Sie sind auf Seite 1von 145

República de Cuba

Tesis de Doctorado

PARÁMETROS DE DISEÑO Y MANEJO DEL RIEGO


POR SURCOS EN EL CULTIVO DEL FRIJOL
(PHASEOLUS VULGARIS L.) EN SUELOS
FLUVISOLES
Norge Tornes Olivera
PÁGINA LEGAL

Norge Tornes Olivera


Parámetros de diseño y manejo del riego por surcos en el cultivo del frijol
(Phaseolus vulgaris l.) en suelos fluvisoles (Tesis de Doctorado) / . – La Habana :
Editorial Universitaria, 2017 – e-ISBN 978-959-16-3509-9.

© Autor: Norge Tornes Olivera.


Digitalización: Editorial Universitaria del Ministerio de Educación Superior de la
República de Cuba.
Calle 23 entre F y G, No. 564. El Vedado, La Habana, CP 10400, Cuba.
Email: eduniv@mes.edu.cu
Página web: http://eduniv.mes.edu.cu
UNIVERSIDAD DE CIEGO DE AVILA
Facultad de Ciencias Técnicas
Centro de Estudios Hidrotécnicos

UNIVERSIDAD DE GRANMA
Facultad de Ciencias Agrícolas
Departamento de Producción Agrícola

PARÁMETROS DE DISEÑO Y MANEJO DEL RIEGO POR


SURCOS EN EL CULTIVO DEL FRIJOL (Phaseolus vulgaris
L.) EN SUELOS FLUVISOLES

Tesis en opción al grado científico de Doctor en Ciencias Técnicas Agropecuarias

Autor. Norge Tornés Olivera

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

PARÁMETROS DE DISEÑO Y MANEJO DEL RIEGO POR


SURCOS EN EL CULTIVO DEL FRIJOL (Phaseolus vulgaris
L.) EN SUELOS FLUVISOLES

Tesis en opción al grado científico de Doctor en Ciencias Técnicas Agropecuarias

Autor. Prof. Auxiliar. Ing. Norge Tornés Olivera. M.Sc

Tutor. Prof. Tit. Ing. Oscar N Brown Manrique. Dr.C

Bayamo, M. N. 2016
Agradecimientos

Una tesis doctoral rara vez se puede elaborar de forma aislada, y


en el completamiento de esta tesis estoy profundamente
agradecido de un gran número de personas que me han ayudado
a alcanzar este sueño.

En primer lugar, mi sumo agradecimiento a mi tutor Dr. C. Oscar


N. Brown Manrique. Él me aceptó en su entorno y me guió con
paciencia y energía ilimitadas. Mis respetos para él, como
investigador, profesor y ser humano, es incomparable.

A mi familia, de la cual siempre he recibido lo mejor. Su presencia


ha sido toda una bendición.

A cada uno de los profesores de la Facultad de Ciencias


Agrícolas, y en especial a los del departamento de Producción
Agrícola, por compartir conmigo sus conocimientos y
enseñanzas tanto académicas como humanas.

A la Universidad de Ciego de Ávila, y en especial, a los profesores


del Centro de Estudios Hidrotécnicos.

A los trabajadores de la UBPC Grito Yara, y en especial, a Arnaldo


y Leonardo, sin cuyo apoyo no hubiera sido posible la realización
de la investigación.
Dedicatoria

Desde lo más profundo de mi corazón dedico esta tesis a mis


padres Blanca Rosa Olivera Santoya y Angel Noel Tornés
González, mi eterna gratitud por su amor incondicional, por su
esfuerzo, y continua motivación. A mi esposa, Yarisbel Gómez
Masjuan, su amor y apoyo me han enseñado mucho sobre el
sacrificio. A mis hijos, Cristhian Enediel y Rosangela, fuente de
inspiración y luz. A mis hermanos, Wilfredo, Neobis, Nilton,
Noelkis y Nobel y finalmente a la memoria de mi abuela Eloína
González Blanco (†), quien siempre me apoyó, animó y creyó en
mí, no existen palabras que puedan expresar cuanto sus
esfuerzos me hicieron fuerte.
Pensamiento:

“El futuro de nuestra patria tiene que ser necesariamente un


futuro de hombres de ciencia, tiene que ser un futuro de hombres
de pensamiento, porque precisamente es lo que más estamos
sembrando; lo que más estamos sembrando son oportunidades a
la inteligencia”
Fidel, 15 de enero, 1960.
SÍNTESIS

La investigación realizada se desarrolló básicamente, mediante el uso de modelos


matemáticos complementados con experimentos de campos realizados en la
Unidad Básica de Producción Cooperativa (UBPC) Grito de Yara, en la comunidad
La Sal. La misma se propuso determinar los parámetros de diseño y manejo del
riego por surcos para el cultivo del frijol que contribuyan al incremento de la
eficiencia del sistema en suelos Aluviales de la UBPC Grito de Yara. Se utilizaron
tres caudales 1, 2 y 3 L. s-1, los cuales constituyeron las variantes experimentales.
Se evaluaron tres modelos de infiltración Kostiakov, Kostiakov-Lewis y Philip, se
evaluó, además, el modelo de productividad del agua, AquaCrop, mediante
análisis gráfico e indicadores estadísticos de las variables coberturas foliar (CF),
biomasa seca aérea (BSA) y contenido total de humedad del suelo (CHS). Se
obtuvo una función de producción, a la cual se le realizó un proceso de
optimización del agua para los máximos físico y económico. Los tres modelos
evaluados demostraron ser adecuados para la simulación de la infiltración,
destacándose como el mejor el de Kostiakov-Lewis. Las máximas eficiencias
alcanzables resultaron ser 61, 60 y 57%, con longitudes de 115, 155 y 209 m para
los caudales evaluados de 1, 2 y 3 L s-1, respectivamente. El volumen de agua que
garantizó un máximo físico fue de 2 444,37 m3 ha-1 con lo cual se obtuvieron
rendimientos de 2 406,51 kg ha-1, mientras que el volumen de agua que garantizó
el máximo económico fue de 2 438,06 m3 ha-1 con lo cual se obtuvo una ganancia
de 47 010,38 CUP ha-1.
Palabras clave: parámetros geométricos, modelos, maximización, infiltración
SYNTHESIS

Investigation was carried out basically, by means of mathematical models


complemented with field trials in the Unidad Básica de Producción Cooperativa
(UBPC) Grito de Yara‖ belonging to La Sal community. The objective of the
investigation was to determine the design and management parameter of furrow
irrigation for dry beans crop that increase the system efficiency in Fluvisols soils of
UBPC Grito de Yara. Three inflow rate of 1, 2 y 3 L s-1 were utilized which make up
the experimental variant. Three infiltration model were evaluated, Kostiakov,
Kostiakov-Lewis and Philip, also productivity water model, AquaCrop, was
evaluated by means of statistical indicator of canopy cover (CF), above dry
biomass (BSA) and soil water contents (CHS). A process of optimization was
made to a production function obtained for physic an economy maximum. Three
models evaluated showed to be suitable for infiltration simulation, Kostiakov-Lewis
had the best behavior. Maximum attainable water application efficiencies and
furrow length to achieve these efficiencies were 61, 60 y 57% and 115, 155 y 209
m for inflow rate 1, 2 and 3 L s-1 respectively. Volume of water that guaranteed a
physic maximum is 2 444,7 m3 ha-1 which is obtained crop yield of 2 406,51 kg ha-1.
Volume of water that guaranteed an economy maximum is 2 438,06 m3 ha-1 which
is obtained a profit of 47 010,38 CUP ha-1.

Keywords: geometric parameter, models, maximization, infiltration


ÍNDICE
Contenido Pág.
INTRODUCCIÓN .................................................................................................... 1
1. REVISIÓN BIBLIOGRÁFICA............................................................................. 10
1.1. Riego superficial. Generalidades ................................................................ 10
1.2. Caudal de manejo ...................................................................................... 11
1.3. Pendiente, longitud, tiempo de aplicación y geometría del surco ............... 12
1.4. Eficiencia del riego ..................................................................................... 13
1.5. Factores que influyen en la infiltración ....................................................... 14
1.5.1. Textura del suelo ................................................................................. 14
1.5.2. Erosión, estructura y compactación del suelo ...................................... 15
1.5.3. Contenido de humedad del suelo y agrietamiento ............................... 17
1.5.4. Calidad del agua y estabilidad estructural del suelo ............................ 18
1.5.5. Organismos del suelo .......................................................................... 19
1.5.6. Efectos del agua de riego en la infiltración ........................................... 20
1.6. Infiltración en el riego por surcos ................................................................ 21
1.6.1. Medida de la infiltración ....................................................................... 21
1.6.2. Familias de infiltración.......................................................................... 28
1.7. Modelos de simulación de cultivo ............................................................... 29
1.7.1. Tipos de modelo................................................................................... 29
1.7.2. Evaluación de un modelo ..................................................................... 31
1.7.3. Generalidades del modelo AquaCrop .................................................. 32
1.8. Modelos de riego utilizados en Cuba .......................................................... 33
1.9. El cultivo del frijol ........................................................................................ 33
1.9.1. Producción mundial y nacional ............................................................ 33
1.9.2. Necesidades hídricas del cultivo del frijol ............................................. 34
1.10. Conclusiones parciales ............................................................................. 36
2.1. Localización del ensayo experimental ........................................................ 37
2.2. Datos del suelo ........................................................................................... 37
2.3. Caracterización climática de la zona de estudio ......................................... 38
2.4. Diseño experimental ................................................................................... 39
2.5. Metodología de campo ............................................................................... 40
2.5.1. Medición de la pendiente longitudinal de riego .................................... 40
2.5.2. Determinación de la conductividad eléctrica del agua ......................... 40
2.5.3. Medición del perfil transversal del surco .............................................. 41
2.5.4. Medición del tiempo de avance ............................................................ 41
2.5.5. Medición del tiempo de aplicación ....................................................... 41
2.5.7. Determinación de la humedad del suelo antes y después del riego .... 42
2.5.8. Determinación de la distribución del sistema de raíces ....................... 42
2.5.9. Determinación de las etapas de desarrollo .......................................... 42
2.5.10. Medición de la biomasa seca aérea ................................................... 43
2.5.11. Medición del rendimiento en cosecha ................................................ 43
2.6. Estimación de los parámetros geométricos del surco ................................ 43
2.7. Determinación de la ecuación potencial de avance .................................... 45
2.8. Determinación de la lámina infiltrada acumulada ....................................... 46
2.9. Evaluación del desempeño del riego por surcos ........................................ 47
2.10. Maximización de la eficiencia de aplicación y de la longitud del surco ..... 48
2.11. Evaluación del modelo AquaCrop ............................................................ 49
2.11.1. Parametrización del modelo ............................................................... 49
2.11.2. Índices estadísticos utilizados en la evaluación del modelo AquaCrop
....................................................................................................................... 50
2.12 . Optimización de la función de producción ............................................... 51
2.13. Valoración económica .............................................................................. 53
3. RESULTADOS Y DISCUSIÓN.......................................................................... 55
3.1. Análisis de la sección transversal del surco ............................................... 55
3.1.1. Análisis de los parámetros geométricos del surco ............................... 57
3.1.2. Análisis de la variación espacial del área de la sección transversal .... 59
3.1.3. Análisis del perímetro mojado y área de la sección transversal ........... 61
3.2. Análisis de las curvas de avance ................................................................ 63
3.3. Análisis de los parámetros de ajustes de las ecuaciones de infiltración ..... 66
3.4. Análisis de las láminas infiltradas en función de la distancia ...................... 67
3.5. Análisis de las láminas acumuladas respecto al tiempo de oportunidad .... 69
3.6. Análisis de la exactitud de los modelos de infiltración ................................ 70
3.7. Análisis de los parámetros de desempeño del riego .................................. 73
3.8. Maximización de la eficiencia del agua y de la longitud del surco .............. 78
3.9. Análisis del patrón de extracción de humedad ........................................... 79
3.10. Análisis del rendimiento ............................................................................ 80
3.11. Análisis de la evaluación del modelo AquaCrop ....................................... 80
3.12. Análisis de las etapas de desarrollo y la evapotranspiración.................... 85
3.13. Análisis de la evaporación y transpiración del cultivo ............................... 88
3.14. Análisis de la maximización física y económica del agua ......................... 89
3.15. Valoración económica .............................................................................. 91
3.16. Conclusiones parciales del capítulo ......................................................... 92
CONCLUSIONES ................................................................................................. 93
RECOMENDACIONES ......................................................................................... 95
REFERENCIAS BIBLIOGÁFICAS
ANEXOS

ANEXO 1 Tipos de suelo de la provincia Granma

ANEXO 2 Familias de infiltración

ANEXO 3 Ubicación geográfica del área experimental

ANEXO 4 Datos climáticos de la zona de estudio

ANEXO 5 Distribución de las espitas en las parcelas (A) y parcelas


experimentales conformadas (B)

ANEXO 6 Medición de la pendiente del terreno (A), de la conductividad


eléctrica del agua (B) y medición del área de la sección
transversal con perfilómetro de varillas (B)

ANEXO 7 Medición del tiempo de avance (A) y del volumen de escorrentía


(B)

ANEXO 8 Toma de muestra de suelo con barrena tipo Veihmeyer (A) y


pesaje de las muestras con balanza digital (B)

ANEXO 9 Toma de capas de suelo para el pesaje de las raíces (A) y filtrado
para la selección de las raíces (B)

ANEXO10 Cálculo del porcentaje de cobertura foliar

ANEXO 11 Modelos de infiltración

ANEXO 12 Parámetros geométricos e hidráulicos de los surcos por caudales


evaluados

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.

Pese a ello, la evolución de los precios de la energía puso en entredicho el


desarrollo del riego por aspersión, suscitando la búsqueda de nuevas soluciones
en el ámbito de la baja presión, principalmente de las redes de distribución para el
riego por gravedad y provocó un nuevo interés por el riego por superficie.

En la actualidad el riego por superficie representa porcentajes importantes en


muchos países desarrollados y subdesarrollados (FAO, 2016). Algunos ejemplos
son: Guinea (97%), India (96%), México (93%), Irán (91%), China (85%), Egipto
(75%), Cuba (69%), Italia (60%), Estados Unidos (34%), España (30%), Canadá
(11%).

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.

El autor antes citado desarrolló, además, un modelo matemático completo que


simula convenientemente el funcionamiento hidráulico de los sistemas de riego por
surcos en condiciones de flujo continuo e intermitente en suelos ferralíticos. El
mismo, permite mejorar los parámetros de diseño y evaluación, lo que conlleva

2
ahorro de agua y de energía e incremento de las eficiencias de aplicación y
distribución de la humedad a lo largo del surco.

También se deben destacar los trabajos de Santana (2007) quien determinó la


velocidad de infiltración básica con el método de Kachinski modificado por
Santana y Moreno (1995) y por Pacheco (1996). Para el diseño del riego continuo
utilizó la ecuación de Kostiakov-Lewis, y en el riego intermitente, la ecuación de
Philip, las cuales son algebraicamente similares. Este autor comprobó que el riego
intermitente fue superior al riego con flujo continuo en la localidad estudiada al
reducir el volumen de agua aplicado, el tiempo de aplicación y el mejoramiento del
patrón de humedecimiento 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.

Investigadores del actual Instituto de Investigaciones de Ingeniería Agrícola


(IAgric) realizaron diversos trabajos entre los que se destacan: Evaluación, manejo
y diseño del riego por pulsos para el cultivo del tabaco en un ferrosol (Díaz, 2000);
Impacto de las evaluaciones del riego por surcos en la caña de azúcar (Pérez y
Meneses, 2004); Resultados de eficiencias de aplicación para diferentes
alternativas de diseño y manejo del riego por surcos, con flujo de agua continuo
(Pérez, 2013); Resultados de diferentes alternativas de manejo del riego super-
ficial tecnificado en el cultivo de la papaya maradol roja plantada con marco
extradenso (Pérez et al., 2014).

Las investigaciones realizadas en Cuba no aportan los parámetros necesarios


para el manejo del riego por surcos en el cultivo del frijol en suelos Fluvisoles que
permitan mejorar el uso del agua tanto por la técnica de riego como por el cultivo.

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).

Todo esto ha conllevado a que la eficiencia de aplicación y distribución del agua


en el surco sea muy baja. Es evidente que ante este hecho se tenga que
contemplar la posibilidad de introducir cambios que impliquen un mejoramiento de
este método de riego (Rodríguez, 2014).

Si Cuba debe desarrollar una agricultura de riego, se hace necesario estudiar


parámetros y características hídricas de los suelos agrícolas bajo riego, con el fin
de poder evaluar, tanto la tecnología utilizada por los agricultores en la actualidad,
como las causas de posibles deficiencias en la utilización del otro recurso
fundamental de la agricultura de riego: el agua. La caracterización hídrica de los
suelos es el estudio de los parámetros físicos que relacionan el suelo y el agua.
Este estudio corresponde a las características de retención del agua, y a sus
propiedades de infiltración durante el riego.

Además de lo señalado, el conjunto de características hídricas de un suelo, o


conjunto de suelos, en una zona determinada permite evaluar y comprender
aquellos problemas relacionados con el manejo actual y futuro del agua durante la
práctica del riego.

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.

La caracterización física y, en particular geométrica, de las condiciones del suelo


así como la de sus efectos en los procesos de infiltración y flujo superficial del
agua, requiere la utilización de parámetros que representen condiciones o
comportamientos microscópicos medios. Dada la heterogeneidad del suelo y la
complejidad de los procesos físicos y químicos implicados, su determinación es,
en general, empírica.

Los valores utilizados expresan una complicada interrelación entre causas y


efectos. Para su interpretación y posterior utilización, se hace necesaria la
selección y separación de variables significativas y de efectos observables
sensibles.

En la agricultura de regadío, la práctica de riego es uno de los procesos más


complejos que debe realizar el agricultor debido a la multitud de factores
implicados en el manejo del agua, requiriéndose de información técnica para el
conocimiento preciso entre el agua usada y el rendimiento de los cultivos (García
et al., 2009; Domínguez et al., 2012 )

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.

El uso de este tipo de herramientas, como son los modelos de simulación de


cultivos, está justificado cuando lo que se busca es la optimización de los
recursos, entre ellos el agua de riego con el fin de conseguir el mayor margen de
beneficio (Montoya, 2013).

La relación entre el agua utilizada y el rendimiento o la producción total de


biomasa, puede ser determinada empíricamente con objeto de obtener las
funciones de producción de consumo de agua (Martín de Santa Olalla et al.,
2005), mediante las cuales el rendimiento o la biomasa total se relaciona con
alguna medida del uso del agua por el cultivo. El problema que viene asociado con
las funciones de producción de cultivos (Doorenbos y Kassam, 1979) es que estas
se han usado muchas veces con independencia de la localización específica (Faci
y Fereres, 1980).

Una alternativa a las funciones de producción empíricas es el uso de los modelos


de simulación de cultivos para el manejo del riego (Ortega et al., 2004; Steduto et
al., 2009). Entre los modelos existentes, AquaCrop (Raes et al., 2009; Steduto et
al., 2009), modelo de aplicación general de cultivo, se ha utilizado en varias zonas
del mundo bajo diferentes condiciones ambientales. Sin embargo, en la literatura
internacional se reportan pocos trabajos de evaluación del modelo para el cultivo
del frijol regado por surcos, y en nuestro país no se reportan trabajos relacionados
con la utilización de este modelo.

En todo el territorio nacional se encuentran, tierras dedicadas en diferente


magnitud, al cultivo del frijol, pero las regiones más importantes se localizan en

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).

