del Perú (SENAMHI).

En relación a los muestreos, se obtuvieron puntos georreferenciados en coordenadas

UTM medidas con GPS (Global Position System), utilizadas para obtener los valores
de NDVI y ser posteriormente correlacionados con los valores Kc.

a) 2000 b) 2006 c) 2007

Figura Nº5. Transecto y variación NDVI en los años analizados

10
 III. Resultados

III.1 De la caracterización del medio biofísico de la cuenca

La regeneración natural en la cuenca, se desarrolla sobre diversos tipos de relieve:
llano y colinoso. Lo más saltante a la vista y lo que principalmente es detectado por el
sensor son las densidades según los diferentes tipos de bosque: semidenso de llanura
o algarrobal ribereño que se presenta siempre verde y abundante sobre la margen
izquierda del valle del bajo Chira. Así, cerca al dique del embalse Poechos
(Lancones), se observa un bosque seco semidenso de escasa superficie, siendo el
algarrobo la especie dominante (Figura nº6)

Figura Nº6, Vista del bosque seco semidenso desde el dique de la presa Poechos (Lancones-
Sullana)

De otro lado en los sectores “Nuevo Lancones”, “San Francisco”, “Lomas Salinas”,
“Lomas Pamapa”, “El castillo”, “Lomas corral de León” el bosque seco transforma su
paisaje hacia sectores donde el bosque se encuentra en “defoliación” siendo la
escasez del recurso hídrico el factor más importante y dominante en la zona (figura,
Nº7).

11
 Figura Nº7. Bosque seco semidenso de colina defoliado en el sector Lancones-Sullana.

Figura Nº8. Algarrobal Ribereño en la margen derecha del valle bajo de la cuenca del rio Chira.

Figura Nº9. Vista del paisaje natural característico en torno al embalse Poechos (Lancones-
Sullana).

12
 Figura Nº10. Algarrobal ribereño aguas abajo de la presa Poechos (Lancones-Sullana).

Figura Nº 11. Bosque seco característico en el sector Lancones (Sullana) cuenca del rio Chira

Los cultivos anuales representan un sector de desarrollo agrícola económico

importante en la cuenca, básicamente arroz, maíz, frijol, formando pequeñas y
medianas parcelas de explotación agrícola. No obstante, el cultivo de arroz es el que
ocupa la mayor área y generalmente se encuentra ubicado en la margen izquierda del
valle bajo del rio Chira, camino a Poechos, Rio Chipillico, sector Ventarrones, este
ultimo ubicado cerca a la desembocadura de la cuenca La Bocana-Paita (Figura
Nº12).

13
 Figura Nº12. Cultivo de arroz sector Somate Bajo-Sullana.

Figura nº13. Cultivos anuales en el sector Miramar-Paita

Frutales como limón y banano, también ocupan una importante superficie tanto en la
margen izquierda y derecha de la parte baja de la cuenca. Por otro lado, el banano
representa una actividad económica importante en la región y ocupa extensas áreas,
tal y como se observa en el sector Querecotillo cerca al puente Miguel Checa (Figura
Nº14).

14
 Figura Nº14. Cultivos de banano en la cuenca parte baja del rio Chira.

Entre los sectores con cultivos de frutales destacan: Querecotillo, San Vicente, Puente
Miguel Checa, Salitral. En el sector Marcavelica-Sullana, los cocoterotales representan
un componente básico del paisaje, comúnmente utilizados como cortinas
rompevientos (figura Nº15).

