Intensificación de la producción forrajera en Galicia y evaluación del modelo CERES-Maize

Escola Politécnica Superior Universidade de Santiago de Compostela INTENSIFICACIÓN DE LA PRODUCCIÓN FORRAJERA EN GALICIA Y EVALUACIÓN DEL MODELO CERES-Maize Tesis Doctoral Francisco Xavier López Cedrón Ingeniero Agrónomo 2006 Escola Politécnica Superior Universidade de Santiago de Compostela INTENSIFICACIÓN DE LA PRODUCCIÓN FORRAJERA EN GALICIA Y EVALUACIÓN DEL MODELO CERES-Maize Tesis Doctoral Francisco Xavier López Cedrón Ingeniero Agrónomo 2006 Director Federico Sau Sau Dr. Ingeniero Agrónomo D. Federico Sau Sau, Dr. Ingeniero Agrónomo, Catedrático del Área de Producción Vegetal de la USC. CERTIFICA: Que, bajo su dirección, D. Francisco Xavier López Cedrón ha desarrollado en la Escola Politécnica Superior, la presente memoria titulada: “Intensificación de la producción forrajera en Galicia y evaluación del modelo CERES-Maize”, que presenta para optar al grado de Doctor Ingeniero Agrónomo. Considerando que constituye un trabajo de Tesis Doctoral, autoriza su presentación en la Universidade de Santiago de Compostela para ser valorada por el tribunal correspondiente. Y, para que así conste, a los efectos oportunos, expide el presente certificado en Lugo, a 17 de enero de 2006. Fdo.: Federico Sau Sau. Agradecementos En primeiro lugar quero expresar o meu agradecemento ó Dr Federico Sau, polo seu apoio en todo momento, incluso cando este traballo tivo que quedar nun segundo lugar, para conseguir outros obxectivos profesionais. Por entusiasmarme, xa dende un lonxano terceiro curso de carreira no intento de comprender como funciona un sistema de cultivo. En segundo lugar, ó meu infatigable colaborador Juanjo. Ó que despois lle tomou o relevo, non con menos afinco, Paco, cando os demáis chegábamos xa estaba todo listo para traballar. Ó profesor Juan Piñeiro, pola súa paciencia e inestimable axuda e ensinanzas. Ó Dr. Benigno Ruíz Nogueira polos múltiples problemas que solucionou e pola axuda prestada en todo momento. Ó Dr. Kenneth J. Boote, por involucrarse neste traballo, pese ás súas múltiples ocupacións. A Emilio, Vanesa e Martelo, pola súa axuda nos ensaios de campo e no traballo de laboratorio. Ós meus compañeiros doutorandos: Juan Luis, José Antonio Marra e Adriana. Para esta última un agradecemento especial pola revisión deste traballo. Ó Dr. Jesús Moreno e ó Dr Alberto Oliveira pola súa axuda na análise estatística dos datos. Á Dra. Pilar Salgado pola axuda prestada para solucionar os problemas cos códigos FORTRAN dos modelos. Profesor Mario Hernández, Dr. Santiago Pereira e Dra. Ana Ramos. A todos os que me axudaron nos ensaios de campo e no laboratorio, e dun xeito especial a Agustín, Quique, Verónica, José Marcos, Ana Sío, Loreto, Juan e Jose. Á miña familia. A Ana ÍNDICE DE MATERIAS Índice III Abreviaturas.................................................................................................................VII Resumen.......................................................................................................................XIII CAPÍTULO 1.- INTENSIFICACIÓN DE LA PRODUCCIÓN FORRAJERA EN GALICIA..........................................................................................................................1 1.1. INTRODUCCIÓN..............................................................................................3 1.1.1. Intensificación de la producción forrajera......................................................3 1.1.2. Las rotaciones forrajeras intensivas...............................................................4 1.1.3. Laboreo convencional y siembra directa........................................................7 1.1.4. Efecto del déficit hídrico: regadío y secano...................................................9 1.1.5. Objetivos del capítulo primero ....................................................................10 1.2. MATERIAL Y MÉTODOS ..............................................................................12 1.2.1. Localización de los ensayos ........................................................................12 1.2.2. Características meteorológicas de los años experimentales..........................13 1.2.3. Material vegetal..........................................................................................15 1.2.4. Diseño experimental....................................................................................15 1.2.5. Descripción de los ensayos..........................................................................16 1.2.5.1. Siembra.................................................................................................16 1.2.5.1.1. Preparación del terreno....................................................................16 1.2.5.1.2. Profundidad, densidad y fechas de siembra .....................................17 1.2.5.2. Fertilización..........................................................................................18 1.2.5.3. Riego....................................................................................................20 1.2.5.4. Tratamientos fitosanitarios....................................................................21 1.2.6. Evolución de la producción de biomasa y distribución de la materia seca entre los diferentes órganos. Fechas de cosecha.............................................................22 1.2.7. Procesado de los datos y análisis estadísticos ..............................................24 1.3. RESULTADOS Y DISCUSIÓN .......................................................................26 Índice IV 1.3.1. Producción de biomasa del Raigrás italiano no alternativo (RINA)..............26 1.3.2. Producción de biomasa del raigrás italiano alternativo (RIA).......................33 1.3.3. Maíz............................................................................................................37 1.3.3.1. Producción de biomasa..........................................................................37 1.3.3.2. Producción de grano e índice de cosecha...............................................42 1.3.4. Producción de biomasa total de las rotaciones estudiadas ............................43 1.4. CONCLUSIONES DEL CAPÍTULO PRIMERO..............................................49 CAPÍTULO 2.- EVALUACIÓN DEL MODELO CERES-Maize EN GALICIA...51 2.1 INTRODUCCIÓN .............................................................................................53 2.1.1. Análisis de sistemas y modelos de simulación.............................................53 2.1.2. Las etapas de construcción de un modelo ....................................................55 2.1.3. Modelos matemáticos de simulación del crecimiento de los cultivos ...........55 2.1.4. El modelo matemático de simulación del crecimiento del maíz: CERESMaize....................................................................................................................58 2.1.5. Principios básicos de las simulaciones con CERES-Maize...........................60 2.1.6. Desarrollo del cultivo..................................................................................62 2.1.6.1. Respuesta térmica de la tasa de desarrollo .............................................62 2.1.7. Acumulación de biomasa.............................................................................65 2.1.7.1. Factor reductor de la fotosíntesis (PRFT) ..............................................66 2.1.7.2. Tasa relativa de llenado de grano (RGFILL)..........................................68 2.1.7.3. Eficiencia en el uso de la radiación (EUR).............................................69 2.1.7.4. Coeficiente de extinción (EXT) para la radiación fotosintéticamente activa (PAR)......................................................................................................70 2.1.7.5. Eficiencia en la conversión de la materia seca vegetativa removilizada al grano .................................................................................................................70 2.1.7.6. Número de granos por planta y tasa de crecimiento del grano................71 2.1.7.7. Cálculo del índice de área foliar ............................................................72 Índice V 2.1.8. Balance de agua en el suelo y cálculo de los factores de estrés hídrico del cultivo ..................................................................................................................72 2.1.8.1. Balance de agua del suelo, crecimiento de las raíces, y extracción de agua en CERES-4.0...................................................................................................73 2.1.8.2. Opciones de cálculo de la evapotranspiración en CERES-4.0................75 2.1.8.3. reparto de la evapotranspiración potencial (E0) entre evaporación potencial (ES0) y transpiración potencial (EP0) en CERES-4.0 .........................75 2.1.9. Objetivos del capítulo segundo....................................................................77 2.2. MATERIAL Y MÉTODOS ..............................................................................78 2.2.1. Ensayos de campo.......................................................................................78 2.2.2. Temperatura y precipitación durante la estación de crecimiento ..................80 2.2.3. Seguimiento de parámetros ecofisiológicos.................................................82 2.2.3.1. Fenología..............................................................................................82 2.2.3.2. Índice de área foliar (IAF).....................................................................84 2.2.4. Determinación de los coeficientes genéticos del cv. clarica .........................84 2.2.5. Características del perfil del suelo, medidas del contenido de agua del suelo y condiciones iniciales empleadas en las simulaciones.............................................86 2.2.6. Humedad volumétrica del suelo a saturación, función de enraízamiento preferente en el perfil del suelo utilizada y profundidad de enraizamiento. Ajustes finales de DUL para las simulaciones en condiciones de secano............................90 2.2.7. Versiones de CERES-Maize empleadas ......................................................91 2.2.8. Simulaciones...............................................................................................91 2.2.9. Procedimientos estadísticos y gráficos empleados para evaluar las diferentes versiones estudiadas de CERES-Maize, opciones de cáculo de evapotranspiración potencial, coeficientes de extinción y modificaciones del modelo .........................92 2.3. RESULTADOS Y DISCUSIÓN .......................................................................94 2.3.1. Evaluación de tres versiones del modelo CERES-Maize bajo condiciones no limitantes del medio .............................................................................................94 2.3.1.1. Predicción de la fenología.....................................................................94 Resumen XV En ensayos de campo realizados en Lugo entre los años 1997 y 2002, se ha comparado el rendimiento en regadío (R; condiciones no limitantes del medio) y en secano (S) de la rotación raigrás italiano alternativo-maíz (RIA-M), de dos cultivos por año, con la de raigrás italiano no alternativo (RINA), prevista para sembrar cada dos años, como base para intensificar la producción de forraje en Galicia. Además, se probaron dos técnicas de siembra en la rotación RIA-M: Laboreo convencional (LC) y siembra directa (SD). Considerando la rotación de dos cultivos por año, las producciones medias de los cinco años estudiados, se situaron en 28.00, 21.67, 27.93 y 20.90 t ha-1 de materia seca (MS) (LC R, LC S, SD R y SD S, respectivamente). En el caso del RINA se situaron en 15.69 y 8.27 t ha-1 de MS (RINA R y RINA S respectivamente). Como se ve, los rendimientos de la rotación más intensiva (RIA-M) han sido muy superiores a los de RINA, e incluso en condiciones de secano supera al RINA R en un 36%, como promedio de los cinco años estudiados. Dentro de la rotación RIA-M, en la mayor parte de los años ensayados no se detectaron diferencias atribuibles al sistema de siembra. Estos datos experimentales parecen mostrar, que en general y considerando la media de producción de años sucesivos, la técnica de siembra no afecta