20-04-16Definición de la etapa de desarrollo de los cultivos para estimar evapotranspiración...

8/18/2019 20-04-16Definición de la etapa de desarrollo de los cultivos para estimar evapotranspiración usando la metod.pdf

1/17

Tecnología y Ciencias del Agua

ISSN: [email protected] Mexicano de Tecnología del AguaMéxico

Odi-Lara, Magali; Paz-Pellat, Fernando; López-Urrea, Ramón; González-Piqueras, JoséDefinición de la etapa de desarrollo de los cultivos para estimar evapotranspiración usando la

metodología FAO-56 y sensores remotosTecnología y Ciencias del Agua, vol. IV, núm. 3, julio-agosto, 2013, pp. 87-102

Instituto Mexicano de Tecnología del AguaMorelos, México

Disponible en: http://www.redalyc.org/articulo.oa?id=353531983005

Cómo citar el artículo

Número completo

Más información del artículo

Página de la revista en redalyc.org

Sistema de Información CientíficaRed de Revistas Científicas de América Latina, el Caribe, España y Portugal

Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

http://www.redalyc.org/articulo.oa?id=353531983005http://www.redalyc.org/comocitar.oa?id=353531983005http://www.redalyc.org/fasciculo.oa?id=3535&numero=31983http://www.redalyc.org/articulo.oa?id=353531983005http://www.redalyc.org/revista.oa?id=3535http://www.redalyc.org/http://www.redalyc.org/revista.oa?id=3535http://www.redalyc.org/articulo.oa?id=353531983005http://www.redalyc.org/fasciculo.oa?id=3535&numero=31983http://www.redalyc.org/comocitar.oa?id=353531983005http://www.redalyc.org/articulo.oa?id=353531983005http://www.redalyc.org/revista.oa?id=3535


2/17

Se analizan los patrones temporales de variables biofísicas y espectrales: índicede área foliar ( IAF), cobertura aérea ( fv), e índice de vegetación cinemáticamentemodi cado y ajustado por suelo (IV_CIMAS), en cultivos con densidad foliar alta(sorgo) y densidad foliar media (algodón y maíz). En el caso del sorgo, se analiza larelación de estos patrones temporales con el coe ciente basal de cultivo (Kcb). Lasvariables fv , IAF e IV_CIMAS fueron modeladas con un modelo expo-lineal truncado(ELT ) y uno expo-lineal asimétrico ( ELA). Ambos presentaron un buen ajusteestadístico en los tres cultivos; sin embargo, el modelo ELT resulta más adecuado,porque no requiere el valor máximo de la variable. De las tres variables modeladas,el IV_CIMAS representa mejor la cantidad y calidad de la vegetación en un píxel oparcela, ya que es función de la cantidad de área foliar, de su distribución espacial,de las propiedades ópticas de las hojas y del suelo de fondo de la vegetación. Con elobjeto de estimar evapotranspiración, según lo establecido en FAO-56, se analizarontres métodos distintos para caracterizar la etapa de desarrollo del cultivo de sorgo.

Los métodos de nen la duración de la etapa con base en la cobertura del suelo, laetapa de oración y mediante la información espectral (IV_CIMAS). Se analizaronlos errores (RECM y ERM) de las estimaciones de Kcb de la etapa de desarrollovegetativo mediante los tres métodos, en relación con las estimaciones de Kcb de unlisímetro de pesada, obteniendo los mejores resultados para el métodoIV_CIMAS ylos peores para el método FAO-56-Floración.

Palabras clave : índice de vegetación, coe ciente basal del cultivo, etapa dedesarrollo, modelo expolineal.

D

FAO-56

• Magali Odi-Lara* • Fernando Paz-Pellat •Colegio de Postgraduados, México

* Autor de correspondencia

• Ramón López-Urrea •Instituto Técnico Agronómico Provincial de Albacete, España

• José González-Piqueras •Universidad de Castilla-La Mancha, España

Resumen

Tecnología y Ciencias del Agua, vol. IV, núm. 3, julio-agosto de 2013, pp. 87-102

IntroducciónUno de los modelos ampliamente aceptadospara estimar la evapotranspiración de los cul-tivos es el conocido como método FAO-56 o delcoe ciente de cultivo dual (Allenet al., 1998). Estemétodo se basa en la de nición de las etapas decrecimiento de los cultivos, las cuales se asociancon parámetros o coe cientes del cultivo paraestimar la evapotranspiración. La determinación

operacional de estas etapas de crecimiento sedi culta en super cies con una gran diversidadde cultivos, como sucede en las zonas de riego.La asistencia de datos espectra-les obtenidos desensores remotos puede ser una herramientaadecuada para de nir estas etapas y estimar laevapotranspiración (Caleraet al., 2005).

La tecnología de los sensores remotos per-mite el seguimiento de la vegetación mediantela aplicación de relaciones empíricas entre


3/17

T e c n o l o g í a y

C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j

u l i o - a g o s t o

d e 2 0 1 3

Odi-Laraet al. , Defin ición de la etapa de desar rol lo de los cul tivos para est imar evapot ranspirac ión usando l a m etodología FA

índices de vegetación espectrales ( IV ) y va-riables biofísicas de los cultivos, como lacobertura del suelo ( fv), el índice de áreafoliar (IAF), la biomasa aérea ( Bm), la altura(h) y el coe ciente basal del cultivo (Kcb).De los numerosos IV que existen (Verstraetey Pinty, 1996; Pazet al., 2007), la mayoríase basa en el alto contraste entre las bandasdel rojo (R) y el infrarrojo cercano (IRC) quepresenta la vegetación (Tucker, 1979). Losefectos atmosféricos, la geometría sol-sensory la mezcla suelo-vegetación son factoresque tienen una in uencia importante sobrelos índices de vegetación. En particular, lavariación en el brillo y color del suelo defondo del cultivo puede introducir errores enla estimación de las variables biofísicas. Parareducir este efecto, se han diseñado diferentesIV optimizados, que incluyen parámetros denormalización, especí camente para suelodesnudo, como el índice GESAVI (Gilabertet al., 2002) y el NDVIcp (Paz et al., 2007),cuyo rango de validez está limitado hasta lafase exponencial de los patrones espectralesasociados con el crecimiento de la vegetación(curvas iso- IAF). Romeroet al. (2009) hangeneralizado el NDVIcp para el caso de lasfases exponencial y lineal, es decir, hasta elIAF máximo, a través del índice IV_CIMAS.

Para estimar los requerimientos de aguade los cultivos mediante tecnología satelital,se requiere de un enfoque pragmático, comola aplicación “en dos pasos” de la ecuación dePenman-Monteith (Doorenbos y Pruitt, 1977;Allen et al., 1998). En ella, la evapotranspiraciónreal (ETc) se calcula como el producto de dosfactores. El primero es un coe ciente de cultivo

que re eja las características de la cubierta (Kc)y el segundo es el poder evaporativo de laatmósfera o evapotranspiración de referencia(ETr). LosIV y la curva del coe ciente del cultivopresentan una evolución temporal similar, porlo que se propuso el uso de los IV para estimarKc (Heilman et al., 1982). Posteriormente, seha encontrado la similitud entre la evoluciónde los IV y el Kcb , eliminando la variabilidadintroducida por la evaporación del suelo de

fondo (Bausch y Neale, 1987 y 1989; Bausch,1993 y 1995), para ser usada en un contextooperacional de la programación de riegos.

