Evaluación agronómica con datos de teledetección del efecto de la dosis de nitrógeno sobre el rendimiento del cultivo del arroz

Abstract

[ES] En el marco de una población mundial en aumento, subida de precios, y emergencia climática, es necesaria la optimización de la productividad de los cultivos. Una disciplina que puede introducir metodologías para mejorar la agricultura es la teledetección. El arroz es el alimento de mayor aporte calórico, siendo determinante el nitrógeno aplicado en el cultivo, el cual, presenta problemáticas tanto económicas por su volátil precio como climáticas. Así, el objetivo del presente trabajo ha sido evaluar los datos de teledetección como una alternativa válida para monitorizar y modelizar el efecto de la dosis de nitrógeno y la concentración de nitrógeno sobre el rendimiento del cultivo del arroz de la variedad JSendra en una parcela situada en Valencia en los años 2021 y 2022, tratando de inferir en las recomendaciones del plan de abonado. La parcela del ensayo se dividió en 3 bloques iguales de 2777,78 m2 cada uno, donde se estudiaron de forma independiente 3 dosis de nitrógeno (N1=119 UFN, N2=170 UFN y N3=221 UFN) a través de 9 puntos de muestreo por bloque. Los muestreos se realizaron 47 días después de la siembra tomando la biomasa de la parte aérea, el porcentaje de nitrógeno, el nitrógeno absorbido, el área foliar y el rendimiento el día de la cosecha (adquirido con una cosechadora equipada de un monitor de rendimiento en continuo). Asimismo, se obtuvieron los valores de reflectancia del satélite Sentinel-2 de las bandas del verde, rojo y NIR de la parcela estudio durante el ciclo de cultivo de cada año. Para la consecución del objetivo principal se estudiaron las series temporales de reflectancia, las correlaciones entre dichos valores y los parámetros determinados y la aplicabilidad de un modelo predictivo incluyendo la variable nitrógeno. Tras analizar las series temporales de reflectancia se comprobó que éstas permitían la monitorización y evaluación del cultivo, al encontrarse diferencias entre las dosis estudiadas. Además, la interpretación agronómica del efecto del nitrógeno a través del uso de la reflectancia de las bandas espectrales fue más completa que con los índices de vegetación. Los resultados obtenidos constataron correlaciones entre los valores de reflectancia en las bandas y los parámetros del cultivo, siendo significativas en el año 2021 y poco significativas y variables en el año 2022. Estas correlaciones poco significativas del año 2022 se constataron también en la aplicabilidad del modelo predictivo de 2020, en el año 2021 la predicción presentó un bajo error (inferior a 300 kg·ha-1), siendo muy superior en el año 2022 (más de 850 kg·ha-1). Se constató que mayores porcentajes de nitrógeno foliar no se correlacionaban con mayores rendimientos, atribuyéndose el elevado rendimiento al óptimo equilibrio entre el desarrollo reproductivo y vegetativo. Por otra parte, las dosis de 170 y 221 UFN mantendrían la planta con un adecuado potencial productivo hasta la cosecha a diferencia de la dosis de 119 UFN. En conclusión, con los datos de la teledetección se podría conocer el efecto del nitrógeno antes de la cosecha, pudiéndose adaptar el plan de abonado durante el ciclo de cultivo. La monitorización y modelización permitirían la optimización del uso del nitrógeno, evaluando de manera eficiente su efecto, en vistas a la consecución de una agricultura más sostenible.

[EN] In the context of a growing world population, rising prices, and climate emergency, crop productivity optimization is necessary. One discipline that can introduce methodologies to improve agriculture is remote sensing. Rice is the food with the highest caloric intake, and the applied nitrogen in the crop is a determining factor, presenting economic problems due to its volatile price, as well as climatic problems. Thus, the objective of the present work was to evaluate remote sensing data as a valid alternative to monitor and model the effect of nitrogen dosage and nitrogen concentration on the yield of the JSendra variety rice crop in a field located in Valencia in the years 2021 and 2022, in order to infer in the recommendations of the fertilization plan. The experimental field was divided into 3 equal blocks of 2777.78 m2 each one, where 3 doses of nitrogen (N1=119 UFN, N2=170 UFN and N3=221 UFN) were tested independently using 9 sampling points per block. Sampling was carried out 47 days after sowing, taking the aboveground biomass, the percentage of nitrogen, the absorbed nitrogen, the leaf area and the yield at harvest (acquired with a combine harvester equipped with a continuous yield monitor). Also, Sentinel-2 satellite reflectance values were obtained from the green, red and NIR bands during the crop season of each year. To achieve the main objective, the reflectance time series, the correlations between these values and the measured parameters and the applicability of a predictive model including the nitrogen variable were studied. The time series of reflectance were analyzed and it was found that such time series were useful for monitoring and evaluating the crop, as there were differences between the studied doses. In addition, the agronomic interpretation of the effect of nitrogen using the reflectance of the spectral bands was more complete than with the vegetation indices. The results obtained showed correlations between the reflectance values in the bands and the crop parameters, being significant in the year 2021 and insignificant and varying in the year 2022. These insignificant correlations in 2022 were also found in the applicability of the predictive 2020 model; in 2021 the prediction showed a low error (less than 300 kg·ha-1), being much higher in 2022 (more than 850 kg·ha-1). It was found that higher percentages of foliar nitrogen did not correlate with higher yields, being attributed the high yield to the optimal balance between reproductive and vegetative growth. On the other hand, the 170 and 221 UFN doses would maintain the plant with an adequate productive potential until harvest, in contrast to the 119 UFN dose. In conclusion, using remote sensing data, it would be possible to know the effect of nitrogen before harvesting, adapting the fertilization plan during the crop season. The monitoring and modeling would improve the optimization of nitrogen use, by efficiently assessing its effect, in order to achieve a more sustainable agriculture.