Beruflich Dokumente
Kultur Dokumente
Tesis de Doctorado
UNIVERSIDAD DE GRANMA
Facultad de Ciencias Agrícolas
Departamento de Producción Agrícola
Bayamo, M. N. 2016
UNIVERSIDAD DE CIEGO DE AVILA
Facultad de Ciencias Técnicas
Centro de Estudios Hidrotécnicos
UNIVERSIDAD DE GRANMA
Facultad de Ciencias Agrícolas
Departamento de Producción Agrícola
Bayamo, M. N. 2016
Agradecimientos
ANEXO 9 Toma de capas de suelo para el pesaje de las raíces (A) y filtrado
para la selección de las raíces (B)
ANEXO 13 Tiempo de avance del frente de agua para los tres caudales
evaluados
INTRODUCCIÓN
El riego por superficie o de gravedad mantiene una importancia relevante en el
desarrollo del regadío, no solo porque representa aproximadamente el 80% de las
áreas regadas del mundo, sino también, porque es el método técnicamente más
apropiado para suelos llanos y pesados y, económicamente, para muchos cultivos
y sistemas de producción (Pereira et al., 2010).
El mismo autor ha señalado que la euforia del desarrollo económico con bajos
costos de energía llevó a una gran expansión del riego por aspersión y del riego
localizado, muy particularmente a la mecanización del riego por aspersión,
recurriendo a la alta presión; naturalmente el interés por las técnicas de riego por
superficie disminuyó, sobre todo en Europa, donde tales técnicas demandan
mucha mano de obra, y se convirtieron en inviables económicamente.
En la provincia Granma la superficie bajo riego con valor de uso que comprende el
sector cañero y no cañero asciende a 53 849,44 ha. De ellas, 4 340,17 ha se
riegan por aspersión y representan el 8,07%; con el método de riego localizado
solo se riegan 184,5 ha que representan un 0,34%, y el mayor porcentaje
corresponde al método de riego superficial, el cual ocupa un total de 49 319,52 ha
y representa el 91,59%. Dentro del método de riego superficial el mayor porcentaje
corresponde a la técnica de riego por inundación, que abarca 34 557,45 ha para
1
un porcentaje del 70%, mientras que el resto, 14 762,07 ha, que representan el
30%, se riega con la técnica de riego por surcos (MINAG, 2014).
La misma fuente anterior refleja que el sector cañero prevé un incremento de las
áreas bajo riego de 2 335 ha hasta 17 688 en el período 2016-2023. En el caso
particular del método de riego por surcos, el incremento previsto es de 7 363,6 ha.
En esta proyección se considera un riego tecnificado que aumente la eficiencia en
el uso del agua. De lo anterior se aprecia que la provincia Granma tiene un
potencial importante de áreas que serán recuperadas para riego por gravedad.
Una parte importante de los suelos donde se utiliza esta técnica, son suelos
Aluviales, los cuales ocupan el 20,2% del territorio granmense (Anexo 1). Debido a
su extensión y aptitud para los cultivos, en estos suelos es típica la siembra del
frijol; sin embargo, al menos en el sector estatal, no se utiliza la técnica de riego
por surcos en este cultivo, debido fundamentalmente a los problemas de diseño y
manejo.
Varias son las investigaciones que se han realizado en Cuba para mejorar el
diseño y manejo del riego por surcos. Por ejemplo Brown (2000) aportó una nueva
metodología para calcular la infiltración en el riego intermitente en suelos
ferralíticos, que consiste en: (1) utilizar los dos términos de la función de Philip en
la determinación de la infiltración en los tramos secos del surco, (2) estimar la
infiltración en la zona de transición a partir de un coeficiente lineal de ajuste que
toma en cuenta la variación de la distancia de avance en cada ciclo respecto a la
longitud total del surco y (3) emplear el segundo término de la función de Philip
para calcular la infiltración en la zona saturada.
2
ahorro de agua y de energía e incremento de las eficiencias de aplicación y
distribución de la humedad a lo largo del surco.
Rodríguez (2014) aportó criterios de diseño del riego por surcos con el empleo de
tecnología de riego intermitente en un suelo ferralítico rojo lixiviado y surcos
cortos, en la cual se hicieron las siguientes determinaciones: número de ciclos,
tiempo de ciclos, parámetros de infiltración de la ecuación de dos términos de
Philip con el método de un punto, relación caudal-escorrentía y caudal-pérdidas de
suelo.
3
Los sistemas de riego superficiales en Cuba presentan, en sentido general, un
reconocido atraso tecnológico, sobre todo en cuanto a formas de entrega de agua
a las parcelas, nivelación de las áreas, que ocasionan una mala distribución del
agua en la superficie de riego, deficientes obras hidrotécnicas, baja calidad
constructiva de los sistemas, falta de mantenimiento en sentido general,
deficiencia en el diseño y operación de los sistemas (Brown, 2000; Pérez et al.,
2008).
Esta interacción entre manejo del agua de riego y las características del suelo, que
constituye la causa de una determinada eficiencia de utilización del agua de riego
puede conducir a varias situaciones posibles. En primer lugar, ocurre con
frecuencia que las características de manejo de agua de riego son tradicionales y
de un carácter conservativo, transmitiéndose de un agricultor a otro sin mayores
4
variaciones entre zonas de suelos muy diversos en sus características hídricas.
Ello puede llevar a dos situaciones de manejo muy similares en suelos diferentes,
lo cual conduce a eficiencias de utilización del agua de riego totalmente diversas.
En segundo lugar, se debe tender a obtener las eficiencias adecuadas para los
diferentes métodos de riego a través del manejo diferenciado del agua, según
cada tipo de suelo.
El movimiento del agua sobre y a través del suelo puede ser simulado con criterios
racionales que se fundamentan en los principios hidrodinámicos de conservación
de materia y de la cantidad de movimiento. Las posibilidades reales de esta
simulación han experimentado un reciente impulso con el desarrollo de los
ordenadores y, por consiguiente, de métodos de cálculos numéricos. Todo ello ha
significado que se materialicen en pocos años grandes avances.
5
Uno de los cultivos priorizados en la actualidad en nuestro país es el frijol, durante
su producción se presentan problemas de variabilidad climática, incidencia de
plagas y enfermedades, uso del agua de riego, entre otros, debido a lo anterior es
necesario que el país pueda disponer de herramientas que le sirvan de ayuda a la
toma de decisiones para lograr el menor costo económico y ambiental.
6
Pinar del Río (14 117,9 ha), Holguín (11 895 ha), Matanzas (9 500 ha) y Ciego de
Ávila (5 307,7) según datos obtenidos de ONEI (2015).
7
Se define el objeto de estudio en la ingeniería del riego por surcos y el campo de
acción en el diseño agronómico e hidráulico de la técnica de riego por surcos para
el cultivo del frijol en suelos Fluvisoles.
8
la condiciones edafoclimáticas de la provincia Granma, de los cuales no se tiene
antecedentes en la literatura nacional y extranjera; esto es:
9
1. REVISIÓN BIBLIOGRÁFICA
En este capítulo se abordan aspectos relacionados con las variables de manejo
del riego superficial; así como, los factores que influyen en la infiltración. Se
presentan aspectos generales de programas de cómputo para el diseño del riego
por surcos y del modelo AquaCrop. Se abordan además aspectos relacionados
con la producción mundial y nacional del cultivo del frijol y sus necesidades
hídricas.
De acuerdo con Walker et al. (2006) la cantidad de agua por unidad de ancho de
un surco irrigado puede ser 20% del agua que fluye en un ancho similar en una
terraza plana. Los sistemas de riego por surcos son los menos caros, debido a
que se requiere una nivelación mínima del terreno para implementar un sistema de
riego por surcos, y es necesario un alisamiento menos preciso para el
mantenimiento.
10
funcionamiento de los sistemas y, sobre todo, fundamentar los cambios a
introducir para mejorar el uso y la productividad del agua de regadío.
El caudal de entrada (Q0) debe cumplir una serie de requisitos para evitar daños al
terreno y lograr una alta eficiencia de aplicación. Debe ser inferior al valor del
caudal máximo no erosivo (Qmáx), con esto se asegura que no se produzca erosión
del suelo. Según Romay et al. (2010) este Qmáx se puede determinar a partir de
dos coeficientes adimensionales que dependen de las propiedades hidrofísicas del
suelo y de la pendiente del terreno.
El caudal mínimo (Qmín) también se encuentra limitado por la longitud del surco, la
pendiente y la rugosidad, por lo que debe existir una relación entre el Qmáx, Q0 y el
Qmín para evitar el desbordamiento, aumentar la eficiencia y uniformidad, de otra
manera serían muy bajas. Según Walker (2003) en el manual del SIRMOD III
(Surface Irrigation Simulation, Design, and Evaluation Model) refiere que la
estimación más real de Qmín está basada en el tiempo de avance (Rodríguez,
2014).
11
1.3. Pendiente, longitud, tiempo de aplicación y geometría del surco
12
Walker (2003) asegura que conocer la sección hidráulica del surco, conjuntamente
con el avance del frente de agua, y en el caso de los métodos de riego con
drenaje al final del surco, conocer el volumen de agua escurrido, ha resultado ser
el procedimiento más efectivo para la evaluación de los métodos de riego. A partir
de estos parámetros se puede deducir una ecuación promedio de infiltración del
agua en el surco basada en el cálculo de volúmenes.
Entre los factores que influyen en la velocidad o tasa de infiltración que son
fácilmente observables, se pueden mencionar: el contenido inicial de humedad del
suelo, relacionado inversamente con la tasa de infiltración; la textura y estructura
del suelo; la condición de superficie (suelo desnudo, con presencia de costra, o
existencia de vegetación); cantidad de materia orgánica; temperatura del suelo y
calidad del agua aplicada (Haghnazari et al., 2015).
Sin embargo, para Singer y Munns (1999) en un suelo natural, el tamaño de las
partículas varía desde coloides arcillosos microscópicos (<0,0002 mm) hasta
granos de arena mucho más grandes (0,05 – 2 mm). La composición textural y las
propiedades del suelo varían considerablemente entre los tipos de suelo, debido a
esto los estudios se hacen comúnmente para la posición del campo y los límites
14
de propiedad basados en las características del suelo, no obstante, el diseño del
campo, particularmente en el caso de riego por surcos, usualmente se basa en un
diseño rectangular.
Las variaciones entre el grosor de los horizontes y la textura pueden tener efectos
significativos en la variación espacial de la tasa de infiltración, particularmente
cuando el frente de humedecimiento alcanza esa capa. Al considerarse una
columna de suelo vertical, el tiempo de infiltración se determina por la capa
restrictiva. La existencia de una capa de arena cuarcítica dentro de un suelo loam
o arcilloso, reduce la tasa de infiltración (Mirzaee et al., 2013).
Brye et al. (2006) encontraron que la nivelación del suelo alteró su textura e
incrementó la densidad aparente cerca del 3% como promedio para un loam-
arcilloso y 12% para un limo-arcilloso. Sin embargo, la infiltración disminuyó,
debido a la compactación y exposición del subsuelo.
