RPAS para precisión de la evapotranspiración en arrozales y reducir el consumo de agua

David Junior  Quispe-Tito; Lia Ramos-Fernández; Edwin  Pino-Vargas; Javier  Quille-Mamani; Alfonso Torres-Rua

doi:10.15517/am.2024.56529

Autores/as

David Junior Quispe-Tito Universidad Nacional Agraria La Molina. Lima, Perú https://orcid.org/0000-0003-3325-5512
Lia Ramos-Fernández Universidad Nacional Agraria La Molina. Lima, Perú https://orcid.org/0000-0003-3946-7188
Edwin Pino-Vargas Universidad Nacional Jorge Basadre Grohmann, Tacna, Perú https://orcid.org/0000-0001-7432-4364
Javier Quille-Mamani Universidad Nacional Agraria La Molina. Lima, Perú https://orcid.org/0000-0002-5283-7211
Alfonso Torres-Rua Utah State University, Utah, Estados Unidos https://orcid.org/0000-0002-2238-9550

DOI:

https://doi.org/10.15517/am.2024.56529

Palabras clave:

arrozales, balance de energía, drone, riego con secas controladas

Resumen

Introducción. La estimación de la evapotranspiración del cultivo (ETc) permite conocer los requerimientos de agua del cultivo, que ayudan a proponer técnicas de riego con ahorro de agua. Objetivo. Usar el Sistema de Aeronave Pilotada Remotamente (RPAs) para mayor precisión de la evapotranspiración en arrozales a fin de reducir el consumo de agua. Materiales y métodos. La distribución de parcelas siguió un diseño de bloques completamente al azar con estructura factorial de dos experimentos, riego inundado (E1) y riego con secas controladas (E2), con tres variedades de arroz (IR43, IR71706, Sahod Ulan 12) en el Área Experimental de Riego (AER) de la Unalm. Se realizó ocho vuelos, de un RPAs, distribuidos entre las etapas de macollamiento y punto de algodón, en enero y febrero del 2019. Resultados. El análisis combinado de tratamientos con análisis de varianza y prueba de Duncan con p < 0,05, reveló diferencia significativa de la ETc, entre E1 y E2; Sin embargo, no se encontró diferencia significancia entre las variedades de arroz. Se obtuvo valores máximos de ETc y rendimiento para E1 de 4,50 (mm/d), 10389 (Kg/ha) y para E2 de 3,7 (mm/d), 9710 Kg/ha), respectivamente. Conclusiones. El uso de un sistema de aeronave pilotada remotamente permitió mejorar la resolución temporal y espacial de las imágenes multiespectrales y térmicas para obtener mayor precisión en la evapotranspiración del cultivo (ETc) bajo dos regímenes de riego. En el riego con secas controladas se obtuvo una reducción del 24 % de la ETc lo que permitió un ahorro de agua de 855 m³/ha.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Allen, R. G., Tasumi, M., & Trezza, R. (2007). Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration (METRIC)—Model. Journal of Irrigation and Drainage Engineering, 133(4), 380-394. https://doi.org/10.1061/(ASCE)0733-9437(2007)133:4(380)

Allen, R. G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C., & Trezza, R. (2013). Automated calibration of the METRIC-Landsat evapotranspiration process. Journal of the American Water Resources Association, 49(3), 563–576. https://doi.org/10.1111/jawr.12056

Acharya, B., & Sharma, V. 2021. Comparison of satellite driven surface energy balance models in estimating crop evapotranspiration in semi-arid to arid inter-mountain region. In Remote Sensing, 13(9), Article 1822.

Bastiaanssen, W. G. M., Menenti, M., Feddes, R. A., & Holtslag, A. A. M. (1998). A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of Hydrology, 212–213, 198–212. https://doi.org/10.1016/s0022-1694(98)00253-4

Bhattarai, N., Quackenbush, L. J., Im, J., & Shaw, S. B. (2017). A new optimized algorithm for automating endmember pixel selection in the SEBAL and METRIC models. Remote Sensing of Environment, 12(2), 178–192. https://doi.org/10.1016/j.rse.2017.05.009

Castañeda, C., Flores Magdaleno, H., Martínez Menes, M., Esparza Govea, S. (2018). Estimación de la evapotranspiración mediante un balance de energía utilizando sensores remotos. Ecosistemas y Recursos Agropecuarios, 5(15), 537–545. https://doi.org/10.19136/era.a5n15.1647

Food and Agriculture Organization Statistics. (2022). Faostat: FAO Statistical Databases. Food & Agriculture Organization of the United Nations (FAO). http://www.fao.org/faostat/en/#data/QC

Folhes, M. T., Rennó, C. D., & Soares, J. V. (2009). Remote sensing for irrigation water management in the semi-arid Northeast of Brazil. Agricultural Water Management, 96(10), 1398–1408. https://doi.org/10.1016/j.agwat.2009.04.021

Jiang, Y., Carrijo, D., Huang, S., Chen, J., Balaine, N., Zhang, W., van Groenigen, K. J., & Linquist, B. (2019). Water management to mitigate the global warming potential of rice systems: A global meta-analysis. Field Crops Research, 234, 47–54. https://doi.org/10.1016/j.fcr.2019.02.010

Liu, X., Xu, J., Yang, S., & Zhang, J. (2018). Rice evapotranspiration at the field and canopy scales under water-saving irrigation. Meteorology and Atmospheric Physics, 130(2), 227–240. https://doi.org/10.1007/s00703-017-0507-z

