Coeficiente de cultivo (Kc) - Observatorio de Investigación Ambiental

EFECTO DEL CAMBIO CLIMÁTICO EN
LA EVAPOTRANSPIRACION DEL
CULTIVO DESDE EL KC EN LAS
ACTIVIDADES AGRICOLAS Y
FORESTALES EN PIUR
EFECTO DEL CAMBIO CLIMÁTICO EN LA EVAPOTRANSPIRACION DEL CULTIVO
DESDE EL KC EN LAS ACTIVIDADES AGRICOLAS Y FORESTALES EN PIUR
Dedios Mimbela, Ninell ,Agrometeorologia / Servicio Nacional de Meteorologia e Hidrologia SENAMHI. Piura, Peru
E-mail: ndedios@senamhi.gob.pe
Tercer Encuentro de Investigadores Ambientales
Piura 13 al 15 de Agosto del 2014
Logo Institucional
1. RESUMEN / INTRODUCCIÓN
•
El cambio climático genera impactos sobre la actividad agrícola y forestal
que es altamente vulnerable en la región Piura (la productividad
retrocederá entre 10% a 20% afectando la seguridad alimentaria). El 81%
de la producción de los ocho principales cultivos alimentarios principales
presenta vulnerabilidad muy crítica ante sequías.
•
El agua del Chira es regulada por el reservorio de Poechos, que tiene un
proceso de colmatación severo y que está reduciendo a la mitad su
capacidad de almacenamiento.
• Sirven para regar mayormente cultivos de
arroz, casi el 35% de la superficie cultivada en
el valle es de este cultivo altamente
demandante del recurso hídrico y además
propenso a generar problemas de salinización
de suelos.
• El agua, en algunos casos ocasiona la fragmentación y la
pérdida del hábitat, (Saunders et al., 1991; Caughley, 1994;
Groom et a.. 2005) y constituyen dos de las principales causas
de modificación y pérdida de la biodiversidad a nivel global,
regional y local (Lindenmayer et al., 1999; Chapin III et al.,
2000; Sala et al., 2000).
•
La asistencia satelital en riego, es una de las tareas actuales de mayor
interés en las aplicaciones de la tecnología de los sensores remotos
(Calera et al., 2005).
•
Desde el punto de vista agronómico, la estimación de la
evapotranspiración es un componente fundamental del balance hídrico y
un factor clave en la interacción entre la superficie terrestre y la atmósfera
(Domingo, 2003) principalmente para programar las tareas de irrigación y
conocer las pérdidas de humedad del suelo (Rosenberg et al., 1983).
• En este trabajo presentamos una metodología
operativa para que permite determinar el
coeficiente de cultivo a partir de imágenes de
satélite de alta resolución espacial.
• La metodología ha sido validada en el ámbito de
la cuenca del rio Chira proyecto MONITOREO DE
LOS ECOSISTEMAS AGRICOLAS Y NATURALES EN
LA REGION PIURA DESDE LAS TECNOLOGIAS:
TELEDETECCION Y SISTEMAS DE INFORMACION
GEOGRAFICA
El Área de estudio
2
2
2
.
Fig. 1
cuenca del rio Chira.
Como cuenca binacional
(Perú-Ecuador).
Extensión
km2
de 17 200
Tabla Nº 1. Características de las imágenes empleadas LANDSAT.TM y ASTER
Donde: VIS: visible, NIR: Infrarrojo cercano: SWIR, infrarrojo medio, TIR infrarrojo
térmico
Satélite
Cobertura (Km)
Sensor
E. Completa
Resolución
Resolución
Resolución
espacial
espectral
temporal
Escena mini
8 bandas
Landsat 5 TM
185X170
50x50
Ms 30 m
(visible +
16 días
Infrarrojos)
15
ASTER
60 KmX60 Km
VIS (2)
NIR (1)
30
SWIR (6)
90
TIR (5)
16 días
III.1 De la caracterización del medio biofísico de la cuenca
Figura Nº2, Vista del bosque seco semidenso desde el dique de la presa
Poechos (Lancones-Sullana)
Figura Nº3. Bosque seco semidenso de colina defoliado en el sector
Lancones-Sullana.