Figura Nº15. Paisaje de cocotales en el canal de derivación en el Sector somate Bajo

En el recorrido de campo se encontraron nuevos usos de suelo que vienen cambiando

el paisaje de la cuenca desde el año 2008, como el caso del cultivo masivo de caña de
azúcar para ser usado en la elaboración de biocombustible, paisaje no detectado por
las imágenes en el año 2007, puesto que aun no se encontraban instalados y que se
identificaban como sectores sin vegetación (sectores talados) y planicies elevadas o
tablazos. Sectores ubicados en la margen derecha e izquierda de la cuenca baja del
rio Chira (actualmente semilleros de caña de azúcar) en los sectores: El Arenal, El
Tablazo, La Huaca y Pueblo Nuevo de Colán (Figura Nº16)

15
 Figura Nº16. Ampliación de frontera agrícola cultivo de caña brava para producción de etanol
en el sector “El Tablazo”

Lo que más llama la atención es que dicha actividad se encuentra ubicada dentro de
un sector declarado por el INC (Instituto Nacional de Cultura) como zona de reserva
paleontológica específicamente en el Tablazo del Arenal.
En el sector Tamarindo margen derecha del bajo Chira se encuentra la planta
procesadora de etanol de la empresa Caña Brava.
Ausencia de pastos naturales en las zonas marginales del valle, generalmente
compuesta por paisajes colinosos de material calcáreo-bentonìtico.

Figura Nº17. Cultivo de Caña de azúcar – empresa Camposol- margen izquierda del canal de
derivación
(Km 29,9), parte media de la cuenca del Rio Chira.

16
En relación a las especies matorrales y arbustivas, encontramos la presencia de
plantas indicadoras de sales Batis Maritima o vidrio, en la parte más baja de la cuenca,
cerca a la desembocadura del rio Chira, margen izquierda y derecha del sector La
Bocana, en El Arenal-Paita. (figura nº18)

Figura. Nº18. Batis Maritima, en la desembocadura del rio Chira La Bocana-Paita.

Figura Nº19. Foco de salinización en avance sobre cultivo de caña de azúcar en la parte baja
de la cuenca del rio Chira.

17
 Figura Nº20. Salinización en la cuenca del rio chira. Sector el Arenal

Figura Nº21. Zona marginal en la cuenca del rio Chira margen derecha sector “Ignacio
Escudero”

Figura Nº22. Vista del paisaje cuenca baja rio chira al sur del pueblo “Soledad”

18
III.2 De las Precipitaciones
Según el análisis de precipitaciones, los años 2004, 2005, 2007 presentan
precipitaciones inferiores a 20 mm en el mes de febrero, las que originaron un
incremento del déficit hídrico en el ámbito de la cuenca, en contraposición al año 2006
en que el aporte hídrico fue más importante, contraste que determinó el aumento de la
necesidad de agua de la vegetación de la cuenca (figura Nº23).

Figura Nº23. Distribución de las precipitaciones en el ámbito de la cuenca del Chira durante los
periodos de análisis

Dicho comportamiento de las precipitaciones permiten que el aporte hídrico de

acuerdo al análisis de series históricas en la cuenca sea considerado como un
elemento fundamental desde el punto de vista de la programación de riegos en los
cultivos agrícolas que forman parte de la campaña agrícola Si consideramos que el
sistema de riego de la cuenca depende de la capacidad de almacenamiento del
reservorio de Poechos, nos encontramos ante un problema de desabastecimiento
hídrico a consecuencia de los niveles de sedimentación del reservorio, el cual ha
perdido su capacidad en un 50% (capacidad inicial 885 MMC) (figura Nº24).

Figura Nº24. Producción de la cuenca: Aporte hídrico y sedimentos acumulados en el embalse

