Kc
- 1. 1 Metodología operativa para la obtención del coeficiente de Cultivo (Kc) desde imágenes de satélite en ecosistemas naturales y antrópicos Dra. N. Dedios*, M.Sc. M. Montero** * SERVICIO NACIONAL DE METEOROLOGIA E HIDROLOGIA SENAMHI. ndedios@senamhi.gob.pe / cidma_peru@yahoo.es ** Universidad Nacional de Piura/mariomont.gm@gmail.com. Resumen La evapotranspiración de un cultivo se calcula usualmente mediante el procedimiento denominado “en dos pasos”, consistente en el producto del coeficiente de cultivo (Kc) por la evapotranspiración de referencia (ETo), Kc x ETo, recomendado por FAO. Diversos trabajos anteriores han mostrado la posibilidad de estimar el Kc a partir del denominado índice de vegetación normalizado, NDVI, que se calcula mediante una combinación algebraica de la reflectividad espectral de la cubierta vegetal en las bandas del rojo e infrarrojo cercano. En este trabajo presentamos una metodología operativa para la obtención de mapas de valores del coeficiente de cultivo a partir de imágenes de satélite de alta resolución espacial, que permiten seguir individualmente la evolución del Kc a nivel de ecosistemas naturales y agrícolas. El procedimiento que se describe permite la obtención del así denominado Kc NDVI, y se basa en la acreditada relación lineal existente entre el NDVI y el coeficiente de cultivo basal. Dicha metodología ha sido validada con los resultados de las campañas llevadas a cabo en 2000, 2006 y 2007en el ámbito de la cuenca del rio Chira desarrolladas dentro del proyecto MONITOREO DE LOS ECOSISTEMAS AGRICOLAS Y NATURALES EN LA REGION PIURA DESDE LAS TECNOLOGIAS: TELEDETECCION Y SISTEMAS DE INFORMACION GEOGRAFICA. Los resultados muestran la aplicabilidad de la metodología aquí descrita en cultivos que alcanzan alta cobertura vegetal, mientras que subestima el coeficiente de cultivo en aquellos que alcanzan baja cobertura vegetal en la etapa de máximo desarrollo. Palabras clave: evapotranspiración, índice de vegetación, cobertura vegetal.
- 2. 2 Summary Operative Methodology to Obtain the Crop Coefficient from Satellite Images from dry forest and crop ecosystems Crop evapotranspiration is usually calculated using the crop coefficient (Kc) x reference evapotranspiration (ETo) methodology, Kc x ETo, recommended by FAO. In the present work Kc have been estimated from the Normalized by Difference Vegetation Index, NDVI, derived from the vegetation canopy spectral reflectance in the red and infrared bands. We present an operative methodology to obtain crop coefficient values maps from high spatial resolution satellite imagery. Using a temporal imagery sequence we can obtain Kc temporal evolution monitoring of each plot. The described procedure enable us to obtain the denominated Kc,NDVI, and it´s based in the well known lineal relationship between the NDVI and the basal crop coefficient. This methodology have been validated with the results of the 2000, 2006 and 2007 campaigns in the pilot Chira river catchment (Piura) developed into monitoring dry forest and artificial crop ecosystems project. The results show the described methodology applicability in those crops that reach high effective full cover, but underestimate the crop coefficient in those crops that reach low effective full cover in the maximum growing stage. Key words: evapotranspiration, vegetation index, vegetation canopy.
- 3. 3 I. Introducción La escasez de agua es un problema del que cada vez es más consciente toda la sociedad, incluso fuera de los sectores productivos. Existe por esta razón, una preocupación por el uso del agua, tanto como recurso productivo estratégico en distintos e importantes sectores, como en su vertiente medioambiental puesto que en algunos casos ocasiona la fragmentación y la pérdida del hábitat, más importantes en la actualidad (Saunders et al., 1991; Caughley, 1994; Groom et a.. 2005) y constituyen dos de las principales causas de modificación y pérdida de la biodiversidad a nivel global, regional y local (Lindenmayer et al., 1999; Chapin III et al., 2000; Sala et al., 2000). En este sentido, al considerar la importancia del recurso hídrico para el normal desarrollo de los ecosistemas, la asistencia satelital en riego, es una de las tareas actuales de mayor interés en las aplicaciones de la tecnología de los sensores remotos (Calera et al., 2005). Así, desde el punto de vista agronómico, la estimación de la evapotranspiración es un componente fundamental del balance hídrico y un factor clave en la interacción entre la superficie terrestre y la atmósfera (Domingo, 2003) principalmente para programar las tareas de irrigación y conocer las pérdidas de humedad del suelo (Rosenberg et al., 1983). Conocido como evapotranspiración (ET) debido a la combinación de dos procesos separados por los que el agua se pierde a través de la superficie del suelo por evaporación y transpiración del cultivo (Allen, et al. 2006). La estimación de la evapotranspiración actual del cultivo o ETc ha sido propuesta en función del coeficiente del cultivo (Kc) promedio (Doorenbos and Pruitt, 1977) y de la evapotranspiración de referencia (ETo). Con este propósito, en el presente estudio se plantean los siguientes objetivos: - Determinar el Kc de los cultivos existentes en el ámbito de estudio. - Correlacionar los resultados obtenidos desde el coeficiente de cultivo basal con los datos analizados desde el Índice de Vegetación. - Probar que la metodología Kc-ETo a distintas cubiertas como vegetación natural y suelo y en condiciones de estrés hídrico, presenta la suficiente precisión para ser aplicada de forma operativa. I.1. Coeficiente de cultivo
