IV Jornadas de Ingeniería del Agua

La precipitación y los procesos erosivos

Córdoba, 21 y 22 de Octubre 2015

Sistema de Ayuda a la Decisión para la Programación

del Riego Basado en Aspectos Agronómicos.
Miguel Cea, Sergio Alonso
INCLAM S.A. (Madrid)

1. Introducción
El agua es un recurso escaso y no renovable, por lo que la forma en la que se gestiona tiene
importantes consecuencias tanto a nivel económico, como sociopolítico y medioambiental.
Además, la creciente incertidumbre y las amenazas que plantea el cambio climático, hacen
imprescindible el fomento de prácticas sostenibles para el consumo de agua y sobre todo
para evitar su desperdicio. En algunas regiones del sur mediterráneo, la agricultura de
regadío puede llegar a utilizar hasta el 80% del agua consumida por todas las actividades
económicas, por lo que resulta crucial realizar una correcta gestión y eficiente manejo de
este recurso.
En los últimos 20 años, se han producido en España grandes avances en la mejora de la
eficiencia de las redes de distribución y se han ejecutado numerosos planes de
modernización de regadíos, transformando los tradicionales sistemas de riego por
gravedad, a riegos localizados. Pero aunque los sistemas actuales están bastante
avanzados en términos de eficiencia y uniformidad, sigue siendo prioritario el incremento
de la eficiencia en el uso del agua a nivel de parcela, la mejora del rendimiento de riego y
la simplificación de su programación, lo cual tendría un impacto importante en términos
de ahorro de costes y eficiencia energética.
Los métodos más utilizados para realizar la programación del riego son de dos tipos: los
que se basan en la medición y monitoreo de algunas variables relacionadas con el estrés
hídrico del cultivo, y los que se basan en el balance de la humedad en el suelo. Los de
primer tipo se apoyan en el uso de sensores para medir variables (Martin, D.C. et al.
(1990)) y el método de balance se basa en la estimación de las entradas y salidas de agua
en el perfil del suelo ocupado por las raíces del cultivo. Recientemente, (Casadesús, J. et
al., (2012)), ha propuesto e implementado un modelo híbrido que utiliza la metodología
del balance hídrico, corregida periódicamente en función de medidas en tiempo real del
estado hídrico en el sistema suelo-planta-atmosfera. En (Thompson, R.B. et al. (2007))
establecieron umbrales prácticos para la programación de riego con precisión basada en
registros continuos de la humedad en el suelo. Y en (Ortuño, M.F. et al. (2010) y
Fernández, J.E. y Cuevas, M.V., (2010)) en sus revisiones sobre la posibilidad de utilizar las
variaciones circadianas del tronco, concluyeron en positivo.

B.16.
El método que usaremos es un método de balance de agua que se basan en la utilización
de parámetros climáticos obtenido de predicciones meteorológicas y estimar el volumen
de agua consumido por el cultivo. En la metodología de hipótesis de riego es necesario
calcular las necesidades hídricas de los cultivos que se basan en los procesos de
evaporación y transpiración. Medir estos procesos por separado es una tarea complicada,
pero una forma más fácil para poder tener esta información es calcular la
evapotranspiración. Además cada cultivo tiene sus características particulares, la demanda
de agua es variable con el cultivo, con el ciclo vegetativo de la planta, el tiempo y el
espacio o cobertura de la planta y por último datos del suelo. El suelo según sus
características físicas y químicas, retendrá más rápido y más cantidad. La práctica del riego
está basada en considerar el suelo como un reservorio para almacenar agua y que las
plantan absorban la humedad necesaria, entonces tenemos que saber la capacidad del
suelo para retener agua y definir las cantidades de agua que el suelo puede almacenar
según la profundidad.

2. Información necesaria
Nuestro sistema lo primero que tiene que hacer es la captación de la información
correcta, es fundamental a la hora de su posterior procesamiento, pero no menos
importante es el lenguaje utilizado para acceder al dato. Para evitar problemas usamos los
estándares de interoperabilidad, que abstraen la captura de datos del modelo subyacente
que los sostiene, es decir, posibilitan la introducción de una capa software entre las
estructuras de almacenamiento de los datos SAIH y el software que los utilice.