a la producción de RIA-M. Las producciones de los tratamientos R han superado ampliamente a los S. Dentro de la rotación RIA-M, esto fue debido a las mayores producciones del Maíz R, ya que las producciones del RIA precedidas de Maíz S fueron superiores en cuatro de los años ensayados a las precedidas de Maíz R. En el RINA las producciones de los tratamientos R también han sido superiores. Incluso en el verano de 1998, el tratamiento RINA S se secó completamente debido a la combinación del déficit hídrico con el estrés de temperatura, no rebrotando el otoño siguiente, con lo que la producción este año fue nula. En la evolución de la producción anual de forraje de la rotación RIA-M R se observa una fuerte tendencia descendente en los primeros años, y una estabilización posterior en torno a las 25 t ha-1 de MS. El descenso de la producción de la rotación es en parte debido a la reducción de la producción del maíz, y también, a las bajas producciones del RIA durante el tercer y cuarto año, el quinto año hay un repunte de las Resumen XVI producciones debido al mayor rendimiento del cultivo de invierno, ya que las producciones del maíz son las más bajas de los cinco años ensayados. Con los datos de maíz incluidos dentro de la rotación RIA-M LC, obtenidos en estos ensayos se estableció una base de datos para proceder a la evaluación de diferentes versiones del modelo de crecimiento del maíz más comúnmente empleado: CERESMaize. Además, se completó esta base de datos con la obtenida con una serie de ensayos complementarios. Estos ensayos complementarios consistieron en una segunda fecha de siembra realizada en los años 1998, 1999 y 2000: en 1998 sólo en R (condiciones no limitantes del medio); en 1999 y 2000, bajo condiciones R y S. Con esta base de datos se procedió en primer lugar a evaluar tres versiones del modelo en condiciones hídricas no limitantes ((1) CERES-Maize-2003, la versión más reciente propuesta por Kiniry y colaboradores; (2) la versión incluida en el DSSAT V3.5 (software oficial) o CERES-3.5; y (3) la versión incluida en el DSSAT V4.0 o CERES-4.0 (software oficial; Jones et al., 2003). A continuación, la versión con la que se obtuvieron los mejores resultados en estas condiciones (CERES-4.0) se evaluó en condiciones hídricas limitantes. En la evaluación de las tres versiones citadas en condiciones no limitantes, se documentan y discuten las ecuaciones que causan las diferencias en las estimaciones de las principales variables entre las tres versiones. Con la versión CERES-4.0 se obtienen las mejores predicciones de producción de biomasa y grano en nuestras condiciones de cultivo. Con CERES-2003 se obtienen los peores resultados debido principalmente a que el 64 % de la MS translocada de los tallos al grano se pierde. Las razones por las que CERES-4.0 obtiene los mejores resultados están relacionadas con las nuevas funciones de temperatura que afectan a la eficiencia en el uso de la radiación (PRFT) y a la tasa de llenado del grano (RGFILL), que en la versión-4.0 son menos sensibles a la temperatura. Por otra parte, en nuestras condiciones de cultivo, las predicciones de CERES-4.0 mejorarían si las funciones PRFT y RGFILL fueran ligeramente más sensibles a la temperatura, aunque se precisaría de nuevos estudios, en un amplio rango de temperaturas, para confirmar esta hipótesis. Bajo condiciones hídricas limitantes, CERES-4.0 obtiene unas simulaciones de biomasa y grano muy inferiores a los datos de campo. Se evalúan distintos aspectos del Resumen XVII modelo que consideramos responsables de estos resultados. Se emplean dos opciones de cálculo de la evapotranspiración (Priestley-Taylor (PT) y el método de referencia de Penman-Monteith (PFAO56; manual nº 56 de la FAO)) con dos valores del coeficiente (KEP) de reparto de la evapotranspiración entre la transpiración del cultivo y la evaporación del suelo (valor por defecto: KEP = 0.685; valor alternativo: KEP = 0.500). La opción PT con KEP = 0.685, infraestima sistemáticamente las producciones de biomasa y grano debido a una simulación demasiado temprana y elevada de las extracciones de agua. Las predicciones de biomasa y grano, tanto con la opción PT como con PFAO56 mejoran cuando se emplea un KEP de 0.500. PFAO56 es la opción de cálculo de la evapotranspiración con la que se obtienen las mejores predicciones. La opción PFAO-56 con KEP = 0.500 permitió obtener una estimación correcta de la biomasa aérea media en cosecha de los tratamientos de secano, pero las simulaciones siguieron dando valores de rendimiento de grano demasiado bajos. Esto es debido a la incapacidad del modelo para predecir correctamente el efecto del déficit hídrico sobre el número de granos. Se reevaluaron las funciones del modelo que estiman el número de granos por planta y se sustituyeron por las ecuaciones propuestas por Edmeades y Daynard, al resultar éstas más satisfactorias. Finalmente, se mejoraron las predicciones del modelo eliminando el efecto del factor de estrés hídrico de suelo que afecta a la fotosíntesis (SWFAC) sobre la tasa de crecimiento del grano (GROGRN). Estos cambios permitieron mejorar las simulaciones del número de granos y del peso medio de los granos de los tratamientos de secano. Por último, también se realizó un análisis de sensibilidad de diferentes cambios en las funciones de enraizamiento. Capítulo 1 INTENSIFICACIÓN DE LA PRODUCCIÓN FORRAJERA EN GALICIA Introducción 3 1.1. INTRODUCCIÓN 1.1.1. INTENSIFICACIÓN DE LA PRODUCCIÓN FORRAJERA La intensificación de la producción de forrajes, al aumentar la producción de forraje por unidad de superficie, permite incrementar las producciones ganaderas en regiones donde la superficie de las explotaciones es una limitante, y la tierra disponible para ampliarlas escasea. Con ello se consigue reducir el consumo de concentrados, que normalmente proceden de fuera de la explotación e incrementan los costes de producción reduciendo la viabilidad económica de la explotación. La intensificación del sistema de producción de forraje puede conseguirse mediante un buen manejo de la fertilización que elimine los factores limitantes relacionados con la nutrición del cultivo, el riego durante los períodos de déficit hídrico o la sustitución de sistemas de cultivo único (un cultivo por año) por sistemas de cultivo múltiple (dos cultivos por año), lo cual permite reducir los períodos en los que el suelo permanece sin cultivo. Galicia es una región de eminente vocación ganadera y la producción de leche de vacuno domina el sector. Así, la producción láctea representa (datos del año 2001) el 33.0% de la producción final agraria y el 52.0% de la producción final del subsector ganadero (Xunta de Galicia, 2004). En esta Comunidad Autónoma, el sector productor de leche de vacuno ha sufrido una intensa reestructuración desde la entrada de España en la Comunidad Económica Europea, con un acelerado proceso de reducción del número de explotaciones. Si en la campaña 1986-87 había en Galicia 111.6 mil explotaciones, en la campaña 1992-93 este número ya se había reducido a 70.1 mil y en la campaña 2001-02 tan solo quedaban 24.4 mil (Sineiro y Valdês, 1998; Xunta, 2004). Paralelamente a la reducción del número de explotaciones, se ha producido un incremento de la producción de leche, pasando de 1650 millones de litros en 1986 (MAPA, 1987) a 2314 millones de litros en 2002 (Xunta, 2004), debido a una clara intensificación en la producción láctea por vaca y explotación. Sin embargo, no se ha producido una transferencia suficiente de tierras desde las Capítulo 1 4 explotaciones que han desaparecido hacia las que perduran, con lo cual el incremento de la producción de leche se ha basado en buena parte en un aumento del consumo de concentrados. Esto ha supuesto un incremento en los costes medios de producción por litro de leche, siendo las explotaciones que utilizan una mayor proporción de forrajes en la ración del ganado las que obtienen un mayor margen neto por explotación (Barbeyto, 1997). Ante esta situación, Piñeiro y Pérez (1996) señalan que, en contra de la extensificación propugnada por la política agraria de la Unión Europea, en Galicia las explotaciones lácteas se ven abocadas a intensificar su producción forrajera para seguir siendo viables económicamente. 1.1.2. LAS ROTACIONES FORRAJERAS INTENSIVAS En Galicia, el maíz (Zea mays L.) constituye el principal cultivo forrajero de verano con una superficie de 40186 ha en el año 2002 (Xunta, 2004), lo que representa el 47.6% del maíz forrajero cultivado en España (MAPA, 2003 y Xunta 2004), no figurando en las estadísticas las reducidas superficies de cultivo que se dedican a sorgo forrajero o girasol. Lloveras (1990) estudió el posible interés de otros cultivos forrajeros de verano como sustitutos del maíz, obteniendo unas producciones (promedio de tres años y dos localidades en Galicia) de 15.2 t de materia seca (MS) por ha para el maíz, 9.6 t ha-1 para el girasol (Helianthus annuus L.), 7.8 t ha-1 para el pasto de Sudán (Sorgum sudanense Piper Staff) y 9.9 t ha-1 para el sorgo (Sorghum bicolor L. Moench)  pasto de Sudán. Considerando que la digestibilidad in vitro de la materia seca del maíz es muy superior a la de los otros cultivos estudiados, las ventajas productivas del maíz respecto de los demás cultivos forrajeros de verano son muy claras y justifican su posición dominante en los sistemas de producción de Galicia. El raigrás italiano (Lolium multiflorum L.) y los cereales de invierno como el trigo (Triticum aestivum L.), centeno (Secale cereale L.) o avena (Avena sativa L.), se han empleado en Galicia tradicionalmente como cultivos forrajeros de invierno. Los cultivares de raigrás italiano empleados son de tipo alternativo, los no alternativos se emplean como pratenses, bien solos o bien en forma de mezcla con otras especies de Introducción 5 gramíneas y leguminosas, para la obtención de elevadas producciones de forraje en praderas de corta duración (dos años). La inclusión de una leguminosa en estos cultivos permite incrementar el valor nutritivo del forraje al aumentar el contenido en proteínas, aunque dificulta la conservación del ensilado y frecuentemente también la recolección. En estudios realizados en Galicia, se observó que en las mezclas cereal + veza (Vicia sativa L.) a medida que aumenta la proporción de veza en la mezcla se incrementa el valor nutritivo del forraje pero la biomasa cosechable disminuye claramente debido al aumento del encamado. El cereal que sirve de tutor a la veza no es lo suficientemente robusto y se produce el vuelco (Castro et al., 2000). Por otro lado, Lloveras (1986) estudió en Galicia la productividad de los cultivos forrajeros de invierno que permiten sembrar maíz forrajero a continuación y obtuvo las siguientes producciones de MS: 7.2 t ha-1 (avena + veza); 5.1 t ha-1 (centeno); 1.1 t ha-1 (colza (Brassica napus L.)); 2.5 t ha1 (raigrás italiano alternativo). A la vista de estos resultados se podría pensar que avena + veza es una mezcla ampliamente utilizada en Galicia. No obstante, debido a los problemas de encamado con los cuales han tenido que enfrentarse los agricultores (Castro et al., 2000), no es un cultivo apreciado por los mismos, por lo que su superficie es testimonial. La siembra de varios cultivos por año, dos en general, en una misma superficie ha sido una práctica frecuentemente empleada para intensificar la producción de forrajes. Se trata de minimizar el tiempo en que el suelo se mantiene sin cultivo, maximizar la intercepción de radiación solar por los cultivos sucesivos y seleccionar las especies más adaptadas a cada período del año. Queda claro que para los períodos más fríos, las especies preferidas serán las de metabolismo fotosintético C3 con baja temperatura base, mientras que en verano, con niveles de temperaturas y de radiación elevados, las especies C4serán más productivas. Diversos autores han estudiado las producciones de este tipo de rotaciones. Así, en Francia, Fleury (1974), Pontailler (1979), Raphalen (1980) y Raphalen y Bloc (1982), trabajando con la rotación maíz-raigrás italiano, obtuvieron producciones de MS en torno a 12.8 t ha-1 de maíz y 2.7-4.9 t ha-1 de raigrás. En Bélgica, Van Bockstaele et al. (1979) midieron incrementos de producción de 1.52.5 t ha-1 de MS al pasar del monocultivo del maíz a cultivar maíz-raigrás. Por su parte, Murdock y Wels (1978) en Kentucky (EEUU) registraron incrementos de