Machaca, R., Pino, E., Ramos, L., Quille, J., & Torres, A. (2022). Estimación de la evapotranspiración con fines de riego en tiempo real de un olivar a partir de imágenes de un drone en zonas áridas, caso La Yarada, Tacna, Perú. Idesia (Arica), 40(2), 55-65. https://doi.org/10.4067/S0718-34292022000200055

Mendoza, C., Postgraduados, C. de, Ramírez, C., Ojeda, W., Flores, H., Instituto Mexicano de Tecnología del Agua, & Colegio de Postgraduados. (2017). Estimation of leaf area index and yield of greenhouse-grown poblano pepper. Ingeniería agrícola y biosistemas, 9(1), 37–50. https://doi.org/10.5154/r.inagbi.2017.04.009

Neira, E., Ramos, L., & Razuri, L. R. (2020). Coeficiente del cultivo (Kc) del arroz a partir de lisímetro de drenaje en La Molina, Lima-Perú. Idesia (Chile), 38(2), 49–55. https://doi.org/10.4067/s0718-34292020000200049

Nassar, A., Torres‐Rua, A., Kustas, W., Alfieri, J., Hipps, L., Prueger, J., Nieto, H., Alsina, M. M., White, W., McKee, L., Coopmans, C., Sanchez, L., & Dokoozlian, N. 2021. Assessing daily evapotranspiration methodologies from one‐time‐of‐day suas and ec information in the grapex project. Remote Sensing, 13(15), Article 2887.

Nhamo, L., Magidi, J., Nyamugama, A., Clulow, A. D., Sibanda, M., Chimonyo, V. G. P., & Mabhaudhi, T. (2020). Prospects of improving agricultural and water productivity through unmanned Aerial Vehicles. Agriculture, 10(7), Article 256. https://doi.org/10.3390/agriculture10070256

Niu, H., Hollenbeck, D., Zhao, T., Wang, D., & Chen, Y. (2020).Evapotranspiration estimation with small UAVs in precision agriculture. Sensors (Basel, Switzerland), 20(22), Article 6427. https://doi.org/10.3390/s20226427

Porras Jorge, R., Ramos Fernández, L., Ojeda Bustamante, W., & Ontiveros Capurata, R. (2020). Performance assessment of the AquaCrop model to estimate rice yields under alternate wetting and drying irrigation in the coast of Peru. Scientia agropecuaria, 11(3), 309–321. https://doi.org/10.17268/sci.agropecu.2020.03.03

Quille Mamani, J., Ramos Fernández, L., & Ontiveros Capurata, R. (2021). Estimación de la evapotranspiración del cultivo de arroz en Perú mediante el algoritmo METRIC e imágenes VANT. Revista de teledetección, (58), 23-38. https://doi.org/10.4995/raet.2021.13699

Saha, S., Ahmmed R,. & Jahan, N. (2022). Actual Evapotranspiration Estimation Using Remote Sensing: Comparison of Sebal and Metric Models. In Tarekul Islam GM, Shampa S, & Chowdhury AIA (Eds), Water Management: A View from Multidisciplinary Perspectives (pp. 365 – 383). Springer, Cham . https://doi.org/10.1007/978-3-030-95722-3_18

Sawadogo, A., Kouadio, L., Traoré, F., Zwart, S. J., Hessels, T., & Gündoğdu, K. S. (2020). Spatiotemporal assessment of irrigation performance of the Kou Valley irrigation scheme in Burkina Faso using satellite remote sensing-derived indicators. ISPRS International Journal of Geo-Information, 9(8), Article 484. https://doi.org/10.3390/ijgi9080484

Sisheber, B., Marshall, M., Mengistu, D., & Nelson, A. (2022). Tracking crop phenology in a highly dynamic landscape with knowledge-based Landsat–MODIS data fusion. International Journal of Applied Earth Observation and Geoinformation: ITC Journal, 106, Article 102670. https://doi.org/10.1016/j.jag.2021.102670

Suwanlertcharoen, T., Chaturabul, T., Supriyasilp, T., & Pongput, K. (2023). Estimation of Actual Evapotranspiration Using Satellite-Based Surface Energy Balance Derived from Landsat Imagery in Northern Thailand. Water, 15(3), Article 450. https://doi.org/10.3390/w15030450

Taherparvar, M., & Pirmoradian, N. (2018). Estimation of rice evapotranspiration using reflective images of Landsat satellite in sefidrood irrigation and drainage network. Rice science, 25(2), 111–116. https://doi.org/10.1016/j.rsci.2018.02.003

Tsouni, A., Kontoes, C., Koutsoyiannis, D., Elias, P., & Mamassis, N. (2008). Estimation of actual evapotranspiration by remote sensing: Application in Thessaly plain, Greece. Sensors (Basel, Switzerland), 8(6), 3586–3600. https://doi.org/10.3390/s8063586

Wei, G., Cao, J., Xie, H., Xie, H., Yang, Y., Wu, C., Cui, Y., & Luo, Y. (2022). Spatial-temporal variation in paddy evapotranspiration in subtropical climate regions based on the SEBAL model: A case study of the Ganfu Plain irrigation system, southern China. Remote Sensing, 14(5), Article 1201. https://doi.org/10.3390/rs14051201

Zhou, S., Sun, H., Bi, J., Zhang, J., Riya, S., & Hosomi, M. (2020). Effect of water-saving irrigation on the N2O dynamics and the contribution of exogenous and endogenous nitrogen to N2O production in paddy soil using 15N tracing. Soil & Tillage Research, 200, 104610. https://doi.org/10.1016/j.still.2020.104610