VARIACIONES ESPACIALES EN LA OFERTA HÍDRICA TOTAL Darío A. Boretto INTA General Cabrera -2015- Y SU RELACIÓN CON LA ELECTROCONDUCTIVIDAD DEL SUELO, LOS.

Presentación del tema: "VARIACIONES ESPACIALES EN LA OFERTA HÍDRICA TOTAL Darío A. Boretto INTA General Cabrera -2015- Y SU RELACIÓN CON LA ELECTROCONDUCTIVIDAD DEL SUELO, LOS."— Transcripción de la presentación:

1

2 VARIACIONES ESPACIALES EN LA OFERTA HÍDRICA TOTAL Darío A. Boretto INTA General Cabrera -2015- Y SU RELACIÓN CON LA ELECTROCONDUCTIVIDAD DEL SUELO, LOS ÍNDICES TOPOGRÁFICOS, Y EL RENDIMIENTO EN LOS CULTIVOS DE SECANO.

3 Antecedentes: Varios son los autores que han reportado estrecha relación entre variaciones de la electroconductividad aparente (ECa) y variaciones en el rendimiento de los cultivos (Lund et al., 2000; Kitchen et al., 2003; Chan et al., 2008). Como así también; entre la ECa y algunos factores asociados al suelo, tales como: (i) La presencia de horizontes compactados (Heiniger et al., 2003). (ii) La textura (Simón, et al., 2003; Almeida Machado et al., 2006). (iii) Los compuesto orgánicos y minerales (Zhang & Taylor, 2001). (iv) El contenido de agua en el suelo (Sudduth, et al., 2005). Como muchos de estos tienen influencia dominante en el crecimiento de plantas, y por ende, en su producción con valor comercial. La ECa puede ser utilizada como una medida indirecta para estimarlos; reduciendo en gran medida el número de muestras necesarias a ser analizadas para determinar la variación de dichas propiedades en el espacio.

4 Antecedentes: Otro aspecto que (frecuentemente) puede afectar la presencia y grado de variabilidad en el rendimiento, es la topografía. - Espósito et al., (2010); han reportado que entre los distintos AT evaluados, ITC es uno de los más apropiados para explicar variaciones espaciales del rendimiento en cultivos de secano; por la relación que este posee con el movimiento superficial del agua sobre el terreno. Por que condiciona la captación, y sobre todo; la dinámica de re-distribución del agua en el suelo (Kravchenko et al., 2000); Huang et al., (2008) y Castro Franco et al.; (2012). Porque los procesos generales de formación y génesis (adiciones, pérdidas, transformaciones y translocaciones, etc) varían considerablemente dependiendo de la posición que el suelo ocupe dentro del paisaje; ya que la energía necesaria para dinamizarlos es muy diferente (Degioanni et al., 2008). - Ruffo et al., (2006); han definido, que contar con esta variable sitio-específica en AP es muy importante, ya que al determinarse a una escala espacial similar a la de los mapas RTO, permite mejorar sustancialmente la interpretación sistémica de estos.

5 Antecedentes: Además, la eficiencia con que un cultivo es capaz de transformar el agua disponible en grano, varia según las condiciones agro-ecológicas de cada sitio Álvarez et al. (2011), encontraron que la EUA de un lote de soja manejado con insumos fijos, fue diferente según el lugar donde se la midiera. Y atribuyeron dicho comportamiento a las distintas condiciones edáficas y topográficas a las que estuvo sometido el cultivo. Gregoret et al. (2006), manteniendo parámetros fijos; obtuvieron diferentes valores de EUA en maíz en dos zonas homogéneas de manejo definida dentro de un lote. Lo anterior sugiere la EUA no es una medida constante, sino que para un mismo nivel de insumos, depende mucho de la calidad del ambiente. POR TALES MOTIVOS, SU COMPORTAMIENTO TAMBIÉN SE DARÍA A ESCALA SITIO-ESPECÍFICA

6 Materiales y método: Caracterización del área de estudio. Condiciones climáticas de la región: De tipo monzónico, con una media histórica de 780.8 mm anuales (periodo 1961-1999) y una distribución estacional de lluvias de: 37 % en verano (dic-ene-feb); 27% en otoño (mar-abr-may); 7% en invierno (jun- jul-ago) y 29% en primavera (sep-oct-nov). Estas variaciones estacionales de precipitación y evapotranspiración, dan como resultado balances hídricos deficitarios prácticamente durante todo el año.

