Top. Meteoro. Oceanog.

10 (2) 63-68, 2003

Validacin de CROPGRO-Dry Bean, un modelo de simulacin del crecimiento y desarrollo del cultivo de frijol en Los Chiles, Costa Rica

ROBERTO VILLALOBOS FLORES1, JOS ALBERTO RETANA

Gestin de Desarrollo Instituto Meteorolgico Nacional Ministerio del Ambiente y Energia Abstract
CROPGro is a growth and development simulation model. It has been designed in order to simulate the growth, development and beans yield. The model uses the DSSAT format. The calibration and validation outputs of the model are presented, for the location of Parque, Los Chiles, San Carlos, using the variety of bean known as Brunca. A coefficient of determination (r2) of 97%, a coefficient of correlation of 98% and an index of agreement (d) of 99% were gotten. The model seen to be an usefull tool for the forecast and the pursuit ontogenic of this crop.

1. Introduccin Los avances en el entendimiento de los principios que rigen el crecimiento y desarrollo de los cultivos, han guiado a la creacin de algoritmos que simulan los detalles de los procesos implcitos en los procesos fisiolgicos de algunos cultivos. El modelo CROPGRO-Dry Bean (Hoogenboom et al., 1995), ha sido diseado para simular el crecimiento, desarrollo y rendimiento del cultivo de frijol (Phaseolus vulgaris L.). Estas simulaciones estn en funcin de las condiciones ambientales, del tipo de suelo y del manejo del cultivo (White et al., 1995; White y Hoogenboom, 1996). El modelo utiliza el formato de los archivos de un Sistema de Soporte de Decisiones para la Transferencia de Agrotecnologa (DSSAT v3.0), con una frecuencia de clculo diario. Durante el ciclo del cultivo, el modelo estima el tiempo desde la siembra a la germinacin, la aparicin de las hojas primarias, la secuencia de aparicin de las hojas trifoliadas, la iniciacin floral, la ocurrencia de
Corresponding author adress: Roberto Villalobos, Instituto Meteorolgico Nacional, apartado 7-3350-1000, San Jos, Costa Rica, Email: rvilla@imn.ac.cr

la primera vaina, el llenado de las semillas, la madurez fisiolgica y los rendimientos. Tambin provee un seguimiento del desarrollo del cultivo con base en el clculo del nmero de hojas en el tallo principal (Hoogenboom et al., 1994a; Hoogenboom et al., 1994b; Hoogenboom y White, 1996; Tsuji et al., 1994; ). Los modelos de cultivos pueden jugar un rol importante en el esfuerzo por mantener la sustentabilidad econmica de los agricultores, as como proteger nuestros recursos naturales. Estos modelos de cultivos, integran el conocimiento de varias disciplinas y pueden ser aplicados a una amplia gama de ambientes agrcolas, de tal manera que pueden ser usados por agricultores e investigadores como herramienta de investigacin, ayuda en la toma de decisiones, y en las labores de planeamiento; en el caso de los educadores, como ayuda para explicar a los alumnos, la interaccin entre las plantas y el medio ambiente (Hoogenboom, s.f.). El punto crtico de estos modelos es su calibracin y

