Predicción de cosechas

El Departamento de Agronomía de la UCO mejora, junto al IAS-CSIC, el modelo AquaCrop introduciendo la opción para simular el rendimiento de la alfalfa con precisión.

AquaCrop es el modelo de simulación de crecimiento de cultivos creado por la Organización de Naciones Unidas para la Agricultura y la Alimentación (FAO) en cuyo desarrollo ha tenido un papel esencial el catedrático emérito de la Unidad de Excelencia María de Maeztu-Departamento de Agronomía de la Universidad de Córdoba (DAUCO), Elías Fereres.

Este modelo que, tras casi 20 años de vida es el segundo más utilizado del mundo en investigación, permite simular la respuesta de rendimiento de los cultivos según clima, suelo y manejo del riego utilizado, algo muy importante en zonas en las que el agua es un factor limitante en la producción.

Hasta ahora este modelo permitía sólo simular el rendimiento de cultivos anuales (herbáceos que tienen un ciclo anual), dejando fuera los cultivos perennes. Eso cambia con el nuevo trabajo de DAUCO e IAS-CSIC, que incluye la simulación de la alfalfa en AquaCrop y comprueba que hace una predicción del rendimiento de la cosecha válido para diferentes climas y zonas.

La alfalfa es un cultivo forrajero perenne que dura entre 3 y 5 años en climas mediterráneos y que se corta varias veces dentro de cada año, volviendo a rebrotar (entre 4 y 8 cortes al año). Para hacer el modelado del ciclo de vida de este cultivo y poder predecir cosechas “había dos desafíos principales en la simulación que eran esos cortes y rebrotes periódicos durante la misma estación y que la alfalfa, como cultivo perenne, almacena reservas en otoño y las usa en primavera para crecer, con lo cual el crecimiento en primavera no viene determinado sólo por la fotosíntesis, sino también por esas reservas que la planta almacena”, explica el catedrático Elías Fereres.

Por tanto, había que incluir en el modelo una rutina que describiese tanto la transferencia de fotoasimilados entre la parte aérea y los órganos de almacenamiento subterráneos como el uso para el crecimiento que la planta hace de esos asimilados.

Para calibrar el modelo, se usaron datos de rendimiento recopilados en Bélgica, Turquía y Canadá para diferentes cultivares de alfalfa, varios años y diferentes estrategias de manejo de campo y riego. Se usaron 81 puntos de datos de producción en los distintos climas, variedades, zonas y programas de riego para verificar este modelo que se erige como una herramienta sólida para predecir la producción de alfalfa en diferentes ambientes.

“El resultado ha sido muy bueno tras esa verificación, se ha conseguido simular el rendimiento con muy buenas correlaciones entre lo simulado y los datos reales obtenidos”, asegura Fereres, ya que no se detectó sobreestimación o subestimación sistemática por parte del modelo.

Introduciendo las variables de cultivo, clima, suelo y manejo del riego (si hay agua o no y, en caso de haberla, cómo se distribuye el riego) se consigue simular la máxima producción que se puede obtener en cada caso. Así, se puede adaptar el riego para obtener el manejo más eficiente para una mayor producción.

“Tras 20 años de uso es una aplicación muy bien optimizada, que ha sido probada en muchos cultivos y en muchos ambientes y la evidencia respalda que funciona bien y se va mejorando”, explica Fereres sobre la aplicación que acaba de estrenar su versión número 7, donde ya se incluye la opción de modelar el rendimiento de la alfalfa.

Como reto a futuro, la aplicación se completaría con su adaptación a cultivos leñosos, todo un desafío según Fereres, “ya que simular la producción de los árboles es muy difícil por el fenómeno de la vecería (que hace que los árboles tengan más producción un año y menos el siguiente) y porque la producción en árboles viene determinada por el crecimiento y desarrollo de años anteriores”.

Raes, D., Fereres, E., García Vila, M., Curnel, Y., Knoded, D., Çelik, S. K., Ucar, Y., Türk, M., &Wellens, J. (April 2023). Simulation of alfalfa yield with AquaCrop.Agricultural Water Management, 284, 108341. doi:10.1016/j.agwat.2023.108341