de Poechos Fuente. Proyecto Especial Chira Piura

19
III.3 Del NDVI y su Distribución espacial y temporal
Los valores positivos en todas las imágenes analizadas durante los años 2000-2007
se corresponden a zonas donde se desarrolla agricultura anual y permanente (frutales)
de alta densidad, mientras que los valores negativos se interpretan como presencia de
nubes, superficies de agua, suelo desnudo, roca y vegetación seca o desprovista de
follaje (este último merece ser atendido en detalle dada la naturaleza de la vegetación
natural o bosque seco, propio del ecosistema natural de la cuenca).
Los resultados nos indican la existencia de una similitud en la estructura espacial del
paisaje analizado en las tres imágenes. En este sentido, valores bajos y negativos de
NDVI se registran en bosques de categoría “muy ralo” donde existen escasos
individuos y el efecto de la reflectividad del suelo es dominante. Asimismo, se
observan cambios importantes, tanto en magnitud como en la estructura espacial del
NDVI, entre los tres momentos analizados especialmente la vegetación natural (tala de
árboles).
Las áreas con vegetación de menor tamaño o iniciando su fase de desarrollo se
corresponden con cultivos anuales que ocupan una superficie importante (60%).

Figura nº25. Comportamiento del NDVI de los principales tipos de bosque en el ámbito de la
cuenca.

Son los cultivos bajo riego donde los valores de NDVI se presentan más elevados y
vigorosos en relación al resto de cubiertas, las cuales se corresponden en su mayor

20
parte, a cultivos anuales (arroz) en fase de almacigo o iniciando su fase vegetativa
(plántula o macollaje) con una elevada actividad vegetal.

III.4 Del Cálculo de Kc

Los resultados según los Kc, generados a nivel de la cuenca en su parte baja
representan las diferencias físicas y fisiológicas entre los cultivos y la definición del
cultivo de referencia. De acuerdo a los resultados, se observan variaciones de Kc en
los diversos cultivos instalados en el tiempo, variaciones que no solo obedecen a
factores de crecimiento del cultivo (aspectos fenológicos), sino a actividades de
cambio de “uso del suelo” vinculados de manera muy directa a la disponibilidad del
recurso hídrico figura nº26.

Figura Nº26. Correlación entre variables Kc y NDVI integrado al ámbito de estudio

En ella se observa la fuerte correlación que existe entre el NDVI y Kc de los cultivos
(R2=0,9408) las cuales permite comprender mejor las situaciones en que el vigor de la
vegetación aumenta en relación al valor del Kc de las cubiertas vegetales detectadas
por el sensor.

En este sentido, la correlación entre el NDVI de cada etapa de desarrollo de los

cultivos cambia a medida que cambia las fechas de siembra (Figura Nº26). De esta
manera, los valores más bajos (menor variabilidad espacial del NDVI) se registran en
la banda altitudinal de 300 a 400 metros, que corresponde fundamentalmente a áreas
de mayor densidad de vegetación natural.
La mayor variabilidad espacial se registra en las partes bajas de la cuenca, donde se
mezclan los cultivos anuales, de los minifundios con la vegetación natural (valores de
NDVI positivos y negativos respectivamente).

21
De esta manera el patrón de distribución en la cubierta bosque seco (Kc e Índice de
Vegetación de Diferencia Normalizada (NDVI) es similar y se refleja en la existencia de
una vegetación que permanece seca en situaciones de importante déficit hídrico.

Figura Nº 27. Comportamiento del Kc en diversos cultivos analizados en el ámbito de la

cuenca del rio Chira.

De otro lado, los cultivos que se encuentran en su máximo desarrollo fenológico como
los frutales presentan sus máximos valores de Kc (banano, cocotero, mango, limón),
que oscilan entre (0,60-1,20) o superiores a 1,00, es el caso del mango que se
corresponden con sus fases fructificación o culminando su maduración (ver figura
Nº27).

En este sentido, menores valores de Kc (1,05) se presentan en cultivos que inician su

periodo de crecimiento (cultivos anuales) instalados en la cuenca (arroz, maíz), y que
ocupan una importante superficie y que para las fechas analizadas se encuentran
iniciando el periodo vegetativo (plántula y/o macollaje) (Figura Nº 27). Asimismo, las
cubiertas naturales representadas por el bosque seco, ocupan bajos valores de Kc

22
detectados en la categoría bosque seco muy ralo, que presentan una menor densidad
de plantas.