TOPICOS METEOROLOGICOS Y OCEANOGRAFICOS validacin. La primera requiere de la recoleccin de datos ambientales, de manejo del cultivo y de los rendimientos. La segunda depende del grado de concordancia entre los datos de rendimientos estimados por el modelo con respecto a los histricos, bajo diferentes condiciones climticas, manejo y pocas de siembra. Por esta razn, para calibrar el modelo se requiri de datos experimentales, con la finalidad de comparar y ajustar los datos estimados con los observados. El objetivo de este trabajo es presentar los resultados de la calibracin y validacin del modelo CROPGRO-Dry Bean, bajo las condiciones de la zona de Los Chiles, Alajuela, Costa Rica. 2. Materiales y mtodos La calibracin y validacin del modelo requiri la obtencin de informacin real de cuatro componentes principales: suelo, cultivo, clima y manejo de cultivo. Para la obtencin de la informacin necesaria se requiri el establecimiento de un ensayo de campo. 2.1 Localizacin del ensayo El ensayo se ubic en la localidad El Parque, cantn Los Chiles, provincia de Alajuela, a 1057' de latitud y a 8440' de longitud, y 40 msnm. Esta escogencia obedeci al asesoramiento de funcionarios del Programa de Investigacin del frijol, los cuales consideran que esta regin es la mayor productora de semilla en la actualidad. 2.2 Diseo experimental Para evaluar las variables agronmicas y de produccin, el ensayo utiliz un diseo experimental de bloques completos al azar con cuatro repeticiones de 50 m c/u en una parcela de 300 m de terreno total, en un lugar con topografa plana. 2.3 Informacin del cultivo La variedad de frijol utilizada es la Brunca, de color negro y alta precocidad (35 das a floracin, 75 das a cosecha). Se sembr manualmente a espeque (tres semillas por golpe), con una distancia entre plantas de 0,35 m, y 0,45 m entre surcos, para una densidad promedio de 270.000 plantas/ha. 2.4 Informacin de suelo Se tomaron muestras de suelo en un perfil de suelo cada 5 cm hasta 50 cm de profundidad. Para cada muestra se determin la humedad volumtrica del suelo por el mtodo gravitacional (Gonzlez, 1980). Adems, se realizaron anlisis de fertilidad, textura de suelo, grado de pedregocidad, acidez, contenido de materia orgnica, porcentaje de races, entre otros anlisis, con la intencin de conocer las condiciones iniciales en que el modelo debera correr, as como para incorporar las variables obligatorias para el modelo. Los anlisis se realizaron en el laboratorio 84 de suelos del Centro de Investigaciones Agronmicas (CIA) de la Universidad de Costa Rica (UCR). 2.5 Informacin de manejo del cultivo Con base en el anlisis de fertilidad del suelo, se fertiliz con urea a los 20 das despus de la siembra (dds), a razn de tres sacos de 46 kg de producto comercial por hectrea. Se aplic abono foliar (multiminerales) a los 25 dds para corregir posibles deficiencias de elementos menores, a razn de un litro por estan de agua por hectrea, y se reforz con 12-24-12 al mes, a razn de un seis sacos de 46 kg de producto comercial por hectrea. El combate de plagas se hizo con dos atomizaciones cada 15 das de metamidofos (Tamarn 600), a razn de un litro en 200 litros de agua por hectrea. El combate de malezas se realiz en forma manual como parte del quehacer diario del agricultor que colabor para este ensayo. 2.6 Variables agronmicas evaluadas Con la finalidad de dar seguimiento, determinar las variables agronmicas evaluadas y estimar la duracin en das fototrmicos de algunos estados fenolgicos, se evaluaron las siguientes variables: altura de planta, densidad, biomasa por rganos, contenido de nitrgeno a prefloracin y a cosecha, ndice de rea foliar, tamao mximo de hoja, ndice de crecimiento, ndice de cosecha, produccin promedio de vainas por planta, produccin promedio de grano, porcentaje de envainado, peso promedio de semilla, nmero promedio de semillas por vaina, nmero de semillas por metro cuadrado, biomasa total, nmero final de hojas, contenido de nitrgeno en la biomasa total, tiempo a floracin, tiempo a primera vaina, tiempo a primera semilla, tiempo a madurez fisiolgica, tiempo a final de expansin foliar, duracin de llenado de vainas, entre otros. Para ello se muestrearon los diez primeros y los diez ltimos surcos de la parcela, dejando los surcos centrales para evaluar variables de produccin. El clculo de biomasa se determin como peso de materia seca. El contenido de nitrgeno total a floracin y a cosecha, se realiz en los laboratorios del CIA. El ndice de rea foliar y el tamao mximo de las hojas se calcul por medio del mtodo de Burd y Lomas (1976). 2.7 Variables climticas evaluadas Para medir las variables climticas, se instal dentro de la parcela, a dos metros sobre el nivel del suelo, una estacin meteorolgica automtica tipo W2000 Weather Watch, de la Campbell Scientific Inc., la cual fue programada mediante su propio software (PC208), con la finalidad de obtener lecturas horarias de temperaturas mxima y mnima del aire, humedad relativa del aire, presin de vapor, radiacin solar, rfaga mxima de viento, velocidad del viento y direccin predominante, total de lluvia en 24 horas, adems de calcular la evapotranspiracin en 24 horas de acuerdo al mtodo Penman-Monteith (Monteith, 1981).

