Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AGROFAZ 85
AGROFAZ VOLUMEN 17 NÚMERO 2 2017
tion of forage maize using Landsat 8.0 satellite im- etc., variables que inÀuyen en el consumo de agua
ages, SEBAL algorithm and QGIS software, which de los cultivos.
was important for algorithm development and map-
Los valores de evapotranspiración pueden ser
ping of the study parameters. When comparing the
importantes para las siguientes aplicaciones: de-
instantaneous evapotranspiration calculated by the
terminar el área que puede regarse con un deter-
Penman Monteith method (based on weather data
minado volumen de agua disponible, elaborar ca-
from the meteorological station) and the estimated
lendarios de riego, estimar los volúmenes de agua
by SEBAL, they presented an average relative er-
que sean necesarios para auxiliar a los cultivos en
ror of 13%. With regard to the comparison of the
caso de que la lluvia sea insuciente para su buen
actual daily crop evapotranspiration, the Penman
desarrollo. También permite determinar la lámina
Monteith method (using the dual cropping coef-
adicional de riego necesaria para la prevención de
cients for forage maize) and the SEBAL algorithm
problemas de ensalitramiento de los suelos. De
presented an average relative error of 7.4%. Final-
igual forma determina, en forma general, la ecien-
ly, a comparison of the accumulated evapotranspi-
cia con la que se está aprovechando el agua en
ration during the vegetative cycle of the crop (124
otras más aplicaciones (Aguilera y Martínez, 1996;
days) between the software “Cropwat 8.0” and “Ir-
Villaman et al., 2001).
rinet” and the SEBAL algorithm were performed,
with relative error of -13.8% and -0.01% respec- La sensoria remota es una herramienta muy útil
tively , with these results, it was concluded that it para el cálculo de los parámetros que intervienen
is feasible to use this methodological procedure to en el proceso de la ET. Además, presenta ventajas
estimate the water consumption of forage maize. sobre los métodos mencionados anteriormente,
debido que puede presentar valores de ET de for-
Key words: Evapotranspiration, forage maize,
ma espacial y temporal. Una opción para estimar la
satellite image, energy balance.
ET por teledetección, es el algoritmo SEBAL (Sur-
face Energy Balance Algorithm For Land). Este se
INTRODUCCIÓN
basa en la ecuación de conservación de energía y
En la Agricultura, la evapotranspiración (ET) es utiliza información espacial de diferentes sensores
una de las variables elementales para promover un que proporcionen imágenes donde se registre ra-
uso más eciente del agua, por esto la necesidad diación visible, infrarroja cercana y termal.
de tener estimaciones precisas (Murillas y Londo-
El presente trabajo consistió en proponer un
ño, 2014). La correcta estimación de la ET en áreas
procedimiento metodológico para estimar el con-
semiáridas es vital para la gestión hídrica de las
sumo de agua de maíz forrajero mediante el uso
mismas (Villagarcía et al., 2010). En la actualidad,
de imágenes de satélite “Landsat 8.0” y el algorit-
existen varias metodologías para determinar la ET
mo SEBAL, aplicando dicha metodología en una
de forma directa o indirecta, destacando métodos,
unidad básica de producción en el norte de México
como: lisímetro de pesada, técnicas de Correlación
con la nalidad de contribuir en la optimización y
Eddy y Relación Bowen, tanque evaporímetro,
gestión del recurso hídrico en la agricultura.
formulas empíricas como: Penman-Montieth, Har-
greaves – Samani, etc. Pero estas metodologías
MATERIALES Y MÉTODOS
proporcionan resultados de forma puntual y sobre
todo asumiendo que espacialmente el cultivo se El procedimiento para la estimación de consu-
encuentra en las mismas condiciones, desprecian- mo de agua de maíz forrajero fue el siguiente:
do la variabilidad de suelo (propiedades físicas),
sistema de riego, topografía, manejo de cultivo,
86 AGROFAZ
RELACIONES AGUA-SUELO-PLANTA
AGROFAZ 87
AGROFAZ VOLUMEN 17 NÚMERO 2 2017
(4) (7)
88 AGROFAZ
RELACIONES AGUA-SUELO-PLANTA
y parámetros de la vegetación.
