Predicción del riego en cultivos de maíz de la Mancha Oriental mediante meteorología y teledetección

En climas mediterráneos el regadío es fundamental para la rentabilidad de las explotaciones agrícolas. En muchos de los casos la disponibilidad de recursos hídricos en grandes áreas, como la Mancha Oriental, está limitada al agua disponible en los acuíferos. La extracción del agua necesaria en cada parcela conlleva un gran costo energético lo que condiciona su rentabilidad. Además, en esta zona, su explotación se realiza desde un punto de vista sostenible por medio del reparto solidario del agua entre los agricultores mediante una dotación anual a cada explotación. En consecuencia, la correcta planificación del riego en función del cultivo, disponibilidad hídrica y otros factores como la tarificación eléctrica, es clave. Esta planificación requiere que el regante conozca con antelación, y de forma precisa, las necesidades hídricas del cultivo.

Actualmente, la metodología más habitual para la estimación de las necesidades hídricas de los cultivos es mediante el producto del coeficiente de cultivo (K_c) por la evapotranspiración de referencia (ET_o), manual FAO56 (Allen et al., 1998). La forma más habitual de obtener el K_c es mediante valores tabulados estándar en función, principalmente, de la fenología del cultivo y su localización geográfica. La ET_o es obtenida mediante los datos puntuales registrados por las estaciones agroclimáticas. Esta metodología estima las necesidades hídricas del cultivo una vez se conocen dichos datos de K_c y ET_o, pero no permite adelantarse a la situación venidera, dificultando la correcta planificación del riego.

Para remediar este aspecto en este artículo se propone la previsión de dichas necesidades con una semana de antelación de forma espacialmente distribuida mediante el uso de las previsiones meteorológicas y la teledetección. Las previsiones meteorológicas permiten obtener la ET_o con una semana de antelación (ET_{o predicción}). Por otro lado, el empleo de la teledetección a través de series temporales de imágenes multiespectrales posibilita la monitorización del cultivo. Los productos derivados de las imágenes de satélite como los índices de vegetación se relacionan de forma lineal con el Kc lo que permite tener información sobre el estado de la cubierta a lo largo de todo su ciclo. En este sentido el uso de satélites como Landsat 8 que captura imágenes de aproximadamente 180 x 180 km con un tamaño de píxel de 30 m y una frecuencia de paso de 16 días, u 8 días en las zonas de solape de imágenes, es ideal para monitorizar cultivos con extensiones superiores a 1 ha.

Para atender la necesidad de los regantes de conocer con antelación la demanda hídrica de los cultivos el grupo de Teledetección y SIG de la Universidad de Castilla-La Mancha (http://www.teledeteccionysig.es/) lleva asesorándolos desde el año 2012 en la Mancha Oriental, a lo que se añade los trabajos realizados en el Centro Nacional de Tecnología de Regadíos, CENTER (Garrido-Rubio et al., 2015). En el 2015 se propuso un salto de escala a una predicción espacialmente distribuida enmarcado dentro del proyecto FATIMA (Farming Tools for external nutrient Inputs and water Management, fatima-h2020.eu/). Durante la campaña de verano (julio-septiembre) se ha puesto en marcha una experiencia piloto que consistió en el asesoramiento de las necesidades hídricas del cultivo del maíz en diferentes parcelas (Figura 1). Semanalmente se puso a disposición de los agricultores mapas sobre las necesidades hídricas de sus cultivos con 7 días de antelación y además también se les suministró la estimación a partir de los valores registrados en la semana anterior.

Este artículo muestra la metodología empleada para la predicción semanal de las necesidades hídricas de diferentes cultivos de maíz a partir de la predicción del coeficiente basal de cultivo (K_{cb predicción}) derivado de imágenes de satélite, y de la ET_o predicción que realiza la Agencia Estatal de Meteorología (AEMET). Además se analiza la fiabilidad de las predicciones en las diferentes parcelas mediante un análisis de los dos componentes (ET_{o predicción} y K_{cb predicción}). Los resultados muestran un buen acuerdo entre el valor previsto y el observado en ambos componentes lo que permite el empleo de esta metodología dada su gran operatividad.