En los últimos años se ha implementado un amplio programa de desarrollo del


cultivo de frijol y en el año 2014 se sembraron 129 911 ha en todo el país. La
provincia Granma representó el 3,7% de la superficie sembrada durante el año,
con 4 852,1 ha (ONEI, 2015).

La misma fuente anterior refleja que el frijol consumido en Cuba es de importación


en algo más del 50%, con un costo anual de 45 a 50 millones de dólares
estadounidenses. El consumo per cápita del frijol por año en Cuba es de
aproximadamente 10,22 kg. La preferencia para el consumo y producción se basa
en variedades de grano negro pequeño de las cuales se siembra el 85% del área.

De lo antes expuesto pueden resumirse los aspectos esenciales de la situación


problemática que da origen al presente tema de investigación, en los siguientes
términos: necesidad de hacer un uso más eficiente del agua, atraso tecnológico
del riego por surcos, deficiencia en el diseño y operación de los sistemas,
decisiones basadas en la experimentación práctica que carecen de justificaciones
analíticas, la utilización de modelos de riego y de cultivos en la práctica es casi
nula, necesidad de estimar los rendimientos futuros alcanzables del cultivo del
frijol con diferentes estrategias de riego.

Lo anterior conduce al siguiente problema científico ¿Cómo contribuir al


incremento de la eficiencia del sistema en el riego por surcos en el cultivo del frijol
en suelos Fluvisoles de la UBPC Grito de Yara?

La hipótesis de la investigación es la siguiente: si se determinan los parámetros


de diseño y manejo del riego por surcos a partir de la precisión de los
requerimientos hídricos del cultivo del frijol y los modelos de avance e infiltración;
entonces se podrá contribuir al incremento de la eficiencia del sistema en suelos
Fluvisoles.

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.

Para comprobar la hipótesis se propone como objetivo general determinar los


parámetros de diseño y manejo del riego por surcos para el cultivo del frijol que
contribuyan al incremento de la eficiencia del sistema en suelos Fluvisoles de la
UBPC Grito de Yara.

Como objetivos específicos se proponen:

1. Determinar los parámetros geométricos y las modificaciones de la sección


transversal del surco para el suelo del área de estudio.
2. Evaluar la adecuación de los modelos de Kostiakov, Kostiakov-Lewis y Philip
en la simulación de la lámina infiltrada acumulada y del modelo AquaCrop
para las condiciones de suelo y clima en la zona de estudio.
3. Maximizar las longitudes de los surcos y eficiencias de aplicación del agua
para los caudales evaluados.
4. Maximizar los niveles físicos y económicos del uso del agua en la producción
de frijol.
5. Determinar los indicadores técnico-económicos en el cultivo del frijol.

La novedad científica de la investigación consiste en la determinación de los


parámetros de diseño y manejo del riego por surcos en suelos Fluvisoles
sustentado en la utilización de modelos matemáticos desarrollados para la
estimación de la infiltración; el cálculo de las longitudes que garantizan una
eficiencia máxima, la precisión de la cobertura foliar en las diferentes etapas de
desarrollo y la validación por primera vez en Cuba del modelo AquaCrop para la
predicción del rendimiento del cultivo del frijol.

El aporte a la teoría consiste en la propuesta de nuevos parámetros para el


diseño y manejo del riego por surcos en el cultivo del frijol en suelos Fluvisoles en

8
la condiciones edafoclimáticas de la provincia Granma, de los cuales no se tiene
antecedentes en la literatura nacional y extranjera; esto es:

 Parámetros geométricos del surco.


 Justificación del método del elipsoide como el más preciso en la estimación del
área de la sección transversal del surco.
 Parámetros de las funciones de infiltración.
 Longitud y eficiencia óptima para los caudales evaluados.
 Fases de desarrollo del cultivo del frijol para el riego.
 Maximización física y económica del agua.

Los aportes prácticos consisten en desarrollo de modelos para: la simulación de


la lámina infiltrada acumulada, el análisis del comportamiento de las secciones
transversales del surco y la cobertura vegetal mediante imágenes, la predicción
de los rendimientos del cultivo, la maximización del volumen de agua riego
aplicado desde el punto de vista físico y económico, así como de la eficiencia de
aplicación del agua y la longitud del surco. En todos los casos se elaboraron los
correspondientes programas de cómputo.

Los resultados del presente estudio se vinculan al proyecto: P131LH0010034-


Producción sostenible de granos y semillas de frijol Phaseolus y Vignas en
unidades productivas de la provincia Granma, coordinado por el Instituto de
Investigaciones Agropecuarias ―Jorg
e Dimitrov‖. El proyecto pertenece al
programa 201: Producción de alimentos por métodos sostenibles.

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.

1.1. Riego superficial. Generalidades

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.

Debido a que el flujo en el campo es sustancialmente menor que en terrazas


planas o riego por franjas (Issaka et al., 2015) una ventaja principal del riego por
surcos es que puede adaptarse a entregas de agua relativamente pequeñas por
unidad de área.

González (2010) considera que existen diferentes enfoques de modelación


matemática para evaluar y mejorar el funcionamiento hidráulico de los sistemas de
riego por gravedad, los cuales permiten analizar diferentes condiciones de
operación como la selección del caudal y el tiempo de riego que garanticen mayor
uniformidad y eficiencia de aplicación del agua.

El riego por superficie es objeto aún de investigación para la mejora de los


procesos y prácticas de riego. Se han desarrollado métodos de evaluación
(Lazarovitch, 2008; Clemmens, 2009; Bautista et al., 2009; Moravejalahkami et al.,
2012; Salman et al., 2013) que permiten la obtención de indicadores de

10
funcionamiento de los sistemas y, sobre todo, fundamentar los cambios a
introducir para mejorar el uso y la productividad del agua de regadío.

De la misma manera, con la utilización de los datos de evaluación en campo, se


han desarrollado modelos de simulación del riego por superficie (Walker, 2003;
Gillies, 2008) que constituyen hoy herramientas esenciales para el proyecto y la
evaluación de los parámetros que caracterizan la infiltración y rugosidad hidráulica
a utilizar en los modelos.

1.2. Caudal de manejo

Schilardi (2010) señala que conocer el caudal de ingreso, y en su caso, el


escurrido de la parcela bajo riego, es un dato fundamental para el diseño y
optimización de la operación de los sistemas de riego por superficie, y que la
medida del caudal o aforo puede realizarse en el cauce de distribución o en los
puntos de suministro de agua a las parcelas.

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

La pendiente es uno de los factores responsables de la velocidad del agua cuando


avanza y circula a lo largo de la parcela (Schilardi, 2010) a mayor pendiente menor
será el tiempo de avance, por lo que los tiempos de infiltración serán más
próximos en toda la parcela, y se logra un aumento de la uniformidad el agua
aplicada.

Sin embargo, a mayor pendiente mayor es la probabilidad de erosión del suelo.


Por ello se recomienda que las parcelas de riego por superficie no superen el 2%.
Cuando la pendiente es excesiva para establecer métodos de riego superficiales,
es posible orientar los surcos en otras direcciones diferentes a la máxima
pendiente (Schilardi, 2010).

González (2010) al estudiar el efecto de la pendiente sobre la uniformidad de


distribución en varios escenarios con el programa informático WinSRFR,
desarrollado por el Arid-Land Agricultural Research Center del Departamento de
Agricultura de EE.UU, tuvo como resultado que con el campo nivelado sin
pendiente se tiene una uniformidad de distribución del 79,3%, pero al establecer
una ligera pendiente del 4 por 1000 se logra una uniformidad de distribución del
95,9%.

Gillies (2008) considera que la longitud óptima de la parcela de riego está


vinculada a la pendiente y al caudal de manejo, y que en general, cuando las
pendientes son menores, en presencia de suelos arenosos la longitud debe ser
menor respecto a la situación de riegos con pendiente y suelo de textura
arcillosas.

Generalmente, el tiempo de aplicación será mayor cuanto mayor sean las


necesidades del cultivo. Según diversos autores, existen recomendaciones
generales que integran todos los factores antes citados, que permiten cumplir
eficientemente con los objetivos del riego, así podemos citar las recomendaciones
realizadas por Banti et al.(2011) y por Zolfaghari et al.(2012).

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.

1.4. Eficiencia del riego

Estudios realizados por Morábito et al. (2012) sobre la eficiencia de riego en


Argentina, mencionan varios conceptos de eficiencia y esencialmente la dividen en
dos grupos: la eficiencia de red de riego (eficiencias externas) y las eficiencias en
el interior de la propiedad (eficiencias internas). Conceptualmente definir si un
sistema de riego es suficiente o adecuado depende de la cantidad de agua
almacenada en la rizósfera, las pérdidas por percolación por debajo de la zona
radicular, las pérdidas de agua por escurrimiento, la uniformidad de agua aplicada
y el coeficiente de déficit de la rizósfera después del riego. El fin del desempeño
dependerá de la optimización de la producción y de las utilidades.

Los regadores históricamente han resuelto los problemas de falta de uniformidad


al aplicar mayor caudal de los que se necesitarían si la aplicación fuera uniforme.
Esta solución es de carácter práctico, la aplicación de agua más de la necesaria
facilita el lavado de los fertilizantes e incrementa los costos de operación
(González, 2008). Este autor considera que la aplicación de agua por encima de
las necesidades para el desarrollo óptimo de los cultivos puede impedir la
instalación de nuevos sistemas en otras zonas y provocar sobre explotación de las
obras hidráulicas

La política agraria de Cuba se orienta hacia el incremento de la eficiencia de los


sistemas de riego y la conservación de suelos (Capote y Rafols, 2007) así como,
la implementación de variantes de riego a pequeña escala sin consumo de energía
eléctrica o diesel (Sierra, 2007) y construcciones de bajo costo (Alfonso, 2007) que
permitan un mejor uso de los recursos naturales (Dueñas, 2007). En Cuba hasta el
13
2010 la eficiencia (INRH, 1999) en uso del agua era del 50% según (Herrera,
2011).

1.5. Factores que influyen en la infiltración

La tasa de infiltración está determinada por la interacción de un número de


características físicas y químicas del suelo (Gillies, 2008). Estas propiedades del
suelo varían desde una localidad a otra y cambian en el tiempo, debido a las
prácticas agrícolas (aradura y compactación), los proceso de manejo del agua y
biológicos (macro y micro-organismos).

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).

1.5.1. Textura del suelo

La conductividad hidráulica del suelo está influenciada fuertemente por la textura,


es decir, por la proporción relativa de arena, limo y arcilla. Las partículas de arcilla
son especialmente importantes cuando sus pequeños tamaños las hacen capaces
de llenar los espacios entre las partículas más grandes, mientras que su
orientación de carga les da un papel crucial en unir la matriz del suelo en
estructuras más grandes. Para una capa con un solo tamaño de partículas la
conductividad hidráulica es aproximadamente proporcional al cuadrado del
diámetro de las partículas (Henry y Tuffour, 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 propiedades hidráulicas son influenciadas fuertemente por la textura y


estructura y varían considerablemente aún entre una sola clase de suelos. Por
ejemplo, una tendencia general se observó entre los vertisuelos, Robertson et al.
(2004) encontraron que la conductividad hidráulica se redujo significativamente
con la profundidad entre la superficie y 400 mm de profundidad para estos suelos.

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.

1.5.2. Erosión, estructura y compactación del suelo

La erosión del suelo es un proceso mediante el cual el material se desplaza,


transporta y deposita en algún lugar del terreno por medio de los efectos del viento
o el agua. Sin considerar el viento, la severidad de la erosión está determinada por
el tamaño de las partículas del suelo, la pendiente del terreno y la velocidad del
flujo de agua. En riego por surcos, la velocidad máxima del flujo se inicia cerca de
la entrada y disminuye gradualmente sobre la longitud del surco. Debido a esto, la
carga de sedimento generalmente incrementa en todo el primer cuarto de longitud
del campo, e inmediatamente, disminuye en la segunda mitad (Qian et al., 2014).

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.

El sellado de la superficie puede formarse en áreas donde el sedimento fino se


deposita y consolida, creando áreas de infiltración baja desde aguas arriba hasta
el final del campo. Se ha observado que las tasas de infiltración son 50 a 100%
superiores (para un loam-arcilloso) en las aguas arriba comparado con las aguas
abajo al final del surco (Brown et al., 1988). El efecto de esta reducción hace aún
más significativo considerar la tendencia para tiempos de oportunidades más
cortos aguas abajo al final del campo.

Brown et al. (1988) encontraron que la adición de sedimentos finos en el


suministro de agua puede reemplazar el sedimento removido desde aguas arriba
hacia el final del campo y, debido a esto incrementar la uniformidad de las láminas
aplicadas. En algunos casos, el color del suelo puede usarse como un posible
indicador de erosión del suelo.

En el campo, la erosión se observa con frecuencia como alteraciones en la


sección transversal del surco (Qian et al., 2014). Los surcos se forman típicamente
con una sección transversal en forma de V al inicio de la temporada.

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.

1.5.3. Contenido de humedad del suelo y agrietamiento

En un suelo no saturado la infiltración inicial está dominada por el potencial


mátrico, el cual es una función inversa del contenido de humedad, por lo tanto, las
propiedades hidráulicas están fuertemente relacionadas con el contenido de
humedad y su distribución dentro del perfil del suelo, además, el contenido de
humedad cambia temporalmente y espacialmente, debido a las precipitaciones
(He et al., 2015) la uniformidad de los riegos anteriores, la evaporación y la
extracción de agua por las plantas.

El contenido de humedad, también tiene un impacto directo en el grado de


agrietamiento de los suelos, los cuales en cambio tienen un gran impacto en
función de infiltración (He et al., 2015). El agrietamiento ocurre dentro de muchos
suelos arcillosos los que se contraen excesivamente durante el secado. Durante el
riego, estas grietas sirven como vía a través de la cual el agua puede entrar
rápidamente en el suelo. El riego por surcos es particularmente sensible a los
suelos agrietados ya que el frente de avance del agua puede detenerse para llenar
las grietas grandes (Bakker et al., 2006).

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.

Los estudios numéricos con la utilización de HYDRUS 1D (Furman et al., 2006)


evidenciaron que el parámetro k de la ecuación de Kostiakov Modificado tenía en
condiciones de saturación valores similares para un rango de suelos y siguió una

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).

1.5.4. Calidad del agua y estabilidad estructural del suelo

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.

Con la aplicación de aguas residuales, los suelos arcillosos y loam experimentaron


una disminución de la tasa de infiltración que parece restringirse por obstrucción
de los poros del suelo en las capas superiores del perfil (Viviani y Lovino, 2004).

Esta reducción de la tasa de infiltración se incrementa con la carga de sedimentos


mientras que los suelos arcillosos son los más sensibles. Sin embargo, la tasa de
infiltración se restablece por los orificios microbianos del material orgánico
combinado con la expansión y contracción del suelo, y se acelera con el desarrollo
del cultivo (Viviani y Lovino, 2004).

La carga sedimentaria también afecta la infiltración. Los ensayos han demostrado


que niveles de suspensión de arcilla de 5 g L-1 causaron una reducción de un 50%
en la conductividad hidráulica saturada (Ragusa et al., 1994). El agua con carga
sedimentaria puede formar un fino sellado superficial en el perímetro húmedo, que
reduce la infiltración (Brown et al., 1988) y crea un gradiente de tensión de 0,5 a
1,0 kPa.

Cationes como el magnesio (Mg2+) y el calcio (Ca2+) tienen la mejor capacidad


para flocular y unir los coloides del suelo mientras que el poder atractivo del sodio
es fácilmente superado por el agua, por tanto, aquellos suelos con mayores
porcentajes de sodio intercambiable (ESP), llamados suelos sódicos, tienden a

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.

La aplicación del agua gradualmente altera la composición química de la solución


del suelo. En dependencia del manejo del riego, la capa superficial del suelo
tiende hacia una conductividad eléctrica y SAR similares a aquellos de la fuente de
agua (Emdad et al., 2004).

1.5.5. Organismos del suelo

El suelo es una combinación de componentes minerales, líquidos y gaseosos. Los


organismos vivientes del suelo incluyen microorganismos, animales superiores,
raíces de los cultivos y plantas arvenses. La mayoría de estos organismos influyen
en la conductividad hidráulica del suelo por su influencia en la estabilidad de los
agregados, tamaño y conectividad de los poros. Li et al. (2001) observaron una
relación lineal fuerte entre los residuos de paja y la infiltración estabilizada la cual
se incrementó en 0,66 mm h-1 por cada unidad de porcentaje de la cobertura de
los residuos.

Los organismos pueden causar reducciones importantes en la conductividad


hidráulica (Jouquet et al., 2012; Brye et al., 2006) mediante la destrucción de la
estructura del suelo y producción de gases y otros productos metabólicos, los
cuales se acumulan en los poros 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.

1.5.6. Efectos del agua de riego en la infiltración

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).

La temperatura del agua suministrada al campo puede cambiar temporalmente, y


diariamente por más de 10°C (Lentz y Bjorneberg, 2003). El suelo, la temperatura
ambiental y la luz solar causarán que la temperatura del suelo varíe
significativamente a lo largo del surco.

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.

Furman et al. (2006) identificaron relaciones entre los parámetros de la ecuación


de Kostiakov Modificado y la profundidad del agua en la superficie, pero
concluyeron que las relaciones eran dependientes del tipo de suelo. Un suelo loam

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.

1.6. Infiltración en el riego por surcos

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.

1.6.1. Medida de la infiltración

Para la determinación de la infiltración se utilizan diferentes modelos que se


emplean en Hidrología y Ciencias del Suelo, algunos de base teórica o física y
otros empíricos (Rodríguez et al., 2008). Los modelos empíricos y teóricos
tradicionalmente utilizados para describir el proceso de infiltración, entre los que
se encuentran los de Grean-Ampt, Kostiakov, Kostiakov-Lewis, Horton, Mezencev
y Philip, permiten obtener los parámetros hidráulicos del suelo al ajustar
ecuaciones simples a los datos experimentales.

Usualmente los componentes de estas ecuaciones se obtienen por ajustes de la


ecuación de infiltración a los datos de lámina infiltrada medidos experimentalmente
(Nofuente y Polo, 2009).

Las fórmulas teóricas tienen la ventaja de estar físicamente fundamentadas y


ayudar a la comprensión del fenómeno (Kumar, 2014) su principal limitación

21
estriba en los supuestos de homogeneidad e isotropismo del perfil o en lo
elaborado de las soluciones numéricas.

Las ecuaciones empíricas tienen la ventaja de su sencillez, y en general, su


amplia adecuación a condiciones diferentes de suelo; tienen, sin embargo, la seria
limitación de no proporcionar ninguna interpretación física directa del fenómeno,
por tanto, son incapaces de extrapolar la información a condiciones diferentes de
aquellas en las cuales se obtuvieron (Brown, 2000; Turner, 2006).

El uso de los modelos matemáticos y las simulaciones por computadora en


ingeniería, hidrología y otros campos, en los procesos de toma de decisiones, ha
alcanzado progresivamente más aceptación (Foltz et al., 2011). Existe una gran
cantidad de aplicaciones o software para el diseño y operación del riego por
superficie, pero muy pocos han sido efectivamente utilizados (Shilardi, 2010).