producción Capítulo 1 6 entre 3-4 t ha-1 de MS con sistemas de dos cultivos por año frente al maíz en monocultivo. Crookston et al. (1978) en Minesota (EEUU) observaron un incremento de 7.0 t ha-1 de MS al pasar del maíz de monocultivo a maíz-centeno. En Wisconsin, Okoli et al. (1984) obtuvieron una produccion de 15.0 t ha-1 de MS con la rotación maíz-avena. Finalmente, en condiciones de regadío en Nuevo México (EEUU), Fuehring (1978) midió un incremento de producción de 11.4 t ha-1 de MS entre el monocultivo de maíz y maíz-cebada (Hordeum vulgare L.). Los estudios de Lloveras (1987) realizados en Galicia comparan durante cuatro años y en tres localidades la productividad de los siguientes sistemas de cultivo: maíz (monocultivo); maíz-centeno; maíz-avena+veza; maíz-raigrás italiano; maíz-raigrás italiano-colza (rotación de dos años); 2 años de pradera-maíz (rotación de tres años); pradera de corta duración y pradera de larga duración. Estos trabajos muestran que los sistemas de dos cultivos por año producen en torno a un 50% más de MS que los sistemas menos intensivos de praderas o maíz como cultivo único, obteniendo producciones medias anuales de MS de 11.2 t ha-1 en praderas de larga duración, 11.8 t ha-1 en praderas de corta duración, 18.6 t ha-1 para la rotación avena+veza-maíz, 15.5 t ha-1 para la rotación raigrás italiano-maíz y 13.2 t ha-1 para la rotación raigrás italianomaíz-colza. Más tarde, también en Galicia, Piñeiro y Pérez (1997) compararon los sistemas de producción de forraje maíz-raigrás italiano, sorgo-raigrás italiano y praderas de raigrás italiano mezclado con trébol violeta (Trifolium pratense L.), resultando más productivos los dos primeros. Se midió un incremento de producción de 6.4 y 2.1 t ha-1 al pasar de la pradera al maíz-raigrás italiano y al sorgo-raigrás italiano, respectivamente. Cuando se siembran dos cultivos forrajeros por año, es recomendable realizar la siembra de otoño lo antes posible. Para el caso concreto del raigrás italiano, Piñeiro et al. (2001) indican la conveniencia de sembrar antes de que finalice el mes de septiembre. Con ello se consigue un buen establecimiento y crecimiento inicial porque aprovecha las temperaturas favorables de la primera parte del otoño. De este modo, se pueden conseguir dos cortes antes de tener que preparar el terreno para la siembra del cultivo de verano. No obstante la siembra temprana del raigrás se ve frecuentemente impedida por la fecha de recogida del maíz. Introducción 7 Otros autores indican otras ventajas en la introducción de un cultivo de invierno. Así, la mejora de la estructura del suelo asociada al empleo de un cultivo de invierno fue puesta de manifiesto por Tisdall y Oades (1979), Radford et al. (2001) y Hernawan y Bomke (1997), indicando este último trabajo un efecto más favorable de la implantación de raigrás frente al empleo de cebada o centeno. Lubet et al. (1993) en Bégica y Zhou et al. (2000) en Canadá encontraron incrementos en la producción de grano, introduciendo raigrás durante el período invernal, frente al monocultivo del maíz. Por su parte, la disminución de las pérdidas por lixiviación de nitrógeno introduciendo un cultivo de invierno como cultivo de cobertera tras la cosecha del maíz ha sido estudiada por diversos autores como Shipley et al. (1992), Brandi-Dohrn et al. (1997), Mller y Djurhuus (1997), Dabney et al. (2001) y Baez et al. (2000). Este último trabajo fue realizado en la Cornisa Cantábrica y concluye que las pérdidas de nitrógeno por lixiviación se reducen en más de un 60% al introducir raigrás italiano en rotación con el maíz. 1.1.3. LABOREO CONVENCIONAL Y SIEMBRA DIRECTA Los sistemas de no laboreo y mínimo laboreo fueron desarrollados en EEUU para tratar de solucionar los graves problemas de erosión eólica e hídrica ocasionados por la agricultura. Durante los años 50, el arado de vertedera comenzó a ser substituido por los arados cincel y de discos y a desarrollarse, aunque con poca aceptación, los primeros sistemas de mínimo laboreo. Al principio de los años 60, en el Cinturón del maíz, comenzaron los primeros agricultores a emplear un nuevo sistema de producción: el no laboreo (Philips y Young, 1979), sistema en el que se prescinde totalmente del laboreo del terreno. Todos estos sistemas se vieron en un primer momento limitados por la falta de herbicidas adecuados, lo que convertía a las malas hierbas en un importante factor limitante (Fernández-Quintanilla, 1997). En otras regiones del mundo como Europa, donde la erosión eólica e hídrica no cobra la importancia de las zonas antes citadas, la introducción de sistemas de laboreo de conservación está en parte asociada al intento de reducir los costes de producción Capítulo 1 8 (Cannell y Hawes, 1994) y también al apoyo de la Política Agraria Común a estos sistemas de cultivo (AEAC.SV, 2000) En Galicia, y también en el resto de la España Húmeda, la introducción de sistemas de laboreo de conservación, se relaciona con la ya citada intensificación de la producción forrajera al facilitar la introducción de dos cultivos por año (Amiama Ares, 2003) ya que el tiempo disponible para la implantación de un cultivo tras la recolección del anterior es muy reducido, realizándose además en épocas del año de elevada pluviometría, lo que dificulta en buena medida las labores de cultivo. El cultivo en condiciones de no laboreo ha sido ampliamente estudiado en muchos lugares del mundo, siendo el maíz una de las especies más estudiadas. Centrándonos en los cultivos forrajeros, los primeros ensayos de siembra sin laboreo de especies pratenses en España datan de 1964 (Pozo Ibáñez, 1967) y dieron resultados muy variables. En la España Húmeda, Sineiro (1977) realizó los primeros ensayos de implantación de pastos en terrenos de matorral (transformación de monte a pradera en Galicia) empleando técnicas de mínimo laboreo, no laboreo y laboreo convencional y obtuvo resultados similares con las tres técnicas de transformación. Más recientemente, Balza et al. (1994) sembraron con éxito en el País Vasco raigrás inglés (Lolium perenne L.) y trébol blanco (Trifolium repens L.) detrás de una pradera de festuca alta (Festuca arundinacea Schreb.), tras la aplicación de Glifosato 36% unos 83 días antes de la siembra. Estas mismas siembras sin tratamiento previo de herbicida, fueron ensayadas por Cruzado, también en el País Vasco, (Piñeiro, 1998). En este caso, las semillas germinaron pero no se consiguió su establecimiento debido a la competencia con la festuca. Piñeiro y Pérez (1995) estudiaron, obteniendo resultados positivos, el establecimiento de raigrás italiano alternativo sobre un alfalfar en su cuarto año de producción, tras aplicar Paracuat para controlar las malas hierbas que habían establecido a medida que el alfalfar perdía persistencia. La siembra directa del maíz forrajero ha sido estudiada en Lugo. Los resultados obtenidos muestran que las producciones son equivalentes a las del laboreo convencional (Bueno, 1997). También en Lugo se han estudiado diversos sistemas de producción de raigrás italiano sin laboreo (Amiama Ares, 2003) y los resultados obtenidos ponen de manifiesto la viabilidad técnica y económica de los mismos. Material y métodos 15 1.2.3. MATERIAL VEGETAL Las especies y cultivares (cv.) empleados en los ensayos se describen a continuación: Raigrás italiano alternativo (RIA; Lolium multiflorum Lam.; cv. Promenade (tetraploide); producido y comercializado por Semillas Rocalba). Raigrás italiano no alternativo (RINA; Lolium multiflorum Lam.; cv. Exalta (diploide); producido y comercializado por Senasa). Maíz (M; Zea mays L.; cv. Clarica (ciclo FAO 200); producido y comercializado por Semillas Pioneer, SA). Los tres son cultivares comerciales bien adaptados a la zona y representativos del material que habitualmente se emplea en siembras comerciales. Los cultivares de tipo alternativo se emplean como cultivo de invierno en rotación con una especie forrajera de verano, normalmente maíz, y los no alternativos se emplean como pratenses para la obtención de elevadas producciones de forraje y corta duración (dos años). El cultivar de maíz es un ciclo corto, bien adaptado a la climatología de la zona, con veranos frescos que impiden la introducción de ciclos más largos. 1.2.4. DISEÑO EXPERIMENTAL El diseño experimental se realizó para estudiar la rotación RIA-M en condiciones de agua no limitante (R (Regadío)) y en condiciones de secano (S). Se pretendió también estudiar esta rotación bajo dos sistemas de siembra (laboreo convencional (LC) y siembra directa (SD)). Por último, se incluyó el RINA, para contrastar las producciones de una rotación intensiva (RIA-M) frente a una pradera de corta duración. Capítulo 1 16 Se aplicaron 6 tratamientos, que son el resultado de combinar los dos niveles de agua (R y S) y las tres rotaciones-sistema de siembra (RIA-M LC, RIA-M SD y RINA LC): RIA-M LC R: raigrás italiano alternativo-maíz con laboreo convencional en regadío. RIA-M LC S: raigrás italiano alternativo-maíz con laboreo convencional en secano. RIA-M SD R: raigrás italiano alternativo-maíz con siembra directa en regadío. RIA-M SD S: raigrás italiano alternativo-maíz con siembra directa en secano. RINA LC R: raigrás italiano no alternativo con laboreo convencional en regadío. RINA LC S: raigrás italiano no alternativo con laboreo convencional en secano. Se empleó un diseño experimental en parcelas subdivididas (“Split-Plot”) con cuatro repeticiones, en el que la parcela principal correspondió al nivel de agua aplicada y la subparcela la combinación entre rotación y método de siembra empleado. Las dimensiones de todas estas parcelas elementales fueron de 12.0  7.0 m (84.0 m2), o sea 16 líneas de 7 m de longitud, con 75 cm de separación entre líneas en el caso del maíz. Para poder evaluar el efecto de la falta de agua en los cultivos sin interferencia de otros factores, se han mantenido todos los tratamientos en condiciones no limitantes tanto de fertilizantes como de densidades objetivo de plantas. Además se mantuvieron las parcelas libres de plagas y de enfermedades. 1.2.5. DESCRIPCIÓN DE LOS ENSAYOS 1.2.5.1. SIEMBRA 1.2.5.1.1. PREPARACIÓN DEL TERRENO En septiembre de 1997 se preparó el suelo de todo el campo de ensayo mediante laboreo convencional consistente en un pase cruzado de grada de discos, abonado de fondo y otro pase cruzado de grada. Material y métodos 17 Parcelas de laboreo convencional (LC) Previamente a las siembras, en años sucesivos, se realizó un pase cruzado de cultivador y otro de fresadora, tanto en primavera (para la siembra del maíz) como en otoño (para la siembra del raigrás). En las parcelas en que se sembró el RINA, dado que es una pradera bianual, sólo se efectuaron estas operaciones en otoño de 1997, 1999 y 2001. Parcelas de siembra directa (SD) Lógicamente, en las parcelas destinadas a SD no se realizó ningún laboreo. Se aplicó un herbicida sistémico total (Glifosato 36%, a una dosis de 5 l ha-1 de producto comercial). La aplicación del herbicida se realizó unos días (1-5) antes de la siembra, tanto en primavera (para la siembra del maíz) como en otoño (para la siembra del raigrás), con el fin de eliminar la vegetación existente en ese momento. 1.2.5.1.2. PROFUNDIDAD, DENSIDAD Y FECHAS DE SIEMBRA Las siembras se realizaron de modo manual en las parcelas de LC. En el caso del raigrás las semillas se repartieron a voleo. En las parcelas de SD las siembras se realizaron empleando una máquina de siembra directa que no incorpora el abono de establecimiento. En cualquier caso las semillas de maíz quedaron enterradas a una profundidad de 5 cm. Las densidades de siembra empleadas fueron las siguientes: RIA: 40 kg ha-1 de semilla. RINA: 30 kg ha-1 de semilla.  Maíz: 200000 semillas ha-1 con separación entre líneas de 75 cm y aclareo manual posterior para conseguir la densidad objetivo de 100000 plantas ha-1. Las fechas de siembra están recogidas en la Tabla 3. Capítulo 1 18 Tabla 3. Fechas de siembra de los cultivos en los años de ensayo Año 1997 Año 1998 Año 1999 Año 2000 Año 2001 Año 2002 LCb14 mayo 24 mayo 18 mayo 19 mayo 8 mayo Maíz SDb15 mayo 24 mayo 18 mayo 19 mayo 9 mayo LCb24 sept. 21 oct. 8 oct. 27 oct. 26 oct. - RIAaSDb24 sept. 7 oct. 8 oct. 25 oct. 25 oct. - RINAa24 sept. - 8 oct. - 26 oct. - a RIA: Raigrás italiano alternativo; RINA: Raigrás italiano no alternativo b LC: Laboreo convencional; SD: Siembra directa. 