Determinacion de Necesidades Hidricas de

Colección: Cuadernos Científicos para el Regadío
DETERMINACIÓN DE NECESIDADES HÍDRICAS DE LOS

CULTIVOS DE LAS VEGAS ALTAS DEL GUADIANA MEDIANTE
TÉCNICAS DE TELEDETECCIÓN (2019)
Julián Tapia Benito

Marina Humanes Cecilia
SERVICIO DE REGADÍOS 1
27/05/2020
DETERMINACIÓN DE NECESIDADES HÍDRICAS DE LOS CULTIVOS DE LAS

VEGAS ALTAS DEL GUADIANA MEDIANTE TÉCNICAS DE TELEDETECCIÓN
(2019)
1 1
Tapia Benito, Julián.; Humanes Cecilia, Marina.
1
Consejería. de Agricultura, Desarrollo Rural, Población y Territorio.
Junta de Extremadura. Avda Luis Ramallo s/n 06800 Mérida (Badajoz). julian.tapia@juntaex.es
INTRODUCCIÓN
Son muchos los problemas globales que a la vuelta de cada década permanecen enquistados
o avanzan hacia su solución a pasos cortos. El del uso eficiente y sostenible del agua es uno
de los que podrían encuadrarse en el segundo grupo, de obviar el escenario de cambio
climático en el que estamos inmersos. No en vano la Agenda 2030 de la FAO (objetivo 6.4) y la
Directiva Marco del Agua 2000/60CE consideran la eficiencia y la sostenibilidad de los recursos
hídricos objetivos prioritarios para el siguiente decenio. La agricultura no es ajena a este reto,
ya que es el sector primario el que de forma global utiliza el 70% de los recursos hídricos que
se consumen en actividades humanas.
Al margen de voces que promueven una huída hacia adelante con propuestas de más
regulación de cauces de agua, en definitiva, construcción de nuevos embalses, la solución no
pasa por camino diferente al ya señalado a inicios de siglo: la mejora de la eficiencia del uso
del agua en la agricultura (Andersen, et al 1999). Es cierto que sólo con el concurso del uso del
agua sobre nuestros cultivos seremos capaces de afrontar las actuales y futuras necesidades
alimenticias de la humanidad, aunque lo es también que únicamente con sistemas de riego
eficientes podremos garantizar la calidad y cantidad de un recurso natural compartido.
El camino a recorrer es largo y es preciso abordarlo con una estrategia global que incluya
aspectos como la mejora de las infraestructuras de transporte y distribución de agua, el cambio
de sistemas de aplicación de ésta en parcela, el estudio de estrategias de riego deficitario, la
sistematización de superficies de riego o el desarrollo de programas de formación para
agricultores y técnicos.
Como en cualquier otro proceso productivo en el que interviene un recurso, la eficiencia del uso
del agua en la agricultura se determina como cociente entre la cantidad estrictamente
necesaria en el proceso y la finalmente consumida o utilizada. A pesar de la complejidad del
desafío, a la determinación del numerador está dedicado este trabajo, como capitulo necesario
y previo a los de demanda, concesión, consumo o eficiencia.
Los estudios de necesidades netas hídricas de cultivos (en adelante NN) no son una novedad.
Se han abordado trabajos de forma profusa durante el pasado siglo y presente para todo tipo
de casos concretos de cultivos, suelos, variedades y sistemas de riego y prácticas culturales.
Sin embargo, son menos los que han abordado el calculo de NN hídricas a gran escala
superficial. La causa principal es que hasta hace poco no han existido herramientas y fuentes
de información que hayan permitido éstos con suficientes garantías.
Actualmente estos trabajos a gran escala son abordables gracias a la concurrencia de

diferentes fuentes de información, como las imágenes satelitales, meteorología agrícola de los
Sistemas de Asesoramiento al Regante, cartografía temática existente o la precisa localización
del puzzle de cultivos, a la declaración PAC. Todo esta información de naturaleza diversa, no
podría integrarse en complejos sistemas de cálculo si no se contase con los métodos de
obtención de datos y procesamiento que hoy denominados "Bigdata".
27/05/2020
La información de detalle de un gran número de variables sobre el terreno, unido a la potencia
de cálculo actual, permiten obtener resultados a diferentes escalas mediante la integración de
lo concreto, y no a través de la generalización o el estudio global, lo que se traduce en la
obtención de resultados más precisos.
Del conjunto de disciplinas que coadyuvan para la realización de estos estudios, ha sido, sin
lugar a dudas, el desarrollo de la ingeniería espacial orientado a la observación de la tierra, la
que ha supuesto el gran salto cualitativo para poder abordarlos. La clave está en la posibilidad
actual de observar el territorio con la resolución espacial y la frecuencia temporal que exige la
dinámica agrícola.
El fundamento de aplicación de los productos satelitales al ámbito de la agricultura y, más

concretamente al del cálculo de evapotranspiración de cultivos, tiene sus primeros hitos en la
concepción del coeficiente de cultivo basal (Wright, 1982), en el estudio de la relación entre el
desarrollo vegetativo e índices de vegetación obtenidos de la reflectividad en distintas bandas
por Heilman et al. (1982), en la unión de ambas ideas para obtener coeficientes de cultivo a
partir del NDVI en diversos cultivos herbáceos (Bausch and Neale, 1987) o en la reducción del
efecto del suelo en cultivos con cobertura vegetativa parcial (Huete, 1988).
Son diversos los trabajos posteriores en diferentes cultivos, entre los que cabe citar el de
algodón y remolacha por González-Dugo y Mateos (2008) e incluso en leñosos, como el
desarrollado en viña por Campos (2010), en manzano por Odi-Lara (2016), melocotonero
(Tapia y Humanes, 2016), la extensión del estudio a grandes superficies regables (Gonzalez-
Dugo et al, 2009) o el desarrollo de webs que integren toda la metodología e información en
sistemas de información geográfica, como SPIDER
OBJETIVOS
El presente trabajo pretende la determinación de las NN (ETc-Prec efectiva) de los cultivos en

las zonas regables oficiales de las Vegas Altas del Guadiana en Extremadura, mediante el uso
combinado de información agrometeorológica, satelital y la declaración de cultivos de la PAC.
La elección de estas zonas del total de zonas regables de Extremadura obedece a varios
motivos:
a) Permitiría la comparación de NN por cultivos en zonas regables con sistemas de distribución

en baja diferentes: presurizada en el caso de Zújar y por gravedad en el caso de Orellana, por
ejemplo. La diferencia entre un sistema de riego por turnos y otro a la demanda podría aún
tener su efecto en la evolución de los cultivos a lo largo del ciclo, a pesar de la cada vez mayor
implantación del riego localizado en Orellana.
b) La elevada superficie cultivada de arroz en Vegas Altas del Guadiana la hace ideal para
testar nuevos algoritmos de cálculo de NN para este cultivo.
c) La vecindad de todas las zonas regables es también una causa de su elección, ya que en el
análisis comparativo permitiría descartar que las diferencias de NN agrupadas por cultivos
pudieran ser debidas a meteorología sensiblemente diferente o a variaciones en el procesado
de las imágenes satelitales, ya que todas las zonas regables están encuadradas en una
misma escena de Sentinel2, la T30STJ.
Los resultados se mostrarán a vuelo de pájaro, sin pormenorizar, con un enfoque descriptivo,
intentando analizar posibles incoherencias y proponiendo mejoras metodológicas para
campañas sucesivas.
La metodología empleada ha servido como base para el desarrollo e implantación de un

software de cálculo automático destinado a usuarios colectivos de riego (comunidades de
regantes y administraciones públicas) que no solo contribuirá a homogeneizar criterios
27/05/2020
empleados en la gobernanza del agua de riego sino también fracilitar la toma de decisiones en
la gestión de los regadíos en campaña y, por tanto, a la mejora de la eficiencia del uso del agua
en las zonas regables.
MATERIAL Y MÉTODOS
Área de estudio
Vegas Altas del Guadiana define a una importante zona agrícola de regadío del suroeste
español, en la Comunidad Autónoma de Extremadura. El perímetro regable sobrepasa con
creces las 100.000 ha, cuya transformación fue mayoritariamente de iniciativa pública. Se
encuentra surcada por los ríos Guadiana, Zújar y otros tributarios, regulados principalmente por
los embalses de La Serena, Orellana, Zújar García de Sola y Sierra Brava.
Las zonas regables oficiales, transformadas por iniciativa pública son Orellana, Zújar, Zona
Centro y Entrerríos y es sobre éstas sobre las que se centra el trabajo, a pesar de existir
concesiones de riego adicionales y comunidades de regantes de ámbito privado.
El cálculo de las NN de los cultivos se ha realizado sobre los recintos integrados en las zonas
regables oficiales. La Zona Centro no se encuentra totalmente transformada, conviviendo
sectores en estudio, ejecución y explotación. No obstante, el cálculo se ha realizado de la
misma forma que en el resto de zonas para obtener una foto fija de la situación actual, a pesar
de diferir de la que existirá en el futuro cuando toda la zona regable esté en riego.
Figura 1. Zonas regables oficiales de las Vegas Altas del Guadiana
Clima, meteorología y suelo

El clima, atendiendo a la clasificación de Papadakis, se caracteriza por un Tipo de invierno G
(Citrus) y Tipo de Verano 8W (Tórrido de Algodón). El régimen hídrico es Mediterráneo (Me). El
tipo climático de la zona es Mediterráneo y el subtipo Mediterráneo Subtropical.
La gráfica 1 muestra el promedio de la evapotranspiración mensual (Penman_Monteith) y

precipitación de la década 2010-2019 y la del año 2019 en mm en la estación Don Benito de
REDAREX
27/05/2020
Gráfico 1. Evapotranspiración (Penman-Monteith) y precipitación del año 2019 y de la década 2010-2019

en la estación de Don Benito.
Los suelos son producto de las unidades cuaternarias de naturaleza fluvial del río Guadiana y
sus tributarios (Zújar, Búrdalo, Ruecas, Alcollarín, Gargáligas y Cubilar). Su naturaleza es
variada dependiendo de los materiales de partida y de la dinámica erosiva y sedimentaria
aunque a grandes rasgos, atendiendo sólo a su textura, se puede decir que existe
predominancia en Orellana y Zújar de los suelos arenosos y franco-arenosos (60%) mientras
que en Entrerríos representan dichas texturas la práctica totalidad de la zona regable. En la
Zona Centro el 97% de los suelos están ubicados en las categorías franco-arcillo-arenoso y
franco-arenoso (cobertura edafológica del CSIC).
Figura 2. Distribución de texturas de suelo en las Vegas Altas

27/05/2020
Imágenes satelitales
La evolución del desarrollo vegetativo de los cultivos se ha cuantificado a partir del índice de
vegetación NDVI. Las imágenes que se han procesado para la obtención de este índice
proceden de las plataformas Sentinel2, A y B del programa Copernicus de la ESA, y abarcan la
totalidad de la campaña de riego de 2019 para la escena T30STJ, entre los meses de marzo y
finales de octubre.
El procesado ha consistido en la corrección atmosférica mediante el software Sen2Cor y

posteriormente el cálculo del índice de vegetación NDVI, así como la extracción de las bandas
WVP y la banda SCL. NDVI es la base para el cálculo de coeficientes de cultivo basales. La
banda WVP se ha utilizado para determinar el momento en que las superficies de arroz se han
inundado, mientras que la banda SCL nos permite discriminar qué píxeles están ausentes de
afección por nubes y son susceptibles de participar en el cálculo.
La secuencia de fechas de las escenas utilizadas se detalla en la tabla 1.
MAR ABR MAY JUN JUL AGO SEP OCT

13/03/2019 02/04/2019 02/05/2019 01/06/2019 01/07/2019 05/08/2019 04/09/2019 04/10/2019
18/03/2019 06/06/2019 06/07/2019 10/08/2019 09/09/2019 09/10/2019
12/04/2019 12/05/2019 11/06/2019 15/08/2019
28/03/2019 16/07/2019 20/08/2019 19/09/2019
22/05/2019 21/06/2019 21/07/2019 25/08/2019 24/09/2019 24/10/2019
27/04/2019 27/05/2019 26/06/2019 31/07/2019
Tabla 1. Secuencia de fechas de imágenes satelitales T30STJ libres de nubes en 2019
Coberturas vectoriales
Las coberturas vectoriales que se han utilizado han sido la declaración gráfica GESPAC de
2019, la cobertura gráfica de zonas regables oficiales y los sectores de las Vegas Altas (Zújar,
Orellana, Zona Centro y Entrerríos) y el vectorial de estaciones agrometeorológicas..
De la declaración GESPAC se han solicitado al Servicio de Sistema de Información Agraria de

la Dirección General de Administración Electrónica y Tecnologías de la información, la
geometría y los campos relativos a recinto, superficie y cultivo, previo permiso de la D.G. PAC..
El valor representativo del índice de vegetación correspondiente a cada recinto y para cada
fecha de la que se dispuso de una imagen satelital se ha calculado a partir de la mediana del
valor de los píxeles completos incluidos en el interior de la geometría de cada recinto.
Calculo de ETo
Para el cálculo de la evapotranspiración de referencia se ha seguido el método combinado de
Penman-Monteith propuesto por ASCE (Allen et al, 2005), que determina la suma de
evaporación y transpiración de una pradera sana y en crecimiento activo, con un desarrollo
vegetativo constante, por lo que la variación en la evapotranspiración depende, por tanto, tan
sólo de la meteorología. El cálculo se ha realizado a partir de los datos semihorarios de
REDAREX_plus (Tª, HR, Velocidad del viento, precipitación y radiación). El valor de resistencia
de cubierta diurno se ha fijado en 50 m/s y en 200 m/s el nocturno (Allen et al, 2006). El valor
de evapotranspiración de referencia diario se ha obtenido como la suma de la
evapotranspiración semihoraria para cada día (48 registros).
Cálculo de índices de vegetación