El ILWI( Institute for Land and Water Management) de la Universidad Católica de


Leuven, Bélgica, y el ILRI,(International Institute for Land Reclamation and
Improvement, Wageningen, The Netherlands) en conjunto inicialmente
desarrollaron el modelo BASCAD (Boontra y Jurriëns, 1988), previamente llamado
BASDEV, para el diseño y operación de grandes melgas niveladas a cero.
BASCAD utiliza el modelo matemático de inercia-cero combinándolo con el
principio de volumen Euleriano (Walker y Skogerboe, 1987), lo cual permite
generar el avance del frente de agua.

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).

Sobre WINSRFR se están desarrollando procedimientos para estimar la erosión


de la superficie del suelo, se ha planificado incluir el modelo Green-Ampt a lista de
opciones de infiltración. Finalmente, a largo plazo se realizan esfuerzos para
expandir las capacidades del modelo para simular la hidráulica del riego por
superficie en dos dimensiones (Bautista et al., 2009).

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)

Ramezani et al. (2011) usaron diferentes modelos matemáticos con el objetivo de


estimar los parámetros de infiltración de Kostiakov y el coeficiente de rugosidad de
Manning en riego por surcos. Los modelos usados fueron EVALUE, SIPAR_ID, e
INFILT. El modelo EVALUE usa un procedimiento de solución directa, mientras
que los otros dos se basan en el método de solución inversa. Con el uso de los
parámetros estimados y el software de simulación del riego SIRMOD, fueron
predichos, el volumen total de agua infiltrado y el tiempo de riego para evaluar la
precisión de los modelos matemáticos. Los modelos EVALUE y SIPAR_ID
tuvieron el mejor desempeño, EVALUE fue mejor que SIPAR_ID para la
estimación del coeficiente de rugosidad de Manning. El modelo INFILT tuvo menos
precisión en el riego con reducción del caudal que en el riego sin variación del
caudal. Los modelos INFILT y SIPAR_ID se comportaron de forma similar en riego
con surcos bloqueados y con escurrimiento al final del surco.

Los parámetros de infiltración y el coeficiente de rugosidad de Manning son


variables críticas en el diseño y evaluación de los sistemas de riego por superficie
(Mailapalli et al., 2008; Rodríguez y Martos, 2010). Sus valores varían durante un
evento de riego, y la estimación de los tiempos de avance y recesión con la
utilización de valores constantes puede conducir a errores considerables.

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.

Ebrahimian et al. (2011) evaluaron varios métodos para la estimación de los


parámetros de infiltración de riego por surcos y franjas. Los resultados mostraron
que el de Mailapalli modificado y el propuesto por Elliott y Walker (1982) tuvieron
los menores errores de predicción para ambos tipos de riego, en tanto que el
último resultó tener la mayor precisión en la predicción de los tiempos de avance.

Mailapalli et al. (2008) estudiaron la variación espacial y temporal de la n Manning


para tres surcos de 40 m de longitud con vertimiento al final del surco. Tanto para
las condiciones de suelo desnudo como para suelo cultivado, el coeficiente de
rugosidad de Manning fue alto en las secciones del surco donde se observó
erosión. La n de Manning disminuyó en el tiempo para las condiciones de suelo
desnudo y cultivado, particularmente para los menores.

Walker (2005) introdujo un método de optimización multinivel para la estimación


de la n de Manning y los parámetros de infiltración de la ecuación de Kostiakov-
Lewis. El método sugerido se basa en ensayo y error usando el modelo SIRMOD.
La principal ventaja es la reducción de los datos de campo requeridos (no se
necesita la trayectoria de avance y recesión). El enfoque multinivel fue creado por
ser mejor en el desarrollo de parámetros de entrada, que conducen a simulaciones
con mayor precisión de escorrentía y recesión al compararlo con el método de dos
puntos.

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.

Rodríguez et al. (2008) y Dashtaki et al. (2009) observaron que el contenido de


humedad del suelo indica una correlación directa con el primer parámetro de todos
los modelos, demostrándose que su valor está estrechamente relacionado con el
contenido de agua en el suelo, al momento de iniciar la prueba.

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.

Menhg et al. (2006) afirman que la infiltración es un fenómeno de tres procesos


independientes complejos y sólo parcialmente comprendidos: el paso del agua de
la superficie al interior del suelo, el movimiento a través del perfil debido al
gradiente de humedad en la zona de aireación y el movimiento, debido a la
succión por parte de las plantas, del agua contenida en los espacios porosos del
suelo.

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).

La caracterización de la infiltración de los suelos, así como su variabilidad espacial


y temporal, resulta de suma importancia para el método de riego superficial ya que
afecta de forma significativa la ejecución del método, como así también la práctica
del diseño y manejo (Khatri y Smith, 2006; Gillies, 2008).

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.

Rahimi (2011) reportó que la infiltración acumulada se redujo en el segundo riego,


en comparación con el primero, y en el tercero en comparación con el segundo, a
partir de este encontró que las láminas infiltradas aumentaron y lo atribuyó al
crecimiento de plantas arvenses en el surco.

1.6.2. Familias de infiltración

El concepto de familia de infiltración asume que el suelo puede agruparse en un


número dentro de un número de clases diferentes según sus propiedades
hidráulicas. Esta asunción reduce los requerimientos de análisis, debido a que
reduce el número de curvas de infiltración dentro de un campo bajo un número de
unidades. Aunque esta técnica no es ampliamente usada (Morábito et al., 2012)
puede tener enormes beneficios en la fase inicial de diseño del riego donde las
propiedades del suelo deben inferirse de campos similares en la región.

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.

El Servicio de Conservación de Suelos de los Estados Unidos (USSCS) ideó un


sistema de familias de infiltración basados en un gran número de ensayos de
campo, ellos usaron la siguiente expresión para representar la infiltración:

(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.

1.7. Modelos de simulación de cultivo

La definición de modelo es compleja, un modelo debe representar los aspectos


esenciales de un sistema, sean estos estructurales o funcionales (Sadras, 2004).
Para ello, primero debe entenderse qué es un sistema. El mismo se define como
un conjunto de elementos relacionados; estas relaciones se dan dentro de los
límites del sistema y los límites se definen de acuerdo a los objetivos de estudio.

1.7.1. Tipos de modelo

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.

Los modelos funcionales (también llamados empíricos, estadísticos o correlativos)


describen la relación entre variables sin tomar en cuenta los mecanismos
subyacentes, representan lo que ocurrió, pero no por qué ocurrió (Rickman et al.,
1996). Este tipo de modelo es esencialmente práctico, y debido a su naturaleza
empírica, no se debiera esperar que funcionen fuera del rango de las variables
para las que fueron calibrados (Passioura, 1996; Monteith, 1996) ya que
usualmente estos son solo válidos para un determinado año, lugar y especie
(Amiri et al., 2014; Rezaverdinejad et al., 2014).

En un modelo funcional está implícita la idea de que, ni la naturaleza de las


funciones, ni los valores de los parámetros, tienen un significado físico
fundamental. Sin embargo, el valor y utilidad de este tipo de modelos depende no
tanto de descripciones científicamente aceptables, sino de su precisión; de cuan
adecuados sean los parámetros en que se basan (Sinclair y Seligman, 2000) y de
su capacidad para solucionar problemas.

Los modelos mecanísticos (también llamados explicativos) intentan explicar


procesos por medio de mecanismos biofísicos, bioquímicos y fisiológicos básicos,
ya que se construyen principalmente con esta finalidad, son más apropiados para
el uso científico (Claassen y Steingrobe, 1999).

Su valor y utilidad es más cualitativo y más ambiguo que en el caso de los


modelos funcionales (Sinclair y Seligman, 2000) y son utilizados para evaluar
posibles debilidades conceptuales en hipótesis particulares. De esta forma, se
utilizan para estimular cambios en las teorías existentes, como por ejemplo, sobre
las interacciones entre los cultivos y el ambiente.

A pesar de lo práctico de esta distinción, el límite entre ambos tipos de modelos no


es siempre claro (Abi et al., 2014) y la mayor parte de ellos se encuentra entre los
dos tipos mencionados, ya que utilizan aproximaciones parcialmente mecanísticas

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.

1.7.2. Evaluación de un modelo

En palabras de Monteith (1996) los modelos de cultivos debieran apegarse más de


cerca al método científico tradicional. Esta crítica se relaciona principalmente con
el proceso de evaluación de modelos. Si bien existe consenso en que los criterios
para juzgar la aceptabilidad de un modelo debieran definirse en relación a los
objetivos del mismo, hay una falta de procedimientos estandarizados para
evaluarlos (Van Ittersum y Donatelli, 2003).

El procedimiento más común para este fin se denomina validación, y consiste en


comparar el resultado de un modelo con un set independiente de mediciones y
establecer el grado de exactitud con que los datos simulados se ajustan a datos
medidos (Delgoda et al., 2016). En esta definición, se entiende por ―set
independiente de mediciones‖, un conjunto de datos que no han sido utilizados en
el proceso de calibración, ya que si así fuera, el proceso sería lógicamente
circular.

La literatura relacionada con el tema, el término ―v


alidación‖ es bastante
controversial ya que en ocasiones, el término ―v
alidar‖ se utiliza para establecer la
capacidad del modelo para representar lo que ocurre en la realidad, mientras,
―v
alidado‖ suele emplearse para concluir que el modelo conceptual es verdadero o
correcto (Oreskes et al., 1994; Spiegel, 2010).

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).

El modelo AquaCrop se diferencia del presentado en el documento de FAO 33 de


1979 en su enfoque y aproximación al problema, debido a que considera variables
meteorológicas, de cultivo, de suelo y de manejo. Separa por un lado la
transpiración (vinculada a la productividad) de la evaporación del suelo, donde no
hay intercambio de carbono asimilable (Steduto et al., 2007) y diferencia el
rendimiento final en biomasa e índice de cosecha.

Utiliza la cobertura foliar (indirectamente valorada a través del porcentaje de


sombreado) en lugar del índice de área foliar, y toma en cuenta la concentración
de dióxido de carbono atmosférico (Steduto et al., 2007). Incorpora, además,
componentes fisiológicos y un parámetro de productividad del agua y puede
utilizarse en escalas de tiempo diario. El modelo incluye el continuo agua-suelo-
planta-atmósfera y algunos parámetros de manejo del cultivo.

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.

1.8. Modelos de riego utilizados en Cuba

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.

1.9. El cultivo del frijol


1.9.1. Producción mundial y nacional

El frijol es un cultivo de pequeños agricultores en América Latina y África Oriental


y Occidental, donde a menudo crece en condiciones no favorables y con mínimos
insumos (Beebe et al., 2008). Es una fuente poco costosa de proteína y calorías
33
para pequeños agricultores de países con pobreza endémica, en especial para
mujeres y niños.

El rendimiento de grano se ve afectado por varias causas tanto bióticas como


abióticas, entre las cuales la sequía puede generar pérdidas entre 10 y 100%.
Cerca de 60% de las regiones productoras de frijol sufre condiciones de sequía,
que es el segundo factor más importante de reducción en rendimiento después de
las enfermedades (Rao et al., 2010).

En el 2015 la producción mundial de frijol común seco alcanzó 19 723,330 t, entre


los mayores productores estuvieron Brasil (3 522,979 t), India, (2 310,000 t), China
(1 543,151 t), Estados Unidos (1 150,310 t) y México (1, 051,400 t) (FAOSTAT,
2015).

En los últimos años se ha implementado un amplio programa de desarrollo para la


siembra del cultivo del frijol en Cuba, con vista a satisfacer parte de las demandas
de este grano en el país y sustituir importaciones, porque cada día se elevan sus
precios en el mercado internacional y las limitaciones son mayores para acceder a
estos La producción de frijol en Cuba en el año 2014 ascendió a 135 545 t. La
provincia Granma alcanzó una producción total de 2 610,7 t; sin embargo, llama la
atención que no se ha podido cumplir en ninguno de los años los planes de
producción, debido a que los rendimientos que se logran son muy bajos, no
superan los 1200 kg ha-1; no obstante, es superior en dos veces a los alcanzados
en el año anterior (ONEI, 2015).

1.9.2. Necesidades hídricas del cultivo del frijol

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)

De emergencia a floración se considera período crítico del cultivo para el déficit de


humedad (Muñoz et al., 2007). Los efectos perjudiciales en la planta por el déficit
de agua son observados con la caída de las hojas, reducción de la floración y la
consecuente disminución del número de vainas por plantas.

El frijol es un cultivo que no requiere grandes volúmenes de agua durante su ciclo


vegetativo; la demanda de agua dependerá de su fase de desarrollo. Este es
exigente en la fase de germinación y muy exigente en la fase de diferenciación
floral, fructificación y llenado del grano. Investigaciones realizadas en el manejo
del riego del cultivo frijol reportaron mejoras en el rendimiento y el uso eficiente del
agua cuando el cultivo fue regado con alta frecuencia (Muñoz et al., 2007). Debido
a que es un cultivo de raíces poco profundas extrae el 85% del agua de los
primeros 40 cm del perfil del suelo.

De Faria et al. (1997) encontraron una disminución importante en el rendimiento


cuando los niveles de humedad del suelo se redujeron a menos del 40% del agua
total disponible y recomendaron que el nivel no deba descender del 60%.

En un ambiente de crecimiento húmedo, Heinemann et al. (2000) compararon


varias cantidades de agua (5, 6 y 7 mm d-1) y concluyeron que los mayores
rendimientos se obtuvieron cuando se aplicaron 6 mm d-1 y la humedad disponible
del suelo era el 70% en los primeros 30 cm en el momento de la aplicación.

Beebe et al. (2010) encontraron que una aplicación de 30 mm de profundidad era


óptima para producción de frijol, de la misma manera, encontraron que un cambio
de profundidad después de la antesis de la planta incrementó su altura e índice de
área foliar, y, consecuentemente, el rendimiento.

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.

En la actualidad con el uso de los datos de evaluación de campo, se han


desarrollado modelos de simulación del riego, los cuales constituyen hoy
herramientas esenciales para el proyecto y la evaluación de los parámetros que
caracterizan la infiltración y la rugosidad hidráulica.

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.

Una alternativa a las clásicas funciones de producción empíricas es el uso de los


modelos de simulación de cultivos para el manejo del riego. La modelación del
crecimiento y desarrollo de los cultivos es un instrumento que permite predecir el
comportamiento de éstos, en una determinada zona, ante cambios en las
variables ambientales y edáficas.

Hasta la fecha, AquaCrop se ha utilizado para la simulación de algunos de los


principales cultivos del mundo, sin embargo, son pocos los trabajos de simulación
del cultivo del frijol.

36
2. MATERIALES Y MÉTODOS

En este capítulo se presentan las metodologías necesarias para la obtención de


los parámetros de diseño y manejo del riego por surcos para el cultivo del frijol, los
criterios que permiten seleccionar el modelo que mejor simula la infiltración del
agua en el suelo. Se describe el modelo que permite maximizar la eficiencia de
aplicación del agua y de la longitud del surco y el procedimiento de fotografía en
proyección vertical con procesamiento de imágenes, que permite cuantificar los
períodos del cultivo. Se exponen los modelos y métodos utilizados para el cálculo
de la evapotranspiración de referencia (ETo) mediante el software ETo calculator.
Se explican los procedimientos para la evaluación del modelo AquaCrop, y
finalmente, se presenta el procedimiento que permite la maximización física y
económica del agua de riego.

2.1. Localización del ensayo experimental

El ensayo experimental se desarrolló en el período 2012 al 2015. El área de


investigación pertenece a la UBPC Grito de Yara en la comunidad agrícola La Sal,
del municipio Yara, de la provincia Granma, Cuba. La misma se encuentra ubicada
a los 20° 25' latitud N y a los 76° 53' longitud O con una altura de 6 m.s.n.m. El
acceso a la misma desde Bayamo se produce desviándose en el km 21 de la
carretera Río Cauto- Manzanillo en dirección a Veguitas (Anexo 3).

2.2. Datos del suelo

El tipo de suelo en la unidad experimental de la UBPC Grito de Yara, es Aluvial del


subtipo estratificado, perteneciente a la variedad textural loam arcilloso con un
contenido de materia orgánica menor de 2%. Este se puede correlacionar, según
Hernández et al. (2015) con el Fluvisol de la Soil Taxonomy (Soil Survey Staff,
2003). Las principales propiedades hidrofísicas del suelo necesarias para esta
investigación se presentan en la tabla 2.1. Los datos se tomaron del Laboratorio
Provincial de Suelos de Granma; mientras que la  se calculó mediante la
siguiente fórmula recomendada por Cid et al. (2006) y Dorner et al. (2009):

37

 (2.1)

Tabla 2.1. Principales propiedades hidrofísicas del suelo


P(cm)  θcc θPMP θSAT
3 -3
(g cm )-3
(g cm )-3
(cm cm ) (cm3 cm-3) (cm3 cm-3)
0-10 1,36 2,64 0,38 0,22 0,47
10-20 1,37 2,66 0,39 0,22 0,46
20-30 1,38 2,69 0,38 0,21 0,46
30-40 1,38 2,71 0,35 0,21 0,45
40-50 1,40 2,72 0,38 0,20 0,48
Fuente: Laboratorio Provincial de Suelos. MINAG, Granma (2015).

Tabla 2.1. Principales propiedades hidrofísicas del suelo (continuación)


KSAT ic  Textura
(mm h-1) (mm h-1) (%) Arena Limo Arcilla
4,5 9,0 48,48 27,56 32,75 39,69
4,3 8,8 48,49 27,72 33,16 39,12
4,3 8,5 48,69 26,36 33,64 40,00
4,2 8,3 49,07 28,50 34,20 37,30
4,0 8,1 48,52 28,01 33,39 38,60
Fuente:Laboratorio Provincial de Suelos. MINAG, Granma (2015).

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, %.

2.3. Caracterización climática de la zona de estudio

La caracterización climática se realizó con los datos meteorológicos


proporcionados por la Estación Agrometeorológica de Veguitas, perteneciente a la
red de estaciones del Ministerio de Ciencia Tecnología y Medio Ambiente
(CITMA), la cual está ubicada a una distancia menor de 2 km de la parcela
experimental. Los datos climáticos pertenecen a una serie histórica de los últimos
10 años. La Estación Agrometeorológica de Veguitas proporciona datos promedios

38
diarios de temperatura, velocidad del viento, humedad relativa, precipitación y
radiación solar.

Los datos climáticos se presentan en el Anexo 4. La temperatura mínima no


presenta una acusada variación estacional. Los valores mínimos se presentan en
el mes de enero 17,9°C y los más altos en junio con valores de 22,3°C. La
temperatura máxima tampoco presenta grandes variaciones, el valor más bajo
31,2°C en el mes de enero y el más alto 35,7°C en el mes de agosto. La humedad
relativa presenta sus menores valores en el mes de marzo 66% y los mayores en
el mes de septiembre con 81%. Se registran varios meses con similar velocidad
del viento alcanzándose su mayor valor con 2,8 m s-1 en el mes diciembre.

En cuanto a la precipitación y la ETo acumulada mensual (Anexo 4), se debe


destacar que los valores de precipitación en el período de diciembre-marzo varían
entre 21,6 y 40,0 mm; mientras que la ETo reporta valores superiores que oscilan
entre 88,16 y 93,12 mm lo que justifica la necesidad de riego en esta etapa.

2.4. Diseño experimental

Para el cultivo del frijol, se estableció un área experimental con dimensiones de


100 x 21,60 m para un área total de 2 160 m2 (0,216 ha). La longitud utilizada es la
mínima recomendada para investigaciones de riego por surcos y obedeció a las
características geométricas del campo (Walker et al., 2006). El diseño
experimental fue parcelas en franjas.

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).