Planteamiento del problema

La estimación de la evapotranspiración real delcultivo ETc ha sido propuesta en función delcoe ciente del cultivoKc promedio (Doorenbosy Pruitt, 1977) y de la evapotranspiración dereferencia ETr:

ETc = Kc ETr (1)

La relación (1) se re ere a condicionespromedio de la humedad del suelo, por loque Wright (1982) propuso el método dual deestimación de Kc:

Kc = Kcb + Ke (2)

donde Kcb es el coe ciente basal del cultivosin estrés, que representa la componente detranspiración y Ke es el coe ciente asociado conla evaporación del suelo.

En el caso de cultivos sujetos a estréshídrico, el coe ciente del cultivo ajustado,Kca ,está dado por:

Kca = (Ks )(Kcb + Ke ) (3)

donde Ks es el coe ciente de estrés hídrico.El método dual, y su ajuste por estrés

hídrico, forman parte de la metodología actualpropuesta por el método FAO-56 (Allenetal., 1998) y es la base de la estimación de ETc ,usando el coe ciente del cultivo. En el caso deFAO-56, laETr ha sido reemplazada por ETo

y está referenciada a parámetros jos de unacubierta hipotético de festuca.FAO-56 ha desarrollado valores deKcb

para las etapas de crecimiento inicial (ini),media (med) y nal ( n) de distintos cultivosen condiciones estándar (Allen et al., 1998).Para poder utilizar estos valores, es necesariocaracterizar el inicio y la duración de las etapasde crecimiento de los cultivos, como se muestraen la gura 1.


4/17

Tecnología y

Odi-Laraet al. , Defin ición de la etapa de desar rol lo de los cul tivos para est imar e vapotranspirac ión usando l a metodología FA

Según lo establecido en FAO-56 (Allenetal., 1998), la etapa inicial va desde la fecha desiembra hasta que el cultivo alcanza aproxi-madamente una fv = 10%. La etapa de desa-rrollo del cultivo comprende desde fv = 10%hasta que alcanza la cobertura efectivacompleta. Dependiendo del tipo de cultivo, lacobertura efectiva completa puede ocurrir alinicio de la oración o cuando algunas hojasen hileras adyacentes empiezan a solaparse,con una fv entre 70 y 80%, o cuando el IAF = 3.La etapa de mediados de ciclo comprendedesde la cobertura completa hasta el comienzode la madurez. Por último, la etapa nal delciclo va desde el comienzo de la madurez hastael momento de la cosecha o la senescenciacompleta.

La etapa más crítica en relación con el ren-dimiento de los cultivos es la de desarrollo delcultivo, hasta un poco después de la oración(Doorenbos y Kassam, 1979), por lo que essumamente importante establecer el inicio y

nal de esta etapa. Los criterios de inicio ( fv =10%) y nal ( fv entre 70 y 80%, IAF = 3 o iniciode la oración) establecidos por FAO-56 paraesta etapa resultan objetivos en apariencia; sin

embargo, en términos operacionales, resultadifícil su estimación.

Para caracterizar la etapa de desarrollo delcultivo mediante la tecnología de los senso-res remotos, se requieren establecer criteriosobjetivos, bajo la restricción de usar sóloinformación espectral (re ectancias). Un casoa considerar en este tipo de análisis es el delos cultivos energéticos o cultivados en altadensidad para la obtención de biomasa. En estasituación, el uso de variables como la fv o el IAF resulta difícil de aplicar, ya que estos cultivosrápidamente alcanzan los valores umbrales

jados por FAO-56.En este trabajo se revisan los criterios

usados por FAO-56 para de nir la etapa dedesarrollo vegetativo de los cultivos, usandoexperimentos con mediciones simultáneas devariables biofísicas y de re ectancias en par-celas experimentales, considerando los casosde cultivos con densidad media y alta.

El objetivo principal de tales análisis esel establecimiento en forma objetiva —enparticular para el uso de sensores remotos— deuna de nición operacional del inicio y nal dela etapa de desarrollo del cultivo.

Figura 1. Etapas de desarrollo de los cultivos y losKcb asociados según FAO-56.


5/17


C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


Materiales y métodos

Se analizaron los patrones temporales devariables biofísicas y espectrales de cultivoscon densidades foliares diferentes: alta ymedia. Como cultivo con densidad foliar altase estableció un experimento de sorgo dulce(Sorghum bicolor L.), variedad Moench cv.H-133, para producción de biomasa. Para loscultivos con densidad foliar media, algodón(Gossypium hirsutumL.) y maíz (Zea maysL.),se utilizaron datos de experimentos publicadosen los trabajos de Hueteet al. (1985) y Bausch(1993). Además, se analizó la asociación deestos patrones temporales con el Kcb medido

para el caso del cultivo de alta densidad.

Cultivos con densidad foliar media: algodóny maíz

En los cultivos con densidad foliar media secuenta con valores medidos de las variablesBm , IAF , h y fv. También se tienen medidasradiométricas de la cubierta sobre diferentessuelos de fondo. Pazet al. (2005, 2007) yRomeroet al. (2009) han analizado con detalle

los patrones espectrales de estos cultivospara el desarrollo de IV . Bausch (1993 y1995) y Nealeet al. (1989) han desarrolladorelaciones lineales del Kcb con los IV paramaíz. Desafortunadamente, en el caso demaíz y algodón no se cuenta con datos de Kcb medidos en un lisímetro, por lo que no se haceun análisis tan detallado como en el caso delsorgo, al no poder evaluar los errores en lasestimaciones de Kcb.

Cultivo con densidad foliar alta: sorgo para producción de biomasa cv. H-133

Las medidas espectrales y de variables bio-físicas (Bm , h y fv) del sorgo, se realizaron enel Instituto Técnico Agronómico Provincialde Albacete, en España, con coordenadasgeográ cas: 2º 5’ 10’’ longitud oeste, 39º 14’ 30’’latitud norte y altitud sobre el nivel del marde 695 m ( gura 2). El clima local se clasi cacomo semiárido (D), mesotérmico (B´2), connulo o escaso exceso de humedad (d), y conmoderada concentración de necesidades deagua en verano (b´3) (Thornthwaite, 1948), contemperaturas medias del mes más frío (enero)

Figura 2. Localización geográ ca del sitio experimental para el cultivo de sorgo.