Los índices de vegetación se han calculado a partir de la reflectividad de las bandas 8 y 4 de
las imágenes Sentinel2 una vez se ha realizado la corrección atmosférica. La resolución
espacial se ha mantenido en 10 metros de lado de píxel.
27/05/2020
Cálculo de Kc
El ratio entre la evapotranspiración de una pradera bien regada y con una altura constante,
caracterizada por el valor de ETo, y la evapotranspiración del cultivo, está relacionado
directamente con el desarrollo vegetativo de éste. La inversa de este ratio, que denominamos
coeficiente de cultivo (en adelante Kc) se ha determinado siguiendo la base conceptual
propuesta por el manual 56 de FAO en la vertiente de Kc_dual (Allen et al, 1998). Esto significa
que por un lado se ha calculado un coeficiente de cultivo basal o transpirativo (Kcb) y por otro
un coeficiente de evaporación directa desde el suelo (Ke). En la modelización de ambos
coeficientes ha intervenido el valor del índice NDVI, como medida indirecta del desarrollo
vegetativo del cultivo y del porcentaje de suelo cubierto por la masa vegetativa.
Kcb se ha obtenido indirectamente a partir de la información procedente de las imágenes ráster

de NDVI mediante una función lineal.
El valor máximo de NDVI observado en series temporales mixtas de imágenes satelitales de

LANDSAT8 y SENTINEL2 se sitúa en 0.95 (sobre un teórico de 1) y se observa en cultivos con
un desarrollo sano, elevado índice de área foliar y que cubren la totalidad del suelo, como la
alfalfa o el arroz en su apogeo.
Este valor máximo es el que comúnmente sirve como umbral superior en las posibles rectas
lineales a la hora de determinar las funciones que correlacionan el coeficiente de cultivo basal
con el NDVI. (Neale et al, 1989; Rocha et al, 2010; Campos et al, 2010) y suele corresponderse
en muchos cultivos herbáceos con el valor Kcb=1.15 propuesto por el manual 56 de la FAO
para muchos cultivos herbáceos (Allen et al, 1998).
Así, se ha hecho coincidir un valor de NDVI=0.16, representativo de un suelo desnudo, con un

valor de 0.00 de Kcb, mientras un valor de NDVI=0.95 se ha correspondido con un Kcb=1.15.
El valor suelo de Kcb es inferior al que se observa en la bibliografía existente pero coincide
conceptualmente con la idea de que en un terreno desnudo, sin vegetación, no existe
transpiración sino sólo evaporación.
La función obtenida, por tanto, es:
Siguiendo la metodología del manual 56 de FAO, este valor de Kcb obtenido se ha corregido
posteriormente para condiciones de humedad relativa y de velocidad del viento diferentes a los
estándares que propone el manual (HRmed=45% y vel. viento= 2 m/s). Obtenemos con ello un
valor corregido de Kcb que denominamos Kcb_corr.
donde
Kcb es el coeficiente de cultivo basal calculado anteriormente

u2 es la velocidad media del viento diaria
HRmed es la humedad relativa media diaria
La aplicación de la función se ha simplificado debido a que, si bien se dispone de información

agrometeorológica detallada para la zona de estudio, no se dispone de la altura del cultivo en
cada momento, por lo que este término ha sido eliminado de la función. No obstante, el peso
27/05/2020
de la altura del cultivo es inferior al que representan la variación de humedad relativa y
velocidad del viento respecto a las condiciones de partida.
El cálculo de la componente evaporativa del Kc se ha realizado a partir de un método

simplificado al no disponer de información sistema de riego o el tipo de suelo de cada uno de
los recintos cultivados, lo que podría permitir estimar una frecuencia de riegos, porcentaje de
suelo mojado o período de secado de la superficie del suelo. Se ha partido para su
modelización de la metodología propuesta por Wright (1981) estipulando riegos diarios en los
que la superficie mojada se fija en un 25% y el período de secado de la superficie del suelo se
fija en 2 días.
El cálculo de esta componente evaporativa (Ke) se ha ajustado al desarrollo vegetativo del

cultivo utilizando la evolución del promedio del NDVI en cada recinto de riego.
donde
Ka es una variable de estrés hídrico, considerada aquí como 1

t es el tiempo transcurrido desde el riego en días
td es el tiempo de secado de la superficie del suelo en días
fw es la porción unitaria de superficie de suelo humedecida en cada riego
Kcb se ha sustituido en ciertos cultivos herbáceos por Kcb_max
La introducción del valor Kcb_max en algunos cultivos herbáceos se lleva a cabo para limitar la
sobreestimación de Ke producida al aplicar directamente la función de Wright (1982) en
cereales, arroz o maíz en algunos estados fenológicos. Durante la fase de senescencia y
secado de estos cultivos el valor de NDVI se reduce gradualmente, lo que se traduce
lógicamente en un descenso de Kcb. Debido a ello el término primero de la función de la
componente evaporativa se incrementa de forma artificiosa. En la metodología aplicada en este
trabajo se ha considerado que la permanencia de la masa vegetativa hasta la recolección
sombreando la superficie del suelo, unido al incremento del albedo del cultivo durante el
secado logran mantener la tasa evaporativa en ratios similares a los mínimos obtenidos con el
máximo desarrollo vegetativo en activo del cultivo, e incluso reducirlo, generando un efecto de
mulching, tal y como sugieren algunos trabajos (Vieira et al, 2016; Risheng et al, 2013). Es por
ello que la variable Kcb en el primer término de la función de Wright ha sido sustituido por
Kcb_max.
En el caso del arroz se ha aplicado una modificación del método anterior. La estimación de
Kcb se ha realizado siguiendo el procedimiento expuesto anteriormente y ha sido en la
determinación de la componente evaporativa donde se ha aplicado una función alternativa para
dar respuesta a las particularidades del cultivo, principalmente al estado de encharcamiento en
el que permanece durante casi todo el ciclo.
La convivencia todavía de un sistema de siembra tradicional tras la inundación con un sistema

cada vez más extendido de siembra en seco, y posterior inundación, han dificultado la
articulación de una secuencia de algoritmos de decisión con la flexibilidad necesaria. En el
primer caso las necesidades hídricas se inician a un elevado ratio debido a la evaporación
directa desde la lámina libre de agua, mientras en el segundo el cultivo detrae agua del suelo
como un cereal de secano, hasta que se inunda el recinto. La acomodación del método
desarrollado ha precisado que se adopte la convención de dar por comenzado el ciclo y cálculo
de necesidades hídricas cuando se inunda la parcela. Es obvio que vegetativamente no es así,
y minusvalora las necesidades netas del cultivo durante casi un mes en el caso de siembra en
seco, aunque se consideró que el error cometido pudiera ser asumible.
27/05/2020
La función elegida para obtener Ke obedece a la idea de que la evaporación es máxima con
una lámina libre de agua y ésta se reduce gradualmente a medida que el cultivo cubre esta
lámina e incrementa su altura y su índice de área foliar, debido al incremento de la resistencia
aerodinámica a la transferencia de vapor y a la reducción de la incidencia directa de la luz
sobre la lámina de agua. Esta reducción en la evaporación se produce al tiempo que
incrementa la transpiración debida al desarrollo del cultivo.
Así,
donde
NDVI_MAX es el valor máximo de NDVI que se va obteniendo durante el ciclo.

NDVI_TOP es el valor máximo teórico de NDVI, fijado en 0.95
Kemin es el valor mínimo de tasa evaporativa a máximo desarrollo. Estimado en 0.1
La detección del momento de encharcamiento se ha realizado integrando en el modelo de

cálculo la banda WVP de Sentinel, obtenida tras la realización de la corrección atmosférica.
Evapotranspiración de cultivos y cálculo de NN.
La evapotranspiración del cultivo, ETc, se ha calculado finalmente a partir de la función
Las necesidades netas se establecen como diferencia entre la evapotranspiración del cultivo y
la precipitación efectiva, esta última variable extraída de REDAREX. Es preciso reseñar que el
balance de agua entre la evapotranspiración de los cultivos y la precipitación efectiva se ha
realizado dentro del período de estudio sin tener en cuenta el balance de agua en el suelo
fuera de este período, donde el almacenamiento de agua en el perfil del suelo debido a las
precipitaciones inverno-otoñales es importante, lo que podría determinar finalmente unas NN
inferiores a las calculadas. Este aspecto podría tener cierta repercusión en el caso de cultivos
leñosos con elevado porte y potencia radicular.
La función que determina las NN de los cultivos es la que sigue:
donde ETc es la evapotranspiración del cultivo y Peff es la precipitación que se considera

efectiva para el cultivo de la total recibida. Se calcula con el método USDA-SCS (United States
Department of Agriculture- Soil Conservation Service) a partir de las siguientes funciones:
donde
Peff es la precipitación efectiva estimada según el método USDA-SCS, en mm

ETc es la evapotranspiración del cultivo, aquí sustituida por la ETo, en pulgadas
P es la precipitación, en pulgadas
D es la reserva útil del suelo, en pulgadas.
27/05/2020
Los datos meteorológicos han sido obtenidos de REDAREX_plus. Los cálculos se han
realizado a intervalos de tiempo variables marcados por las fechas de las escenas disponibles
de Sentinel, que suele coincidir con períodos de 5 o 10 días. El nivel de desagregación espacial
es el recinto de riego.
No se han incorporado para el cálculo las posibles estrategias de riego deficitario en leñosos,
vaciados y llenados de láminas de agua en arroz, incorporación de agua disponible en el suelo
a inicio de campaña o eficiencias de transporte, distribución o aplicación en parcelas, casi
todas ellas necesarias para la obtención de las necesidades brutas, NB, es decir, de las
necesidades de riego y demandas hídricas globales de las zonas regables.
Variables de soporte al cálculo principal
El comienzo y finalización del cálculo de NN para cada uno de los cultivos de cada recinto se
ha realizado teniendo en cuenta que existen cultivos de invierno-primavera que ya están
desarrollados cuando se inicia la campaña de riego pero se recolectan cuando todavía ésta no
ha llegado a su apogeo, como los cereales, unido a cultivos herbáceos de verano con
diferentes ciclos y fechas de siembra, cultivos leñosos que están vegetando activamente
durante toda la campaña de riego y, finalmente, cultivos como el arroz, que muestran la
particularidad de permanecer inundados durante prácticamente todo su ciclo vegetativo. La
solución adoptada para un tratamiento diferenciado se ha basado en un sistema de algoritmos
diseñado para grupos homogéneos de cultivos, en función de su curva de desarrollo en el
tiempo, y del sistema y momento de recolección.
Por todo lo anterior, para realizar el cálculo completo de NN, además del obtener la ET0, Kc y
precipitación efectiva, ha sido necesario generar variables adicionales. Estas variables han sido
la pendiente diaria de NDVI, valor máximo de NDVI alcanzado en cada recinto (NDVI_MAX), la
integral acumulada del NDVI durante todo el ciclo de cultivo (NDVI_INT), la duración del ciclo
en días (CICLO), y la fecha de comienzo del ciclo (DIA_JUL). Así mismo se han establecido
para cada cultivo umbrales mínimo de NDVI para inicio y finalización del cálculo de
necesidades, así como valores máximos de NDVI en herbáceos, que mitiguen las posibles
imprecisiones durante el procedimiento de corrección atmosférica de las escenas satelitales.
La determinación de los valores de estas variables se ha realizado en base a la experiencia de

las campañas de 2017 y 2018 sobre el área de estudio.
Fuentes y software
Las imágenes satelitales se han obtenido a través de la API Hub del programa Copernicus
(scihub.copernicus.eu). El software para procesado de las imágenes ha sido SNAP v6.0 de la
ESA y QGIS2.18. Los cruces ráster-vectorial y el cálculo de todas las variables se ha realizado
con Python 3.6 a través de entornos gestionados en Anaconda.
El procesado para el cálculo de necesidades hídricas se ha realizado ejecutando en bucle

diferentes scripts en python, que han servido como prueba piloto para el desarrollo del módulo
de "NN hídricas en zonas regables" de REDAREX_plus. El análisis de correlación entre
variables y análisis de clúster se ha realizado en R3.5 a través de la interfaz gráfica RStudio.
RESULTADOS
Evolución de la evapotranspiración de referencia y precipitación
La composición del puzzle de cultivos en una zona regable determina en buena medida las
necesidades hídricas de ésta aunque la meteorología juega también un papel crucial. Sin
pretender ser exhaustivos en este documento, ya que los datos están publicados en la web
Redarex_plus, sí que es razonable hacer algunos apuntes al respecto para poder situar la
campaña desde un punto de vista meteorológico en un marco espacial y temporal.
27/05/2020
En los gráficos 2 y 3 se puede observar la ET0-PM y precipitación semanal de las estaciones

de Redarex situadas en Vegas Altas del Guadiana (puntos rojos, Fig 1), durante el período que
va de mediados de octubre de 2018 al mismo período en 2019 (Palazuelo, Don Benito, Don
Benito_EFA, Villagonzalo, Sta. Amalia y Madrigalejo). Las necesidades son muy similares
aunque habría que destacar el descenso de ET0 en estaciones situadas en enclaves rodeados
de arroz, donde la humedad relativa es sensiblemente más elevada.
La comparativa del año 2019 respecto a la media del decenio 2010-2019, fijando la estación de
Don Benito como referencia y el período de observación entre el 15 de marzo y el 15 de
octubre, desvela una tasa de evapotranspiración algo superior en el año de estudio (1124 y
1077 mm, respectivamente). Ocurre a la inversa en el caso de la precipitación, con un valor en
2019 de tan sólo 56 mm, cuando en el decenio la media alcanzó 138 mm.
La precipitación otoño-invernal, previa al inicio de campaña, fue también inferior en el año del
estudio frente al promedio del decenio (145 mm frente a 240 mm)
Gráfico 2. Variación semanal de ETo_PM durante oct 2018-oct-2019 entre estaciones

agrometeorológicas.
Gráfico 3. Variación semanal de precipitación durante oct 2018-oct-2019 entre estaciones

agrometeorológicas.
27/05/2020
Todo lo anterior nos lleva a sugerir que el año 2019, con una tasa evapotranspirativa algo
superior y menor precipitación, las necesidades netas de las zonas regables, fijando el resto de
variables, será superior a la del decenio o a las del año previo. Además, la reserva útil de agua
en el suelo ha sido también inferior, lo que puede repercutir en el balance de agua el caso de
cultivos leñosos con cierto desarrollo.
Distribución de cultivos por zona regable