15
La erosión del suelo aguas arriba puede ser de 6 a 20 veces mayor que el
promedio de su valor para todo el surco (Fernández et al., 2004). Algunos de los
materiales erosionados pueden ser removidos por el agua hacia el final del surco
pero la mayoría de la carga suspendida se deposita antes de que el agua alcance
el final del campo. A pesar de esto, la erosión se considera solamente un
problema donde el material del suelo es removido fuera del campo, aunque algún
grado de erosión a lo largo del surco resultará en una redistribución no uniforme
de las partículas del suelo.
Una combinación de la erosión y caída del suelo causa que los surcos se
ensanchen y se hagan pocos profundos con un fondo llano. Esto reduce la
dependencia del perímetro húmedo de la profundidad del flujo y el caudal (Bautista
et al., 2014).
16
House et al. (2001) hallaron que 58% de la variabilidad de la conductividad
hidráulica (Ks) fue debido a diferencias en la densidad aparente. Por otra parte,
Lal y Shukla (2004) encontraron que 25% de la variación en los volúmenes
infiltrados puede explicarse por la variación de la densidad aparente en la
superficie, estos autores afirmaron que la correlación incrementaría cuando se
considerara una mayor profundidad del suelo.
La mayoría de los suelos donde no existen grietas, tienden a exhibir una fuerte
relación inversa entre la infiltración inicial y el contenido de humedad. Robertson et
al. (2004) demostraron que esta dependencia sigue una fuerte relación lineal.
17
relación inversa con el contenido de humedad la cual fue diferente entre los tipos
de suelo. Contrariamente, la sensibilidad de k al contenido de humedad fue mayor
para un suelo loam arenoso, es decir, no agrietado. Trabajos similares no
encontraron una relación significativa entre la infiltración básica (fo) o el parámetro
(a) y el contenido inicial de humedad (Robertson et al., 2004).
La calidad del agua tiene un impacto significativo en los rendimientos del cultivo
(Wallender et al., 1990) sin embargo, también tiene una profunda influencia en la
tasa de infiltración.
18
dispersarse en condiciones de humedecimiento (Young y Young, 2002). Un
término similar, proporción de absorción de sodio (SAR), se utiliza para describir la
proporción de la concentración de iones sodio ([Na+]), [Ca2+] y [Mg2+] en la
solución del suelo.
Cuando las raíces mueren, dejan una cantidad de macroporos conectados que
sirven como canales para acelerar la taza de infiltración. Estos canales son
responsables de la variabilidad de las tasas de infiltración final (Jouquet et al.,
2012; Kazemi y Sepaskhah, 2016) de igual forma, los organismos vivos como las
lombrices y hormigas crean vías a través de las cuales se mueven en el perfil del
suelo. Los macroporos resultantes tienen la mayor efectividad cuando el suelo
está cercano a la saturación y sirven como vía preferencial del flujo (Gillies, 2008).
19
Ragusa et al. (1994) descubrió una relación lineal inversa entre un polisacárido de
algas y bacterias contenido en los primeros 5 mm de la superficie del suelo y la
conductividad hidráulica del suelo en un canal de riego. La actividad microbiana se
ha correlacionado con las propiedades del suelo antes y después de la nivelación,
pero la relación entre estas, es con frecuencia muy difícil de generalizar.
La viscosidad del agua, también conocida como fricción del fluido, cuantifica la
resistencia interna de un líquido al flujo, está inversamente relacionada a su
temperatura. La viscosidad afecta directamente las propiedades hidráulicas del
surco por la reducción de la velocidad del flujo de la superficie del agua, pero más
importante es que determina la tasa de flujo del agua a través de los poros del
suelo. Las correcciones para las variaciones de la temperatura se consideran
raras veces durante las mediciones en campo aunque este efecto puede ser una
fuente potencial de error (McKenzie y Cresswell, 2002).
Por ejemplo, Duke (1992) midió incrementos de la temperatura sobre longitud del
surco de 22°C para condiciones soleadas y 2°C para condiciones sombreadas. Un
incremento de la temperatura a 22°C reduce suficientemente la viscosidad para
aumentar la conductividad hidráulica en 70%, y puede resultar en una mejora de la
uniformidad de distribución de la lámina aplicada. La tasa de infiltración puede ser
más sensible a los cambios de temperatura cuando está gobernada por las
propiedades de la capa superficial.
20
arenoso mostró la mayor sensibilidad a cambios en la profundidad de
almacenamiento comparado con suelos arcilloso o loam. Los parámetros k y a
aumentaron con el incremento del nivel de agua junto con una ligera disminución
de fo.
De acuerdo con Beibei et al. (2014) y Ben et al. (2015) la infiltración es el factor
más importante que afecta el riego por surcos. Este simple parámetro controla no
solamente la cantidad de agua que entra al suelo, sino también, la tasa de avance
del flujo sobre el terreno. Ningún otro factor es tan difícil de determinar o predecir
con confiabilidad y precisión. La infiltración del agua en el suelo es un proceso
físico que ha sido extensamente investigado debido a su importancia en la
agricultura. Es el aspecto más complejo de la hidráulica del riego por surcos y uno
de los factores más importantes de cuantos intervienen en el diseño de los
métodos de riego.
21
estriba en los supuestos de homogeneidad e isotropismo del perfil o en lo
elaborado de las soluciones numéricas.
Luego para melgas y surcos con pendiente se desarrollaron los modelos BISDEV
(Previamente llamado BORDEV) y FISDEV (previamente llamado FURDEV).
Finalmente se desarrolló el programa SURDEV (Jurriens et al., 2002) el cual
consiste en un paquete de tres programas para el riego por superficie: BASDEV
para melgas por inundación, BORDEV para melgas por escurrimientos y FURDEV
para el riego en surcos. Este modelo como sus antecesores se basa en el modelo
matemático de balance de volumenes, el cual utiliza la técnica descrita por Walker
y Skogerboe (1987).
22
El USD-ARS (United Deparment of Agricultural–Arid Land Agricultural Research
Center), desde la década del 70, ha estado involucrado en el desarrollo de
modelos de simulación hidráulica y softwares relacionados para analizar los
métodos de riego por superficie (Bautista et al., 2009).
Clemmens (1995) citado por Bautista et al. (2009) desarrolló el modelo BASIN
para el diseño y evaluación de grandes melgas niveladas a cero, con la utilización
del modelo de inercia cero. Strelkoff (1990) citado por Bautista et al.(2009)
desarrolló el modelo BORDER, como herramienta de diseño para melgas con
pendientes y desagüe al pie.
Después del trabajo realizado se inicia una nueva etapa de desarrollo, inicialmente
se desarrolló el modelo SRFR ( Strelkoff et al., 2000). Finalmente, una nueva
generación de modelos se desarrolla desde 2004, obteniéndose como resultado el
modelo WINSRFR, con actualizaciones en 2006, 2007 y finalmente en 2009, con
la utilización de los modelos matemáticos de inercia cero y onda cinemática
(Shilardi, 2010).
La Universidad del estado de Utah, a fines de los años ochenta, desarrolló dos
modelos que fueron difundidos por la FAO: SURFACE y SIRMOD. Estos modelos
permiten el diseño y evaluación de grandes melgas, melgas y surcos para distintas
formas de operación (uso de dos caudales, reuso del agua y riego por pulsos),
utilizando el método de balance de volúmenes. En 1993 la Universidad Utah
desarrolló el programa SIRMOD. Finalmente en 2003 se desarrolló la última
versión SIRMOD III (Walker, 2003) que incorpora los modelos matemáticos de
onda cinemática, inercia cero e hidrodinámico. Hoy en día, este modelo se difunde
23
mundialmente y es reconocido por la comunidad científica internacional como
modelo de referencia para la evaluación, operación y diseño del riego por
superficie.
En este sentido, el código WinSRFR 2.1 (Walker et al., 2006) permite determinar
la lámina de agua infiltrada a lo largo del surco basándose en las ecuaciones de
Saint Venant y la función de infiltración de Kostiakov. Por otra parte, el código
HYDRUS (Simunek et al., 2006) permite simular la distribución de agua en el suelo
en riego por surcos mediante la ecuación de Richards (Abbasi et al., 2004; Arbat
et al., 2007; Mailhol et al., 2007; Crevoisier et al., 2008)
24
Varios trabajos han sido reportados para la estimación de los parámetros de
infiltración. Khatri y Smith (2006) usaron seis métodos diferentes para estimarlos.
Estos fueron: el de dos puntos de Elliott y Walker (1982) el modelo INFILT
(McClymont y Smith, 1996) el de un punto de Valiantzas (Valiantzas et al., 2001) el
de un punto de Shepard (Shepard et al., 1993) y una función de infiltración lineal
simple (Austin y Prendergast, 1997). Sus resultados mostraron que NFILT fue el
más preciso. Los métodos de estimación lineal y de dos puntos también se
ajustaron bien.
25
Strelkoff et al. (2009) y Bautista et al. (2009) dividieron los métodos para la
estimación de la infiltración y la rugosidad en dos grupos generales. El primer
grupo brinda solución directa mediante el uso de la teoría del balance del volumen.
En el segundo la solución inversa se obtiene al ajustarse los datos medidos y
observados. Tales resultados deben evaluarse para fiabilidad, convergencia y
unicidad.
Para suelos arcillosos, Berndtsson (1987) encontró que la sortividad (S) varió
entre 0 y 525 mm h-1/2. El factor A en el modelo de Philip, puede aproximarse a la
conductividad hidráulica saturada (Ks) para períodos largos (Andrés et al., 2008;
Stewart et al., 2013). El ajuste de los datos de infiltración medidos a partir del
modelo de Philip conduce a A=Ks, cuando el tiempo tiende a infinito (Philip, 1957;
Andrés et al., 2008). Mishra et al. (2003) mostraron que A varió desde 50 a 75%
del valor de Ks.
Duffera et al. (2007) también mostraron que los valores de la tasa de infiltración
final y Ks no fueron iguales en todo el período. La sortividad es función de la
succión del suelo, la cual, es importante para conocer las propiedades hidráulicas
del suelo. Este parámetro se define como una cantidad física que muestra la
capacidad de un medio poroso para la absorción capilar y ceder agua dentro del
suelo (Philip, 1957). Los valores de S elevados suponen la presencia de
macroporos (Kannan y Abate, 2015) desarrollados por actividad biológica y
demuestran que el suelo se encuentra con déficit hídrico al momento de efectuar
las pruebas de infiltración, supuesto corroborado con los datos de los contenidos
de humedad hallados en campo.
26
De las partículas del suelo, las que mayor incidencia tienen en los parámetros de
los modelos son los contenidos de arena y de arcilla. Rodríguez et al. (2008)
reportan un comportamiento similar de estas correlaciones cuando el contenido de
humedad del suelo es bajo. Por otra parte, estos autores encontraron que si
aumenta el contenido de agua en el suelo, los parámetros de los modelos varían,
presentándose cambios en las correlaciones, especialmente las relacionadas con
la densidad del suelo () y los contenidos de arena, limo y arcilla.