6/17

Tecnología y


de 4-5 ºC y del mes más cálido (julio) de 24ºC, aproximadamente. La precipitación mediaanual es 320 mm año -1. Según elSoil Taxonomy (Soil Survey Sta , 2006), el suelo de la parcelaexperimental se cataloga como petrocalciccalcixerepts. La profundidad media del sueloes de 40 cm, limitado por el desarrollo de unhorizonte petrocálcico que se encuentra más omenos fragmentado. La textura es franco arcillolimosa (13.42%, arena; 48.89%, limo; 37.69%,arcilla), pH básico, pobre en materia orgánicay en nitrógeno total, con un alto contenido encaliza activa y potasio.

Las mediciones de las variables biofísicasse realizaron sobre un lisímetro de pesadacontinua, que se utiliza para la rotación decultivos estacionales, ubicado en el centrode una parcela de 100 x 100 m (López-Urreaet al., 2009). Está provisto de un sistemaautomatizado de riego por aspersión decobertura total enterrada. Con este sistemase mantuvo un contenido de agua en elsuelo próximo a la capacidad de campo.Asimismo, se realizó una fertilización de 60kg de N ha -1 durante el periodo vegetativo,que resulta adecuada para el cultivo; además,se aplicaron 1.8 l·ha -1 de herbicida MCPApara el control de malezas y se realizaron dosaplicaciones de clorpirifos 48% (3.2 l ha-1) parael control de insectos. Así, el cultivo de sorgocreció sin restricciones de agua y nutrientes,manteniendo las mismas condiciones de de-sarrollo en el lisímetro y en la parcela deprotección, para que las mediciones de eva-potranspiración fueran representativas.

Las dimensiones del recipiente del lisímetroson de 2.3 x 2.7 m de lado y 1.7 m de profundidad,con una masa total de 14.5 Mg. La precisión dela celda de carga es de 250 g, lo que equivale a0.04 mm de agua. Las mediciones lisimétricasse obtuvieron cada 15 min en un sistema deregistro automático. También se registraronlas medias horarias y diarias. Estas medicionesse revisaron a escala diaria, eliminando lasvariaciones bruscas, que no pudieron serexplicadas por procesos naturales de aporte ypérdida de agua. De esta manera, después derealizar el balance global, se obtuvo la medidadirecta y able de la evapotranspiración realdel sorgo para las condiciones climáticas de lazona.

El sorgo dulce es un híbrido de ciclo medio-tardío, con gran capacidad de adaptación aclimas áridos y semiáridos, y que alcanzarendimientos medios de 20 a 30 t de materiaseca ha -1 y una altura promedio de cuatrometros. La siembra se llevó a cabo el 23 demayo y la cosecha el 8 de octubre de 2007. Ladensidad de siembra fue de 20 semillas m -2 ,con un marco de plantación de 50 x 10 cm. Ladensidad nal de plantas fue de unas 115 000plantas ha -1. El cuadro 1 presenta la fenología

del cultivo de sorgo.Las medidas espectrales se hicieron con unradiómetro HR4000MR , fabricado por OceanOptics, Inc., en Florida, Estados Unidos, elcual usa un intervalo efectivo de mediciónde longitudes de onda que va de 200 a 1 100nm. En el rango de 400 a 900 nm, el ancho de banda es de 0.25 a 0.26 nm, con 1 757 canales.Fuera de este rango, el ruido es muy elevado.

Cuadro 1. Fenología del cultivo de sorgo.

Fenología Fecha Día Juliano Días después de la emergencia

Siembra 23/05/2007 143Emergencia 31/05/2007 150 04-5 hojas 18/06/2007 169 19Inicio oración 10/08/2007 222 7250% oración 17/08/2007 229 79100% oración 21/08/2007 233 83Maduración 18/09/2007 261 111Cosecha 09/10/2007 282 132


7/17


C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


La altura de observación del radiómetro varióde 4 a 5.8 m sobre el suelo, lo cual permiteun círculo de observación de 0.7 y 1.0 m dediámetro, respectivamente, para un ángulode visión instantáneo de 10º. Siguiendo lametodología propuesta por Milton (1987), sehizo un seguimiento periódico del cultivo,tomando las mediciones espectrales a nadir yen horario de máxima elevación solar. Para eldiseño experimental, se realizó un transectode seis medidas dentro y fuera del lisímetro,a n de garantizar la representatividad dela cubierta vegetal. El transecto se trazó endirección norte-sur, evitando sombrear lasuper cie medida (Jacksonet al. , 1980). Paraevitar que la con guración de iluminaciónvariara, las medidas de la cubierta vegetaly el panel de referencia ( SpectralonMR) sellevaron a cabo con rapidez, tomando unamedida del blanco de referencia al inicio decada transecto (McCoy, 2005).

La información espectral se procesó uti-lizando un promedio móvil de 13 datos,centrado en la longitud de onda de análisis. Laventana de datos de 758-762 nm fue descartadapor presentar ruidos extremos. Las medidashiperespectrales tomadas en campo fueron

integradas a las bandas del sensor Landsat 5TM.La cobertura vegetal ( fv) se estimó mediante

la técnica de clasi cación supervisada defotografías digitales tomadas a nadir sobre lacubierta en los puntos donde se hicieron lasmedidas espectrales (Caleraet al., 2001). Laclasi cación hecha con el programa ENVIMR ,versión 4.1, separó los píxeles de vegetaciónverde y de suelo desnudo.

La biomasa se estimó tomando muestras de0.5 x 0.5 m (5 plantas) cada dos o tres semanas.

Después de registrar el peso fresco, se secaronen estufa a 70-75 ºC hasta peso constante, paraobtener el peso seco. El rendimiento de cosechafue de 22 374 Kg ha-1 de biomasa seca.

Modelación de los patrones temporales de lasvariables biofísicas y espectrales

Los sensores remotos proporcionan unasecuencia multi-temporal de datos multi-

espectrales, que pueden simpli carse en pa-trones temporales de IV . Esta informaciónpuede ser usada de forma objetiva, al rela-cionarla con modelos dinámicos que tenganuna base biofísica.

El modelo expo-lineal de Goudriaan yVan Laar (1994) modela en forma gradual latransición de una fase exponencial a una lineal,por lo que resulta atractivo de utilizar. Estemodelo está de nido por:

V (t ) =C

rln 1+ exp r (t t L ){ } (4)

donde V es el crecimiento de la vegetación(IAF , fv , h); r , una tasa relativa de crecimiento;

C , la tasa máxima de crecimiento, y tL es eltiempo cuando V (t) = Vt = 0) en la fase lineal,es decir, el tiempo en que la fase lineal empiezaen forma efectiva.

Las características del modelo se presentanen la ecuación (5):

V (t = t T ) =

C

r

t T = t L +0.541

r (5)

donde tT es el tiempo donde la condición rV =C se cumple.

El modelo tiene bases biofísicas paramodelar el IAF (aproximación de mediohomogéneo en términos físicos y de medioturbio en términos radiativos) (Ferrandino,1989). Esta ecuación ha sido extendida para biomasa aérea, usando una relación lineal entreel IAF y Bm (Goudriaan y Monteith, 1990).