- 4. 4 Las metodologías de los coeficientes de cultivos (Kc) son ampliamente utilizadas para estimar la evapotranspiración actual (ETA) en la programación del riego (Garatuza et al., 1998; Duchemin et al., 2006). En este sentido, existen un número importante de métodos para la medición de ETA ya sea a nivel de campo o a distancia (con sensores remotos) (Jensen et al., 1990) este último, motivo del presente artículo. Así, para los cultivos anuales, la estimación de ETA usando el método FAO-56 han mostrado buenos resultados (Zang et al, 2004; Duchemin et al., 2006) así como para cultivos perennes (Sammis, et al., 2004; Simmons et al., 2007) y destacan las aproximaciones realizadas por Garatuza y Watts (2005) y Duchemin et al. (2006) al emplear sensores remotos para determinar ETA a través de (índices de vegetación) IV y ETo. Estas aproximaciones muestran un buen ajuste hasta de un 15% con Kc de Allen et al. (1998). II. Materiales y métodos II.1 Ubicación del área de estudio El área de estudio comprende el ámbito de la cuenca del rio Chira. Como cuenca binacional (Perú-Ecuador), forma parte de la cuenca Catamayo-Chira que comprende una extensión de 17 200 km 2 , de los cuales 7 212 km 2 se encuentra en Ecuador y 9 986 km2 en Perú. De ello, el área de estudio ocupa una superficie de 927.734 km 2 . Figura nº1. Área de estudio La vegetación natural típica de la zona se encuentra compuesta por “bosque seco” destacando las especies: algarrobo (Prosopis pallida), sapote (Capparis angulata), bichayo (Capparis ovalifolia), palo verde (Cercidlum praecox), overo (Cordia lutea), etc. Se caracterizan por ubicarse dentro de una de las zonas más áridas del mundo y
- 5. 5 con una alta vulnerabilidad frente a los procesos de desertificación (CEPESER y Región Grau, 1991). Su climatología es generada desde la zona de convergencia intertropical con interacción de las corrientes cálidas de El Niño y fría de Humboldt que influyen en el clima sub árido tropical cálido (típico de la costa norte peruana) debido a su proximidad con la línea ecuatorial y al cambio de dirección de la corriente de Humboldt. La precipitación pluvial en estaciones normales varía de 100 a 600 mm/año, salvo el caso de los años en que se presenta el fenómeno del Niño pudiendo alcanzar hasta los 5,000 mm anuales. El régimen de temperaturas se encuentra asociado a temperaturas máximas de 37º C y una mínima de 19º C, siendo 24º C su promedio anual. El régimen de humedad relativa promedio es de 70%, aunque en el verano, por el microclima en el valle puede llegar a 90%. El componente geomorfológico se encuentra constituido por un terreno ondulado y con escaso relieve acompañado de superficies llanas y suaves hondonadas. II.2 Información Meteorologica Los datos meteorológicos empleados como elemento base para el desarrollo del estudio proviene de las estaciones meteorológicas procedentes del Servicio Nacional de Meteorología e Hidrología (SENAMHI), siendo las estaciones: Partidor, Mallares, Lancones, La Esperanza, situadas dentro del ámbito de la cuenca del rio Chira. II.3 Datos, procesamiento de imágenes Figura Nº2. Área de influencia del ámbito de estudio
- 6. 6 La información remota que permitirá determinar los valores de Kc de los cultivos es suministrada por los sensores ASTER (TERRA) y LANDSAT TM (Thematic Mapper) a bordo el satélite Landsat-5. Se trata de imágenes de verano años 2000, 2006 y 2007 (tabla Nº1). Tabla Nº 1. Características de las imágenes empleadas LANDSAT.TM y ASTER Satélite Sensor Cobertura (Km) Resolución espacial Resolución espectral Resolución temporalE. Completa Escena mini Landsat 5 TM 185X170 50x50 Ms 30 m 8 bandas (visible + Infrarrojos) 16 días ASTER 60 KmX60 Km 15 VIS (2) NIR (1) 16 días 30 SWIR (6) 90 TIR (5) Donde: VIS: visible, NIR: Infrarrojo cercano: SWIR, infrarrojo medio, TIR infrarrojo térmico Las imágenes adquiridas, cada una de ellas compuesta en una única imagen multibanda, fueron analizadas desde un pre tratamiento que comprende (recorte de la imagen, transformación de pixeles en imágenes ASTER a una resolución de 30x30 m para ser comparables una de otras). Asimismo para corregir las perturbaciones atmosféricas sobre imágenes de fechas distintas fue utilizado el método de corrección atmosférica (Chávez, 1988). De otro lado, la corrección geométrica mediante la colocación de puntos de control sobre la imagen (50 puntos de control) y el uso del modelo polinomial de segundo orden (Chuvieco, 1998) permitió asignarle coordenadas UTM x,y a cada una de las imágenes analizadas.
- 7. 7 II.4 Etapas de crecimiento de cultivo asociados a la variación del Kc Para determinar los valores Kc de los cultivos instalados en la cuenca, consideramos las definiciones teóricas sobre el crecimiento del cultivo generalmente definido en 4 etapas (inicial, desarrollo, mediados del cultivo y senescencia, Figura Nº4. La etapa inicial considerada desde la fecha de siembra para cultivos de manejo anual o inicio de temporada para especies perennes (aparición de yemas foliares); domina la evaporación del suelo sobre la transpiración (en este aspecto, el valor del Kc depende de la cantidad de agua adicionada al cultivo por riego o lluvia). En la etapa de desarrollo (desde la cobertura superior al 10%, hasta que el cultivo alcanza una cobertura efectiva (floración) o cuando la planta ha alcanzado el 90% de cobertura máxima. En esta etapa, el Kc se incrementa debido a la transpiración del cultivo, pudiendo haber incrementos bruscos por los tipo de siembra, riego o lluvia Garatuza et al. (1998). La etapa de mediados del cultivo (cobertura efectiva hasta el inicio de la senescencia), es la más prolongada, donde el valor de Kc alcanza su máximo rendimiento, siendo de valor constante para la mayoría de los cultivos y superiores a la unidad. La etapa de senescencia o tardía de crecimiento, el valor de Kc es variable y depende poco del manejo del cultivo. La figura Nº4, presenta en forma esquemática, dichos cambios.