7 Materiales y método: Caracterización del área de estudio. Suelos predominantes: ( a) Haplustoles udorténticos (seria Alejo Ledesma, IP: 73), vinculados a las posiciones bajas del terreno. (b) Haplustoles énticos (serie Canals, IP: 43), vinculados a lomas extendidas y/o pendientes (en pie de lomas).

8 Materiales y método: Caracterización del área de estudio. Aspectos fisiográficos y topográficos: La cota máxima de elevación en toda el área bajo estudio alcanza los 13.27 metros; y presenta una pendiente media, mínima y máxima de: 1.14 %, 0.02 % y 7.54 %, respectivamente.

9 Materiales y método: Unidades diagnostico y validación. (a) y (b) Desarrollo del modelo propuesto. (c) Evaluación del desempeño del modelo -manteniendo parámetros fijos obtenidos en (a) y en (b)-.

10 Materiales y método: Variables “imput” del modelo. (i) ECa (0-30 cm y 0-90 cm). (ii) Elevación DGPS. (iii) Rendimiento de los cultivos (monitoreo de cosecha). (a) PRIMARIAS DE ALTA DENSIDAD DE DATOS (posibilidad de interpolación directa). (i) MO del suelo. (ii) Dap del suelo. (iii) Textura del suelo. (iv) Humedad volumétrica del suelo (al momento del paso del sensor)  corrección. (v) Humedad volumétrica del suelo (post-precipitaciones durante ciclo de cultivo). (b) PRIMARIAS DE BAJA DENSIDAD DE DATOS. Sensoramiento Toma de muestras (tradicional) del suelo

11 Materiales y método: Variables “imput” del modelo. (i) Variaciones espaciales de fracciones orgánicas y minerales (textura). (i.1) Variaciones espaciales de la capacidad de retención hídrica del suelo. (b) SECUNDARIAS DE ALTA DENSIDAD DE DATOS (por álgebra de mapas). ECa+muestreo de suelo (ii) Variaciones espaciales del índice topográfico compuesto. (ii.1) Variaciones espaciales de la precipitación efectiva (para cada evento climático ocurrido en el ciclo de cada cultivo). Elevación DGPS+muestreo de suelo (iii) Variaciones espaciales del la eficiencia en el uso del agua (para cada especie consechada/monitoreada en el pasado). Rendimiento de los cultivos+OHt+Elevación DGPS

12 “Muestreo puntual-profundo por ambientes”: (i) 0-20 cm; 20-40 cm; 40-60 cm; 60-80 cm; 80-120 cm; 120-160 cm y 160-200 cm. (ii) 4 muestras por lote diagnostico. (iii) 1 muestra por cada uno de los cuatro ambiente definido con MZA (clas. no-supervisada de la variable elevación). - MO - Textura. - MO - Textura. - Dap. - Humedad (grav.  vol.). Muestreos de suelo: “Muestreo denso-superficial al azar”: (i) Profundidad 0-20 cm. (ii) 1 muestra compuesta cada 3 hectáreas en cada lote diagnostico. (iii) Sitios seleccionados al azar manteniendo equidistancia. “Muestreo superficial-dirigido”: (i) 0-20 cm. (ii) 7 muestras post-precipitación por lote diagnostico (3 láminas diferentes). (iii) Sitios seleccionados en función de los p05, p10, p25, p50, p75, p90 y p95 del ITC. - Dap. - Humedad (grav.  vol.). 1 2 3

13 Materiales y método: Diagramación de la metodología de trabajo.

14 Materiales y método: Sensoramiento de las variables de suelo con alta densidad de datos. Recorrido sensor veris - ECa 0-30 cm. - ECa 0-90 cm. - Elevación de precisión.