El modelo expo-lineal se ajusta a la diná-

mica del crecimiento del follaje de los cultivos(Goudriaan y Van Laar, 1994). Al inicio delcrecimiento, cada hoja nueva contribuye alcrecimiento, interceptando radiación en formapotencial, porque no hay limitación de espacio(sombras). En este periodo o fase exponencial,la tasa relativa de crecimiento ( r) es constante.

Al continuar el crecimiento de la vegetación,las hojas comienzan a auto-sombrearse. Unavez que se ha alcanzado un valor umbral


8/17

Tecnología y


máximo, la contribución de las hojas nuevas enla captura de radiación es marginal. Este puntoes el comienzo de la fase lineal del crecimiento,cuando el cultivo alcanza la tasa de crecimientomáxima (C = rV ). Aquí, la densidad foliarse mantiene constante a escala de planta; encambio, el IAF continúa creciendo a escala deparcela (población de plantas) hasta llegar asu límite máximo, asociado con un cambiofenológico: la oración.

El modelo expo-lineal de la relación (4)no tiene límite superior; por tanto, para unvalor máximo, Vmx requiere ser truncado,denominándose modelo expo-lineal truncado(modelo ELT ).

La transición entre la fase exponencial y lareproductiva, representada por una funciónexponencial o de otro tipo, puede modelarseen forma similar que el caso de la transiciónexponencial a la lineal (Goudriaan, 1994);aunque el modelo es un sigmoideo simétrico,se puede generalizar a uno asimétrico, conuna pérdida de interpretación biofísica (Yinet al., 2003). Los modelos expo-lineales ysus generalizaciones utilizan la hipótesis demedios ambientes relativamente similares(principalmente la radiación). El modelo expo-lineal asimétrico ( ELA) (Yin et al., 2003) estádado por:

V (t ) = Cr

ln 1+ exp r(t tL)

1 + exp r(t tL Vmx/C) (6)

El Kcb es función principalmente de laaltura del cultivo, del albedo y de la resistenciaaerodinámica del cultivo (Allen et al., 1998).

Esta última depende del área foliar (cantidadde estomas), edad, condición y grado de controlestomático de las hojas. En consecuencia, elinicio de la etapa de desarrollo vegetativo, enfunción de la cobertura efectiva de los cultivos,puede de nirse como el punto dondet = tT , yasea asociado con la fv , IAF o un índice espectral.Este punto de ne los requerimientos de aguanecesarios para mantener la tasa máxima decrecimiento. El n de esta etapa, donde se

presenta la cobertura efectiva completa, escuando la fase lineal termina. Esta de niciónobjetiva y siológica de la etapa de desarrollodel cultivo es independiente de los valoresparticulares del IAF y fv asociados, ya que éstosvarían en función de la densidad de siembraprincipalmente (Ball et al., 2000).

Modelación de los patrones espectrales delcrecimiento de los cultivos

Los patrones espectrales en el espacio delR-IRC, asociados con el crecimiento del cultivo,pueden utilizarse para desarrollar índices devegetación óptimos (Gilabertet al., 2002; Pazet al., 2007; Romero et al., 2009). La gura 3amuestra simulaciones radiativas asociadascon el incremento del IAF , usando diferentespropiedades ópticas (re ectancias) de lossuelos. Pazet al. (2005) hace una descripcióndetallada de estas simulaciones. Se observa quelas curvas iso-suelo, formadas por vegetacióncreciendo sobre propiedades ópticas constantesdel suelo, convergen hasta un punto (ápice del“sombrero de tres picos”), donde la re ectanciadel R no cambia, porque se ha saturado. Estepunto representa un medio ópticamente densoo de re ectancia en el in nito (R∞) (Ross, 1981).

Las bandas del espectro visible (azul,verde y rojo) se saturan antes que las del IRCdebido a su función fotosintética. El IRC siguecreciendo hasta alcanzar su propio punto desaturación ( IRC∞). El valor del IRC asociado alpunto de saturación de la banda del R es IRCR∞.Al analizar la gura 3a para una cantidad devegetación constante (curvas iso- IAF , iso-Bm ,iso-h o iso- fv), pero con diferentes propiedades

del suelo (textura, materia orgánica, óxidos deerro o humedad), se pueden de nir líneasrectas con parámetros a0 y b0 (constante aditivay multiplicativa, respectivamente). Estosparámetros varían en función de la cantidadde vegetación presente. Las curvas de igualvegetación van desde la condición de IAF =0, representada por la línea del suelo con a0 = aS y b0 = bS , hasta una línea recta vertical ( a0 → - ∞ yb0 → + ∞), que representa el punto de


9/17


C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


saturación de las bandas del R e IRC (línea rectasobre el ápice del sombrero de tres picos).

La gura 3b presenta el patrón asociadocon los parámetros a0-b0 , para distintos valoresde IAF. Se observa que para valores delIAF menores que dos, la relación es de tipoexponencial, y para valores del IAF mayoresque 2.5 existe un cambio de pendiente y la

relación es de tipo lineal. Este patrón expo-lineal de la relación entre a0-b0 puede asociarsecon los modelos expo-lineales discutidos. Así,la transición entre el patrón exponencial allineal establece el punto cuando t = tT .

El índice de vegetación NDVI [(IRC - R)/(IRC+ R)] (Rouseet al., 1974) trata de aproximarlos cambios de las variables biofísicas asociadoscon cambios en la pendiente de las líneas deigual vegetación (iso- IAF), suponiendo unorigen común de todas las líneas en (0, 0).

Paz et al. (2007) proponen el índice NDVIcp ,que aproxima la parte exponencial entre a0 y b0 mediante una línea recta en el espaciotransformado a0 - 1/ b0. El NDVIcp quedade nido como:

NDVIcp = b0

1

b0 + 1

1

b0= c + da0 (7)

donde c y d son constantes empíricas.Posteriormente, Romeroet al. (2009)

propusieron el uso de los patrones delcrecimiento espectral para modelar el patróncompleto de la gura 3b (pendientesb0 y β)mediante el índice IV_CIMAS. Este índicemodela la fase exponencial mediante elNDVIcp. Para aproximar la fase lineal hasta un

poco después de la transición a la exponencialutiliza un espacio transformado a1 - β (Pazet al.,2005) (ecuación (8)). De esta forma, se de neuna relación lineal, donde q y r son constantesempíricas (ecuación (9)):

=90 arctan( b1)

45

b1 =b0

b0 bS

a1

= a0(1

b1 )

+ aS

b1

(8)

= q + ra 1 (9)

El índice IV_CIMAS se de ne como:

IV _CIMAS = NDVIcp (b0 ) , si c

IV _CIMAS = NDVIcp ( ) , si > c (10)

Curva iso-suelo

(a)

(b)

IAF

IAF

IAF

tT

I R C

( %

)

b 0

Línea del suelo ( IRC = as + bsR )

0 5 10 15 20

-30 -20 -10 0 10 20

Línea iso- IAF (IRC = a 0 + b0 R )

(R∞

,IRC∞

)

(R∞ ,IRC R ∞ )

IAF = 0IAF = 0.5IAF = 1IAF = 2IAF = 3IAF = 5IAF = 12

70

60

50

40

30

20

10

0

30

25201510

50

R (%)

Maíz-simulación

a0 (%)

Figura 3. (a) Representación en el espacio delR e IRC de la re ectancia (%) de distintos niveles de cubierta vegetal (IAF)simulada, variando las propiedades del suelo de fondo. Se indica la línea de suelo ( IRC = as + bs · R), así como las líneas iso- IAF

(IRC = a0 + b0 · R); (b) espacio a0 - b0 de los parámetros de las líneas iso- IAF asociadas.