Por último, se calculó la fracción de de refe-
h) Flujo de calor sensible ( ). Para el cálculo rencia ( )), este parámetro es de importan-
se realizó una serie de iteraciones con el n de cia para el cálculo de la evapotranspiración dia-
corregir las variables de la resistencia aerodi- ria y mensual, y se calcula de la siguiente forma:
námica ( ), la diferencia entre temperaturas
( ) y la densidad del aire ( ) por los efectos
de la inestabilidad atmosférica. La estimación (9)
de “ ” se realizó a partir de una medida de la
velocidad del viento en el área de estudio, para La es un término equivalente al coe-
la misma hora de la captura de la imagen, con ciente del cultivo , se utiliza para extrapolar el
la cual se calculó la velocidad de fricción (u*) valor de la instantánea estimada en el mo-
solo para la estación meteorológica. Luego se mento de la toma de la imagen.
calculó (U200) que es la velocidad del viento a j) Evapotranspiración Diaria ( ). El cálculo
una altura de 200 m donde se asume que los se realizó suponiendo que la “ ” se mantie-
efectos de la rugosidad de la supercie son des- ne constante durante todo el día, debido a que
preciables en el cálculo. Como la temperatura la humedad del suelo no varía de manera signi-
del aire para cada pixel es desconocida, SEBAL cativa durante un período de 24 horas (Shutt-
calcula asumiendo una relación lineal entre leworth et al., 1989; Brutsaert, 1992). La “
( ) y ( ). Para establecer esta regresión li- ” en mm.dia-1 se calculó a partir de la “ ”
neal se seleccionaron dos pixeles para cada mediante la siguiente ecuación:
imagen estudiada, uno completamente “seco-
caliente” donde no hay “ ” y otro completa-
mente “húmedo-frío” donde se espera un 100% (10)
de . Una vez establecidos los pixeles “frío”
y “caliente” con sus respectivos parámetros se Donde es la fracción de y
obtuvo la regresión lineal para el cálculo de es la evapotranspiración de referencia acumula-
( ) para cada pixel. Posteriormente, se esti- da para el día de la imagen.
maron los valores de “ ” y de forma able. k) Evapotranspiración acumulada o men-
sual. Los valores de “ ” fueron represen-
i) Flujo de calor latente ( ), calor latente de tativos para la fecha especíca de la imagen.
vaporización ( ), ET instantánea ( ) Por lo tanto, fue necesario determinar los
y fracción de de referencia ( ). valores de la evapotranspiración acumulada
El Àujo de calor latente ( ) fue calculado como ( ) por medio del cálculo de los valores
el residuo de la ecuación del balance de energía diarios de la evapotranspiración de referencia
utilizando la ecuación de (Bastiaanssen, 1998). ( ) para todo el período, utilizando el método
Luego se estimó el calor latente de vaporización de Penman-Monteith y los datos de la estación
( ) que varía en función de la temperatura su- meteorológica. La “ ” se calculó con la
percial. Obtenidos “ ” y “ ” se calculó la ET siguiente ecuación:
instantánea ( ) con la siguiente ecua-
ción:
(11)
(8)
AGROFAZ 89
AGROFAZ VOLUMEN 17 NÚMERO 2 2017
90 AGROFAZ
RELACIONES AGUA-SUELO-PLANTA
NDVI = índice de vegetación normalizado; SAVI = índice de vegetación ajustado al suelo; LAI = índice de área
foliar; Rn = radiación neta; G = Àujo de calor de suelo; H = Àujo de calor sensible; λET = Àujo de calor latente; λ=
calor latente de vaporación.
AGROFAZ 91
AGROFAZ VOLUMEN 17 NÚMERO 2 2017
92 AGROFAZ
RELACIONES AGUA-SUELO-PLANTA
Figura 1. Mapa de índice de vegetación “NDVI” del área de estudio establecido con maíz
forrajero a 93 días después de la siembra (fecha: 28 de junio de 2017).
Figura 2. Mapa de evapotranspiración real de cultivo del área de estudio establecido con
maíz forrajero a 93 días después de la siembra (fecha: 28 junio de 2017).
AGROFAZ 93
AGROFAZ VOLUMEN 17 NÚMERO 2 2017
94 AGROFAZ
RELACIONES AGUA-SUELO-PLANTA
Shuttleworth, W., Gumer, R., Hsu, A., y J. Omsby. Villagarcía, L., Were, A., García, M., y F. Domingo.
1989. FIFE: the variation in energy portioning 2010. Sensitivity of a clumped model of evapo-
at surface Àux sities, remote sensing and large transpiration to surface resistance parameteri-
scale global processes. International Associa- sations: Application in a semi-arid environment.
tion of Hydrological Sciences. p.p. 67 – 74. Agricultural and Forest Meteorology. p.p. 1068
– 1078.
USGS. 2017. Servicio Geológico de los Estados
Unidos. https://landsatlook.usgs.gov/. Fecha: Villaman, R. P., L. Tijerina C., A. Quevedo N., y G.
28 marzo 2017. Crespo Pichardo. 2001. Comporación de mé-
todos micrometeorologicos para estimar eva-
Velasco, E., y Bernabé, R.M., 2004. Emisiones
potranspiración. Revista TERRA. Volumen 19.
Biogenéticas. Primera Edición ed. Ciudad de
Número 3. 281-291.
México D.F., México: Secretaría de Medio Am-
biente y Recursos Naturales: Instituto Nacional
de Ecología.
AGROFAZ 95