Predicción de las necesidades hídricas mediante datos meteorológicos para los cultivos y la creación e implementación de programas de riego para la automatización de los sistemas de redes de distribución de agua de riego en el sector 11 de la Acequia Real de Júcar. TM de Guadassuar (Valencia)

Abstract

[ES] El agua es un recurso vital para la vida humana, cuya demanda ha aumentado considerablemente debido al cambio climático y al crecimiento demográfico. Alrededor del 70% del agua se destina al riego agrícola. Para abordar esta problemática, es crucial implementar una gestión adecuada del agua de riego en la agricultura, enfocándose en mejorar la eficiencia y rendimiento agrícola mediante tecnologías de riego avanzadas. Por lo general, los programas de riego se crean teniendo en cuenta los datos meteorológicos anteriores para satisfacer las necesidades de agua de los cultivos. Los servicios meteorológicos proporcionan previsiones para predecir la evapotranspiración futura y se pueden tomar decisiones para la programación del riego con antelación. Estos servicios avanzados permiten a los agricultores tomar decisiones más informadas y eficientes en la gestión del agua. El caso de estudio corresponde La comunidad del sector XI de la Acequia Real del Júcar, ubicada cerca del municipio de Guadassuar en Valencia, donde se encuentran los cítricos, los caquis y las cebollas. Cubren el 33,9%, el 60,1% y el 6,0% de la superficie de 199,83 hectáreas, respectivamente. El objetivo de este estudio es realizar una evaluación de la fiabilidad y exactitud de las previsiones meteorológicas con una semana de antelación proporcionadas por el Global Forecast System (GFS) de los National Centers for Environmental Prediction (NCEP) en la gestión del agua para sistemas agrícolas en la zona del sector XI. Se calculó la evapotranspiración (ETo) con los parámetros obtenidos del Global Forecast System (GFS) y se compararon los datos meteorológicos previstos con los datos meteorológicos reales obtenidos del Instituto Valenciano de Investigaciones Agrarias (IVIA) para la programación del riego. En los datos de predicciones, la ETo de una semana corresponde a la de la semana anterior. Los datos obtenidos abarcan todo el año 2021. Se realizaron varios análisis para comparar los datos de predicciones del NCEP y los datos reales. Como resultado del análisis, aunque las estimaciones del NCEP difieren de los datos reales de IVIA, en general se observaron valores cercanos. En cuanto al error absoluto, se observa que el modelo de predicción presenta un valor más bajo (1,99) en comparación con el modelo IVIA (3,53). Esto indica que el modelo de predicción tiene una mejor precisión en términos de la diferencia absoluta entre los valores reales y los valores predichos. Por otro lado, al analizar el error relativo, se puede apreciar que el modelo de predicción también tiene un mejor desempeño, con un error medio relativo del 11,31%, en comparación con el modelo IVIA, que presenta un error medio relativo del 21,72%. El error relativo es una medida de la precisión relativa del modelo y muestra qué tan cerca están las predicciones en relación con los valores reales. Al comparar NCEP-Real con ETo-ETo-1, se observan mejoras significativas. E_abs (error absoluto) disminuye de 3,3 mm a 1,9 mm, y E_rel (%) (error relativo) mejora del 21,7% al 11,3%. Este estudio destaca el rendimiento del modelo NCEP en la predicción de la ETo en comparación con los datos del IVIA. Los resultados de los análisis estadísticos apoyan la precisión y fiabilidad de las previsiones del NCEP, demostrando que es una herramienta útil en la programación del riego, ya que proporciona previsiones precisas de la ETo. Otro objetivo de este estudio era comparar los métodos empíricos Blaney-Criddle, Thornthwaite y Hargreaves utilizados para determinar la evapotranspiración de referencia (ETo) con el método de referencia FAO56-PM. El método Penman-Monteith FAO-56 se acepta generalmente como método estándar para determinar la evapotranspiración de referencia (ETo) porque puede estimarse de forma cercana a los valores medidos. Sin embargo, en algunos casos es necesario trabajar con un conjunto de datos más reducido debido a la falta de datos suficientes. Los métodos Blaney-Criddle, Thornthwaite y Hargreaves

[EN] Water is a vital resource for human life, the demand for which has increased considerably due to climate change and population growth. Around 70% of water is used for agricultural irrigation. To address this issue, it is crucial to implement proper irrigation water management in agriculture, focusing on improving agricultural efficiency and yields through advanced irrigation technologies. Typically, irrigation schedules are created considering past weather data to meet the water needs of crops. Weather services provide forecasts to predict future evapotranspiration and irrigation scheduling decisions can be made in advance. These advanced services enable farmers to make more informed and efficient water management decisions. The case study corresponds to the community of sector XI of the Acequia Real del Júcar, located near the municipality of Guadassuar in Valencia, where citrus, persimmons and onions are grown. They cover 33.9%, 60.1% and 6.0% of the 199.83-hectare area, respectively. The objective of this study is to assess the reliability and accuracy of one-week ahead weather forecasts provided by the Global Forecast System (GFS) of the National Centers for Environmental Prediction (NCEP) in water management for agricultural systems in the Sector XI area. Evapotranspiration (ETo) was calculated with the parameters obtained from the Global Forecast System (GFS) and the predicted meteorological data were compared with the actual meteorological data obtained from the Valencian Institute for Agricultural Research (IVIA) for irrigation scheduling. In the forecast data, the ETo of a week corresponds to that of the previous week. The data obtained cover the whole year 2021. Several analyses were carried out to compare the NCEP forecast data and the actual data. As a result of the analysis, although the NCEP estimates differ from the actual IVIA data, in general close values were observed. Regarding the absolute error, it is observed that the prediction model has a lower value (1.99) compared to the IVIA model (3.53). This indicates that the prediction model has a better accuracy in terms of the absolute difference between the actual values and the predicted values. On the other hand, when analysing the relative error, it can be seen that the prediction model also performs better, with a mean relative error of 11.31%, compared to the IVIA model, which has a mean relative error of 21.72%. The relative error is a measure of the relative accuracy of the model and shows how close the predictions are to the actual values. When comparing NCEP-Real with ETo-ETo-1, significant improvements are observed. E_abs (absolute error) decrease from 3.3 mm to 1.9 mm, and E_rel (%) (relative error) improves from 21.7% to 11.3%. This study highlights the performance of the NCEP model in predicting ETo compared to the IVIA data. The results of the statistical analyses support the accuracy and reliability of the NCEP forecasts, demonstrating that it is a useful tool in irrigation scheduling as it provides accurate ETo forecasts. Another objective of this study was to compare the empirical Blaney-Criddle, Thornthwaite and Hargreaves methods used to determine reference evapotranspiration (ETo) with the FAO56-PM reference method. The Penman-Monteith FAO-56 method is generally accepted as the standard method for determining reference evapotranspiration (ETo) because it can be estimated close to measured values. However, in some cases it is necessary to work with a smaller data set due to lack of sufficient data. The Blaney-Criddle, Thornthwaite and Hargreaves-Samani methods require less data than the FAO-56 PM method. According to the regression analysis, the Hargreaves and Samani method has the highest R² value with R² = 0.9754. The Blaney-Criddle and Thornthwaite methods were also accurate, but with R² values of 0.9426 and 0.8554, respectively. RMSE (Root Mean Square Error) statistical analysis yielded values of 0.458, 1.1653 and 0.747 for the em