10/17

Tecnología y


donde βc es un valor umbral; por lo general,βc = 0.25. ElNDVIcp(β) se estima de la relaciónentre b0 y β de la relación (8) y la relación (7) delNDVIcp con b0. El índice β se estima usando losvalores del R e IRC medidos en campo (Romeroet al., 2009), al igual que el NDVIcp(b0).

Resultados y discusión

En este apartado se analiza la dinámica asocia-da con las variables biofísicas y espectrales delos cultivos con densidad media (algodón ymaíz) y alta (sorgo dulce), así como la asociaciónde los patrones temporales y sus transiciones,con los Kcb medidos para el cultivo de altadensidad.

Ajuste de los modelos expo-lineales a lasvariables biofísicas y espectrales

Los modelos ELT y ELA fueron ajustados alos datos experimentales usando regresión nolineal, donde la raíz del error cuadrático medio(RECM) fue minimizada. Para esto se utilizóla función SOLVERMR del software ExcelMR.La gura 4 muestra el ajuste estadístico delos dos modelos expo-lineales a la variable

IAF del cultivo de maíz. El cuadro 2 muestralos resultados de los modelos expo-linealesajustados a fv , IAF e IV_CIMAS de los trescultivos analizados. En general, ambosmodelos expo-lineales presentaron un buenajuste estadístico y representan la dinámica del

crecimiento asociada con el IAF.Del análisis de los parámetros del cuadro 2,

las estimaciones de tT usando el IAF y el IV_CIMAS resultan muy cercanas entre sí, lo cualexpresa que el IV_CIMAS ha sido diseñadocon base en una relación lineal con el IAF , conorigen en 0 (Romeroet al., 2009). En el caso dela fv , los valores de tT son diferentes a los delIAF e IV_CIMAS. Esto puede explicarse debidoa que la fv es función de un corte bidimensionaldel follaje (vista aérea), a diferencia delIAF yel IV_CIMAS , que lo considera en términostridimensionales. Así, en términos de Kcb , eluso de fv tiene limitaciones en relación con laestimación de la evapotranspiración, ya quees una medida restringida de la cantidad deestomas del follaje.

En el modelo ELT se observa que losvalores de IAF asociados con el punto t = tT tienen valores que van de 0.91 (maíz) a 2.47(algodón), re ejando la arquitectura del cultivoy su densidad de siembra, por lo que resultainestable considerar un valor umbral arbitrariopara de nir la cobertura completa efectiva.Algo similar ocurre para el caso de fv (algodóny sorgo), e IV_CIMAS asociados con el puntot = tT .

En el cuadro 2 se observan algunasdiferencias entre los parámetros de los modelosELT y ELA , re ejando las hipótesis con quefueron desarrollados. Considerando los erroresde los ajustes (RECM), el modeloELA nomejora substancialmente las estimaciones, por

Cuadro 2. Parámetros de los modelos expo-lineales ajustados a los experimentos.

Cultivo Variable

Modelo ELT Modelo ELA

t T r C V (t = t T ) RECMMáximo

(DJ, valor)t T r C Vmx RECM

Maíz fv - - - - - - - - - - -IAF 42.30 0.186 0.170 0.91 0.044 (65, 4.20) 53.6 0.161 3.46 4.200.030IV_CIMAS 39.40 0.231 0.026 0.11 0.015 (67, 0.78) 55.2 0.1433.01 0.78 0.016

Algodón

fv 34.80 0.086 2.930 34.07 1.360 (62, 100) 18.7 0.385 2.10 100.00 2.483IAF 52.70 0.077 0.190 2.47 0.146 (62, 3.60) 51.50.108 5.94 3.80 0.160IV_CIMAS 59.30 0.093 0.079 0.85 0.017 (61, 0.94) 53.8 0.138 2.01 1.00 0.033

Sorgo

fv 11.80 0.030 2.090 69.67 1.419 (58, 100) 10.60.981 2.10 100.00 1.842IAF - - - - - - - - - - -IV_CIMAS 19.60 0.136 0.041 0.30 0.019 (38, 0.89) 18.9 0.184 0.07 0.89 0.030


11/17


C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


lo que el modelo ELT resulta una mejor opciónal no requerir del valor máximo de la variable,haciéndolo más adecuado para los ajustes delmodelo expo-lineal previo al valor máximo dela variable biofísica o espectral de interés.

Las variables biofísicas fv e IAF son funcióndel follaje “verde” de los cultivos, por lo queresulta difícil su modelación en el nivel de curvade crecimiento completa, dada la presenciade hojas parcialmente verdes o amarillentasen la etapa de senescencia. Por otra parte,sólo incorporan criterios de cantidad y noconsideran las propiedades de la hoja como elcontrol estomático. El IV_CIMAS está basadoen las relaciones entre los parámetros a0 y b0 con las propiedades biofísicas de los cultivos,según lo establecido por Yoshiokaet al. (2000)en la ecuación (11):

a0 = fvIRCv+ aS [ fvT IRC2

+ (1 fv)] fvRvb0

b0 = bS fvT IRC2 + (1 fv) fvT R

2+ (1 fv)

(11)

donde Rv e IRCv corresponden a lasre ectancias de la vegetación sobre un suelode fondo negro (totalmente absorbente) y T son las transmitancias de la vegetación. Losparámetros aS y bS son las constantes de la líneadel suelo ( gura 3a).

Las transmitancias están dadas por laLey de Beer-Lambert, para hojas no negras(Goudriaan y van Laar, 1994):

T R = exp (1 R )1 / 2K R IAF{ }

T IRC = exp (1 IRC )1 / 2K IRC IAF{ } (12)

donde w es el albedo foliar (re ectancia mástransmitancia) y K es un coe ciente de extinciónglobal (radiancia directa y difusa).

