Riegos

1. UNIVERSIDAD NACIONAL
“SANTIAGO ANTÚNEZ DE MAYOLO”
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA
EVALUAR EL RENDIMIENTO DE RIEGO Y LA PRODUCTIVIDAD DELAGUA UTILIZANDO
EEFLUX ET Y NDVI
GRUPO: IV
• CORDERO VALENTIN Elias
• MALLQUI ESPINOZA Jimmy
• ROSALES BRONCANO Christian
• URIBE CONDOR Kelly
ING. JARA REMIGIO Flor Angela

2. EVALUAR EL RENDIMIENTO DE RIEGO Y LA PRODUCTIVIDAD DELAGUA UTILIZANDO
EEFLUX ET Y NDVI
Área de
estudio
Materiales
y métodos
Calculo de los
indicadores de
desempeño
Mapeo de la
ET estacional
Validación de
Eta y
rendimiento
Pre
procesamiento
de datos
Conjunto de datos de
Google EEFlux
Conjunto de
datos
NDVI y
mapeo de
rendimiento
Clasificación
de cultivos
Imágenes de satélite
para el mapeo del NDVI
Evapotranspiración de
referencia
Datos para el Mapeo y
validación de cultivos
Uniformidad del
consumo de agua (WCU)
Evapotranspiración
relativa (RET)
Productividad hídrica de
los cultivos (CWP)

3. I. INTRODUCCIÓN
La agricultura de regadío
es el principal consumidor
de suministros de agua
dulce, atribuyéndose al
65% de las extracciones
totales de agua

4. II. AREA DE ESTUDIO
Área aproximada de 2.07
mil millones de metros
cuadrados. Los cultivos
principales incluyen alfalfa,
remolacha, hierba del Sudán,
heno, etc.
El estudio del uso del agua
para la alfalfa y la remolacha
azucarera es el foco de este
estudio.

5. Condiciones meteorológicas en el IV durante el periodo de estudio.
a) Velocidad media mensual del viento y radiación solar,
b) Temperatura media mensual y precipitación. El valor denota los promedios
de cuatro estaciones ubicadas en el valle.

6. III. MARCO TEÓRICO
EEFlux (Earth Engine Evapotranspiration Flux)
EEFlux es una versión de METRIC (Mapeo de la
evapotranspiración a alta resolución con calibración
internalizada) que funciona en el sistema Google
Earth Engine. EEFlux procesa escenas individuales
de Landsat de cualquier período desde 1984 hasta el
presente y para casi todas las áreas terrestres del
mundo.
Google Earth Engine es una plataforma
informática que permite a los usuarios
ejecutar análisis geoespaciales en la
infraestructura de Google.

7. EL ÍNDICE DE VEGETACIÓN DE
DIFERENCIAS NORMALIZADAS (NDVI)
Es un indicador utilizado en teledetección para evaluar la salud y la densidad de la vegetación en una
determinada área. Este índice se calcula a partir de la información espectral capturada por sensores
remotos, como los satélites.
El NDVI se obtiene mediante la siguiente fórmula:
𝑁𝐷𝑉𝐼 =
𝑁𝐼𝑅 − 𝑅𝑒𝑑
𝑁𝐼𝑅 + 𝑅𝑒𝑑
donde:
 NIR es la reflectancia en el infrarrojo cercano.
 Red es la reflectancia en la banda roja.

8. ¿Como funciona el NDVI?
Funciona comparando matemáticamente
la cantidad de luz roja visible absorbida y
la luz infrarroja cercana reflejada.
El pigmento de clorofila en una planta
sana absorbe la mayor parte de la luz roja
visible
La estructura celular de una planta refleja
la mayor parte de la luz infrarroja
cercana.

9. ¿Como interpretar los valores del NDVI?
Los valores negativos corresponden
a áreas con superficies de agua,
estructuras artificiales, rocas, nubes,
nieve.
Vegetación sana y densa debería
estar por encima de 0.5.
La vegetación dispersa
probablemente caerá dentro de 0.2 a
0.5.
El suelo desnudo generalmente cae
dentro del rango de 0.1 a 0.2

10. ¿Como interpretar los valores del NDVI?
Los resultados de NDVI se presentan
como un mapa de colores, donde
cada color corresponde a un cierto
rango de valores. No hay una paleta
de colores estándar, pero usualmente
se usa el «rojo-verde», lo que
significa que los tintes rojo-naranja-
amarillo indican suelo desnudo o
vegetación muerta / escasa, y todos
los tonos de verde son un signo de
cubierta de vegetación normal a
densa.