2.1 Modelos climáticos

Un modelo es una representación simplificada de la realidad para mejorar la visión que de
esta se tiene y pueden ser de complejidad muy variable. La realización de un modelo
permite el contraste de las hipótesis de funcionamiento del sistema, un mejor ajuste y
definición de las relaciones entre parámetros, así como la sensibilidad del sistema a las
variaciones de estos. Los tipos de modelos depende del tipo de proceso que deseemos
modelar, hay dos grandes grupos:
2.1.1 Deterministas o corto plazo
Describen el comportamiento del ciclo hidrológico o de parte del ciclo, en forma de
expresiones analíticas que relacionan las interacciones físicas entre sus componentes
mediante ecuaciones diferenciales. Implica una relación causa-efecto entre los valores de
los parámetros elegidos y los resultados obtenidos de la aplicación de las ecuaciones.
Idealmente, un modelo determinístico debería proveer el mejor detalle en la simulación
de los procesos físicos. En la práctica, la aplicación de modelos determinísticos está
asociada frecuentemente a la incapacidad del modelo a resolver la variabilidad temporal y
espacial del fenómeno natural en incrementos suficientemente pequeños.
Los tipos de modelos deterministas se definen según el grado de conocimiento del
problema. Si el conocimiento es muy pequeño los modelos que se usan reciben el nombre
de empíricos. La ventaja que tienen es la facilidad de su uso, pero como inconvenientes

B.16.
tiene la imposibilidad de extrapolar un modelo empírico a zonas o condiciones distintas y
el poco conocimiento que aporta del sistema.
Utilizaremos el modelo GFS (Global Forecast System). Depende de National Centers for
Environmental Prediction (NCEP) que es una unidad de NOAA (National Oceanic and
Atmospheric Administration), NWS (National Weather Service), de los Estados Unidos de
América. Los ficheros de datos de GFS extraídos de NOAA tienen una resolución de 0.5
grados (50 km aproximadamente) ésta es la resolución real de los productos que no es tan
grande como la de otros modelos numéricos, pero tiene la ventaja de que cubre todo el
globo. Es un modelo acoplado compuesto por cuatro modelos diferentes, un modelo de
atmósfera, un modelo oceánico, un modelo de tierra/suelo y un modelo de hielo marino.
Estos modelos trabajan juntos para
proporcionar una imagen precisa de las
condiciones meteorológicas. Los
cambios se realizan con regularidad para
el modelo GFS para mejorar su
rendimiento y precisión de los
previsiones. Ofrece dos tipos de
modelizaciones, una más precisa y
mayor resolución a 8 días (esta será la
incluida en el sistema) y la otra con
menor resolución y menor precisión de
entre 8 y 15 días.
Figura 1. Previsión de precipitación GFS.

2.1.2 Estocásticos o medio plazo

Carecen de bases físicas, y expresan en términos de probabilidad el resultado de procesos
altamente aleatorios. Dichos modelos probabilisticos o estocásticos tratan con la
estructura del azar observada en ciertas series hidrológicas temporales. El origen de la
estocacidad en los recursos hídricos es doble: por una parte la distribución de la lluvia es
un proceso aleatorio prácticamente puro, y por otro, la gran cantidad de factores que
afectan a la propagación del agua en la superficie terrestre.
Los modelos estocásticos en hidrología se desarrollan a partir de los trabajos de (Thomas,
H.A. y Fiering, M.B. (1962)) con la aplicación de modelos autorregresivos para caudales
anuales y estacionales. A partir de ahí han ido apareciendo un gran número de modelos
estocásticos que se clasifican según el proceso generador y las hipótesis de base en
Modelos de regresión lineal (Harrington R.F., (1998); Hutchinson, W. R., a y b (1986)),
Modelos autorregresivos (Modelos de Markov, ARMA). (Bras, R.L. y Rodriguez-Iturbe,
(1985); Parlange, M.B. et al. (1992)), Modelos de ruido fraccionado, (Mandelbrot, B y Van
Neww, J.W. (1968)), Modelos de línea segmentada (Valencia, R.D., (1973)) y Modelos
ARIMA. (Loucks, D.P. et al. (1981); Salas, J.D. et al. (1980).
Lo que hacen es trabajar inicialmente con un modelo determinista, que parte de unas
condiciones iniciales de tiempo y, a partir de ellas, el modelo se encarga de predecir cómo

