Evaluación del riego a tasa variable mediante un modelo basado en teledetección

Ambos campos incluían un pivote central equipado con riego de tasa variable (VRI).
Se aplicaron cuatro tratamientos de riego en Mead, que incluyen:
- VRI basado en un modelo de detección remota (VRI-RS);
- VRI basado en la medición del contenido de agua del suelo con sonda de neutrones
(VRI-NP);
- riego uniforme basado en medición de sonda de neutrones; y de temporal
En Brule sólo se aplicaron los tratamientos VRI-RS y uniforme.
Se utilizaron imágenes Landsat 7 y 8 como entrada del modelo.
En 2015, el modelo de teledetección incluyó coeficientes de cultivos basados en la reflectancia
para la estimación de ET en el balance hídrico.
Las investigaciones futuras deberían incluir una mayor frecuencia de imágenes sin nubes, la
incorporación de mediciones del contenido de agua del suelo en el modelo y mejores
estimaciones de evaporación y drenaje del suelo húmedo.
Los balances hídricos modelados son un método común para la gestión del riego (por ejemplo,
Martin et al., 1990). La gestión del riego se puede mejorar mediante el uso de modelos de
evapotranspiración espacial (ET) y agua del suelo.
Piedra y col. (2016) utilizaron un modelo ET multiespectral basado en teledetección para la
gestión de VRI con resultados prometedores. Sin embargo, existe la necesidad de que la
investigación VRI se realice a escala de campos de producción comercial (por ejemplo, 60 ha).
Un beneficio de aplicar modelos basados en sensores remotos en la gestión del riego es que
dichos modelos incluyen una medición espacial indirecta de la respuesta integrada del cultivo.
Cuando se combinan con datos espaciales de propiedades del suelo, los modelos ET de
teledetección pueden usarse para calcular los balances espaciales de agua del suelo (por
ejemplo, Neale et al., 2012).
Estos modelos tienen potencial para ser utilizados para una gestión del riego espacialmente
informada. Además, es probable que el seguimiento del agua del suelo por sí solo sea una
solución poco práctica para la gestión del VRI; Barker et al. (2017) determinaron que se
necesitarían tres ubicaciones de monitoreo por zona de manejo si se utiliza una sonda de
neutrones para las condiciones de estudio.
El modelo híbrido de Neale et al. (2012) es uno de esos modelos de ET y balance hídrico
adecuado para la gestión del riego. (Barker et al., 2018) refinaron este modelo híbrido y
evaluaron su potencial para su uso en la gestión de VRI. El modelo híbrido es una combinación
de coeficientes de cultivo basados en la reflectancia ( K cbrf ; Bausch y Neale, 1987; Neale et
al., 1989) y el modelo de balance energético de dos fuentes (TSEB) de Norman et al. (1995).
El método K cbrf sigue el enfoque de referencia ET ( ET r ) para estimar la ET ( ET c ) del
cultivo, empleando un coeficiente de cultivo adimensional ( K c ) como:

donde K s , K cb y K e son coeficientes adimensionales de estrés hídrico, basal y de