Esos procesos dependen de las variables que determinan el estado del sistema
hidrológico, es decir, de la intensidad y duración de las precipitaciones,
condiciones antecedentes de humedad, características físicas e hidráulicas del
suelo, estado de la superficie del suelo, cobertura vegetal, composición mecánica
del suelo y de la intervención del hombre por lo que no es posible obtener una
expresión única para toda una unidad taxonómica de suelo debido a la falta de
uniformidad (Menhg et al., 2006).
Gillies (2008) considera que los efectos de larga duración del uso del suelo
cambian la capacidad de infiltración del mismo y de predicción de los modelos de
infiltración (por ejemplo: Horton, Kostiakov y Philip), pero solo uno o algunos de
estos modelos son apropiados para un lugar específico. De esta manera, los
27
modelos de infiltración deben analizarse por su capacidad para estimar la tasa de
infiltración e infiltración acumulada en cada localidad.
Ruth et al. (2014) y Thais et al. (2016) son del criterio que la capacidad de los
modelos de infiltración deben evaluarse en diferentes condiciones; varios de ellos
pueden suponer una tasa de infiltración final diferente y en consecuencia, una
infiltración acumulada diferente para un mismo suelo, lo cual no es correcto ya que
la infiltración es dependiente de parámetros del suelo.
Se han realizado varios intentos para definir los valores de a, k y fo en función del
tipo de suelo. Entre los primeros pueden mencionarse los del Departamento de
Agricultura de los EE.UU, más tarde Merriam y Clemmens (1985) (mencionado por
Walker, 2003) seguidos por la Universidad del Estado de Utah (Walker y
Skogerboe, 1987) y finalmente en 1997, se desarrollaron nuevos conjuntos de
valores como parte de la investigación realizada en el marco del desarrollo del
programa de simulación de riego SIRMOD III (Walker, 2003).
28
Estos valores que caracterizan las familias de infiltración figuran en el Anexo 2.
Lamentablemente todavía no hay valores disponibles de ―c‖ (Morábito et al., 2012).
Las familias de infiltración son usadas para el diseño de la longitud de las
unidades de riego (surcos o melgas) con o sin desagüe. Se designa con un
nombre (ML: moderadamente lenta, L: lenta, entre otros) y un código o número
que indica la velocidad de infiltración en mm h-1.
(1.1)
donde: k y a son únicos para cada familia y son dependientes unos de otros
(Valiantzas et al., 2001); 0,007 el valor constante asumido para la infiltración
inicial; P el perímetro húmedo, m; Ws el espacio entre surcos, m. La función
resultante tiene la ventaja de contener solamente un parámetro desconocido. Los
suelos se agrupan en familias según su tasa de infiltración final.
Los modelos pueden ser clasificados según la forma en que estos intenten
representar la realidad, existiendo así modelos verbales, conceptuales, físicos y
matemáticos, entre otros. Si bien la ciencia ha desarrollado y aplicado modelos por
siglos (Van Ittersum y Donatelli, 2003) su amplio desarrollo solo se alcanzó
cuando los computadores se hicieron más disponibles alrededor de 1970
29
(Passioura, 1996; Monteith, 1996). A consecuencia de esto, emergieron dos tipos
de modelos matemáticos, que fueron denominados funcional y mecanístico.
30
o parcialmente funcionales y, por lo tanto, representan un compromiso entre rigor
y utilidad.
Un esquema menos simple considera que los modelos de cultivo tratan con
procesos a distintos niveles (cultivo, planta, órgano, entre otros) y que un modelo
es mecanístico cuando el comportamiento de un sistema a cierto nivel, es descrito
por mecanismos o procesos que operan a niveles más bajos (Sinclair y Seligman,
2000; Ebrahima et al., 2015). Por lo tanto, a cierto nivel jerárquico de organización,
todos los modelos resultan ser funcionales.
31
1.7.3. Generalidades del modelo AquaCrop
El modelo AquaCrop V.4 (Raes et al., 2012) realizado por la División de Tierra y
Agua de la FAO, ha sido desarrollado y orientado a cultivos anuales y constituye la
primera revisión del Documento No. 33 de la FAO: Respuesta del Rendimiento al
Agua de Cultivos (Doorenbos y Kassam, 1979).
En la actualidad, existe muy poca literatura que reporte el estudio del cultivo del
frijol con el uso del modelo AquaCrop. Algunos de los investigadores que han
aplicado el modelo para otros cultivos son: Farahani et al. (2009) y García et al.
(2009) quienes investigaron el modelo AquaCrop para el cultivo del algodón en
regímenes de riego óptimo y deficitario en Siria y España, respectivamente. Estos
autores mostraron que los parámetros clave como productividad del agua
normalizada, cobertura foliar y biomasa total, para la parametrización deben
evaluarse en diferentes climas, suelos, cultivos, métodos de riego y manejo del
campo.
Geerts y Raes (2009); Heng et al. (2009); Todorovic et al. (2009) y Hsiao et al.
(2009) aplicaron el modelo AquaCrop para evaluar el efecto de los cambios en la
32
cantidad de agua de riego para la quínoa, maíz y girasol, respectivamente. Todos
los investigadores estudiaron cuidadosamente que el modelo AquaCrop es un
nuevo modelo para análisis de escenarios y que provee un buen balance entre
robustez y precisión en la salida.
Salemi et al. (2011) y Mkhabela y Paul (2012) evaluaron el modelo AquaCrop para
simular el crecimiento del trigo en condiciones de riego óptimo y deficitario, y
encontraron que el modelo simuló muy bien la cobertura foliar, rendimiento del
grano y productividad del agua.
Cid et al. (2011) explican que diferentes instituciones en Cuba han realizado
trabajos para precisar las necesidades hídricas de los cultivos y encontrar el
manejo óptimo del riego que garantice un máximo de rendimiento. Estos trabajos
han permitido estudiar, en una primera aproximación, la dinámica del agua en
estos suelos para diferentes cultivos, lo que ha proporcionado una amplia
información en cuanto a los requerimientos de agua de las plantas.
Así son los casos de los trabajos de Ruíz (1997) y López et al. (2001) dirigidos a la
cuantificación precisa de los elementos del balance hídrico sobre la base de las
leyes generales que rigen el movimiento del agua en el suelo, en los que alertaban
sobre la necesidad de recurrir a la modelización, igualmente, hay que añadir los
casos del SWATCROP y el SWATRE, para el cultivo de la papa (Solanum
tuberosum) evaluado y validado por Ruíz (1997); mientras que López et al. (2002)
validaron el STICS (Brisson, 1997) y Rodríguez y López (2000) el modelo MACRO
para la obtención del balance hídrico del suelo.
El ciclo vegetativo a frijol seco está entre 90 a 100 días en los cuales el cultivo
requiere entre 350 a 500 mm de agua en dependencia de la profundidad del suelo,
clima y el cultivar (Beebe et al., 2010). La falta de agua durante las etapas de pre
floración, formación y llenado de vainas afecta seriamente el rendimiento (Muñoz
et al., 2007).
34
Para esta planta una cantidad de agua entre 300 y 400 mm, incluidos riegos y
precipitación, son suficientes para obtener una buena producción de frijol. El
mayor consumo de agua se presenta durante los períodos de floración y formación
del grano (Ríos et al., 2002)
35
1.10. Conclusiones parciales
El riego superficial ocupa el primer lugar a nivel mundial, no solo porque ocupa el
mayor número de áreas regadas, sino también, porque es el método más
apropiado, técnicamente, para suelos llanos y pesados y económicamente para
muchos cultivos y sistemas de producción.
Entre los factores que influyen en la velocidad o tasa de infiltración que son
fácilmente observables, se puede mencionar el contenido inicial de humedad del
suelo, relacionado inversamente con la tasa de infiltración; la textura y estructura
del suelo; la condición de superficie (suelo desnudo, con presencia de costra, o
existencia de vegetación); cantidad de materia orgánica; temperatura del suelo y
calidad del agua.
36
2. MATERIALES Y MÉTODOS
37
(2.1)
donde: es la densidad del suelo, g cm-3; la densidad de la fase sólida del suelo,
g cm-3; θcc el contenido de humedad volumétrica a capacidad de campo, cm3 cm-3;
θPMP el contenido de humedad volumétrica en el punto de marchitez permanente
expresado, cm3 cm-3; θSAT el contenido de humedad volumétrica a saturación, cm3
cm-3; KSAT la conductividad hidráulica a saturación, mm h-1; ic la velocidad de
infiltración básica, mm h-1; la porosidad del suelo, %.
38
diarios de temperatura, velocidad del viento, humedad relativa, precipitación y
radiación solar.
El área experimental se dividió en tres parcelas con ancho de 7,20 m cada una,
para un área de 720 m2 (0,072 ha). El área de muestreo dentro de cada parcela
estuvo compuesta por los tres surcos centrales con espaciamiento de 0,70 m. Se
consideraron a lo largo de cada parcela tres subparcelas al inicio, centro y final
con longitud parcial de 33,33 m, las cuales se utilizaron como réplicas para las
mediciones de diferentes variables.
39
La variedad de frijol utilizada en la investigación fue Delicias 364, con un marco de
plantación de 0,15x0,70 m, la siembra se realizó en el mes de diciembre, las
labores agrotécnicas se realizaron de acuerdo con lo establecido por el Instructivo
Técnico del Frijol (2009).
En la entrada del campo se extrajo una muestra del agua a los efectos de
cuantificar su conductividad eléctrica (Ce) mediante un conductímetro marca
Hanna, modelo PWT HI98308 (Anexo 6B). Se obtuvo un valor de 0,30 ds m-1, lo
40
que clasifica como buena y sin riesgos para producir problemas de infiltración
(Ayers y Westoot, 1987).
Con las mediciones del perfilómetro se construyeron gráficos en Excel los que se
transformaron en imágenes JPG para calcular el perímetro y el área del surco
mediante el software ImageTool para Windows, versión 3.0 (Wilcox et al., 2002).
41
El volumen de escorrentía fue medido con una cubeta de 20 L de capacidad.
Durante estas mediciones se registró el caudal de salida para la determinación de
la infiltración básica (Anexo 7B).
La duración de las etapas de desarrollo para el cultivo del frijol, según criterio de
Allen et al. (1998) y Martín de Santa Olalla (2005) fueron calculadas en función del
porcentaje de cobertura foliar acorde con la metodología propuesta por Hsiao et al.
(2009). Se ubicó una malla de un metro cuadrado con cuadrículas de 0,10x0,10 m
sobre la cobertura foliar y se tomó una foto en plano vertical con cámara digital,
marca Kodak, de 12 MP con un lente de 35 mm (Anexo 10).
El total de fotos fue de 12 por variante en cada una de las evaluaciones con una
frecuencia de 10 días. Las fotos se procesaron con el software ImageTool para
Windows, versión 3. Las etapas observadas en condiciones de campo (inicial,
desarrollo de la cobertura foliar (DCF), media y final) se compararon con las
simuladas mediante el modelo AquaCrop.
42
2.5.10. Medición de la biomasa seca aérea
Con una frecuencia decenal se tomó una muestra total de 50 plantas por cada
variante experimental las cuales fueron secadas a una temperatura de 62°C hasta
peso constante, el mismo se tomó con una balanza técnica, marca startorius
Bs124s con precisión de 0,1 miligramo.