B.16.
se van a propagar las condiciones climáticas en función de un conjunto de ecuaciones que
tienen en cuenta toda la física relacionada con el clima. Generan un conjunto de
condiciones iniciales diferentes (N diferentes), por alteración de las condiciones iniciales
establecidas anteriormente y, a continuación, calculan la propagación de cada una de ellas
a lo largo del periodo de predicción. En función de las N + 1 modelo climáticos de
previsión, los modelos hidrológicos lo que tienen que hacer es efectuar N + 1
modelizaciones hidrológicas diferentes y, a partir de ellas, efectuar los cálculos
probabilísticos correspondientes a los efectos hidrológicos derivados del conjunto de
simulaciones efectuadas.
Utilizaremos el modelo WRF (Weather Research and Forecasting, WRF), es un sistema de
predicción numérico de mesoscala de nueva generación, diseñado para servir previsiones
operacionales y necesidades de estudio de la atmósfera. El modelo WRF se ha
desarrollado de manera colaborativa, principalmente por el National Center for
Atmospheric Research (NCAR), la National Oceanic and Atmospheric Administration , los
National Centers for Environmental Prediction (NCEP) y el Forecast Systems Laboratory
(FSL), la Air Force Weather Agency (AFWA), la Naval Research Laboratory, Oklahoma
University, y la Federal Aviation Administration (FAA). Se actualiza 4 veces diarias y ofrece
previsiones para 78 horas en tramos de
1 hora. Las previsiones incluyen
velocidad, dirección y ráfagas de viento,
temperatura, nubosidad total y
precipitaciones. Se utilizan distintas
configuraciones de parametrización del
modelo para simular un dominio de 9
km de resolución, cada día se utilizan
las condiciones de contorno de las
12:00 para simular cuatro días. Las
cinco configuraciones utilizadas son
equiprobables por lo que se puede
utilizar indistintamente cualquiera de
ellas.
Figura 2. Previsión de precipitación WRF.

2.2 Datos necesarios

El uso de modelos hidrológicos en pronósticos en tiempo real han ampliado sus fuentes de
datos. Gracias a los avances tecnológicos en teledetección, los modelos absorben cada vez
más información distribuida de gran variedad de sensores. Los datos necesarios para
calcular la evapotranspiración requieren parámetros climatológicos y físicos, algunos se
miden en estaciones y otros se relacionan con datos medidos y se calculan por una
relación directa o empírica. Estos datos se pueden agrupar en tres grupos:

B.16.
2.2.1 Clima
Es necesario calcular las necesidades hídricas de los cultivos que se basan en los procesos
de evaporación y transpiración. Medir estos procesos por separado es una tarea
complicada, pero una forma más fácil para poder tener esta información es calcular la
evapotranspiración (Dorenboos, J. y Pruitt, W.O. (1977)).
Para calcular la evapotranspiración potencial del cultivo de referencia, como ya sabemos
lo podemos realizar por diversos métodos como por ejemplo Blaney-Criddle, Método de
Radiación, Penman, Evaporación en tanque, Jensen-Haise, etc. Todos ellos se pueden
encontrar descritos en numerosas publicaciones en particular (Allen, R.G. et al. (1998),
Dorenboos, J. y Pruitt, W.O. (1977)).
La utilización de esta información, se basará en tomar los datos que se han capturado en
las redes de estaciones y lo observado por los radares meteorológicos para la
configuración del escenario de partida a las simulaciones. Necesitaremos diferentes
parámetros entre los que se encuentran la temperatura, precipitación, velocidad del
viento, radiación, humedad, etc. Algunos de los métodos necesitan datos que no aportan
los modelos meteorológicos y no hay forma de medir o estimar como por ejemplo
radiación solar, humedad relativa o velocidad del viento.
Usaremos el método de Hargreaves para estimar la evapotranspiración, dicha ecuación se
define como:
[1]
y usando la ecuación de radiación de Hargreaves tenemos:
. [2]
Estas estimaciones se basan en las temperaturas máximas y mínimas, pero puede darse el
caso que no tengamos dichas temperaturas y desafortunadamente no existe ninguna
forma de estimar la temperatura del aire de manera fiable. Si no disponemos de ellos y
solo disponemos de temperatura media del aire diaria, podemos estimar la
evapotranspiración por la ecuación de Turc que se basa en función de la temperatura
media:

, [3]

donde es la radiación solar, la cual la podemos estimar por la radiación extraterrestre

que se puede estimar a partir de la constante solar, la declinación solar y la época del año
como:

[4]

donde es la radiación extraterrestre ( ), es la constante solar

( ), la latitud en radianes, declinación solar, la distancia
relativa inversa Tierra-Sol y el ángulo de radiación a la puesta del sol. Estos tres últimos
se calculan de la siguiente forma:

B.16.
 [5]

2.2.2 Suelo
El suelo según sus características físicas y químicas, retendrá más rápido y más cantidad
de agua. La práctica del riego está basada en considerar el suelo como un reservorio para
almacenar agua y que las plantan absorban la humedad necesaria, entonces tenemos que
saber la capacidad del suelo para retener agua y definir las cantidades de agua que el
suelo puede almacenar según la profundidad.
El contenido de agua en el suelo, , es el agua fácilmente aprovechable por el cultivo y
se define de la siguiente forma:
, [6]
donde es el total de agua disponible en el suelo y es la fracción promedio de
que puede ser agotada de la zona radicular antes de presentarse estrés hídrico (
). El valor de lo podemos calcular mediante:
, [7]
donde es el contenido de humedad en la capacidad de campo, es el contenido
de humedad en el punto de marchitez permanente y es la profundidad de las raíces.
2.2.3 Cultivo
Cada cultivo tiene sus características particulares, la demanda de agua es variable con el
cultivo, con el ciclo vegetativo de la planta, el tiempo y el espacio o cobertura de la planta.
Lo que se necesita es el coeficiente del cultivo, , es un coeficiente de ajuste
adimensional específico para cada cultivo que depende de su estado de desarrollo, por lo
que varía en el tiempo. Describe las variaciones de la cantidad de agua que las plantas
extraen del suelo a medida que se desarrollan, existen diferentes fuentes bibliográficas, a
nivel mundial (Allen, R. G. et al. (1998)). Con el coeficiente de cultivo junto con la
evapotranspiración potencial calcularemos el valor de la evapotranspiración de un cultivo
de la siguiente forma:
[8]

3. Metodología de generación de hipótesis de riego

Como hemos dicho anteriormente utilizaremos un método de balance de agua que se
basan en la utilización de parámetros climáticos y usando expresiones matemáticas
permiten estimar el volumen de agua consumido por el cultivo. En este apartado vamos a
describir la metodología para el cálculo de las necesidades hídricas.

B.16.
3.1 Precipitación efectiva
La precipitación efectiva o precipitación útil, , es igual a la precipitación no perdida por
escorrentía o percolación profunda, es decir, la cantidad de precipitación que queda
almacenada en el suelo y puede ser utilizada posteriormente por el cultivo. Utilizaremos el
método de Bureau of Reclamation (Dorenboos, J. y Pruitt, W.O. (1977)) como sigue:

[9]

siendo la precipitación mensual.

3.2 Necesidades Hídricas Netas

Necesitaremos calcular las necesidades hídricas netas de un cultivo, , que definiremos
como la diferencia entre la evapotranspiración del cultivo y la precipitación efectiva:
[10]

donde es el contenido de agua en el periodo anterior, es la

evapotranspiración potencial y es la precipitación efectiva en el periodo de cálculo. Si
no tenemos datos sobre el contenido de agua en el suelo podemos aproximar las
necesidades hídricas mediante .

