Estimation of water productivity at the field scale in forage maize using remote sensing and climate reanalysis data

Abstract

[ES] La productividad del agua de los cultivos (PA) es un indicador importante del uso del agua agrícola; uno de los grandes retos del sector agrícola es producir una mayor cantidad de alimentos con la menor cantidad de agua aumentando la PA. Los valores de la PA dependen del rendimiento y la evapotranspiración del cultivo, donde la evapotranspiración actual de los cultivos varía entre las diferentes zonas agroclimáticas y es una función de los tipos de híbridos, la fecha de madurez relativa, las prácticas agronómicas y las condiciones ambientales. El presente estudio tuvo como finalidad estimar la evapotranspiración actual (ETa) y la productividad del agua (PA) en el cultivo de maíz forrajero, mediante la integración de sensores remotos, datos climáticos de reanálisis y el modelo de simulación AquaCrop. La ETa observada se determinó usando el modelo AquaCrop, calibrado con datos de campo y parámetros de la cobertura vegetal; mientras que la ETa estimada se obtuvo a partir del modelo SEBAL, implementado en Google Earth Engine (GEESEBAL), utilizando imágenes Landsat 8 y 9 y datos climáticos de reanálisis. Los resultados mostraron que los sensores remotos sobreestimaron la ETa observada, con una sobreestimación promedio del 13 %. Por otro lado, la productividad del agua (PA) estimada con sensores remotos fue ligeramente menor (2.79 y 2.62 kg/m³) que la observada (3.19 y 2.95 kg/m³), con una diferencia promedio del 12 %. Estos resultados indican que los sensores remotos, junto con datos climáticos de reanálisis, pueden adaptarse como una alternativa viable para el monitoreo espacial de la productividad del agua en zonas agrícolas extensas. No obstante, es necesario trabajar en la reducción del error, por ejemplo, incorporando modelos de estimación espacial del rendimiento o utilizando más de un modelo de balance de energía, como METRIC, SSEBop, entre otros.

[EN] Crop water productivity (CWP) is an important indicator of agricultural water use. One of the major challenges for the agricultural sector is to produce more food with less water by increasing CWP. CWP values depend on crop yield and evapotranspiration; actual crop evapotranspiration (ETa) varies across agroclimatic zones and is influenced by hybrid type, relative maturity date, agronomic practices, and environmental conditions. This study aimed to estimate actual evapotranspiration (ETa) and water productivity (CWP) in silage maize by integrating remote sensing, climate reanalysis data, and the AquaCrop simulation model. Observed ETa was determined using the AquaCrop model, calibrated with field data and vegetation cover parameters. While the estimated ETa was obtained from the SEBAL model, implemented in Google Earth Engine (GEESEBAL), using Landsat 8 and 9 imagery and climate reanalysis data, the results showed that remote sensing overestimated the observed ETa, with an average overestimation of 13%. On the other hand, the water productivity (WP) estimated with remote sensing was slightly lower (2.79 and 2.62 kg/m³) than the observed WP (3.19 and 2.95 kg/m³), with an average difference of 12%. These results indicate that remote sensing, together with climate reanalysis data, can be adapted as a viable alternative for spatial monitoring of water productivity at the parcel level in large agricultural areas. However, further work is needed to reduce the error, for example, by incorporating spatial yield estimation models or using more than one energy balance model, such as METRIC, SSEBop, and others.