APLICACIÓN Y ANÁLISIS DE UN MODELO PARA LA PREDICCIÓN DE LA EVAPOTRANSPIRACIÓN DEL CULTIVO (ETc) EN CEBOLLA Y MAÍZ EN CONDICIONES SEMIÁRIDAS

Abstract

[ES] La mejora de la gestión de los recursos hídricos en la agricultura es un objetivo prioritario a nivel mundial. Los modelos de predicción de evapotranspiración del cultivo (ETc) integrados en el asesoramiento al regante ayudan en la mejora de la eficiencia de uso del agua. La predicción de datos climáticos es muy útil en la estimación de la evapotranspiración de referencia (ETo) en tiempo real para optimizar la programación del riego. Así, el objetivo de este trabajo es analizar los resultados sobre la ETo y ETc, para los cultivos de maíz y cebolla, a partir del uso de las predicciones ofrecidas por la Agencia Estatal de Meteorología (AEMET) y la estimación de la ETo mediante las Redes neuronales Artificiales (RNA) en dos ubicaciones semiáridas localizadas en La Mancha Oriental. En el cálculo de ETo a través de la fórmula de PM-56 fueron utilizados datos observados diarios de dos estaciones meteorológicas localizadas en La Mancha Oriental (Pozo Cañada y Tarazona de La Mancha) para los años de 2011 y 2012. También fue estimada la ETo a través de la metodología de RNAs, utilizando el software FORETo (Ballesteros, 2014) utilizando las variables climáticas predichas por la AEMET. A partir de los valores predichos de ETo fue posible obtener los valores de ETc en los 7 días siguientes. Estas predicciones fueron comparadas con los datos de ETc observados para el mismo periodo. Los resultados estadísticos indican que los valores predichos de ETc, de forma general, se ajustan adecuadamente a los valores observados en los 7 días de predicción. Los mejores valores de ajuste se observan durante los primeros días de predicción (R2 =0.95). A pesar de haber una disminución en el ajuste en los últimos días de predicción (R2 =0.92), el modelo se mantiene dentro del rango establecido para un buen ajuste. Así se concluye que las predicciones presentan un buen ajuste en relación a los datos observados en las estaciones, lo que demuestra que el modelo puede ser utilizado como una herramienta adicional de ayuda a los regantes, que podrán tener una predicción de 7 días con una gran fiabilidad de los datos.