VILLALOBOS & RETANA. Validacin de CROPGRO-Dry Bean, un modelo de simulacin del crecimiento ... 2.8 Generacin y formato de archivos La informacin edfica, agrcola y climtica obtenida durante la duracin del ensayo, fue digitalizada en formato compatible con el Decision Support System for Agrotechnology Transfer (DSSAT), interfase bajo la cual opera el modelo CROPGRO Dry Bean, todos estos archivos utilizan el lenguaje ASCII. Para los archivos relacionados con la informacin de suelos, manejo del cultivo y de las caractersticas del cultivo, el DSSAT tiene interfases que facilitan la introduccin de la informacin. Los archivos de clima siguen un formato establecido, utilizando el ao y da juliano, seguido horizontalmente de columnas para los datos de lluvia (mm), temperatura mxima (C), temperatura mnima, radiacin (caloras) u horas de sol (h). Una vez construidos los archivos, se corri el modelo de simulacin para su calibracin. 2.9 Mtodo de evaluacin del modelo Para los efectos de validar el modelo se calcularon los siguientes estadsticos sugeridos por Fox (1981) y Willmott (1982): a)- El sesgo, el cual puede ser descrito por el error de apartamiento medio (MBE), que corresponde a la diferencia entre el valor medio estimado () y el valor medio observado (). d)- El error absoluto medio (MAE), que se describe como:

MAE = n -1 E i - O i
i =1

e)- La desviacin estndar de la variable observada (DSEo). f)- La desviacin estndar de la variable estimada (DSEe). g)- La intercepcin (a) y la pendiente (b) de la ecuacin de regresin de mnimos cuadrados.

h)- Un ndice de concordancia (d) como medida descriptiva del buen ajuste del modelo.

MBE = n -1 (Ei - Oi )
i =1

Tambin es importante conocer cunto del error es de naturaleza sistemtica y cunto no lo es. El error sistemtico puede ser descrito como:

donde: n es el nmero de casos, Ei es el valor estimado, Oi es el valor observado, b)- La variabilidad de (E-O) respecto de MBE (DS2), que puede ser descrita mediante:
-1 2 2 DS = (n- 1) ( E i - O i - MBE) i =1 n

Mientras que el error no sistemtico est representado por:

donde: DS2 es la varianza de la distribucin de las diferencias. c)- El promedio de las diferencias, que puede ser descrito por:
RMSE
n = n -1 ( E i - O i ) 2 i=1 0.5

3. Resultados La comparacin entre algunas de las principales variables producto del proceso de calibracin se presentan en el cuadro 1, donde se puede comprobar el grado de ajuste del modelo con respecto a los datos derivados del anlisis de campo. En cuanto a la validacin del modelo, esta consisti en correr el modelo ya calibrado para las condiciones climticas de la zona de Los Chiles de los aos 1980 a 1996. En este anlisis se excluye la informacin del ao de 85

donde: RMSE es la raz del cuadrado medio del error (MSE).

TOPICOS METEOROLOGICOS Y OCEANOGRAFICOS calibracin. Se compararon los rendimientos promedio areal del cultivo de acuerdo con las estadsticas de 16 aos de registro del Consejo Nacional de Produccin (CNP), con los resultados estimados por el modelo, aplicando la metodologa estadstica propuesta por Fox (1981) y Willmott (1982).
Cuadro 1. Resultados obtenidos para algunas variables utilizadas en la calibracin del modelo CROPGRO Dry Beans. VARIABLE ESTIMADOS Das a floracin 37 Das a primera vaina 42 Das a primera semilla 58 Das a madurez fisiolgica 68 Rendimiento (kg/ha) 904 Peso promedio de semilla(g) 0,180 Semillas por vaina 6,22 Mximo ndice de rea foliar 5,67 ndice de cosecha (kg/kg) 0,264 Hojas en tallo principal 13,04 Nitrgeno en semilla (kg n/ha) 34 Nitrgeno en biomasa(kg n/ha) 84 Nitrgeno en tallo (kg n/ha) 28 Nitrgeno en semilla (%) 3,76 MEDIDOS 37 42 58 68 895 0,173 5,80 6,00 0,51 12,75 65,75 88,87 14,58 4,30

relacin 1:1, a tiende a cero y b a la unidad. En general, como se puede apreciar en el cuadro 2, se encontr un coeficiente de determinacin (r2) de 97% (0,967), que corresponde al porcentaje de las observaciones que son explicadas por el modelo. La relacin entre las variables es positiva y corresponde a un 98% (0,983) de coeficiente de correlacin (r). El ndice de concordancia (d) es de 99% (0,991), el cual indica que el modelo presenta solo un 1% de imprecisin con respecto a lo observado.
Cuadro 2. Medidas cuantitativas sobre la evaluacin del modelo.
Ro 710,3 Re 708,1 DSRo DSRe a b 0,9 6 MAE RMSE RMSEs RMSEU d r2

114,8 112,4

24,6

16,5

21,1

4,87

20,53

0,99

0,97

Los trminos b, d y r2 son adimensionales, los otros trminos tienen unidades de kg/ha.