Las re ectancias de la vegetación puedenexpresarse como (Bonhomme y Varlet-Grancher, 1977; Goudriaan, 1977; Ross, 1981):

Rv R R T R2

IRCv IRC IRC T IRCn (13)

donde n generalmente vale 1.0. Las re ectan-cias en el in nito se muestran en la gura 3ay pueden ser estimadas de acuerdo con lasecuaciones (14) y (15) (Goudriaan, 1977):

R = qR ,h

q =2 Kdir,n

Kdir,n + Kdif ,n (14

(a) (b)

I A F

I A F

0 20 40 60 80 100 0 20 40 60 80 100

4.5

4.0

3.0

2.5

2.0

1.5

1.0

0.5

0.0

4.5

4.0

3.0

2.5

2.0

1.5

1.0

0.5

0.0

Días después de la emergencia Días después de la emergencia

Figura 4. Ajuste de los modelos expo-lineales al experimento de maíz y la variableIAF: (a) modelo ELT y(b) modelo ELA. Los círculos rellenos representan los puntos usados en los ajustes estadísticos de los modelos.


12/17

Tecnología y


R ,h =1 1 R

1 / 2

1 + 1 R1 / 2

(15)

donde K es un coe ciente de extinción,dir sere ere a radiancia directa,dif a radiancia difusa,n a hojas negras (absorbentes),h a hojas condistribución angular horizontal y R se re ere acualquier banda espectral ( R o IRC). La relación(15) sólo es válida para el caso de hojas dondela transmitancia foliar es igual a su re ectancia.

Los desarrollos mostrados implican que elIV_CIMAS es función de la cantidad de áreafoliar (IAF), de su distribución espacial global( fv) y en las plantas ( K ), de las propiedadesópticas de las hojas (w ) y del suelo de fondo(parámetros aS y bS de la línea del suelo). Deacuerdo con esto, el IV_CIMAS representamejor la cantidad y calidad del follaje en unpíxel o parcela experimental, ya que consideraen forma explícita el concepto de “verdor” delfollaje. Los coe cientes de extinciónK (global,difuso y directo) son función de la distribuciónangular de las hojas en las plantas (Ross, 1981).La fv es función implícita de K , por lo quepara un mismo IAF pueden obtenerse valoresdiferentes de fv , dependientes de K .

Aproximaciones a la modelación del Kc delmétodo FAO-56

Los valores diarios de la evapotranspiración delsorgo dulce se calcularon según lo establecidoen FAO-56 (Allenet al. , 1998): ETc = ET o* Kc ,donde ET o es la evapotranspiración de referenciaen mm día -1 y Kc el coe ciente de cultivo. LaET o se calculó utilizando la ecuación de Penman-

Monteith FAO-56, que es la que mejor se adaptaa la zona de trabajo (López-Urreaet al., 2006).Los datos climáticos utilizados se tomaron deuna estación meteorológica situada en el áreadel lisímetro.

La evapotranspiración del sorgo dulcese estimó a partir de los datos de peso dellisímetro, donde se usaron datos horarios paraobtener el valor diario de agua evaporada.Cuando no se pudo obtener el valor diario

por diferentes motivos (lluvia, riego, corte delcésped), se hizo un promedio entre el valoranterior y siguiente a ese día. Otras fuentesde error que condujeron a la eliminación de

datos fueron las siguientes: la veri cación delpeso, calibraciones por pérdida de contacto enla celda de carga, baja de voltaje en el sistema,pérdida de contacto del cable a tierra y falla enel registro de datos (López-Urreaet al. , 2006). La

gura 5 muestra laETc calculada y los eventosde riego/lluvia durante el ciclo de crecimientodel sorgo.

De las estimaciones de Kc a nivel diario,se utilizó una ventana móvil de cinco días ydentro de ésta se seleccionó el valor más bajo

para representar Kcb , que corresponde al límiteinferior de Kc (relación 2). Estos datos fueronrevisados a detalle en relación con sus vecinos,para nalmente seleccionar los valores deKcb utilizados en los análisis siguientes.

Para evaluar el inicio y n de la etapade desarrollo del cultivo se analizaron tresmétodos: FAO-56-Cobertura, que inició cuando fv = 10% y terminó cuando fv = 75%; FAO-56-Floración, que comenzó con fv = 10% y terminócon el inicio de la oración;IV_CIMAS , queinició cuando t = tT y terminó cuando t = tmáx ,tiempo cuando se presenta el máximo.

Usando la información deKc (Doorenbosy Kassam, 1979) y Kcb (Allen et al., 1998), seestimaron los Kcb del sorgo dulce de FAO-56,corregidos por la humedad relativa, velocidaddel viento y altura del cultivo medida encampo (Allen et al., 1998). El cuadro 3 muestralos parámetros utilizados para las etapas decrecimiento del sorgo, de nidas por un valorde Kcb para un tiempo dado (días después dela emergencia o DDE).

La gura 6 muestra elKcb medido porlisimetría y el estimado por dos métodos, FAO-56-Cobertura y FAO-56-Floración, usando losvalores del cuadro 3. En la gura 7 se observael Kcb estimado por el método del IV_CIMAS.

Usando solamente losKcb de la etapa dedesarrollo vegetativo, se analizó el error delas estimaciones por los tres métodos ( Kcb ,


13/17


C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


E T c

( m m

d í a

1 )

R i e g o

/ l l u v

i a ( m

m d

í a 1 )

4-jun 20-jun 6-jul 22-jul 7-ago 23-ago 8-sep 24-sep

40

35

30

25

20

15

10

5

0

10

9

8

7

6

5

4

3

2

1

0

Fecha

ETc lisímetro Riego/lluvia

Figura 5. Variación temporal de laETcy los eventos de riego/lluvia del experimento de sorgo.

Cuadro 3.DDE para las etapas de crecimiento del sorgo.

Etapa Variable FAO-56-cobertura FAO-56-foración IV_CIMAS

InicialDDE 0-15 0-15 0-20Kcb 0.45 0.45 0.45

MediaDDE 47-110 76-110 38-110Kcb 0.98 0.99 0.99

FinalDDE 110-131 110-131 110-131Kcb 0.42 0.42 0.42

0 20 40 60 80 100 120 140

120

100

80

60

40

20

0

1.40

1.20

1.00

0.80

0.60

0.40

0.20

0.00

Kcb lisímetroFvFAO-56-coberturaFAO-56-floración

Floración Madurez

f v ( % )

K c b

fv = 80%

Días después de la emergencia

fv = 70%

fv = 20%

fv = 10%

Figura 6. Estimación deKcb por los métodos FAO-56 de cobertura y oración, comparados en relación delKcb medido por lisimetría.


14/17

Tecnología y


método), en relación con las mediciones dellisímetro (Kcb , lisímetro) de acuerdo con larelación:

Kcb ,método = a + bKcb ,lisímetro (16)

Otras medidas de error utilizadas fueronla raíz del error cuadrático medio (RECM) y elerror relativo medio (ERM). El cuadro 4 muestralos resultados obtenidos de los análisis, dondeel método del IV_CIMASpresenta la mejorcorrelación, mientras que el método de FAO-56-Floración la más baja, tal como se aprecia enlas guras 6 y 7.