Se utilizaron tres variantes experimentales, las cuales se establecieron a partir del


criterio de utilizar el caudal máximo no erosivo y de la maximización de la
eficiencia de aplicación y longitud del surco en función de los caudales.

V1-Riego continuo con un caudal de 1 L s-1 (Q1).

V2- Riego continuo con un caudal de 2 L s-1 (Q2).

V3-Riego continuo con un caudal de 3 L s-1 (Q3).

La entrega de los caudales se garantizó con el uso de espitas de PVC calibradas


para los diámetros de 35, 50 y 70 mm, con una carga de 7 cm (Anexo 5). Se
evaluaron un total de 7 eventos de riego promedio durante el ciclo del cultivo.

2.5. Metodología de campo

En cada parcela de evaluación se llevaron a cabo durante el evento de riego, las


siguientes determinaciones, según la metodología descrita por Walker (2003).

2.5.1. Medición de la pendiente longitudinal de riego

La pendiente del terreno se determinó con un láser rotativo autonivelante, marca


FRE207 (Anexo 6A), para lo cual se hizo una malla de 10x10 m, para la obtención
de la pendiente longitudinal, cuyo valor promedio es de 0,50% y clasifica como
buena, según el criterio de Pérez y Cid (2008).

2.5.2. Determinación de la conductividad eléctrica del agua

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).

2.5.3. Medición del perfil transversal del surco

Para conocer la geometría de los surcos se utilizó el método del perfilómetro


(Anexo 6C) según Walker y Skogerboe (1987). Las lecturas de los perfiles
transversales se realizaron en cuatro puntos de los surcos evaluables a la
distancia de 20, 40, 60 y 80 m.

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).

2.5.4. Medición del tiempo de avance

Se dividió la longitud total de la parcela evaluada en diez partes de igual longitud y


en cada una de ellas se colocó una estaca de madera, indicadora de cada
estación de medición del avance. Luego de iniciarse el riego se registró en cada
estación el tiempo acumulado de avance del frente de agua (Anexo 7A).

Los tiempos de oportunidad que caracterizaron cada evento de riego se


determinaron según el criterio de Santana (2007) el cual refiere que la diferencia
entre el tiempo total de avance en el surco y los valores del tiempo de avance en
cada estación producen el tiempo de oportunidad de infiltración.

2.5.5. Medición del tiempo de aplicación

Se registró para las condiciones evaluadas el tiempo total de ingreso de agua a la


parcela regada, con un tiempo de corte de 10 minutos después que el frente de
avance del agua llegara al final del surco.2.5.6. Medición del volumen de
escorrentía y el caudal de salida

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).

2.5.7. Determinación de la humedad del suelo antes y después del riego

Se seleccionaron tres puntos de muestreo: al inicio, el medio y el final de cada


surco; tomándose tres muestras por capas de 10 cm a las profundidades de 0-10,
11-20, 21-30, 31-40 y 41-50 cm, con el uso de la barrena tipo Veihmeyer (Anexo
8A y 8B). La cuantificación del contenido de humedad se realizó mediante el
procedimiento sugerido por Pérez y Cid (2008).

2.5.8. Determinación de la distribución del sistema de raíces

Las mediciones de la distribución de las raíces en el perfil suelo, se realizaron con


la metodología descrita por Lozano (2009) en los tres puntos de muestreo del
surco. En cada subparcela se seleccionaron un total de 10 plantas a las cuales se
le extrajeron las raíces en cuatro profundidades: 0,0-7,5 cm, 7,5-15,0 cm, 15,0-
22,5 cm y 22,5-30,0 cm (Anexo 9A y 9B).

2.5.9. Determinación de las etapas de desarrollo

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.

2.5.11. Medición del rendimiento en cosecha

En el momento de la cosecha se seleccionaron 150 plantas al azar por cada


variante y se estimó el rendimiento en t ha-1, según metodología descrita por
Fuentelsaz (2004) y Gutiérrez y de La Vara (2004).

2.6. Estimación de los parámetros geométricos del surco

Los parámetros geométricos se calcularon según la metodología de Walker


(2003), que considera las siguientes ecuaciones:

(2.2)

donde: es el perímetro mojado, m; la profundidad del flujo, m; y y son


parámetros numéricos de ajuste.

(2.3)

donde: A es el área de la sección transversal del surco, m2; la profundidad del


flujo, m; y 1, 2 son parámetros numéricos de ajuste. La sección hidráulica puede
calcularse por la combinación de las dos ecuaciones anteriores.

(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)

Los procedimientos para definir los valores de , , σ1 , y σ2 son los siguientes.

[ √ √ ]
[ ]
[ √ ]
(2.8)

[ √ √ ]
(2.9)

( )
[ ]
( )
(2.10)

( )
(2.11)

donde: es el ancho máximo del surco, m; el ancho medio del surco, m;


el ancho de la base del surco, m y la altura máxima del surco, m.

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.

Se utilizó, además, el procesador de imágenes (PI) ImageTool para Windows,


versión 3.0, el método de la sección transversal (ST) y el método del elipsoide
(Elipsoide) para evaluar la precisión en la estimación del perímetro y el área según
la metodología propuesta por Rahimi y Motalleb (2013) en el primer y último
riegos.

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)

donde: WP es el perímetro húmedo, m; el ancho de flujo superficial, m; A el


área del flujo de la sección transversal, m2 ; la profundidad del flujo, m.

Se calculó la relación entre el ancho superficial del flujo y la profundidad máxima


del surco para conocer el índice de funcionamiento hidráulico mediante la
expresión siguiente:

(2.15)

donde: es el índice de funcionamiento hidráulico, adimensional; el ancho


superficial del flujo, m; y la profundidad máxima del surco, m.

2.7. Determinación de la ecuación potencial de avance

La ecuación potencial de avance se determinó a partir de la relación estadística


entre la distancia y el tiempo de avance mediante el análisis de regresión no lineal
con una significación p<0,01 a través de la ecuación siguiente:

(2.16)

donde: es la distancia alcanzada por el frente del agua, m; el tiempo de


avance, min; el coeficiente empírico que representa la distancia que avanza el
frente de agua en el primer minuto; y el exponente empírico cuyo valor es menor
que 1.

45
2.8. Determinación de la lámina infiltrada acumulada

La determinación de la lámina infiltrada acumulada se realizó mediante los


modelos empíricos de Kostiakov, Kostiakov-Lewis y Philip; los cuales se
compararon entre sí para proponer el modelo más apropiado (Anexo 11).

La evaluación de la exactitud de los modelos de infiltración se realizó a partir de 63


pares de datos de láminas infiltradas acumuladas observadas y simuladas
mediante un gráfico de dispersión. Asimismo; se utilizaron cinco índices
estadísticos: coeficiente de determinación (R2); eficiencia del modelo (EF); raíz del
error cuadrático medio (RMSE); raíz del error cuadrático medio normalizado
(NRMSE) y el índice de aceptación (d).

El coeficiente de determinación representa el porcentaje de la variabilidad de los


valores observados que ha sido explicado por el modelo de regresión ajustado.
Los valores mayores de 0,50 se consideran aceptables y los superiores a 0,80 se
califican de bueno (Moriasi et al., 2007).

(2.17)

donde: es el coeficiente de determinación, %; la suma de cuadrados debido


a la regresión; la suma total de cuadrados.

La eficiencia del modelo representa la desviación total entre los valores


observados y simulados (Nash y Sutcliffe, 1970). Este parámetro puede alcanzar
valores entre –∞ hasta +1(Raes et al., 2012; Montoya, 2013).

∑ ( )
(2.18)
∑ ( ̅̅̅)

donde: EF es la eficiencia del modelo; los valores medidos; los valores


simulados; ̅ la media de los valores medidos.

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)

donde: N es el número de observaciones.

La error cuadrático medio normalizado es un parámetro estadístico que permite


considerar una simulación como excelente cuando se alcanza un valor menor que
el 10%; buena si se encuentra entre 10 y 20%; adecuada si está entre 20 y 30% y
pobre si es mayor que 30% (Raes et al., 2012).


√ (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)
∑ |

2.9. Evaluación del desempeño del riego por surcos

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;

VZR el volumen almacenado en la zona radicular, m3; VT el volumen de agua


aplicada, m3; VR LW el volumen de déficit hídrico en la zona radicular, m3, también,
se utilizó la matriz de correlación a partir de las variables ES, PP, Ea, Er, Cd, UD,
tiempo de riego (T) y caudal aplicado (Q).

2.10. Maximización de la eficiencia de aplicación y de la longitud del surco

Para la maximización de la eficiencia de aplicación del agua y de la longitud del


surco en función del caudal suministrado, se utilizó el modelo propuesto por
Konuku y Delibas (2006).

Para el cálculo de las eficiencias máximas alcanzables se obtuvo R de la siguiente


ecuación:

(2.28)

donde: R es el cociente de tiempo; el exponente empírico de la función de


infiltración de Kostiakov-Lewis; el exponente empírico de la función potencial de
avance.

Las longitudes maximizadas de los surcos se calcularon según la siguiente


expresión:

(2.29)

donde: Lmáx es la longitud maximizada del surco, m; el coeficiente empírico que


representa la distancia que avanza el frente de agua en el primer minuto; tL el
tiempo transcurrido para que el frente de avance alcance la longitud maximizada
del surco, min.

48
(2.30)

donde: t es el tiempo de oportunidad necesario para que se infiltre completamente


una lámina de 25 mm calculado con el modelo que mejor simuló la infiltración, min.
La dosis de riego se calculó a partir de las propiedades hidrofísicas del suelo.

Se calculó la eficiencia de aplicación utilizando la siguiente ecuación:

(2.31)

(2.32)

donde: es la eficiencia de aplicación, %; rZ el factor de forma subsuperficial.

2.11. Evaluación del modelo AquaCrop


2.11.1. Parametrización del modelo

En la aplicación del modelo AquaCrop se utilizó un grupo de parámetros


conservativos que pueden considerarse invariables, independientemente de las
zonas donde se desarrollan los cultivos (Raes et al., 2012). En la tabla 2.2 se
presentan los valores utilizados en esta investigación, según Ruíz (2014), para el
cultivo del frijol.

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.

La evapotranspiración de referencia (ETo) para el cálculo del coeficiente del


cultivo para la transpiración kc(Tr) y la evapotranspiración (ETc) fueron estimadas
con el software ETo calculator, versión 3.2 FAO (2012), con la utilización de los
datos reales de la época de investigación y luego fueron exportados hacia el
modelo AquaCrop. La radiación solar global diaria se estimó sobre la base del
número de horas de insolación registradas por el heliógrafo, se utilizó el modelo
CROPWAT versión 8 (FAO, 2006) el cual emplea los algoritmos de cálculo
descritos por Allen (1998). Los grados días (GD), la evaporación (Ev) y la
transpiración se determinaron con el modelo AquaCrop, según Raes et al. (2012).

Las simulaciones de progresión de la cobertura foliar, transpiración, biomasa seca


aérea y dinámica de humedad del suelo se realizaron considerándose una
condición óptima de fertilización y humedad inicial del suelo a capacidad de campo
en el primer día. La comparación entre la humedad observada y simulada se
realizó a través del contenido de humedad total acumulada hasta la profundidad
de 0,3 m.

2.11.2. Índices estadísticos utilizados en la evaluación del modelo AquaCrop

Para el análisis de la exactitud de la capacidad predictiva del modelo AquaCrop,


se utilizaron los mismos índices estadísticos descritos en el epígrafe 2.8,
complementados con gráficos que permitieron visualizar la correspondencia entre
los valores simulados y los observados.

50
2.12 . Optimización de la función de producción

La relación entre el agua aplicada como riego y el rendimiento del cultivo se


calculó mediante el modelo AquaCrop bajo diferentes niveles de agua disponible.
La opción utilizada fue la de ―R
equerimientos de Riego Neto‖ desde 0 hasta 100%
del Agua Disponible (AD), con variación del intervalo del 5% lo que produjo un
total de 20 pares de valores. Para generar el análisis de regresión de la función de
producción se usó el programa STATGRAPHICS versión. 5. (STATPOINT, 2006)

El método de optimización de la función de producción utilizado fue el empleado


por López (2010) que consiste en obtener la función de producción y la función de
ganancia, a las cuales se les realizó la maximización física y económica.

La maximización física se utilizó en esta investigación para determinar la máxima


producción física que es posible alcanzar a partir del volumen de agua aplicado, la
cual se obtiene a partir de la primera derivada de la función de producción
igualada a cero. La función de producción se ajustó a un modelo cuadrático del
tipo polinomial de segundo orden, pues se ha comprobado experimentalmente por
diferentes autores como Mahmoudzadeh (2016) que este produce parámetros
adecuados para su aceptación estadística. Este modelo puede escribirse como:

(2.33)

donde: P(VaF) es la función de producción, kg ha-1; y Po, P1 y P2 los coeficientes


del polinomio de segundo grado; Va el volumen de agua óptimo que produce la
maximización física de la función de producción, m3 ha-1.

A partir de la función de producción, se determinó la productividad del agua


mediante la relación entre el rendimiento agrícola, kg ha-1; y el volumen de agua
de riego por unidad de área, m3 ha-1. La primera derivada de la función de
producción es la función de ganancia que se escribe de la siguiente forma:

(2.34)

51
siendo:

(2.35)

Despejando el volumen, de la ecuación anterior se obtiene:

(2.36)

Para comprobar si Va es un máximo de la función de producción, se determinó la


segunda derivada de la función de producción y se analizó si se produce un
cambio de signo, lo cual indica que hay un cambio de pendiente, y por
consiguiente, la existencia de un máximo.

(2.37)

La maximización económica consistió en determinar el volumen de agua con el


cual el producto físico marginal, P' (Va) se iguala a la relación entre el precio del
agua y el precio de venta del producto, Pa/Pv.

(2.38)

siendo:

(2.39)

donde: G (Va) es la función de ganancia, CUP ha-1; P'(Va) la primera derivada de la


función de producción evaluada para el volumen de agua económico, kg ha-1; (Va)
el volumen de agua económico que produce la maximización económica de la
función ganancia, m3 ha-1.

Al igualarse las dos funciones de ganancia se obtiene:

(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).

2.13. Valoración económica

La evaluación económica se realizó a partir de los parámetros e indicadores


sugeridos por Trujillo et al. (2010) mediante las siguientes ecuaciones:

(2.43)

(2.44)

(2.45)

(2.46)

(2.47)

(2.48)

(2.49)

(2.50)

(2.51)

donde: es el costo de las semillas, CUP ha-1; la dosis de siembra, kg ha-1;


precio de la semilla, CUP kg-1; el costo de los productos biológicos, CUP ha-
1
; dosis de aplicación del producto biológico, kg ha-1; el precio del producto
biológico, CUP kg-1; el costo del insecticida, CUP ha-1; la dosis de
aplicación del producto insecticida, kg ha-1; el precio del producto insecticida
CUP kg-1; el costo de las labores mecanizadas (CUP ha-1); la sumatoria
del costo de cada labor mecanizada (CUP ha-1); el costo del agua (CUP ha-1);
el volumen del agua (m3 ha-1); el precio del agua (CUP 1000 m-3); el

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).

2.14. Conclusiones parciales del capítulo

 Los instrumentos y equipos utilizados para las mediciones realizadas poseen la


confiabilidad requerida para obtener resultados precisos en la medición de los
datos experimentales, en especial, la herramienta ImageTool y el modelo
AquaCrop, que por primera vez se utilizan en Cuba en el estudio de sistemas
de riego por gravedad.

 Los modelos de infiltración y de optimización empleados son calibrados para las


condiciones específicas en que se desarrolló la investigación, por lo que
contribuyen a maximizar la eficiencia de aplicación del agua, la longitud del
surco y el volumen de agua que debe ser aplicado en el cultivo del frijol para
obtener los mejores resultados económicos.

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.

3.1. Análisis de la sección transversal del surco

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).

Al valorar estas modificaciones según el caudal aplicado, se observó que el Q3


produjo la mayor tendencia de pasar de una forma triangular a una parabólica, lo
cual es lógico y consecuente, si se tiene en cuenta que el volumen de agua
aportado es mayor. Este comportamiento está muy relacionado con el movimiento
de las partículas del medio poroso que se favorece en el caso de un suelo franco
arcilloso; por lo que su tamaño y forma deben tenerse en cuenta, según Eldeiry et
al. (2005) para lograr un humedecimiento parejo del suelo y para el diseño del
riego por surco. Por su parte, Walker et al. (2006) demostraron que la conjugación

55
de la sección transversal y la pendiente del surco determinan el volumen de agua
que puede almacenarse durante el riego.

Figura 3.1. Modificaciones del área de la sección transversal del surco.


Nota: AR antes del riego; PR el primer riego, SR el segundo riego y RS los riegos sucesivos.

Jibrin et al. (2014) encontraron que el primer riego modificó sensiblemente la


sección transversal del surco, con una tendencia a ser de tipo parabólica en
suelos de textura media, y triangular o trapezoidal en los de textura fina. Mientras
que Hai et al. (2013) reportaron que la forma del surco se modificó, debido a la
acción del agua, la cual quiebra los pequeños terrones, trasportándolos y
depositándolos en un nuevo lugar. Los agregados del suelo seco se deshacen y
son rápidamente removidos por el avance del agua en el surco, debido a la fuerza
de corte y el propio escurrimiento superficial del agua.

Los resultados encontrados en esta investigación a partir del análisis de las


modificaciones de la sección transversal como consecuencia de los caudales Q1
Q2 y Q3 demostraron que para este suelo Fluvisol, el cual posee baja capacidad
de infiltración y pendiente media, la relación entre el ancho del surco y su
profundidad debe ser de 3,15 para logar un buen funcionamiento hidráulico.

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.

3.1.1. Análisis de los parámetros geométricos del surco

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.

Las mayores diferencias de valores en la variable 2 ocurren en el primer y


segundo riegos, posteriormente se reducen en los riegos sucesivos. La causa de
este fenómeno está asociada a la notable modificación de la altura del surco y
ancho de la base durante los dos primeros eventos de riego. Desde el punto de
vista cuantitativo la disminución del parámetro 2 varió entre un 58 y 52%.
57
0,90
0,80
0,70
Parámetro (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.

Los valores promedios encontrados para los parámetros 1 y 2 fueron de 1,56 y


0,98, respectivamente, como se muestra en el Anexo 12 y son similares a los
reportados por Eldeiry et al. (2005) y Behrouz y Moravejalahkami (2006).

3.1.2. Análisis de la variación espacial del área de la sección transversal

La variación espacial del área de la sección transversal del surco tiene


correspondencia con el caudal aplicado, como se muestra en la tabla 3.2. En el
caso del caudal 1 L s-1, los porcentajes de reducción del área variaron entre 30,01
y 19,72%, encontrándose las mayores reducciones en las distancias de 20 y 40 m
con valores de 30,01 y 25,13%, mientras que en las distancias de 60 y 80 m las
reducciones fueron similares, con valores promedio de 20,10%. La reducción
promedio del área para este caudal evaluado fue de 23,83%.

En el caso del caudal 2 L s-1, la variación espacial del área de la sección


transversal del surco estuvo comprendida entre 30,53 y 21,56%, localizándose las
mayores reducciones en las distancias de 20 y 40 m con valores de 30,53 y
28,25%, mientras que en las distancias de 60 y 80 m las reducciones fueron

59
similares, con valores promedio de 21,86%. La reducción promedio del área para
este caudal evaluado fue de 25,62%.