1.2.5.2. FERTILIZACIÓN Con anterioridad al comienzo de los ensayos se realizó un análisis de suelo para determinar sus condiciones iniciales, y programar el abonado en función de estos resultados. De los resultados de los análisis se dedujeron unos adecuados niveles de nutrientes, por lo que los abonados se realizaron en función de las expectativas potenciales de cosecha sin considerar abonados de corrección. El porcentaje de aluminio de cambio era despreciable (1.0%), no representando ningún problema para la producción de los cultivos, por lo que se decidió aplicar 1000 kg ha-1 de caliza cada dos años. Las dosis aplicadas a cada cultivo en los diferentes años experimentales se describen a continuación. Año 1997 RIA y RINA: abonado de establecimiento de 60, 44 y 104 kg ha-1 de N, P y K, respectivamente, así como una enmienda de 1000 kg ha-1 de caliza en todas las parcelas. Año 1998 Maíz: abonado de establecimiento de 120, 26 y 133 kg ha-1 de N, P y K, respectivamente, y en cobertera se aportaron 200 kg ha-1 de N en el estadío de 7-9 hojas expandidas. RIA y RINA: abonado de establecimiento (RIA) y de mantenimiento (RINA) de 60, 44 y 104 kg ha-1 de N, P y K, respectivamente. Material y métodos 19 Año 1999 Maíz: abonado de establecimiento de 180, 39 y 179 kg ha-1 de N, P y K respectivamente, que se complementaron con 210 kg ha-1 de N. A partir de este año se aplicó nitrógeno complementario en el establecimiento de los tratamientos de secano, para evitar que quedase sin incorporar al suelo en el caso de que no lloviese suficientemente. En regadío se siguió aportando nitrógeno en cobertera en el estadío de 7-9 hojas expandidas, como ya se describió para 1998. RIA y RINA: idem que en 1997. Año 2000 Maíz: idem que en 1999. RIA y RINA: idem que en 1998. Año 2001 Maíz: idem que en 1999. RIA y RINA: idem que en 1997. Año 2002 Maíz: idem que en 1999. Además en el caso del raigrás (tanto del RIA como del RINA) se realizaron diferentes aportaciones de N en cobertera que describimos a continuación: 60 kg ha-1 en cobertera a la salida del invierno (febrero) y 60 kg ha-1 tras cada corte (exceptuando en RIA el corte que precede la siembra del maíz y en RINA el corte que precede a la renovación tras dos años de permanencia de la pradera). En la Tabla 4 se indica la cantidad total de abonado nitrogenado aportada cada año a los cultivos sucesivos. En la Tabla 5 se muestra el número de cortes efectuado al raigrás en los años de ensayo. El criterio empleado para determinar la fecha de los diferentes cortes está descrito en 1.2.6. Capítulo 1 20 Tabla 4. Cantidad total (kg ha-1) de N aplicada cada año a los distintos cultivos Año 1997 Año 1998 Año 1999 Año 2000 Año 2001 Año 2002 MAÍZ 320 390 390 390 390 RIAa60 180 180 120 120 180 Rb60 420 360 360 300 360 RINAa Sb60 300 120 180 300 300 a RIA: Raigrás italiano alternativo; RINA: Raigrás italiano no alternativo b R: Regadío; S: Secano. Tabla 5. Número de cortes efectuados al RIA y al RINA durante los años de ensayo Año 1997 Año 1998 Año 1999 Año 2000 Año 2001 Año 2002 RIAa1 2 2 1 1 2 Rb1 6 5 5 4 5 RINA aSb1 4 0 2 4 4 a RIA: raigrás italiano alternativo; RINA: raigrás italiano no alternativo b R: regadío; S: secano. El abonado de establecimiento fue incorporado mediante labores inmediatamente antes de la siembra del RIA y del maíz de LC. En SD se esparció en superficie. En el caso del RINA, el abonado de establecimiento se realizó en otoño, incorporándolo al suelo y el abonado de mantenimiento se realizó también en otoño, sin incorporación. 1.2.5.3. RIEGO El sistema de riego empleado con el RINA fue la aspersión, mientras que con el maíz se empleó el goteo dada la dificultad que supone regar pequeñas parcelas con aspersores altos. El riego se controló mediante el uso de tensiómetros. En el centro de cada parcela de regadío se colocaron tres tensiómetros, con la cápsula situada a una profundidad distinta. Además, se emplearon profundidades distintas en las parcelas de maíz (cultivo de enraizamiento profundo) y en las de RINA (cultivo de enraizamiento más superficial) (Tabla 6). Se regó cada vez que alguno de los tensiómetros marcaba lecturas inferiores a los umbrales indicados en la Tabla 6. Las parcelas de RIA no se regaron debido a que se cultiva en un período del año (Octubre-Abril) en el que no se produce déficit hídrico en esta zona de Galicia. Material y métodos 21 La dosis de agua aportada en cada riego permitió que el suelo volviera a capacidad de campo. Las dosis de agua totales aplicadas mediante riego en cada uno de los años experimentales están recogidas en la Tabla 7. Estos valores derivan del seguimiento directo del caudal de los goteros en el caso del maíz y de las lecturas de pluviómetros colocados en las parcelas de RINA. Tabla 6. Profundidad de colocación de los tensiómetros y lecturas umbrales por debajo de las cuales se regó el maíz y el RINA, respectivamente Profundidad (cm) Umbral de lectura tensiométrica (cbar) Maíz RINA a Maíz RINA a 35 25 –70 –60 50 35 De –50 a –60 De –40 a –50 60 - De –30 a –40 - a RINA: Raigrás italiano no alternativo. Tabla 7. Aportes totales de agua de riego (mm) en los años de ensayo Año 1998 Año 1999 Año 2000 Año 2001 Año 2002 Maíz 305 250 295 250 260 RINA a 300 185 285 227 245 a RINA: Raigrás italiano no alternativo. 1.2.5.4. TRATAMIENTOS FITOSANITARIOS Como se mencionó anteriormente, se trató de mantener los cultivos libres de plagas, enfermedades y malas hierbas de manera que no constituyesen un factor limitante para el desarrollo óptimo de los mismos. Para conseguirlo, bastó con las siguientes aplicaciones de herbicidas: 2.4 D (27.5%) + MCPA (27.5%): antes del primer corte del raigrás, a una dosis de 1 l ha-1 de producto comercial para combatir las malas hierbas de hoja ancha emergidas tras la siembra. Se efectuaron en 1997, 1998 y 1999 excepto en las parcelas de SD sembradas en los otoños de 1998 y 1999 que no tuvieron prácticamente malas hierbas. Glifosato (36%): en las parcelas de SD, tanto antes de la siembra del maíz como del raigrás, a una dosis de 5 l ha-1 de producto comercial como ya se ha indicado. Capítulo 1 22 Alacloro (35%) + Atracina (20%): a una dosis de 5 l ha-1 de producto comercial en preemergencia en todas las parcelas de maíz. 1.2.6. EVOLUCIÓN DE LA PRODUCCIÓN DE BIOMASA Y DISTRIBUCIÓN DE LA MATERIA SECA ENTRE LOS DIFERENTES ÓRGANOS. FECHAS DE COSECHA Durante los tres primeros años de ensayo, para seguir la evolución temporal de la producción de biomasa de los cultivos se realizaron muestreos periódicamente (cada 15 días; cada 30 días, excepcionalmente en el caso del raigrás, en los períodos de menor crecimiento vegetativo del cultivo) a lo largo del ciclo de los mismos y en las cosechas, en todas las parcelas elementales. Los dos últimos años sólo se realizaron muestreos de cosecha. Los muestreos tuvieron las siguientes características: Raigrás: Muestreos de 0.25 m2/parcela a lo largo del ciclo (seguimiento de la curva de crecimiento). Se cosecharon 12 m2/parcela cada vez que la hierba superó los 50 cm de altura, siendo la altura de corte de 5 cm por encima del nivel del suelo. Con esto se pretendía imitar la acción de la segadora. Maíz: Muestreos de 0.50 m2/parcela (correspondientes a 0.66 m lineales de una línea de cultivo) a lo largo del ciclo (seguimiento de la curva de crecimiento). La cosecha se realizó con el grano en estado pastoso-duro (estadío de cosecha recomendado para el ensilado, línea de leche entre 1/4 y 1/2). El muestreo de cosecha era de 6 m2/parcela. Las plantas se recolectaban enteras, cortadas a nivel del suelo. Con el objeto de estimar la biomasa aérea total y su distribución entre los diferentes órganos de las plantas se procedió como se indica a continuación: Material y métodos 23 Raigrás: Se separaron tallos, hojas verdes y hojas amarillas de las plantas de las submuestras. Maíz: Se separaron tallos, vainas foliares, hojas verdes, hojas amarillas, zuros, espatas, pedúnculos y grano de todas las plantas de las muestras. Para determinar el peso de la materia seca cosechada se procedió al secado, durante más de 48 horas hasta alcanzar peso constante, del material vegetal previamente separado, en una estufa de ventilación forzada a 70 ºC. En los muestreos de cosecha del maíz se realizó un conteo de plantas en la superficie muestreada y se determinó el peso seco de 1000 semillas. Las fechas de cosecha del maíz y cortes del raigrás fueron las siguientes: Año 1997 RIA: 12 de diciembre. RINA: 12 de diciembre. Año 1998 Maíz: 22 de septiembre. RIA: 11 de marzo; 22 de abril. RINA-R: 11 de marzo; 7 de mayo; 11 de junio; 14 de julio; 2 de septiembre; 4 de noviembre. RINA-S: 11 de marzo; 7 de mayo; 11 de junio; 14 de julio. Año 1999 Maíz: 30 de septiembre. RIA: 5 de abril;7 de mayo. RINA-R: 15 de marzo; 7 de mayo; 24 de junio; 26 de julio; 17 de septiembre. RINA-S: -. Capítulo 1 24 Año 2000 Maíz R: 4 de octubre. Maíz R: 25 de septiembre. RIA: 3 de mayo. RINA-R: 3 de mayo; 12 de junio; 20 de julio; 23 de agosto; 23 de octubre. RINA-S: 3 de mayo; 12 de junio. Año 2001 Maíz: 26 de septiembre. RIA: 26 de abril. RINA-R: 26 de abril; 6 de junio; 19 de julio; 13 de septiembre. RINA-S: 26 de abril; 6 de junio; 19 de julio; 13 de septiembre. Año 2002 Maíz: 1 de octubre RIA: 4 de marzo; 25 de abril. RINA-R: 4 de marzo; 25 de abril; 11 de junio; 22 de julio; 13 de septiembre. RINA-S: 4 de marzo; 25 de abril; 11 de junio; 22 de julio. 1.2.7. PROCESADO DE LOS DATOS Y ANÁLISIS ESTADÍSTICOS El procesado de los datos se realizó empleando la hoja de cálculo Excel 2000 para Windows 98. El análisis estadístico se hizo con la aplicación SAS versión 8.00 para Windows 98. Se realizó el análisis de la varianza y la comparación de medias mediante el test de Duncan. El modelo empleado para el análisis de la varianza y la comparación de medias fue el siguiente: Resultados y discusión 31 tanto menos favorables. El arranque más lento del cultivo fue el principal responsable de que las producciones del año 99-00 fueran mucho más bajas que las del 97-98. Además, en el secano el déficit hídrico fue más precoz, al detectarse ya a principios de junio. Sin embargo, como ya se mencionó, en este caso las parcelas de secano rebrotaron con las lluvias otoñales, probablemente porque las temperaturas fueron ligeramente inferiores y las precipitaciones mayores en julio-agosto de 2000 que en 1998, con lo cual las producciones no fueron nulas el cuarto año. Capítulo 1 32 0 5000 10000 15000 20000 25000 30000 15/08/97 14/09/97 14/10/97 13/11/97 13/12/97 12/01/98 11/02/98 13/03/98 12/04/98 12/05/98 11/06/98 11/07/98 10/08/98 09/09/98 09/10/98 08/11/98 Biomasa (kg ha-1) RINA-Regadío RINA-Secano 0 5000 10000 15000 20000 25000 30000 15/08/98 14/09/98 14/10/98 13/11/98 13/12/98 12/01/99 11/02/99 13/03/99 12/04/99 12/05/99 11/06/99 11/07/99 10/08/99 09/09/99 09/10/99 08/11/99 Biomasa (kg ha-1) RINA-Regadío RINA-Secano 0 5000 10000 15000 20000 25000 30000 15/08/99 14/09/99 14/10/99 13/11/99 13/12/99 12/01/00 11/02/00 12/03/00 11/04/00 11/05/00 10/06/00 10/07/00 09/08/00 08/09/00 08/10/00 07/11/00 Biomasa (kg ha-1) RINA-Regadío RINA-Secano Fig. 1. Evolución de la biomasa aérea acumulada (acumulación de biomasa de los sucesivos cortes realizados a 5 cm) por el raigrás italiano no alternativo (RINA) durante las campañas 97-98, 98-99 y 9900. Los puntos son medias de cuatro repeticiones. 