15 Materiales y método: Interpolación de las variables regionalizadas de alta densidad de datos. Método: Kriging (en bloques) con semivariograma global. - ECa 0-30 cm = transformación log-normal - ECa 0-90 cm = transformación log-normal - Elevación = datos directos Lote 9-Oeste (desarrollo modelo)

16 Materiales y método: Interpolación de las variables regionalizadas de alta densidad de datos. Lote 9-Oeste (desarrollo modelo)

17 Materiales y método: Interpolación de las variables regionalizadas de alta densidad de datos. Método: Kriging (en bloques) con semivariograma global. - ECa 0-30 cm = transformación log-normal - ECa 0-90 cm = transformación log-normal - Elevación = datos directos Lote 6 (desarrollo modelo)

18 Materiales y método: Interpolación de las variables regionalizadas de alta densidad de datos. Lote 6 (desarrollo modelo)

19 Materiales y método: Interpolación de las variables regionalizadas de alta densidad de datos. Método: Kriging (en bloques) con semivariograma global. - ECa 0-30 cm = transformación log-normal - ECa 0-90 cm = transformación log-normal - Elevación = datos directos Lote 9-Este (prueba desempaño)

20 Materiales y método: Interpolación de las variables regionalizadas de alta densidad de datos. Lote 9-Este (prueba desempaño)

21 Materiales y método: Estandarización de datos EC ( paso de ECa a ECs). Vías de transmisión de la electroconductividad en el suelo: (i) a través de la fase sólida-liquida; (ii) a través de la fase liquida y (iii) a través de la fase sólida. Fuente: elaboración propia, adaptado de Corwin & Lesch, (2003). Para el cálculo de las funciones que relacionan los datos de EC Veris con la textura y la MO del suelo; La ECa (previamente interpolada y reconstituida de log-normal a valores absolutos) fue corregida a valores estándar según la metodología propuesta por Corwin et al., 2005. Con el fin de evitar la formulación de modelos explicativos de una situación de suelo particular e irrepetible. Nota (1): A mayor temperatura se incrementa la actividad electrolítica, y por ende; la conductividad eléctrica aumenta. Nota (2): La conducción eléctrica en el perfil no es posible a través de poros ocupados por aire; por ende, solo puede darse por tres vías posibles: - A través de la fase sólida-liquida  (i). - A través de la fase liquida continua (liquido-liquido)  (ii) - A través de las partículas sólidas en contacto intimo (sólido-sólido)  (iii). Entonces la única fracción de la ECa conducida que no depende de la humedad, es la de la vía sólido-sólido o ECs. Para no caer modelos con información anidada, es necesario asilar del valor global de ECa el efecto dado por el agua del suelo, y corregirlo a la temperatura del suelo. Quedando finalmente el valor reducido a la cantidad de corriente eléctrica que la vía sólido-sólido es capaz de conducir a Tº de referencia (ECs).

22 Materiales y método: Estandarización de datos EC (paso de ECa a ECs). Resultado de los parámetros para la corrección de la EC del suelo obtenida con Veris 3100

23 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Muestreos de suelo (1) Denso-superficial al azar. (2) Puntual-profundo por ambientes

24 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Arcillas, Arenas y MO superficial (0-20 cm): Arcillas = f(x) ECs Arenas = f(x) ECs Mat. O = f(x) ECs Muestreo denso- superficial al azar EC Veris (estandarizada)

25 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Arcillas, Arenas y MO sub-superficial (20-40 cm; 40-60 cm; 60-80 cm; 80-120 cm; 120-160 cm y 160-200 cm): Variación % estrato 20-40 cm, respecto a 0-20 cm (superficial) Sitio 1 (toposecuencia) Variación % estrato 40-60 cm, respecto a 0-20 cm (superficial) Variación % estrato 160-200 cm, respecto a 0-20 cm (superficial) Variación % estrato 20-40 cm, respecto a 0-20 cm (superficial) Sitio 8 (toposecuencia) Variación % estrato 40-60 cm, respecto a 0-20 cm (superficial) Variación % estrato 160-200 cm, respecto a 0-20 cm (superficial) Elevación DGPS Muestreo puntual-profundo por ambientes