Los principales cultivos de las Vegas Altas son el arroz, maíz, tomate, olivar y frutales,
distribuido el peso desigualmente entre las distintas zonas regables. En Orellana, por ejemplo
el arroz y el maíz suponen más del 60% de la superficie cultivada en 2019. En la Zona Centro,
sin haberse completado totalmente la transformación en regadío, el arroz y el maíz superan el
40% mientras el olivar alcanza casi el 30% de la superficie total cultivada. En Zújar los cultivos
predominantes son el tomate, maíz y olivar. En Entrerríos el mayor peso porcentual
corresponde a los frutales (40%), seguidos por el tomate y el maíz (20 y 12%,
respectivamente).
En la tabla 2 se muestra pormenorizadamente la distribución de superficie de los principales

cultivos en las cuatro zonas regables, la superficie total cultivada, la cultivable y el índice de
regadío, ratio entre superficie cultivada bajo riego frente a la cultivable (IR).
CENTRO ENTRERR ORELLANA ZUJAR V. ALTAS

CULTIVOS SUP(ha) SUP(ha) SUP(ha) SUP(ha) SUP(ha)
ARROZ 2601 48 15844 557 19050
OLIVAR 3142 47 1830 3113 8132
MAIZ 1648 70 15002 4703 21423
ALMENDRO 192 4 481 166 842
TOMATE 554 113 8243 4095 13005
CEREALES INVIERNO 957 39 1041 1202 3239
FORRAJERAS PRATENSES 368 3 666 268 1305
FRUTALES 732 214 4297 1887 7130
GIRASOL 119 2 1061 370 1552
OTROS 200 8 1142 781 2131
SUMA PRINCIP. CULT 10313 539 48465 16361 75678
TOTAL_CULTIVADO 10513 547 49607 17142 77809
TOTAL CULTIVABLE 11719 577 51490 17870 81656
IR* 0.70 0.95 0.96 0.94
Tabla 2. Superficies de cultivo en 2019
De una forma más intuitiva la distribución de la superficie de cultivos en las cuatro zonas
regables se muestra en los gráficos 4 a 7.
La proporción de cada cultivo en las zonas regables, e incluso entre sus sectores, determinará
en gran medida diferencias de necesidades netas medias por unidad de superficie. En líneas
generales, la presión que soportará la infraestructura de distribución de agua y el medio
circundante será mayor en aquellas zonas que mantengan una mayor proporción de cultivos
con ciclos más largos, mayor desarrollo vegetativo, en definitiva, más demandantes de agua o
con sistemas de distribución o aplicación en parcela menos eficientes.
27/05/2020
Gráficos 4 a 7. Distribución porcentual de cultivos en 2019 por zona regable.
NN por zona regable y cultivo

3
En Zona Centro las NN de los cultivos ascendió a 49.28 Hm para un total de 10513 ha
cultivadas de 11719 cultivables. El índice de regadío (en adelante IR), teniendo en cuenta que
hay sectores no transformados, asciende a 0.7. El cultivo que más agua demandó fué el arroz,
con un 44% de las NN y con un peso en superficie del 25%. El maíz y olivar le siguieron en
importancia con un 19.1% y 16.15% de las NN para una distribución porcentual en superficie
del 15.7% y 29.9% respectivamente. Es preciso señalar que esta zona regable no tiene
finalizadas las obras de puesta en riego, por lo que los resultados son una mezcla de
superficies en secano y regadío (Tablas 3 y 7).
3
En Entrerríos las NN totales ascendieron a 3.02 Hm para una superficie cultivada de 547 ha,
de las 577 ha cultivables. El 48% de las NN correspondieron al conjunto de cultivos frutales
(bajo el apelativo "frutales" se han agrupado los cultivos albaricoquero, almendro, arándano,
caqui, ciruelo, higuera, kiwi, manzano, melocotonero, membrillo, naranjo, nectarino, nogal,
paraguayo, peral, platerina, uva de mesa, viñedos-vinificación, viña-olivar y otros frutales) que
representan al 39% de la superficie cultivada. Le sigue en importancia de NN el tomate de
industria (17%) con un porcentaje de superficie cultivada algo superior al 20% (Tabla 5).
En la zona regable de Orellana las NN globales de los cultivos en la campaña ascienden a 317
3
Hm , distribuidos entre los 36 sectores de riego. El perímetro total de la zona regable oficial es
de 61693 ha, de las cuales son potencialmente regables unas 51490 ha. De esta superficie
potencialmente regable, durante el año 2019, se han declarado como cultivos a la PAC en el
perímetro 49607 ha. IR=0.96, excluyendo, como en las otras zonas, los recintos declarados
como barbecho o secano (Tabla 6).
27/05/2020
El 45% de las NN de los cultivos, se atribuyen al cultivo de arroz con un peso porcentual en
superficie de casi el 32%. En segundo lugar las NN del maíz suponen el 28% del total con un
peso de superficie total cultivada del 30%. Le sigue en importancia el tomate para
transformación con casi un 12.4% de las NN y una importancia en superficie de casi el 16.6%.
Los frutales tienen unas NN del 8.1% con un 8.6 de la superficie total cultivada (Tabla 3).
3
En Zújar las NN ascendieron a 79.7 Hm , con una superficie total cultivada de 17142 ha. El
35% de las NN correspondieron al maíz, que representa un 27.5% en superficie. El tomate de
industria requirió un 25% de las NN con un porcentaje de superficie total cultivada casi
coincidente, 24%. El olivar le sigue en importancia con un 12.4% de las NN para una superficie
del 18.6% del total cultivada. (Tabla 4).
CENTRO ENTRERR ORELL ZUJ V. ALTAS
CULTIVOS NN(m3) NN(m3) NN(m3) NN(m3) NN(m3)

ARROZ 21.6723 0.4337 141.6720 4.7198 168.4976
OLIVAR 7.9615 0.1262 4.3161 9.8627 22.2665
MAIZ 9.4053 0.4004 89.3928 28.3089 127.5074
ALMENDRO 0.5338 0.0071 1.6165 0.7132 2.8707
TOMATE 2.6607 0.5247 39.2383 20.1775 62.6011
CEREALES INVIERNO 0.9109 0.0397 1.3534 1.3672 3.6712
FORRAJERAS PRATENSES 0.8846 0.0142 3.5284 1.4143 5.8415
FRUTALES 4.6218 1.4610 25.7356 9.3165 41.1349
GIRASOL 0.1880 0.0021 4.3696 1.2741 5.8338
OTROS 0.4438 0.0064 5.6388 2.5303 8.6192
SUMA (cultivos princp) 48.8389 3.0090 311.2226 77.1543 440.2248
TOTAL_CULTIVADO 49.2827 3.0154 316.8614 79.6846 448.8440
Tabla 3. NN por zona regable para los principales cultivos.
La distribución de superficie y NN por sectores y para los cinco cultivos mayoritarios se

muestran en las tabla 4 a 7.
ARROZ MAIZ TOMATE OLIVAR FRUTALES

ZONA_REG SECTOR SUP (ha) NN (Hm3) SUP (ha) NN (Hm3) SUP (ha) NN (Hm3) SUP (ha) NN (Hm3) SUP (ha) NN (Hm3)
ZUJAR I 34 0.2715 89 0.4751 311 1.4745 27 0.0707 204 1.2888
ZUJAR II 97 0.8152 330 1.9341 1045 5.0400 27 0.0900 169 0.9721
ZUJAR III-IV 209 1.7119 954 5.7308 832 4.2411 107 0.1912 67 0.3670
ZUJAR IX-X 55 0.4882 788 4.5793 12 0.0685 1061 3.0184 360 1.7232
ZUJAR V-.2 0 0.0000 250 1.5983 105 0.5250 16 0.0162 0 0.0000
ZUJAR V-1 60 0.5232 743 4.5675 734 3.6758 74 0.2317 87 0.6824
ZUJAR V-3 51 0.4853 221 1.4243 190 1.0175 156 0.6665 165 1.0432
ZUJAR VII 0 0.0000 291 1.7495 164 0.8056 372 1.5296 116 0.5092
ZUJAR VIII-1 40 0.3413 658 3.9581 597 2.8277 1020 3.2780 630 2.3427
ZUJAR VIII-2 11 0.0831 379 2.2921 104 0.5018 251 0.7704 88 0.3879
Tabla 4. NN y superficies por cultivo y sector de la zona regable de Zújar
27/05/2020

ENTRERRIOS XXXVI 48 0.4337 70 0.4004 113 0.5247 47 0.1262 215 1.4610
SUBTOTAL
ENTRERRIOS 48 0.4337 70 0.4004 113 0.5247 47 0.1262 215 1.4610
Tabla 5. NN y superficies por cultivo y sector en Entrerríos

ZONA_REG SECTOR SUP (ha) NN (Hm3) SUP (ha) NN (Hm3) SUP (ha)NN (Hm3) SUP (ha) NN (Hm3) SUP (ha) NN (Hm3)
ORELLANA I 15 0.1173 19 0.1134 0 0.0000 7 0.0186 3 0.0057
ORELLANA II 70 0.6025 63 0.3311 257 1.1938 6 0.0035 882 5.6065
ORELLANA III 106 0.9139 162 0.9393 174 0.8486 5 0.0264 437 2.9105
ORELLANA IV 610 5.0664 963 5.9754 730 3.6266 86 0.2429 382 2.2709
ORELLANA IX 612 5.7837 97 0.5534 27 0.1121 42 0.1208 182 1.0444
ORELLANA V 650 6.2599 49 0.3008 9 0.0408 87 0.2122 257 1.3951
ORELLANA VI 657 5.5740 174 0.9547 5 0.0154 66 0.0242 45 0.2728
ORELLANA VII 974 8.7634 37 0.2153 7 0.0203 46 0.1158 17 0.0842
ORELLANA VIII 678 6.1117 105 0.6247 15 0.0699 73 0.1341 206 1.2566
ORELLANA X 1167 10.9810 18 0.0927 21 0.0792 111 0.1918 286 1.7251
ORELLANA XI 384 3.4539 3 0.0120 0 0.0000 31 0.0646 73 0.4222
ORELLANA XII 1330 10.8972 114 0.6556 158 0.6789 39 0.1034 104 0.6149
ORELLANA XIII 255 2.0864 360 2.1234 27 0.1215 37 0.0084 4 0.0249
ORELLANA XIIIe 61 0.5263 6 0.0340 0 0.0000 0 0.0000 0 0.0000
ORELLANA XIV 282 2.4175 183 1.0802 0 0.0000 6 0.0068 5 0.0351
ORELLANA XIX 227 2.2010 362 2.0981 111 0.4955 8 0.0121 0 0.0000
ORELLANA XV 446 4.2950 86 0.5230 12 0.0538 22 0.0467 104 0.5839
ORELLANA XVI 1542 13.9782 189 1.0653 174 0.7200 11 0.0141 88 0.5634
ORELLANA XVII 1051 9.2946 411 2.4310 635 2.8358 9 0.0288 65 0.4597
ORELLANA XVIII 660 6.3871 305 1.7703 75 0.3552 92 0.1078 76 0.4755
ORELLANA XX 622 5.7547 691 4.0116 241 1.1292 110 0.3124 246 1.3623
ORELLANA XXI 671 6.3027 976 5.8170 446 2.3601 15 0.0561 80 0.5452
ORELLANA XXII 581 5.1430 712 4.2172 102 0.5074 14 0.0443 246 1.5748
ORELLANA XXIII 571 4.9380 577 3.3794 172 0.8794 125 0.1098 57 0.3314
ORELLANA XXIV 577 5.2384 1310 7.7233 492 2.4303 126 0.4128 9 0.0601
ORELLANA XXIX 0 0.0000 708 4.0256 327 1.5542 15 0.0383 3 0.0144
ORELLANA XXV 216 1.8930 208 1.2176 178 0.8705 40 0.1833 8 0.0611
ORELLANA XXVI 274 2.3856 452 2.6192 689 3.1794 26 0.0504 0 0.0000
ORELLANA XXVII 271 1.9855 1059 6.2985 1039 4.9007 33 0.1136 1 0.0034
ORELLANA XXVIII 0 0.0000 602 3.4736 320 1.5826 64 0.2645 5 0.0005
ORELLANA XXX 0 0.0000 573 3.4242 282 1.3033 44 0.0917 16 0.0503
ORELLANA XXXI 115 1.0442 573 3.5096 224 1.0426 53 0.2342 151 0.3588
ORELLANA XXXII 0 0.0000 555 3.3907 291 1.3638 56 0.1108 0 0.0000
ORELLANA XXXIII 12 0.0823 442 2.6912 293 1.4137 93 0.2948 102 0.7257
ORELLANA XXXIV 91 0.6753 577 3.7084 180 0.8506 127 0.2507 120 0.6073
ORELLANA XXXV 65 0.5182 1282 7.9918 532 2.6030 109 0.2655 40 0.2879
SUBTOTAL ORELLANA 15844 141.6720 15002 89.3928 8244 39.2383 1830 4.3161 4298 25.7356
Tabla 6. NN y superficies por cultivo y sector de la zona regable de Orellana.
27/05/2020