1997 - 1998 1998 - 1999 1999 - 2000 Resultados y discusión 33 1.3.2. PRODUCCIÓN DE BIOMASA DEL RAIGRÁS ITALIANO ALTERNATIVO (RIA) A partir del otoño de 1998, segundo año experimental, cuando se comenzaron a aplicar los tratamientos de siembra directa (SD) al RIA, las producciones de los tratamientos SD fueron significativamente superiores a las de laboreo convencional (LC) (un 55% y 35% superiores en el segundo y tercer año, respectivamente) (Tabla 9). En el segundo año esto puede deberse a que las parcelas LC se sembraron 14 días más tarde, y a que las parcelas SD no recibieron herbicidas (2.4 D+MCPA) ni en el segundo ni en el tercer año. Al no remover el suelo tras el cultivo de verano, emergieron limpias de malas hierbas, mientras que fue necesario utilizarlos en los tratamientos LC. En los años cuarto y quinto, al ser las fechas de siembra similares y no ser necesaria la aplicación de 2.4 D+MCPA, no se encontraron diferencias significativas entre sistemas de siembra, lo que coincide con los resultados obtenidos por otros investigadores en Galicia (Piñeiro y Pérez, 2000), y en la Cornisa Cantábrica (Rodríguez et al., 1996). No obstante, estos resultados difieren de los obtenidos por Amiama Ares (2003), en la provincia de Lugo, en un suelo con mayor porcentaje de arcilla, en los que los tratamientos LC fueron más productivos que los SD. Se pudo comprobar de visu que, en general, el establecimiento del RIA fue mejor en las parcelas de SD, debido a que las lluvias otoñales suelen impedir que el suelo se encuentre en el tempero adecuado para una buena preparación de la siembra mediante LC. No obstante, el retraso de las lluvias de otoño observado en el ultimo año experimental (2001-2002), permitió el buen establecimiento de las parcelas LC, observándose por el contrario un retraso en el crecimiento de las parcelas SD, posiblemente debido a un mayor efecto residual en SD que en LC del herbicida (Alacloro+Atracina) aplicado al maíz. Por otro lado, las producciones de RIA precedidas por Maíz secano (S), resultaron superiores (20%, 28%, 15% y 9% en el segundo, tercer, cuarto y quinto año, respectivamente) a las de RIA precedidas de Maíz regadío (R), aunque estas diferencias sólo fueron significativas el último año (Tabla 9). Estas diferencias parecen ser consecuencia de la mayor extracción de nutrientes asociada a la mayor producción de Capítulo 1 34 Maíz R respecto de Maíz S. No obstante, las dosis de abonado aplicadas fueron más que suficientes para cubrir las extracciones del cultivo en N, P y K. Los rendimientos medios de RIA en los cinco años estudiados se situaron en 5.05, 5.51, 5.63 y 6.43 (LC R, LC S, SD R y SD S respectivamente) t ha-1 de MS, valores superiores a las 4 t ha-1 de MS obtenidas como promedio por Lloveras (1987 y 1990), que estudió en Galicia los cultivos forrajeros de invierno para rotaciones intensivas con maíz, y también superiores a las conseguidas en el sistema RIA-M en Francia y Bélgica (Pieters, 1981; Raphalen, 1980). Otro estudio realizado también en zona costera de Galicia (Piñeiro et al., 2001) indica producciones más altas de RIA (7.5 t ha-1 de MS para siembras realizadas el 15 de octubre y último corte a finales de abril), aunque el cultivo no se incluía dentro de una rotación. Comparándolas con las producciones de otros cultivos forrajeros de invierno incluidos dentro de rotaciones intensivas de dos cultivos por año, la producción de MS de RIA en nuestros ensayos supera a la de centeno y colza obtenidas por Lloveras en Galicia (1987, 1990) y se sitúa en valores similares a los encontrados por el mismo autor para la veza-avena. Nuestras producciones son similares o superiores a las conseguidas con centeno después de maíz en Bélgica (Murdock y Wells, 1978) y con avena después de maíz en Estados Unidos (Pieters, 1981), si bien inferiores a las encontradas en Nueva Zelanda para la misma rotación (Hughes, 1985). En la Fig. 2 se representa la evolución de la biomasa aérea acumulada por los diferentes tratamientos del RIA durante los tres primeros años. En el año 1997-1998 no se observaron diferencias entre tratamientos, ya que todas las parcelas partían de condiciones idénticas y el sistema de siembra fue el laboreo en todos los casos. Este año se produjo un crecimiento otoñal mayor que en los restantes, al no verse condicionada la fecha de siembra por el cultivo anterior y realizarse unos 18 días antes que en el resto de los años (Tabla 3). De modo parecido a lo comentado anteriormente para el raigrás italiano no alternativo (RINA), el cultivo pudo aprovechar las temperaturas más suaves del comienzo del otoño. Weihing (1963) describe la relación entre la temperatura media diaria y la tasa de crecimiento del RIA, demostrando que el crecimiento del cultivo se detiene cuando la temperatura media baja de 6 ºC, incrementándose desde este valor hasta alcanzar el óptimo cuando la temperatura media llega a los 18 ºC. Además, como Resultados y discusión 35 ya se ha citado al hablar del RINA, la fotosíntesis neta alcanza su valor óptimo a una temperatura de 25 ºC y una temperatura base de 5 ºC (Griffith y Chastain, 1997), lo que explica, junto con la mayor duración del ciclo de cultivo, las mayores producciones alcanzadas este año. Piñeiro et al. (2001) señalan la conveniencia de sembrar antes de que finalice el mes de septiembre. Otros autores (Craigmiles y Weilhing, 1971; Kee et al., 1995), aunque en diferentes condiciones edafoclimáticas, también sugieren como fecha de siembra más adecuada para este cultivo las últimas semanas del mes de septiembre y el comienzo de octubre. Siembras anteriores a estas fechas pueden tener problemas de germinación debido a la ausencia de humedad en la superficie del terreno y en siembras posteriores (como es nuestro caso a partir del segundo año) las producciones se pueden ver reducidas por las temperaturas más frías que frenarán la evolución fenológica de los primeros estadíos de desarrollo y la acumulación de biomasa. En los años 98-99 y 99-00 se registraron, como ya se ha comentado, mayores producciones en los tratamientos SD y para un sistema de siembra determinado, las mayores producciones se obtuvieron en las parcelas donde el maíz no se regó (S). En estos años no se observa el crecimiento otoñal indicado en el primer año experimental, especialmente en el año 99-00, en el que, al igual que en el caso del RINA, la entrada en producción fue muy lenta, probablemente debido a las bajas temperaturas, lo que explicaría las bajas producciones obtenidas este año con este cultivo (Fig. 2). Tras una lenta acumulación de biomasa durante el invierno (especialmente en 99-00), se detectó una fase de mayor crecimiento a partir del mes de marzo hasta el momento en el que se realiza el último aprovechamiento (principios de mayo) previo a la siembra del maíz. Capítulo 1 36 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 15/09/97 30/09/97 15/10/97 30/10/97 14/11/97 29/11/97 14/12/97 29/12/97 13/01/98 28/01/98 12/02/98 27/02/98 14/03/98 29/03/98 13/04/98 28/04/98 13/05/98 28/05/98 Biomasa (kg ha-1) RIA-LC-Regadío RIA-SD-Regadío RIA-LC-Secano RIA-SD-Secano 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 15/09/98 30/09/98 15/10/98 30/10/98 14/11/98 29/11/98 14/12/98 29/12/98 13/01/99 28/01/99 12/02/99 27/02/99 14/03/99 29/03/99 13/04/99 28/04/99 13/05/99 28/05/99 Biomasa (kg ha-1) RIA-LC-Regadío RIA-SD-Regadío RIA-LC-Secano RIA-SD-Secano 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 15/09/99 30/09/99 15/10/99 30/10/99 14/11/99 29/11/99 14/12/99 29/12/99 13/01/00 28/01/00 12/02/00 27/02/00 13/03/00 28/03/00 12/04/00 27/04/00 12/05/00 27/05/00 Biomasa (kg ha-1) RIA-LC-Regadío RIA-SD-Regadío RIA-LC-Secano RIA-SD-Secano Fig. 2. Evolución de la biomasa aérea acumulada (acumulación de biomasa de los sucesivos cortes realizados a 5 cm) por el raigrás italiano alternativo (RIA) en laboreo convencional (LC) y siembra directa (SD) durante las campañas 97-98, 98-99 y 99-00. Los puntos son medias de cuatro repeticiones. 1997 - 1998 1998 - 1999 1999 - 2000 Resultados y discusión 37 1.3.3. MAÍZ 1.3.3.1. PRODUCCIÓN DE BIOMASA Las producciones de los tratamientos de regadío (R) de maíz forrajero superaron ampliamente a los de secano (S) (una media de 61%, 60%, 46%, 18% y 62% en 1998, 1999, 2000, 2001 y 2002, respectivamente) (Tabla 9). El verano del año 2001 fue el más lluvioso de los cinco años (Tabla 2), lo que se refleja en la menor respuesta del rendimiento al riego. En el primer año (1998), no se encontraron diferencias de producción atribuibles al sistema de siembra. En los dos años experimentales siguientes, las producciones fueron significativamente superiores en los tratamientos de laboreo convencional (LC; 6% y 20% en 1999 y 2000, respectivamente) que en los de siembra directa (SD) (Tabla 9). Finalmente, en los dos últimos años experimentales (2001 y 2002) no se detectaron diferencias significativas atribuibles al sistema de siembra empleado. También Piñeiro y Pérez (2000), en otras localidades de Galicia, obtuvieron producciones inferiores con SD que con LC. Sin embargo, observaron que las diferencias se acentuaban con el paso de los años, tendencia que no se detectó en nuestros ensayos. Piñeiro y Pérez (1996) indican que las mayores diferencias entre sistemas de siembra se dan en los suelos más pesados, por lo que no recomiendan el empleo de SD en estas condiciones, sin embargo la consideran una alternativa válida en condiciones de texturas más favorables como puede ser el caso de nuestros ensayos. Mención especial merece la evolución con el paso de los años de las producciones del maíz en regadío, que pese a encontrarse en unas condiciones teóricamente no limitantes de nutrientes han mantenido una fuerte tendencia descendente en los primeros años, para estabilizarse posteriormente en torno a las 20-21 t ha-1 de MS (Tabla 9 y Fig. 3). Un estudio realizado en Francia sobre el efecto a largo plazo (más de 21 años) del monocultivo de maíz sobre la producción de grano (Lubet et al., 1993), indica un progresivo incremento de las producciones, que los autores atribuyen a la mejora genética de las variedades empleadas. Por otro lado, Lubet et al. (1993) comparan los Capítulo 1 38 rendimientos de tres rotaciones en las que el maíz es el cultivo principal: maíz en monocultivo, maíz en rotación anual con raigrás y monocultivo de maíz (4 años) + pradera temporal (3 años). Observan que la inserción del raigrás como cultivo de invierno incrementa de modo significativo (6.5% aprox.) las producciones del maíz cuando se comparan con las del monocultivo. Este incremento es incluso mayor (en torno a un 8.5%) en el caso de la rotación con pradera temporal de 3 años. Estos resultados están en consonancia con la revisión bibliográfica de Englehorn et al. (1964) realizada en Estados Unidos y otros estudios posteriores realizados también en ese país: Barnhart et al. (1978) en Iowa durante 19 años, Hooker et al. (1983) en Kansas durante 14 y 21 años y Grove y Blevins (1988) en Kentucky durante 16 años. Todo ello induce a descartar que la causa del descenso en las producciones de maíz encontrada en nuestros ensayos sea la intensificación productiva que supone el cultivo de invierno. Fig. 3. Evolución de la producción anual de biomasa de maíz en regadío durante los 5 años de ensayo. Los puntos son medias de cuatro repeticiones. En el análisis estadístico que se muestra en la Tabla 10, considerando las producciones medias de biomasa de maíz (LC y SD; R y S) en los cinco años ensayados, y considerando un “split-plot” en el tiempo, se observa que el factor tiempo 1998 1999 2000 2001 2002 Año 18 20 22 24 26 28 Biomasa (t ha-1) Maíz laboreo convencional Maíz siembra directa Resultados y discusión 39 tiene un efecto significativo sobre la variable estudiada con una clara tendencia a la disminución con el paso de los años. Las diferencias entre las producciones de los cinco años, han sido significativas. No obstante, para poder concluir que las producciones de los tratamientos de regadío se reducen con el paso de los años en esta rotación, sería conveniente realizar un nuevo ensayo de laga duración, en el que la rotación estudiada (RIA-M) se iniciara en años sucesivos en los distintos tratamientos. Tabla 10. Biomasa aérea de maíz en cosecha (media de los cuatro tratamientos ensayados; t ha-1) Valores medios (t ha-1) Maíz 1998 20.94 a Maíz 1999 19.32 b,c Maíz 2000 18.56 c Maíz 2001 19.47 b Maíz 2002 16.53 d Análisis estadístico Año *** CVa (%) 6.14 aCV: Coeficiente de variación *: Diferencias significativas al ‰ Los valores seguidos de la misma letra no presentan diferencias significativas. La reducción de la producción ha sido más acentuada en los primeros años en los tratamientos SD (Tabla 9), lo que parecía confirmar resultados anteriores de Piñeiro y Pérez (2000) que lo atribuyeron a un aumento paulatino de la compactación del suelo en las parcelas SD. Sin embargo, a partir del cuarto año, las producciones son muy similares para ambos sistemas de siembra. Considerando las producciones medias de los cinco años estudiados, se situaron en 22.95, 16.16, 22.30 y 14.46 t ha-1 de MS (LC R, LC S, SD R y SD S, respectivamente). En condiciones de secano, estos valores son similares o superiores a los obtenidos por otros autores en distintas localidades de Galicia (12 t ha-1 de MS en monocultivo y 12.4 t ha-1 en rotación anual (Lloveras, 1987); 15-17 t ha-1 de MS en monocultivo (Lloveras, 1988)) y también similares o superiores a los conseguidos por el maíz (siempre en condiciones de secano) en otras zonas. En el oeste de Francia, Pontailler (1979), Raphalen (1980) y Raphalen y Bloc (1982), en el sistema maíz-raigrás italiano obtienen producciones de 13 t ha-1 de MS. En Bélgica, Van Bockstaele et al. (1979) señalan Capítulo 1 40 rendimientos de 13-14 t ha-1 de MS para el maíz en rotación con raigrás. En Nueva Zelanda, Hughes (1985) obtiene producciones de 14 t ha-1 de MS dentro de la rotación maíz-avena. En Kentucky, Murdock y Wells (1978) describen producciones de 16-17 t ha-1 de MS para el maíz en monocultivo. En condiciones de regadío, Fuehring (1978) en Nuevo México obtiene producciones tan sólo ligeramente superiores a las 15 t ha-1 de MS, valor muy inferior al conseguido en nuestras condiciones. En la Fig. 4 puede verse la evolución de la acumulación de biomasa aérea del maíz, para los tres primeros años experimentales y los cuatro tratamientos aplicados. Como en todos los cultivos, la fase inicial del crecimiento del maíz es muy lenta en todos los tratamientos estudiados debido al bajo porcentaje de radiación solar interceptado. A continuación y a medida que aumenta el porcentaje de suelo cubierto, se incrementa la tasa de acumulación de biomasa, hasta alcanzar los valores máximos, para reducirse luego nuevamente en la última fase del ciclo del cultivo, al disminuir el IAF debido a la senescencia del cultivo y al ser menos favorables las temperaturas y los niveles de radiación solar. En los tratamientos de secano, la acumulación de biomasa se ve limitada por el déficit hídrico, que comienza a producirse, como promedio, a finales del mes de julio. No obstante se pueden observar ciertas diferencias interanuales en el patrón de déficit hídrico registrado. En el primer año el déficit es relativamente tardío, pero a pesar de cierta recuperación posterior del crecimiento, es bastante severo. En el segundo año el estrés es más gradual. Finalmente, en el tercer año la falta de agua se hace notar muy precozmente pero se produce una recuperación posterior. También se puede observar que la acumulación de biomasa de los tratamientos LC se sitúa en general por encima de los SD, lo que se traduce, como ya hemos señalado, en una acumulación de biomasa significativamente superior para estos tratamientos en los años 99 y 00. Resultados y discusión 47 0 5000 10000 15000 20000 25000 30000 35000 40000 15/08/97 14/09/97 14/10/97 13/11/97 13/12/97 12/01/98 11/02/98 13/03/98 12/04/98 12/05/98 11/06/98 11/07/98 10/08/98 09/09/98 09/10/98 08/11/98 Biomasa (kg ha-1) RINA RIA-Maíz-LC RIA-Maíz-SD 0 5000 10000 15000 20000 25000 30000 35000 40000 15/08/98 14/09/98 14/10/98 13/11/98 13/12/98 12/01/99 11/02/99 13/03/99 12/04/99 12/05/99 11/06/99 11/07/99 10/08/99 09/09/99 09/10/99 08/11/99 Biomasa (kg ha-1) RINA RIA-Maíz-LC RIA-Maíz-SD 0 5000 10000 15000 20000 25000 30000 35000 40000 15/08/99 14/09/99 14/10/99 13/11/99 13/12/99 12/01/00 11/02/00 12/03/00 11/04/00 11/05/00 10/06/00 10/07/00 09/08/00 08/09/00 08/10/00 07/11/00 Biomasa (kg ha-1) RINA RIA-Maíz-LC RIA-Maíz-SD Fig. 6. Evolución de la biomasa aérea acumulada por las rotaciones raigrás italiano no alternativo (RINA) y raigrás italiano alternativo-maíz (RIA-Maíz) en laboreo convencional (LC) y siembra directa (SD) en regadío durante las campañas 97-98, 98-99 y 99-00. Los puntos son medias de cuatro repeticiones. 1997 - 1998 1998 - 1999 1999 - 2000 Capítulo 1 48 0 5000 10000 15000 20000 25000 30000 35000 40000 15/08/97 14/09/97 14/10/97 13/11/97 13/12/97 12/01/98 11/02/98 13/03/98 12/04/98 12/05/98 11/06/98 11/07/98 10/08/98 09/09/98 09/10/98 08/11/98 Biomasa (kg ha-1) RINA RIA-Maíz-LC RIA-Maíz-SD 0 5000 10000 15000 20000 25000 30000 35000 40000 15/08/98 14/09/98 14/10/98 13/11/98 13/12/98 12/01/99 11/02/99 13/03/99 12/04/99 12/05/99 11/06/99 11/07/99 10/08/99 09/09/99 09/10/99 08/11/99 Biomasa (kg ha-1) RINA RIA-Maíz-LC RIA-Maíz-SD 0 5000 10000 15000 20000 25000 30000 35000 40000 15/08/99 14/09/99 14/10/99 13/11/99 13/12/99 12/01/00 11/02/00 12/03/00 11/04/00 11/05/00 10/06/00 10/07/00 09/08/00 08/09/00 08/10/00 07/11/00 Biomasa (kg ha-1) RINA RIA-Maíz-LC RIA-Maíz-SD Fig. 7. Evolución de la biomasa aérea acumulada por las rotaciones raigrás italiano no alternativo (RINA) y raigrás italiano alternativo-maíz (RIA-Maíz) en laboreo convencional (LC) y siembra directa (SD) en secano durante las campañas 97-98, 98-99 y 99-00. Los puntos son medias de cuatro repeticiones. 1997 - 1998 1998 - 1999 1999 - 2000 Conclusiones 49 1.4. CONCLUSIONES DEL CAPÍTULO PRIMERO 1. La rotación forrajera más intensiva ensayada, en la que se siembran en rotación anual raigrás italiano alternativo y maíz (RIA-M), obtiene producciones de biomasa muy superiores a la pradera bianual (raigrás italiano no alternativo; RINA). Incluso si comparamos RIA-M en secano (S) con RINA en regadío (R), las producciones de la rotación anual en S superaron en un 36% a RINA R. Estos resultados son atribuibles a la mejor adaptación del cultivo C4 a las condiciones de crecimiento durante el verano. 2. El riego permite obtener incrementos muy importantes en la producción. Estos incrementos se sitúan entre 30% y 102% en el caso del RINA (excluyendo el segundo año experimental en el que la producción del RINA S fue nula), y entre 13% y 43% para el RIA-M. Estos resultados ponen de manifiesto la importancia que puede tener el riego como factor de intensificación de la producción de forrajes en Galicia. Sería preciso sin embargo estudiar con detalle la viabilidad económica de las eventuales inversiones en las infraestructuras de riego necesarias. 3. Las producciones anuales de Maíz R superaron a las S entre 18% y 62% (49% de promedio de los 5 años). Las diferencias son superiores a las citadas para la rotación completa en el párrafo anterior. Esto se debe a la dilución del efecto del riego por las producciones de RIA que nunca se regó al no producirse déficit hídrico durante su ciclo de crecimiento. Además, las producciones de RIA precedidas de Maíz S fueron superiores en cuatro de los cinco años experimentales, lo cual se atribuye a las mayores extracciones de nutrientes del maíz R, que pudo conducir (aunque las dosis de abonado aplicadas fueron más que suficientes para cubrir las extracciones de N, P y K) a una menor disponibilidad de algún nutriente para el RIA. 4. En los primeros años experimentales, se observó en la evolución de la producción anual de forraje de la rotación RIA-M R una clara tendencia decreciente seguida de una estabilización en torno a 25 t ha-1 de MS. El descenso de la producción de la rotación es en parte debido a la reducción de la producción del maíz, y también a las bajas producciones del RIA durante el tercer y cuarto año. El quinto año se produce un cierto repunte de las producciones debido a la mayor producción del cultivo de invierno, ya que las producciones del maíz son las más bajas de los cinco años ensayados. Capítulo 1 50 5. Dentro de la rotación RIA-M, en la mayor parte de los años ensayados no hay diferencias atribuibles al sistema de siembra. Estos datos parecen mostrar, que en general y considerando la media de producción de años sucesivos, la técnica de siembra no afecta a la producción de RIA-M. Capítulo 2 EVALUACIÓN DEL MODELO CERES-Maize EN GALICIA Introducción 53 2.1 INTRODUCCIÓN 2.1.1. ANÁLISIS DE SISTEMAS Y MODELOS DE SIMULACIÓN Según Banks y Carson (1984), un sistema es un grupo elementos que están unidos entre sí por algún tipo de interacción regular o interdependencia para la consecución de un objetivo. Por su parte, Leffelaar y Ferrari (1989) definen un sistema como una parte de la realidad con límites claros que contiene elementos interrelacionados. Los sistemas biológicos, en los que se incluyen los sistemas de cultivo objeto de estudio de la Agronomía, son sistemas jerárquicos caracterizados por sus múltiples niveles de organización (Thornley y Jonson, 1990). El análisis de sistemas es el estudio del estado de un sistema en un momento dado y su respuesta temporal a las perturbaciones. El análisis de sistemas está más centrado en el estudio del comportamiento del sistema como unidad funcional que en el estudio estático de sus diferentes componentes (Campbell y Stockle, 1994). Al ser prácticamente inviable en la mayoría de los casos analizar sistemas mediante el estudio directo del sistema real, resulta necesario el desarrollo de un modelo del sistema en estudio que recoja sus principales atributos. Un modelo es la representación simplificada de un objeto o de un sistema. Forrester (1972) clasifica los modelos en: (1) físicos y abstractos; (2) estáticos y dinámicos; (3) lineales y no lineales; (4) estables e inestables. Los modelos físicos suelen ser réplicas físicas a escala reducida (maquetas) del sistema estudiado, mientras que los modelos abstractos están constituidos por símbolos que pueden ser un lenguaje o un pensamiento. Mientras un modelo estático representa una relación que no varía con el tiempo, un modelo dinámico trata las interrelaciones que varían con el tiempo en el interior del sistema estudiado. Al ser los procesos biológicos dinámicos por naturaleza, su representación suele requerir el uso de modelos dinámicos. Los modelos lineales o no lineales representan sistemas similares, pero se considera lineal todo modelo en el que los parámetros son independientes de las Capítulo 2 54 variables de estado. Los modelos dinámicos pueden dividirse en estables e inestables según el sistema que representan. Mientras un sistema estable tiende a volver a su condición inicial después de haber sido alterado, un sistema inestable conoce un crecimiento u oscilación de amplitud variable en función de la magnitud de la alteración inicial. Entre los modelos abstractos, los modelos matemáticos constituyen una categoría especial. Estos se pueden dividir en: (1) mecanicistas o empíricos; (2) estocásticos o deterministas; (3) de optimización o de simulación. Se diferencian por el método de análisis de sistemas (mecanicistas o empíricos), por el tipo e relación matemática empleada (estocásticos o deterministas), o en función de los objetivos perseguidos (simulación y optimización). Charles-Edwards y Thornley (1974) definen los modelos mecanicistas como aquellos empleados para comprender el funcionamiento de un sistema en términos de los mecanismos que actúan sobre él. Pueden ser construidos dividiéndolo y tratando de comprender su comportamiento de acuerdo con la evolución de sus componentes y de sus interacciones. Estos modelos suelen contener un número elevado de parámetros y tienen la desventaja de ser generalmente muy complejos. Para estos mismos autores, los modelos empíricos son aquellos construidos a partir de observaciones de un sistema real, obteniendo una ecuación o un grupo de ecuaciones que representan los datos experimentales. El procedimiento puede parecer de entrada arbitrario. No obstante, en muchas ocasiones se trata de la única solución disponible para resolver un problema. Estos modelos son más fáciles de construir que los modelos mecanicistas pero tienen la desventaja de no representar los principales procesos subyacentes que tienen lugar en el interior del sistema, y de utilizar parámetros frecuentemente sin significado biológico. Además, estos modelos presentan una gran dependencia respecto de las condiciones del medio en el que han sido desarrolladas sus ecuaciones empíricas. Por otro lado, Milthorpe y Moorby (1979) indican que los modelos estocásticos describen los eventos de un modo estadístico, mientras que los modelos deterministas están esencialmente más definidos, aunque muchas de las relaciones empleadas sean originalmente empíricas o estadísticas. Introducción 55 Finalmente, existen modelos de simulación que permiten generar estados eventuales del sistema (imágenes) a partir de diferentes hipótesis o escenarios. 2.1.2. LAS ETAPAS DE CONSTRUCCIÓN DE UN MODELO Se suele considerar que la modelización matemática de sistemas consta de tres etapas características: la conceptualización, la formulación y la evaluación. La conceptualización sería la comprensión mental del fenómeno que se pretende modelizar. Puede resumirse en un diagrama o esquema. La formulación es la conexión entre el modelo mental o esquema creado en la conceptualización y el modelo matemático formulado en un programa de ordenador. Finalmente, durante la evaluación se verifica que los resultados obtenidos por el modelo son coherentes con el sistema real que se pretende representar. En la evaluación del modelo podemos distinguir entre la calibración, que se realiza habitualmente buscando el valor de los parámetros que minimizan las discrepancias entre el modelo y una serie de datos experimentales, y la validación, en la que se determina la bondad del modelo calibrado, contrastando los resultados del modelo con datos experimentales diferentes (independientes) a los empleados en la fase de calibración. 