- 8. 8 Figura Nº4. Curva generalizada del coeficiente de cultivo. Fuente: Estudios FAO Riego y Drenaje 56 II.5 Identificación de la cubierta vegetal en la cuenca del rio Chira. Zona baja Las visitas de campo permitieron, no solo identificar los puntos de control entre la imagen y la realidad-terreno sino caracterizar los sectores de interés, básicamente la cubierta vegetal y su estado. En este sentido, caracterizamos la vegetación natural dominante (bosque seco), identificados en diversos estados fenológicos y la agricultura formada por los cultivos anuales y perennes. II.6 Calculo del Índice de Vegetación de Diferencia Normalizada NDVI El índice de vegetación (IV), como variable en espacio y tiempo, indica el verdor de la vegetación (Wittich, 1995). Sus combinaciones entre distintas bandas espectrales permiten cuantificar la vegetación natural y agrícola (Huete et al., 2002, Chuvieco, 1998). Su identificación, se expresa en valores que oscilan entre (-1 a +1) de gran aplicación en ciencias agronómicas por su sencillez matemática y poder normalizador con respuesta espectral en los sistemas vegetales (Gilabert, 1991). Así, para el desarrollo del análisis, empleamos el Índice de Vegetación de Diferencia Normalizada (NDVI), (TUCKER, 1979): Donde ρIR es la reflectividad en la región espectral del infrarrojo cercano y “R” es la reflectividad en la región espectral del rojo. En este sentido, el tipo de vegetación
- 9. 9 existente seria un criterio adecuado dentro del proceso metodológico. De esta manera, se identificaron los principales cultivos dominantes en la cuenca del rio Chira: frutales (mango, limón, banano, cocotero), anuales (maíz, arroz), bosque seco. La aplicación del NDVI se orienta a la evolución del proceso fenológico de los cultivos desde el denominado coeficiente del cultivo (Kc) utilizado para determinar los requerimientos hídricos. II.7 Calculo del Coeficiente del cultivo Kc El coeficiente de cultivo Kc aplicado a la zona de estudio fue derivado desde los índices de vegetación obtenidos tal y como han sido demostrados por Jochum et al (2002) las cuales integran las características biofísicas de la vegetación y sus variaciones (fundamentalmente cobertura del suelo) a lo largo del ciclo vegetativo. En este sentido, la información de interés es generada desde los sensores LANDSAT TM y ASTER, todas ellas imágenes del mes de febrero, estación de verano donde se inicia la campaña agrícola en el valle, y por otro lado, época donde los aportes hídricos a causa de las precipitaciones son importantes para determinar las necesidades hídricas de las cubiertas vegetales en el ámbito de la cuenca; por tanto, la determinación del Kc del cultivo se deduce como: Kc=1.08*NDVI+0.22 Donde: Kc, representa la evapotranspiración de un cultivo determinado, en condiciones óptimas de desarrollo. El Kc en el ámbito de la cuenca se encuentra influenciado por factores de vegetación tales como: fecha de siembra o plantación, fase de desarrollo y clima, siendo la precipitación la variable de mayor interés en este último. Por otro lado, se validaron los coeficientes de cultivo (Kc) obtenidos con el modelo de simulación CROPWAT recomendado por la FAO (Food Agriculture Organization-ONU). II.8 Relación NDVI y KC Partiendo de la base teórica que existe sobre la dependencia entre los valores temporales de los índices de vegetación y los patrones de los coeficientes del cultivo Kc en el tiempo (Heilman et al., 1982), hemos empleado la información calibrada de los estudios expuestos por (González-Piqueras, 2006) que se mantiene durante todo el ciclo fenológico de los cultivos y, por tanto, para los diferentes niveles de cobertura vegetal existente. Así, diferentes autores encuentran similitud en las curvas del
- 10. 10 coeficiente de cultivo y del índice de vegetación (Heilman et al., 1982; Bausch and Neale, 1987; Bausch, 1993; Jayanthi et al, 2000) (González-Piqueras, 2006). Por ello, para categorizar cultivos agrícolas de la cuenca (anuales, perennes, vegetación natural constituida por especies del bosque seco) y la naturaleza básica de los fundamentos de la teledetección, consideramos una metodología propia tal como se muestra en la tabla Nº2: Tabla Nº2. Representación de los ecosistemas en la cuenca Bosque seco Matorral Cultivos anuales Cultivos perennes Semidenso Ralo Muy ralo arroz Maíz plátano mango Llanura P p Pd pd pd P pd Pd Colina P A Pd A A A A A Donde p=presente, pd=Presente y dominante, A=Ausente El seguimiento fenológico de la vegetación de la cuenca fue evaluado in situ desde observaciones directas, parcelas de observación en las imágenes (polígonos) y parcelas de observación situadas en las localidades de: Partidor, Lancones, Mallares, La Esperanza, estaciones que conforman la red agro meteorológica del Servicio Nacional de Meteorología e hidrología del Perú (SENAMHI). En relación a los muestreos, se obtuvieron puntos georreferenciados en coordenadas UTM medidas con GPS (Global Position System), utilizadas para obtener los valores de NDVI y ser posteriormente correlacionados con los valores Kc. a) 2000 b) 2006 c) 2007 Figura Nº5. Transecto y variación NDVI en los años analizados
- 11. 11 III. Resultados III.1 De la caracterización del medio biofísico de la cuenca La regeneración natural en la cuenca, se desarrolla sobre diversos tipos de relieve: llano y colinoso. Lo más saltante a la vista y lo que principalmente es detectado por el sensor son las densidades según los diferentes tipos de bosque: semidenso de llanura o algarrobal ribereño que se presenta siempre verde y abundante sobre la margen izquierda del valle del bajo Chira. Así, cerca al dique del embalse Poechos (Lancones), se observa un bosque seco semidenso de escasa superficie, siendo el algarrobo la especie dominante (Figura nº6) Figura Nº6, Vista del bosque seco semidenso desde el dique de la presa Poechos (Lancones- Sullana) De otro lado en los sectores “Nuevo Lancones”, “San Francisco”, “Lomas Salinas”, “Lomas Pamapa”, “El castillo”, “Lomas corral de León” el bosque seco transforma su paisaje hacia sectores donde el bosque se encuentra en “defoliación” siendo la escasez del recurso hídrico el factor más importante y dominante en la zona (figura, Nº7).
