Evaluación de las medidas de humedad de suelo generadas con datos de satélite a escala de parcela de cultivo

En agricultura, la humedad de suelo es importante para el manejo, la planificación y programación del riego, es decir, cuando y cuánto agua hay que aplicar en el suelo para garantizar que el cultivo pueda desarrollarse correctamente (Clothier and Green, 1994) y de forma eficiente. Cuando se mide la humedad de suelo, hay que definir previamente el objetivo principal del trabajo, los procesos a caracterizar, las propiedades a medir y finalmente el método de medida a utilizar ya que cada uno de ellos tiene un componente de escala que afecta a las medidas finales (van ES et al., 2002). La humedad de suelo tiene una variabilidad espacio-temporal como resultado a la heterogeneidad de las propiedades hidráulicas del suelo, topografía, cobertera del suelo, evapotranspiración y acciones entrópicas del suelo. Dada esta heterogeneidad no siempre es fácil escoger el método de medida y, por lo tanto, medir la humedad del suelo.

Existen distintas técnicas para medir humedad de suelo a diferentes escalas. Las medidas gravimétricas (Gardener, 1986) y los sensores de humedad capacitivos (Campbell and Devices, 1986), son métodos experimentales que miden la humedad de suelo in situ de la parcela. Actualmente, los sensores de humedad de suelo son el método más extendido para medir humedad de suelo en manejo del riego a escala de parcela (Fares and Polyakov, 2006; Thompson et al., 2007; Vellidis et al., 2008, 2016). Estos sensores tienen un volumen de medición determinado, que les hace muy útiles para medir procesos a escala puntual, pero en cambio, para obtener la humedad de suelo a escala regional, se necesitan de varias medidas distribuidas espacialmente. La teledetección, especialmente la radiometría de onda pasiva (Jackson et al., 1996) es capaz de estimar la humedad de superficial del suelo a escala regional. El satélite SMOS (Soil Moisture and Ocean Salinity), es capaz de estimar la humedad de suelo superficial entre 35-55 km de resolución.

Actualmente el interés de estimar la humedad de suelo mediante técnicas de teledetección a resoluciones más altas que las que ofrece SMOS ha aumentado para aplicaciones agronómicas. El algoritmo DisPATCh (Dissaggregation base on Physical And Theorical Change) (Merlin et al., 2010) disgrega la humedad superficial del suelo estimada por SMOS a 1 km de resolución utilizando datos de NDVI (Normalized Difference Vegetation Index) y Temperatura de Suelo (TS) estimados por MODIS (Moderate Resolution Imaging Spectroradiometer) a 1 km de resolución.

Este estudio se ha llevado a cabo en la zona del Canal Segarra Garrigues, donde las parcelas se están transformando de secano a regadío instalando sistemas de riego. Actualmente son pocos los agricultores que han instalado un sistema de riego en la parcela y, por este motivo, a escala regional se considera que la región es aún de secano. En el oeste del sistema Segarra – Garrigues se encuentra la zona del Urgell, donde a diferencia de la anterior, las parcelas poseen sistema de riego instalado y se considera que toda la región es de regadío.

La geoestadística permite caracterizar patrones de correlación de una variable determinada (Entin et al., 2000; Mohanty et al., 2000; Liu, 2001; Western et al., 2002). La función más utilizada es el variograma (Yates S.R. et al., 2002), que es usado para estudiar el comportamiento espacial de una variable. Los variogramas están definidos básicamente por la meseta y el rango. La meseta nos indica la máxima variabilidad del variograma coincidiendo con la varianza, mientras que el rango nos indica la distancia donde existe correlación espacial.

En este trabajo se han comparado datos de humedad de suelo medidos in situ (con el método gravimétrico y con sensores de humedad de suelo) con los datos de humedad superficial del suelo estimados por DisPATCh, para evaluar la viabilidad de si DisPATCh es una buena herramienta para medir la humedad de suelo a escala de campo. También se ha llevado a cabo un estudio geoestadístico usando variogramas de los datos usados por DisPATCh (NDVI y TS) para observar como influencia su variabilidad espacial en el resultado final de DisPATCh.