Tabla 3.2.Variación de la sección transversal del surco en función del caudal

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 mayores valores de reducción del área de la sección transversal, se


observaron en el caudal de 3 L s-1. En las distancias de 20 y 40 m se observaron
reducciones de 40,02 y 39,98%, respectivamente, mientras que para las distancias
de 60 y 80 m, los valores observados fueron de 27,74 y 22,24%, respectivamente,
con una diferencia entre ambas de 5,49%. La reducción promedio del área fue de
31,58%.

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.

Las variaciones espaciales y temporales de la sección transversal del surco


encontradas en esta investigación son inherentes al método de riego superficial y
han sido estudiadas por Santana et al. (1997) y Samir y Malek (2012) en suelos
franco arenosos y franco arcillosos, los cuales concluyeron que los cambios

60
ocurridos obedecen a un movimiento pasivo de suelo relacionado con
hinchamiento y acomodo de las partículas.

El análisis de este tipo de variación en el área de la sección transversal del surco


en el cultivo del frijol no ha sido estudiada en Cuba; por lo que los resultados
expuestos son de gran utilidad para calcular el almacenamiento superficial de
agua y la velocidad de escurrimiento superficial en el manejo y evaluación del
riego. Soroush et al. (2013) ha obtenido en Irán importantes resultados en este
sentido trabajando en el diseño de sistemas de riego por surcos para el cultivo de
remolacha.

3.1.3. Análisis del perímetro mojado y área de la sección transversal

En la figura 3.4 se presenta la relación entre perímetro mojado obtenido mediante


procesamiento de imágenes (PI) y el perímetro mojado obtenido por el método de
la sección trasversal (PST) y el método del elipsoide (PE). El análisis de regresión
demostró que los datos de las evaluaciones se ajustaron a un modelo de tipo
lineal.

Figura 3.4. Perímetro húmedo en el primer y séptimo riegos.


Nota: PR es el primer riego y SEPR el séptimo riego.

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.

Al analizar el comportamiento de los dos métodos, se observó que ambos tuvieron


una tendencia a disminuir ligeramente su precisión en la medida que la sección
transversal del surco se hizo más parabólica debido al efecto del flujo de agua
sobre las paredes y el fondo de la superficie de conducción. Este resultado es
lógico de esperar debido a que estos métodos son aproximados.

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.

En la figura 3.5 se muestra la relación entre el área obtenida mediante


procesamiento de imágenes (API) y el área obtenida mediante el método de la
sección trasversal (AST) y el método del elipsoide (AE).

En todos los casos se encontró que el mejor ajuste correspondió a un modelo


lineal; donde el área estimada por el método del elipsoide tuvo el mayor valor del
coeficiente de determinación el cual varió entre 0,89 y 0,96 para el primer y
séptimo riego respectivamente, por lo que evidenció mejor exactitud respecto al
método de la sección transversal.

El método del elipsoide presentó mayor precisión en comparación con el método


de la sección transversal, lo cual se debe a que la forma original del surco es

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.

Figura 3.5. Área de la sección transversal en el primer y séptimo riegos.


Nota: PR es el primer riego y SEPR el séptimo riego.

A partir de lo anterior se concluye que para los propósitos de esta investigación,


donde el área hidráulica del surco juega un papel fundamental en comparación
con el perímetro mojado, se hace evidente que el método del elipsoide es el más
apropiado para ser utilizado en la definición de los parámetros del riego por surcos
por su relativa simplicidad y exactitud.

3.2. Análisis de las curvas de avance

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.

La comparación de los tiempos de avance entre los caudales de 1 L s-1 y 2 L s-1


(Q1/Q2) indicó poca diferencia para el segundo riego y los riegos sucesivos con
proporciones de 1,2 y 1,4 respectivamente, las cuales también fueron muy

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.

El análisis de la relación entre el primer y segundo riegos (PR/SR) permitió


comprobar para los caudales Q1, Q2 y Q3, un incremento de tres, dos y dos veces
respectivamente de los tiempos de avance del agua sobre el surco de riego, lo
cual está relacionado con el contenido de humedad; ésta, es una de las variables
que más influye en el movimiento del agua (Holzapfel y Arumi, 2010) al igual que
la disminución de la rugosidad del terreno, por la desaparición de terrones que
retardan el movimiento del agua.

Figura 3.6.Curvas de avance en función del caudal y número de riego.


Nota: PR el primer riego, SR el segundo riego y RS los riegos sucesivos .

La comparación entre el primer riego y los riegos sucesivos (PR/RS) en relación


con el tiempo de avance del agua, demostró una proporción de 1,0; 0,8 y 0,6 para
los caudales Q1, Q2 y Q3, respectivamente, lo que indica que el tiempo de avance
se incrementó en la medida en que aumentó el número de riegos. En este
comportamiento intervinieron múltiples factores como la rugosidad, la humedad

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.

Los cambios de volumen y el agrietamiento por desecación de las arcillas están


asociados directamente con las variaciones de humedad, y en particular, con las
variaciones de succión a las cuales está sometido el suelo; por tanto, en la medida
en que se incrementó el número de riego, mayores fueron las variaciones de
humedad, y por el desarrollo del cultivo también se ejerció mayor succión,
especialmente en la capa superior del suelo donde se desarrollaron las raíces
laterales, las cuales son más activas en la absorción de agua que las principales.

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.

Tabla 3.3. Ecuaciones potenciales de avance en función del caudal


Riegos Ecuación potencial de avance R² Significación
PR-Q1 0,98 **
SR-Q1 0,99 **
RS-Q1 0,99 **
PR-Q2 0,99 **
SR-Q2 0,99 **
RS-Q2 0,97 **
PR-Q3 0,99 **
SR-Q3 0,97 **
RS-Q3 0,99 **
Nota: PR-Q1; SR-Q1; RS-Q1 son el primero, segundo y riegos sucesivos del Q1. PR-Q2; SR-Q2;
RS-Q2 son el primero, segundo y riegos sucesivos del Q2. PR-Q3; SR-Q3; RS-Q3 son el primero,
segundo y riegos sucesivos del Q3.

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.

El exponente r de las funciones potenciales de avance mostró valores


comprendidos entre 0,70 y 0,90, lo que indica una tendencia hacia el valor de
1,00. En este sentido, Morábito et al. (2008) encontró que si la velocidad de
infiltración es baja, r tiende a la unidad, lo cual se corresponde con las
características del suelo evaluado en esta investigación.

3.3. Análisis de los parámetros de ajustes de las ecuaciones de infiltración

En la tabla 3.4 se exponen los resultados de los parámetros de la función de


infiltración de Kostiakov, Kostiakov-Lewis y Philip, los cuales están relacionados
con la magnitud del caudal suministrado en el surco.

Tabla 3.4.Parámetros de ajustes de las ecuaciones de infiltración


Kostiakov Kostiakov-Lewis Philip
Riegos K a f0 K a S A
-a 3 -1 -1 -a -0,5 -1
(m m ) (m min m ) (m m ) (m min ) (m min )
PR-Q1 0,002600 0,533 0,000067 0,00329 0,415 0,005640 0,003146
SR-Q1 0,002675 0,486 0,000065 0,00320 0,400 0,004633 0,003722
RS-Q1 0,002635 0,831 0,000068 0,00341 0,420 0,009081 0,002534
PR-Q2 0,002174 0,559 0,000064 0,00333 0,410 0,009336 0,002381
SR-Q2 0,002239 0,530 0,000062 0,00313 0,395 0,008124 0,002495
RS-Q2 0,002215 0,588 0,000065 0,00388 0,418 0,008310 0,002888
PR-Q3 0,002575 0,499 0,000060 0,00329 0,390 0,001690 0,001398
SR-Q3 0,002475 0,489 0,000058 0,00305 0,380 0,003644 0,002773
RS-Q3 0,002374 0,498 0,000061 0,00311 0,400 0,001800 0,002999
Nota: PR-Q1; SR-Q1; RS-Q1 son el primero, segundo y riegos sucesivos del Q1. PR-Q2; SR-Q2;
RS-Q2 son el primero, segundo y riegos sucesivos del Q2. PR-Q3; SR-Q3; RS-Q3 son el primero,
segundo y riegos sucesivos del Q3.

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.

El análisis de los parámetros de las funciones de infiltración estudiadas


confirmaron que en el caso del modelo de Kostiakov, el exponente a mostró una
tendencia a disminuir con el incremento del caudal de 0,62 a 0,50. En la función
de Kostiakov-Lewis se obtuvo el mismo comportamiento para el exponente a con
una disminución en el rango de 0,41 a 0,39.

En este modelo la velocidad de infiltración estabilizada se comportó con valores


próximos entre sí, que oscilaron entre 0,000060 y 0,000067 m3 min-1 m-1 para un
valor promedio de 0,000063 m3 min-1 m-1. Este resultado permitió confirmar que la
infiltración estabilizada se mantiene casi invariable, independientemente del
número de riegos (Walker et al., 2006). En cuanto al modelo de Philip, el
parámetro gravitacional A, también disminuyó en correspondencia con el
incremento del caudal desde un valor de 0,0031 a 0,0024 m min-1.

Los resultados expuestos anteriormente demostraron que los parámetros de los


modelos de infiltración presentaron variabilidad en correspondencia con las
propiedades hidrodinámicas del suelo, lo que coincide con lo expuesto por
Machiwal et al. (2006); Rodríguez et al. (2008) e Imhoff et al. (2010), los cuales
explican que la variabilidad se debe a la heterogeneidad de las propiedades
físicas, la complejidad que relacionan los diferentes atributos hidrofísicos como el
tamaño y forma de los agregados, la continuidad y forma de los poros, así como la
presencia y distribución de raíces.

3.4. Análisis de las láminas infiltradas en función de la distancia

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.

La explicación de este comportamiento se debe a que en los tiempos iniciales de


riego el parámetro gravitacional de la función de Philip, mantiene valores
relativamente más altos que la velocidad de infiltración básica del modelo de
infiltración de Kostiakov-Lewis, lo que representa una diferencia que repercute en
los valores de la lámina infiltrada. Esta disminuye en la medida en que aumenta el
tiempo de riego o la longitud del surco hasta lograrse que A fo.

Figura 3.7.Lámina infiltrada acumulada en función de la distancia y el caudal.


Nota: PR-Q1; SR-Q1; RS-Q1 son el primero, segundo y riegos sucesivos del Q1. PR-Q2; SR-Q2;
RS-Q2 son el primero, segundo y riegos sucesivos del Q2. PR-Q3; SR-Q3; RS-Q3 son el primero,
segundo y riegos sucesivos del Q3.

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.

3.5. Análisis de las láminas acumuladas respecto al tiempo de oportunidad

En la figura 3.8 se observa el ajuste de los datos de la lámina de infiltración


acumulada en relación con el tiempo de oportunidad para los tres modelos
estudiados. En la investigación se encontró que en todos los casos evaluados las
funciones de infiltración de Kostiakov y Kostiakov-Lewis, igual que en el análisis
anterior, presentaron comportamientos muy similares para los diferentes tiempos
de oportunidad.

Figura 3.8. Lámina infiltrada en función del tiempo de oportunidad.


Nota: PR-Q1; SR-Q1; RS-Q1 son el primero, segundo y riegos sucesivos del Q1. PR-Q2; SR-Q2;
RS-Q2 son el primero, segundo y riegos sucesivos del Q2. PR-Q3; SR-Q3; RS-Q3 son el primero,
segundo y riegos sucesivos del Q3.

Con el incremento del número de riegos y el tiempo de oportunidad superior a 50


minutos, se observó una tendencia de las tres funciones a comportarse de forma
69
semejante, lo que es consecuente con lo señalado por Haghighi et al. (2010) y
Amir et al. (2010) quienes han considerado que el modelo de Philip debe ser
aplicado en el caso del riego por surcos con tiempos grandes superiores a dos
horas.

Lo anteriormente explicado se debe al incremento del tiempo de oportunidad de la


lámina de agua, como consecuencia del movimiento retardado del flujo sobre la
superficie del surco provocado por la rugosidad, la presencia de ramas del cultivo,
la formación de grietas y el contenido de humedad inicial que fueron observados
en cada uno de los eventos de riego evaluados.

En los primeros 15 minutos de tiempo de oportunidad, la curva que representa la


lámina infiltrada acumulada presenta una pendiente muy elevada, que se expresa
mediante un segmento de recta con una inclinación que tiende a la vertical, lo cual
confirma que el suelo se hallaba con déficit hídrico en el momento de la prueba.

3.6. Análisis de la exactitud de los modelos de infiltración

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.

Los índices estadísticos utilizados en la evaluación de la exactitud de los modelos


de infiltración permitieron corroborar que los datos simulados se ajustaron
excelentemente a los observados, lo que se evidencia mediante el coeficiente de
determinación con valores elevados de 0,96; 0,97 y 0,93 para los modelos de

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.

Figura 3.9. Láminas infiltradas observadas y simuladas.

Los valores del RMSE variaron entre 0,00118 m en el modelo de Kostiakov-Lewis


y 0,00328 m en el de Philip, lo que se debe a la alta dependencia de la infiltración
a la textura del suelo tal como ha sido comprobado por Mohammadi y Refahi
(2006).

Tabla 3.5. Indicadores estadísticos de la simulación


Descripción R
2
RMSE (mm) NRMSE (%) EF d
Kostiakov 0,9600 0,00252 12,7 0,985 0,996
Kostiakov-Lewis 0,9725 0,00118 5,9 0,997 0,999
Philip 0,9363 0,00328 16,5 0,974 0,993

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.

Aunque los datos experimentales tuvieron un mejor ajuste al modelo de Kostiakov-


Lewis, los tres modelos evaluados proporcionaron resultados adecuados, como lo
demuestra la similitud de los índices R2, EF y d. Estos resultados son similares a
los obtenidos por Helber et al. (2010).

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).

Igbadun e Idris (2007) encontraron que los modelos de Kostiakov, Kostiakov-Lewis


y Philip tuvieron valores de R2 superiores a 0,80, lo que implica que los tres
modelos fueron capaces de simular la infiltración con adecuada exactitud.

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.

Zolfagari (2012) demostró que el modelo de Kostiakov-Lewis fue el mejor en un


suelo franco arcilloso a partir del estudio de la capacidad de siete modelos de
infiltración: Green-Ampt, Philip, SCS (US-Soil Conservation Service), Kostiakov,
Horton, Swartzendruber, Kostiakov-Lewis, lo que coincide con los resultados

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.

Machiwal et al. (2006) probaron que el modelo de Philip es el que mejor


representa la infiltración acumulada. Similares resultados fueron obtenidos por
Hajabbasi (2006) y Haghighi et al. (2010). Sin embargo, Rodríguez et al. (2008)
encontraron limitaciones de este modelo en suelos con alto contenido de
humedad, donde el valor de la conductividad hidráulica a saturación puede ser
negativo.

La presente investigación demostró que los modelos evaluados para la estimación


de la lámina infiltrada acumulada fueron muy precisos y manifestaron un
comportamiento similar; sin embargo, el ordenamiento respecto a su exactitud
según los criterios R2, RMSE, NRMSE, EF y d obtenidos en la tabla 3.5 y
presentados en la tabla 3.6, revelan que para todos los criterios, el modelo de
Kostiakov-Lewis tuvo los mejores resultados, seguido de Kostiakov y Philip.

Tabla 3.6. Ordenamiento de la exactitud de los modelos de infiltración


Ranking
Descripción
R2 RMSE NRMSE EF d Total
Kostiakov 2 2 2 2 2 10
Kostiakov-Lewis 1 1 1 1 1 5
Philip 3 3 3 3 3 12

3.7. Análisis de los parámetros de desempeño del riego

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%.

Tabla 3.7.Parámetros de desempeño del riego


Riegos ES (%) PP (%) Ea (%) Er (%) Cd UD (%)
-1
Caudal 1 L s
PR 55,43 11,00 33,57 81,05 0,23 67,63
SR 49,09 10,00 40,81 55,74 0,79 81,39
RS 51,02 11,31 37,67 85,52 0,16 70,31
-1
Caudal 2 L s
PR 63,61 10,50 25,89 74,11 0,35 76,72
SR 51,85 9,15 39,00 53,70 0,86 83,83
RS 62,65 11,05 25,75 85,18 0,17 73,35
-1
Caudal 3 L s
PR 67,59 9,84 22,57 56,64 0,77 80,56
SR 53,75 8,87 37,38 53,72 0,87 83,85
RS 66,49 10,00 23,51 62,41 0,60 75,11
Promedio 57,94 10,19 30,90 67,56 0,53 76,97
Nota: PR el primer riego, SR el segundo riego y RS los riegos sucesivos

La eficiencia de aplicación (Ea) presentó los menores valores en el primer riego y


en los riegos sucesivos, sin embargo, fue mayor en el segundo riego con valores
de 40,81; 39,00 y 37,38% para los caudales Q1, Q2 y Q3, respectivamente, con
un promedio de 39,03%. Este comportamiento se debe a que durante el riego se
pierde agua por percolación profunda y escorrentía superficial, lo que supone
siempre una disminución de la eficiencia de aplicación del agua de riego.

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.

Estas condiciones de sellamiento y disminución de la rugosidad desaparecen en


los riegos sucesivos por la presencia de ramas del cultivo y la aparición de grietas.
Las condiciones del segundo riego permitieron tener el menor tiempo de riego, por
lo tanto, el volumen de agua aportado también fue el menor, por consiguiente,
mejoró la eficiencia de aplicación y la escorrentía superficial.

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.

El coeficiente de déficit (Cd) mostró similar patrón de comportamiento en


comparación con la Ea al encontrarse los valores más bajos en el primer riego y
en los riegos sucesivos, los cuales se incrementaron en el segundo riego, con
valores de 0,79; 0,86 y 0,87% para los caudales Q1, Q2 y Q3, respectivamente,
con un promedio de 0,84%.

La eficiencia en la satisfacción (Er) mostró un patrón de comportamiento inverso


en comparación con la Ea y el Cd, pues en este caso se encontró que los mayores
valores aparecieron en el primer riego y en los riegos sucesivos y disminuyeron en
el segundo riego con valores de 55,74; 55,70 y 53,72% para los caudales Q1, Q2
y Q3, respectivamente, con un promedio de 54,38%.

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%.

Los menores valores se encontraron en el primer riego y en los riegos sucesivos


con valores muy próximos entre sí. En este aspecto, se debe destacar que una
elevada uniformidad de distribución no garantiza una elevada eficiencia de
aplicación, por la cantidad de factores que intervienen en el método del riego
superficial, como las diferencias en el tiempo de oportunidad de infiltración del
agua, debido a la hidráulica del riego superficial, el caudal y el tiempo de riego
(Morábito et al., 2008).

En la tabla 3.8 se presenta una matriz de correlación entre los parámetros de


desempeño (ES, PP, Ea, Er, Cd, UD) y las variables de manejo (T, Q). Se destaca
en primer lugar, que la correlación entre el ES y Ea resultó ser alta, significativa y
negativa, de lo cual se deduce que para mejorar la Ea (parámetro más
importante), es necesario reducir la escorrentía superficial. La relación entre la Er
y Cd mostró el mismo comportamiento que los parámetros antes analizados, lo
cual es lógico y consecuente si se tiene en cuenta que cuanto mayor déficit de
humedad haya en el suelo, tanto menor será la satisfacción que se tendrá por
parte del cultivo.

Tabla 3.8. Correlaciones entre las variables de desempeño y las de manejo


Ea ES Er Q PP T UD
Cd 0,3027 -0,2799 -0,9958 -0,2799 -0,8045 -0,9221 0,9141
Ea -0,9996 -0,2648 -0,9996 -0,0156 -0,2227 0,3019
ES 0,2409 1,0000 -0,0127 0,1976 -0,2784
Er 0,2409 0,8403 0,9168 -0,9000
Q -0,0127 0,1976 -0,2784
PP 0,8875 -0,8313
T -0,9832

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.