En relación a la respuesta de los coeficientes de los cultivos y su dispersión en el

tiempo, observamos en todos los casos que los gráficos siguen el patrón esperado
desde un punto de vista metodológico tanto para la secuencia de las etapas del
cultivo, como en las magnitudes en especies anuales y perennes (figura Nº 28).

a) 2000 b) 2006 c) 2007

Figura Nº 28. Distribución espacio temporal de los valores Kc en la cuenca del rio Chira

Por esta razón, dentro de una misma especie encontramos variaciones notables,
atribuibles tal vez a condiciones ambientales que acompañan a las fechas de siembra
y de las cuales se ve reflejada en los valores aportados por el sensor.

En relación a la instalación de nuevos usos de suelo agrícola en el ámbito de la

cuenca, observamos que a medida que las reservas de agua se van agotando como
consecuencia de las escasas precipitaciones (Figura Nº24), el índice Kc tiende a
aumentar su actividad. Así, encontramos que en el escenario del año 2007 una nueva
e importante tendencia en la configuración del paisaje agrícola destaca en la cuenca la
cual se encuentra relacionada a la desaparición de la vegetación natural a
consecuencia de la “tala de bosque seco ralo y muy ralo”, con fines de instalación de
cultivo de caña de azúcar como materia prima para la generación de biocombustible.

La tabla Nº3, muestra los coeficientes del cultivo en las diferentes fases de desarrollo
(inicial, madurez, cosecha) independientemente de su naturaleza. Estos varían de 0.30
a 1.05 desde su etapa inicial hasta su cosecha.

23
TABLA Nº3. Coeficientes de cultivo Kc detectados para las especies vegetales en sus
(*)
diferentes estados de desarrollo fenológico en la cuenca del rio Chira parte media baja .

Porcentaje de la estación de crecimiento

0% 20% 40% 60% 80% 100%

Cultivo Establecimiento Desarrollo Media Inicio Madurez

Inicio del cultivo estación madurez fisiológica

Maíz 0.30-0.50 0.70-0.85 1.15 0,70

Arroz 1,20

Algarrobo 0,60

Lechuga 0,28 0,82 0,96

Cebolla 0,1 0,70 0,50

Frijol 0.30-0.40 0.65-0.75

Frutales de hueso 1.10-1.20 1.10-1.20 0.65-0.85

cocotero 0,80

Cítricos 0.60-0.70 0.60-0.70 0.80-0.90 0.80-0.90 0.60-0.70

Frutales con ----------- Promedio 1.00------ ----------- -----------

cubierta verde

(*)
Valores recopilados a partir de James (1988), Millar (1993) y Stewart y Nielsen (1990).

Los cultivos como maíz y frijol presentan valores muy similares Kc=0,30 o
aproximados es el caso de las hortalizas instaladas en el sector “La Bocana”, Kc =
0,28 (zona de desembocadura del rio Chira). Los cultivos perennes principalmente
frutales, presentan incremento del valor Kc es el caso del limón Kc=0,60. Los frutales
de hueso representativos en la cuenca (mango), incrementan aun más Kc >0,85 en
relación al cultivo de Limón. Un caso particular sucede con el cultivo de arroz donde el
Kc=1,20 presenta los mismos valores en relación a los anteriores prácticamente igual
en todas sus fases.

24
 a) Año 2000 b) Año 2007

Figura 29. Distribución del Kc de los cultivos durante los años 2000 y 2007

La distribución espacial, de los valores Kc del año 2000 (tabla Nº5), en áreas de mayor
ocupación presentan bajos valores Kc > 0,1 - <0,8 que se corresponden con bosques
y cultivos anuales en inicio de su periodo vegetativo. No obstante los cultivos perennes
que presentan valores de Kc >0,8 ocupan una menor superficie dentro de la cuenca.