CENTRO I 497 4.1894 352 2.0075 28 0.1272 519 1.4307 0 0.0000
CENTRO II 405 3.3743 336 1.9116 119 0.6109 1055 1.8333 17 0.0415
CENTRO III 160 1.2542 113 0.6313 0 0.0000 121 0.4444 11 0.0697
CENTRO IV 840 6.6416 0 0.0000 0 0.0000 21 0.1174 0 0.0000
CENTRO IX 97 0.8510 107 0.6293 0 0.0000 285 0.6235 82 0.5698
CENTRO VI 357 3.1535 478 2.7171 0 0.0000 162 0.2854 146 1.0133
CENTRO VII 0 0.0000 53 0.3332 0 0.0000 51 0.2625 0 0.0000
CENTRO VIII 41 0.3730 74 0.4296 0 0.0000 274 1.4117 198 1.3830
CENTRO V-V-1 106 0.9944 19 0.1120 0 0.0000 51 0.0062 0 0.0000
CENTRO V-V-2 0 0.0000 0 0.0000 0 0.0000 117 0.4450 0 0.0000
CENTRO X 73 0.6415 9 0.0379 0 0.0000 100 0.1666 34 0.1862
CENTRO XII 0 0.0000 70 0.3796 392 1.8545 3 0.0018 132 0.6618
CENTRO XIII 0 0.0000 2 0.0067 14 0.0681 272 0.7240 102 0.6178
CENTRO XI-XI-1 24 0.1994 26 0.1664 0 0.0000 48 0.0355 1 0.0063
CENTRO XI-XI-2 0 0.0000 8 0.0432 0 0.0000 64 0.1736 10 0.0718
SUBTOTAL CENTRO 2601 21.6723 1648 9.4053 554 2.6607 3142 7.9615 733 4.6218
Tabla 7. NN y superficies por cultivo y sector en Zona Centro
3
El promedio de NN por hectárea en los cinco cultivos principales es de 9030 m /ha en arroz,
de 5950 en maíz, 4670 en tomate de industria, 3090 en olivar y de 5320 en frutales.
No obstante, existe una elevada desviación estándar entre recintos, lo que en cultivos
herbáceos es explicable por la diversidad de ciclos, fechas de siembra y la meteorología,
aunque no se pueden desdeñar la influencia de los tipos de suelo o prácticas agronómicas más
o menos acertadas. En el caso de los cultivos leñosos la variabilidad obedece además a otros
múltiples factores como los sistemas de formación, mantenimiento de cubierta de la calle y la
edad de la plantación.
La variabilidad entre zonas regables o entre sectores de una misma zona también es
apreciable. El motivo principal es la diferencia de desarrollo vegetativo de los cultivos aunque
la comparativa directa no es posible debido a la descompensación entre superficies.
Evolución de necesidades netas por zona regable en la campaña
La agrupación de las necesidades de todos los cultivos, desagregados por intervalos de

fechas, permite construir la serie temporal de NN en las distintas zonas regables (gráficos 8 a
11). A pesar de que los cálculos se han realizado a partir de los intervalos que marca la
disponibilidad de imágenes satelitales, las gráficas siguientes se muestran a intervalos
regulares de 5 días.
Llama la atención, al margen de la escala propia de cada zona regable, y salvo en los extremos
de la campaña, la similitud entre todas las zonas regables en la evolución de NN, donde los
picos y valles están gobernados por la evolución meteorológica. El estudio detallado por
sectores, no obstante, muestra diferencias importantes debidas a la distinta composición de
cultivos entre sectores de la misma zona regable.
27/05/2020
Gráfico 8. Evolución de NN en Zona Centro
Gráfico 9. Evolución de NN en Entrerríos
27/05/2020
Gráfico 10. Evolución de NN en Orellana
Gráfico 11. Evolución de NN en Zújar
Para eliminar el efecto visualmente homogeneizador que ejerce la meteorología sobre las
gráficas anteriores, se ha procedido a extraer el promedio del coeficiente de cultivo de cada
zona regable a partir del observado en cada uno de sus recintos durante el transcurso de la
campaña. Aquí sí que se observan diferencias, debidas principalmente a la distribución de
especies cultivadas (gráfico 12)
27/05/2020
Así, Entrerríos, con un equilibrio entre leñosos y los principales herbáceos, tomate, arroz y
maíz, muestra una curva chata, en la que durante el inicio de la campaña el complejo
vegetativo de los leñosos (cultivo+vegetación en la calle) intenta igualarse a la población global
de cultivos durante el verano, cuando ya la vegetación espontánea de la calle en los leñosos
ha completado su ciclo o ha sido eliminada.
Zona Centro destaca por el elevado desarrollo vegetativo a inicio de campaña, imputable a los
cereales de invierno, así como por el modesto Kc en el centro de ésta, a pesar de la superficie
destinada a arroz, tomate o maíz (4800 ha en conjunto), debido a que, como se dijo en la
introducción, no se encuentra terminada la transformación en regadío y entre los sectores en
explotación y con concesiones en precario, coexiste un gran superficie de olivar, más de 3000
ha, que en conjunto no alcanza durante el verano un Kc de 0.20.
Orellana se distingue por el elevado Kc promedio en el centro de la campaña, debido a que

mayoritariamente está dedicada a los principales cultivos herbáceos, destacando el arroz
(32%), cuya cobertura vegetativa es superior a la del resto de los cultivos. La prevalencia de
cultivos herbáceos condiciona también los exiguos valores de Kc durante el primer mes,
cuando los recintos dedicados a herbáceos de verano se encuentran aún con el terreno
esperando el momento de la siembra o el trasplante.
Zújar presenta una evolución mixta explicable por el equilibrio entre herbáceos y leñosos y por
la proporción minoritaria de arroz (3.3%) frente al olivar (18%).
La pendiente descendente durante el primer mes está íntimamente ligada a la progresiva

senescencia de los cereales de invierno, más acusada en Entrerríos y Zona Centro, donde la
proporción es más elevada (7% y 9%, respectivamente) aunque influyen también las primeras
labores de preparación del terreno para las venideras siembras o trasplantes.
Gráfico 12. Evolución del promedio de NDVI en las distintas zonas regables.
27/05/2020
Desarrollo vegetativo máximo por cultivo NDVI_MAX
Para evaluar el desarrollo máximo que alcanzan los cultivos en la zona de estudio, se extrajo el
NDVI_MAX de cada recinto y su desviación estándar y se ha analizado para el maíz, tomate de
industria y arroz y se ha extendido a frutales y olivar.
Los resultados muestran que el promedio ponderado por superficie de NDVI_MAX para los
principales herbáceos de verano en las cuatro zonas regables es inferior al umbral máximo de
0.95 citado en la metodología. En el caso del maíz NDVI_MAX= 0.807 0.087. En arroz
0.84 0.061 y en tomate de industria 0.754 0.100.
A pesar de existir sectores y recintos que muestran valores más elevados, en general están
muy alejados del umbral máximo, lo que puede explicar la diferencia entre un cálculo de NN
hídricas basado en una evolución modelizada e idealizada de coeficientes de cultivo y una más
ajustada a la realidad, fundamentada en la observación del terreno, lo que para grandes
superficies regables sólo nos está permitido a través del uso de técnicas de teledetección.
En conjunto, las superficies con un umbral de NDVI_MAX>0.85 ascienden a algo más del 60%
en el caso del arroz, aunque en maíz y tomate no llegan al 45 % y 17% respectivamente.
Existe, no obstante, alguna diferencia entre zonas regables que, a pesar de falta de
compensación en superficie, pudiera marcar una tendencia, como el de un desarrollo
vegetativo máximo superior en el caso del tomate de industria y de maíz en Zújar frente a
Orellana (Tabla 8).
ARROZ MAIZ TOMATE

SUP>0.85 (ha) % SUP>0.85 (ha) % SUP>0.85 (ha) %
CENTRO 1798 69.0 792 48.1 30.42 5.5
ENTRERRIOS 20 42.0 - - 7.38 6.6
ORELLANA 9810 61.9 6746 43.2 1217 14.8
ZUJAR 323 58.2 2387 50.8 883 21.6
TOTAL CULT 11951 62.7 9925 46.3 2137.8 16.4
Tabla 8. Superficies y porcentajes de superficie que superan un NDVI_MAX de 0.85
A modo ilustrativo la distribución espacial de los recintos de tomate, maíz y arroz y la de

aquellos que superan este umbral se muestra en las figuras 3 y 4. Las zonas de mayor
densidad se corresponden con áreas en las que predomina el cultivo de arroz.
Figura 3. Distribución de recintos de tomate, maíz y arroz en Vegas Altas
27/05/2020
Figura 4. Distribución de recintos de tomate, maíz y arroz con NDVI_MAX>0.85
Tomando como referencia el caso del tomate de industria, el techo de NDVI en la campaña de
2019 en la zona de estudio se fija en un rango de 0.84-0.86. Este rango se traduce en un Kcb
de 0.99-1.02, similar a valores encontrados en trabajos previos (Phene et al, 1985; Tapia et al,
2016) y con un valor final de Kc=1.05 en riego por goteo (Hanson and May, 2006).
Para una observación más detallada en el territorio se ha extraído el promedio del NDVI_MAX
obtenido por cultivo y sector para los cultivos herbáceos mayoritarios en Zona Centro,
Entrerríos, Orellana y Zújar (tablas 9 a 12).
ARROZ MAIZ TOMATE

ZONA SECTOR NDVI_MAX STD NDVI_MAX NDVI_MAX STD NDVI_MAX NDVI_MAX STD NDVI_MAX
CENTRO I 0.866 0.071 0.790 0.068 0.751 0.032
CENTRO II 0.856 0.053 0.812 0.069 0.764 0.082
CENTRO III 0.856 0.059 0.835 0.057 - -
CENTRO IV 0.859 0.050 - - -
CENTRO IX 0.824 0.091 0.835 0.042 - -
CENTRO VI 0.851 0.060 0.832 0.072 - -
CENTRO VII - - 0.814 0.064 - -
CENTRO VIII 0.796 0.080 0.858 0.058 - -
CENTRO V-V-1 - - 0.869 0.065 - -
CENTRO X 0.771 0.111 0.600 0.227 - -
CENTRO XII - - 0.789 0.166 0.732 0.109
CENTRO XIII - - 0.786 0.094 - -
CENTRO XI-XI-1 0.826 0.062 0.749 0.143 - -
CENTRO XI-XI-2 - - - - - -
Tabla 9. Promedio y desv_std de NDVI_MAX por sector en maíz y arroz en Zona Centro
ARROZ MAIZ TOMATE