evaporación, respectivamente (Allen et al., 1998; Jensen y Allen, 2016; Wright, 1982
Se puede utilizar un modelo de balance hídrico para calcular K s y K e como lo presentan Allen
et al. (1998). El K cb se relaciona con el potencial de transpiración de la vegetación y puede
cambiar con el cultivo, el tiempo y la ubicación (Allen et al., 1998; Wright, 1982). En el resto de
este artículo nos referimos a ET c calculada usando K cbrf como ET crf .
En el método K cbrf , el K cb se encuentra utilizando relaciones entre K cb e índices de
vegetación basados en la reflectancia (Bausch, 1993; Bausch y Neale, 1987). El índice de
vegetación de diferencia normalizado (NDVI; por ejemplo, Rouse et al., 1974), puede usarse
para este propósito como en Neale et al. (1989). Bausch (1993) utilizó para este propósito el
índice de vegetación ajustado al suelo ( SAVI ; Huete, 1988).
Luego se puede calcular un balance hídrico para modelar el estado hídrico del suelo de la zona
de raíces del cultivo gestionado (Allen et al., 1998; Martin et al., 1990). Un enfoque puede ser
calcular el balance hídrico siguiendo el Documento de Riego y Drenaje No. 56 de la
Organización de las Naciones Unidas para la Alimentación y la Agricultura (Allen et al., 1998),
en adelante denominado FAO56. Este enfoque fue aplicado por Stone et al. (2016).
En la metodología híbrida, Neale et al. (2012) utilizaron el método K cbrf con un balance
hídrico para modelar el agotamiento del agua del suelo. El beneficio del método híbrido fue que
un K cbrf es relativamente fácil de estimar para períodos entre fechas de recolección de
imágenes multiespectrales (Barker et al., 2018; Neale et al., 2012). Por lo tanto, la ET puede
modelarse incluso en días sin imágenes de sensores remotos.
En las fechas de adquisición de imágenes térmicas infrarrojas, el modelo de Neale et al. (2012)
también incorpora una segunda estimación de ET utilizando el TSEB, que es independiente del
balance hídrico modelado (Barker et al., 2018).
El TSEB es un método de balance de energía superficial, que divide la temperatura radiométrica
de la superficie terrestre obtenida mediante sensores remotos en temperaturas de cultivos y del
suelo (Norman et al., 1995).
El balance energético se resuelve tanto para los componentes del cultivo como para los del
suelo. Un desafío con el TSEB es que requiere imágenes infrarrojas térmicas, lo que limita su
uso a las fechas de adquisición de la imagen (por ejemplo, paso elevado del satélite). Se
proporcionan más detalles sobre el modelo TSEB en Barker et al. (2018)
El TSEB ET se incorpora al modelo de balance hídrico mediante interpolación estadística
(Neale et al., 2012). La función de ponderación estadística utilizada por Neale et al. (2012) para
incorporar TSEB ET al modelo es