El escenario de la cuenca del año 2006, presenta valores Kc en relación a la imagen

del año 2000 que oscila entre 0.2-0.75, situación que se relaciona con los volúmenes
de agua que se presentaron más abundantes en relación a los años anteriores. Solo
un 4% de la superficie lo ocupan valores Kc>1 que se corresponden con cultivos
perennes de tipo frutales en pleno desarrollo vegetativo.

En el escenario del año 2007 los valores Kc para los diferentes cultivos en la cuenca,
se incrementaron en relación a los años anteriores. Para, ello la escasez del recurso
hídrico juega un papel de gran importancia del cual se ve reflejado en los elevados
valores de Kc, encontrándose Kc >0,15 (en establecimiento o inicio) y Kc < 0,85
(desarrollo, estación media y madurez fisiológica). De esta manera, las especies
arbóreas de tipo frutales (banano, mango) presentan un mayor uso del suelo en los
sectores analizados (Kc <1) (Figura nº29).

25
Figura nº30. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2000

Figura Nº31. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2006

26
 Figura Nº 32. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2007

De manera general, los cultivares con ciclos vegetativos y cubiertas vegetales

similares, como sucede con las hortalizas, presentan coeficientes cuyo
comportamiento son más homogéneos en relación a su magnitud y desarrollo. Cultivos
anuales como el arroz que posee una cubierta foliar de importante volumen (muy
cercano al suelo), las necesidades y requerimientos de agua para su desarrollo y por
el tipo de riego (inundación) en relación al resto de cultivos, presentan mayores
coeficientes Kc (Kc=1,20). Es por esta razón que cuando una especie es regada de
manera continua, caso del cultivo de arroz y banano, el Kc presenta una tendencia
disminuir de sus valores absolutos.

Por lo expuesto, los valores Kc de los cultivos en el ámbito de la cuenca presentan un

comportamiento similar a lo formulado por Penman-Monteith-FAO utilizada en sus
cálculos, sin embargo los resultados nos indican que estas formulas deben ser
ajustados al comportamiento local.

27
 Tabla Nº4. Valores de Kc promedio en el tiempo, para la vegetación existente en el área de estudio.

Tipos Unidades Kc Superficie ha

Bosque seco muy ralo 0,95 57505,48

Bosques Bosque seco ralo 0,65 93249,1

Bosque seco semidenso 0,65 25113,25

Sub Total 175867,83

Cítricos 0,6 3500

Frutales Limón

Banano 0,85 5200

Mango 0,65 767
Cocotero 0,80 75
Sub Total 9542

Maíz 0,8 305

Anuales

hortalizas 0,45 85
Arroz 1,05-1,10 15567
Sub Total 15957
Total 201366,83

El Kc del banano obtenido (tabla nº4) por teledetección es comparable con las
recomendaciones dadas por Maciel, (2003) para condiciones semiáridas (Kc=0,85 a
1,0). De otro lado Lahav y Kalmar, (1988) encontraron que con el coeficiente 1,0 se
obtienen buenos resultados económicos. La importancia de señalar este cultivo radica
en que el banano ocupa una importante superficie en la cuenca y presenta desde un
aspecto fisiológico, un ciclo de desarrollo relativamente corto y un alto índice de área
foliar (Robinson, 1995), lo cual obliga a la planta a equilibrar constantemente sus
pérdidas de agua del follaje mediante la absorción radical (Aubert, 1968) las cuales
explica su extrema sensibilidad al déficit hídrico. De otro lado el cultivo de cocotero
Kc=0,80 puede sobrevivir periodos largos de stress hídrico, sin embargo su producción
puede ser severamente afectada.

28
III.5 Análisis integrado
Los cultivos instalados en la cuenca del rio Chira, requieren de un volumen
determinado de agua para crecer, desarrollarse y producir, pero no toda el agua que
se aplica en los riegos para el desarrollo de la agricultura es aprovechada
adecuadamente por las plantas. Según los resultados, existe un inapropiado uso del
recurso hídrico por parte de los agricultores o de quienes administran el recurso
hídrico.