12. IV. MATERIALES Y MÉTODOS
4.1. Conjunto de datos clave
4.1.1. Conjunto de datos de Google EEFLUX - Imágenes satelitales para
la cartografía del NDVI

13. Satélite Fechas de adquisición de imágenes
Landsat-7 ETM 17 febrero 2019
8 mayo 2019
24 mayo 2019
Landsat-8 OLI 4 octubre 2018 29 marzo 2019 19 julio 2019 23 octubre 2019
y TIRS 5 noviembre 2018 16 abril 2019 4 agosto 2019 8 noviembre 2019
21 noviembre
2018
30 abril 2019 20 agosto 2019
24 noviembre
2019
24 enero 2019 1 de junio de 2019 5 septiembre 2019 10 diciembre 2019
25 febrero 2019 17 junio 2019
21 septiembre
2019
13 marzo 2019 3 julio 2019 7 octubre 2019
Tabla 1. Detalles de las imágenes Landsat adquiridas en este estudio para su procesamiento en la
plataforma EEFlux.

14. 4.1.2. Evapotranspiración de referencia
El conjunto de datos de ET que proporciona CIMIS es un ET estandarizado basado en las superficies de alfalfa
(ETr) o de hierba (ETo) donde se encuentra cada estación de CIMIS. Las estimaciones de la ET de referencia
fueron realizadas por el CIMIS con base en el método de Penman del CIMIS.

15. El mapeo de las áreas de cultivo es necesario para cuantificar y mapear los indicadores de consumo, rendimiento y
rendimiento de agua específicos del cultivo. En este estudio, las imágenes de Sentinel-2 Level-2A se adquirieron
de la Agencia Espacial Europea (ESA) (París, Francia) en el sitio web del Centro de Datos Científicos de Sentinel
para el mapeo de cultivos.
4.1.3. Datos para la cartografía y validación de cultivos

16. Además, como conjunto de datos de referencia para recopilar las muestras de entrenamiento para categorías
específicas y no cultivadas, los productos de la capa de datos de tierras de cultivo (CDL) se adquirieron del
Servicio Nacional de Estadísticas Agrícolas (NASS) del Departamento de Agricultura de los Estados Unidos
(USDA) (Washington, EE. UU.).

17. Cosecha Kc Ubicación
Ini Medio Tarde
Alfalfa 0.87 0.91 0.86
Argentina, zona
semiárida
0.6 1.1 1.1 California
0.3 1 0.95 Idaho
0.4 1.04 0.98 -
Remolacha
azucarera
0.2 1.17 1.12 California
0.35 1.24 0.78 -
Tabla 2. Valores de Kc de la literatura utilizada en este estudio.

18. 4.2. Clasificación de los cultivos
i. Las imágenes deben corresponder al periodo anterior a la cosecha de la mayoría de los cultivos en la zona.
ii. Antes de la clasificación, se realizó un remuestreo a resoluciones de 10 m mediante un método de remuestreo
bilineal.
iii. Aunque se incluyeron clases no cultivadas durante el proceso de clasificación, los resultados se interpretaron
únicamente en relación con la alfalfa y la remolacha azucarera, que son el enfoque principal de este estudio.
iv. Los valores de reflectancia de cada banda de S2, junto con el NDVI, se utilizaron como características
durante la categorización de los cultivos. Se creó una matriz de confusión entre los conjuntos de datos reales
proporcionados en el terreno por los tipos de cultivos identificados por USBR y Sentinel para evaluar la
precisión de la clasificación.
v. Después de evaluar la precisión, el mapa de cultivos se remuestreó a una resolución de 30 m para ser
utilizado con productos derivados de Landsat que también tienen una resolución de 30 m.

19. 4.3. Mapeo de ET estacional
i. Interpolación: Se emplearon imágenes desde el 24 de enero de 2019 hasta el 10 de
diciembre de 2019 para calcular la Evapotranspiración Real (ETa) de la alfalfa, mientras
que las imágenes del 4 de octubre de 2018 al 20 de agosto de 2019 fueron interpolaron
para calcular la ETa de la remolacha azucarera.
ii. Estos cálculos tenían como objetivo generar mapas diarios de la Evapotranspiración Real
Fraccional (ETrf).
iii. Se llevó a cabo una superposición del mapa estacional de ET con el mapa de clasificación
de cultivos de la zona de estudio, con el propósito de obtener un mapa estacional de ET
para clases de cultivos individuales.