(2.2)
(2.3)
(2.4)
(2.5)
⁄
(2.6)
43
El área de la sección transversal en el extremo inicial del surco , puede
determinarse para cualquier flujo, , , y pendiente del campo, So, mayor
de 0,0001 como sigue:
[ ] (2.7)
[ √ √ ]
[ ]
[ √ ]
(2.8)
[ √ √ ]
(2.9)
( )
[ ]
( )
(2.10)
( )
(2.11)
El tirante de agua se midió en cada riego con una cinta métrica en tres puntos de
los surcos evaluables en el inicio (10 m), medio (50 m) y final (90 m) de la unidad
de riego evaluada.
44
Las mediciones fueron realizadas a los 20, 40, 60 y 80 m en cada variante
experimental lo que generó un total de 12 pares de valores. Este procedimiento
permitió determinar las trasformaciones de la sección trasversal durante el período
del riego. Para lo cual se emplearon las siguientes ecuaciones:
( ) *√ ( √ )+ (2.12)
(2.13)
( ) (2.14)
(2.15)
(2.16)
45
2.8. Determinación de la lámina infiltrada acumulada
(2.17)
∑ ( )
(2.18)
∑ ( ̅̅̅)
La raíz del error cuadrático medio representa una medida de la desviación total o
media entre los valores observados y simulados (Willmott, 1982).
46
∑
√ (2.19)
∑
√ (2.20)
̅
El índice de aceptación es una medida del error relativo en las estimaciones del
modelo. Es un número adimensional que varía entre 0 y 1. Se consideran valores
altos cuando es mayor que 0,65 (Krause et al., 2005).
∑
̅| | ̅|
(2.21)
∑ |
La evaluación del desempeño del riego por surcos se realizó según la metodología
descrita por Playán et al. (2005). Se consideraron seis indicadores: uniformidad de
aplicación (UD); eficiencia de aplicación (EA); percolación profunda (PP);
escorrentía superficial (ES); eficiencia en la satisfacción (Er) y coeficiente de déficit
(Cd); los que se describen a continuación:
̅̅̅̅̅
(2.22)
(2.23)
(2.24)
(2.25)
47
(2.26)
(2.27)
donde: Z 25 es la dosis de riego del cuarto más bajo, mm; Z la dosis media, mm;
(2.28)
(2.29)
48
(2.30)
(2.31)
(2.32)
Tabla 2.2. Parámetros conservativos del cultivo del frijol usados en la simulación
Descripción Valor Unidad
o
Temperatura base 15 C
o
Temperatura superior 30 C
Cobertura foliar a 90% de germinación 5 cm2
Umbral superior para la expansión foliar 0,15 -
Umbral inferior para la expansión foliar 0,65 -
Umbral para el cierre estomático 0,5 -
Fracción de agotamiento para la 0,7 -
senescencia
Productividad del agua normalizada para 15 g m-2
CO2
Índice de cosecha (HI) de referencia 35 %
49
Para evaluar el modelo en las condiciones específicas de la localidad se utilizaron
los parámetros recomendados por Raes et al. (2012): fecha de plantación,
densidad de plantación, plantas ha-1; días a la geminación, d; cobertura foliar
máxima ,%; inicio de la senescencia, d; días a la maduración, d; inicio de la
floración, d; duración de la floración, d; profundidad efectiva mínima de las raíces,
m; profundidad efectiva máxima de las raíces, m; biomasa área, t ha-1;
rendimiento, t ha-1.
50
2.12 . Optimización de la función de producción
(2.33)
(2.34)
51
siendo:
(2.35)
(2.36)
(2.37)
(2.38)
siendo:
(2.39)
(2.40)
(2.41)
(2.42)
52
Para comprobar si Va es un máximo de la función de ganancia se determinó si
para diferentes volúmenes de agua superiores e inferiores al valor económico, la
función de producción y la función de ganancia se comportan de forma
ascendente o descendente alrededor del valor económico encontrado. Los valores
del volumen de agua utilizado fueron respectivamente de 70 y 40% por debajo y
por encima del valor económico obtenido, según sugiere López (2010).
(2.43)
(2.44)
(2.45)
(2.46)
(2.47)
(2.48)
(2.49)
(2.50)
(2.51)
53
salario total (CUP ha-1); las horas por hectárea trabajadas (h ha-1); tarifa
-1 -1
horaria (CUP h ), el costo total (CUP ha ); cada uno de los costos incurridos
(CUP ha-1); los Ingresos brutos (CUP ha-1); el rendimiento (t ha-1); el
precio de venta de la producción obtenida (CUP t-1) se aplicó un precio de 19 560
(CUP t-1); el beneficio neto (CUP ha-1).
54
3. RESULTADOS Y DISCUSIÓN
En el presente capítulo se exponen los resultados de la investigación, los cuales
demuestran que el modelo AcuaCrop funcionó de forma satisfactoria en la
simulación de la cobertura foliar, la biomasa seca y el balance de humedad del
suelo. Se comprobó que los parámetros propuestos para el diseño y manejo del
riego por surcos para la producción del cultivo de frijol en suelos Aluviales
(Fluvisoles), permiten obtener eficiencias de aplicación superiores al 60% para
longitudes de 200 m; se expone, además, el análisis mediante técnicas de
optimización, que permitió calcular el volumen de agua que garantiza un máximo
físico y económico.
En el proceso de riego en el cultivo del frijol, se comprobó que la sección del surco
sufre importantes modificaciones a causa de la influencia del caudal de entrada, la
pendiente, la rugosidad y otras variables de diseño y manejo del riego; por lo que
la sección trapezoidal original, pasó a ser de tipo parabólico; especialmente en el
primer riego, que es donde ocurren los cambios más notables de la geometría del
surco, como puede observarse en la figura 3.1, donde se muestra el
comportamiento de la sección transversal en el primer riego (PR), segundo riego
(SR), tercer riego (TR) y riegos sucesivos (RS).
55
de la sección transversal y la pendiente del surco determinan el volumen de agua
que puede almacenarse durante el riego.
56
En la tabla 3.1 se muestran las ecuaciones que mejor describen la forma de la
sección transversal del surco según el caudal aplicado. Se comprobó que los
modelos polinomiales de segundo orden mostraron los mejores ajustes entre la
profundidad del surco (y) y la distancia medida desde el extremo izquierdo del
ancho del surco (x), con un R2 que varía entre 96,43 y 98,64% para un nivel de
significación de p<0,01.
Tabla 3.1. Ecuaciones para las formas de las secciones transversales del surco
Formas Ecuación del Modelo R² (%) Significación
Q1-I y= 0,241758 + 1,1733x-0,0192757 x2 97,00 **
Q1-F y = -0,105769 + 0,893544x-0,0143681x2 96,43 **
2
Q2-I y = 0,674451 + 1,16877x-0,0197977x 98,48 **
2
Q2-F y = 0,686813 + 0,81511x-0,0136813 x 98,57 **
Q3-I y = -0,254121 + 1,2782y-0,0207592 x2 97,86 **
Q3-F y= 0,572802 + 0,931406x-0,015512 x2 98,64 **
Nota: Q1-I, Q2-I y Q3-I: forma del surco al inicio del experimento; Q1-F, Q2-F y Q3-F: forma del
surco al final del experimento con la aplicación de los caudales Q1, Q2 y Q3.
El parámetro 2 alcanzó valores promedio de 0,4 para los riegos sucesivos, y entre
0,60 y 0,45 en el primer y segundo riego, respectivamente, en dependencia de la
altura máxima, el ancho máximo y medio; así como el ancho de la base del surco.
Se comprobó que de estas variables, la altura máxima del surco fue una de las
que mostró mayor sensibilidad, porque sufrió las mayores modificaciones a partir
de la variación del número de riegos y los caudales aplicados como se observa en
la figura 3.2.
0,60
0,50
0,40
0,30
0,20
0,10
0,00
AR PR SR RS AR PR SR RS AR PR SR RS
Q1 Q2 Q3
Número de riego
Figura 3.2. Parámetro geométrico del surco (2).
Nota: AR antes del riego; PR el primer riego, SR el segundo riego y RS los riegos sucesivos.
Los resultados del parámetro 2 fueron inferiores a los obtenidos por Eldeiry et al.
(2005) en un suelo arcilloso con valores que oscilaron entre 0,91 y 0,99. Estas
diferencias pueden atribuirse a que se trabajó con cuatro longitudes comprendidas
entre 15 y 90 m, así como, caudales entre 0,75 y 2,4 L s-1 que fueron menores a
los utilizados en esta investigación.
Los parámetros 1 y 2 están muy relacionados entre sí; por lo que las variaciones
del primero se producen por las mismas causas descritas anteriormente. El valor
promedio de este parámetro fue de 2,33 para el primer riego; varió entre 1, 60 y
1,75 en el segundo y se estabilizó con un valor de 1,57 en los riegos sucesivos. En
general, mostró una tendencia similar al parámetro 2 como puede observarse en
la figura 3.3. Estos valores son similares a los reportados por Eldeiry et al. (2005) y
Behrouz y Moravejalahkami (2006) en condiciones similares a la de esta
investigación en Irán y Egipto, respectivamente.
58
3,50
3,00
2,50
Parámetro (1)
2,00
1,50
1,00
0,50
0,00
AR PR SR RS AR PR SR RS AR PR SR RS
Q1 Q2 Q3
Número de riego
Figura 3.3. Parámetro geométrico del surco (1).
Nota: AR antes del riego; PR el primer riego, SR el segundo riego y RS los riegos sucesivos.
59
similares, con valores promedio de 21,86%. La reducción promedio del área para
este caudal evaluado fue de 25,62%.
Distancia Q1 Q2 Q3
(m) Ai AF RA Ai AF RA Ai AF R
(m2) (m2) (%) (m2) (m2) (%) (m2) (m2) (%)
20 0,086 0,060 30,01 0,080 0,055 30,53 0,079 0,048 40,02
40 0,068 0,051 25,13 0,078 0,056 28,25 0,082 0,049 39,98
60 0,069 0,054 20,48 0,079 0,062 22,17 0,075 0,054 27,74
80 0,072 0,057 19,72 0,080 0,063 21,56 0,071 0,055 22,24
Promedio 0,074 0,056 23,83 0,079 0,059 25,62 0,076 0,052 31,58
Nota: Ai es el área inicial del surco; AF el área final del surco y RA la reducción del área del surco.
Los resultados anteriores indican que para iguales condiciones de tipo de suelo,
pendiente del terreno, forma inicial del surco y caudales evaluados, las mayores
modificaciones se producen en los primeros 40 m y las menores en los 80 m. Este
comportamiento puede explicarse a partir de la característica del riego superficial,
donde el agua al desplazarse sobre la superficie del suelo produce un aumento de
la infiltración con la longitud por lo que se origina un volumen de agua menor a lo
largo del surco.
60
ocurridos obedecen a un movimiento pasivo de suelo relacionado con
hinchamiento y acomodo de las partículas.
61
El mejor comportamiento se encontró con el método de la sección transversal para
el primer y séptimo riego con un coeficiente de determinación de 0,93 y 0,77,
respectivamente; sin embargo, en el caso del método del elipsoide este coeficiente
fue relativamente menor con valores de 0,70 y 0,35 para el primer y último riego,
respectivamente.