donde los subíndices WB y TSEB representan ET del balance hídrico basado en K cbrf y ET del
modelo TSEB, respectivamente, y los superíndices B y A son antes y después de la
incorporación del TSEB ET, y W es la ganancia de Kalman (Barker et al., 2018; Neale et al.,
2012).
Tras la incorporación del TSEB ET, el balance hídrico se actualiza calculando nuevamente el
agotamiento de la zona de la raíz que produciría los K s necesarios para calcular ET A WB (Ec.
(2); Barker et al., 2018; Geli, 2012) . Por lo tanto, el método híbrido debería ser menos propenso
a una gran deriva del balance hídrico en comparación con el modelado de ET con solo un
balance hídrico basado en K cbrf .
Otros estudios han probado el método híbrido (p. ej., Barker et al., 2018; Neale et al., 2012).
Para adoptar el método de gestión del riego, incluido el VRI, sigue siendo necesario probar la
metodología en la programación del riego. Por lo tanto, el objetivo principal del presente
estudio fue determinar si el manejo del VRI a escala de producción utilizando el modelo híbrido
(Neale et al., 2012) daría como resultado una menor aplicación de riego sin reducción del
rendimiento, o al menos daría como resultado un mejor uso del agua de riego. eficiencia (ver
Howell, 2001).
Esto se hizo mediante el uso de un modelo de equilibrio hídrico basado en sensores remotos
para gestionar el riego en un experimento de campo junto con otros tratamientos de riego.
También se evaluó la variabilidad espacial de AWC , ET y rendimiento para identificar la
importancia de cada uno en el manejo espacial del riego.
Concepto de coeficiente de cultivo
El K c es el coeficiente de cultivo para un cultivo determinado y generalmente se determina
experimentalmente. Los valores de Kc representan los efectos integrados de los cambios en el
área foliar, la altura de la planta, las características del cultivo , el método de riego , la tasa de
desarrollo del cultivo, la fecha de siembra del cultivo, el grado de cobertura del dosel, la
resistencia del dosel, las condiciones climáticas y del suelo y las prácticas de manejo. Cada
cultivo tendrá un conjunto de coeficientes de cultivo específicos y predecirá un uso de agua
diferente para diferentes cultivos en diferentes etapas de crecimiento. En la Figura 2 se muestra
un ejemplo de una curva de Kc en función de los días o semanas después de la siembra de una
planta para las etapas inicial, de desarrollo, de mitad de temporada y de final de temporada .
Hay dos enfoques diferentes de la FAO-56: coeficientes de cultivo único y dual. El enfoque del
coeficiente de cultivo único se utiliza para expresar tanto la transpiración de las plantas como la
evaporación del suelo combinadas en un coeficiente de cultivo único ( Kc ) . El enfoque de
coeficiente de cultivo dual utiliza dos coeficientes para separar la contribución respectiva de la
transpiración de las plantas ( K cb ) y la evaporación del suelo ( K e ), cada uno por valores
individuales ( Allen et al., 1998 ).
El uso de índices de vegetación obtenidos mediante sensores remotos, como el Índice de
Vegetación de Diferencia Normalizada (NDVI) y el Índice de Vegetación Ajustado del Suelo
(SAVI), se ha probado para predecir coeficientes de cultivos a escalas de campo y regionales
(Rosue et al., 1974, Huete , 1988 , Duchemin et al., 2002 ).
La reflectancia espectral detectada remotamente puede proporcionar una estimación indirecta
del coeficiente del cultivo o de los coeficientes basales del cultivo. De hecho, varios autores han
probado la similitud entre los patrones estacionales de diferentes índices de vegetación y la
transpiración en cultivos anuales ( Jackson et al., 1980 , Bausch y Neale, 1987 , Bausch, 1993 ,
Bausch, 1995 , Hunsaker et al., 2003 , Hunsaker et al., 2005 , Duchemin et al., 2006 , Er-Raki et
al., 2007 ). Además , Kc puede estimarse a partir de índices espectrales de vegetación, ya que
ambos están relacionados con el índice de área foliar y la cobertura fraccional del suelo
( Heilman et al., 1982 , Neale et al., 1989 , Choudhury et al., 1994 ).
Los principales objetivos de este estudio son: (1) Estimar el coeficiente de cultivo ( K c ) y la
evapotranspiración del cultivo ( ET c ) para el cultivo de trigo en Egipto a través de las
diferentes etapas de crecimiento a partir de índices de vegetación (NDVI, SAVI) derivados del
SPOT. -4 imágenes de satélite. (2) Mapear el coeficiente del cultivo y la evapotranspiración del
cultivo dentro de todo el campo para diferentes etapas de crecimiento.
El principio detrás del NDVI es que la banda roja donde está presente la clorofila causa una
absorción considerable de la luz solar entrante, mientras que la banda del infrarrojo cercano
(NIR) donde está presente la estructura de la hoja de mesófilo esponjoso de una planta crea una
reflectancia considerable (Tucker et al., 1991 ) . Como resultado, los valores del NDVI varían
según la etapa de crecimiento.
Según ( Huete, 1988 ), el SAVI es el mejor índice utilizado para caracterizar la vegetación de la
zona árida, conociendo la escasa distribución de la vegetación entre parches de suelo desnudo.

donde ρ NIR es la Reflectancia en la banda del infrarrojo cercano; ρ rojo es la Reflectancia en la

banda roja y L es un parámetro para minimizar la influencia del suelo (que va de 0 a 1). Su
valor, determinado para zonas áridas por Huete (1988) , es 0,5.
Se utilizó el modelo de regresión lineal por pasos para analizar estadísticamente los datos para
impulsar la ecuación lineal para la predicción de Kc a partir de NDVI y SAVI. Además, se
aplicó la validación cruzada para validar el modelo utilizando números de muestra iguales para
diferentes posiciones dentro del mismo campo

Figura 2 . El diagrama de flujo de la metodología.

https://www.sciencedirect.com/science/article/pii/S111098231200004X#f0005