2.1.3. MODELOS MATEMÁTICOS DE SIMULACIÓN DEL CRECIMIENTO DE LOS CULTIVOS Según Campbell y Stockle (1994), un modelo de simulación del crecimiento de un cultivo es cualquier algoritmo que trata de describir de modo cuantitativo la respuesta del sistema de cultivo a su entorno. Éstos se han desarrollado con diferentes fines entre los que se pueden mencionar: (1) orientar la investigación facilitando el contraste de hipótesis de teorías cuantitativas, o (2) tratar de ampliar el rango de aplicación de Capítulo 2 56 resultados obtenidos en condiciones muy específicas. Además, si los modelos de simulación son fáciles de manejar, pueden constituir una poderosa herramienta de transferencia de tecnología. Los factores que intervienen en el crecimiento de un cultivo son muy variados y de una gran complejidad, interactuando además simultáneamente en muchas ocasiones. Estas interacciones no suelen ser lineales e incluso presentan en ocasiones un comportamiento caótico (Jones y Luyten, 1998). De este modo, el cultivo se ve afectado por factores meteorológicos y del suelo, así como por las distintas plagas, enfermedades o malas hierbas, de tal manera que los modelos son sólo aproximaciones muy simplificadas del sistema que pretendemos representar. Penning de Vries et al. (1989) proponen una clasificación de los modelos de simulación de la producción de los cultivos en función de los factores limitantes. Las categorías de esta clasificación se definen como sigue: Tipo de modelo Factores limitantes Nivel 1 Temperatura y radiación solar Nivel 2 Déficit hídrico + los anteriores Nivel 3 Nitrógeno + los anteriores Nivel 4 Fósforo + los anteriores Los niveles 5 y sucesivos incluyen los efectos de otros factores como la competencia de malas hierbas, enfermedades, etc. La mayoría de los modelos de simulación de cultivos generalistas que existen en la actualidad incluyen las variables meteorológicas y los balances hídricos y de nitrógeno, alcanzando por tanto el nivel 3 de la clasificación anterior (Stockle y Nelson, 1994; Hoogenboom et al., 1994). Como ya se señaló, los modelos son siempre una simplificación de la realidad, pero pueden ser más o menos mecanicistas, y en consecuencia complejos, al tratar de definir con mayor o menor precisión las relaciones que se establecen entre los diferentes elementos del sistema (Penning de Vries et al., 1989). En la actualidad, incluso los modelos de cultivos más mecanicistas, como CROPGRO (Jones et al., 2003) tienen Introducción 57 secciones más mecanicistas y otras más empíricas en función del grado de conocimiento del proceso que se pretende simular. Los comienzos de la simulación matemática del crecimiento de los cultivos datan de la década de los sesenta del pasado siglo (de Wit et al., 1965; Duncan et al., 1967; Keulen, 1975). Los primeros esfuerzos se centraron en los balances de carbono, agua y energía de los sistemas de producción de cultivo. Sin embargo, estos esfuerzos se vieron limitados por la baja disponibilidad y capacidad de cálculo de los equipos informáticos, por el desconocimiento o falta de comprensión de los procesos fisiológicos involucrados en el crecimiento y por la falta de estandarización de los formatos de los archivos de datos de entrada y salida en los modelos (Boote et al., 1997). Los primeros modelos se enfocaron hacia la simulación del crecimiento de los cultivos en condiciones no limitantes del medio (agua y nutrientes ad libitum, así como ausencia de plagas, enfermedades y malas hierbas; modelos de nivel 1 según la terminología antes descrita) con lo que se consiguió simular la producción potencial de numerosas especies, si bien estos rendimientos no tenían demasiado que ver con los obtenidos en condiciones reales de cultivo. En las últimas tres décadas se ha producido un importante avance, tanto desde el punto de vista de la mejora y disponibilidad de los equipos informáticos, como de la comprensión de los procesos fisiológicos de los cultivos y de las bases de datos disponibles. Esto ha permitido simular cada vez con más detalle el crecimiento de los cultivos y su respuesta a condiciones subóptimas del entorno (Ruiz Nogueira, 1999). Los modelos de simulación disponibles en la actualidad abarcan prácticamente todos los cultivos herbáceos con cierto interés económico. Gran número de ellos han revelado ser de gran utilidad en programas de investigación. De cara al futuro es de prever que los modelos jueguen un papel cada vez más importante en la agricultura comercial (especialmente en la denominada agricultura de precisión) en aspectos como la planificación y optimización de rendimientos, no sólo desde el punto de vista productivo o económico, sino también de la sostenibilidad de las producciones y del mantenimiento de los equilibrios ambientales (Jacobson et al., 1995). Capítulo 2 64 temperatura y la planta se encuentra en la fase sensible al fotoperíodo. CERES-Maize considera que todos los cultivares llegan a iniciación floral cuatro días después del final del período juvenil para fotoperíodos menores o iguales a 12.5 h. Para fotoperíodos mayores a 12.5 h, se calcula la tasa de inducción fotoperiódica (RATEIN) como sigue: RATEIN = 1/[4 + P2 * (HRLT –12.5)] [2] HRLT es el número de horas de luz y P2 es un coeficiente genético específico para la sensibilidad al fotoperíodo del cultivar (Tabla 12). Las plantas alcanzan el estadío de iniciación floral cuando la suma diaria acumulada de RATEIN es mayor o igual que 1,0. Como ya se mencionó, en el modelo la floración femenina y el final del crecimiento de las hojas ocurren el mismo día. Para determinar el TT requerido desde emergencia hasta floración femenina, se tienen en cuenta dos factores: (1) la segunda hoja aparece 20 ºCd después de la emergencia de la planta; (2) se precisan 76 ºCd desde la aparición de la última hoja hasta la aparición de la lígula de esta hoja (fin de expansión foliar). Por tanto, el TT buscado responde a la ecuación: TT = (TLNO – 2) * 38.9 + 96.0 [3] Floración femenina - madurez fisiológica Siguiendo la descripción de Johnson y Tanner (1972), el modelo divide este período en tres fases. Estas fases incluyen un período no efectivo de llenado del grano, un período de llenado efectivo del grano y un período desde el final del llenado efectivo del grano hasta madurez fisiológica. CERES-Maize asume un número ºCd desde floración femenina hasta madurez fisiológica específico para cada cultivar (coeficiente genético P5; Tabla 12). El período de llenado no efectivo precisa de 170 ºCd mientras que el de llenado efectivo finaliza cuando se ha acumulado el 95% de los ºCd requeridos desde floración a madurez fisiológica (P5). Introducción 65 2.1.7. ACUMULACIÓN DE BIOMASA Del mismo modo que la mayor parte de los modelos de cultivos más sencillos, CERES-Maize utiliza el concepto de Eficiencia en el Uso de la Radiación (EUR) para estimar la acumulación potencial de biomasa por planta (PCARB) reduciendo así al mínimo, el número de ecuaciones necesarias para calcular la fotosíntesis neta. PCARB = EUR * IPAR/PLTPOP [4] IPAR = PAR * [1 – exp(-EXT * IAF)] [5] donde IPAR es la radiación fotosintéticamente activa (PAR) interceptada por la cubierta, PLTPOP es la densidad de planta por unidad de superficie, IAF es el índice de área foliar y EXT es el coeficiente de extinción de la PAR dentro de la cubierta. Además, en todas las versiones estudiadas de CERES-Maize la producción real de biomasa por planta (CARBO) puede ser inferior a PCARB debido a temperaturas subóptimas o a déficit de agua o nitrógeno. CARBO = PCARB * min(PRFT, SWFAC, NFAC, 1.0) [6] donde PRFT (ver 2.2.3.1), SWFAC y NFAC son factores reductores de estrés de temperatura, agua y nitrógeno, respectivamente. Estos factores pueden variar entre 0 (máximo estrés) y 1 (mínimo estrés). Después de calcular CARBO, el modelo reparte los asimilados entre raíces y hojas desde emergencia hasta iniciación floral y entre raíces, tallos y hojas desde iniciación floral hasta emisión de sedas (floración femenina). El crecimiento de la espiga (GROEAR) empieza a calcularse en cuanto el cultivo sobrepasa el estadío de floración femenina. Entonces se detiene la acumulación de biomasa en hojas, pero tanto los tallos como las raíces pueden seguir ganando peso, si existe suficiente disponibilidad de asimilados para cubrir la demanda del sumidero prioritario de la espiga. Más adelante el modelo estima el número de semillas por planta (GPP), a partir de la media diaria de incremento de peso por planta entre floración femenina y principio de llenado efectivo de grano. En cuanto se inicia el período de llenado efectivo de grano, CERES-Maize calcula diariamente la tasa de llenado por grano mediante un procedimiento “fuente-sumidero-reserva” que permite estimar la tasa total de crecimiento de grano por planta (GROGRN; Ritchie et al., 1998). Si la disponibilidad Capítulo 2 66 de asimilados es suficiente, el crecimiento reproductivo se calcula multiplicando el coeficiente genético G3 (tasa potencial de crecimiento de grano a temperatura óptima) por RGFILL (tasa relativa de llenado de grano; ver 2.2.3.2) que puede variar entre 0 y 1, en función de la temperatura. Los tres modelos analizados (CERES-2003, CERES-3.5 y CERES-4.0) difieren en algunos aspectos del cómputo de la acumulación de biomasa y del reparto de asimilados. A continuación se describen las principales diferencias existentes entre estas tres versiones: 2.1.7.1. FACTOR REDUCTOR DE LA FOTOSÍNTESIS (PRFT) PRFT es una función de temperatura que afecta EUR y que se computa cada día. Adopta valores comprendidos entre 0 y 1 y está representada en la Fig. 8 que muestra PFRT versus temperatura media durante las horas de luz diurna (TAVGD = 0.25 * TMIN + 0.75 * TMAX). Cuando el agua y el nitrógeno no son factores limitantes, PRFT=1 a temperatura optima y EUR alcanza su máximo valor, mientras que si PRFT = 0, EUR es nulo y en consecuencia la biomasa del cultivo no se incrementa. En CERES-2003 y CERES-3.5, las ecuaciones de cálculo de PRFT coinciden con las del modelo original (Jones y Kiniry, 1986): PRFT = 1.0 - 0.0025 * ((0.25 * TMIN + 0.75 * TMAX) - 26.0)**2 [7] si PRFT < 0, PRFT = 0.0 La función está ponderada hacia TMAX con el objetivo de tener en cuenta las temperaturas medias durante las horas de luz en las que se produce la fotosíntesis. Introducción 67 0 10 20 30 40 50 Temp. medias diarias durante las horas de luz (TAVGD, ºC) 0 0.2 0.4 0.6 0.8 1.0 1.2 PRFT CERES-4.0 CERES-2003 yCERES-3.5 Rango de temperaturas medias diarias Wilson durante las horas de luz Fig. 8. Funciones de temperatura que afectan al factor reductor de la fotosíntesis (PRFT) en CERES2003, CERES-3.5, CERES-4.0, y función propuesta por Wilson et al. (1995) cuando la amplitud térmica entre el día y la noche es de 12 ºC. Se muestra el rango de temperaturas medias diarias durante las horas de luz (TAVGD) registrado durante las estaciones de crecimiento de los 8 tratamientos estudiados (TAVGD = 0.25 * TMIN + 0.75 * TMAX). En CERES-4.0, PRFT sigue una función de temperatura diferente: se trata de una función lineal de TAVGD con cuatro temperaturas cardinales que se indican a continuación (una temperatura base (Tb) de 6.2 ºC, un primer óptimo (Topt1) de 16.5 ºC, un segundo óptimo (Topt2) de 33 ºC y un máximo (Tmax) de 44.0 ºC (ver Fig. 8)). En el nuevo enfoque modular adoptado por el DSSAT-4.0, CERES-4.0 utiliza funciones externas, constituidas por sus cuatro temperaturas cardinales (incluidas en el archivo MZCER040.SPE) para definir la forma de PRFT y RGFILL (ver más adelante). Otros modelos simples de maíz basados en el uso de EUR, como el propuesto por Muchow et al. (1990), también han necesitado la incorporación de un factor reductor de EUR (Fig. 8) cuando las temperaturas caen por debajo de 19 ºC para simular Capítulo 2 68 correctamente el crecimiento del maíz en zonas frías de Nueva Zelanda (Wilson et al., 1995). 