Nota: Los valores medidos corresponden al promedio de los observados en el diseo experimental.

La figura 1 muestra como los datos de rendimiento estimado se agrupan cercanos a la lnea de relacin 1:1, balancendose en el valor medio de los valores estimados (Re, cuadro 2). La desviacin estndar de los datos estimados (DSRe ) es similar a la de los datos reales (DSRo), lo cual representa un razonable grado de agrupamiento y distribucin de los datos estimados. Los parmetros de regresin a y b permiten determinar que la tendencia de los resultados del modelo es muy cercana a los rendimientos reales, dado que en una

3.1 Aplicando el modelo Como parte de los resultados se realiz una estimacin de la fecha ms apropiada para la siembra de frijol en la zona de Los Chiles para un ao que fuera particularmente lluvioso, ya que se presentaban a criterio del IMN esas condiciones en el ao de anlisis. Tradicionalmente la fecha de siembra del frijol en esta regin va del 15 de noviembre al 15 de diciembre. Sin embargo, para aos lluviosos, diciembre puede ser un mes poco apto para la preparacin del terreno y el desarrollo del cultivo. Para tratar de establecer un rango de fechas ptimas de acuerdo a los supuestos, se utiliz el modelo para que simulara el desarrollo del cultivo y pronosticara su rendimiento. Para ello se utiliz un escenario lluvioso generado sintticamente a partir del historial de la estacin meteorolgica de Los Chiles. Los resultados se presentan en la figura 2. Se muestran 62 corridas del modelo con los rendimientos que se obtendran modificando la fecha de siembra diariamente.
800 700 kg/ha 600 500 400 300

Diciembre

12 18 Enero

Figura 1. Rendimiento observado (Ro) y Rendimiento estimado (Re) al utilizar el modelo CROPGRO-Dry Beans (1980-96).

Figura 2. Rendimiento de frijol bajo un escenario lluvioso con base en diferentes fechas de siembra en Los Chiles, San Carlos.

86

VILLALOBOS & RETANA. Validacin de CROPGRO-Dry Bean, un modelo de simulacin del crecimiento ... Los rendimientos mostrados en la figura 2, involucran la respuesta fisiolgica del cultivo a la cantidad de precipitacin por fase fenolgica. Puede observarse que se presenta un mximo de rendimiento a mediados del mes de enero (zona ms oscura), especficamente del 12 al 18 de enero se obtienen los mayores rendimientos de produccin. Bajo las condiciones de este estudio (condiciones climatolgicas de un ao categorizado como lluvioso), sembrando durante el perodo sombreado, en promedio se obtendran rendimientos de 700 kg/ha. Posterior a esta aplicacin, pudo comprobarse que los agricultores que tomaron en consideracin la propuesta producto del anlisis del modelo, la cual fue suministrada por los autores mediante un comunicado a personeros del MAG y del CNP, tuvieron rendimientos ms altos. 4. Conclusiones Los avances en la utilizacin de computadoras, han provisto a los investigadores y cientficos, la oportunidad de manejar grandes volmenes de informacin, y por lo tanto, la aplicacin de modelos de simulacin en problemas ambientales y agrcolas, ha ido aumentando en la ltima dcada. La ventaja de los modelos, es que reducen el tiempo y los recursos humanos requeridos para los anlisis complejos, como los que involucran los recursos naturales, el ambiente y la produccin de cultivos. Los modelos de simulacin de cultivos pueden ser utilizados por los agricultores para estrategias de manejo; por los investigadores como herramienta de trabajo que les permita conocer prioridades de investigacin; por educadores como herramienta de enseanza, ayudando a los estudiantes a entender mejor la interaccin entre las plantas y el medio ambiente. El DSSAT es un programa de computacin diseado para proveer a los usuarios del manejo apropiado de informacin sobre suelos, clima, cultivo y datos experimentales, con la finalidad de simular el crecimiento, desarrollo y rendimiento de varios cultivos de importancia econmica. El modelo CROPGro Dry Bean, ha demostrado ser un modelo operacional y presenta resultados muy prometedores bajo una variedad de condiciones climticas caractersticas de la zona norte de Costa Rica, especficamente de la regin de Los Chiles. Los resultados demuestran que este modelo puede llegar a constituirse en una herramienta valiosa en el pronstico de cosechas, con el beneficio de poder ayudar a los tomadores de decisiones, a desarrollar planes y polticas para el mercadeo del producto, alternativas de produccin y estrategias de manejo bajo diferentes sistemas de produccin y ambientes. Un sistema de soporte de decisiones como el DSSAT tambin permite acelerar la ejecucin de acciones de inters agrcola, al reducir el tiempo y los recursos humanos 87 Los autores agradecen la colaboracin de los funcionarios del Programa de Investigacin del frijol, constituido por personeros de la Oficina Nacional de Semillas (ONS), del Ministerio de Agricultura y Ganadera (MAG), de la Universidad de Costa Rica (UCR) y del Consejo Nacional de Produccin (CNP). Resumen El modelo CROPGro Dry Bean ha sido diseado para simular el crecimiento, desarrollo y rendimiento del cultivo de frijol. El modelo utiliza el formato de los archivos del DSSAT. Se presentan los resultados de la calibracin y validacin del modelo en la localidad de Parque, Los Chiles de San Carlos, con la variedad de frijol conocida como Brunca. Se obtuvo un coeficiente de determinacin (r2) de 97%, un coeficiente de correlacin de 98% y un ndice de concordancia (d) de 99%. El modelo demuestra ser una herramienta valiosa para la disminucin de riesgos de produccin, el pronstico de cosechas, y del seguimiento fenolgico del cultivo. 5. Referencias
Burd, P. and Lomas, J. 1976. Leaf area measuring methods: a study of accuracy and cost. Paper submitted at the World Meterology Organization (WMO) on the Agrometeorology of the maize crop. Iowa State University, Ames, Iowa. United States of America. 12pp. Fox, D. G. 1981. Judging Air Quality Model Performance. A summary of the AMS Workshop on Dispersion Model Performance. Bulletin American Meteorological Society. 62:599-609. Gonzlez, M. 1980. Manual de laboratorio de edafologa. Universidad de Costa Rica. Facultad de Agronoma. Escuela de Fitotecnia. Ciudad Universitaria Rodrigo Facio. San Pedro, San Jos. 96 pp. Hoogenboom, G., Jones, J. W., Hunt, L. A., Thornton, P. K. and Tsuji, G. Y. 1994a. An integrated decision support system for crop model applications. ASAE Paper 94-3025, American Society of Agricultural Engineers, St. Joseph, Michigan. USA. Hoogenboom, G., White, J. W., Jones, J. W. and Boote, K. J. 1994b. BEANGRO: A process-oriented dry bean model with a versatile user interface. Agronomy Journal 86:182-190.

