Este documento describe el modelo Aquacrop de la FAO, el cual permite modelar el crecimiento de los cultivos y la productividad del agua. Aquacrop utiliza un balance hídrico del suelo y considera factores como la evapotranspiración, estrés hídrico y productividad del agua. El modelo puede usarse para generar calendarios de riego, evaluar vulnerabilidad al cambio climático y opciones de adaptación como el manejo de variedades. Si bien es útil, Aquacrop tiene limitaciones como su alcance puntual y falta de

1. Modelización del crecimiento de los cultivos
como herramienta para evaluar el manejo del
agua para enfrentar los impactos del cambio
climático
MODELO AQUACROP
Ing. Ph.D. Magalí García Cárdenas

2. Modelización de la productividad de
agua?
Realidad
Model: F(x)
F(x) = (f1(x), f2(x), f3(x),
Modelización de la productividad del agua

3. Porque? investigar ‘escenarios’
Realida
d
Modelo:
nuevas
situaciones;
INGRESOS
FUTUROS
Productos
observados
Productos
Simulados bajo
condiciones
presentes y
futuras
¿Para qué?

4. Modelización de la productividad de agua?
Para que?¿Porqué?  investigar
‘escenarios’
Realidad
Model: F(x)
Productos
observados
Productos
simulados
INSUMO
S
Muchas realidades adaptadas bajo
un clima cambiante: Estrategias
de manejo

5. 5
Especializados y muy poderosos:
- Para investigación fundamental
- Generalmente para trabajo experimental o planta
• requieren una alta experticia para ser usados
• requieren elevada cantidad de datos de entrada
• requieren elevada precisión de los datos de entrada
Enfoque 1: Modelos mecanísticos
Modelos simples y robustos:
-Para planificación y evaluación
-Uso a nivel de sistemas de riego y regional
• Más fáciles de usar
• Requieren menos datos
• Los resultados son menos precisos
Enfoque 2: Modelos funcionales
Modelización de productividad de agua de los cultivos
BUDGE
T
FAO-
AQUACRO
P

6. 6
En el caso de Aquacrop: Para evitar sobre o sub irrigar~
Función Ks y para reducir el tiempo de experimentación
ETc adj = ETo * Kc * KS
Disminución del agua en la zona radicular

7. 7
Bases del AquaCrop (FAO)
irrigation (I)
rainfall (P)
capillary
rise deep
percolation
storedsoilwater(mm)
field capacity
threshold
wilting point
evapo-
transpiration
(ET)
(CR)
(DP)
0.0
Balance
hídrico
del suelo
Productividad de
agua del cultivo+

8. EVAPOTRANSPIRACIÓN
Transpiración
Clima
Evaporación
Cultivo
Manejo

9. Evapotranspiración de referencia (mm día-1)
Radiación neta en la superficie de referencia (MJ m-2 día-1)
Densidad del flujo del calor del suelo (MJ m-2 día-1)
Temperatura (ºC) media del aire a 2 m. de altitud
Promedio horario de la velocidad del viento (ms-1)
Presión de saturación del vapor (kPa)
Presión de vapor real (kPa)
Déficit de presión de saturación del vapor (kPa)
Pendiente de la curva de presión de saturación de vapor
(kPaºC-1)
-1

10. 10
Transpiración del cultivo
EvapoTranspiración = Kc x ETo
Sin estrés hídrico
Evapotranspiración de referencia
Coeficiente de
cultivo
= Transpiración potencial : [Kctop CC*] x ETo
+ Evaporación potencial: [Kcbare (1-CC*)] x ETo
CC = Cobertura del
cultivo

11. 11
Transpiración del cultivo

12. 12
Transpiración del cultivo
Medida de las
secciones de la
sombra con una
regla a medio
día
Cobertura del
cultivo estimado
a simple vista
Cobertura del
cultivo

13. 13
Transpiración del cultivo= Kc x ETo
x cobertura del cultivo aj.
Demanda evaporativa de la atmósfera
Kctop
tiempo
x Ks
irrigation (I)
rainfall (P)
capillary
rise deep
percolation
storedsoilwater(mm)
field capacity
threshold
wilting point
evapo-
transpiration
(ET)
(CR)
(DP)
0.0
Estrés hídrico
Transpiración del cultivo
Coeficiente de
estrés