En el caso específico del método del elipsoide la causa fundamental del error se
debe a que se requiere la utilización de integrales complicadas para el cálculo del
perímetro; no obstante, se logra una aproximación con un margen de error menor
del 5% siempre que el ancho superficial del flujo no sea mucho mayor que su
profundidad. En esta investigación el ancho superficial fue como mínimo 3 veces
mayor que la profundidad, lo cual influyó en la poca precisión del método del
elipsoide.
62
trapezoidal casi triangular, y cuando tiende a la sección parabólica se logra una
mayor correspondencia con este modelo que utiliza la ecuación de la parábola.
En la figura 3.6 se muestran las curvas de avance del agua para los caudales Q1,
Q2 y Q3 en diferentes momentos de riego. En el primer riego se observó que el
tiempo de avance fue proporcionalmente tres veces más rápido con la aplicación
del caudal de 3 L s-1 en comparación con el de 1 L s-1. Esta diferencia se reduce
hasta dos veces en el segundo riego y en los riegos sucesivos.
63
similares en el caso de la comparación entre los caudales de 2 L s-1 y 3 L s-1
(Q2/Q3) para los mismos riegos; aunque se encontró la proporción más elevada
en el primer riego.
64
precedente y la presencia de ramas del cultivo, pero el principal es el fenómeno de
agrietamiento que se presentó en este tipo de suelos, el cual favoreció la
infiltración del agua y ralentizó el movimiento del flujo de agua, lo que coincide con
lo expuesto por Mostafazadeh y Kavei (2010). Los valores promedio por número
de riego se presentan en el Anexo 13.
En la tabla 3.3 se exponen los datos de distancia y tiempos de avance para los
caudales Q1, Q2 y Q3 en el primero y segundo riegos, así como, en los sucesivos.
Se observa que se obtuvo en todos los casos un elevado coeficiente de
determinación, el cual varió entre los valores de 0,97 y 0,99, lo que indica que el
modelo potencial proporciona un excelente ajuste entre las variables analizadas.
65
Los resultados obtenidos para los parámetros de ajuste p y r estuvieron en
correspondencia con las características del suelo Fluvisol y las condiciones
específicas con que se efectuó el riego durante la fase experimental y son
similares a los mencionados por Grassi (2000); Walker et al. (2006) y Haneyeh y
Hamidreza (2013) los cuales afirman que la pendiente de estas funciones es
directamente proporcional al caudal, la pendiente del terreno, las características
hidráulicas del flujo, la rugosidad de la superficie y las características físicas del
suelo.
66
A partir de estos valores es posible estimar el patrón de humedecimiento
subsuperficial del surco, considerándose la magnitud del tiempo de oportunidad de
infiltración. En general, los parámetros de la ecuación de infiltración, tienen una
variabilidad temporal para un mismo tipo suelo y caudal.
La figura 3.7 muestra las láminas infiltradas acumuladas simuladas por los
modelos de Kostiakov, Kostiakov-Lewis y Philip en función de la distancia y el
caudal aplicado. Los resultados obtenidos permitieron confirmar que para todos
67
los casos evaluados las funciones de infiltración de Kostiakov y Kostiakov-Lewis
mostraron comportamientos muy similares para los diferentes tiempos de riego
medidos; también se observó una tendencia de las tres funciones a comportarse
de forma equivalente en la medida en que se incrementó el tiempo de riego en los
surcos.
68
Los resultados sobre láminas infiltradas acumuladas encontrados en esta
investigación concuerdan con Machiwal et al. (2006) y Rahimi (2011) quienes
obtuvieron que para tiempos cortos (90 min, 110 min, y 120 min) los modelos de
Kostiakov y Kostiakov–Lewis fueron mejores que el de Philip.
En la figura 3.9 se presentan los resultados del ajuste gráfico de los valores de las
láminas infiltradas acumuladas observadas en la parcela experimental y las
simuladas con los modelos de infiltración. Se demostró que los modelos simularon
razonablemente bien las láminas infiltradas, no obstante, el modelo de Kostiakov-
Lewis presentó las menores desviaciones para láminas pequeñas, lo cual está en
correspondencia con los tiempos de oportunidad. En el caso del modelo de
Kostiakov se encontró un mayor rango de dispersión en comparación con el
modelo anterior aunque el ajuste gráfico fue satisfactorio para láminas mayores.
Las dispersiones más notables se observaron en el modelo de Philip, sobre todo
para las láminas más pequeñas.
70
Kostiakov, Kostiakov-Lewis y Philip, respectivamente, como se observa en la tabla
3.5. Esto demostró que los tres modelos fueron capaces de simular el agua
infiltrada en un suelo Fluvisol, lo que se corresponde con los resultados
encontrados por Igbadun e Idris (2007) en investigaciones realizadas en Nigeria,
en un suelo franco arcilloso.
Para una mejor compresión de este valor se analizó el NRMSE que demostró que
la simulación con el modelo de Kostiakov-Lewis fue excelente al tener un valor de
71
5,9%. Las simulaciones con los modelos de Kostiakov y Philip resultaron ser
buenas al encontrarse valores de 12,7 y 16,5%, respectivamente. Los índices EF y
d lograron alcanzar resultados superiores a 0,98 lo que indica el buen ajuste de los
datos observados y simulados.
Varios son los investigadores que han reportado resultados diferentes con relación
a la evaluación del desempeño de estos modelos. En este sentido, Igbadun e Idris
(2007) encontraron que en suelos hidromórficos las diferencias medias absolutas
entre las láminas infiltradas y las simuladas variaron entre 1,01 y 2,64 mm, con el
modelo de Kostiakov; entre 1,98 y 4,34 mm, con el modelo Kostiakov-Lewis y
entre 1,38 y 4,42 mm, con el modelo de Philip; no obstante, no se encontraron
diferencias estadísticas entre los modelos de Kostiakov y Kostiakov-Lewis, pero si
entre estos y el modelo de Philip para los niveles analizados (p>0,05, p>0,01).
Por otra parte, Ramezani et al. (2011) además de encontrar valores satisfactorios
de R2 (0,87), obtuvo valores más discretos de este índice (0,54). Este mismo autor,
alcanzó valores de RMSE entre 1,09 y 1,1 mm con una EF promedio de 0,75 en la
evaluación del modelo de Kostiakov para la predicción de la lámina infiltrada.
72
obtenidos en esta investigación; sin embargo, Haghighi et al. (2010) encontraron
que con este modelo se alcanzaron los mayores errores de estimación de la
infiltración acumulada en un suelo franco arcilloso limoso.
En la tabla 3.7 se realiza el análisis de los parámetros de desempeño del riego por
surcos ES, PP, Ea, Er, Cd y UD. Los resultados demostraron que la escorrentía
superficial (ES) alcanzó los mayores valores en el primer riego y se redujo en el
segundo. Sin embargo, se observó un incremento en los riegos sucesivos hasta
73
niveles próximos al obtenido en primer riego, aunque resultó ser superior cuando
se aplicó el caudal de 3 L s-1.
Las pérdidas por percolación profunda (PP) fueron bajas en todos los riegos
efectuados con los caudales Q1, Q2 y Q3, obteniéndose un valor promedio de
10,19%. Estos resultados demuestran que bajo condiciones de un manejo
adecuado el riego por surcos puede reducir las pérdidas de agua por percolación
profunda. Al comparar los valores obtenidos con otros autores como Catalina
(2003) se observó que este obtuvo pérdidas superiores con valores comprendidos
entre 23 y 55%.
74
Este comportamiento se debe al contenido de humedad inicial, el cual es
considerado por muchos autores como la variable que más influye en el
movimiento del agua sobre la superficie del suelo y a la disminución de la
rugosidad y el sellamiento de los espacios porosos del suelo después del primer
riego. El segundo riego debe ser ligero, en un intervalo más corto que el resto de
los riegos; en este caso se realizó 6 días después del primero. El resto de los
riegos tuvieron intervalos entre 9 y 10 días.
En este sentido, Playán et al. (2005) opinan que cuando un sistema de riego está
bien adaptado a unas condiciones particulares de topografía, suelo, suministro de
agua y cultivo, su eficiencia depende básicamente del nivel del manejo. Catalina
(2003) y Schilardi (2010) obtuvieron valores de 30 y 53% en suelos arcillosos, que
están dentro del rango alcanzado en esta investigación.
75
La uniformidad de distribución (UD) se consideró alta (Playán et al., 2005) para
esta técnica de riego, con un valor promedio de 76,97%. Su comportamiento bajo
estas condiciones, manifestó un incremento en los segundos riegos, con valores
de 81,39; 83,83 y 83,85% para los caudales Q1, Q2 y Q3, respectivamente, con
un promedio de 83,02%.
76
La variable caudal también correlacionó de forma alta, significativa y negativa con
la Ea, de donde se deduce que para una misma longitud, el aumento del caudal es
en detrimento de la Ea; por otra parte, el caudal correlacionó de forma alta,
significativa y positiva con ES, lo cual quiere decir que para una misma longitud el
aumento del caudal genera mayor escorrentía, sin embargo, no correlacionó de
forma significativa con ningún otro parámetro o variable; no obstante, se conoce
que este influye en el tiempo de riego; pues a mayor caudal menos tiempo de
avance.
El análisis anterior permitió comprobar la complejidad del diseño del riego por
surcos, puesto que la mejora de unos parámetros o variables, en ocasiones
provocó el deterioro de otros, lo cual puede resolverse con el uso de las
77
herramientas actuales y la utilización de modelos matemáticos que proporcionan
soluciones a tales complejidades.
78
En relación con este resultado, Konuku y Delibas (2006) demostraron que para
una cierta pendiente, la eficiencia máxima para una longitud de surco particular se
alcanza el aplicarse el menor caudal, y que si este se incrementa la longitud del
surco debe incrementarse para no disminuir la eficiencia.
79
3.10. Análisis del rendimiento
DE=0,22
3,50
a
Rendimiento (t ha-1)
3,00 b
c
2,50
2,00
1,50
1,00
0,50
0,00
Caudal (L s-1)
80
es el período de máximo crecimiento vegetativo del cultivo y a los 70 días que se
corresponde con el inicio de la senescencia hasta alcanzar finalmente un valor de
cero, pues esta variedad tiene como característica que la caída de las hojas se
produce casi de forma masiva en pocos días. En general, se encontró que el
modelo logró una satisfactoria correspondencia entre los valores simulados y
observados.
90
80
Cobertura foliar(%)
70
60
50 Observado
40 Simulado
30
20
10
0
10 20 30 40 50 60 70 80
Esa misma tendencia fue encontrada por Steduto et al. (2009); Araya et al. (2010);
Salemi et al. (2011); Montoya (2013); Ruíz (2014); Alishiri et al. (2014); Bitri y
Grazhdani (2015) en la parametrización de los cultivos de maíz, cebada, papa,
frijol, trigo de invierno, remolacha y maíz respectivamente. Estos autores señalan
que durante la fase de crecimiento y de senescencia el modelo muestra las
mayores diferencias con respecto a las observaciones.
