Innovación de una técnica de programación de labores de riego con base en pronósticos meteorológicos y modelación de cultivo

Abstract

Se propuso una metodología innovadora para la programación de labores de riego. Esta metodología está construída tomando como bases pronósticos del tiempo y el modelo de cultivo AquaCropOS. La metodología toma variables pronosticadas, como la precipitación, temperatura y evapotranspiración, para usarlas como entrada del modelo de cultivo. La metodología realiza muchas simulaciones del cultivo tomando diferentes combinaciones de lámina aplicada - día de aplicación, para cada una de estas simulaciones se calcula el costo de la aplicación de riego y el incremento en el rendimiento. El concepto de incremento en el beneficio neto virtual fue tomado de Fujimaki et al. (2015) para evaluar la aplicación de riego óptima.

Para verificar la metodología se usaron dos diferentes fuentes de pronóstico. Un pronóstico determinístico fue tomado del modelo regional para Colombia del IDEAM, por otro lado, un pronóstico estocástico fue generado por medio de un proceso de downscaling dinámico utilizando los modelos Global Ensemble Forecasting System (GEFS) y Weather Research and Forecasting (WRF). El modelo estocástico pronosticó mejor la precipitación, mientras que el determinístico lo hizo mejor con la temperatura y la evapotranspiración.

Se ejecutaron una serie de experimentos numéricos, en cada uno de estos se simuló un ciclo de cultivo, utilizando la metodología propuesta para programar los riegos utilizando como entrada los pronósticos estocásticos y determinísticos. Los experimentos se hicieron para un cultivo de papa y quinoa, utilizando las condiciones ambientales de la estación meteorológica Tibatatá, ubicada en el municipio de Mosquera, en la sabana de Bogotá. Para cada uno de los experimentos se tuvo un control, donde la programación de riego se hacía con una técnica tradicional. Se encontró que al utilizar la metodología con los pronósticos estocásticos se incrementa el beneficio final, mientras que al usar los pronósticos determinísticos no hubo diferencia con respecto al método tradicional, incluso disminuyendo el beneficio en algunos casos.

An innovative methodology for optimal irrigation scheduling was proposed. This methodology was built based on weather forecasts and the AquaCropOS crop model. The methodology takes forecasted variables as rain, temperatures, and evapotranspiration as an input for the crop model. Several simulations are made for different irrigation depth - day of application combinations, for each of those simulations an irrigation cost and yield increment are calculated. The virtual net return concept is taken from Fujimaki et al. (2015) to assess the optimal irrigation depth.

In order to verify the methodology, two different forecasts were generated. A deterministic forecast was taken from IDEAM’s regional model for Colombia, on the other hand a stochastic forecast was produced by a dynamical downscaling process using the Global Ensemble Forecast System model (GEFS) and the Weather Research and Forecasting model (WRF). The stochastic forecast was better at rain forecasting, whereas the deterministic forecast was better at temperature and evapotranspiration forecasting.

A series of numerical experiments were done, in each of those experiments an entire crop cycle was simulated, using the proposed methodology to calculate the irrigation schedules, having as an input the stochastic and the deterministic forecasts. The experiments were done with a potato and a quinoa crop taking the environmental conditions of Tibaitatá meteorological station, placed at the municipality of Mosquera, in the Bogotá plateau. For each of the experiments using the proposed methodology, a control experiment was done using a custom irrigation scheduling technique. It was found that the methodology with the stochastic forecast as input increases the final net return, whilst having the deterministic forecast as an input makes no difference compared to the custom methodology, even decreasing the net return in some cases.