ENTRERRIOS XXXVI 0.782 0.077 0.770 0.050 0.781 0.076
Tabla 10. Promedio y desv_std de NDVI_MAX por sector en maíz y arroz en Entrerríos
27/05/2020
ARROZ MAIZ TOMATE
STD
ZONA SECTOR NDVI_MAX STD NDVI_MAX NDVI_MAX NDVI_MAX NDVI_MAX STD NDVI_MAX
ORELLANA I 0.862 0.024 0.805 0.127 - -
ORELLANA II 0.869 0.038 0.775 0.094 0.764 0.085
ORELLANA III 0.829 0.057 0.791 0.080 0.777 0.105
ORELLANA IV 0.835 0.057 0.768 0.092 0.758 0.106
ORELLANA IX 0.822 0.063 0.822 0.040 0.720 0.048
ORELLANA V 0.834 0.063 0.827 0.028 - -
ORELLANA VI 0.849 0.055 0.808 0.058 0.650 0.123
ORELLANA VII 0.844 0.048 0.816 0.048 0.503 0.052
ORELLANA VIII 0.825 0.071 0.796 0.064 0.648 0.110
ORELLANA X 0.833 0.047 0.802 0.052 0.744 0.050
ORELLANA XI 0.848 0.044 0.687 0.029 - -
ORELLANA XII 0.855 0.060 0.784 0.062 0.736 0.101
ORELLANA XIII 0.849 0.065 0.808 0.066 0.754 0.075
ORELLANA XIIIe 0.853 0.044 0.829 0.071 - -
ORELLANA XIV 0.834 0.069 0.821 0.069 - -
ORELLANA XIX 0.859 0.067 0.840 0.090 0.762 0.090
ORELLANA XV 0.847 0.059 0.807 0.044 0.746 0.043
ORELLANA XVI 0.845 0.062 0.781 0.115 0.722 0.082
ORELLANA XVII 0.853 0.061 0.830 0.076 0.739 0.105
ORELLANA XVIII 0.845 0.051 0.831 0.063 0.742 0.103
ORELLANA XX 0.850 0.064 0.806 0.095 0.730 0.113
ORELLANA XXI 0.820 0.059 0.832 0.071 0.822 0.061
ORELLANA XXII 0.832 0.062 0.789 0.087 0.745 0.099
ORELLANA XXIII 0.837 0.059 0.789 0.083 0.774 0.089
ORELLANA XXIV 0.819 0.062 0.823 0.072 0.766 0.095
ORELLANA XXIX - - 0.799 0.105 0.727 0.107
ORELLANA XXV 0.839 0.068 0.792 0.102 0.761 0.096
ORELLANA XXVI 0.825 0.063 0.783 0.093 0.730 0.109
ORELLANA XXVII 0.825 0.071 0.775 0.094 0.729 0.109
ORELLANA XXVIII - - 0.811 0.093 0.766 0.105
ORELLANA XXX - - 0.828 0.085 0.725 0.115
ORELLANA XXXI 0.818 0.065 0.823 0.082 0.726 0.094
ORELLANA XXXIII 0.832 0.148 0.822 0.089 0.751 0.096
ORELLANA XXXIII - - 0.800 0.101 0.718 0.143
ORELLANA XXXIV 0.805 0.066 0.811 0.111 0.729 0.104
ORELLANA XXXV 0.835 0.069 0.790 0.089 0.766 0.093
Tabla 11. Promedio y desv_std de NDVI_MAX por sector en arroz y maíz en Orellana
ARROZ MAIZ TOMATE

ZUJAR I 0.844 0.047 0.782 0.070 0.766 0.088
ZUJAR II 0.859 0.045 0.780 0.069 0.760 0.092
ZUJAR III-IV 0.825 0.054 0.799 0.075 0.765 0.094
ZUJAR IX-X 0.878 0.026 0.852 0.055 0.868 0.034
ZUJAR V-.2 - - 0.828 0.055 0.770 0.081
ZUJAR V-1 0.724 0.291 0.804 0.095 0.782 0.084
ZUJAR V-3 0.859 0.030 0.819 0.081 0.815 0.070
ZUJAR VII - - 0.856 0.082 0.770 0.079
ZUJAR VIII-1 0.852 0.046 0.834 0.079 0.773 0.070
ZUJAR VIII-2 0.850 0.040 0.846 0.066 0.783 0.100
Tabla 12. Promedio y desv_std de NDVI_MAX por sector en maíz y tomate en Zújar
En el caso de cultivos leñosos frutales (incluyendo en el grupo por comodidad al almendro,

nogal y viñedos) existe una mayor variabilidad en la cobertura máxima que en herbáceos. Se
debe, como se ha comentado anteriormente, a los distintos sistemas de formación, de
mantenimiento de la calle y a la edad de las plantaciones. Teniendo en cuenta la diversidad de
especies incluidas en el grupo y la casuística mencionada se ha preferido mostrar los
resultados para cada una de las especies sin hacer distinciones entre zonas regables o
sectores (Tabla 13).
27/05/2020
La mayor cobertura media corresponde a los ciruelos, melocotoneros y paraguayo, con un
valor conjunto de NDVI_MAX=0.6 0.12, lo que representaría en ese momento para unas
condiciones meteorológicas estándar según FAO56 (HR=45% y velviento=2 m/s) una horquilla
de coeficiente de cultivo, Kc, de 0.646 0.175.
CULTIVO MED_NDVI_MAX STD_NDVI_MAX

ALBARICOQUEROS 0.547 0.168
ALMENDRO 0.407 0.181
CIRUELOS 0.589 0.129
HIGUERA 0.351 0.133
MELOCOTONEROS 0.599 0.118
NECTARINOS 0.596 0.125
NOGAL 0.424 0.165
PARAGUAYO 0.605 0.116
VINEDOS VINIFICACIÓN 0.437 0.116
Tabla 13. Promedio y desv_std de NDVI_MAX en cultivos frutales de Vegas Altas
Una mención aparte merece el olivar, que sigue aumentando en superficie a expensas de
cultivos como el maíz. El promedio del NDVI_MAX=0.400 0.139 (Tablas 12 a 15).
La causa de la elevada desviación estándar para un valor tan modesto como 0.400 se debe a
la coexistencia de plantaciones jóvenes y adultas con sistemas de formación intensiva y
superintensiva. Es preciso notar que la importancia de la cubierta vegetal en la calle, sobre
todo en primavera y años lluviosos, puede distorsionar puntualmente algunos resultados, no
sólo en olivar, sino en leñosos en general.
ZONA_REG SECTOR CULTIVO MED_NDVI_MAX STD_NDVI_MAX

CENTRO I OLIVAR 0.397 0.107
CENTRO II OLIVAR 0.332 0.138
CENTRO III OLIVAR 0.436 0.101
CENTRO IV OLIVAR 0.625 0.032
CENTRO IX OLIVAR 0.364 0.109
CENTRO VI OLIVAR 0.307 0.159
CENTRO VII OLIVAR 0.610 0.084
CENTRO VIII OLIVAR 0.479 0.114
CENTRO V-V-1 OLIVAR 0.208 0.071
CENTRO V-V-2 OLIVAR 0.421 0.032
CENTRO X OLIVAR 0.329 0.197
CENTRO XII OLIVAR 0.256 0.026
CENTRO XIII OLIVAR 0.383 0.143
CENTRO XI-XI-1 OLIVAR 0.254 0.137
CENTRO XI-XI-2 OLIVAR 0.312 0.109
Tabla 14. Promedio y desv_std de NDVI_MAX por sectores en el olivar de Zona Centro

ENTRERRIOS XXXVI OLIVAR 0.459 0.141
Tabla 15. NDVI_MAX por sectores en el olivar de Entrerríos
27/05/2020

ORELLANA I OLIVAR 0.447 0.109
ORELLANA II OLIVAR 0.344 0.056
ORELLANA III OLIVAR 0.604 0.133
ORELLANA IV OLIVAR 0.420 0.129
ORELLANA IX OLIVAR 0.422 0.117
ORELLANA V OLIVAR 0.403 0.147
ORELLANA VI OLIVAR 0.212 0.167
ORELLANA VII OLIVAR 0.376 0.165
ORELLANA VIII OLIVAR 0.320 0.207
ORELLANA X OLIVAR 0.342 0.169
ORELLANA XI OLIVAR 0.397 0.126
ORELLANA XII OLIVAR 0.387 0.127
ORELLANA XIII OLIVAR 0.231 0.241
ORELLANA XIV OLIVAR 0.351 0.131
ORELLANA XIX OLIVAR 0.431 0.140
ORELLANA XV OLIVAR 0.324 0.209
ORELLANA XVI OLIVAR 0.478 0.227
ORELLANA XVII OLIVAR 0.509 0.160
ORELLANA XVIII OLIVAR 0.402 0.156
ORELLANA XX OLIVAR 0.422 0.119
ORELLANA XXI OLIVAR 0.424 0.117
ORELLANA XXII OLIVAR 0.404 0.110
ORELLANA XXIII OLIVAR 0.268 0.195
ORELLANA XXIV OLIVAR 0.366 0.115
ORELLANA XXIX OLIVAR 0.368 0.110
ORELLANA XXV OLIVAR 0.446 0.098
ORELLANA XXVI OLIVAR 0.375 0.125
ORELLANA XXVII OLIVAR 0.393 0.125
ORELLANA XXVIII OLIVAR 0.420 0.136
ORELLANA XXX OLIVAR 0.398 0.145
ORELLANA XXXI OLIVAR 0.442 0.119
ORELLANA XXXII OLIVAR 0.340 0.244
ORELLANA XXXIII OLIVAR 0.346 0.140
ORELLANA XXXIV OLIVAR 0.326 0.177
ORELLANA XXXV OLIVAR 0.425 0.169
Tabla 16. Promedio y desv_std de NDVI_MAX por sectores en el olivar de Orellana

ZUJAR I OLIVAR 0.339 0.100
ZUJAR II OLIVAR 0.459 0.116
ZUJAR III-IV OLIVAR 0.365 0.120
ZUJAR IX-X OLIVAR 0.396 0.127
ZUJAR V-.2 OLIVAR 0.324 0.118
ZUJAR V-1 OLIVAR 0.413 0.127
ZUJAR V-3 OLIVAR 0.388 0.171
ZUJAR VII OLIVAR 0.414 0.132
ZUJAR VIII-1 OLIVAR 0.377 0.109
ZUJAR VIII-2 OLIVAR 0.380 0.097
Tabla 17. NDVI_MAX por sectores en el olivar de Zújar
27/05/2020
La observación del diagrama de dispersión entre la variable NDVI_MAX y las necesidades
netas por unidad de superficie, NN/ha, nos puede ayudar a explicar algunas particularidades de
los distintos grupos de cultivos.
Observamos que existe una clara correlación positiva entre el máximo vegetativo alcanzado en
el cultivo y las necesidades netas por hectárea en tomate de industria y maíz, aunque en este
segundo caso mucho menos marcada (gráficos 13 y 14). En el caso del arroz existe una
elevada dispersión, que podría explicarse debido al consumo de lujo (Zhang and Yang, 2004)
que representa la tasa evaporativa de la lámina de agua (gráfico 15).
En los frutales, pese al nutrido número de especies que hemos agrupado, la correlación
positiva también es marcada aunque difiere de los herbáceos anteriores. En primer lugar se
observa una línea superior con pendiente bien definida, que marca el umbral superior del ratio
entre ambas variables, aunque no ocurre lo mismo con los valores bajos de NN/ha, que en un
buen porcentaje de casos muestran elevados NDVI_MAX. La causa es debida seguramente al
mantenimiento de vegetación en la calle durante la primavera, lo que se traduce en elevados
índices de vegetación máximos no achacables a la cobertura vegetativa del cultivo sino al
complejo vegetación espontánea-cultivo. Hay que tener en cuenta, además, que esta variable
representa una foto fija del máximo alcanzado en cada recinto, mientras la variable NN/ha es el
resultado de la integración en el tiempo de la meteorología, evolución vegetativa del cultivo y
precipitación efectiva. (gráfico 16).
Graficas 13 a 16. Diagrama de dispersión de NDVI_MAX con NN/ha en tomate, maiz, arroz y frutales,
respectivamente.
27/05/2020
La dispersión de datos en olivar es más acusada, debido a que en las plantaciones conviven
marcos amplios, olivares en intensivo y superintensivo con distintos sistemas de mantenimiento
de calle. Aquí, con un promedio de masa vegetativa del cultivo más contenido, la proporción de
adventícias cobra mayor importancia que en el caso de frutales (Gráfico 17)
El techo de necesidades hídricas por unidad de superficie parece elevado tanto en frutales
como en olivar. Más adelante, con nuevos datos se identificará la posible causa.
Gráfico 17. Diagrama de dispersión de NDVI_MAX con NN/ha en olivar
Integral de NDVI, ciclos de cultivo y NN/ha
Si bien es cierto que el NDVI_MAX nos indica la cota máxima de desarrollo vegetativo de un
cultivo en un recinto, y ésto está relacionado en algunas especies con las NN/ha, sería difícil
predecir con un error admisible las necesidades netas en función de esta variable. La
naturaleza de la variable NDVI_INT, representativa de la evolución vegetativa a lo largo del
ciclo, en combinación con la duración de éste, permitiría explicar con mayor base las
necesidades hídricas netas por unidad de superficie. Es por ello que se han extraído estas dos
variables de todos los recintos y se han evaluado con el objetivo de describir nuevamente
patrones y comportamientos reseñables.
Los datos de NDVI_INT se han agrupado para los principales cultivos herbáceos y olivar por
sectores de riego (tablas 18 a 21 y tablas 23 a 23, respectivamente). En el caso de los cultivos
frutales, siguiendo el mismo criterio que en el caso del NDVI_MAX, se ha optado por presentar
los valores de integral de NDVI de forma promediada para las cuatro zonas regables
discriminando entre especies (tabla 22)
Los huecos representan la ausencia de cultivo en ese sector, una exigua superficie o la
imposibilidad de calcular una desviación estándar debido a un único recinto cultivado.
27/05/2020
ARROZ MAIZ TOMATE
ZONA SECTOR NDVI_INT STD NDVI_INT NDVI_INT STD NDVI_INT NDVI_INT STD NDVI_INT
CENTRO I 80 9 75 11 64 4
CENTRO II 75 9 75 11 66 9
CENTRO III 74 9 79 16 - -
CENTRO IV 79 8 - - - -
CENTRO IX 78 9 78 9 - -
CENTRO VI 79 9 78 11 - -
CENTRO VII - - 83 14 - -
CENTRO VIII 74 16 80 11 - -
CENTRO V-V-1 82 7 79 7 - -
CENTRO X 67 17 45 32 -
CENTRO XII - - 64 20 58 12
CENTRO XIII - - 78 9 - -
CENTRO XI-XI-1 71 6 69 25 - -
CENTRO XI-XI-2 - - - - - -
Tabla 18. Promedio y desv_std de NDVI_INT en herbáceos Zona Centro.
ARROZ MAIZ TOMATE