Figura 1. Zona de estudio representada por la imagen Landsat 8 RGB de falso color a 15 metros del 26/08/2015 donde se observa parte de la Mancha Oriental. Destacan las zonas en verde intenso correspondientes a cultivos de regadío. Las parcelas señaladas en rojo son cultivos de maíz en donde se ha llevado a cabo la experiencia piloto.

La forma más extendida de abordar las necesidades hídricas de un cultivo es mediante la metodología del K_c, desarrollada en el manual FAO56 (Ec. 1). Dicho manual especifica además que para el cómputo de cálculos diarios y estimaciones más precisas de la evaporación de los cultivos (ET_c), el K_c debe ser divido en dos coeficientes: el K_cb, que representa la transpiración del cultivo, y el que representa la evaporación del suelo, el coeficiente de evaporación (K_e). Además, concreta que dicha ecuación es válida bajo condiciones estándar, es decir cuando no existen limitaciones al crecimiento del cultivo:

ET_c = K_c · ET_o = (K_cb + K_e) · ET_o Ec. 1

T_c = K_cb · ET_o Ec. 2

En este sentido, la metodología que a continuación se describe, se centra en predecir con una semana de antelación la evapotranspiración de referencia (ET_{o predicción}) y el K_cb previsto (K_{cb predicción}), ya que el K_e depende, entre otras cosas, del sistema de riego, estado fenológico del cultivo o las características del suelo en cada parcela, y deben ser consideradas por el propio agricultor. Por ello, la predicción que semanalmente se distribuye únicamente hace referencia a la transpiración del cultivo (T_c-prevista). En consecuencia, se realiza una estimación individual de ambos parámetros para finalmente conjugarlos en la Ec. 2.

Predicción de la Evapotranspiración de referencia (ET_o)

La ET_o se refiere a la evapotranspiración de una cubierta estándar de festuca de una altura de 12 cm en óptimas condiciones hídricas. Su cálculo se realiza mediante la metodología Penman-Monteith detallada en FAO56 a partir de numerosas variables meteorológicas estándar como velocidad del viento, radiación solar, humedad relativa y temperatura. La obtención de la ET_{o predicción} ha sido efectuada por la AEMET, que suministró mapas de predicción para la siguiente semana con un tamaño de pixel de 5 km. De esta forma, se dispone de una de las variables necesarias de la Ec.2 distribuida territorialmente para extender el cálculo espacialmente sobre la zona de estudio.

Predicción del coeficiente basal de cultivo (K_cb) derivado de teledetección

El otro componente clave para determinar la transpiración del cultivo bajo condiciones ideales es el K_cb. Así, numerosos autores determinaron el K_cb para diferentes cultivos proporcionando tablas de valores en función de su estado fenológico. Sin embargo, a finales de los años 80 se comprobó que había una gran similitud entre la evolución del K_cb y la evolución de los índices de vegetación derivados de los datos de satélite. Desde entonces, el empleo del satélite para la determinación del K_cb ha sido ampliamente validado en múltiples cultivos, ya que proporciona un valor real y de conjunto de este parámetro, independientemente del manejo, disponibilidad de nutrientes, sanidad vegetal, etc. Estos datos además tienen la ventaja de abarcar amplias zonas y que son suministrados en tiempo real.

El K_cb basado en datos de satélite se ha determinado en función de las relaciones empíricas lineales con los índices de vegetación. En nuestro caso empleamos uno de los índices de vegetación más robustos y utilizados en teledetección como es el, NDVI, o Índice de Vegetación por Diferencias Normalizadas (Rouse et al., 1973). El NDVI mide el tamaño fotosintético relativo de la cubierta mediante la reflectividad en el rojo y en el infrarrojo cercano, ambas corregidas en superficie mediante una normalización absoluta de cada imagen de NDVI (Campos et al., 2011), para eliminar el efecto de la atmósfera sobre las reflectividades. Asimismo, y basándonos en la banda de calidad del satélite Landsat 8 y la imagen color (bandas 654), se han eliminado los píxeles contaminados por nubes y sombras. Finalmente, en nuestro caso, la relación lineal empleada K_cb-NDVI ha sido la propuesta por (Campos et al., 2010), Ec. 3, relación muy similar a otras validadas en otros cultivos como el maíz (Bausch and Neale, 1987).

