Webinario: Modelación de cultivos para generar servicios
agroclimáticos (AquaCrop v.6)
LXI Foro del Clima de América Central
Jeferson Rodriguez Espinoza
Alejandra Esquivel
3. Requerimientos de información
CLIMA:
-Temperatura
máxima y mínima
-Precipitación
-Humedad Relativa
-Radiación Solar
MANEJO:
-Fechas Siembra-
cosecha
-Fertilización
-Preparación Terreno
-Riego
-Control de malezas
SUELO:
-Características
Físicas (Drenaje,
textura, densidad
aparente,
Porosidad…)
-Características
Químicas (pH, MO,
CIC, Nutrientes (N))
PLANTA
-Variedad
-Desarrollo de
Órganos (Hojas,
Tallos, Panículas)
-Fenología
-Rendimiento y
Calidad de Grano
4. Procesos de la Modelación
Parametrización y Creación de Archivos
Análisis y Calidad de Datos
5. Y para qué esta información?
✓Sembrar en el momento oportuno
✓Selección de variedades
✓Prácticas agronómicas más adecuadas ante condiciones
climáticas extremas
✓Definir ambientes con características específicas
✓Definir cultivares con características ideales (ideotipos)
6. ¿Cómo se toman las decisiones en el campo?
Los agricultores planean sus
cultivos con base en lo que
ocurrió el año anterior.
0
100
200
300
400
500
600
Ene Feb Mar Abr May Jun Jul Agos Sep Oct Nov Dic
Precipitacion
mm
Precipitación La Libertad Villavicencio
Promedio 2005 2006 2007 2008 2009
2010 2011 2012 2013 2014 2015
NINGUN AÑO ES IGUAL AL PROMEDIO HISTORICO
https://www.las2orillas.co/el-almanaque-
bristol-es-el-google-del-campesino/
7. Servicios Climaticos para Agricultura
Trabajo
enfocado en
el usuario
Mejorando las
capacidades
institucionales
Evaluar
necesidades de
información
Mejorar los
datos
climáticos
observados
Predicción
Climática
Predicción
de Cultivo
Crear
servicios de
información
9. Requerimientos de datos en AquaCrop
CLIMA (diario) SUELO MANEJO CULTIVO
Temperatura máxima Textura (% Limos, Arenas y Arcillas) Fertilidad del suelo(cualitativa) Fecha de siembra
Temperatura mínima Contenido de agua en el suelo (CAS)
a saturación
Coberturas vivas o muertas
(mulches)
Densidad de siembra
Precipitación CAS a capacidad de campo Altura de taipa Máxima cobertura del dosel
Evapotranspiración de referencia CAS a punto de marchitez
permanente
Método de irrigación, frecuencia y
cantidad
Fecha de emergencia
Concentración de CO2 Conductividad hidráulica saturada Salinidad del agua de riego ( Fecha de floración
Profundidad de la capa de suelo Contenido inicial de agua en el
suelo
Inicio de senescencia
Penetrabilidad** Fecha de madurez
Contenido de grava (%) ** Duración del cultivo
Índice de cosecha
Máxima profundidad de raíz
Cobertura del dosel en diferentes
etapas*
Biomasa aérea en diferentes
etapas*
Rendimiento de grano a madurez*
10. Serie Histórica de Clima
Pronóstico climático
Probabilístico (CPT)
Resampling Data
Generación de escenarios
de clima
Modelo de Cultivo Calibrado.
Pronóstico Agroclimático
Participativo.
Generación de Pronósticos Agroclimáticos.
11. Metodología de remuestreo.
Paso 2: Calcular los terciles de los datos observados y categorizar la serie histórica.
Paso 1: Filtrar la serie histórica por trimestres.
Tercil 1 (T1) 103.5
Tercil 2 (T2) 162.7
Tercil 3 (T3) 330.5
NDJ-1982
NDJ-1997
NDJ-1984
NDJ-1980
NDJ-2000
NDJ-2012
NDJ-1993
NDJ-1986
NDJ-1996
NDJ-2007
NDJ-1991
NDJ-2009
NDJ-1983
NDJ-1989
NDJ-2002
NDJ-2006
NDJ-2001
NDJ-1990
NDJ-2011
NDJ-1985
NDJ-1992
NDJ-1995
NDJ-2004
NDJ-1999
NDJ-1987
NDJ-1981
NDJ-1994
NDJ-2003
NDJ-1988
NDJ-2010
NDJ-1998
NDJ-2005
NDJ-2008
8.1 51.5 55.2 66.8 69.9 70 77.8 87.5 88.7 91.8 103 104 108 111 117 122 133 141 142 154 161 161 173 178 191 191 204 215 229 256 285 296 331
Debajo de lo normal Normal Sobre lo normal
12. Nueva metodología de remuestreo.
Categoría Probabilidad
Below 35.9
Normal 24
Above 40.1
NDJ-1993
Paso 3: Dadas las probabilidades de pronóstico,
procedemos a realizar un remuestreo ponderado.
Paso 4: Se repite el proceso 100 veces.
1.ASO
2.
NDJ
NDJ-1982
NDJ-1997
NDJ-1984
NDJ-1980
NDJ-2000
NDJ-2012
NDJ-1993
NDJ-1986
NDJ-1996
NDJ-2007
NDJ-1991
8.1 51.5 55.2 66.8 69.9 70 77.8 87.5 88.7 91.8 103
Debajo de lo normal
14. Ejercicio de generacion de Pronostico agroclimatico estacional.
Objetivo: Generar pronosticos de rendimiento a partir de una prediccion climatica probabilistica.
Requerimientos:
1. Datos meteorologicos diarios, (registros >25 años) – Para calcular las normales climatologicas.
2. Pronostico estacional probabilístico de 6 meses - Dos trimestres (ej: AMJ –JAS)
3. Script en R – Remuestreo estadisdico. (github url)
4. Modelo de cultivo (ej. AquaCrop + PlugIn)
5. Script en R - Automatiza Simulación.
Resultados:
1. 100 escenarios de clima para los 6 meses pronosticados. En format csv y del modelo de cultivo.
2. Pronostico agroclimatico estacional. Pronostico de rendimiento en una ventana de siembra de un mes.
3. Simualcion de los requerimientos hidricos en ventana de siembra.
15. Predicción
probabilística de CPT
Tomaremos como ejemplo una
predicción de dos trimestres:
AMJ ( Abril - Mayo - Junio)
JAS (Julio - Agosto - Septiembre)
Además vamos a asumir un
escenario teórico. Con
probabilidades altas de
presentarse lluvias por debajo
de lo normal.
16. En R podemos visualizar la
climatología de la localidad.
Para el caso del ejemplo, es
una localidad de
precipitación con
distribución monomodal,
temporada lluviosa entre
los meses de Mayo a
Octubre.
Temperaturas máximas
medias entre 27 y 33 grados
Celsius y Mínimas medias
entre 18 y 21 grados Celsius
17. De igual manera
podemos visualizar el
resumen de los
escenarios generados
mediante boxplots, y
compararlos con la
normal climatológica
de la localidad.
18. Simulación con AquaCrop-PlugIn y R
http://www.fao.org/aquacrop/software/aquacropplug-inprogramme/es/
https://github.com/jrodriguez88/aquacrop-R