STD
ZONA SECTOR NDVI_INT STD NDVI_INT NDVI_INT STD NDVI_INT NDVI_INT NDVI_INT
ENTRERRIOS XXXVI 67 21 78 14 61 10
Tabla 19. Promedio y desv_std de NDVI_INT en herbáceos de Entrerrios.
ARROZ MAIZ TOMATE

ORELLANA I 88 4 88 4 - -
ORELLANA II 86 10 86 10 60 9
ORELLANA III 83 14 83 14 62 11
ORELLANA IV 82 10 82 10 59 12
ORELLANA IX 82 12 82 12 52 6
ORELLANA V 82 11 82 11 62 -
ORELLANA VI 81 9 81 9 46 11
ORELLANA VII 83 9 83 9 39 10
ORELLANA VIII 81 12 81 12 51 11
ORELLANA X 81 8 81 8 54 6
ORELLANA XI 78 7 78 7 - -
ORELLANA XII 84 10 84 10 55 12
ORELLANA XIII 82 11 81 12 62 7
ORELLANA XIIIe 81 8 81 8 - -
ORELLANA XIV 76 12 76 12 - -
ORELLANA XIX 85 12 85 12 58 10
ORELLANA XV 81 10 81 10 58 7
ORELLANA XVI 81 10 81 10 53 8
ORELLANA XVII 84 10 84 11 55 12
ORELLANA XVIII 86 9 86 9 57 11
ORELLANA XX 84 11 84 11 55 12
ORELLANA XXI 83 10 83 10 67 9
ORELLANA XXII 84 12 84 12 55 14
ORELLANA XXIII 82 9 82 9 63 10
ORELLANA XXIV 82 10 82 10 60 12
ORELLANA XXIX - - 82 12 54 11
ORELLANA XXV 83 11 81 11 60 12
ORELLANA XXVI 81 11 77 9 55 11
ORELLANA XXVII 77 9 79 8 55 12
ORELLANA XXVIII 79 8 79 14 59 11
ORELLANA XXX 79 14 76 11 53 13
ORELLANA XXXI 79 8 78 11 55 10
ORELLANA XXXIII - - 77 14 57 12
ORELLANA XXXIII 79 14 76 15 54 14
ORELLANA XXXIV 76 11 81 14 56 10
ORELLANA XXXV 78 11 78 13 60 12
Tabla 20. Promedio y desv_std de NDVI_INT en herbáceos de Orellana
27/05/2020
ARROZ MAIZ TOMATE

ZUJAR I 73 8 74 11 59 11
ZUJAR II 86 8 74 12 57 11
ZUJAR III-IV 81 11 77 11 60 12
ZUJAR IX-X 85 5 81 9 72 5
ZUJAR V-.2 - - 81 10 62 9
ZUJAR V-1 78 16 79 15 62 11
ZUJAR V-3 93 8 78 15 69 10
ZUJAR VII - - 81 12 58 15
ZUJAR VIII-1 94 5 80 13 61 8
ZUJAR VIII-2 78 9 81 10 60 10
Tabla 21. Promedio y desv_std de NDVI_INT en herbáceos de Zújar
CULTIVO MED_NDVI_INT STD_NDVI_INT

ALBARICOQUEROS 85 31
ALMENDRO 51 32
CIRUELOS 95 27
HIGUERA 43 29
MELOCOTONEROS 96 23
NECTARINOS 96 26
NOGAL 59 30
PARAGUAYO 97 23
PERALES 105 22
VINEDOS VINIFICACION 59 23
Tabla 22. Promedio y desv_std de NDVI_INT en frutales
ZONA_REG SECTOR CULTIVO MED_NDVI_INT STD_NDVI_INT

CENTRO I OLIVAR 54 15
CENTRO II OLIVAR 34 22
CENTRO III OLIVAR 63 25
CENTRO IV OLIVAR 94 5
CENTRO IX OLIVAR 46 20
CENTRO VI OLIVAR 34 29
CENTRO VII OLIVAR 87 13
CENTRO VIII OLIVAR 74 28
CENTRO V-V-1 OLIVAR 7 6
CENTRO V-V-2 OLIVAR 64 4
CENTRO X OLIVAR 23 23
CENTRO XII OLIVAR 21 4
CENTRO XIII OLIVAR 49 19
CENTRO XI-XI-1 OLIVAR 22 21
CENTRO XI-XI-2 OLIVAR 36 27
Tabla 23. NDVI_INT promedio del olivar en sectores de Zona Centro

ENTRERRIOS XXXVI OLIVAR 68 30
Tabla 24. NDVI_INT promedio del olivar en sectores de Entrerrios
27/05/2020

ORELLANA I OLIVAR 56 25
ORELLANA II OLIVAR 41 26
ORELLANA III OLIVAR 91 16
ORELLANA IV OLIVAR 53 32
ORELLANA IX OLIVAR 60 28
ORELLANA V OLIVAR 56 26
ORELLANA VI OLIVAR 17 25
ORELLANA VII OLIVAR 45 29
ORELLANA VIII OLIVAR 36 32
ORELLANA X OLIVAR 40 32
ORELLANA XI OLIVAR 50 28
ORELLANA XII OLIVAR 53 26
ORELLANA XIII OLIVAR 23 33
ORELLANA XIV OLIVAR 34 29
ORELLANA XIX OLIVAR 57 28
ORELLANA XV OLIVAR 46 40
ORELLANA XVI OLIVAR 61 32
ORELLANA XVII OLIVAR 69 27
ORELLANA XVIII OLIVAR 50 29
ORELLANA XX OLIVAR 55 27
ORELLANA XXI OLIVAR 62 26
ORELLANA XXII OLIVAR 55 23
ORELLANA XXIII OLIVAR 27 30
ORELLANA XXIV OLIVAR 46 27
ORELLANA XXIX OLIVAR 41 25
ORELLANA XXV OLIVAR 67 11
ORELLANA XXVI OLIVAR 37 31
ORELLANA XXVII OLIVAR 50 30
ORELLANA XXVIII OLIVAR 60 25
ORELLANA XXX OLIVAR 55 30
ORELLANA XXXI OLIVAR 65 24
ORELLANA XXXII OLIVAR 39 42
ORELLANA XXXIII OLIVAR 49 24
ORELLANA XXXIV OLIVAR 36 31
ORELLANA XXXV OLIVAR 58 30
Tabla 25. NDVI_INT promedio del olivar en sectores de Orellana

ZUJAR I OLIVAR 44 22
ZUJAR II OLIVAR 64 22
ZUJAR III-IV OLIVAR 46 27
ZUJAR IX-X OLIVAR 55 24
ZUJAR V-.2 OLIVAR 26 32
ZUJAR V-1 OLIVAR 58 23
ZUJAR V-3 OLIVAR 59 31
ZUJAR VII OLIVAR 55 27
ZUJAR VIII-1 OLIVAR 54 22
ZUJAR VIII-2 OLIVAR 54 23
Tabla 26. NDVI_INT promedio del olivar en sectores de Zújar
27/05/2020
Más allá de los valores obtenidos en cada sector, que sin ser determinantes en sí mismos si
podrían indicar tendencias y diferencias en cuanto a tipos de suelo y entre zonas regables, al
no estar compensados en nº de recintos o en superficie, se ha decidido poner bajo lupa en
primera instancia las variables CICLO y NDVI_INT de forma conjunta para las cuatro zonas
regables en cada uno de los cultivos.
Tomate de industria
El análisis en global de la variable CICLO y NN/ha muestra para el tomate de industria,
lógicamente, que un incremento del ciclo de cultivo en días supone un aumento de NN/ha,
aunque este incremento se estabiliza a partir de ciclos de 120 días (Gráfico 18).
En líneas generales el comienzo de la contabilización de los primeros ciclos, cuando se aprecia

un valor de NDVI>0.2, se produce a partir del 22 de mayo, 15 días después del fin de las
precipitaciones generalizadas de primavera, a pesar de existir una escena libre de nubes el 12
de mayo. Estos quince días perfectamente podrían coincidir con el período mínimo para que un
cultivo recién trasplantado comience a vegetar activamente y distinga su valor de NDVI del
característico de un suelo desnudo.
Los ciclos por debajo de 90 días y por encima de 130, a pesar de suponer menos del 5% de la
superficie total, merecen cierta atención ya que a priori podrían parecer valores erróneos o
señalar un defecto de los algoritmos de decisión o una limitación de la información satelital.
Los ciclos inferiores a 90 días (3.6% en superficie) muestran un NDVI_INT=43, un

NDVI_MAX=0.68, que es ciertamente bajo, pero podría corresponderse con variedades de
tomate de ciclo corto con mata compacta, o plantaciones afectadas de alguna fisiopatía o
3
enfermedad. Con esta evolución vegetativa, NN/ha ofrece un promedio de tan sólo 3470 m . En
su mayor parte son recintos que inician el desarrollo vegetativo entre el 22/05/2019 y
01/06/2019 y están diseminados por buena parte de los sectores de riego de todas las zonas
regables. Probablemente el valor absoluto de NDVI=0.35 que marca el momento de fin de ciclo
no sea adecuado o deba flexibilizarse para variedades de ciclo corto y contenido desarrollo
vegetativo.
Los ciclos superiores a 130 días (1.21% de la superficie total declarada como tomate de
3
industria) muestran promedios de NDVI_INT=70, NDVI_MAX=0.74 y NN/ha=5050 m . El inicio
del ciclo está distribuido entre el 02/05/2019 y 27/05/2019. Son recintos que se adentran hasta
el inicio de la segunda decena de septiembre con valores de NDVI superiores a 0.5. y muestran
un desarrollo vegetativo inicial lento.
Es preciso hacer notar también que los ciclos de cultivo se calculan en todos los casos como el
período en días entre las fechas de adquisición de las dos imágenes satelitales que marcan el
inicio y el final del cálculo, de acuerdo a unos algoritmos de decisión. El período entre dos
imágenes consecutivas disponibles fluctúa entre 5 a 10 días, por lo que la desviación del dato
mostrado sobre el ciclo real puede ser importante. Por tanto, los ciclos se observan aquí de
forma global para permitir observar tendencias, más que como valores absolutos.
La naturaleza discreta de la variable CICLO hace que se haya decidido ofrecer la gráfica como
un diagrama de caja y bigotes y no como un diagrama de dispersión (gráfico 18)
La correlación, por otra parte, de NDVI_INT respecto a las necesidades netas es más estrecha
2
que la mostrada en el caso de utilizar la variable NDVI_MAX (r =0.95) (gráfico 19)
27/05/2020
Gráficos 18 y 19: Relación entre el ciclo y NDVI_INT con NN/ha en tomate
Maíz
En el maíz el patrón del diagrama de cajas con las variables CICLO y NN/ha repite el mostrado
en tomate de industria aunque con mayores desviaciones (gráfico 20). La superficie de los
recintos incluidos en los ciclos menores a 110 días y los mayores a 160 representan el 5.2% de
la superficie total de maíz. Los ciclos inferiores (3.3% de la superficie) inician su ciclo a partir
3.
del 01/06/2019 y muestran un promedio de NDVI_MAX=0.79, NDVI_INT=61 y NN/ha=4675 m
En el otro extremo, el de los ciclos superiores a 160 días (1.85% de la superficie), NDVI_MAX
3
tiene también un promedio para los 324 recintos de 0.79, NDVI_INT=90 y NN/ha=6285 m . El
comienzo del ciclo se produce entre el 01/05/2019 y 12/05/2019 y muestran unos valores
residuales de NDVI por encima de 0.35 hasta entrado octubre, que si bien no se traducen en
3
una cantidad apreciable en m /ha, sí que alargan el valor de ciclo de cultivo de forma artificiosa.
En conjunto, los recintos de maíz muestran un promedio de NDVI_MAX=0.83, un