- 12. 12 Figura Nº7. Bosque seco semidenso de colina defoliado en el sector Lancones-Sullana. Figura Nº8. Algarrobal Ribereño en la margen derecha del valle bajo de la cuenca del rio Chira. Figura Nº9. Vista del paisaje natural característico en torno al embalse Poechos (Lancones- Sullana).
- 13. 13 Figura Nº10. Algarrobal ribereño aguas abajo de la presa Poechos (Lancones-Sullana). Figura Nº 11. Bosque seco característico en el sector Lancones (Sullana) cuenca del rio Chira Los cultivos anuales representan un sector de desarrollo agrícola económico importante en la cuenca, básicamente arroz, maíz, frijol, formando pequeñas y medianas parcelas de explotación agrícola. No obstante, el cultivo de arroz es el que ocupa la mayor área y generalmente se encuentra ubicado en la margen izquierda del valle bajo del rio Chira, camino a Poechos, Rio Chipillico, sector Ventarrones, este ultimo ubicado cerca a la desembocadura de la cuenca La Bocana-Paita (Figura Nº12).
- 14. 14 Figura Nº12. Cultivo de arroz sector Somate Bajo-Sullana. Figura nº13. Cultivos anuales en el sector Miramar-Paita Frutales como limón y banano, también ocupan una importante superficie tanto en la margen izquierda y derecha de la parte baja de la cuenca. Por otro lado, el banano representa una actividad económica importante en la región y ocupa extensas áreas, tal y como se observa en el sector Querecotillo cerca al puente Miguel Checa (Figura Nº14).
- 15. 15 Figura Nº14. Cultivos de banano en la cuenca parte baja del rio Chira. Entre los sectores con cultivos de frutales destacan: Querecotillo, San Vicente, Puente Miguel Checa, Salitral. En el sector Marcavelica-Sullana, los cocoterotales representan un componente básico del paisaje, comúnmente utilizados como cortinas rompevientos (figura Nº15). Figura Nº15. Paisaje de cocotales en el canal de derivación en el Sector somate Bajo En el recorrido de campo se encontraron nuevos usos de suelo que vienen cambiando el paisaje de la cuenca desde el año 2008, como el caso del cultivo masivo de caña de azúcar para ser usado en la elaboración de biocombustible, paisaje no detectado por las imágenes en el año 2007, puesto que aun no se encontraban instalados y que se identificaban como sectores sin vegetación (sectores talados) y planicies elevadas o tablazos. Sectores ubicados en la margen derecha e izquierda de la cuenca baja del rio Chira (actualmente semilleros de caña de azúcar) en los sectores: El Arenal, El Tablazo, La Huaca y Pueblo Nuevo de Colán (Figura Nº16)
- 16. 16 Figura Nº16. Ampliación de frontera agrícola cultivo de caña brava para producción de etanol en el sector “El Tablazo” Lo que más llama la atención es que dicha actividad se encuentra ubicada dentro de un sector declarado por el INC (Instituto Nacional de Cultura) como zona de reserva paleontológica específicamente en el Tablazo del Arenal. En el sector Tamarindo margen derecha del bajo Chira se encuentra la planta procesadora de etanol de la empresa Caña Brava. Ausencia de pastos naturales en las zonas marginales del valle, generalmente compuesta por paisajes colinosos de material calcáreo-bentonìtico. Figura Nº17. Cultivo de Caña de azúcar – empresa Camposol- margen izquierda del canal de derivación (Km 29,9), parte media de la cuenca del Rio Chira.
- 17. 17 En relación a las especies matorrales y arbustivas, encontramos la presencia de plantas indicadoras de sales Batis Maritima o vidrio, en la parte más baja de la cuenca, cerca a la desembocadura del rio Chira, margen izquierda y derecha del sector La Bocana, en El Arenal-Paita. (figura nº18) Figura. Nº18. Batis Maritima, en la desembocadura del rio Chira La Bocana-Paita. Figura Nº19. Foco de salinización en avance sobre cultivo de caña de azúcar en la parte baja de la cuenca del rio Chira.