Figura Nº 33. Diferencial de transformación de los valores Kc en las imágenes adquiridas

En relación al análisis integrado de las imágenes en el tiempo, observamos que los

valores de Kc son considerablemente menores en aquellos sectores donde se
desarrolla vegetación natural es el caso del bosque seco independiente de su
densidad (65,20%). A su vez, 9542 hectáreas representan las áreas con valores de
Kc más altos (frutales en pleno proceso de maduración y fructificación). Por otro lado,
los cultivos anuales presentan valores de kc más bajos en 15957 hectáreas de la
cuenca (figura Nº 33).

De otro lado, los suelos de la parte baja de la cuenca del rio Chira (El Arenal, Vichayal
y Miramar) vienen presentando un severo proceso de desertificación por salinización,
debido a la interrelación de factores como: escases e inadecuado uso del recurso
hídrico, alta tasa de evaporación, mal manejo de suelos e ineficiente programación de
cultivo. Estas áreas se corresponde con la categoría “Decrece” (figura nº33) y que
para este caso su valor Kc es menor a 0,45.

De esta manera, encontramos que las transformaciones más importantes en el ámbito

de la cuenca, empiezan a manifestarse desde el año 2007, por lo que la presencia de

29
bosques en la misma se encuentra amenazada por sometimiento a una rápida
reducción de su superficie como consecuencia del avance de la frontera agrícola
(zonas de bosque más denso disminuyeron su densidad por actividades como tala de
árboles y bosques de densidad ralo y muy ralo desaparecen por consecuencia del
cambio de uso del suelo) (taba Nº5).

Tabla Nº5. Valores de Kc sujetos a cambio en el área de estudio.

2000 2007

Tipo de cubierta Kc % Ha Kc % ha
bosque seco muy ralo 0,65 16,50 0,7 33,22
bosque seco ralo 0,95 19,32 1,02 29,01
bosque semidenso 0,85 29,20 0,9 10,72
arroz 1 25,53 1,04 12,31
banano 0.85 9,43 0,9 14,71
Total 100 100

IV.- Conclusiones y Recomendaciones

El consumo y la eficiencia del uso del agua en los cultivos de la cuenca del rio Chira
son afectados por prácticas de manejo del cultivo principalmente, el riego. En este
sentido, la tecnología empleada, por sensores remotos desde las imágenes ASTER Y
LANDSAT puede significar un avance considerable en la extensión de la programación
técnica del manejo del recurso hídrico. El presente estudio ha permitido detectar con
mayor facilidad las diferencias entre el uso de los suelos para la agricultura
convencional y los bosques en su hábitat natural, especialmente el bosque seco ralo y
muy ralo. Por esta razón, se considera limitante para su determinación la presencia del
suelo por efecto de la reflectividad.

Refiriéndonos al método aplicado, se considera útil porque puede proveer una

estimación de los requerimientos de agua a escala regional; pudiendo además ser de
gran utilidad para evaluar estrategias de conservación a nivel de cuenca en áreas
semiáridas y de difícil acceso.

Por otro lado, valores de Kc detectados para la temporada de verano se presentan

menores que el sugerido por FAO-56 (0.85). Los valores de Kc encontrados, obedecen
a condiciones de estrés hídrico de la planta, influenciados por la limitada disponibilidad
del recurso hídrico, tanto en los ecosistemas naturales como en sectores donde se
practica agricultura intensiva. En este sentido, se recomienda que los valores de Kc
determinados en el presente estudio se incorporen como medidas correctivas a los

30
cálculos de los coeficientes del cultivo en los pronósticos de disponibilidad anual del
recurso hídrico.