3.3 Necesidades Hídricas Brutas

A continuación como la evapotranspiración deja sales en el suelo hay que considerar una
parte de la lámina de riego para el lavado de dichas sales, este valor se estima de distinta
forma si el riego es por gravedad y aspersión de baja frecuencia o por goteo y aspersión de
alta frecuencia:

[11]

donde es la conductividad eléctrica del agua de riego (ds/m), es la conductividad

eléctrica del extracto de saturación del suelo para la cual el descenso de producción es un
porcentaje que se impone a conseguir (ds/m) y es la conductividad eléctrica del
extracto de saturación del suelo para la cual el descenso de producción es del 100%.
Finalmente, podemos calcular el agua que necesitamos aplicar al cultivo, o lo que es lo
mismo las necesidades hídricas brutas mensuales, , de la siguiente forma:

[12]

donde es la eficiencia de aplicación del riego y podemos suponer que es de 0,85 para
sistemas de goteo y 0,70 para superficie.

B.16.
3.4 Metodología
Se requiere riego cuando la cantidad de lluvia no es suficiente para compensar las
pérdidas de agua por evapotranspiración, su objetivo principal es la aplicación de agua en
el momento preciso y la cantidad justa de agua. Regar en exceso puede suponer
problemas de asfixia radicular, lo que reduce la producción y aumenta los costes de agua y
fertilizantes (Jensen, M.E. (1969)).
El método de balance de agua en el suelo consiste en realizar un balance en tiempo de la
cantidad de agua presente en el suelo que ocupan las raíces. De acuerdo con el principio
de conservación de la masa, la cantidad de agua que entra menos la que sale en un cierto
tiempo es igual al cambio de almacenamiento de agua que experimenta el suelo en el
periodo. Para evitar el estrés hídrico se debe aplicar el riego antes o en el momento de
agotarse la lámina de agua fácilmente extraíble del suelo (AFA (Ec. 6)).
Los pasos a seguir en la metodología son los siguientes:
1. Elegimos la parcela donde calcular las necesidades hidrológicas.
2. De los modelos se saca la información necesaria para calcular la evapotranspiración
potencial. Dependiendo de las variables que aporte el modelo se elegirá el modelo
matemático de cálculo para calcular la evapotranspiración (Ec. 1 o 3).
3. Con la precipitación se calcula la precipitación efectiva en la parcela seleccionada (Ec.
9).
4. Seleccionando el cultivo de la parcela
obtenemos el coeficiente de cultivo.
5. Calculamos la demanda de cultivo, ,
(Ec. 8).
6. Si tenemos información del suelo
calculamos
6.1. El contenido de agua en el suelo,
(Ec. 6).
6.2. La fracción de lavado, (Ec. 11).
7. Calculamos las necesidades hídricas netas,
, (Ec. 10).
8. Calculamos las necesidades hídricas brutas,
, (Ec. 12).
9. Opciones:
9.1. Si la evapotranspiración
es mayor que la precipitación
entonces es necesario regar.
9.2. Si la precipitación es
superior a la evapotranspiración por lo
tanto no es necesario regar.
Figura 3. Metodología.

B.16.
4. Conclusiones
Se puede concluir por lo tanto que no existe en el mercado ninguna solución que tenga en
cuenta la predicción meteorológica ni el futuro estado hidrológico del suelo como datos
de ayuda a la decisión. Además, está basada en un enfoque innovador para el cálculo de la
demanda de agua basado en la previsión del tiempo junto con las necesidades hídricas y
las características de las especies vegetales que no requieren de costosas infraestructuras
ni de una alta inversión para la obtención de soluciones. Por lo tanto podemos optimizar
la cantidad de agua a utilizar debido a la influencia climática futura.
Con este fin, el camino en el que se debe avanzar es el de dotar a los técnicos de
herramientas que permitan gestionar mejor la dosificación del riego a todas las escalas, y
en particular, en parcelas y jardines. Estas herramientas deben permitir a los técnicos
tomar decisiones basadas en mediciones reales y poder planificar a corto plazo, mediante
su integración en los programadores de riego, de manera que se pueda lograr el objetivo
prioritario de ajustar los aportes de agua a las necesidades hídricas reales de las plantas.
El resultado final consiste en una plataforma Web accesible desde cualquier navegador o
dispositivo móvil construida completamente con componentes de software libre, lo que
proporciona la ventaja de evitar costes asociados a licencias y/o actualizaciones. Tendrá
en cuenta la previsión climática en cada zona con diferentes orígenes de las previsiones
meteorológicas, por un lado deterministas para dar hipótesis de riego a corto plazo y por
otro probabilistas para generar hipótesis a largo plazo. Así también, tendrá en cuenta la
información agroclimática: el tipo del terreno y el cultivo que requiera el riego, además de
si se hará por goteo o no. De forma que, según las precipitaciones previstas y la
temperatura, presenta en forma gráfica la recomendación de riego en el futuro próximo.