- 18. 18 Figura Nº20. Salinización en la cuenca del rio chira. Sector el Arenal Figura Nº21. Zona marginal en la cuenca del rio Chira margen derecha sector “Ignacio Escudero” Figura Nº22. Vista del paisaje cuenca baja rio chira al sur del pueblo “Soledad”
- 19. 19 III.2 De las Precipitaciones Según el análisis de precipitaciones, los años 2004, 2005, 2007 presentan precipitaciones inferiores a 20 mm en el mes de febrero, las que originaron un incremento del déficit hídrico en el ámbito de la cuenca, en contraposición al año 2006 en que el aporte hídrico fue más importante, contraste que determinó el aumento de la necesidad de agua de la vegetación de la cuenca (figura Nº23). Figura Nº23. Distribución de las precipitaciones en el ámbito de la cuenca del Chira durante los periodos de análisis Dicho comportamiento de las precipitaciones permiten que el aporte hídrico de acuerdo al análisis de series históricas en la cuenca sea considerado como un elemento fundamental desde el punto de vista de la programación de riegos en los cultivos agrícolas que forman parte de la campaña agrícola Si consideramos que el sistema de riego de la cuenca depende de la capacidad de almacenamiento del reservorio de Poechos, nos encontramos ante un problema de desabastecimiento hídrico a consecuencia de los niveles de sedimentación del reservorio, el cual ha perdido su capacidad en un 50% (capacidad inicial 885 MMC) (figura Nº24). Figura Nº24. Producción de la cuenca: Aporte hídrico y sedimentos acumulados en el embalse de Poechos Fuente. Proyecto Especial Chira Piura
- 20. 20 III.3 Del NDVI y su Distribución espacial y temporal Los valores positivos en todas las imágenes analizadas durante los años 2000-2007 se corresponden a zonas donde se desarrolla agricultura anual y permanente (frutales) de alta densidad, mientras que los valores negativos se interpretan como presencia de nubes, superficies de agua, suelo desnudo, roca y vegetación seca o desprovista de follaje (este último merece ser atendido en detalle dada la naturaleza de la vegetación natural o bosque seco, propio del ecosistema natural de la cuenca). Los resultados nos indican la existencia de una similitud en la estructura espacial del paisaje analizado en las tres imágenes. En este sentido, valores bajos y negativos de NDVI se registran en bosques de categoría “muy ralo” donde existen escasos individuos y el efecto de la reflectividad del suelo es dominante. Asimismo, se observan cambios importantes, tanto en magnitud como en la estructura espacial del NDVI, entre los tres momentos analizados especialmente la vegetación natural (tala de árboles). Las áreas con vegetación de menor tamaño o iniciando su fase de desarrollo se corresponden con cultivos anuales que ocupan una superficie importante (60%). Figura nº25. Comportamiento del NDVI de los principales tipos de bosque en el ámbito de la cuenca. Son los cultivos bajo riego donde los valores de NDVI se presentan más elevados y vigorosos en relación al resto de cubiertas, las cuales se corresponden en su mayor
- 21. 21 parte, a cultivos anuales (arroz) en fase de almacigo o iniciando su fase vegetativa (plántula o macollaje) con una elevada actividad vegetal. III.4 Del Cálculo de Kc Los resultados según los Kc, generados a nivel de la cuenca en su parte baja representan las diferencias físicas y fisiológicas entre los cultivos y la definición del cultivo de referencia. De acuerdo a los resultados, se observan variaciones de Kc en los diversos cultivos instalados en el tiempo, variaciones que no solo obedecen a factores de crecimiento del cultivo (aspectos fenológicos), sino a actividades de cambio de “uso del suelo” vinculados de manera muy directa a la disponibilidad del recurso hídrico figura nº26. Figura Nº26. Correlación entre variables Kc y NDVI integrado al ámbito de estudio En ella se observa la fuerte correlación que existe entre el NDVI y Kc de los cultivos (R2=0,9408) las cuales permite comprender mejor las situaciones en que el vigor de la vegetación aumenta en relación al valor del Kc de las cubiertas vegetales detectadas por el sensor. En este sentido, la correlación entre el NDVI de cada etapa de desarrollo de los cultivos cambia a medida que cambia las fechas de siembra (Figura Nº26). De esta manera, los valores más bajos (menor variabilidad espacial del NDVI) se registran en la banda altitudinal de 300 a 400 metros, que corresponde fundamentalmente a áreas de mayor densidad de vegetación natural. La mayor variabilidad espacial se registra en las partes bajas de la cuenca, donde se mezclan los cultivos anuales, de los minifundios con la vegetación natural (valores de NDVI positivos y negativos respectivamente).
- 22. 22 De esta manera el patrón de distribución en la cubierta bosque seco (Kc e Índice de Vegetación de Diferencia Normalizada (NDVI) es similar y se refleja en la existencia de una vegetación que permanece seca en situaciones de importante déficit hídrico. Figura Nº 27. Comportamiento del Kc en diversos cultivos analizados en el ámbito de la cuenca del rio Chira. De otro lado, los cultivos que se encuentran en su máximo desarrollo fenológico como los frutales presentan sus máximos valores de Kc (banano, cocotero, mango, limón), que oscilan entre (0,60-1,20) o superiores a 1,00, es el caso del mango que se corresponden con sus fases fructificación o culminando su maduración (ver figura Nº27). En este sentido, menores valores de Kc (1,05) se presentan en cultivos que inician su periodo de crecimiento (cultivos anuales) instalados en la cuenca (arroz, maíz), y que ocupan una importante superficie y que para las fechas analizadas se encuentran iniciando el periodo vegetativo (plántula y/o macollaje) (Figura Nº 27). Asimismo, las cubiertas naturales representadas por el bosque seco, ocupan bajos valores de Kc
- 23. 23 detectados en la categoría bosque seco muy ralo, que presentan una menor densidad de plantas. En relación a la respuesta de los coeficientes de los cultivos y su dispersión en el tiempo, observamos en todos los casos que los gráficos siguen el patrón esperado desde un punto de vista metodológico tanto para la secuencia de las etapas del cultivo, como en las magnitudes en especies anuales y perennes (figura Nº 28). a) 2000 b) 2006 c) 2007 Figura Nº 28. Distribución espacio temporal de los valores Kc en la cuenca del rio Chira Por esta razón, dentro de una misma especie encontramos variaciones notables, atribuibles tal vez a condiciones ambientales que acompañan a las fechas de siembra y de las cuales se ve reflejada en los valores aportados por el sensor. En relación a la instalación de nuevos usos de suelo agrícola en el ámbito de la cuenca, observamos que a medida que las reservas de agua se van agotando como consecuencia de las escasas precipitaciones (Figura Nº24), el índice Kc tiende a aumentar su actividad. Así, encontramos que en el escenario del año 2007 una nueva e importante tendencia en la configuración del paisaje agrícola destaca en la cuenca la cual se encuentra relacionada a la desaparición de la vegetación natural a consecuencia de la “tala de bosque seco ralo y muy ralo”, con fines de instalación de cultivo de caña de azúcar como materia prima para la generación de biocombustible. La tabla Nº3, muestra los coeficientes del cultivo en las diferentes fases de desarrollo (inicial, madurez, cosecha) independientemente de su naturaleza. Estos varían de 0.30 a 1.05 desde su etapa inicial hasta su cosecha.