Conclusiones

La modelación temporal de las variables biofísicas y espectrales (IAF , fv e IV_CIMAS) de

los tres cultivos analizados presentó un buenajuste estadístico, utilizando los modelos expo-lineales truncado ( ELT ) y asimétrico (ELA). Lasestimaciones de tT usando el IV_CIMAS y elIAF presentaron valores cercanos, lo cual re ejael diseño del índice de vegetación para teneruna relación lineal con el IAF. En cambio, la fv presenta valores diferentes, ya que no consideraal follaje en términos tridimensionales. La fv ,en términos de Kcb , presenta limitaciones enla estimación de la evapotranspiración, al seruna medida limitada de la cantidad de estomasfoliares. El IV_CIMAS representa mejor lacantidad y calidad del follaje en un píxel oparcela debido a su diseño, que es función delIAF , de su distribución espacial ( fv y K ), de laspropiedades ópticas de las hojas (ω) y del suelode fondo de la vegetación (parámetros aS y bS de la línea del suelo).

1.40

1.20

1.00

0.80

0.60

0.40

0.20

0.000 20 40 60 80 100 120 140

Días después de la emergencia

Floración

t T

K c b o

I V

_ C I M A S

Kcb IV_CIMAS

Figura 7. Estimación deKcb por el método del IV_CIMAS , comparado con el Kcbmedido por lisimetría.

Cuadro 4. Errores de estimación deKcb de los tres métodos.

Método a b R 2 RECM ERM (%)

FAO-56-cobertura 0.203 0.744 0.912 0.082 10.2FAO-56- oración 0.188 0.655 0.789 0.148 24.1IV_CIMAS 0.123 0.883 0.938 0.017 8.6


15/17

0


C i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


Respecto a los modelos expo-lineales, loserrores de los ajustes (RECM) muestran que elmodelo ELA no mejora de forma substancialla estimación de los parámetros; por tanto, elmodelo ELTresulta una mejor opción, porqueno requiere del valor máximo de la variable biofísica o espectral de interés, consideraciónimportante para el uso operativo de lossensores remotos.

En la perspectiva del uso de la tecnologíade los sensores remotos para estimar laevapotranspiración de cultivos usando lametodología FAO-56, el métodoIV_CIMAS para evaluar el inicio y nal de la etapa dedesarrollo del sorgo presentó el coe ciente decorrelación más alto (0.93), así como los menoresvalores de error ( RECM y ERM), seguidopor el método FAO-56-Cobertura. El métodoFAO-56-Floración presentó la correlación más baja de los tres métodos, lo que demuestraque en cultivos de densidad foliar alta, el usode variables como la fv o el IAF son de difícilaplicación, ya que estos cultivos alcanzan conrapidez los valores críticos.

Agradecimientos

Este trabajo se realizó gracias al programa de becasmixtas Conacyt, la Sección de Teledetección y SIG de laUniversidad de Castilla-La Mancha, el Instituto TécnicoAgronómico Provincial de Albacete y los proyectosACELT (agl2009-13124), nanciado por el Ministerio deCiencia e Innovación, y PPII10-0319-8732, nanciado por laConsejería de Educación y Ciencia de España.

Recibido: 05/08/10Aceptado: 13/09/12

Referencias

ALLEN, R.G., PEREIRA, L.S., RAES, D., and SMITH, M.Crop evapotranspiration. Guidelines for computing crop waterrequirements. FAO Irrigation and Drainage Paper No. 56.Rome: FAO,1998, 298 pp.

BALL, R.A., PURCELL, L.C., and VORIES, E.D. Optimizingsoybean plant population for a short-season productionsystem in the Southern USA.Crop Science. Vol. 40, 2000,pp. 757-764.

BAUSCH, W.C. Soil background e ects on re ectance-basedcrop coe cients for corn.Remote Sensing of Environment.Vol. 46, 1993, pp. 213-222.

BAUSCH, W.C. Remote sensing of crop coe cients forimproving the irrigation scheduling of corn. Agricultural

Water Management. Vol. 27, 1995, pp. 55-68.BAUSCH, W.C. and NEALE, C.M.U. Crop coe cientsderived from re ected canopy radiation: a concept.Transaction of the ASAE. Vol. 30, 1987, pp. 703-709.

BAUSCH, W.C. and NEALE, C.M.U. Spectral inputsimprove corn crop coe cients and irrigation scheduling.Transaction of the ASAE. Vol. 46, 1989, pp. 1901-1908.

BONHOMME, R. and VARLET-GRANCHER, C.Application aus couverts vegetaux de lois rayonnementen milieu di usant I Etablissement des lois et veri cationsexperimentales. Annales d’Agronomie. Vol. 28, 1977, pp.567-582.

CALERA, A., MARTÍNEZ, C. and MELIÁ, J. A procedure

for obtaining green plant cover: relation to NDVI in a casestudy for barley. International Journal of Remote Sensing.Vol. 22, 2001, pp. 3357-3362.

CALERA, A., JOCHUM, A.M., CUESTA, A., MONTORO,A., and LÓPEZ-FUSTER, P. Irrigation management fromspace: towards user-friendly products. Irrigation andDrainage Systems. Vol. 19, 2005, pp. 337-353

DOORENBOS, J. and KASSAM, A.H.Yield response to water.FAO Irrigation and Drainage Paper No. 33. Rome: FAO,1979, 193 pp.

DOORENBOS, J. and PRUITT, W.O.Guidelines for predictingcrop water requirements. FAO Irrigation and DrainagePaper. Vol. 24. Rome: FAO, 1977, 179 pp.

FERRANDINO, F.J. Spatial and temporal variation ofa defoliating plant disease and reduction in yield.Agriculture and Forest Meteorology. Vol. 47, 1989, pp. 273-289.

GILABERT, M.A., GONZÁLEZ-PIQUERAS, J., GARCÍA-HARO, F.J., and MELIÁ, J. A generalized soil-adjustedvegetation index. Remote Sensing of Environment Vol. 82,2002, pp. 303-310.

GOUDRIAAN, J.Crop micrometereology. A simulation study.Simulation Monographs. Wageningen, The Netherlands:PUDOC, 1977, 259 pp.

GOUDRIAAN, J.Using the expolinear growth equation toanalize resource capture. In: Resource Capture by Crops.Monteith, J.L., Scott, R.K., and Unsworth, M.H. (editors).Nottingham University Press. Nottingham, 1994, pp. 99-110.

GOUDRIAAN, J. and MONTEITH, J.L. A mathematicalfunction for crop growth based on light interception andleaf area expansion. Annals of Botany. Vol. 66, 1990, pp.695-701.

GOUDRIAAN, J. and VAN LAAR, H.H. Modelling potentialcrop growth processes. Textbook with exercises. Current Issuesin Production Ecology. Dordrecht: Kluwer AcademicPublishers, 1994, 238 pp.


16/17

Tecnología y


HEILMAN, J.L., HEILMAN, W.E., and MOORE, D.G.Evaluating the crop coe cient using spectral re ectance.Agronomy Journal. Vol. 74, 1982, pp. 967-971.