La percolación profunda, en cambio, correlacionó de forma alta, significativa y


negativa con el Cd y lo contrario ocurrió con Er. De aquí se deduce que para
satisfacer las necesidades del cultivo es necesario aumentar la profundidad de
humedecimiento del perfil del suelo a lo largo del surco, lo que conlleva un
incremento de la percolación profunda en los tramos iniciales del surco. Una de las
variables que presentó mayor número de correlaciones significativas fue el tiempo,
y se comprobó que con el aumento de este se redujo considerablemente el Cd y
aumentó la Er; pero en cambio aumentaron las pérdidas por percolación profunda.

De todos los parámetros y variables analizadas el que presentó mayor número de


correlaciones significativas fue la uniformidad de distribución, que constituye el
segundo parámetro más importante, y correlacionó de forma alta, significativa y
negativa con PP, T y Er; por lo que cuanto mayor PP existió; tanto menor fue el
movimiento del agua y mayor tiempo permaneció sobre la superficie. Los
resultados del tiempo de riego demostraron que cuando se redujo la magnitud de
esta variable, aumentó la uniformidad de distribución y disminuyó el Cd; lo que
resulta de gran importancia en el riego por surcos, pues se puede afectar el
rendimiento de los cultivos (Clemmens, 2006).

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.

3.8. Maximización de la eficiencia del agua y de la longitud del surco

En la tabla 3.9 se presentan los resultados de la maximización de la eficiencia de


aplicación del agua y de la longitud del surco para una pendiente de 0,5%. Los
resultados alcanzados demostraron que con el aumento del caudal se incrementó
el tiempo necesario para que se infiltre una lámina de 25 mm, desde 134 min
hasta 139,8 min, siendo este último valor muy similar para los caudales Q2 y Q3,
así como la longitud maximizada (Lmáx) desde 115 m hasta 209 m.

Con el incremento de los caudales se produjo una disminución del cociente de


tiempo (R), el tiempo necesario para que el frente de avance alcance el final del
surco (tL) y la eficiencia de aplicación (Ea). El parámetro R pasó de 0,64 a 0,50 lo
que concuerda con Konuku y Delibas (2006) quienes obtuvieron resultados
similares en un suelo franco arcilloso; la variable tL se movió de 97 a 73 min y Ea
se redujo de 61,0 a 57,0%.

Tabla 3.9. Máxima eficiencia de aplicación alcanzable y longitud del surco


-1
Caudal (L s ) R t (min) tL (min) Lmáx (m) Ea(%)
1 0,64 134,0 97 115 61
2 0,59 139,0 85 155 60
3 0,50 139,8 73 209 57

Un análisis más detallado de la eficiencia de aplicación revela la importancia de


calcular la longitud maximizada, pues esta contribuyó al incremento de la
eficiencia de aplicación en 1,6; 2,0 y 2,3 veces, en relación con las eficiencias
promedio obtenidas con la longitud evaluada de 100 m para los caudales Q1, Q2 y
Q3, respectivamente. En general, con la utilización de la longitud maximizada se
obtuvo para las condiciones evaluadas, una eficiencia promedio de 59,0% que
resultó ser superior en un 48,0% a las encontradas para la longitud de 100 m.

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.

3.9. Análisis del patrón de extracción de humedad

En la figura 3.10 se presenta el patrón de extracción de humedad del cultivo para


cada caudal evaluado. Los datos reflejan que la distribución de las raíces para los
tres casos estudiados es similar. En el primer cuarto se concentró entre el 81 y
84% de las raíces, mientras que en el segundo entre un 10 y 11%, en el tercero
entre un 4 y 5% y en el último entre un 2 y 3%.

Se comprobó que el comportamiento de la distribución de las raíces en las


diferentes capas del suelo estuvo relacionado con la frecuencia y la técnica de
riego utilizadas, que garantizaron un nivel de humedad alto durante el ciclo de
cultivo, lo cual es consecuente con la característica de esta técnica de riego por
surcos con buen diseño y manejo, donde el humedecimiento en la parte superior
del surco no produjo saturación del suelo, lográndose una condición de buena
humedad y aireación que favoreció el desarrollo radicular. Lo anterior favorece la
absorción de nutrientes en las primeras capas del suelo donde estos se
concentran, como ha sido demostrado por Ho et al. (2005).

Figura 3.10. Patrón de extracción de humedad del suelo.


-1
Nota: Q1, Q2 y Q3 son los caudales de 1, 2 y 3 L s , respectivamente.

79
3.10. Análisis del rendimiento

La aplicación de diferentes caudales influyó de forma significativa en el


rendimiento del cultivo según se presenta en la figura 3.11. El mejor resultado
correspondió al caudal de 2 L s-1 con un rendimiento de 2,98 t ha-1, seguido del
caudal de 3 L s-1 con un rendimiento 2,59 t ha-1 y el caudal de 1 L s-1 con
rendimiento de 2,46 t ha-1.

Desde el punto de vista estadístico se presentaron diferencias significativas entre


los tres tratamientos. Estas diferencias se explican a partir de los resultados
correspondientes a los parámetros de desempeño del riego mostrados en la tabla
3.7, donde se comprobó que para los caudales de 1 y 2 L s-1, los valores de Er
fueron muy similares, pero con mejor comportamiento de la UD en el caudal de 2 L
s-1. El caudal de 3 L s-1, presentó los menores valores de Er en relación con el
caudal 1 L s-1, sin embargo, mostró valores superiores de UD lo que indica la
existencia de una estrecha relación entre la uniformidad de distribución y el
rendimiento del cultivo del frijol.

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)

Figura 3.11. Rendimiento del cultivo del frijol.

3.11. Análisis de la evaluación del modelo AquaCrop

En la figura 3.12 se presenta la progresión de la cobertura foliar observada y


simulada, y se aprecia que el modelo la sobrestimó ligeramente a los 40 días que

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

Días después de la siembra

Figura 3.12. Progresión de la cobertura foliar observada y simulada.

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.

La correcta estimación de cobertura foliar es fundamental para la simulación que


realiza el modelo AquaCrop, porque de no hacerse se afecta la estimación de la
tasa transpiratoria, y en consecuencia, de la acumulación de biomasa (Campi et
al., 2015). Esta afectación está dada según Steduto et al. (2009) por el coeficiente
de crecimiento foliar, el coeficiente de reducción del follaje y los umbrales
superiores e inferiores de estrés hídrico que provocan la caída prematura de las
hojas.

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).

Figura 3.13. Cobertura foliar observada vs simulada.


Nota: CF significa cobertura foliar.
En la figura 3.14 se presenta la progresión de la biomasa aérea observada y
simulada, demostrándose las bondades del modelo al lograr una correcta
correspondencia entre los valores comparados con ligeras desviaciones en los 30,
40 y 50 días después de la siembra.

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

Figura 3.14. Progresión de la biomasa seca aérea observada y simulada.

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.

Los indicadores estadísticos obtenidos en la evaluación del modelo AquaCrop


para la biomasa seca aérea a lo largo del ciclo del cultivo se exponen en la figura
3.15. Los resultados indican que se alcanzaron buenos ajustes entre los datos
observados y simulados con un coeficiente de determinación elevado R2 (0,95),
bajos valores de RMSE (0,45 t ha-1), aceptable NRMSE (17,0%) y valores muy
altos de EF (0,94) y d (0,98).

Figura 3.15. Biomasa observada vs simulada.


Nota: BSA significa biomasa seca aérea.

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.

El modelo simuló acertadamente el contenido de humedad en el suelo en los


diferentes eventos de riego, aunque se encontraron diferencias entre los valores
absolutos simulados y observados (figura 3.16).

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

Figura 3.16. Dinámica de humedad en suelo.

Se observó una tendencia del modelo a sobreestimar el agua almacenada a lo


largo de la campaña de riego. Este comportamiento es normal en el modelo
AquaCrop y ha sido reportado por diferentes investigadores como Stricevic et al.
(2011); Zeleke et al. (2011); Abedinpour et al. (2012); Wanhong et al. (2013); Jin et
al. (2014); Marsela y Grazhdani (2015) quienes encontraron simulaciones
satisfactorias del contenido de humedad en todo el perfil del suelo, pero con
sobreestimaciones respecto a los valores observados.

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.

Figura 3.17. Humedad observada vs simulada.


Nota: CHS significa contenido de humedad del suelo.
En el proceso de simulación de la dinámica de humedad a través del modelo
AquaCrop, Andarzian et al. (2011); Kaur (2012) y Anjum et al. (2014) reportaron la
simulación de este parámetro con elevada precisión y obtuvieron valores de
RMSE entre 4,0 y 8,0 mm y d entre 0,84 y 0,99.

3.12. Análisis de las etapas de desarrollo y la evapotranspiración

En la tabla 3.10 se presentan las etapas de desarrollo del cultivo simuladas y


observadas y los datos relacionados con la evapotranspiración (ETc) del cultivo.
Las etapas de desarrollo observadas y simuladas por el modelo fueron similares;
lo que demuestra su capacidad predictiva, lo cual es de gran importancia, puesto
que la progresión de la cobertura foliar es el parámetro más inportante en la
simulación del modelo porque todos los procedimientos de cálculo están
relacionados con esta, por lo tanto, en la medida en que mejor se simule el
porcentaje de cobertura foliar también así será mejor la determinación de las
etapas del cultivo. Los tiempos encontrados para cada etapa, medidos en días,

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.

Tabla 3.10. Etapas de desarrollo, coeficientes y evapotranspiración


Etapas FAO-56
Mes Decena kc(Tr) ETc (mm)
Modelo Medida
Diciembre 3 Inicial Inicial 0,02 43,7
Enero 1 Inicial Inicial 0,09 52,9
Enero 2 DCF DCF 0,31 54,0
Enero 3 DCF DCF 0,78 61,4
Febrero 1 Media Media 0,96 57,7
Febrero 2 Media Media 0,99 59,7
Febrero 3 Media Media 0,80 42,3
Marzo 1 Final Final 0,14 28,3
Marzo 2 Final Final 0,00 5,60
Total 405,6

Esto demuestra que las condiciones climáticas influyen de manera decisiva en el


desarrollo de la cobertura foliar y en el tiempo para alcanzarla, lo cual concuerda
con Allen et al. (1998) y Cai et al. (2007) quienes comprobaron que el período de
tiempo entre la siembra y la cobertura completa varía con el clima, latitud, altitud,
fecha de siembra y variedad del cultivo.

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 la ETc variaron entre 5,6 mm en la segunda decena de marzo y


61,4 mm en la tercera decena de enero (tabla 3.10). Es de destacar que el mayor
valor de ETc no se alcanzó con el mayor valor de kc(Tr) debido a que la suma de
los componentes Ev y Tr (figura 3.18) fue mayor en la tercera decena de enero
(decena 4 del cultivo) con valores de 16,2 y 44,9 mm, respectivamente.

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.

Figura 3.18.Evapotranspiración del cultivo en función de los grados días y la


radiación solar.

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).

3.13. Análisis de la evaporación y transpiración del cultivo

La transpiración y la evaporación fueron diferentes hasta la cuarta decena (figura


3.19), porque mientras la transpiración aumentó la evaporación disminuyó, por lo
que la primera superó a la segunda en la cuarta decena; este comportamiento
también fue descrito por Abdel et al. (2007). A partir de esta decena los valores de
Ev se redujeron hasta 4 mm por el aumento de cobertura foliar, la cual influyó en
la reducción de la evaporación en aproximadamente, cuatro veces en
comparación con el valor de la cuarta decena del cultivo, mientras que la
transpiración solo aumento de 44,9 mm a 55,7 mm en igual período. En la octava
decena del cultivo los valores de Ev superaron nuevamente en 1,5 veces a la Tr
con valores superiores de 16,8 mm; en cambio la Tr alcanzó un valor de 11,5 mm.

Figura 3.19. Evaporación y transpiración durante el desarrollo del cultivo.

88
3.14. Análisis de la maximización física y económica del agua

El modelo matemático obtenido para estimar la producción de frijol a partir del


volumen de agua aplicado a través del sistema de riego se presenta en la
ecuación 3.1 que representa la función de producción o función de respuesta
(González et al., 2013), la cual según Mahmoudzadeh (2016) involucra de forma
integral el producto obtenido y los distintos factores que se emplearon en su
obtención. La función de producción obtenida fue la siguiente:

(3.1)

El modelo de producción obtenido es cuadrático y responde al tipo polinomial de


segundo orden con un coeficiente de determinación elevado de 0,993. Este tipo de
modelo también ha sido reportado por López et al. (2006) y Ferrer (2010), los
cuales afirman que es la función que mejor describe la respuesta del rendimiento
del cultivo del frijol a la aplicación de agua.

La función de ganancias se determinó al utilizarse un precio de venta del frijol de


19,56 CUP kg-1 y un precio para el agua de 0,025 CUP m-3. La función resultante
fue la siguiente:

(3.2)

La maximización física se obtuvo a partir del siguiente análisis:

(3.3)

El resultado de la maximización física de la producción indicó que la función de


producción alcanzó su máximo de rendimiento en el cultivo del frijol con un valor
de 2 406,51 kg ha-1 a partir de la aplicación de un volumen de agua por unidad de
área de 2 444,37 m3 ha-1 (244,43 mm) mediante el sistema de riego evaluado,
según el requerimiento de la planta. Con estos resultados la productividad del
agua fue de 0,98 kg m-3, similar a la encontrada por López et al. (2006) en el
89
cultivo del frijol con valor de 0,92 kg m-3 la cual se alcanzó con un volumen de 300
mm de agua. Por su parte, Ferrer (2010) encontró que la productividad del agua
oscilaba entre 0,61 y 1,48 kg m-3 en un estudio realizado en el mismo cultivo.
Para probar que se trató de un máximo y no de un mínimo se utilizó la prueba de
la segunda derivada, que proporcionó los resultados siguientes:

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)

El resultado anterior indica que el máximo económico se alcanzó al utilizar un nivel


de 2 438,06 m3 ha-1 (243,80 mm) mediante el cual la ganancia que se obtuvo fue
de:

El resultado anterior indica que la ganancia máxima a obtener por concepto de la


producción y venta del frijol sería de 47 010,38 CUP ha-1 asumiendo que el total
de agua es aplicada como riego; sin embargo, la precipitación pluvial no se
contabiliza como costo, por esta razón a medida que menos cantidad de agua se
necesite regar, mayores serán las ganancias.

En la tabla 3.11 se presenta la comprobación del máximo global mediante la


variación del volumen de agua aplicado. Puede observarse que para un rango de

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

3.15. Valoración económica

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.

Tabla 3.12. Costos de producción e indicadores económicos


Conceptos Q1(CUP ha-1) Q2(CUP ha-1) Q3(CUP ha-1)
Semilla 782,6 782,60 782,60
Fertilizantes 502,17 502,17 502,17
Productos biológicos 18,78 18,78 18,78
Insecticidas y fungicidas 78,70 78,70 78,70
Labores mecanizadas 272,40 272,40 272,40
Agua 10,50 14,75 16,31
Salario 3 217,50 3 212,29 3 209,06
Costo total 4882,65 4881,69 4880,02
Indicadores económicos
Valor de la producción 48117,60 58288,80 50660,40
Ganancias 43234,95 53407,11 45780,38

El indicador costo del agua se incrementó en la medida que creció el caudal


aplicado. Esto se puso de manifiesto en el caso de Q3 donde se alcanzaron los
mayores costos con valor de 16,31 CUP ha-1, mientras que en el Q1 el costo fue
de10, 50 CUP ha-1. El costo total disminuyó con el aumento del caudal, y se

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.

El indicador valor de la producción alcanzó el mejor resultado en el caudal Q2 con


53 190,298 CUP ha-1, seguidos de Q3 y Q1 con valores de 50 660,408 CUP ha-1y
48 117,608 CUP ha-1, respectivamente, los que se justifican a partir de los
rendimientos obtenidos (figura 3.10). La mayor ganancia se obtuvo en el caudal
Q2, con valores de 53 407,110 CUP ha-1, seguidos por Q3 y Q1 con valor de 45
780,380 CUP ha-1 y 43 234,950 CUP ha-1, respectivamente.

3.16. Conclusiones parciales del capítulo

 La investigación desarrollada permitió evaluar de forma satisfactoria la


caracterización geométrica del surco, el desempeño de los modelos de
infiltración de Kostiakov, Kostiakov-Lewis y Philip, las simulaciones del modelo
AquaCrop y la maximización física y económica del agua de riego.

 La utilización de la técnica de procesamiento de imágenes permitió estimar las


modificaciones del área de la sección transversal del surco y la cobertura foliar,
con elevada precisión.

 La simulación de la infiltración del riego por surcos permitió tener mayor


seguridad en cuanto a la determinación de la lámina infiltrada acumulada que
constituye el parámetro más importante para el diseño y el manejo del riego.

 El modelo AquaCrop demostró ser una herramienta muy precisa para el


pronóstico de cosechas del cultivo del frijol, teniendo en cuenta los múltiples
parámetros que se requiere evaluar para su exitoso funcionamiento.

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%.

 El método del elipsoide fue más preciso que el de la sección transversal en la


determinación del área hidráulica del surco por lo que puede utilizarse de
forma confiable en la estimación de los parámetros de diseño y manejo
relacionados con esta técnica de riego.

 Los modelos de Kostiakov, Kostiakov-Lewis y Philip demostraron ser


adecuados para la simulación de la infiltración, destacándose el de
Kostiakov-Lewis, el cual fue utilizado para la maximización de la eficiencia de
aplicación con resultados de 61, 60 y 57% y la maximización de la longitud
del surco, la cual resultó ser de 115, 155 y 209 m para los caudales de 1, 2 y
3 L s-1 respectivamente.

 El modelo AquaCrop fue validado para las condiciones de clima, suelo,


técnica de riego por surco y cultivo de frijol al comprobarse su capacidad de
simular de forma satisfactoria las variables cobertura foliar, biomasa seca
aérea y contenido total de humedad, en comparación con las variables
observadas de forma experimental.

 El volumen de agua que garantiza un máximo físico es de 2 444,7 m 3 ha-1,


con lo cual se obtienen rendimientos de 2 406,51 kg ha-1, mientras que el

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.

 El caudal de 2 L s-1produjo las mayores ganancias con valor de 53 190,298


CUP ha-1 debido a la combinación entre la eficiencia de satisfacción y la
uniformidad de distribución.

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.

 Estudiar, en futuras investigaciones relacionadas con el riego por surcos, el


efecto del agrietamiento sobre la infiltración en suelos Fluvisoles y la utilización
de sistemas con surcos cerrados o captación y reutilización del escurrimiento
superficial para el incremento de la eficiencia de aplicación en esta técnica de
riego.

 Utilizar el riego intermitente mediante válvulas automáticas y tuberías


multicompuertas para lograr eficiencias próximas al 90%.

 Ofrecer el documento presentado como material de consulta para profesionales,


docentes y estudiantes de esta área del conocimiento.

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.

30. BRISSON, N. Notice utilisateur. Modele STICS, INRA. AGPM-Agrotransferts-


CETIOM-CIRAD-ITCF, (Estación Agropedoclimática del INRA en Guadeloupe,
CRAG, France, 1997.

31. BROWN, M. J.; KEMPER, W. D.; TROUT, T. J., y HUMPHERYS, A. S. Sediment,


erosion and water-intake in furrows. Irrigation Science, 9(1): 45-55, 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.