- 24. 24 TABLA Nº3. Coeficientes de cultivo Kc detectados para las especies vegetales en sus diferentes estados de desarrollo fenológico en la cuenca del rio Chira parte media baja (*) . Porcentaje de la estación de crecimiento 0% 20% 40% 60% 80% 100% Cultivo Establecimiento Inicio Desarrollo del cultivo Media estación Inicio madurez Madurez fisiológica Maíz 0.30-0.50 0.70-0.85 1.15 0,70 Arroz 1,20 Algarrobo 0,60 Lechuga 0,28 0,82 0,96 Cebolla 0,1 0,70 0,50 Frijol 0.30-0.40 0.65-0.75 Frutales de hueso 1.10-1.20 1.10-1.20 0.65-0.85 cocotero 0,80 Cítricos 0.60-0.70 0.60-0.70 0.80-0.90 0.80-0.90 0.60-0.70 Frutales con cubierta verde ----------- Promedio 1.00------ ----------- ----------- (*) Valores recopilados a partir de James (1988), Millar (1993) yStewart yNielsen (1990). Los cultivos como maíz y frijol presentan valores muy similares Kc=0,30 o aproximados es el caso de las hortalizas instaladas en el sector “La Bocana”, Kc = 0,28 (zona de desembocadura del rio Chira). Los cultivos perennes principalmente frutales, presentan incremento del valor Kc es el caso del limón Kc=0,60. Los frutales de hueso representativos en la cuenca (mango), incrementan aun más Kc >0,85 en relación al cultivo de Limón. Un caso particular sucede con el cultivo de arroz donde el Kc=1,20 presenta los mismos valores en relación a los anteriores prácticamente igual en todas sus fases.
- 25. 25 a) Año 2000 b) Año 2007 Figura 29. Distribución del Kc de los cultivos durante los años 2000 y 2007 La distribución espacial, de los valores Kc del año 2000 (tabla Nº5), en áreas de mayor ocupación presentan bajos valores Kc > 0,1 - <0,8 que se corresponden con bosques y cultivos anuales en inicio de su periodo vegetativo. No obstante los cultivos perennes que presentan valores de Kc >0,8 ocupan una menor superficie dentro de la cuenca. El escenario de la cuenca del año 2006, presenta valores Kc en relación a la imagen del año 2000 que oscila entre 0.2-0.75, situación que se relaciona con los volúmenes de agua que se presentaron más abundantes en relación a los años anteriores. Solo un 4% de la superficie lo ocupan valores Kc>1 que se corresponden con cultivos perennes de tipo frutales en pleno desarrollo vegetativo. En el escenario del año 2007 los valores Kc para los diferentes cultivos en la cuenca, se incrementaron en relación a los años anteriores. Para, ello la escasez del recurso hídrico juega un papel de gran importancia del cual se ve reflejado en los elevados valores de Kc, encontrándose Kc >0,15 (en establecimiento o inicio) y Kc < 0,85 (desarrollo, estación media y madurez fisiológica). De esta manera, las especies arbóreas de tipo frutales (banano, mango) presentan un mayor uso del suelo en los sectores analizados (Kc <1) (Figura nº29).
- 26. 26 Figura nº30. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2000 Figura Nº31. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2006
- 27. 27 Figura Nº 32. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2007 De manera general, los cultivares con ciclos vegetativos y cubiertas vegetales similares, como sucede con las hortalizas, presentan coeficientes cuyo comportamiento son más homogéneos en relación a su magnitud y desarrollo. Cultivos anuales como el arroz que posee una cubierta foliar de importante volumen (muy cercano al suelo), las necesidades y requerimientos de agua para su desarrollo y por el tipo de riego (inundación) en relación al resto de cultivos, presentan mayores coeficientes Kc (Kc=1,20). Es por esta razón que cuando una especie es regada de manera continua, caso del cultivo de arroz y banano, el Kc presenta una tendencia disminuir de sus valores absolutos. Por lo expuesto, los valores Kc de los cultivos en el ámbito de la cuenca presentan un comportamiento similar a lo formulado por Penman-Monteith-FAO utilizada en sus cálculos, sin embargo los resultados nos indican que estas formulas deben ser ajustados al comportamiento local.
- 28. 28 Tabla Nº4. Valores de Kc promedio en el tiempo, para la vegetación existente en el área de estudio. Tipos Unidades Kc Superficie ha Bosques Bosque seco muy ralo 0,95 57505,48 Bosque seco ralo 0,65 93249,1 Bosque seco semidenso 0,65 25113,25 Sub Total 175867,83 Frutales Cítricos Limón 0,6 3500 Banano 0,85 5200 Mango 0,65 767 Cocotero 0,80 75 Sub Total 9542 Anuales Maíz 0,8 305 hortalizas 0,45 85 Arroz 1,05-1,10 15567 Sub Total 15957 Total 201366,83 El Kc del banano obtenido (tabla nº4) por teledetección es comparable con las recomendaciones dadas por Maciel, (2003) para condiciones semiáridas (Kc=0,85 a 1,0). De otro lado Lahav y Kalmar, (1988) encontraron que con el coeficiente 1,0 se obtienen buenos resultados económicos. La importancia de señalar este cultivo radica en que el banano ocupa una importante superficie en la cuenca y presenta desde un aspecto fisiológico, un ciclo de desarrollo relativamente corto y un alto índice de área foliar (Robinson, 1995), lo cual obliga a la planta a equilibrar constantemente sus pérdidas de agua del follaje mediante la absorción radical (Aubert, 1968) las cuales explica su extrema sensibilidad al déficit hídrico. De otro lado el cultivo de cocotero Kc=0,80 puede sobrevivir periodos largos de stress hídrico, sin embargo su producción puede ser severamente afectada.