Los objetivos principales de este trabajo son:

• Comparar los datos de gravimetría de suelo repartidos por toda el área de la parcela, con los datos de los sensores de humedad para determinar si con algunos puntos de monitorización de la humedad de suelo con sensores, se puede representar la humedad general de la parcela.
• Evaluar si DisPATCh se puede emplear a escala de parcela y determinar en qué escenarios estima correctamente la humedad de suelo.
• Comprobar la resolución espacial de DisPATCh haciendo un estudio geoestadístico con variogramas de los datos de NDVI y TS empleados por DisPATCh.

2.1. Área de estudio

El área de estudio se encuentra en el municipio de La Foradada (La Noguera, Lleida). Esta zona se encuentra en el sistema Canal Segarra – Garrigues (Fig. 1).

La parcela de cultivo tiene una extensión de 20 ha, donde el riego es aplicado por aspersión. La región donde se encuentra la parcela se caracteriza por tener parcelas de cultivo sin sistema de riego y bosques de encinares.

2.2. Medidas de humedad de suelo

Un total de 9 campañas de campo se han realizado para tomar muestras de suelo para medir el contenido gravimétrico de agua de cada muestra de suelo según descrito por Gardener (1986). Se han fijado 101 puntos de muestreo a lo largo de toda el área de la parcela (Fig. 1).

Se han definido 5 puntos de monitorización (Fig. 1) en continuo de la humedad del suelo con 1 sensor de humedad EC-5 (METER Group, Pullman, WA, USA) instalado a 5 cm de profundidad y conectados a dataloggers EM50G (METER Group, Pullman, WA, USA).

El algoritmo DisPATCh ha sido ejecutado del 5 de febrero 2016 al 24 de octubre de 2016. Los días nublados que impedían la lectura de los satélites no se han podido ejecutar el algoritmo.

2.3.- Variogramas

Los datos de NDVI y TS corresponden a los días 15 de Abril, 15 Junio y 15 Agosto, representando diferentes estados hidrológicos del suelo y de crecimiento del cultivo. Los datos han sido descargados de la página web Google Earth Engine (https://earthengine.google.com).

Los variogramas experimentales han sido calculados (Ec. 1) utilizando el programa SGems (v2.5b) a diferentes direcciones para comprobar la isotropía del variogram. La máxima distancia incluida en el variograma ha sido de 60000 m, donde la zona del sistema Segarra – Garrigues (zona de secano) y la zona del Urgell (zona regada) están incluidas.

3.- Resultados

Diferentes escenarios hidrológicos son representados por las Figuras 2 y 3, precipitaciones generales y riego local, respectivamente. En cada una de ellas hay representados los valores máximos y mínimos diarios medidos por los sensores de humedad, las medias aritméticas de las medidas de gravimetría con sus desviaciones estándares, y los valores de humedad estimados por el algoritmo DisPATCh con sus desviaciones estándares.

Si se comparan las medidas de humedad de suelo generados con las gravimetrías con los máximos y mínimos de los sensores de humedad, se puede observar que en ambas figuras, tanto si hay precipitaciones generales como riego local, las medidas gravimétricas coinciden con la franja definida por los sensores de humedad.

Los datos estimados por DisPATCh con respecto a los valores que ofrecen los sensores de humedad, muestran un comportamiento distinto en función del escenario en que se encuentra la zona de estudio:

• A, Cuando existen periodos de precipitaciones generales (Fig. 2), y aunque en este caso, los valores estimados por DisPATCh no muestran un valor absoluto similar a los sensores de humedad, sí que muestran la misma dinámica.

• B, En el caso de los valores de humedad de suelo cuando el escenario es de riego local (Fig.3) los valores estimados por DisPATCh no detectan los incrementos de humedad.

Fig.4. Variogramas de NDVI y TS en abril, junio y agosto.

4.- Discusión

Los valores absolutos de las medidas gravimétricas y de los máximos y mínimos de los sensores de humedad, muestran que los 5 puntos de monitoreo de los sensores de humedad son representativos de toda el área de la parcela de cultivo y que representan la posible variabilidad espacial existente en la parcela.

En los valores estimados por DisPATCh se observa una influencia de las condiciones de la región donde se encuentra la parcela, ya que, cuando hay lluvias generalizadas en la zona, la dinámica de humedad de los valores estimados y medidos son parecidos, mientras que cuando hay riego localizado en la parcela de cultivo, pero no lo hay en el resto de la región, los valores estimados y medidos son muy dispares.