3
NDVI_INT=80 y unas NN/ha=5980 m .
En comparación con el tomate de industria, en el maíz el comienzo de los ciclos se produce

mucho antes y entre el día 27/04/2019 y el 12/05/2019 ya un 37% de la superficie cultivada de
maíz mostraba desarrollo vegetativo apreciable.
Existe nuevamente una elevada correlación lineal positiva entre NDVI_INT y NN/ha con un
2
valor de r de 0.93 (gráfico 21)
Gráficos 20 y 21: Relación entre el ciclo y NDVI_INT con NN/ha en maíz
27/05/2020
Arroz
En el arroz sigue manteniéndose la tendencia lógica de mayor NN/ha a medida que el ciclo es
más largo, aunque en este caso no se aprecia una ralentización o estancamiento entre los
ciclos superiores (gráfico 25). NN/ha se sitúa en el rango de los 7500 m3/ha para los ciclos más
cortos y 10500 m3/ha para los más largos.
A las consideraciones que se hicieron en el caso del tomate sobre la determinación exacta de
los ciclos, en el caso del arroz hay que añadir una más. La decisión de decidir el comienzo del
ciclo y cálculo de necesidades hídricas cuando se detecta la inundación en el recinto, supone
que en las estadísticas coexistirán recintos cuyo inicio coincida con una lámina de agua a la
que seguirá una siembra, con aquellos en los que la inundación se produce cuando ya
presentan desarrollo vegetativo apreciable. El 2019 fue un año además en el que las siembras
directas, las tradicionales y resiembras alternaron en el tiempo debido a la meteorología
(Osuna et al, 2020, Palmerín, comunicación personal, mayo 2020).
Teniendo en cuenta lo anterior, la categorización del arroz en grupos, previa a mostrar unas
estadísticas, se ha sustentado en un análisis de clúster utilizando el método Kmeans, a partir
de las variables NDVI_MAX, NDVI_INT, CICLO, NN/ha. El menor número de grupos con
representatividad de alguna variable fué de 3 y se asoció a una gradación de ciclos que
denominamos cortos medios y largos (gráficos 22, 23 y 24).
Gráficos 22, 23 y 24. Diagramas de dispersión en arroz tras clasificación con Kmeans
Estos grupos coincidieron en una alta proporción con los ciclos de 100-125 días, 130-140 días
y 145-165 días. Para todos ellos se obtuvo la fecha en que se produjo la inundación y el valor
de NDVI en ese momento y se extrajeron los promedios de NDVI_MAX, NDVI_INT, NN/ha.
Así, los ciclos más cortos, entre 100-125 días, ambos inclusive, se inundaron mayoritariamente
entre el 01/06/2019 y 11/06/2019. El NDVI promedio en el momento de la inundación es de 0.3
y el 84% de la superficie presenta NDVI>0.2. El promedio de NDVI_MAX=0.843 y muestran un
3
valor promedio de NDVI_INT=76, con NN cercano a los 8000 m /ha.
En el caso de ciclos entre 130 y 140 días la inundación se produce algo antes, entre el 22/05 y
01/06/2019. El valor promedio de NDVI es de 0.240 y en este caso en el 68% de la superficie
el valor del NDVI>0.2. El NDVI_MAX=0.838 como promedio e NDVI_INT=81. NN/ha se sitúa
3
como media los 9060 m /ha.
Los ciclos notados como de 145 a 165 días se inundaron mayoritariamente entre los días que
van del 12/05/2019 al 22/05/2019, aunque hay algunas inundaciones previas. El valor
27/05/2020
promedio de NDVI en el momento de la inundación es de 0.23 y en el 59% de la superficie el
valor de NDVI en ese momento supera el umbral de 0.2. El NDVI_MAX=0.84 como promedio y
3
NDVI_INT=87. NN/ha se sitúa aquí en el umbral de los 10.000 m /ha.
Teniendo en cuenta los datos anteriores se puede concluir que la detección de láminas de
agua a partir del valor del NDVI es compleja no sólo en siembras directas sino también en
siembras tradicionales, de ahí la decisión de utilizar la banda WVP en la identificación del
momento de la inundación. Salvo casos puntuales el NDVI en el momento de la inundación no
refleja valores cercanos a 0, o incluso negativos, como es habitual en charcas, embalses o ríos,
sino que se sitúan en un rango algo inferior al que pudiera ofrecer un suelo, sin diferenciarse
categóricamente de él. El motivo pudiera ser que la respuesta de una lámina de agua con poca
profundidad, 5-10cm, no es asimilable a la que ofrecen embalses o ríos debido al efecto de la
reflectividad del suelo subyacente.
No obstante, se podría afirmar con los datos disponibles, tomando el valor de NDVI como
umbral de separación entre una siembra directa y una con inundación, que en el 2019 en al
menos 13400 ha, de las 19050 totales incluidas dentro de las zonas regables oficiales, la
siembra se ha realizado mediante siembra directa. La estimación supone el 70% de esta
superficie aunque las estadísticas de Sanidad Vegetal de ese año lo cifran en el 80% de la
superficie total en Extremadura (Osuna, 2020)
La estimación del ahorro que puede suponer esta práctica frente a la siembra tradicional puede
alcanzar en el año 2019 los 200 mm (2000 m3/ha), teniendo en cuenta la ETo, precipitación, el
intervalo entre las fechas de inundación así como la evolución del NDVI (trabajo aún es
desarrollo). La evapotranspiración de los cultivos de siembra directa hasta que se produce la
inundación puede anticiparse que se sitúa en el rango de los 20-30 mm.
Las fechas y tipos de siembra, momentos de inundación y su asociación a la evolución

vegetativa obedecen a múltiples causas, ente ellas la meteorología y variedades, aunque
también cobra importancia la necesidad de una correcta planificación de la distribución de agua
para optimizar el uso de las infraestructuras. No hay que olvidar que los volúmenes necesarios
para inundar todos los recintos de arroz en un plazo de mes y medio, al tiempo que se riega el
resto de cultivos, supone una compleja gestión en la que tienen que cooperar el organismo de
cuenca, las comunidades de regantes y los agricultores.
El diagrama de dispersión entre la integral del NDVI durante el ciclo y las necesidades netas
por unidad de superficie, al igual que ocurría con la variable NDVI_MAX, muestra una reducida
correlación (gráfico 26) y puede ser debido al equilibrio entre Kcb y Ke.
Gráficos 25 y 26: Relación entre el ciclo y NDVI_INT con NN/ha en arroz
27/05/2020
En el gráfico 27 se muestra el promedio de la evolución del NDVI para las series de arroz
inundadas en la misma fecha. Se puede apreciar que salvo en las series en las que la
inundación se produce entre el 02/05/2019 y 12/05/2019, el elevado desarrollo vegetativo
promedio en el momento de la inundación indica mayoritariamente siembras directas.
Gráfico 27: Evolución inicial de NDVI en recintos de arroz en función de la fecha de inundación.
La evolución vegetativa del ciclo completo de las series anteriores muestra que a pesar de las
diferencias en siembras e inundaciones, salvo en el caso de las inundaciones más tardías, se
produce un agrupamiento del desarrollo vegetativo a partir de mediados del mes de julio
(gráfico 28)
Gráfico 28: Evolución promediada de NDVI durante el ciclo en recintos de arroz en función de la fecha de
inundación.
27/05/2020
Frutales
La determinación de ciclos en el grupo frutales se ha obviado ya que el cálculo de las

necesidades hídricas se ha elaborado para todo el rango de imágenes disponibles.
La correlación entre la integral de NDVI y las necesidades netas por unidad de superficie es
2
muy elevada (r =0.98). La dispersión es tanto más acentuada cuanto menor es la integral
(gráfico 29) , representativo de plantaciones jóvenes, con un mantenimiento diverso de la calle,
en la que la vegetación de adventícias en primavera es probable que cobre más peso que el
propio cultivo durante todo el período de cálculo.
El rango de necesidades hídricas por unidad de superficie es muy amplio y alcanza para los
valores superiores de NDVI_INT un techo de 9000 m3/ha, con algún valor disperso incluso
superior. Estos valores se corresponden en su mayoría con ciruelos cuyo NDVI_MAX>0.850,
con elevado desarrollo vegetativo y probablemente cubierta en la calle durante una buena parte
del ciclo..
Aún así, el techo de NN/ha nos parece elevado (ver Moñino, 2011; Moñino et al, 2014). Y es
aquí donde cabe hacer la consideración de que en estos cultivos con mayor desarrollo
vegetativo, y un sistema radicular profundo, al margen de la vegetación espontánea en la calle,
habría que considerar en el cálculo de las necesidades netas, como mínimo, el agua útil
almacenada en el suelo durante el período previo al del cálculo de necesidades (Tapia y
Humanes, 2016). Por otra parte, podría ser útil emplear en el cálculo un índice alternativo
como el SAVI (Huete, 1988; Pôças et al, 2015).
Los cultivos principales, ciruelo, melocotonero, paraguayo y nectarino, son los que muestran
una mayor integral durante el período de cálculo, con un promedio conjunto de 95. En el caso
del almendro, la integral es muy inferior para el conjunto de las 842 ha. El motivo seguramente
es el elevado marco de plantación o la gran cantidad de plantaciones jóvenes que se están
realizando.
Olivar
La elevada desviación estándar de NDVI_INT tiene su explicación en causas no distintas que a

la de alternar plantaciones jóvenes y adultas en sistemas de explotación intensiva y
superintensiva, incluso en algún caso con los amplios marcos de plantación tradicionales.
La integral de NDVI muestra una elevada correlación, como en el caso de frutales, frente a las
necesidades netas por unidad de superficie. En este caso el diagrama de dispersión muestra
claramente dos patrones de dispersión paralelos (gráfico 30). Algo más de un 20% de los
recintos muestran un diferencial de unos 400 mm respecto al resto para similares integrales de
NDVI. El motivo no es otro que la diferencia en la evapotranspiración de referencia entre
estaciones agrometeorológicas. Como promedio las estaciones de Don Benito, Don Benito-
EFA y Santa Amalia suman durante la etapa central de la campaña 45 mm más que el
promedio de todas las estaciones de Redarex situadas en Vegas Altas.
Este efecto no es exclusivo del olivar y se puede advertir en gráficas anteriores en los frutales,
e incluso en cultivos herbáceos. Una prueba palpable de que es el desarrollo vegetativo junto a
la meteorología quienes determinan principalmente las necesidades hídricas de los cultivos. El
motivo de que sea aquí más evidente es el limitado número de recintos.
Por otra parte, no hay que olvidar que existe un grado de anidamiento de la variable NDVI_INT
en NN/ha, que puede favorecer la elevada correlación que muestran las variables, sobre todo
en cultivos que abarcan la totalidad de la campaña, en los que la meteorología afecta de forma
homogénea entre recintos cercanos.
27/05/2020
3
El techo de 6000 m /ha parece elevado y debería revisarse tomando en consideración en el
cálculo la reserva útil de agua almacenada en el suelo al inicio de la campaña, al menos en
plantaciones con mayor desarrollo vegetativo. Por otra parte, teniendo en cuenta la
característica conductancia estomática del olivar (Moriana et al, 2002) y la posible
sobreestimación de necesidades en cultivos leñosos al utilizar el índice NDVI, sería
recomendable ajustar las funciones IV-Kcb a partir del índice SAVI (Pôças et al, 2015).
3
El promedio de NDVI_INT es de 59 y el de NN/ha=3330 m /ha.
Gráficos 29 y 30. Diagramas de dispersión de NDVI_INT y NN/ha en frutales y olivar..
CONCLUSIONES
El trabajo desarrollado durante la campaña de 2019 en las Vegas Altas del Guadiana
demuestra la posibilidad de utilización de la teledetección para el cálculo de necesidades
hídricas de los cultivos en grandes áreas, con un enfoque operativo. Sería interesante poner a
disposición de los gestores de agua un software que permita la utilización de metodologías
similares en campaña de riego, como herramienta complementaria para la toma de decisiones.
No obstante, es preciso hacer algunas anotaciones que delimiten la bondad de los resultados
obtenidos en este trabajo y permitan mejorarla en los futuros:
- Las variaciones que puede sufrir la declaración de cultivos de la PAC a lo largo de la

campaña pueden modificar algunos resultados, no tanto a nivel global, sino en aquellos
recintos que muten un cultivo por otro.
- Es muy probable que la utilización de un índice de vegetación cómo el SAVI, desarrollado

para mitigar el efecto del suelo en cultivos que no cubren la totalidad del terreno,
principalmente leñosos, logre unos resultados más ajustados de NN. De hecho, ya ha sido
incorporado en la metodología en desarrollo de REDAREX_plus.
-La ausencia de datos del agua acumulada en el suelo previa al inicio de los cálculos desvirtúa
en cultivos leñosos con cierto desarrollo los resultados de NN. Ese volumen de agua supera
generalmente los 100 mm y, pese a no ser éste un problema nuevo (Tapia y Humanes, 2016),
hay que decir que su estimación dentro de un rango de error asumible es compleja, teniendo
27/05/2020
en cuenta que la escala de las coberturas edafológicas existentes no permite su aplicación a
nivel de recinto y que son múltiples las variables que entran en juego.
- Sería interesante incorporar estrategias comunes de riego deficitario controlado en el cálculo

de leñosos.
-La determinación de la precipitación efectiva podría adecuarse al desarrollo y

evapotranspiración del cultivo, más que su incorporación directa desde REDAREX. El
desarrollo aéreo y radicular intervienen de forma directa en la proporción de agua que puede
estar disponible para el cultivo después de una precipitación.
-Los resultados mostrados en este trabajo representan una fotografía de la campaña 2019 en
Vegas Altas del Guadiana y aunque los autores consideran la metodología de cálculo acertada,
los resultados no son directamente extrapolables a otras campañas por tres motivos: la validez
temporal de la declaración de la PAC, anual, la evolución de los cultivos leñosos a lo largo de
su vida útil y la variación en la meteorología de cada campaña.
- La frecuencia de disponibilidad de las imágenes es teóricamente de cinco días en la zona de