- 29. 29 III.5 Análisis integrado Los cultivos instalados en la cuenca del rio Chira, requieren de un volumen determinado de agua para crecer, desarrollarse y producir, pero no toda el agua que se aplica en los riegos para el desarrollo de la agricultura es aprovechada adecuadamente por las plantas. Según los resultados, existe un inapropiado uso del recurso hídrico por parte de los agricultores o de quienes administran el recurso hídrico. Figura Nº 33. Diferencial de transformación de los valores Kc en las imágenes adquiridas En relación al análisis integrado de las imágenes en el tiempo, observamos que los valores de Kc son considerablemente menores en aquellos sectores donde se desarrolla vegetación natural es el caso del bosque seco independiente de su densidad (65,20%). A su vez, 9542 hectáreas representan las áreas con valores de Kc más altos (frutales en pleno proceso de maduración y fructificación). Por otro lado, los cultivos anuales presentan valores de kc más bajos en 15957 hectáreas de la cuenca (figura Nº 33). De otro lado, los suelos de la parte baja de la cuenca del rio Chira (El Arenal, Vichayal y Miramar) vienen presentando un severo proceso de desertificación por salinización, debido a la interrelación de factores como: escases e inadecuado uso del recurso hídrico, alta tasa de evaporación, mal manejo de suelos e ineficiente programación de cultivo. Estas áreas se corresponde con la categoría “Decrece” (figura nº33) y que para este caso su valor Kc es menor a 0,45. De esta manera, encontramos que las transformaciones más importantes en el ámbito de la cuenca, empiezan a manifestarse desde el año 2007, por lo que la presencia de
- 30. 30 bosques en la misma se encuentra amenazada por sometimiento a una rápida reducción de su superficie como consecuencia del avance de la frontera agrícola (zonas de bosque más denso disminuyeron su densidad por actividades como tala de árboles y bosques de densidad ralo y muy ralo desaparecen por consecuencia del cambio de uso del suelo) (taba Nº5). Tabla Nº5. Valores de Kc sujetos a cambio en el área de estudio. 2000 2007 Tipo de cubierta Kc % Ha Kc % ha bosque seco muy ralo 0,65 16,50 0,7 33,22 bosque seco ralo 0,95 19,32 1,02 29,01 bosque semidenso 0,85 29,20 0,9 10,72 arroz 1 25,53 1,04 12,31 banano 0.85 9,43 0,9 14,71 Total 100 100 IV.- Conclusiones y Recomendaciones El consumo y la eficiencia del uso del agua en los cultivos de la cuenca del rio Chira son afectados por prácticas de manejo del cultivo principalmente, el riego. En este sentido, la tecnología empleada, por sensores remotos desde las imágenes ASTER Y LANDSAT puede significar un avance considerable en la extensión de la programación técnica del manejo del recurso hídrico. El presente estudio ha permitido detectar con mayor facilidad las diferencias entre el uso de los suelos para la agricultura convencional y los bosques en su hábitat natural, especialmente el bosque seco ralo y muy ralo. Por esta razón, se considera limitante para su determinación la presencia del suelo por efecto de la reflectividad. Refiriéndonos al método aplicado, se considera útil porque puede proveer una estimación de los requerimientos de agua a escala regional; pudiendo además ser de gran utilidad para evaluar estrategias de conservación a nivel de cuenca en áreas semiáridas y de difícil acceso. Por otro lado, valores de Kc detectados para la temporada de verano se presentan menores que el sugerido por FAO-56 (0.85). Los valores de Kc encontrados, obedecen a condiciones de estrés hídrico de la planta, influenciados por la limitada disponibilidad del recurso hídrico, tanto en los ecosistemas naturales como en sectores donde se practica agricultura intensiva. En este sentido, se recomienda que los valores de Kc determinados en el presente estudio se incorporen como medidas correctivas a los
- 31. 31 cálculos de los coeficientes del cultivo en los pronósticos de disponibilidad anual del recurso hídrico. En relación al bosque seco, consideramos que la “densidad” de la cubierta vegetal es un factor importante en la variación del coeficiente del cultivo. Por esta razón, se hace difícil comparar el proceso de evapotranspiración de un bosque seco con el comportamiento de la evapotranspiración en un entorno cultivado, pues el régimen de evapotranspiración en un bosque es un proceso en el cual el agua se conduce por caminos distintos a los que se registran en la evapotranspiración de cultivos en general y donde “el poder evaporante de la atmósfera” actúa directamente sobre el suelo y sobre toda la formación vegetal al mismo tiempo. Finalmente los resultados del presente estudio, deben ser un insumo a ser socializado a los agricultores de la zona, con la finalidad que tomen conciencia sobre la cantidad de agua que necesita sus cultivos para alcanzar su máxima producción. Para potenciar el proyecto, el uso de tecnologías de la información y de la comunicación (TIC) dirigidas al agricultor complementaria de manera sustancial el proyecto. V.- Agradecimientos Los autores agradecen el financiamiento del proyecto: MONITOREO DE LOS ECOSISTEMAS AGRICOLAS Y NATURALES EN CUENCA DEL RIO CHIRA DESDE LAS TECNOLOGIAS: TELEDETECCION Y SISTEMAS DE INFORMACION GEOGRAFICA. Financiado por el Gobierno Regional de Piura-Perú. VI. BIBLIOGRAFIA Allen R.G., Pereira L.S., Raes, D. y Smith M., 1998, Crop evapotranspiracion: guidelines for computing crop water requirements, FAO Irrigation and Drainage Paper, Vol. 56, FAO, Rome. Allen R.G., Pereira L.S., Raes, D. y Smith M., 2006, Evapotranspiración del cultivo: Guía para la determinación de los requerimientos de agua de los cultivos, Estudio FAO Riego y Drenaje, Vol. 56, FAO, Roma, 2006. PP. 323. Barrax, Spain with intercomparison of methods. Proceedings of EGU General Assembly 2006, Viena, Austria, April 4, 2006.