K_cb = (1.44 · NDVI) - 0.1 Ec. 3

En consecuencia, y con fines a extender la predicción de las necesidades hídricas espacialmente, la imagen del K_{cb predicción} se obtiene a partir de la secuencia temporal de imágenes de satélite. Para ello, se realiza una extrapolación lineal del NDVI al día central de la semana prevista, y luego se aplica la Ec. 3. Esta metodología supone que el valor de NDVI, y por tanto el K_cb, se mantiene constante durante toda la semana.

En este trabajo se han empleado 13 imágenes capturadas por el satélite Landsat 8. La zona de estudio se encuentra en el solape de dos escenas 199-033 y 200-033 lo que permite tener una imagen por semana. Las imágenes se han obtenido del portal 'Glovis' adscrito y mantenido por el United States Geological Service (USGS, http://glovis.usgs.gov/).

Combinación de las predicciones de ET_o y K_cb para predecir las necesidades hídricas

De julio a septiembre, durante el periodo de monitorización, se suministró cada jueves la previsión de la T_c-prevista (mm/semana) para la próxima semana. Para ello, se combinaron en la Ec. 2 los datos predichos espacialmente dando mapas de predicción durante 13 semanas. A su vez, también se distribuyó el valor real de la transpiración (T_c-observada) de la semana anterior, valor derivado del cálculo espacial de la ET_o (ET_{o observada}) proporcionada por la AEMET (Botey Fullat and Moreno García, 2015), junto con el K_cb interpolado semanalmente, obtenido tras el paso del satélite (K_{cb observado}). De esta forma el agricultor puede contrastar las predicciones para corregir los posibles sesgos por exceso o defecto en la cantidad de agua aplicada.

La forma en la que se distribuyó la información es mediante un sistema WebSIG, desarrollado por la sección de Teledetección y SIG. Dicho sistema es conocido como SPIDERwebGIS y en su portal los datos son cargados y suministrados para su fácil consulta (maps.spiderwebgis.org).

Para analizar la validez de la metodología se procede a comparar las previsiones de sus dos componentes, ET_{o predicción} y K_{cb previsto} respecto a sus valores observados ET_{o observada} y K_{cb observado} registrados a posteriori por la AEMET y las imágenes de satélite, respectivamente.

Evaluación de las predicciones de ET_o

En un primer análisis cualitativo se comprueba la necesidad de utilizar un valor de ET_o distribuido espacialmente, ya que como se puede comprobar en la Figura 2, el valor de ET_o acumulado, tanto observado (a) como previsto (b), es diferente para las distintas zonas del área de estudio. La comparativa general entre el valor observado frente al previsto muestra mapas similares aunque se aprecian claras diferencias en determinadas zonas. Para un análisis más pormenorizado de estas diferencias se procede a comparar pixel a pixel ambos mapas (c), en una zona de 10 x 14 pixeles (5x5 km de lado, 140 pixeles en total), y se realiza para cada una de las semanas que componen el periodo de estudio (16 julio - 7 octubre). En la gráfica se puede observar una correlación adecuada entre el valor semanal de ET_{o predicción} frente a la ET_{o observada}. La raíz cuadrada del error cuadrático medio (RMSE) para todas las semanas durante el periodo de estudio es de 2 mm/semana. De entre todas las semanas del periodo de asesoramiento el RMSE mayor ha correspondido a la semana del 10 al 16 de septiembre con un error de 3,5 mm/semana.