81
De forma general, se comprobó que el modelo AquaCrop simuló las fases de
desarrollo de forma satisfactoria, lo que se justifica por los valores favorables
encontrados a partir de los indicadores estadísticos R2 (0,95), RMSE (9,9%),
NRMSE (20%), EF (0,94) y d (0,99), como se observa en la figura 3.13. Estos
resultados son similares a los reportados por Hsiao et al. (2009).
6,0
5,0
Biomasa (t ha-1)
4,0
Observado
3,0
Simulado
2,0
1,0
0,0
10 20 30 40 50 60
Diás después de la siembra
82
Debe señalarse que a partir de los 45 días la producción de biomasa observada
fue superior a la simulada hasta aproximadamente los 55 días, con un incremento
no lineal, sin embargo el modelo asumió un crecimiento lineal hasta los 60 días,
porque no pudo explicar los complejos procesos ambientales y fisiológicos que
ocurren en la planta y sus impactos en la producción de biomasa. Este
comportamiento ha sido explicado por Steduto et al. (2009) a través dela relación
entre la biomasa seca y la transpiración del cultivo mediante la productividad del
agua.
Resultados similares han sido reportados por Araya et al. (2010); Karunaratne et
al. (2011) y Anjum et al. (2014) quienes encontraron que el modelo simuló la
83
biomasa aérea con elevada precisión, la cual se evidencia con desviaciones que
variaron entre 0,40 y 14,60%. Por su parte, Heng et al. (2009) y Geerts y Raes
(2009) obtuvieron valores de RMSE que variaron entre 0,46 y 6,51 t ha−1 en la
simulación de la biomasa con un R2 de 0,87.
128
Contenido de humedad (mm)
126
124
122
Observado
120
Simulado
118
116
114
112
1 2 3 4 5 6 7
Número de riego
Los valores de los índices estadísticos utilizados para evaluar el modelo AquaCrop
demostraron su capacidad para simular el contenido de humedad del suelo (figura
84
3.17). El valor del R2 obtenido entre la humedad simulada y la observada resultó
ser de 0,90; mientras que el RMSE fue de 7,3 mm. Estas diferencias de error se
deben a la heterogeneidad del suelo como, indican Atefeh y Neshat (2013). La EF
encontrada fue de 0,83 y d igual a 0,92.
85
fueron: inicial (20 días), desarrollo de la cobertura foliar (20 días), media (30 días)
y final (15 días).
Estos valores al ser comparados con los orientativos de la FAO según Allen et
al.(1998) permitieron encontrar dos diferencias fundamentales: (1) el ciclo desde la
siembra hasta la cosecha fue de 85 días para la variedad estudiada, en cambio los
valores propuesto por la FAO son para ciclos desde 95 hasta 110 días; (2) las
condiciones climáticas del área experimental fueron tropicales, mientras que las
propuesta por la FAO son continentales obtenidas en localidades como Pakistan,
Idaho y California.
Los coeficientes del cultivo para la transpiración kc(Tr), calculados según los
algoritmos de cálculo del modelo AquaCrop (tabla 3.10) revelaron la alta
variabilidad que estos presentaron durante el ciclo del cultivo con valores
comprendidos desde 0,0 hasta 0,99, lo cual se corresponde de forma lógica con
86
las etapas de desarrollo del cultivo; de esta manera el valor cero se alcanzó en la
segunda decena de marzo (etapa final), debido a que el cultivo perdió totalmente
la cobertura foliar. El valor de 0,99 se alcanzó en la segunda decena de febrero
(etapa media), donde ocurrió el mayor desarrollo de la cobertura foliar.
Los valores de ETc total encontrados en esta investigación fueron de 405,6 mm, lo
cual coincide con Teixeira de Faria (2012) quien afirma que en el cultivo de frijol
son necesarios valores entre 300 y 500 mm para obtener un buen rendimiento.
La ETc, las unidades de calor (UC) y la radiación solar (Rs) variaron durante el
período experimental como se observa en la figura 3.18. Los valores de la ETc se
relacionaron principalmente con los GD, con un R2 de 0,94 y en menor grado, con
la Rs, que alcanzó un R2 de 0,61.
Valores similares han sido reportado por Mendosa et al. (2007) quienes
encontraron óptimas correlaciones con valores de R2 de 0,96 y 0,74 para la
87
relación entre la evapotranspiración y los grados días y entre evapotranspiración y
radiación solar, respectivamente. Este resultado permite la planificación del
calendario agrícola y programación del riego en función de los GD acumulados
como han expresado Ojeda et al. (2006); Sifuentes et al. (2006) y Petra et al.
(2013).
88
3.14. Análisis de la maximización física y económica del agua
(3.1)
(3.2)
(3.3)
Dado que P" (Va) es menor que 0, entonces P" (Va) tiene un valor máximo. Una
vez determinada la función de ganancias, la maximización económica se realizó
calculándose el volumen de agua para el cual el producto físico marginal se iguala
a la relación de precios.
(3.4)
90
70% y 40% por debajo y por encima del económico obtenido, la producción y en
consecuencia la ganancia, sigue siendo menor, lo que demuestra que se trata del
máximo económico global y no parcial.
Tabla 3.11. Comprobación del máximo global mediante variación del volumen
Volumen de agua Función de producción Función de ganancia
Va (m3 ha-1) 1706,64 P(Va) kg ha-1 2351,36 G(Va) CUP ha-1 45949,90
Va (m3 ha-1) 2438,06 P(Va) kg ha-1 2406,51 G(Va) CUP ha-1 47010,38
3 -1 -1 -1
Va (m ha ) 3413,29 P(Va) kg ha 2311,37 G(Va) CUP ha 45125,08
En tabla 3.12 se presentan para cada una de las variantes experimentales los
resultados de los costos de producción los cuales incluyen: costos de las labores
de preparación del suelo, costos de los insumos, costos de las labores
agrotécnicas, costo del riego, así como el valor de la producción y la ganancias.
91
alcanzaron valores de 4 882,65; 4 881,69 y 4 880,02 CUP ha-1 para los caudales
Q1, Q2 y Q3 respectivamente.
92
CONCLUSIONES
El parámetro 2 alcanzó valores promedio de 0,60; 0,45 y 0,4 para el
primero, segundo y riegos sucesivos respectivamente. El parámetro 1 tuvo
valores de 2,33; 1,60-1,75 y 1,57 para el primero, segundo y riegos
sucesivos, respectivamente. Estos parámetros oscilaron en dependencia de
la altura máxima, el ancho máximo y medio, así como del ancho de la base
del surco.
La forma del surco en riego del cultivo del frijol en el suelo Fluvisol tiende a
pasar de trapezoidal a parabólica, con reducciones promedio del área de la
sección transversal que oscilan entre un 23,83 y 31,58%.
93
volumen de agua que garantiza el máximo económico es de 2 438,06 m 3 ha-1
con lo cual se garantiza una ganancia de 47 010,38 CUP ha-1.
94
RECOMENDACIONES
Introducir los parámetros propuestos para el diseño y manejo del riego por
surcos en la producción del cultivo de frijol en suelos Aluviales (Fluvisoles) que
presenten características similares a los del área de estudio; teniendo en cuenta
que los resultados evaluados demuestran que su aplicación contribuye a la
optimización de los recursos hídricos.
95
REFERENCIAS BIBLIOGRÁFICAS
1. ABBASI, F.; J. FEYEN y VAN GENUCHTEN, M. T. Two-dimensional simulation of
water flow and solute transport below furrows: model calibration and validation.
Journal Hydrology, 290: 63-79, 2004.
2. ABDEL, N. G.; AL-OMRAN, A. M.; FALATH, A. M., SHETA, A. S. y AL-HARBI, A. R.
Impact of natural conditioners on water retention, infiltration and evaporation
characteristics of sandy soil. Journal of Applied Science, 7: 1669-1708, 2007.
3. ABEDINPOUR, M.; SARANGI, A.; RAJPUT, T. B. S.; MAN, S.; PATHAK, H. y
AHMAD, T. Performance evaluation of AquaCrop model for maize crop in a
semi-arid environment. Agricultural Water Management, 110: 55–66, 2012.
4. ABI, M. T.; ALBRIZIOB, R.; NANGIAC, V.; KARAMC, F. y ROUPHAELD. Y.
Developing scenarios to assess sunflower and soybean yield under different
sowing dates and water regimes in the Bekaa valley (Lebanon): Simulations with
AquaCrop. International Journal of Plant Production, 8(4): 457-482, 2014.
5. ALFONSO, D. Modificación de una comunidad rural en asentamiento ecológico.
Instituto de Investigaciones de Riego y Drenaje del Ministerio de la Agricultura.
Congreso Internacional de riego ― Cubariego 2007‖. La Habana, Cuba: MINAG,
2007.
6. ALISHIRI, R.; FARZAD, P. y FAYAZ, A. Simulation of sugarbeet growth under
different water regimes and nitrogen levels by aqua crop. International Journal of
Biosciences, 4 (4): 1-9, 2014.
7. ALLEN, R. G.; PEREIRA, L. S.; RAES, D. y SMITH, M. Crop evapotranspiration:
guidelines for computing crop water requirements, 300pp. Irrigation and
Drainage Paper n. 56. FAO, Rome, Italy, 1998.
8. AMIR, M.; SHAHSAVARA, E. P. y MARYAM, D. Studying the Philip model capability
to estimate water infiltration parameters.19th World Congress of Soil Science,
Soil Solutions for a Changing World 1 – 6 August 2010, Brisbane, Australia.
Published on DVD. 2010.
9. AMIRI, E.; REZAEI, M.; EYSHI, R. y BANNAYAN, M. Evaluation of Ceres-Rice,
AquaCrop and Oryza2000 models in simulation of rice yield response to
different irrigation and nitrogen management strategies. Journal of Plant
Nutrition, 37:1749–1769, 2014.
10. ANDARZIAN, B.; BANNAYAN, M.; STEDUTO, P.; MAZRAEH, H.; BARATI, M. E.;
BARATI, M. A. y RAHNAMA, A. Validation and testing of the AquaCrop model
under full and deficit irrigated wheat production in Iran. Agricultural Water
Management, 100:1-8. 2011.
11. ANDRÉS, F.; RODRÍGUEZ, V. I.; ANDRÉS, M. ARISTIZÁBAL.; JESÚS, H. y
CAMACHO, T. Variabilidad espacial de los modelos de infiltración de Philip y
Kostiakov en un suelo. Eng. Agríc, 28(1):1550-1562. 2008.
12. ANJUM, M. IQBAL.; YANJUN, S.; RUZICA, S.; HONGWEI, P.; HONGYOUNG, S.;
ABRAHIM, A.; ANGEL, P. y DEL RIO, S. Evaluation of the FAO AquaCrop
model for winter wheat on the north China plain under deficit irrigation from field
experiment to de regional yield simulation. Agricultural Water Management, 135:
61– 72, 2014.
13. ARAYA, A.; HABTU, S.; MELES, H. K.; KEBEDE, A. y DEJENE, T. Teste of
AquaCrop model in simulating biomas and yield of water deficit and irrigated
barley (Hordeum vulgare ), Agricultural and Water Management, 97: 1838-
1846, 2010.