20. 4.4. NDVI y mapeo de rendimiento
i. Cuanto mayor sea el NDVI de los cultivos, mayor será el rendimiento.
ii. La ecuación generó un mapa de rendimiento de cultivos con una resolución de 30 m.
𝑾𝑭 =
𝑵𝑫𝑽𝑰𝒑𝒊𝒙𝒆𝒍
𝑵𝑫𝑽𝑰𝒂𝒗𝒈
𝑁𝐷𝑉𝐼𝑝𝑖𝑥𝑒𝑙 y 𝑁𝐷𝑉𝐼𝑎𝑣𝑔 son el NDVI de un píxel individual y el NDVI promedio para el recorte
de interés, respectivamente
𝑹𝒆𝒏𝒅𝒊𝒎𝒊𝒆𝒏𝒕𝒐𝒑𝒊𝒙𝒆𝒍 = 𝑾𝑭 × 𝑹𝒆𝒏𝒅𝒊𝒎𝒊𝒆𝒏𝒕𝒐𝒐𝒃𝒔 × Á𝒓𝒆𝒂 𝒅𝒆 𝒖𝒏 𝒑í𝒙𝒆𝒍
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑜𝑏𝑠 es el rendimiento observado en el informe, y 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜𝑝𝑖𝑥𝑒𝑙 es el
rendimiento de cualquier píxel dado para el cultivo de interés en kg/m2.

21. 4.5. Validación de Eta y Rendimiento
Se realizó el cálculo de:
i. Desviación Media Absoluta (DAM)
ii. Error Relativo (ER).
iii. La ETc fue calculada para cada cultivo utilizando los valores de kc provenientes de otros estudios de referencia,
y posteriormente se compararon con la Evapotranspiración Real (ETa) de EEFlux.
iv. Se extrajo la ETa media de EEFlux para días similares y se procedió a calcular el Error Cuadrático Medio
(RMSE) y el Error Absoluto Medio (MAE) entre ambas, analizando en detalle los resultados obtenidos.
v. Debido a la limitación de datos, la evaluación del rendimiento por píxeles se vio restringida. Por lo tanto, para
la validación, se sumaron los valores de rendimiento por píxeles y se llevaron a cabo comparaciones con la
producción total de cultivos informada.

22. 4.5. Calculo de los indicadores de rendimiento
i. La Uniformidad del Consumo de Agua (WCU) se presenta como un indicador de la equidad en el riego o la uniformidad
en el consumo de agua. Para este propósito, se empleó la herramienta de estadísticas zonales de ArcGIS Pro 2.5 (ESRI,
2020).
ii. La Evapotranspiración Relativa (RET) se configura como el indicador de la suficiencia hídrica en el campo,
proporcionando datos esenciales sobre el estrés de los cultivos y la escasez de agua. Su cálculo se realiza como la
relación entre la ETa estacional y la Evapotranspiración Potencial (ETp).
iii. Productividad Hídrica de los Cultivos (CWP) se refiere a la eficiencia del uso del agua por parte de los cultivos, siendo
otro aspecto relevante en la evaluación del manejo del recurso hídrico.
𝐶𝑊𝑃
𝑘𝑔
𝑚3
=
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑢𝑙𝑡𝑖𝑣𝑜
𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎
𝑎𝑐𝑟𝑒
𝐸𝑇𝑎 𝑚𝑚
Un CV bajo de CWP indica homogeneidad y un margen de mejora limitado, mientras que un CV alto para un área
indica la oportunidad de gestión del agua

23. V. RESULTADOS
Distribución espacial de la ETa de la temporada de crecimiento para a) la alfalfa y b) la remolacha
azucarera. Los mapas ETa se superponen con el límite de campo USBR.

24. Distribución basada en píxeles de los rendimientos de la temporada de crecimiento para a) la alfalfa y b) la remolacha azucarera,
en kg/m2.

25. Cultivos EEFlux Eta (mm) ET (mm) de Literaturas
IID* USBR* USDA*
Media = 1388.26 1828.8 1889.8 1295.4
Alfalfa DE = 331,34
Máx. = 2064,9
ENOJADO 220.27 250.77 46.43
RE 0.24 0.27 0.07
Media = 1126.95 1127 1097.3 660.4
Remolacha azucarera DE = 240,82
Máx. = 1720,83
ENOJADO 0.02 14.83 233.28
RE 0.00 0.03 0.71
Comparación de la ETa derivada de EEFlux con los valores de ET reportados en la literatura.

26. Comparación de la ET calculada a partir de EEFlux METRIC con la ET calculada utilizando el enfoque kc-ETo
para (a) alfalfa y (b) remolacha azucarera.

27. Coeficiente de variación dentro del campo para a) campos de alfalfa y b) remolacha
azucarera, expresado en porcentajes.

28. Distribución espacial de RET para (a) Alfalfa (b) Campos de remolacha azucarera.

29. Distribución espacial de CWP para (a) campos de alfalfa y (b) remolacha azucarera.

30. Relación entre (a,c) rendimiento (kg/m2) y ETa (mm), y (b,d) CWP (kg/m3) y ETa (mm) para la alfalfa (fila
superior) y la remolacha azucarera (fila inferior), respectivamente. El recuadro rojo rectangular denota el
área donde el rendimiento es casi constante.

31. ANEXOS