estudio aunque la presencia de nubes impide que todas las imágenes sean susceptibles de
incorporarse al cálculo. Se podría mejorar la frecuencia temporal combinando las imágenes de
LANDSAT8 con Sentinel2, aún a costa de perder resolución espacial. En caso de realizarlo es
preciso reseñar que el uso combinado de ambos sensores requiere una normalización de la
reflectividad. (Mandanici and Bitelli, 2016; Claverie et al, 2016).
BIBLIOGRAFÍA
Allen, R.G., Pruitt, W.O., Wright, J. L., Howell, T.A., Ventura, F., Snyder, R., Itenfisu, D.,
Steduto, P., Berengena, J., Yrisarry, J.B., Smith, M., Pereira, L.S., Raes, D., Perrier, A.,
Alves, I., Walter, I., Elliott, R. 2006. A recommendation on standardized surface
resistance for hourly calculation of reference ETo by FAO56 Penman-Monteith method.
Agricultural Water Management. 81:1-22.
Allen R.G., Pereira L.S., Raes D., Smith M. 1998. Crop evapotranspiration. Guidelines for
computing crop water requirements. FAO irrigation and drainage paper nº 56 edn.,
Rome, Italy.
Allen, R.G., Walter, I.A., Elliot, R.A., Howell, T.A., Itenfisu, D., Jensen, M.E., Snyder, R.L.(2005).
The ASCE Standardized Reference Evapotranspiration Equation Technical Committee
on Standardization of Reference Evapotranspiration; ISBN (print): 9780784408056ISBN
Andersen, P.P., Lorch, M.W. and Rosegrant, M. W. The early twenty-first century, in Food policy
report. IFPR, Washinghton D.C.
Bausch, W.C., Neale, C.M.U., 1987. Crop coefficientes derived from reflected canopy
radiaction: a concept. Transsactions of the ASAE 30, 703-709.
Calera, A., Ossan, A., Moreno-Rivera, J.M. (2014). SPIDER Web GIS Service, URL:
http//zeus.idr-ab.uclm.es/publico/webgis/.
Campos, I., Neale, C., Calera, A., Balbontín, C. (2010). Assessing satellite-based crop
coefficients for irrigated grapes (Vitis vinifera L.). Agricultural Water Management.
Volume 98, Issue 1, 1 December 2010, Pages 45–54
27/05/2020
Choudhury, B.J., Ahmed, N.U., Idso, S.B., Reginato, R.J., Duaghtry, C.S., 1994. Relations
between evaporation coefficients and vegetation indices studied by model simulations.
Remote Sensing of Environment 50, 1-17.
Claverie, M., Masek, J.G and Ju, J. 2016. Harmonized Landsat-8 Sentinel-2 (HLS). Product
User Guide. Document version 1.2. NASA. http://hls.gsfc.nasa.gov
Directiva Marco del Agua. https://www.miteco.gob.es/es/agua/temas/planificacion-

hidrologica/marco-del-agua/LegislacionDMA.aspx
González-Dugo, M.P., Mateos, L., 2008. Spectral vegetation indices for benchmarking water
productivity of irrigated cotton and sugarbeet crops. Agricultural Water management 95,
48–58.
González-Dugo, M.P., Mateos, L y Diaz, A. (2009). Estimación del consumo de agua en zonas
regables mediante series temporales de imágenes de satélite. Teledetección: Agua y
desarrollo sostenible. XIII Congreso de la Asociación Española de Teledetección.
Calatayud. 23-26 de nov. de 2009. 81-84 pp.
Gonzalez-Piqueras, J., Calera, A., Gilabert, M.A., Cuesta, A., Tercero, F. (2004). Estimation of
crop coefficient by means of optimized vegetation indices for corn. Proc SPIE.
Hanson, B.R. and May, D.M. (2006). New crop coefficients developed for high-yield processisng
tomatoes. California Agriculture. 95-99 pp.
Heilman, J.L., Heilman, W.E., Moore, D.G., 1982. Evaluating the crop coefficient using spectral
reflectance. Agronomy journal 74,967-971.
Huete, A.R. 1988. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment 25,
53-70.
Mandanici, E. and Bitelli, G., 2016. Preliminary comparison of Sentinel-2 and Landsat8 imagery
for a combined use. Remote Senting, 8, 1014;doi:10.3390/rs8121014
Moñino, M.J, 2011. Estrategias de riego deficitario controlado en nectarina y peral: influencia
sobre la productividad, el ahorro de agua y la calidad. Tesis doctoral. Universidad de
Extremadura.
Moñino, M.J., Samperio, A., Vivas, A., Blanco, F., Prieto, M.H., 2014. Manual práctico de riego.
Ciruelo japonés. Gobierno de Extremadura. 16 pp.
Moriana, A., Villalobos, F.J. and Fereres, E.,2002. Stomatal ans photosythetic responses of
olive (Olea europaea L.) leaves to water deficits. Plant, Cell and Environment. 25, 395-
405 pp
Neale, C.M. U., Bausch, W.C., and Heermann, D.F. Development of Reflectance-Based Crop
Coefficients for Corn. Transactions of the ASAE (1989), 32(6):1891-1899.
Odi-Lara, M, Campos, I., Neale, C.M.U, Ortega-Farias, S, Poblet-Echevarría, C., Balbontín, C.

and Calera, A. (2016). Estimating evapotranspiration of an apple orchard using a
remote sensing-based soil water balance. Remote Sensing.
Osuna, M.A., Romano, Y., Gordo, R., Cabanillas, T, Palmerín, J.A y Quiles, J.M., 2Problemática
de malas hierbas en el cultivo del arroz en Extremadura. Agricultura, feb 2020. 56-60
27/05/2020
Phene C, McCormick RL, Miyamoto JM, 1985 Evapotranspiration and crop coefficient of trickle-
irrigated tomatoes. In: In: Proceedings of the Third International Drip/Trickle Irrigation
Congress,, Fresno, CA, USA Nov 18-21.
Pôças, I, Paço, T., Paredes, P., Cunha, M. and Pereira L.S., 2015 . Estimation of actual crop
coefficientes using remotely sensed vegetation indices and soil water balanced
modelled data. Remote Sensing. 7. 2373-2400 pp.
REDAREX: http://redarexplus.gobex.es/RedarexPlus/
Risheng, D., Shaozhong, K., Yanqun, Z., Hao, Y., Xinmei, H., Ling, T. and Taisheng, D. 2013.
Partitioning evapotranspiration into soil evaporation and transpiration using a modified
dual crop coefficient model in irrigated maize field with ground-mulching, Agricultural
Water Management, Elsevier, vol. 127(C), pages 85-96
Rocha, J., Perdigao, A., Melo, R. and Henriques (2010). Managin water in agriculture through
remote sensing applications. Remote Sensing for Science, Education and Natural and
Cultural Heritage. Rainer Reuter. 223-230 pp
scihub.copernicus.euhttps://scihub.copernicus.eu/twiki/do/view/SciHubWebPortal/APIHubDescri
ption?TWIKISID=b6f7a5203ca4abd249279cd245f6a684
Sen2Cor: https://step.esa.int/main/third-party-plugins-2/sen2cor/
SPIDER: http://maps.spiderwebgis.org/webgis/
Tapia, J y Humanes, M (2016). Estimación de Kc y necesidades hídricas de melocotonero

(spring snow) bajo riego por goteo mediante técnicas de teledetección y covarianza de
torbellinos. Cuadernos científicos para el regadíos. REDAREX.
Tapia, J. Picón, J and Humanes, M. (2016). Determinación de coeficientes de cultivos en

tomate de industria con riego localizado subterráneo mediante covarianza de
torbellinos. Cuadernos Científicos para el Regadío. REDAREX
USDA. Irrigation water requirements. Tech. Release No. 21, United States Dept. of Agr., Soil
Manage. 1967;59:67–75.
Vieira, D., Freitas, P., Silva. P., Hashiguti, B., Rezende, T.,Junior, R., Faria. (2016).
Determination of wheat crop coefficient (Kc) and soil water evaporation (Ke) in Maringa,
PR, Brazil. African journal of agricultural research. 11. 4551-4558
Wright, J.L. (1981). Crops coefficients for estimates of daily crop evapotranspiration. Irrig.
Scheduling for Water and Energy Conservation in the 80´s. American Society of
Agricultural Engineers, Dec. 18-26.
Wright, J.L., 1982. New evapotranspiration crop coefficients. Journal of the Irrigation and
Drainage Division 108, 57–74.
Zhang, J and Yang J. (2004). Crop yield and water use efficiency: a case study in rice. Water
use efficiency in plant biology. Blackwell publishing-CRC 198-227 pp.
27/05/2020
ANEXO I: MAPAS DE RESULTADOS
27/05/2020
Mapa_A. Distribución de cultivos en Vegas Altas del Guadiana (2019)

SERVICIO DE REGADÍOS 27/05/2020 41
Mapa B. Categorización de la integral del índice NDVI (NDVI_INT)

3
Mapa C. Categorización de Necesidades hídricas netas (NN/ha en m /ha)

Mapa D. distribución de cultivos en sectores occidentales de Orellana
3
Mapa E. Detalle de NN (NN/ha en m /ha) en sectores occidentales de Orellana
27/05/2020
Mapa F. Detalle de distribución de cultivos en sectores orientales de Orellana
3
Mapa G. Detalle de NN (NN/ha en m /ha) en sectores orientales de Orellana
27/05/2020
Mapa H. Detalle de distribución de cultivos en sectores occidentales de Zújar
3
Mapa I. Detalle de NN (NN/ha en m /ha) en sectores occidentales de Zújar
27/05/2020
Mapa J. Detalle de cultivos en sectores orientales de Zújar y Entrerríos
3
Mapa K. Detalle de NN (NN/ha en m /ha) en sectores orientales de Zújar y Entrerríos
27/05/2020
Mapa L. Detalle de cultivos en sectores de Zona Centro
3
Mapa M. Detalle de NN (NN/ha en m /ha) en sectores de Zona Centro
27/05/2020

Determinacion de Necesidades Hidricas de

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Determinacion de Necesidades Hidricas de

Cargado por

Copyright:

Formatos disponibles

Colección: Cuadernos Científicos para el Regadío

DETERMINACIÓN DE NECESIDADES HÍDRICAS DE LOS

Julián Tapia Benito

DETERMINACIÓN DE NECESIDADES HÍDRICAS DE LOS CULTIVOS DE LAS

Actualmente estos trabajos a gran escala son abordables gracias a la concurrencia de

El fundamento de aplicación de los productos satelitales al ámbito de la agricultura y, más

El presente trabajo pretende la determinación de las NN (ETc-Prec efectiva) de los cultivos en

a) Permitiría la comparación de NN por cultivos en zonas regables con sistemas de distribución

La metodología empleada ha servido como base para el desarrollo e implantación de un

Figura 1. Zonas regables oficiales de las Vegas Altas del Guadiana

Clima, meteorología y suelo

La gráfica 1 muestra el promedio de la evapotranspiración mensual (Penman_Monteith) y

Gráfico 1. Evapotranspiración (Penman-Monteith) y precipitación del año 2019 y de la década 2010-2019

Figura 2. Distribución de texturas de suelo en las Vegas Altas

El procesado ha consistido en la corrección atmosférica mediante el software Sen2Cor y

La secuencia de fechas de las escenas utilizadas se detalla en la tabla 1.

MAR ABR MAY JUN JUL AGO SEP OCT

De la declaración GESPAC se han solicitado al Servicio de Sistema de Información Agraria de

Cálculo de índices de vegetación

Kcb se ha obtenido indirectamente a partir de la información procedente de las imágenes ráster

El valor máximo de NDVI observado en series temporales mixtas de imágenes satelitales de

Así, se ha hecho coincidir un valor de NDVI=0.16, representativo de un suelo desnudo, con un

La función obtenida, por tanto, es:

Kcb es el coeficiente de cultivo basal calculado anteriormente

La aplicación de la función se ha simplificado debido a que, si bien se dispone de información

El cálculo de la componente evaporativa del Kc se ha realizado a partir de un método

El cálculo de esta componente evaporativa (Ke) se ha ajustado al desarrollo vegetativo del

Ka es una variable de estrés hídrico, considerada aquí como 1

La convivencia todavía de un sistema de siembra tradicional tras la inundación con un sistema

NDVI_MAX es el valor máximo de NDVI que se va obteniendo durante el ciclo.

La detección del momento de encharcamiento se ha realizado integrando en el modelo de

Evapotranspiración de cultivos y cálculo de NN.

La evapotranspiración del cultivo, ETc, se ha calculado finalmente a partir de la función

La función que determina las NN de los cultivos es la que sigue:

donde ETc es la evapotranspiración del cultivo y Peff es la precipitación que se considera

Peff es la precipitación efectiva estimada según el método USDA-SCS, en mm

Variables de soporte al cálculo principal

La determinación de los valores de estas variables se ha realizado en base a la experiencia de

El procesado para el cálculo de necesidades hídricas se ha realizado ejecutando en bucle

Evolución de la evapotranspiración de referencia y precipitación

En los gráficos 2 y 3 se puede observar la ET0-PM y precipitación semanal de las estaciones

Gráfico 2. Variación semanal de ETo_PM durante oct 2018-oct-2019 entre estaciones

Gráfico 3. Variación semanal de precipitación durante oct 2018-oct-2019 entre estaciones

Distribución de cultivos por zona regable

En la tabla 2 se muestra pormenorizadamente la distribución de superficie de los principales

CENTRO ENTRERR ORELLANA ZUJAR V. ALTAS

Gráficos 4 a 7. Distribución porcentual de cultivos en 2019 por zona regable.

NN por zona regable y cultivo

CENTRO ENTRERR ORELL ZUJ V. ALTAS

CULTIVOS NN(m3) NN(m3) NN(m3) NN(m3) NN(m3)

La distribución de superficie y NN por sectores y para los cinco cultivos mayoritarios se

ARROZ MAIZ TOMATE OLIVAR FRUTALES

ARROZ MAIZ TOMATE OLIVAR FRUTALES

ARROZ MAIZ TOMATE OLIVAR FRUTALES

ARROZ MAIZ TOMATE OLIVAR FRUTALES

Evolución de necesidades netas por zona regable en la campaña

La agrupación de las necesidades de todos los cultivos, desagregados por intervalos de

Gráfico 8. Evolución de NN en Zona Centro

Gráfico 9. Evolución de NN en Entrerríos

Gráfico 10. Evolución de NN en Orellana

Gráfico 11. Evolución de NN en Zújar

Orellana se distingue por el elevado Kc promedio en el centro de la campaña, debido a que