14. ARBAT, G.; PUIG, B. J.; DURAN, R. M.; BARRAGÁN, J. y RAMÍREZ DE
CARTAGENA, F. Distribución del agua en el suelo en riego por superficie:
aplicación del código HYDRUS. En: Estudios en la Zona no Saturada del
Suelo VIII, 25pp Córdoba, 2007.
15. ATEFEH, A. y NESHAT, A. Evaluation of Aqua Crop computer model in the potato
under irrigation management of continuity plan of Jiroft region, Kerman, Iran.
Agricultural Water Management, 1(12): 1669-1678, 2013.
16. AUSTIN, N. R. y PRENDERGAST, J. B. Use of kinematic wave theory to model
irrigation on cracking soil. Irrigation Science, 18(1): 1-10, 1997.
17. AYERS, R. S. y WESTOOT, D. W. Calidad del agua para la agricultura. Estudio
FAO Riego y Drenaje No. 29, Roma, 1987.
18. BAKKER, D. M.; PLUNKETT, G.; y SHERRARD, J. Application efficiencies and
furrow infiltration functions of irrigations in sugar cane in the Ord River
Irrigation Area of North Western Australia and the scope for improvement.
Agricultural Water Management, 83(1-2): 162-172, 2006.
19. BANTI, M.; ZISSIS, T.; y ANASTASIADOU, P. E. Furrow Irrigation Advance
Simulation Using a Surface–Subsurface Interaction Model. Journal of Irrigation
and Drainage Engineering, 137 (5): 304-314, 2011.
20. BAUTISTA, E.; CLEMMENS, A. J. y STRELKOFF, T. S. Structured application of the
two-point method for the estimation of surface irrigation parameters. Journal of
Irrigation and Drainage Engineering. 135(5): 566–578, 2009.
21. BAUTISTA, E.; WARRICK, A. W. y SCHLEGEL, J. L. Wetted-perimeter-dependent
furrow infiltration and its implication for the hydraulic analysis of furrow
irrigation systems, World Environmental and Water Resources Congress,
1727-1735, 2014.
22. BEEBE, S. E.; RAO, I. M.; BLAIR, M. W. y ACOSTA, G. J. A. Phenotyping common
beans for adaptation to drought. In: J. M. Ribaut and P. Monneveux (eds.)
Drought phenotyping in crops: from theory to practice. Generation Challenge
Program Special Issue on Phenotyping, pp. 311-334, 2010.
23. BEEBE, S.; SKROCH, P. W.; TOHME, J.; DUQUE, M. C.; PEDRAZA, F. y
NIENHUIS, J. Structure of genetic diversity among common bean landraces of
Middle American origin based on correspondence analysis of RAPD.
CropScience, 40: 264-273, 2008.
24. BEHROUZ, M. F. y MORAVEJALAHKAMI, B. The Performance of Gholam-gardeshy
Furrow Irrigation. International Journal of Agriculture & Biology, 8(5): 698-702,
2006.
25. BEIBEI, Z.; QUANJIU, W. y SHUAI, T. Estimation of infiltration parameters and the
irrigation coefficients with the surface irrigation advance distance. PLOS ONE,
9(7): 1-25, 2014.
26. BEN, SLIMENE. E.; LASSABATERE, L.; WINIARSKI, T. y GOURDON, R. Modeling
water infiltration and solute transfer in a heterogeneous vadose zone as a
function of entering flow rates. Journal of Water Resource and Protection, (7):
1017-1028, 2015.
27. BERNDTSSON, R. Application of infiltration equation to a catchment with large
spatial variability in infiltration. Hydrological Sciences, 32 (3): 399-413, 1987.
28. BITRI, M. y GRAZHDANI, S. Performance evaluation of AquaCrop model for
irrigated field maize in south-eastern Albania. J. Int. Environmental Application
& Science, 10(3): 375-383, 2015.
29. BOONTRA y JURIENS, M. Bascad: a design and operation level basin irrigation
model. ILRI Publication#43. Wageningen, The Netherlands. 1988.
32. BROWN, O (a). Mejoramiento del diseño y manejo del riego por surcos con flujo
continuo e intermitente en suelos ferralíticos, mediante la utilización de un
modelo matemático simplificado,118pp., Tesis de Doctorado. Ciego de Ávila,
Cuba: UNICA, 2000.
34. CAI J.; LIU, Y.; LEI, T. y P EREIRA, L. Estimating reference evapotranspiration with
the FAO Penman-Monteith equation using daily weather forecast messages.
Agricultural and Forest Meteorology, 145:22-35, 2007.
35. CAMPI, P.; MODUGNO, F.; NAVARRO, A.; TOMEI, F.; VILLANI, G. y
MASTRORILLI, M. Evapotranspiration simulated by CRITERIA and AquaCrop
models in stony soils. IItalian Journal of Agronomy, 10: 658-675, 2015.
39. CID, G.; LÓPEZ, T.; GONZÁLEZ, F.; HERRERA, J. y RUÍZ, M. E. Propiedades
físicas de algunos suelos de Cuba y su uso en modelos de simulación.
Ciencias Técnicas Agropecuarias, 15 (4): 42-47, 2011.
47. DÍAZ, A. Evaluación, Manejo y Diseño del Riego por Pulsos para el cultivo del
Tabaco en un Ferrosol, 80pp., Tesis de Maestría. Universidad Agraria de La
Habana–Instituto de Investigaciones de Riego y Drenaje del Ministerio de la
Agricultura, La Habana, Cuba, 2000.
50. DORNER, J.; DEC, DORATA.; PENG, X. y HORN, R. Efecto del cambio de uso en
la estabilidad de la estructura y la función de los poros de un Andisol (Typic
Hapludand) del Sur de Chile. Rev. Cienc. Suelo Nutr. / J. Soil. Sci. Plant Nutr,
3(9): 109-209, 2009.
52. DUFFERA, M.; WHITE, J.G. y WEISZ, R. Spatial variability of southeastern U.S.
Coastal Plain soil physical properties: implications for site-specific
management. Geoderma, 137(3-4): 327-39, 2007.
58. EMDAD, M. R.; RAINE, S. R.; SMITH, R. J. y FARDAD, H. Effect of water quality on
soil structure and infiltration under furrow irrigation. Irrigation Science, 23(2),
55-60, 2004.
61. FAO. Land and water digital media series No.36, FAO, Roma, Italia. 2012. En línea:
http://www.fao. org/nr/water/ETo.html Accedido el [5 de abril de 2014]
62. FAO. Sitio web AQUASTAT. Organización de las Naciones Unidas para la
Alimentación y la Agricultura, 2016. En línea:
http://www.fao.org/nr/aquastat/. Accedido el [8 de julio de 2016].
63. FAOSTAT. Food and Agricultural Organization of the United Nations (FAO). 2015.
FAOSTAT ProdSTAT, Crops, En línea: http://faostat.fao.org [Accedido el 5
junio 2015].
70. GARCÍA, N. H. Curso Internacional de Riego por Gravedad, 25pp., UNICA. Ciego de
Ávila, 1996.
71. GARCÍA, V. M.; FERERES, E.; MATEOS, L.; ORGAR, F. y STEDUTO, P. Deficit
irrigation optimization of cotton with AquaCrop. Agronomy Journal, 101:477–
487, 2009.
72. GEERTS, S. y RAES, D., Deficit irrigation as on-farm strategy to maximize crop
water productivity in dry areas. Agric. Water Manage. 96, 1275–1284, 2009.
75. GONZÁLEZ, P. Introducción al riego y drenaje. 1ra ed. La Habana, Cuba: Convenio
Bilateral Cuba- Venezuela IIRD. pp. 1- 66, 2008.
76. GONZÁLEZ, R. F.; HERRERA, P. J.; LÓPEZ, S. T.; CID, L. G Funciones agua
rendimiento para 14 cultivos agrícolas en condiciones del sur de La Habana.
Revista Ciencias Técnicas Agropecuarias, 22(3): 5-11, 2013.
81. HAI, Y. M. A.; ZHAN, Y. Z.; XI, Y. J. y GEN, X. F. An experimental study on soil
water movement and distribution of film-furrow Irrigation. Journal of Food,
Agriculture & Environment, 11(1): 858 – 864, 2013.
82. HAJABBASI, M. A. Evaluation of Kostiakov, Horton and Philip’s infiltration equations
as affected by tillage and rotation systems in a clay-loam soil of Northwest Iran,
15pp., 18th World Congress of Soil Science, Pennsylvania, USA, 13 July, 2006.
84. HE, J.; WANG, YU. LI, YONG. y RUAN, X. Effects of leachate infiltration and
desiccation cracks on hydraulic. Water Science and Engineering. 8(2): 151-
157, 2015.
87. HENG, L. K.; HSIAO, T. C.; EVETT, S.; HOWELL, T. y STEDUTO, P. Validating the
FAO AquaCrop model for irrigated and water deficient field maize. Agronomy
Journal. 101, 488–498, 2009.
89. HERNÁNDEZ, A.; PÉREZ, J.; BOSCH, D. y CASTRO, N. Clasificación de los suelos
de Cuba 2015, 93pp., Ediciones INCA, Mayabeque, Cuba, 2015.
91. HO, M. D.; ROSAS, J. C.; BROWN, K. M. y LYNCH, J.P. Root architecture trade offs
for water and phosphorus acquisition. Funct. Plant Biol. (32): 737-748, 2005.
97. Inrh. Norma totales netas y coeficientes de eficiencia para la determinación de las
normas brutas de los principales cultivos agrícolas, Resolución No.21/99
vigente hasta la fecha, Instituto Nacional de Recursos Hidráulicos, La Habana,
Cuba, 1999.
100. JIN, X. L.; FENG, H. K.; ZHU, X. K.; LI, Z. H. y SONG, S. Assessment of the
AquaCrop model for use in simulation of irrigated winter wheat canopy cover,
biomass, and grain yield in the north China Plain. PLoS ONE, 9(1): 1-15, 2014.
101. JOUQUET, P.; GAËLLE, H.; NICOLAS, B.; THUY, D. T. y TOAN, T. D. Does the
influence of earthworms on water infiltration, nitrogen leaching and soil
respiration depend on the initial soil bulk density? A mesocosm experiment with
the endogeic species Metaphire posthuma. Biol Fertil Soils, 48:561–567, 2012.
108. KONUKU, F. y DELIBAS, L. Optimum time ratio for application efficiency in furrow
irrigation. Journal of Tekirdag Agricultural Faculty, 3(3):129-137, 2006.
110. KUMAR, P. P. Another look at Kostiakov, Modified Kostiakov and revised modified
Kostiakov infiltration models in water resources applications. International
Journal of Agricultural Sciences, 4 (3):138-142, 2014.
111. LAL, R. y SHUKLA, M. K. Principles of soil physics, 150pp., New York London,
2004.
114. LI, Y.; TULLBERG, J. N. y FREEBAIRN, D. M. Traffic and residue cover effects on
infiltration. Australian Journal of Soil Research, 39(2): 239-247, 2001.
117. LÓPEZ, T. Caracterización del movimiento del agua en suelos irrigados del sur de
La Habana: Contribución metodológica al procedimiento actual para la
determinación de los Balances Hídricos, pp110., Tesis de Doctorado,
Instituto Nacional de Ciencias Agrícolas (INCA), La Habana, Cuba, 2002.