necesarios en el anlisis de decisiones complejas. La aplicacin del presente estudio, tambin constituye un aporte tcnico en procura de comprender mejor la climatologa de la zona de estudio y su variabilidad en los aos. Establece con claridad que el seleccionar una fecha de siembra determinada debe obedecer a diferentes variables, entre estas, la variable climtica. Este trabajo deja claro que se deben utilizar diferentes fechas de siembra segn la distribucin mensual de la lluvia, para lo cual se requiere de un anlisis anual que permita la clasificacin del ao bajo escenarios especficos, y que por lo tanto, el uso de fechas de siembra tradicionales sin considerar la variabilidad climtica regional, es un procedimiento de alto riesgo y sin lugar a dudas, inapropiado. Agradecimiento

TOPICOS METEOROLOGICOS Y OCEANOGRAFICOS

Hoogenboom, G., White, J. W., Jones, J. W. and Boote, K. J. 1995. A new and improved DryBean simulation model: CROPGRO-DryBean. In: The xxxviii Report of the Bean Improvement Cooperative (BIC), Colorado State University, USA. 15,16pp. Hoogenboom, G. and White, J. W. 1996. Predicting weather and management effects on dry bean yield. In: The xxxix Report of the Bean Improvement Cooperative (BIC). Colorado State University, USA. 71,72pp. Hoogenboom, G. s.f. Plant growth model development and parameterization. Department of Biological and Agricultural Engineering. The University of Georgia, USA. Monteith, J. L. 1981. Evaporation and surface temperature. Quarterly Journal of the Royal Meteorological Society 107 (451): 1-27. Tsuji, G. Y., Uehara, G. and Balas, S. (eds). 1994. Decision Support System for Agrotechnology Transfer (DSSAT v3.0). University of Hawaii, Honolulu, Hawaii. White, J. W., Hoogenboom, G., Jones, J. W. and Boote, K. J. 1995. Evaluation of the Dry Bean model BEANGRO v1.01 for Crop Production Research in a Tropical Environment. Expl. Agric. 31:241-254. White, J. W., Hoogenboom, G. 1996. Simulating effects of genes for physiological traits in a process-oriented crop model. Agronomy Journal 88:416-422. Willmott, C. J. 1982. Some comments on the evaluation of model performance. Bulletin American Meteorological Society. 63:13091313.

88