26 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. VAR. % DE CADA ESTRATO = f(x) TOPOSECUENCIA (cota elevación) Arcillas, Arenas y MO sub-superficial (20-40 cm; 40-60 cm; 60-80 cm; 80-120 cm; 120-160 cm y 160-200 cm):

27 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Arcillas, Arenas y MO sub-superficial (20-40 cm; 40-60 cm; 60-80 cm; 80-120 cm; 120-160 cm y 160-200 cm):

28 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Lote 9-Este (prueba desempeño) ARCILLAS “Funsiones obtenidas en lotes desarrollo de modelo”

29 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Lote 9-Este (prueba desempeño) ARENAS “Funsiones obtenidas en lotes desarrollo de modelo”

30 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo, a partir de su relación con la ECs. Lote 9-Este (prueba desempeño) MA. ORG. “Funsiones obtenidas en lotes desarrollo de modelo”

31 Resultados y discusión: Cap. ret. hídrica = OHi (asumiendo partir con perfiles a capacidad de campo). Pedo-transferencia (Saxton & Rawls; 2006). Textura y Mat. Orgánica +

32 Resultados y discusión: Estimación de la distribución espacial de MO y textura del suelo y cap. ret hídrica (OHi). TEXTURA y MAT. ORG  OHi (en los lote 9-Oeste y 6 - desarrollo modelo)

33 Resultados y discusión: Índice topográfico compuesto (ITC). ITC (Beven & Kirkby, 1979). +

34 Resultados y discusión: Índice topográfico compuesto (ITC). Detección de sitios con donde ITC tomaba valores p05; p10; p25; p50, p75, p90 y p95 de la distribución Muestreo superficial- dirigido ELEVACIÓN  ITC (en los lote 9-Oeste y 6 - desarrollo modelo)

35 Resultados y discusión: Estimación de proporción de agua de lluvia re-distribuida por efecto topográfico (según lámina precipitada). Sitio 1 (p05 ITC) = humedad vol. post-precipitación (0-20 cm) Lluvia 1 (lamina ≈ 20 mm) Sitio 2 (p25 ITC) = humedad vol. post-precipitación (0-20 cm) Sitio 3 (p95 ITC) = humedad vol. post-precipitación (0-20 cm) Lluvia 3 (lamina ≈ 70 mm) Registros ITC+Muestreo superficial dirigido Sitio 1 (p05 ITC) = humedad vol. post-precipitación (0-20 cm) Sitio 2 (p25 ITC) = humedad vol. post-precipitación (0-20 cm) Sitio 3 (p95 ITC) = humedad vol. post-precipitación (0-20 cm)

36 Resultados y discusión: Cálculo del factor de re-distribución de la precipitación. Lluvia ≈ 20 mm Lluvia ≈ 40 mm Lluvia ≈ 75 mm Lluvia ≈ 20 mmLluvia ≈ 40 mmLluvia ≈ 75 mm

37 Resultados y discusión: Cálculo de precipitaciones efectivas parciales y total a escala sitio-especifica. PP 1 PP 2 PP 3 PP 4 PP n PPe 1 PPe 2 PPe 3 PPe 4 PPe n + + + + PPe (total) -ciclo cultivo-

38 Resultados y discusión: Estimación de la oferta hídrica total (OHt) a escala sitio-especifica. OHt = OHi+PPe (total) OHt de 4 campañas en el lote validación (Mz. 08/09; Sj. 09/10; Mz. 10/11 y Sj. 12/13)

39 Resultados y discusión: Cálculo de precipitaciones efectivas parciales y total a escala sitio-especifica. PPe (total) (en los lote 9-Oeste y 6 - desarrollo modelo) OHt (en los lote 9-Oeste y 6 - desarrollo modelo)