Tanto en los variogramas de NFVI como en el de TS los rangos muestran correlaciones espaciales mucho más grandes que 1 km, es por esta razón, que variaciones de 1 km no van a ser detectadas y esto puede influir en el valor final de humedad de suelo proporcionado por el algoritmo DisPATCh.

Se ha observado que los sensores de humedad de suelo pueden representar la humedad del suelo de una parcela de cultivo si se instalan con una correcta distribución espacial.

Se ha demostrado que DisPATCh no puede detectar la humedad a nivel de parcela si esta está situada en una zona donde las condiciones de humedad externas son muy distintas a las que existen en ella. Esto es debido a la continuidad espacial que ofrecen las medidas de NDVI y TS de MODIS siendo más grandes que 1 km afectando a la resolución espacial final de DisPATCh.

DisPATCh, por el momento, no puede sustituir los sensores de humedad de suelo para estimar la humedad de suelo a nivel de parcela de cultivo.

Bibliografía

• Campbell, C. S. and Devices, D. (1986): Calibrating ECH 2 O Soil Moisture Probes, 2–4.
• Clothier, B. E. and Green, S. R. (1994): Rootzone processes and the efficient use of irrigation water, Agric. Water Manag., 25(1), 1–12.
• Entin, J.K., Robock, A., Vinnikov, K.Y., Hollinger, S.E., Liu, S.X., Namkhai, A., (2000). Temporal and spatial scales of observed soil 132 A.W. Western et al. / Journal of Hydrology 286 (2004) 113–134 moisture variations in the extratropics. Journal of Geophysical Research—Atmospheres 105 (D9), 11865–11877.
• Fares, A. and Polyakov, V.: (2006) Advances in Crop Water Management Using Capacitive Water Sensors, Adv. Agron., 90(May 2014), 43–77,
• Gardner, W., 1986. Water content. In: A. Klute (Editor), Methods of Soil Analysis. Part 4. Physical Methods. American Society of Agronomy, Inc., Madison, WI,
• Jackson, T. J., Schugge, J. and Engman, E. T. (1996): Remote sensing applications to hydrology: soil moisture, Hydrol. Sci. J., 41(4), 517–530.
• Merlin, O., Duchemin, B., Hagolle, O., Jacob, F., Coudert, B., Chehbouni, G., Dedieu, G., Garatuza, J. and Kerr, Y.(2010): Disaggregation of MODIS surface temperature over an agricultural area using a time series of Formosat-2 images, Remote Sens. Environ.
• Mohanty, B.P., Famiglietti, J.S., Skaggs, T.H., (2000). Evolution of soil moisture spatial structure in a mixed vegetation pixel during the Southern Great Plains 1997 (SGP97) hydrology experiment. Water Resources Research 36 (12), 3675–3686
• Liu, S.X., (2001). Spatial variation of soil moisture in China: geostatistical characterization. Journal of the Meteorological Society of Japan 79 (1B), 555–574.
• Thompson, R. B., Gallardo, M., Valdez, L. C. and Fernández, M. D.(2007): Using plant water status to define threshold values for irrigation management of vegetable crops using soil moisture sensors, Agric. Water Manag., 88(1–3), 147–158.
• Van ES, H., Warrick, A. (2002). Methods of Soil Analysis. Chap 1. pp8
• Vellidis, G., Tucker, M., Perry, C., Kvien, C. and Bednarz, C.: A real-time wireless smart sensor array for scheduling irrigation, Comput. Electron. Agric., 61(1), 44–50, doi:10.1016/j.compag.2007.05.009, 2008.
• Vellidis, G., Liakos, V., Perry, C., Porter, W. M. and Tucker, M. A.(2016): Irrigation Scheduling for Cotton Using Soil Moisture Sensors, Smartphone Apps, and Traditional Methods, , 772–780.
• Western, A.W., Grayson, R.B., Blo¨schl, G., (2002). Scaling of soil moisture: a hydrologic perspective. Annual Review of Earth and Planetary Sciences 205, 20–37.
• Yates, S.R., A.W. Warrick (2002). Geostatistics, p, 81 – 118, In J.H. Dance and G.C. Topp (eds) Methods of soil analysis Part 4, 3rd edn, Chapter 1, Soil sampling and statistical procedures. Soil Science Society of America, Madison, WI.