- 32. 32 Bastiaanssen, W.G.M, D.J. Molden y I.W. Makin (2000): "Remote sensing for irrigated agriculture: examples from research and possible applications", Agricultural Water Management, vol. 46, 137-155. Bausch, W.C. and C.M.U. Neale, 1193. Soil background effects on reflectance-based crop coefficients for corn. Remote Sensing of Environment 46: 213-222. Doorenbos, J. and W.O. Pruit, 1977, Guidelines for predicting crop water requirements, Caughley G. 1994. Directions in conservation biology. Journal of Animal Ecology. 63: 215–244. Chapin III F.S., Zavaleta E.S., Eviner V.T., Naylor R.L., Vitousek P.M., Reynolds H.L., Hooper D.U., Lavorel S., Chuvieco E. 1996. Fundamentos de Teledetección. 3º edición, Editorial Rialp, Madrid, España. FAO Irrigation and Drainage Paper, Vol. 24, FAO, Rome. Garatuza-Payan J., W.J. Shuttleworth, D. Encinas, D. McNeil, J.B. Stewart, H. de Bruin y C. Watts, 1998, Measurement and modelling evaporation for irrigated crops in northwest Mexico, Hydrol. Process., 12:1397-1418. Garatuza-Payan J., R. Pinker, W.J. Shuttleworth y C.J. Watts, 2001, Solar radiation and evapotranspiration in northern Mexico estimated from remotely sensed measurements of cloudiness. Hydrol. Sci. J., 46:465-478. 192 Garatuza-Payan J., y C. Watts, 2005, The use of remote sensing for estimating ET of irrigated wheat and cotton in Northwest Mexico, Irrig. Drain. Sys., 19:301-320. INRENA - Proyecto Algarrobo Experiencias en el Manejo Participativo de los Bosques Secos del Norte del Perú http://ocw.upm.es/ingenieria-agroforestal/climatologia-aplicada-a-la-ingenieria-y medioambiente/contenidos/tema-8/COEFICIENTE%20DE%20CULTIVO.pdf. James, Larry G. 1988. Principles of Farm Irrigation System Design. John Wiley and
- 33. 33 Sons, Inc. USA. 543p. Jensen M.E., R.D. Burman y R.G. Allen, 1990, Evaporation and irrigation water requirements, ASCE, US, 332 pp. Montero T, M,A., (1975). Recuperación de los suelos salinos misceláneos de la irrigación y colonización San Lorenzo-Curvan. Tambogrande. Tesis de grado. 150 pp. Montero T, M,A., (1998). Operación y manejo del reservorio de Poechos. Publicación Simposio Operación y Manejo del Distrito de Riego. Piura.Pp Martin, D.L., E.C. Stegman y E. Fereres. 1990. Irrigation scheduling principles. En G.J. Hoffman, T.H. Howell y K.H. Solomon ed. Management Farm Irrigation Systems. ASAE Mon. # 9. NOVOA, P., P. SEPULVEDA. 1996. Estimación de la variación diaria del agua del suelo, escurrimiento superficial e infiltración, mediante el uso del modelo computacional HIDROSUELO. Agricultura Técnica, 56 (3): 141-154. NOVOA, P., 1998. Estimación de la evapotranspiración actual en bosques. Teoría. BOSQUE 19(1): 111-121, 1998 Paz, F., 2005, Reporte final del desarrollo de un seguro ganadero con base a la tecnología de los sensores remotos, Reporte Marzo para AGROASEMEX, 91 pp. Paz, F., Palacios, E., Bolaños, M., Palacios, L.A., Martínez, M., Mejía, M. y Huete, A., 2007a, Diseño de un índice espectral de la vegetación: NDVIcp, Agrociencia, 41: 539- 554. Paz, F., M. Odi, A. Cano, M.A. Bolaños y A. Zarco. 2007b. Equivalencia ambiental en la productividad de la vegetación. Enviado a Agrociencia, México. Paz, F., E. Romero, E. Palacios, M. Bolaños, R. Valdez y A. aldrete. 2007c. Mitos y falacias de los índices espectrales de la vegetación: análisis de índices actuales de banda ancha. Enviado a Agrociencia, México.
- 34. 34 Paz, F., Bolaños M. A., Marín M. et al. 2008. Documentación de la campaña de mediciones realizada por el Colegio de Postgraduados en el Valle del Yaqui. Proyecto de Gestión del Agua Asistida por Satélite, Multiescala y Participativa en la Agricultura de Regadío (PLEIADeS) y experimento de heterogeneidad. Priestley, C. H. B. y R. J. Taylor, 1972, On the assessment of surface heat flux and evaporation using large scale parameters, Montly Weather Review, 100: 81-92. Shuttleworth, 1993. Evaporation . En D. R. Maidment (Ed.), Handbook of Hydrology, McGraw-Hill, New York, Estados Unidos. Tasumi, M.; Allen, R.G.; Trezza, R.; Wright, J.L., 2005a. Satellite-based energy balance to assess within-population variance of crop coefficient curves. ASCE Journal of Irrigation and Drainage Engineering, 131(1): 94-109. Young, C.A. y W.W. Wallender. 2002. Spatially distributed irrigation hydrology: water balance. Trans. ASAE, 45(3):609-618 Zhang X., M.A. Friedl, C.B. Schaaf, A.J. Strahler, J.C.F. Hodges, F Gao, C Reed y A. Huete, 2003, Monitoring vegetation phenology using MODIS, Rem. Sens. Environ. 84:471-475. Wittich, K-P, O. Hansing, 1995. Area averaged vegetative cover fraction, estimated from satellite data. Int J. Biometeorol. 38: 209-215. Wright, J.L., 1982, New evapotranspiration crop coefficients, Journal of Irrigation and Drainage, 108: 57-74.