Figura Nº4. Cultivo de arroz sector Somate Bajo-Sullana.
Figura Nº5. Cultivo de arroz sector Somate Bajo-Sullana.
Figura Nº6. Cultivo de Caña de azúcar – empresa Camposol- margen izquierda
del canal de derivación
II.4 Etapas de crecimiento de cultivo asociados a la variación del Kc
Figura Nº7. Curva generalizada del coeficiente de cultivo.
Fuente: Estudios FAO Riego y Drenaje 56
•
II.6 Calculo del Índice de Vegetación de Diferencia Normalizada NDVI
El índice de vegetación (IV), como variable en espacio y tiempo, indica el verdor de la
vegetación (Wittich, 1995).
De gran aplicación en ciencias agronómicas (Gilabert, 1991).
Así, para el desarrollo del análisis, empleamos el Índice de Vegetación de Diferencia
Normalizada (NDVI), (TUCKER, 1979):
II.7 Calculo del Coeficiente del cultivo Kc
Jochum et al (2002)
La información desde los sensores LANDSAT TM y ASTER, mes de febrero.
Kc=1.08*NDVI+0.22
Donde: Kc, evapotranspiración de un cultivo determinado, en condiciones óptimas de
desarrollo.
Se validaron los coeficientes de cultivo (Kc) obtenidos con el modelo de simulación
CROPWAT recomendado por la FAO (Food Agriculture Organization-ONU).
II.8 Relación NDVI y KC
•
•
•
Existe dependencia entre los valores temporales de los índices de vegetación y los
patrones de los coeficientes del cultivo Kc en el tiempo (Heilman et al., 1982)
Empleo de la información calibrada de (González-Piqueras, 2006) .
Similitud en las curvas del coeficiente de cultivo y del índice de vegetación
(Heilman et al., 1982; Bausch and Neale, 1987; Bausch, 1993; Jayanthi et al, 2000)
(González-Piqueras, 2006).
Tabla 2. Densidades de cubiertas consideradas
Bosque seco
Matorral Cultivos anuales Cultivos perennes
Semidenso Ralo
Muy
arroz
Maíz
plátano
mango
ralo
Llanura
P
p
Pd
pd
pd
P
pd
Pd
Colina
P
A
Pd
A
A
A
A
A
Donde p=presente, pd=Presente y dominante, A=Ausente
2. RESULTADOS
Del NDVI y su Distribución espacial y temporal
Figura nº25. Comportamiento del NDVI de los principales tipos de bosque en el ámbito de la cuenca.
2. RESULTADOS
Comportamiento del Kc en diversos cultivos analizados en el ámbito de la cuenca del rio Chira.
Coeficiente de cultivo (Kc) Y fases criticas
Tabla. Periodos Críticos de algunos cultivos
Distribución espacio temporal de los valores Kc en la cuenca del
Rio Chira
•2000
b) 2006
c) 2007
2. RESULTADOS
III.4 Del Cálculo de Kc
Figura. Correlación entre variables Kc y NDVI integrado al ámbito de estudio
2. RESULTADOS
TABLA Nº3. Coeficientes de cultivo Kc detectados para las especies vegetales en sus diferentes
estados de desarrollo fenológico en la cuenca del rio Chira parte media baja (*).
Porcentaje de la estación de crecimiento
0%
20%
Cultivo
Establecimiento
Inicio
Desarrollo del
cultivo
Maíz
0.30-0.50
0.70-0.85
Arroz
1,20
40%
60%
Media estación
80%
100%
Inicio madurez
Madurez
fisiológica
1.15
0,70
0,60
Algarrobo
Lechuga
0,28
0,82
0,96
Cebolla
0,1
0,70
0,50
Frijol
0.30-0.40
0.65-0.75
1.10-1.20
Frutales de hueso
1.10-1.20
0.65-0.85
0,80
cocotero
Cítricos
0.60-0.70
0.60-0.70
0.80-0.90
0.80-0.90
0.60-0.70
Frutales con cubierta
verde
-----------
Promedio
1.00------
-----------
-----------
Tabla Nº4. Valores de Kc promedio en el tiempo, para la vegetación existente en el
área de estudio.