En relación al bosque seco, consideramos que la “densidad” de la cubierta vegetal es

un factor importante en la variación del coeficiente del cultivo. Por esta razón, se hace
difícil comparar el proceso de evapotranspiración de un bosque seco con el
comportamiento de la evapotranspiración en un entorno cultivado, pues el régimen de
evapotranspiración en un bosque es un proceso en el cual el agua se conduce por
caminos distintos a los que se registran en la evapotranspiración de cultivos en
general y donde “el poder evaporante de la atmósfera” actúa directamente sobre el
suelo y sobre toda la formación vegetal al mismo tiempo.

Finalmente los resultados del presente estudio, deben ser un insumo a ser socializado
a los agricultores de la zona, con la finalidad que tomen conciencia sobre la cantidad
de agua que necesita sus cultivos para alcanzar su máxima producción. Para
potenciar el proyecto, el uso de tecnologías de la información y de la comunicación
(TIC) dirigidas al agricultor complementaria de manera sustancial el proyecto.

V.- Agradecimientos
Los autores agradecen el financiamiento del proyecto: MONITOREO DE LOS
ECOSISTEMAS AGRICOLAS Y NATURALES EN CUENCA DEL RIO CHIRA DESDE
LAS TECNOLOGIAS: TELEDETECCION Y SISTEMAS DE INFORMACION
GEOGRAFICA. Financiado por el Gobierno Regional de Piura-Perú.

VI. BIBLIOGRAFIA

Allen R.G., Pereira L.S., Raes, D. y Smith M., 1998, Crop evapotranspiracion:
guidelines for computing crop water requirements, FAO Irrigation and Drainage Paper,
Vol. 56, FAO, Rome.

Allen R.G., Pereira L.S., Raes, D. y Smith M., 2006, Evapotranspiración del cultivo:
Guía para la determinación de los requerimientos de agua de los cultivos, Estudio FAO
Riego y Drenaje, Vol. 56, FAO, Roma, 2006. PP. 323.

Barrax, Spain with intercomparison of methods. Proceedings of EGU General

Assembly 2006, Viena, Austria, April 4, 2006.

31
Bastiaanssen, W.G.M, D.J. Molden y I.W. Makin (2000): "Remote sensing for irrigated
agriculture: examples from research and possible applications", Agricultural Water
Management, vol. 46, 137-155.

Bausch, W.C. and C.M.U. Neale, 1193. Soil background effects on reflectance-based
crop coefficients for corn. Remote Sensing of Environment 46: 213-222.
Doorenbos, J. and W.O. Pruit, 1977, Guidelines for predicting crop water requirements,

Caughley G. 1994. Directions in conservation biology. Journal of Animal Ecology. 63:

215–244.

Chapin III F.S., Zavaleta E.S., Eviner V.T., Naylor R.L., Vitousek P.M., Reynolds H.L.,
Hooper D.U., Lavorel S.,

Chuvieco E. 1996. Fundamentos de Teledetección. 3º edición, Editorial Rialp, Madrid,

España.

FAO Irrigation and Drainage Paper, Vol. 24, FAO, Rome.

Garatuza-Payan J., W.J. Shuttleworth, D. Encinas, D. McNeil, J.B. Stewart, H. de Bruin

y C. Watts, 1998, Measurement and modelling evaporation for irrigated crops in
northwest Mexico, Hydrol. Process., 12:1397-1418.

Garatuza-Payan J., R. Pinker, W.J. Shuttleworth y C.J. Watts, 2001, Solar radiation
and evapotranspiration in northern Mexico estimated from remotely sensed
measurements of cloudiness. Hydrol. Sci. J., 46:465-478. 192

Garatuza-Payan J., y C. Watts, 2005, The use of remote sensing for estimating ET of
irrigated wheat and cotton in Northwest Mexico, Irrig. Drain. Sys., 19:301-320.

INRENA - Proyecto Algarrobo Experiencias en el Manejo Participativo de los Bosques

Secos del Norte del Perú

http://ocw.upm.es/ingenieria-agroforestal/climatologia-aplicada-a-la-ingenieria-y
medioambiente/contenidos/tema-8/COEFICIENTE%20DE%20CULTIVO.pdf.