33. BRYE, K. R.; SLATON, N. A. y NORMAN, R. J. Soil physical and biological


properties as affected by land leveling in a clayey aquert. Soil Science Society
of America Journal, 70(2): 631-642, 2006.

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.

36. CAPOTE, R. y RAFOLS, G. Dinámica del riego, decenio 1995-2005. Instituto de


Investigaciones de Riego y Drenaje del Ministerio de la Agricultura. Congreso
Internacional de riego ―
Cubariego 2007‖. La Habana, Cuba: MINAG, 2007.

37. CATALINA, R. Riego por pulsos. Experiencia en el Oeste Argentino‖ II Jornadas de


Actualización de Riego,15pp., Centro de Ingenieros Agrónomos de Mendoza,
Instituto Nacional del Agua – Centro Regional Andino, 2003.

38. CID, G.; LÓPEZ, T. y GONZÁLEZ, FELICITA. Parámetros fundamentales para la


caracterización hidropedológica general de los suelos. Ciencias Técnicas
Agropecuarias, 15(4):42-47, 2006.

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.

40. CLAASSEN, N. y STEINGROBE, B. Mechanistic simulation models for a better


understanding of nutrient uptake from soil. In: Z. Rengel (ed.) Mineral nutrition
of crops: Fundamental mechanisms and implications. Haworth Press. New
York. p. 327−367, 1999.

41. CLEMMENS, A. J. Errors in Surface Irrigation Evaluation from Incorrect Model


Assumptions. Journal of Irrigation and Drainage Engineering, 135 (5): 556-565,
2009.

42. CLEMMENS, A. J. Improving irrigated agriculture performance through an


understanding of the water delivery process. Irrigation and Drainage, 55(3):
223-234, 2006.

43. CREVOISIER, D.; POPOVA, Z.; MAILHOL, J. C. y RUELLE, P. Assessment and


simulation of water and nitrogen transfer under furrow irrigation. Agric. Water
Manag. 95(4), 354-366, 2008.

44. DASHTAKI, S. G.; HOMAEE, M. MAHDIAN, M. H. y KOUCHAKZADEH, M. Site-


dependence performance of infiltration models. Water Resource Manegement,
23: 2277-2790, 2009.

45. DE FARIA, R. T.; OLIVEIRA, D. y FOLEGATTI, M. V. Determination of long term


optimal irrigation strategy for dry beans in Parana. Brazil Sci. Agric. 54:155–
164, 1997.
46. DELGODA, D.; HECTOR, M.; SYED, K.; SALEEM. y MALKA, N. HALGAMUGE.
Irrigation control based on model predictive control (MPC): Formulation of
theory and validation using weather forecast data and AQUACROP model.
Environmental Modelling y Software, 78: 40-53, 2016.

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.

48. DOMÍNGUEZ, A.; MARTÍNEZ, R. S.; DE JUAN, J. A.; MARTÍNEZ, R. A. y


TARJUELO, J. M. Simulation of maize crop behavior under deficit irrigation
using MOPECO model in a semiarid environment. Agricultural Water
Management, 107: 42-53, 2012.

49. DOORENBOS, J. y KASSAM, H. A. Yield response to water, 193pp., Irrigation and


Drainage Paper n. 33. FAO, Rome, Italy, 1979.

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.

51. DUEÑAS, R. Proyecto de Metodología para el manejo integral de cuencas


hidrográficas en Cuba, 15pp., Instituto de Investigaciones de Riego y Drenaje
del Ministerio de la Agricultura. Congreso Internacional de riego ―Cubariego
2007‖. La Habana, Cuba: MINAG, 2007.

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.

53. DUKE, H. R. Water temperature fluctuations and effect on irrigation infiltration.


Transactions of the ASAE, 35(1): 193-199, (1992).

54. EBRAHIMA, A.; ARAJI, H. A.; AIMRUNB, W. y REZAEI MOJTABAC. Simulation of


Rice Yield under Water and Salinity Stress in Rasht Area Using AquaCrop
Model. Jurnal Teknologi, 76(15): 21–28, 2015.

55. EBRAHIMIAN, H. y ABDOLMAJID, L. Field evaluation of various mathematical


models for furrow and border irrigation systems. Soil & Water Res, 6(2): 91–
101, 2011.

56. ELDEIRY, A.; GARCIA, L.; EL-ZAHER, S. y EL-SHERBINI KIWAN, V. Furrow


irrigation system design for clay soils in arid regions. Applied engineering in
agriculture. 21(3): 411−420, 2005.
57. ELLIOTT, R. L. y WALKER, W. R. Field evaluation of furrow infiltration and advance
functions. Transactions of the ASAE, 25(2), 396-400, 1982.

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.

59. FACI, J. M. y FERERES, E. Response of grain sorghum to variable water supply


under two irrigation frequencies. Irrigation Science, 1: 149-159. 1980.

60. FAO. Land and water digital media serie En línea:


http://www.fao.org/nr/water/infores_databases_cropwat.html.2006 Accedido el
[20 de marzo de 2014].

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].

64. FARAHANI, H. J.; IZZI, G. y OWEIS, T. Y. Parameterization and evaluation of the


AquaCrop model for full and deficit irrigated cotton. Agronomy Journal. 101:
469–476, 2009.

65. FERNÁNDEZ, G. R.; MATEOS, L. y GIRALDEZ, J. V. Furrow irrigation erosion and


management. Irrigation Science, 23(3), 123-131, 2004).

66. FERRER, B. G. Aplicación de funciones de producción en el estudio de la relación


uniformidad de riego–productividad del agua para el cultivo de frijol Vigna
unguiculata (L.) walp. Trabajo presentado para optar por el ascenso a la
categoría de profesor titular dentro del escalafón universitario, 100pp.,
Universidad del Zulia, República Bolivariana de Venezuela, 2010.

67. FOLTZ, R. B.; ELLIOT, W. J. y WAGENBRENNER, N. S. Soil erosion model


predictions using parent material/soil texture-based parameters compared to
using site-specific parameters, Transactions of the ASABE, 54 (4): 1347–1356,
2011.

68. FUENTELSAZ, G. C. Estimación del tamaño de muestra. Matronas Profesión, 5(18):


5-13, 2004.
69. FURMAN, A.; WARRICK, A. W.; ZERIHUN, D. y SANCHEZ, C. A. Modified
Kostiakov infiltration function: Accounting for initial and boundary conditions.
Journal of Irrigation and Drainage Engineering, 132(6): 587-596, 2006.

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.

73. GILLIES, M. H. Managing the effect of infiltration variability on the performance of


surface irrigation, 398pp., Tesis de Doctorado, University of Southern Queensland,
Australia, 2008.

74. GONZÁLEZ, C. C. Estudio hidrodinámico de la influencia de la pendiente del suelo


en el riego superficial. Ingeniería Hidráulica y Ambiental, 31(2): 43-49, 2010.

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.

77. GRASSI, C. J. Diseño y operación de riego por superficie, 391pp., Tesis de


Doctorado Centro Interamericano de desarrollo e Investigación Ambiental y
Territorial (CIDIAT), Mérida-Venezuela, 2000.

78. GUTIÉRREZ, H. y R. de LA VARA. Análisis y Diseño de Experimentos, 200pp.,


Editorial McGraw-Hill. México. 2004.

79. HAGHIGHI, F.; GORJI, M.; SHORAFA, M.; SARMADIAN, F. y M. MOHAMMADI, H.


Evaluation of some infiltration models and hydraulic parameters. Spanish
Journal of Agricultural Research, 8(1), 210-217, 2010.

80. HAGHNAZARI, F.; SHAHGHOLI, H. y MEHDI, F. Factors affecting the infiltration of


agricultural soils: review. IJAAR. 6(5):21-35, 2015.

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.

83. HANEYEH, M. y HAMIDREZA, F. Evaluation and determination of the coefficients of


infiltration models in Marvdasht region, Fars province. Int J Adv Biol Biom Res,
1(8):822-829, 2013.

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.

85. HEINEMANN, A. B.; HOODGENBOOM, G.; GEORGIEV, G. A.; DE FARIA R.T. y


FIZZONE, J. A. Center pivot irrigation management optimization of dry beans
in humid areas. ASAE Trans, 43:1507–1516, 2000.

86. HELBER, M.; ORJUELA, M. Y.; RUBIANO, S. y JESÚS, H. Comportamiento de la


infiltración en un oxisol. Rev. U.D.C.A Act. & Div. Cient. 13 (2): 31-39, 2010.

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.

88. HENRY, O. y TUFFOUR, M. B. Application of Green-Ampt equation to infiltration


with soil particle phase. International Journal of Scientific Research in
Agricultural Sciences, 2(4):076-088, 2015.

89. HERNÁNDEZ, A.; PÉREZ, J.; BOSCH, D. y CASTRO, N. Clasificación de los suelos
de Cuba 2015, 93pp., Ediciones INCA, Mayabeque, Cuba, 2015.

90. HERRERA, P. J.; SEIJAS, L. T. y ROBAINA, F. G. Sobre el uso del agua en la


agricultura en Cuba. Revista Ingeniería Agrícola, 1 (1): 3-7, 2011.

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.

92. HOLZAPFEL, E. A. y ARUMI, J. L. Tecnología de manejo de aguas para una


agricultura intensiva sustentable, 209pp., Editorial Universidad de Concepción,
Concepción, Chile (In press), 2010.

93. HOUSE, M. L.; POWERS, W. L.; EISENHAUER, D. E.; MARX, D. B. y


FEKERSILLASSIE, D. Spatial analysis of machine-wheel traffic effects on soil
physical properties. Soil Science Society of America Journal, 65(5): 1376-
1384, 2001.
94. HSIAO, T. C.; HENG, L. K.; STEDUTO, P.; ROJAS, L. B.; RAES, D. y FERERES, E.
AquaCrop—the FAO crop model to simulate yield response to water III
parameterization and testing for maize. Agronomy Journal, 101: 448–459,
2009.

95. IGBADUN, H. E. e IDRIS, U. D. Performance evaluation of infiltration models in a


hydromorphic soil. Nigerian Journal of Soil and Environmental Research. 7: 53-
59, 2007.

96. IMHOFF, S.; GHIBERTO, P. J.; GRIONI, A. G. y GAY, J. P. Porosity characterization


of Argiudolls under different management systems in the Argentine Flat
Pampa. Geoderma, 158(3-4):268-274, 2010.

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.

98. ISSAKA, R. Z.; IBRAHIM. H. y ISSAH, M. H. Performance evaluation of furrow


lengths and field application techniques. International Journal of Scientific &
Technology Research, 4(10):2078-2081, 2015.

99. JIBRIN, M.; DIBAL, A. A.; RAMALAN, O. J.; MUDIARE, I. y IGBADUN, H. E.


Scenario studies on effects of soil infiltration rates, land slope, and furrow
irrigation characteristics on furrow irrigation-induced erosion. International
Scholarly Research Notices. 6:201-2015, 2014, 2014.

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.

102. JURRIENS, M.; SERIHUM, D.; BOONSTRA, J. y FEYEN, J. Surface irrigation


software. desing, operation and evaluation of basin, border and furrow irrigation
with SURDEV computer package. ILRI publication. Wageningen, The
Netherlands, 2002.

103. KANNAN, N. y ABATE, B. Studies on hydraulic performance of furrow irrigation to


optimise design parameters suitable to onion field in Hawassa, Ethiopia. Water
Utility Journal, 11: 17-30, 2015.
104. KARUNARATNE, A. S.; AZAM-ALI, S. N.; IZZI, G. y STEDUTO, P. Calibration and
validation of AquaCrop model for irrigated and water deficient bambara
groundnut. Exper. Agric. 47: 509–527, 2011.

105. KAUR, B. N. Parameterization and application of the AquaCrop model for


simulating bioenergy crops in Oklahoma, pp72., Submitted to the Faculty of
the Graduate College of the Oklahoma State University in partial fulfillment of
the requirements for the degree of Master of Science, 2012.

106. KAZEMI, M. Z. y SEPASKHAH, A. R. Effect of tree roots on water infiltration rate


into the soil. Iran Agricultural Research, 35(1): 13-20, 2016.

107. KHATRI, K. L. y SMITH, R. J. Real-time prediction of soil infiltration characteristics


for the management of furrow irrigation. Irrigation Science, 25(1), 33-43:
2006.

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.

109. KRAUSE, P.; BOYLE, D. P. y BÄSE, F. Advances in Geosciences Comparison of


different efficiency criteria for hydrological model assessment. Advances In
Geosciences, 4: 89–97, 2005.

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.

112. LAZAROVITCH, N. Simulation model to evaluate wetted soil volume in subsurface


drip irrigation systems by Giuseppe Provenzano. Journal of irrigation and
Drainage Engineering, 133(4): 342–349, 2008.

113. LENTZ, R. D. y BJORNEBERG, D. L. Polyacrylamide and straw residue effects on


irrigation furrow erosion and infiltration. Journal of Soil and Water
Conservation, 58(5): 312-318, 2003.

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.

115. LÓPEZ, A. R.; IZUNZA, M. A.; CATALÁN, E. A. y MODOZA, S.: Función de


producción del frijol mediante la línea fuente de aspersión, Agrofaz. 6(1):30-
35, 2006.
116. LÓPEZ, C. J. Determinación de niveles económicos óptimos de uso de agua en la
producción de maíz (Zea mays L.) usando el simulador de rendimientos
desarrollado por la FAO AquaCrop Model. Proyecto especial presentado
como requisito parcial para optar al título de Ingeniero en Administración de
Agronegocios en el Grado Académico de Licenciatura, 55pp., Escuela
Agrícola Panamericana, Zamorano, Honduras, 2010.

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.

119. LOZANO, P. Muestreo con fines de caracterización y evaluación de propiedades


de los suelos. Venesuelos, 14:70-79, 2009.

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.

121. MAHMOUDZADEH, M, V. Crop water production functions: A review of available


mathematical method. Journal of Agricultural Science, 8(4):76-83, 2016.

122. MAILAPALLI, D. R.; RAGHUWANSHI, N. S.; SINGH, R.; SCHMITZ G. H. y


LENNARTZ F. Spatial and temporal variation of Manning’s roughness coeff
icient in furrow irrigation. Journal of Irrigation and Drainage Engineering,
134(2): 185-192, 2008.

123. MAILHOL, J. C.; D. CREVOISIER y TRIKI, K. Impact of water application


conditions on nitrogen leaching under furrow irrigation: Experimental and
modelling approaches. Agric. Water Manag. 87(3): 275-284, 2007.

124. MARSELA, B.; A. y GRAZHDANI, S. Validation of Aqua Crop model in the


simulation of sugar beet production under different water regimes in
southeastern. IJESIT, 4(6): 171-178, 2015.

125. MARTÍN DE SANTA OLALLA, M. F.; LÓPEZ, F. y CALERA, A. Modelos para


evaluación del uso y la productividad del agua de riego. pp. 487-519. En:
Agua y Agronomía. Capítulo XIII. Ediciones Mundi Prensa, Madrid, España,
2005.
126. MCCLYMONT, D. J. y SMITH, R. J. Infiltration parameters from optimization on
furrow irrigation advance data. Irrigation Science, 17(1): 15-22, 1996.

127. MCKENZIE, N. J. y CRESSWELL, H. P. Selecting a method for hydraulic


conductivity. Soil Physical Measurement and Interpretation for Land
Evaluation, 35pp., Cresswell, eds., CSIRO Publishing, Collingwood, 2002.

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.

129. MENHG, H.; SALAS, J. D.; GREEN, T. R. y AHUJA, L. R. Scaling analysis of


space–time infiltration based on the universal multifractal model. Journal of
Hydrology, 322: 220-235, 2006.

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.

133. MIRZAEE, A. S.; ZOLFAGHARI, A. A.; MANOOCHEHR, G. B.; MILES, D. y


SHOJA, G. D. Evaluation of infiltration models with different numbers of fitting
parameters in different soil texture classes. Archives of Agronomy and Soil
Science, 60(5): 681-693, 2013.

134. MISHRA, S. K.; TYAGI J.V. y SINGH V.P. Comparison of infiltration models. Hydrol
Process 17: 2629-2652, 2003.

135. MKHABELA, M. S. y PAUL, R. B. Performance of the FAO AquaCrop model for


wheat grain yield and soil moisture simulation in Western Canada.
Agricultural Water Management, 110, 16–24, 2012.

136. MOHAMMADI, M. H. y REFAHI, H. G. Estimation of infiltration through soil physical


characteristics. J. Iranian Agr. Sci. 36: 1391-1398, 2006.

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.

139. MORÁBITO, J.; SALATINO, SANTA. y SCHILARDI, C. El desempeño del uso


agrícola del agua en los Oasis de los ríos Mendoza y Tunuyán a través de
nuevos indicadores. En: Mendoza Irrigación, INTA y INA. VI jornadas de
actualización en riego y fertirriego, Prácticas para incrementar la
productividad y asegurar la sostenibilidad del uso del agua y del suelo.
Mendoza, Argentina: Universidad Nacional de Cuyo, Facultad de Ciencias
Agrarias (UNCuyo - FCA), 2012.

140. MORÁBITO, J.; SALATINO, SANTA.; ANGELLA, G. y PRIETO, D. Evaluación de


campo al riego de los agricultores: casos prácticos y ventajas para la difusión
de la tecnología apropiada; asesoramiento a los regantes para la
modernización de los regadíos y su ambientalidad, pp80., En: Red Riegos,
CYTED y AECID. Jornadas sobre "Ambiente y Riegos: Modernización y
Ambientalidad‖. La Antigua (Guatemala): CYTED y La Agencia Española de
Cooperación Internacional, 11 al 14 de agosto, 2008.

141. MORAVEJALAHKAMI, B.; MOSTAFAZADEH, FARD. B.; M. HEIDARPOUR. y


ABBASI. F. Comparison of multilevel calibration and volume balance method
for estimating furrow infiltration. Journal of Irrigation and Drainage
Engineering, 138 (8): 777-781, 2012.

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.

143. MOSTAFAZADEH, F. B. R. y KAVEI, DEYLAMI. S. H. The comparison of erosion


of meandering and standard furrow irrigation under different field slopes A.
Jalalian. Australian Journal of Agriculture Engineering, 1(2):29-37, 2010.

144. MUÑOZ, C. G.; ALLEN, R. G.; WESTERMANN, D. T.; WRIGHT, J. L. y SING, S. P.


Water use efficiency among dry beans landraces and cultivars in drought
stressed and non stressed environments. Euphytica, 155: 393-402, 2007.

145. NASH, J. E. y SUTCLIFFE, J. V. River flow forecasting through conceptual models


part I-A discussion of principles. Journal of Hydrology, 10:282-290,1970.

146. NOFUENTE, M. y POLO, M. Evaluación de distintas funciones de infiltración


acopladas en un modelo numérico de circulación de flujo en aguas someras.
Estudios en la Zona no Saturada del Suelo. Agric. Water Manag, 1(3) 155-
164, 2009.

147. OJEDA, B. W.; SIFUENTES, I. E. y UNLAND, W. H. Programación integral del


riego en maíz en el norte de Sinaloa, México. Agrociencia, 40:13- 25, 2006.

148. OFICINA NACIONAL DE ESTADISTICA E INFORMACIÓN (ONEI). Anuario


estadístico de Cuba. Agricultura, ganadería y pesca. La Habana.
Cuba.32pp., 2015.

149. ORESKES, N.; SHRADER, F. K. y BELITZ, K. Verification, validation, and


confirmation of numerical models in the earth sciences. Science, 263:
641−646, 1994.