Tipos
Unidades
Kc
Superficie ha
Bosque seco muy ralo
0,95
57505,48
Bosque seco ralo
0,65
93249,1
Bosque seco semidenso
0,65
25113,25
Bosques
Sub Total
Frutales
175867,83
Cítricos
Limón
0,6
3500
Banano
Mango
Cocotero
0,85
0,65
0,80
5200
767
75
9542
Maíz
0,8
305
hortalizas
Arroz
0,45
1,05-1,10
85
15567
Sub Total
Anuales
Sub Total
Total
15957
201366,83
•
Los valores de Kc encontrados, obedecen a condiciones de estrés hídrico de la planta,
influenciados por la limitada disponibilidad del recurso hídrico (manejo).
•
Es necesario que los valores de Kc se incorporen como medidas correctivas a los cálculos de los
coeficientes del cultivo en los pronósticos de disponibilidad anual del recurso hídrico
•
El método estima los requerimientos de agua a escala regional. pudiendo ser de utilidad para
evaluar estrategias de conservación a nivel de cuenca en áreas semiáridas y de difícil acceso.
•
El consumo y la eficiencia del uso del agua en los cultivos de la cuenca del rio Chira son
afectados por prácticas de manejo del cultivo principalmente, el riego.
•
Los valores de Kc muestran que el requerimiento hídrico de los cultivos aumentan
progresivamente desde la siembra hasta los 110 ó 120 días según sea el cultivo, obteniendo
valores de Kc de 0,94 a 1,12 en maíz, frijol; cebolla.
•
En este sentido, la tecnología empleada, por sensores remotos desde las imágenes ASTER Y
LANDSAT puede significar un avance considerable en la extensión de la programación técnica
del manejo del recurso hídrico.
•
El presente estudio ha permitido detectar con mayor facilidad las diferencias entre el uso de
los suelos para la agricultura convencional y los bosques en su hábitat natural, especialmente
el bosque seco ralo y muy ralo. Por esta razón, se considera limitante para su determinación
la presencia del suelo por efecto de la reflectividad.
5. BIBLIOGRAFÍA:
•
•
•
•
•
•
•
•
•
Allen R.G., Pereira L.S., Raes, D. y Smith M., 1998, Crop evapotranspiracion: guidelines for computing crop
water requirements, FAO Irrigation and Drainage Paper, Vol. 56, FAO, Rome.
Allen R.G., Pereira L.S., Raes, D. y Smith M., 2006, Evapotranspiración del cultivo: Guía para la
determinación de los requerimientos de agua de los cultivos, Estudio FAO Riego y Drenaje, Vol. 56, FAO,
Roma, 2006. PP. 323.
Bastiaanssen, W.G.M, D.J. Molden y I.W. Makin (2000): "Remote sensing for irrigated agriculture: examples
from research and possible applications", Agricultural Water Management, vol. 46, 137-155.
Doorenbos, J. and W.O. Pruit, 1977, Guidelines for predicting crop water requirements,
Chuvieco E. 1996. Fundamentos de Teledetección. 3º edición, Editorial Rialp, Madrid, España.
FAO Irrigation and Drainage Paper, Vol. 24, FAO, Rome.
Garatuza-Payan J., y C. Watts, 2005, The use of remote sensing for estimating ET of irrigated wheat and
cotton in Northwest Mexico, Irrig. Drain. Sys., 19:301-320.
INRENA - Proyecto Algarrobo Experiencias en el Manejo Participativo de los Bosques Secos del Norte del
Perú
http://ocw.upm.es/ingenieria-agroforestal/climatologia-aplicada-a-la-ingenieria-y
medioambiente/contenidos/tema-8/COEFICIENTE%20DE%20CULTIVO.pdf.