Figura 2. Comparativa en la zona de estudio entre el valor acumulado de ET_{o observada} (a), derivado de los datos medidos por las estaciones meteorológicas, frente A ET_{o predicción} (b) de los modelos de previsión meteorológicos. El análisis de correlación de los datos realizado semanalmente se muestra en el gráfico (c). Este análisis se realiza semanalmente mediante la comparativa pixel a pixel en la zona de estudio durante todo el periodo de asesoramiento.

Evaluación de las predicciones de K_cb

El otro componente a analizar semanalmente es el K_{cb predicción} frente al Kc_{b observado}. Tal y como se puede ver, a modo de ejemplo y para una parcela tipo de maíz (Figura 3), el valor del K_{cb predicción} (línea verde) es capaz de representar la gráfica característica del K_{cb observado} (línea azul). En consecuencia, es factible la utilización del método de extrapolación lineal. Las mayores diferencias se producen cuando la falta de imágenes de satélite, por presencia de nubes y baja resolución temporal limita el número de fechas para realizar una correcta extrapolación. Estas diferencias se acentúan en los puntos de inflexión de la curva, donde el rápido cambio de tendencia no puede ser previsto por falta de imágenes de satélite con una frecuencia temporal adecuada (Garrido-Rubio et al., 2015). A pesar de ello, la comparativa entre los valores previstos frente a los observados en diferentes zonas de cada una de las 4 parcelas piloto de maíz, dan una adecuada correlación representando un %RMSE del 11% en el conjunto del periodo de estudio, Figura 4.

Figura 3. Ejemplo: evolución del K_cb predicción y observado en una parcela a lo largo del periodo de monitorización.

Figura 4. Correlación del valor K_cb predicción y observado en todas las parcelas a lo largo del periodo de monitorización.

La metodología empleada para determinar las previsiones de ET_o y K_cb muestra un buen acuerdo con los datos observados. Por tanto, el empleo de mapas de ET_o suministrados por la AEMET y el acceso libre y gratuito a secuencias temporales de imágenes multiespectrales permite predecir las necesidades hídricas de los cultivos de maíz de forma operativa, espacialmente distribuida y en tiempo real.

La falta de imágenes de satélite en periodos prolongados por presencia de nubes dificulta el correcto desarrollo de esta metodología. Para solventarlo es recomendable el empleo de diferentes satélites que permitan una mayor densidad de imágenes de la zona. El uso del reciente satélite europeo Sentinel 2 junto con Landsat 8 permitirá resolver en parte dicho problema.

Se aconseja comparar las predicciones semanales con los valores observados para ajustar o corregir la cantidad de agua aplicada y evitar de esta forma errores puntales que ocasionen pérdidas al agricultor.

Bibliografía

• Allen, R., Pereira, L.S., Raes, D. and Smith, M., 1998. Crop evapotranspiration - Guidelines for computing crop water requirements - FAO Irrigation and drainage paper 56. Irrigation and Drainage Paper No. 56. FAO, Roma, Italy, 300 pp.
• Bausch, W.C. and Neale, C.M.U., 1987. Crop coefficients derived from reflected canopy radiation - A concep. Transactions of the ASAE, 30(3): 703-709.
• Botey Fullat, R. and Moreno García, J.V., 2015. Metodología para estimar la humedad del suelo mediante un balance hídrico exponencial diario, Área de climatología y aplicaciones operativas. Agencia Estatal de Meteorología (AEMET).
• Campos, I., Odi, M., Belmonte, M., Martínez-Beltrán, C. and Calera, A., 2011. Obtención de series multitemporales y multisensor de índices de vegetación mediante un procedimiento de normalización absoluta, XIV Congreso de la Asociación Española de Teledetección, Mieres, Asturias, Spain, pp. 4.
• Garrido-Rubio, J. et al., 2015. Predicción de las necesidades hídricas con una semana de antelación mediante teledetección y meteorología en la finca experimental CENTER para cultivos de Maíz, XXXIII Congreso Nacional de Riegos, Valencia, pp. 10.
• Rouse, J.W., Haas, R.H., Deering, D.W. and Schell, J.A., 1973. Monitoring the vernal advancement and retrogradation of natural vegetation. Remote Sensing Center. College Station.