150. ORTEGA, J. F.; DE JUAN, J. A.; TARJUELO, J. M. y LÓPEZ, E. MOPECO an


economic optimization model for irrigation water management. Irrigation
Science, 23: 61-75, 2004.

151. PACHECO, J. Metodología para la evaluación del riego por surcos. Material en
elaboración. 1996. (Inédito)

152. PASSIOURA, J. Simulation models: science, snake oil, education, or engineering?


Agronomy Journal, 88: 690−694, 1996.

153. PEREIRA, L. S.; DE JUAN VALERO, A. J. y PICORNELL, M. B. El riego y sus


tecnologías. 299pp., (1ª edi) editora Europa américa, Lisboa, 2010.

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.

157. PÉREZ, R.: Resultados de eficiencias de aplicación para diferentes alternativas de


diseño y manejo del riego por surcos, con flujo de agua continuo. Primera
parte. Revista Ingeniería Agrícola, 3(3): 8-11, 2013.
158. PÉREZ, R; E. JIMÉNEZ; MONTERO, L.; SARMIENTO, O. y GUZMÁN, J.
Resultados de diferentes alternativas de manejo del riego superficial
tecnificado en el cultivo de la papaya maradol roja plantada con marco
extradenso, Revista Ingeniería Agrícola, 4(2):10-14, 2014.

159. PETRA, M. MADRIZ, I.; MARELIA, P.; ROSEMARY, W. y AMÉRICA T.


Caracterización fenológica de diez cultivares de caraota en relación a
grados días acumulados, en Venezuela. Rev. Fac. Agron, (UCV) 39(2): 60-
73, 2013.

160. PHILIP, J. The theory of infiltration. Soil Scienc, 83(1): 345-357, 1957.

161. PLAYÁN, E.; S. LECINA.; D. ISIDORO; F. DECHMI; J. CAUSAPÉ; J. M. FACI.


Irrigation evaluation and simulation at the Irrigation District V of Bardenas
(Spain). Agricultural Water Management, 73: 223-245, 2005.

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].

165. RAGUSA, S. R.; ZOYSA, D. S. y RENGASAMY, P. The effect of microorganisms,


salinity and turbidity on hydraulic conductivity of irrigation channel soil.
Irrigation Science, 15(4): 159-166, 1994.

166. RAHIMI, A. Evaluation of soil infiltration in furrow irrigation. Australian Journal of


Basic and Applied Sciences, 5(11): 1542-1545, 2011.

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.

170. REZAVERDINEJAD, V.; KHORSAND, A. y SHAHIDI, A. Evaluation and


comparison of AquaCrop and FAO models for yield prediction of winter wheat
under environmental stresses. JBES, 4(6):438-449, 2014.

171. RICKMAN, R.; WALDMAN, S. y KLEPPER, B. MODWh3: a development driven


winter wheat growth simulation. Agronomy Journal, 88: 176−185, 1996.

172. RÍOS, M. J.; QUIRÓS, D. J y AERIAS, J, H. Frijol, recomendaciones generales


para su siembra y manejo, 48pp., Corporación colombiana de investigación
agropecuaria. Cartilla ilustrada 2. Colombia, 2002.

173. ROBERTSON, D.; WOOD, M. y WANG, Q. J. Estimating hydraulic parameters for


a surface irrigation model from field conditions. Australian Journal of
Experimental Agriculture, 44(2):173-179, 2004.

174. RODRÍGUEZ, A.; ARISTIZÁBAL, A. y CAMACHO, J. Variabilidad espacial de los


modelos de infiltración de Philip y Kostiakov en un suelo Andino. Revista
Brasileira de Engenharia Agrícola e Ambiental, 28(1): 64-75, 2008.

175. RODRÍGUEZ, G. M. Tecnología para el mejoramiento del riego por surcos


asociado al cultivo de la cebolla en suelo ferralítico rojo lixiviado, pp100.,
Tesis de Doctorado. Universidad Central ―
Marta Abreu‖ Facultad de Ciencias
Agropecuarias, Villa Clara, Cuba, 2014.

176. RODRÍGUEZ, J. A. y MARTOS, J. C. SIPAR_ID: freeware for surface irrigation


parameter identification. Environment Model Software, 25(11):1487-1488,
2010.

177. RODRIGUEZ, J. A. y T. LÓPEZ. Validación y análisis de sensibilidad del modelo


MACRO en un suelo Orthic ferrasol del sur de La Habana. Investigación
Agraria, Serie Producción y Protección Vegetal, 15(3): 47-55, 2000.

178. ROMAY, CATALINA.; GÉNOVA, L.; SALGADO, H. y ZABALA, S.


Recomendaciones para mejorar la eficiencia en el riego discontinuo
programando la válvula automática, pp25., Buenos Aires, Argentina: Riego
y Drenaje, Facultad de Agronomía de Buenos Aires, Av. San Martín 4453
C1417DSE, CABA, 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.

181. RUTH, U. A.; CHIGOZIE, S. y IGBOKWE, K. K. Estimation of Kostiakov’s infiltration


model parameters of some sandy loam soils of Ikwuano– Umuahia, Nigeria.
Open Transactions on Geosciences. 1(1):34-38, 2014.

182. SADRAS, V. Captura de recursos por los cultivos y modelos de simulación,


150pp., Curso Escuela de Graduados, Facultad de Ciencias Agrarias,
Universidad Austral de Chile. Valdivia, Chile, 2004.

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.

184. SALMAN, M.; ALI, A. Z.; MANOOCHEHR, G. D. y SHOJA, G. D. Evaluation of


infiltration models with different numbers of fitting parameters in different
soil texture classes. Archives of Agronomy and Soil Science, DOI:
10.1080/03650340.2013.823477, 2013

185. SAMIR, H. y MALEK, B. Influence of the geometrical shape of agricultural furrow


(grooves) on the sediment transport. International Journal of Engineering
Science and Technology, 4 (05):1842-1849, 2012.

186. SANTANA, M, E. C y MORENO, H. Determinación de los coeficientes a y b de la


ecuación de infiltración para un suelo pardo grisáceo destinado al cultivo de
la cebolla en la E.C.V. Banao. Trabajo presentado en TERYDAC ― 95.‖
UNICA. Ciego de Ávila, 1995.

187. SANTANA, E. F.; AZEVEDO, C. A. V.; BARRETO, A. N.; DANTAS NETO, J. y


BEZERRA, J.R.C. Monitoramento sazonal e temporal do perfil geométrico do
sulco na cultura do algodoeiro. In: Congresso Brasileiro de Algodão, 1. 1997.
Anais. Fortaleza: EMBRAPA, p.376-379, 1997.

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.

189. SCHILARDI, C. Desempeño del riego por superficie en áreas de regadío de la


cuenca del Río Tunuyán Superior. Mendoza, Argentina, pp138., Tesis de
Maestría. Mendoza, Argentina: Universidad Nacional de UNCuyo. Facultad
de Ciencias Agrarias, 2010.
190. SHEPARD, J. S.; WALLENDER, W. W. y HOPMANS, J. W. One-point method for
estimating furrow infiltration. Transactions of the ASAE: 36(2), 395-404, 1993.

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.

192. SIFUENTES, I. E.; OJEDA, W. BUSTAMANTE. y MASÍAS. C. J. Calendarización


del riego grados día en el cultivo de papa. Riego. Fundación Produce Sinaloa
A.C., Guasave. México, 2006. En línea: http://www.conpapa.org.mx/pdf/
pubi_CalRiegoPapa.pdf. accedido [el 26 enero de 2012].

193. SIMUNEK, J.; VAN GENUCHTEN, M. T. y ŠEJNA, M. The HYDRUS software


package for simulating two- and three-dimensional movement of water, heat,
and multiple solutes in variably-saturated media, pp241., Technical manual,
version 1.0, pc progress, Prague, Czech Republic, 2006.

194. SINCLAIR, T. y SELIGMAN, N. Criteria for publishing papers on crop modeling.


Field. Crops Res. 68: 165−172, 2000.

195. SINGER, M. J. y MUNNS, D. N. Soils: An introduction,135pp 4th, Prentice Hall,


Upper Saddle River, 1999.

196. SOIL SURVEY STAFF SOIL TAXONOMY. USDA, 890pp., Second Edition, 2003.

197. SOROUSH, F.; FENTON, J. D.; MOSTAFAZADEH, F. M. y ABBASI, F. Simulation


of furrow irrigation using the Slow-change/slow-flow equation. Agricultural
Water Management, 116: 160– 174, 2013.

198. SPIEGEL, M. R. Teoría y problemas de probabilidad y estadística.125pp.,


McGraw-Hill, Serie Schaum; 3ª Ed; México. 2010.

199. STATPOINT. En línea: http:// STATGRAPHICS. Versión 5. (2005)


www.statgraphics.com.

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.

201. STEDUTO, P.; T. C. HSIAO. y E. FERERES. On the conservative behavior of


biomass water productivity. Irrig. Sci. 25: 189-207, 2007.

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.

204. STRELKOFF, T.; CLEMMENS, A. J. y BAUTISTA, E. Field parameter estimation


for surface irrigation management and design, 10pp., In Watershed
Management Science and Engineering Technology for the New Millennium,
M. Flug and D. Frever (eds.), ASCE (Conf. Fort Collins, CO), Reston, VI,
2000.

205. STRICEVIC, R.; COSIC. M.; DJUROVIC, N.; PEJIC, B. y MAKSIMOVIC, L.


Assessment of the FAO AquaCrop model in simulation of rainfed and
supplementally irrigated maize, sugar beet and sunflower. Agricultural Water
Management, 98: 1615-1621, 2011.

206. TEIXEIRA DE FARIA, M. Produtividade da cultura do feijão (Phaseolus vulgaris L.)


Irrigada por aspersão convencional com diferentes métodos de estimativa de
lâmina de irrigação, pp99., Tesis de Doctorado. Faculdade de Ciências
Agrárias e Veterinárias – Unesp, Câmpus de Jaboticabal, Brasil, 2012.

207. THAIS, E. M. DOS SANTOS.; EDIVAN, R. DE SOUZA. y ABELARDO, A. A.


MONTENEGRO. Modeling of soil water infiltration with rainfall simulator in
different agricultural systems. Revista Brasileira de Engenharia Agrícola e
Ambiental. 20(6): 513-518, 2016.

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.

209. TRUJILLO, R. C. M; CUESTA, M. E. O; DÍAZ, S. I. y ÁLVAREZ, P. R. Economía


Agrícola. pp70., Editorial Félix Varela, La Habana, Cuba, 2010.

210. TURNER, E. R. Comparison of infiltration equations and their field validation with
rainfall simulation, 120pp., Tesis de Maestría, Universidad de Maryland, USA,
2006.

211. VALIANTZAS, J. D.; AGGELIDES, S. y SASSALOU, A. Furrow infiltration


estimation from time to a single advance point. Agricultural Water
Management, 52(1): 17-32, 2001.

212. VAN ITTERSUM, M. y DONATELLI M. Modelling cropping systems−highlights of


the symposium and preface to the special issues. European Journal of
Agronomy, 18: 187−197, 2003.
213. VIVIANI, G. y IOVINO, M. Wastewater reuse effects on soil hydraulic conductivity.
Journal of Irrigation and Drainage Engineering, 130(6): 476-484, 2004.

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.

215. WALKER, R.; PRESTWICH, C. y SPOFFORD, T. Development of revised USDA-


NRCS intake families for surface irrigation, Agricultural Water Management,
85: 157-164, 2006.

216. WALKER, W. R. Multilevel calibration of furrow infiltration and roughness. J. Irrig.


Drain. Div. ASCE, 131(2):129-135, 2005.

217. WALKER, W. R. y SKOGERBOE, G. V. Surface irrigation: Theory and practice,


386pp., Prentice-Hall, Englewood Cliffs, 1987.

218. WALLENDER, W. W.; ARDILA, S. y RAYE, J. M. Irrigation optimization with


variable water quality and nonuniform soil. Transactions of the ASAE, 33(5):
1605-1611, 1990.

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.

221. WILLMOTT, C. J. some comments on the evaluation of model performance.


Bulletin American Meteorological Society, 63:1309–1313, 1982.

222. YOUNG, A. R. M. y YOUNG, R. W. Soils in the Australian landscape, 250pp.,


Oxford University Press, Melbourne, 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.

224. ZOLFAGHARI, A. A.; MIRZAEE, S. y GORJI, M. Comparison of different models


for estimating cumulative infiltration. Int. J. Soil Sci. 7:108–115, 2012.
ANEXO 1. Tipos de suelo de la provincia Granma
ANEXO 2.Familias de infiltración.
Familia k (m.min-1) a Fo (m.min-1) Textura
0,05 0,00426 0,258 0,000022
0,10 0,00383 0,317 0,000035 Arcillosa
0,15 0,00360 0,357 0,000046
0,20 0,00346 0,388 0,000057
0,25 0,00337 0,415 0,000068
0,30 0,00330 0,437 0,000078 Franco arcillosa
0,35 0,00326 0,457 0,000088
0,40 0,00323 0,474 0,00098
0,45 0,00321 0,490 0,000107
0,50 0,00320 0,504 0,000117
0,60 0,00320 0,529 0,000136 Franco limosa
0,70 0,00321 0,550 0,000155
0,80 0,00324 0,568 0,000174
0,90 0,00328 0,584 0,000193
1,00 0,00332 0,598 0,000212
1,50 0,00361 0,642 0,000280
2,00 0,00393 0,672 0,000337 Arenosa
Fuente: Walker (2003).
ANEXO 3. Ubicación geográfica del área experimental.
ANEXO 4. Datos climáticos de zona de estudio.
ANEXO 5. Distribución de las espitas en las parcelas (A) y parcelas experimentales
conformadas (B).
ANEXO 6. Medición de la pendiente del terreno (A); de la conductividad eléctrica del agua
(B) y medición del área de la sección transversal con perfilómetro (C).
ANEXO 7. Medición del tiempo de avance (A) y volumen de escorrentía (B).
ANEXO 8. Toma de muestra de suelo con barrena tipo Veihmeyer (A) y
pesaje de las muestras con balanza digital (B).
ANEXO 9.Toma de capas de suelo para el pesaje de las raíces(A) y filtrado
para la selección de las raíces (B).
ANEXO 10. Cálculo del porcentaje de cobertura foliar.
ANEXO 11.Modelos de infiltración

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)

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; la
velocidad de infiltración estabilizada (m3 min-1 m-1); volumen de agua
infiltrado en el 50 por ciento de la longitud del campo volumen de agua
infiltrado en el final del surco ; coeficiente de forma del flujo
subsuperficial; 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) ; caudal de salida del agua al final del surco (L s-1)
longitud total del surco ; el área de la sección transversal en el extremo
inicial del surco ; exponente de la función potencial de avance

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)

es una constante que se expresa en [ ]; sortividad expresa la


capacidad del suelo de absorber agua solo por capilaridad [ ]; el tiempo
de infiltración de la lámina de riego ; ; tiempo que demora el frente de
humedecimiento en llegar al final del surco ; el área de la sección
transversal en el extremo inicial del surco ; longitud total del surco ;
caudal de entrada de agua al inicio del surco L s-1.
ANEXO 12. Parámetros geométricos e hidráulicos de los surcos por caudales evaluados.
CAUDAL 1 Parámetros Resultados
AR PR SR RS AR PR SR RS
b 10 10 12 12 γ2 = 0,64 0,81 0,49 0,43
Ym 9,37 8,4 7,8 7,3 γ1 = 2,18 3,12 1,79 1,64
Ymax 18,75 16,8 15,55 14,6 σ2 = 1,56 1,62 1,49 1,47
Tmax 60 60 60 60 σ1 = 0,99 1,08 1,04 1,07
Tm 43 37 0,48 50 ρ1 = 0,35 0,28 0,52 0,64
Qo 1 1 1 1 ρ2 = 2,79 2,66 2,89 2,94
So 0,005 0,005 0,005 0,005
n 0,03 0,03 0,03 0,03

CAUDAL 2 Parámetros Resultados


AR PR SR RS AR PR SR RS
b 10 12 15 16 γ2 = 0,72 0,82 0,45 0,44
Ym 9,3 8,3 7,5 7,1 γ1 = 2,52 3,24 1,69 1,70
Ymax 18,6 16,6 15 14,2 σ2 = 1,58 1,58 1,43 1,42
Tmax 60 60 60 60 σ1 = 1,00 1,03 0,99 0,99
Tm 40 37 50 50 ρ1 = 0,30 0,23 0,48 0,48
Qo 2 2 2 2 ρ2 = 2,73 2,64 2,92 2,92
So 0,005 0,005 0,005 0,005
n 0,03 0,03 0,03 0,03

CAUDAL 3 Parámetros Resultados


AR PR SR RS AR PR SR RS
b 10 10 12 12 γ2 = 0,62 0,78 0,44 0,41
Ym 9,9 8,4 8,3 7,2 γ1 = 2,08 2,93 1,61 1,57
Ymax 0,197 16,8 16,6 14,3 σ2 = 1,55 1,60 1,47 1,47
Tmax 60 60 60 60 σ1 = 0,96 1,07 1,00 1,08
Tm 44 38 51 51 ρ1 = 0,33 0,30 0,54 0,70
Qo 3 3 3 3 ρ2 = 2,80 2,69 2,94 2,96
So 0,005 0,005 0,005 0,005
n 0,03 0,03 0,03 0,03
ANEXO 13. Tiempo de avance del frente de agua para los tres caudales evaluados.
Caudal (1 L s-1) Tiempo de avance (min)
Estación L (m) 20/12/13 27/12/13 06/01/14 18/02/14 25/02/14 06/03/14 10/03/14
0 0 0 0 0 0 0 0 0
1 10 3 2 3 3 3 3 3
2 20 7 5 8 10 8 8 7
3 30 15 8 14 16 15 16 13
4 40 29 12 23 24 22 24 22
5 50 37 13 29 31 30 31 30
6 60 49 16 35 37 38 38 38
7 70 56 18 41 47 49 48 47
8 80 66 21 47 56 60 58 60
9 90 72 24 54 66 75 71 75
10 100 83 27 59 78 89 81 87

Caudal (2 L s-1) Tiempo de avance (min)


Estación L (m) 20/12/13 27/12/13 06/01/14 18/02/14 25/02/14 06/03/14 10/03/14
0 0 0 0 0 0 0 0 0
1 10 2 1 2 3 2 3 4
2 20 5 2 4 6 4 7 8
3 30 10 5 8 13 7 13 14
4 40 16 9 13 18 12 20 21
5 50 22 12 17 25 19 27 28
6 60 27 14 20 31 25 33 35
7 70 32 17 23 38 34 39 42
8 80 36 19 26 44 44 47 49
9 90 43 21 30 53 55 53 56
10 100 48 23 33 60 64 60 66

Caudal (3 L s-1) Tiempo de avance (min)


Estación L (m) 20/12/13 27/12/13 06/01/14 18/02/14 25/02/14 06/03/14 10/03/14
0 0 0 0 0 0 0 0 0
1 10 2 1 1 1 2 2 1
2 20 4 2 2 4 4 4 3
3 30 6 5 5 10 8 8 6
4 40 9 7 8 14 11 13 10
5 50 14 9 13 18 16 19 15
6 60 18 11 18 24 21 25 21
7 70 20 12 22 29 26 31 26
8 80 23 14 26 35 32 37 32
9 90 25 15 31 40 37 43 38
10 100 28 16 36 45 43 49 44

Das könnte Ihnen auch gefallen