HUETE, A.R., JACKSON, R.D., and POST, D.F. Spectralresponse of a plant canopy with di erent soil

backgrounds. Remote Sensing of Environment. Vol. 17, 1985,pp. 35-53. JACKSON, R.D., PINTER, P.J., REGINATO, R.J., and IDSO,

S.B.Hand-held radiometry. A set of notes developed for use atthe workshop on hand-held radiometry. US Department ofAgriculture. Agricultural Reviews and Manuals Phoenix,Arizona, February 25-26, 1980, 66 pp.

LÓPEZ-URREA, R., MARTÍN DE SANTA OLALLA,F., FABEIRO, C., and MORATALLA, C.Testingevapotranspiration equations using lysimeterobservations in a semiarid climate. Agricultural Water Management. Vol. 85, 2006, pp. 15-26.

LÓPEZ-URREA, R., MONTORO, A., LÓPEZ-FUSTER, P.,

and FERERES, E.Evapotranspiration and responses toirrigation of broccoli. Agricultural Water Management. Vol.96, 2009, pp. 1155-1161.

McCOY, R.M.Fields methods in remote sensing. New York/London: The Guilford Press, 2005, 159 pp.

MILTON, E.J. Principles of eld spectroscopy.International Journal of Remote Sensing. Vol. 8, No. 12, 1987, pp. 1807-1827.

PAZ, F., PALACIOS, E., MEJÍA, E., MARTÍNEZ, M. yPALACIOS, L.A. Análisis de los espacios espectrales dela re ectividad del follaje de los cultivos.Agrociencia. Vol.39, núm. 3, 2005, pp. 293-301.

PAZ, F., PALACIOS, E., BOLAÑOS, M., PALACIOS, L.A.,MARTÍNEZ, M., MEJÍA, E. y HUETE, A. Diseño de un

índice espectral de la vegetación: NDVIcp. Agrociencia.Vol. 41, núm. 5, 2007, pp. 539-554.

ROMERO, E., PAZ, F., PALACIOS, E., BOLAÑOS, M.,VALDEZ, R. y ALDRETE, A. Diseño de un índiceespectral de la vegetación desde una perspectiva conjunta

de los patrones exponenciales y lineales del crecimiento.Agrociencia. Vol. 43, núm. 3,2009, pp. 291-307.ROSS, J.The radiation regime and architecture of plant stands.

Norwell, USA: W. Junk, 1981, 391 pp.ROUSE, J.W., HAAS, R.H, SCHELL, J.A., DEERING, D.W.,

and HARLAN, J.C. Monitoring the vernal advancement ofretrogradation of natural vegetation, MASA/GSFC, Type III . Final Report. Greenbelt, 1974, pp. 1-371.

THORNTHWAITE, C.W. An approach toward a rationalclassi cation of climate.Geographical Review. Vol. 38, 1948,pp. 55-94.

TUCKER, C.J. Red and photographics infrared linearcombination for monitoring vegetation. Remote Sensing of

Environment. Vol. 8, 1979, pp. 127-150.VERSTRAETE, M.M. and PINTY, B. Designing optical

spectral indexes for remote sensing applications. IEEEtransactions in Geoscience and Remote Sensing. Vol. 34, 1996,pp. 1254-1265.

WRIGHT, J.L. New evapotranspiration crop coe cients. Journal of Irrigation and Drainage. Vol. 108, 1982, pp. 57-74.

YIN, X., GOUDRIAAN, J., LATINGA, E.A., VOS, J., andSPIERTZ, H.J. A exible sigmoid function of deterministicgrowth. Annals of Botany. Vol. 91, 2003, pp. 361-371.

YOSHIOKA, H., MIURA, T., HUETE, A.R., and GANAPOL,B.D. Analysis of vegetation isolines in red-nir re ectancespace. Remote Sensing of Environment. Vol. 74,2000, pp.313-326.


17/17

2

i e n c i a s

d e l A g u a , v

o l . I V

, n ú m . 3 , j


d e 2 0 1 3


Dirección institucional de los autores

M.C. Magali Odi Lara

Colegio de PostgraduadosKm 36.5 carretera México-Texcoco56230 Montecillo, Texcoco, Estado de México,M ÉXICO

Teléfono: +52 (595) 9520 200, extensión [email protected]@uclm.es

Dr. Fernando Paz Pellat

Colegio de PostgraduadosKm 36.5 carretera México-Texcoco56230 Montecillo, Texcoco, Estado de México,M ÉXICOTeléfono: +52 (595) 9520 200, extensión [email protected]@hotmail.com

Abstract

ODI-LARA, M., PAZ-PELLAT, F., LÓPEZ-URREA, R. & GONZÁLEZ-PIQUERAS, J.De nition of crop development stage to estimate evapotranspiration using FAO-56 approachand remote sensing.Water Technology and Sciences (in Spanish). Vol. IV, No. 3, July-

August, 2013, pp. 87-102.This study analyzed the temporal patterns of biophysical and spectral variables - such as leafarea index (LAI), aerial cover (fv) and vegetation index cinematically modi ed and adjusted for soil (IV_CIMAS) - in crops with medium leaf density (cotton and corn) and high leafdensity (sorghum). In the case of sorghum, the relationship was analyzed between thesetemporal patterns and the baseline crop coe cient (Kcb). The variables fv, LAI and IV_CIMASwere modelled using truncated (ELT) and asymmetric (ELA) expolinear models. While bothmodels showed a good statistical t for the three crops, the ELT model was more suitablebecause it did not require the maximum value of the variable. Of the three variables modelled,IV_CIMAS better represented the quantity and quality of the foliage for a pixel or parcel,since it is a function of the leaf area, spatial foliar distribution and optical properties of leavesand background soil. In order to estimate crop evapotranspiration according to FAO-56, threedi erent methods were analyzed, which characterize the developmental stages of the sorghumcrop. The methods de ned the length of this stage based on ground cover, the owering stageand uses spectral information (IV_CIMAS). The analysis of errors (RMSE and ERM) for theKcb estimates of the vegetation development stage was conducted using the three methods, incomparison to Kcb estimates obtained with a weighing lysimeter. The best results were found for the IV_CIMAS method and the worst corresponded to FAO-56-Flowering.

Keywords : vegetation indexes, basal crop coe cient, development crop stage, expolinearmodel.

Dr. Ramón López Urrea

Instituto Técnico Agronómico Provincial de AlbaceteAvenida Gregorio Arcos s/n

02006 Albacete,ESPAÑATeléfono: +34 (967) 190 090Fax: +34 (967) 240 [email protected]

Dr. José González Piqueras

Universidad de Castilla-La ManchaCampus universitario s/n02071 Albacete,ESPAÑATeléfono: +34 (967) 599 200, extensión 2625 [email protected]

20-04-16Definición de la etapa de desarrollo de los cultivos para estimar evapotranspiración...

Documents

Transcript of 20-04-16Definición de la etapa de desarrollo de los cultivos para estimar evapotranspiración...