118. LÓPEZ, T.; G. DUEÑAS.; SIERRA, J.; OZIER, H.; LAFONTAINE; F. GONZÁLEZ;
E. GIRALT.; CHATERLÁN, Y y CID, G. Simulación del manejo del riego y la
fertilización nitrogenada del maíz sobre suelo Ferralítico del sur de La
Habana, Revista Ciencias Técnicas Agropecuarias, 10(3): 59-65, 2001.
120. MACHIWAL, D.; MADAN, H. A. y MAL, B.C. Modelling infiltration and quantifying
spatial soil variability en a watershed of Kharagpur, India. Biosyst. Eng. 95:
569-582, 2006.
128. MENDOSA, J. C.; SOUZA, E. F.; BERNARDO, S.; SUGAWARA, M. T.; PEÇANHA,
A. L. y GOTTARDO, R. D. Determinação do coeficiente cultural (kc) do
feijoeiro (Phaseolus vulgaris L.), em campos dos goytacazes, rj. Revista
Brasileira de Engenharia Agrícola y Ambiental, 11(5): 471-475, 2007.
130. MINAG. Instructivo Técnico para el cultivo del frijol. CIDA. La Habana, Cuba. 15pp.
2009.
131. MINAG. Situación actual de los cultivos varios en Granma. Informe de balance de
los resultados del año del Ministerio de la Agricultura en Granma. Documento
manuscrito. 5 pp. Cuba, 2010.
132. MINAG. Balance de áreas bajo riego con valor de uso por cultivos y técnicas al
cierre de dic/31, 15pp, Delegación Provincial de la Agricultura de Granma.
2014.
134. MISHRA, S. K.; TYAGI J.V. y SINGH V.P. Comparison of infiltration models. Hydrol
Process 17: 2629-2652, 2003.
137. MONTEITH, J. The quest for balance in crop modeling. Agronomy Journal, 88:
695−697, 1996.
138. MONTOYA, S. F. Calibración y validación de modelos para la simulación de patata
(Solanum tuberosum L.) bajo diferentes tratamientos de riego con pivotes en
condiciones semiáridas, pp313., Tesis de Doctorado. Universidad de Castilla-
La Mancha, Departamento de Producción Vegetal y Tecnología Agraria,
2013.
142. MORIASI, D. N.; ARNOLD, J. G.; LIEW, M. W. V.; BINGNER, R. L.; HARMEL, R.
D. y VEITH, T. L. Model evaluation guidelines for systematic quantification of
accuracy in watershed simulations. Transactions of the ASABE, 50: 885–900,
2007.
151. PACHECO, J. Metodología para la evaluación del riego por surcos. Material en
elaboración. 1996. (Inédito)
154. PÉREZ, R. y CID, G. El Riego Superficial. 49pp., 1ra ed. La Habana, Cuba:
Convenio Bilateral Cuba - Venezuela. IIRD, 2008.
155. PÉREZ, R.; JIMÉNEZ, E.; MONTERO, L.; CUN, R. y SAMIENTO, O. Resultados
de la Modernización del Riego superficial en el cultivo de Plátano extra
denso. En: http://ceer.isa.utl.pt/cyted/brasil/. Memoria del Taller
Internacional Red Riegos CYTED. Florianópolis, Brasil: CYTED, 25pp,
2008.
156. PÉREZ, R.; J. MENESES. Impacto de las evaluaciones del riego por surcos en la
caña de azúcar, En: Novena Convención Internacional y Feria de las
Industrias Metalúrgicas, Mecanización y del Reciclaje. METÁNICA, Palacio
de Convenciones de La Habana, ISSN 1607- 6281, La Habana, Cuba,
2004.
160. PHILIP, J. The theory of infiltration. Soil Scienc, 83(1): 345-357, 1957.
162. QIAN, F.; DONGBING, C. y INGJUN, L. Analysis of the water and soil erosion and
infiltration characteristic in ziquejie terrace. IERI Procedia, 9:13–19, 2014.
163. RAES, D.; STEDUTO, P.; HSIAO, T. C. y FERERES, E. AquaCrop-The FAO crop
model to simulate yield response to water: II. Main algorithms and software
description. Agronomy Journal, 101(3): 438-447, 2009.
164. RAES, E.; STEDUTO, P.; T. C.; FERES, E. Reference Manual AquaCrop 4.0,
170pp., FAO, Roma, 2012. En Línea:
http://www.fao.org/nr/wáter/aquacrop.html Accedido el [25 de enero de
2013].
167. RAHIMI, A. y MOTALLEB, B. evaluation of wetted perimeter and water flow cross
section in furrow irrigation by use manning, scs and ellipsoid equations.
Australian Journal of Basic and Applied Sciences, 7(6): 350-358, 2013.
168. RAMEZANI, H.; ETEDALI, H.; EBRAHIMIAN, F.; y LIAGHAT, A. Evaluating models
for the estimation of furrow irrigation infiltration and roughness. Spanish
Journal of Agricultural Research, 9(2): 641-649, 2011.
169. RAO, I.M.; BEEBE, S.; POLANIA, J.; GRAJALES, M.; CAJIAO, C.; RICAURTE, J.;
BORRERO, G. y RIVERA, M. Avances en caracterización fenotípica en
adaptación a sequía en frijol común. I Curso Nacional para resistencia a
factores bióticos y abióticos, 150pp., Universidad Nacional de Colombia,
Palmira 2 al 4 de Junio de 2010.
179. RUÍZ, M. E. Utilización del modelo Swacrop en la simulación del uso del agua y el
rendimiento de la papa (Solanum Tuberosum l.c.v. Desiree) en suelos
ferralíticos rojos Cuba, pp101., Tesis (en opción al grado científico de
Doctor en Ciencias Agrícolas), La Habana, 1997.
180. RUÍZ, P, V: La modelación biológica con fines de planificación de distrito de riego,
pp137., Tesis de Maestría. Montecillo, Texcoco, México, 2014.
183. SALEMI, H.; MOHD, A. M. S.; TEANG, S. L.; SAYED, F. M.; ARMAN, G. y MOHD,
K. Application of AquaCrop model in deficit irrigation management of Winter
wheat in arid region. African Journal of Agricultural Research, 610: 2204-
2215, 2011.
188. SANTANA, M. Tecnología sostenible para el mejoramiento del riego por surcos y
protección del suelo en el cultivo de la cebolla (Allium cepa, L.) en
condiciones de premontaña, pp126., Tesis de Doctorado. UNICA: Centro de
Estudios Hidrotécnicos. Universidad de Ciego de Ávila, 2007.
191. SIERRA, L. Implementación del riego utilizando la carga hidráulica desde la fuente
de abasto hasta la parcela sin gasto de energía. Instituto de Investigaciones
de Riego y Drenaje del Ministerio de la Agricultura. Congreso Internacional
de riego ―
Cubariego 2007‖. La Habana, Cuba: MINAG, 2007.
196. SOIL SURVEY STAFF SOIL TAXONOMY. USDA, 890pp., Second Edition, 2003.
200. STEDUTO, P.; HSIAO, T.C.; RAES, D. y FERERES, E. AquaCrop-The FAO crop
model to simulate yield response to water: I. Concepts and underlying
principles. Agronomy Journal, 101(3): 426-437, 2009.
202. STEWART, D. R.; DAVID, E. R.; MAJDI, R. NAJM. y JOHN, S. S. Modeling effect
of initial soil moisture on sorptivity and infiltration. Water Resources
Research, 49: 7037–7047, 2013.
203. STRELKOFF, T. S.; CLEMMENS, A. J. y BAUTISTA, E. Field properties in surface
irrigation management and design. Journal of Irrigation and Drainage
Engineering, 135 (5): 525–536, 2009.
208. TODOROVIC, M.; ALBRIZIO, R.; ZIVOTIC, L.; ABI SAAB, M.; STWCKLE, C. y
STEDUTO, P. Assessment of AquaCrop, CropSyst, and WOFOST models in
the simulation of sunflower growth under different water regimes. Agronomy
Journal. 101, 509–521, 2009.
210. TURNER, E. R. Comparison of infiltration equations and their field validation with
rainfall simulation, 120pp., Tesis de Maestría, Universidad de Maryland, USA,
2006.
214. WALKER, R. Surface irrigation simulation, evaluation and design. Guide and
technical documentation, software SIRMOD III, 136pp., 1ra ed. Utah, USA:
Utah State University. Logan, 2003.
219. WANHONG, Z.; WENZHAO, L.; QINGWU, X.; JIE, C. y XIAOYANG, H. Evaluation
of the AquaCrop model for simulating yield response of winter wheat to water
on the southern Loess Plateau of China. Water Science and Technology, 68:
821-828, 2013.
220. WILCOX, D.; DOVE. B. y D. MACDAVID. ImageTool for Windows version 3.00,
University of Texas Health Science Center, San Antonio, 2002.
223. ZELEKE, K.T.; DAVID, L. y RAYMOND, C. Calibration and testing of the FAO
AquaCrop Model for Canola. Agronomy Journal, 103: 1610–1618, 2011.
1. Ecuación de Kostiakov
z kt a
(1)
VL
k (2)
z .t La
VL
Ln
VL
0 .5 (3)
a
tL
Ln
t
L 0.5
t
VL0.5 Qo L 0.5 z Ao (4)
L0.5
t
VL Qo L z Ao
L (5)
L
Ln 0.5
r L
t
Ln 0.5 (6)
tL
2 r r2
z (7)
2 r r2
1/ 2
Qo .n
Ao
0.5 (8)
60 1.S o
Donde: lámina infiltrada ; coeficiente de ajuste (m3 mina m-1); el
tiempo de infiltración de la lámina de riego ; exponente empírico que
indica la forma en que la velocidad de infiltración se reduce con el tiempo;
volumen de agua infiltrado en el 50 por ciento de la longitud del
campo ; volumen de agua infiltrado en el final del surco ; tiempo
que demora el frente de humedecimiento en llegar al 50 por ciento de longitud
del surco ; tiempo que demora el frente de humedecimiento en llegar al
final del surco ; caudal de entrada de agua al inicio del surco (l s -1) ;
coeficiente de forma del flujo subsuperficial; el área de la sección transversal
en el extremo inicial del surco ; exponente de la función potencial de
avance; longitud desde el inicio hasta la mitad del surco; longitud total del
surco; pendiente longitudinal en tanto por uno.
2. Ecuación de Kostiakov-Lewis
z kta f ot (9)
VL
k
z .t La (10)
V
Ln L
a 0 .5
VL
t
Ln L (11)
t L 0.5
Qo Qs
fo
L
(12)
t t
VL0.5 Qo L 0.5 z Ao fo L 0.5
L0.5 1 r (13)
t t
VL Qo L z Ao fo L
L 1 r (14)
L
Ln 0.5
r
L
t
Ln 0.5
tL
(15)
2 r r2
z (16)
2 r r2
1/ 2
Qo .n
Ao
0.5
60 1.S o (17)
3. Ecuación de Philip
Z S1t 0.5 At (18)
3 A0
A
tL (19)
Q0t L 3 A0 L
S1
0.7854t L0.5 L (20)