40 Resultados y discusión: Estimación de la EUA a escala sitio-especifica. RTO soja 2010 y maíz 2011 (LOTES DESARROLLO MODELO) OHt soja 2010 y maíz 2011 (LOTES DESARROLLO MODELO) + EUA se

41 Resultados y discusión: Aplicación de la EUA a escala sitio-especifica. EUA se Relacionarse con alguna variable espacial densa (que no sea RTO) presente en lote validación. f(x) Variables topográficas

42 Resultados y discusión: Simulación de las variaciones espaciales del RTO de soja y maíz, mediante OHt se y EUA se OHt en 4 campañas en el lote validación (Mz. 08/09; Sj. 09/10; Mz. 10/11 y Sj. 12/13) EUA sitio-especifica “Funsiones obtenidas en lotes desarrollo de modelo” RTO simulado en 4 campañas en el lote validación (Mz. 08/09; Sj. 09/10; Mz. 10/11 y Sj. 12/13) +

43 Resultados y discusión: Simulación del RTO mediante OHt (se) y EUA (se) RTO SIMULADO Vs. OBSERVADO (real) para 4 campañas (Mz. 08/09; Sj. 09/10; Mz. 10/11 y Sj. 12/13) en el lote validación Mz. 08/09 Sj. 09/10 Sj. 12/13 Mz. 10/11 Campaña húmeda Campaña normal

44 Resultados y discusión: Simulación del RTO mediante OHt (se) y EUA (se) RTO SIMULADO Vs. OBSERVADO (real) Mz. 08/09; Sj. 09/10 en lote validación Mz. 08/09 Sj. 09/10 Campaña húmeda

45 RTO SIMULADO Vs. OBSERVADO (real) Mz. 10/11; Sj. 12/13 en lote validación Sj. 12/13 Mz. 10/11 Resultados y discusión: Simulación del RTO mediante OHt (se) y EUA (se) Campaña normal

46 Síntesis: EC Veris OHi se Elev. DGPS PPe se OHt se RTO se (SIMULADO) EUA se RTO se (REAL) Mapas de Cosecha Vs.

47 Conclusiones: En términos generales se puede concluir que el modelo fue capaz de estimar con un grado de certeza aceptable, tanto el agua total disponible, como la eficiencia de su uso a escala sitio- específica. Condición que quedó definida por el parecido entre valores observados y simulados de rendimiento; en todas las especies y campañas evaluadas. De todos modos, para su futura utilización deben considerarse los siguientes puntos: - La exactitud con la que este fue capas de estimar variaciones en el rendimiento, fue superior en soja que en maíz. - El modelo puede sub o sobre estimar el nivel de productividad de los cultivos en algunos sitios, aunque dicho comportamiento esta reservado solo a los extremos menos frecuentes de la distribución; y por ende, a una porción pequeña de la superficie total simulada. - Esta metodología puede ser una importante herramienta de predicción para adecuar manejos por ambientes, cuando se carece de datos reales de productividad. Pero nunca se debe perder de vista que se trata de una estimación (con las limitantes propias que eso implica). - Los mejores resultados se obtuvieron siempre simulando cultivos bajo condiciones hídricas normales. Por lo tanto, en años de condiciones climáticas extraordinarias, la performance de sus resultados puede decaer considerablemente.

48 Conclusiones: Al margen de lo expuesto anteriormente, es importante destacar que con el conocimiento de unas pocas variables de suelo de rápida obtención, más algunas tendencias climáticas del lugar (y su probabilidad de ocurrencia); con la metodología propuesta sería factible obtener una noción más o menos acertada de la cantidad de agua disponible para producir, y con ella anticipar rendimientos proyectados a cosecha para adecuar paquetes tecnológicos a escala sitio-específica, sin información de productividad previa.

49 muchas gracias por su atención !!! Esto fue todo!!! Darío A. Boretto (INTA General Cabrera)