14. 14






0
1
2
3
above-groundbiomass(kg/m²)
(WP) water
productivity
Sum (Tr) (mm(agua))
Productividad de agua de la biomasa: WP

15. 15
WP: Demostrada relación conservativa y estable entre la
biomasa y la transpiración del cultivo acumulada
Data from Steduto and Albrizio (2005)
Dividiendo entre la ETo se
normaliza WP para eliminar la
variabilidad climática
Los cultivos se agrupan en
clases con similar WP

16. 16
0 20 40 60 80 100 120 140 160
0
1
2
3above-groundbiomass(kg/m²)
WP*
WP*
1
2
Suma (Ta/ETo)
una normalización climática permite extrapolar simulaciones
de crecimiento entre zonas y épocas
10 – 15 g/m2 para cultivos C3
26 – 30 g/m2 para cultivos C4

17. 17
0
5000
10000
15000
20000
25000
30000
35000
0 20 40 60 80 100 120
S(Ta/ETo)
Biomass(kg/ha)
China99
Ghana01
Hawaii83
Hungary 0N
Hungary 175 kgN/ha
Gainesville irrigated 400N
Spain96Full irrigation
Spain96 50%irri
C4 29kg/ha
Maize
WP combinada de maíz
from L. Heng et al. (unpublished)

18. 18
• WP es muy constante incluso bajo estreses (agua, salinidad)
• WP se normaliza para el clima disminuyendo la interacción ambiental
• WP muestra diferencias entre grupos de cultivos (C3 & C4)
Productividad de agua del cult.: WP
Ventaja en comparación de otros indicadores de eficiencia

19. 19
Esquema de AquaCrop (FAO)

20. 20

21. Posibles aplicaciones para evaluación de CC
Generación de calendarios de riego

22. Posibles aplicaciones para evaluación de CC
Evaluación de vulnerabilidad y opciones de adaptación

23. Posibles aplicaciones para evaluación de CC
Evaluación de opciones de vulnerabilidad y opciones de adaptación

24. Posibles aplicaciones para evaluación de CC
Evaluación de opciones de vulnerabilidad y opciones de adaptación

25. Posibles aplicaciones para evaluación de CC
Manejo de variedades y épocas de siembra

26. 26
Rendimiento de quinua en diferentes épocas
0,0
0,5
1,0
1,5
2,0
2,5
3,0
Año Húmedo Año Normal Año Seco Año Húmedo Año Normal Año Seco
AÑO DE REFERENCIA 2050
Tm/Ha
Viacha
Patacamaya
Uyuni
0.0
0.5
1.0
1.5
2.0
2.5
3.0
Año Húmedo Año Normal Año Seco Año Húmedo Año Normal Año Seco
AÑO DE REFERENCIA 2050
Tm/Ha
RENDIMIENTOS CON OPCIONES
DE ADAPTACIÓN
Viacha Patacamaya Uyuni
Datos: Claudia Saavedra
(Bolivia)
Ahora AQUACROP incorpora
escenarios A1B, A2, B1 y B2

27. 27
Rendimiento de quinua bajo diferentes estrategias
de manejo
Función de producción de agua del cultivo de quinoa en
Patacamaya (Altiplano Central) bajo a) cultivo a secano y b)
bajo la estrategia de riego deficitario de referencia (RDo) con
indicación de la curva logística (línea sólida) y el intervalo de
confianza del 95%.

28. 28
Permite evaluar la influencia combinada de la elevación de CO2 y temperatura
en forma realística
Determina el déficit de agua, permitiendo la programación de riego
suplementario.
Permite la evaluación del impacto del calendario de riego de lamina fija o de
intervalos fijos y bajo diferentes métodos de riego.
 Lleva a cabo análisis de escenarios climáticos futuros.
Permite analizar estrategias de adaptación bajo condiciones de CC, como ser
manejo de variedades y/o épocas de siembra.
LIMITACIONES
Su evaluación es puntual, no permitiendo análisis geográficos.
No incluye muchos tipos de cultivos.
No incluye módulos de plagas y enfermedades ni de salinidad de suelos.
secano riego
condiciones
Conclusiones