Referencias
Allen, R.G., Pereira, L.S., Raes, D., Smith, M., (1998). Crop evapotranspiration. Guidelines for
computing crop water requirements. Irrigation and Drainage Paper 56, FAO, Rome, pp. 300.
Bras, R. L., Rodriguez-Iturbe, (1985). Random Functions and Hydrology, Addison-Wesley,
Reading, MA.
Casadesús J., Mata M., Marsal J., Girona J., (2012). A general algorithm for automated
scheduling of drip irrigation in tree crops. Computers and Electronics in Agriculture 83: 11–20.
Dorenboos, J., Pruitt, W.O., (1977). Guidelines for predicting crop water requirements. Irration
and Drainage Paper 24. FAO, 179 pp.
Fernández J.E., Cuevas M.V., (2010). Irrigation scheduling from stem diameter variations: A
review. Agricultural and Forest Meteorology 150 (2): 135–151.
Harrington, R. F., (1998). Multiple regression modeling of water table response to pumping and
runoff, report for Inyo County Water Dept. and Los Angeles Department of Water and Power.
Hutchison, W. R., (1986a). Linear regression analysis of Owens Valley pumping April 1972 –
March 1986a, ICWD report 86-1.

B.16.
Hutchison, W. R., (1986b). Estimation of baseflow: Owens River at Keeler Bridge, ICWD report
86-4.
Jensen, M.E. (1969). Scheduling Irrigation Using Computers. J. Soil and Water Conserv. 24: 193-
195.
Loucks, D. P., J. R. Stedinger, D. Haith, (1981). Water Resources Systems Planning and
Analysis, Prentice-Hall, Englewood Cliffs, NJ.
Mandelbrot, B.; van Ness, J.W. (1968), "Fractional Brownian motions, fractional noises and
applications", SIAM Review 10 (4): 422–437, JSTOR
Martin, D.C., Stegman, E.C., Feres, E. (1990). Irrigation Scheduling Principles. In: Management
of Farm Irrigation Systems. G.J. Hoffman et al.(eds.). ASAE monograph, St. Joseph, Michigan.
pp. 155-199.
Ortuño, M.F., Conejero, W., Moreno, F., Moriana, A., Intrigliolo, D.S., Biel, C., Mellisho, C.D.,
Pérez-Pastor, A., Domingo, R., Ruiz-Sánchez, M.C., Casadesus, J., Bonany, J., Torrecillas, A.,
(2010). Could trunk diameter sensors be used in woody crops for irrigation scheduling? A review
of current knowledge and future perspectives. Agr. Wat.Manag. 97, 1-11.
Parlange, M. B., G. G. Karol, R. H. Cuenca, M., L. Kavas, D. R. Nielsen, M. Mata, (1992). Physical
basis for a time series model of soil water content, Water Resoul: Res., 28(9), 2437-244.
Salas, J. D., Delleur, J. R., Yevjevich, W. L. Lane, (1980). Applied Modeling of Hydrologic Time
Series, Water Resources Publications, Littleton, CO.
Thomas, H.A., Fiering, M.B. (1962). Mathematical synthesis of streamflow sequences for the
analysis of river basins by simulation. In: Design of Water Resources Systems, (Ed. by A. Maas et
al.) Chapter 12. Harvard University Press, Cambridge, Mass.
Thompson R.B., Gallardo M, Valdez L.C., Fernández M.D., (2007). Determination of lower limits
for irrigation management using in situ assessments of apparent crop water uptake made with
volumetric soil water content sensors. Agricultural water management 92: 13 – 28.
Valencia, R. D., J. C. Schaake, Jr., (1973). Disaggregation process in stochastic hydrology, Water
Resoul: Res., 20(1), 580-585.

B.16.