James, Larry G. 1988. Principles of Farm Irrigation System Design. John Wiley and

32
Sons, Inc. USA. 543p.

Jensen M.E., R.D. Burman y R.G. Allen, 1990, Evaporation and irrigation water
requirements, ASCE, US, 332 pp.

Montero T, M,A., (1975). Recuperación de los suelos salinos misceláneos de la

irrigación y colonización San Lorenzo-Curvan. Tambogrande. Tesis de grado. 150 pp.

Montero T, M,A., (1998). Operación y manejo del reservorio de Poechos. Publicación

Simposio Operación y Manejo del Distrito de Riego. Piura.Pp

Martin, D.L., E.C. Stegman y E. Fereres. 1990. Irrigation scheduling principles. En G.J.
Hoffman, T.H. Howell y K.H. Solomon ed. Management Farm Irrigation Systems. ASAE
Mon. # 9.

NOVOA, P., P. SEPULVEDA. 1996. Estimación de la variación diaria del agua del
suelo, escurrimiento superficial e infiltración, mediante el uso del modelo
computacional HIDROSUELO. Agricultura Técnica, 56 (3): 141-154.

NOVOA, P., 1998. Estimación de la evapotranspiración actual en bosques. Teoría.

BOSQUE 19(1): 111-121, 1998

Paz, F., 2005, Reporte final del desarrollo de un seguro ganadero con base a la
tecnología de los sensores remotos, Reporte Marzo para AGROASEMEX, 91 pp.

Paz, F., Palacios, E., Bolaños, M., Palacios, L.A., Martínez, M., Mejía, M. y Huete, A.,
2007a, Diseño de un índice espectral de la vegetación: NDVIcp, Agrociencia, 41: 539-
554.

Paz, F., M. Odi, A. Cano, M.A. Bolaños y A. Zarco. 2007b. Equivalencia ambiental en
la productividad de la vegetación. Enviado a Agrociencia, México.

Paz, F., E. Romero, E. Palacios, M. Bolaños, R. Valdez y A. aldrete. 2007c. Mitos y

falacias de los índices espectrales de la vegetación: análisis de índices actuales de
banda ancha. Enviado a Agrociencia, México.

33
Paz, F., Bolaños M. A., Marín M. et al. 2008. Documentación de la campaña de
mediciones realizada por el Colegio de Postgraduados en el Valle del Yaqui. Proyecto
de Gestión del Agua Asistida por Satélite, Multiescala y Participativa en la Agricultura
de Regadío (PLEIADeS) y experimento de heterogeneidad.

Priestley, C. H. B. y R. J. Taylor, 1972, On the assessment of surface heat flux and

evaporation using large scale parameters, Montly Weather Review, 100: 81-92.

Shuttleworth, 1993. Evaporation . En D. R. Maidment (Ed.), Handbook of Hydrology,

McGraw-Hill, New York, Estados Unidos.

Tasumi, M.; Allen, R.G.; Trezza, R.; Wright, J.L., 2005a. Satellite-based energy
balance to assess within-population variance of crop coefficient curves. ASCE Journal
of Irrigation and Drainage Engineering, 131(1): 94-109.

Young, C.A. y W.W. Wallender. 2002. Spatially distributed irrigation hydrology: water
balance. Trans. ASAE, 45(3):609-618

Zhang X., M.A. Friedl, C.B. Schaaf, A.J. Strahler, J.C.F. Hodges, F Gao, C Reed y A.
Huete, 2003, Monitoring vegetation phenology using MODIS, Rem. Sens. Environ.
84:471-475.

Wittich, K-P, O. Hansing, 1995. Area averaged vegetative cover fraction, estimated
from satellite data. Int J. Biometeorol. 38: 209-215.

Wright, J.L., 1982, New evapotranspiration crop coefficients, Journal of Irrigation and
Drainage, 108: 57-74.

34