2.1.7.2. TASA RELATIVA DE LLENADO DE GRANO (RGFILL) RGFILL es una función de temperatura que adopta valores comprendidos entro 0 y 1 y se calcula diariamente. Esta función afecta al crecimiento diario del grano (la Fig. 9 muestra RGFILL versus temperatura media diaria (TEMPM = (TMIN + TMAX) * 0.5), considerando una amplitud térmica entre la temperatura mínima y máxima diaria de 12 ºC similar a la que se dio en los ensayos de campo). Cuando el agua y el nitrógeno no son limitantes y a temperatura óptima, RGFILL = 1 y el crecimiento del grano es igual al coeficiente genético G3 (Tabla 12), mientras que si RGFILL = 0, el crecimiento del grano es nulo. En CERES-2003 y CERES-3.5, RGFILL se calcula como en la versión original del modelo (Jones y Kiniry, 1986): (1) se calculan ocho factores de temperatura a lo largo del día (TMFAC(I)), uno cada tres horas (I = 1 a 8), con la finalidad de estimar una temperatura media cada tres horas (TTMP), TMFAC(I) = 0.931 + 0.114 * I-0.0703 * I**2 + 0.0053 * I**3 [8] TTMP(I) = TMIN + TMFAC(I) * (TMAX - TMIN) [9] (2) el valor de RGFILL se obtiene sumando la ecuación [10], desde I = 1 hasta 8, si TTMP(I) > 6, RGFILL = RGFILL + (1.0 - 0.0025 * (TTMP(I) - 26.0)**2) / 8.0) [10] En CERES-4.0, RGFILL sigue una función lineal de la temperatura media diaria (TEMPM, ver Fig. 9) con las siguientes temperaturas cardinales: una temperatura base (Tb) de 5.5 ºC, un primer óptimo (Topt1) de 16.0 ºC, un segundo óptimo (Topt2) de 39.0 ºC y un máximo (Tmax) de 48.5 ºC. Introducción 69 0 10 20 30 40 50 0 0.2 0.4 0.6 0.8 1.0 1.2 RGFILL Temperaturas medias diarias (TEMPM, ºC) CERES-4.0 CERES-2003 & CERES-3.5 Rango de temperaturas medias diarias Wilson Fig. 9. Función de temperatura que afecta a la tasa relativa de llenado de grano (RGFILL) en CERES2003, CERES-3.5, CERES-4.0, y función de temperatura propuesta por Wilson et al. (1995) cuando la amplitud térmica entre el día y la noche es de 12 ºC. Se muestra el rango de temperatura media registrado durante el período de llenado de grano de los 8 tratamientos estudiados (TEMPM = (TMIN + TMAX) * 0.5). Por otro lado, el modelo simple de Muchow et al. (1990), también ha necesitado la incorporación de un factor reductor del índice de cosecha (Fig. 9) cuando las temperaturas caen por debajo de 19 ºC para simular correctamente el crecimiento del maíz en zonas frías de Nueva Zelanda (Wilson et al. ; 1995). 2.1.7.3. EFICIENCIA EN EL USO DE LA RADIACIÓN (EUR) En CERES-2003, EUR disminuye con el déficit de presión de vapor (VPD) y se calcula mediante las ecuaciones propuestas por Stockle y Kiniry (1990): si VPD < 1 kPa, EUR = 4.33 g MJ(PAR)-1 [11] si VPD >= 1 kPa, EUR = 5.05 - 0.72 * VPD g MJ(PAR)-1 [12] Capítulo 2 70 Además, el modo de estimar VPD en CERES-2003 es distinto al empleado en CERES-3.5 o CERES-4.0, que emplean ecuaciones propuestas por Diaz y Campbell (1988) y Stockle y Kiniry (1990) que no requieren el dato de la temperatura del punto de rocío. VPD = (PMEAN – PMIN)/(1.0 – 0.3 * (PMEAN – PMIN)) [13] PMEAN = exp(52.58 - 6790.5 / (TEMPM + 273.) – 5.03 * ALOG(TEMPM + 273.)) [14] PMIN = exp(52.58 - 6790.5 / (TMIN + 273.) – 5.03 * ALOG(TMIN + 273.)[15] donde PMEAN y PMIN son la presión de vapor a saturación (kPa) a temperatura media (TEMPM) y mínima (TMIN) diaria respectivamente. En CERES-3.5 y CERES-4.0, EUR es constante e igual a 4.2 g MJ(PAR)-1, mientras que en la versión original del modelo (Jones y Kiniry, 1986), EUR es constante e igual a 5.0 g MJ(PAR)-1. 2.1.7.4. COEFICIENTE DE EXTINCIÓN (EXT) PARA LA RADIACIÓN FOTOSINTÉTICAMENTE ACTIVA (PAR) En CERES-2003, como en la versión original (Jones y Kiniry, 1986), el coeficiente de extinción para la PAR es igual a 0.65. En CERES-3.5 y CERES-4.0, EXT es una función (ver ecuación [16]) de la distancia entre líneas y de la densidad de plantas (EXT = 0.59 cuando la distancia entre líneas (ROWSPC) es de 0.75 m y la densidad de plantas es de 100000 pl. ha-1). EXT = 1.5 – 0.768 * ((ROWSPC * 0.01)**2 * PLTPOP)** 0.1 [16] 2.1.7.5. EFICIENCIA EN LA CONVERSIÓN DE LA MATERIA SECA VEGETATIVA REMOVILIZADA AL GRANO El modelo empieza a removilizar materia seca hacia el grano cuando la producción diaria de biomasa por planta teniendo en cuenta los factores limitantes (CARBO) es más pequeña que la tasa de crecimiento del grano (GROGRN). En estas circunstancias, una Introducción 71 cantidad limitada de materia seca vegetativa puede ser translocada desde los tallos y las hojas hacia el grano. En CERES-2003, de acuerdo con Kiniry et al. (1992), 1.0 g de pérdida de peso en tallo permite incrementar en 0.36 g el peso de los granos. Por su parte, en CERES-3.5 y CERES-4.0, como en la versión original (Jones y Kiniry, 1986), la pérdida de 1.0 g de tallos permite un incremento de 1.0 g en la biomasa de los granos. 2.1.7.6. NÚMERO DE GRANOS POR PLANTA Y TASA DE CRECIMIENTO DEL GRANO Como en otros cereales, el rendimiento en grano del maíz está directamente relacionado con el número de granos m-2 en cosecha. Por tanto, resulta crucial tener una estimación precisa del número de granos por planta (GPP) para que el modelo consiga predecir correctamente la producción (Ritchie y Alargarswamy, 2003) En CERES, GPP es una función de PSKER (tasa media diaria de fotosíntesis durante el estadío 4 (desde antesis hasta el período de llenado efectivo del grano)). PSKER está directamente relacionado con los valores de CARBO durante el estadío 4 y por lo tanto se ve afectado linealmente por los valores diariamente computados de SWFAC que tienen un efecto directo sobre CARBO. De este modo, a medida que SWFAC disminuye desde 1.00 hasta 0.00, se incrementa el déficit hídrico mientras CARBO y GPP disminuyen. En CERES-2003, se considera que para los cultivares de ciclo corto GPP = 127 * PSKER + 10 [17] siguiendo lo propuesto por Kiniry et al. (2002) apoyándose en resultados experimentales obtenidos por Tollenaar et al. (1992). En consecuencia, en este caso GPP se calcula sin el coeficiente genético G2 (número potencial de granos por planta (Tabla 12)) y es una función lineal de la Capítulo 2 72 acumulación de biomasa durante el estadío 4, que resulta ser un período relativamente corto de unos 10-20 días de duración. En CERES-3.5 y CERES-4.0, GPP = G2 * PSKER / 7200.0 + 50.0 [18] Además, el modo de cálculo de PSKER es ligeramente diferente en CERES-2003 que en CERES-4.0 o CERES-3.5. En CERES-3.5 y en CERES-4.0, así como en la versión original del modelo (Jones y Kiniry, 1986), la tasa de crecimiento del grano por día (GROGRN) depende de la temperatura (RGFILL (tasa relativa de llenado de grano); como se ha visto, se trata de una función de la temperatura), del número de semillas por planta, del crecimiento potencial de las semillas (G3, mg semilla-1 d-1) y del factor de déficit hídrico (SWFAC): GROGRN=RGFILL*GPP*G3*0.001*(0.45+0.55*SWFAC) [19] En CERES 2003, el cálculo se realiza de idéntico modo pero sin incluir el factor de estrés hídrico. 2.1.7.7. CÁLCULO DEL ÍNDICE DE AREA FOLIAR En las tres versiones recientes de CERES-Maize consideradas, el cálculo del área foliar por planta es básicamente el mismo que el utilizado por la versión original (Jones y Kiniry, 1986). Los coeficientes que emplea CERES-2003 son idénticos a los descritos por Jones y Kiniry (1986), mientras que CERES-4.0 y CERES-3.5 utilizan un conjunto de coeficientes ligeramente diferente que conduce a estimaciones un poco más altas de IAF. 2.1.8. BALANCE DE AGUA EN EL SUELO Y CÁLCULO DE LOS FACTORES DE ESTRÉS HÍDRICO DEL CULTIVO Aunque existan pequeñas diferencias entre las versiones de CERES-Maize estudiadas en los algoritmos que calculan el balance hídrico del cultivo y los factores de Introducción 73 déficit hídrico, sólo se indicarán incidentalmente, centrándonos en describir la versión más reciente (CERES-4.0), por ser la que dio mejores resultados en condiciones no limitantes del medio y disponer de un mayor número de opciones de cómputo de la evapotranspiración del cultivo de referencia (ETo). 2.1.8.1. BALANCE DE AGUA DEL SUELO, CRECIMIENTO DE LAS RAÍCES, Y EXTRACCIÓN DE AGUA EN CERES-4.0 En CERES-4.0, como en todo los modelos incluidos en DSSAT-4.0, el balance diario del agua del suelo utiliza el balance unidimensional de Ritchie (1985), llamado modelo de “tipping bucket” o de cubo desbordante, que predice el flujo y la extracción de agua para cada uno de los horizontes del perfil del suelo (el modelo contempla un máximo de diez horizontes). Para que el modelo pueda realizar el balance hídrico diario, es preciso que las siguientes características físicas de cada uno de los horizontes (L) del suelo estén definidas en el archivo SOIL.SOL: el límite superior de drenaje o capacidad de campo (DUL(L), cm3 H2O cm-3 suelo), el límite inferior o punto de marchitez permanente (LL(L), cm3 H2O cm-3 suelo), el contenido de agua a saturación (SAT(L), cm3 H2O cm-3 suelo), y una función de preferencia de distribución de las raíces en el suelo (SRGF(L); factor de distribución relativa de la longitud de raíces (0.00-1.00) en el horizonte L que cuantifica la hospitalidad potencial de un horizonte determinado). La densidad de raíces calculada en el horizonte L (RLV(L), cm raíz cm-3 suelo) depende de la cantidad de materia seca asignada a las raíces por el modelo de cultivo. Ésta varía en función del suministro de asimilados (CARBO), la fase fenológica, y SRGF(L). La profundidad de enraizamiento (RTDEP (cm)) es una función del tiempo térmico acumulado desde la germinación, considerando una temperatura base de 8 ºC (CUMDTT): - Antes de la germinación, RTDEP = SDEPTH donde SDEPTH es la profundidad de siembra (cm) - tras la germinación, Capítulo 2 80 El seguimiento de la evolución temporal de la producción de biomasa y la distribución de la materia seca entre los diferentes órganos se hizo del modo descrito en 1.2.6. 2.2.2. TEMPERATURA Y PRECIPITACIÓN DURANTE LA ESTACIÓN DE CRECIMIENTO Complementamos aquí los datos climáticos descritos en 1.2.2, por ser de interés para la posterior discusión de esta parte del trabajo. En la Tabla 15 se muestran las temperaturas medias decenales de las máximas (Tmáx) y mínimas diarias (Tmin). Mientras Tmáx generalmente estuvo por debajo 20 ºC en mayo y junio y alcanzó el rango de los 25-27 ºC sólo en los meses más cálidos, Tmín se situó normalmente entre 8 y 10 ºC en mayo, principios de junio y octubre, y osciló en los meses más calurosos entre 10 y 13 ºC. Material y métodos 81 Tabla 15. Temperaturas medias máximas diarias (Tmáx) y mínimas (Tmín) en períodos de 10-11 días entre mayo y octubre en 1998, 1999, 2000, 2001 y 2002 1998 1999 2000 2001 2002Año Tmáx (ºC) Tmín (ºC) Tmáx (ºC) Tmín (ºC) Tmáx (ºC) Tmin (ºC) Tmáx (ºC) Tmin (ºC) Tmáx (ºC) Tmin (ºC) May. 1-10 17.2 6.8 17.8 8.7 19.2 8.4 13.2 3.9 13.8 5.1 May. 11-20 23.2 9.7 15.7 9.3 19.9 8.8 17.9 7.4 18.7 6.4 May. 21-31 17.4 8.0 22.4 8.1 18.6 8.8 26.6 10.7 16.0 6.4 Jun. 1-10 21.7 9.8 17.6 8.9 23.4 9.7 22.1 11.7 18.5 9.1 Jun. 11-20 23.5 8.8 22.0 11.6 26.7 9.3 21.6 9.6 26.0 11.1 Jun. 21-30 22.4 12.0 22.3 11.3 23.1 11.7 27.7 10.9 20.5 11.5 Jul. 1-10 20.6 12.5 26.2 12.8 22.1 12.3 23.3 12.5 21.0 10.3 Jul. 11-20 26.7 12.4 25.8 14.1 22.9 12.5 20.8 10.4 24.3 10.8 Jul. 21-31 23.8 13.2 26.1 14.6 24.2 13.5 24.6 13.2 24.9 13.6 Ago. 1-10 29.6 12.9 23.5 13.5 25.5 12.2 24.7 13.0 21.3 10.2 Ago. 11-20 25.1 15.8 24.3 11.8 27.7 14.1 24.4 11.2 26.5 12.6 Ago. 21-31 27.5 13.8 26.5 13.4 22.9 10.8 28.0 14.8 23.1 12.8 Sep. 1-10 23.5 13.0 27.1 15.0 25.5 10.9 22.3 11.4 22.0 11.4 Sep. 11-20 23.9 12.3 18.7 9.5 26.6 12.1 22.3 8.7 25.4 11.4 Sep. 21-30 19.1 11.6 19.0 11.5 20.0 9.2 20.1 9.1 22.6 9.5 Oct. 1-10 15.0 8.1 18.4 6.7 18.8 7.9 19.3 10.8 21.3 10.6 Oct. 11-20 18.6 9.3 16.6 9.5 14.9 6.9 19.4 9.8 16.7 7.0 Oct. 21-31 18.1 7.6 15.9 8.5 16.8 6.9 19.5 8.3 18.4 11.0 Capítulo 2 82 Las precipitaciones decenales acumuladas durante el período de crecimiento del cultivo (mayo-octubre) están recogidas en la Tabla 16. Las precipitaciones acumuladas registradas durante este período oscilaron entre 272 mm en el año más seco (1998) y 495 mm los años más húmedos (1999 y 2001). Tabla 16. Precipitaciones acumuladas en períodos de 10-11 días entre mayo y octubre en 1998, 1999, 2000, 2001 y 2002 Año 1998 1999 2000 2001 2002 ------------------------------------------------------------mm----------------------------------------------------------- May. 1-10 22.0 33.0 86.8 46.7 20.8 May. 11-20 10.8 45.2 11.2 40.6 34.4 May. 21-31 40.0 3.4 7.0 0.0 30.7 Jun. 1-10 12.4 17.4 3.8 14.2 45.1 Jun. 11-20 0.6 0.0 0.2 3.6 0.0 Jun. 21-30 6.0 0.8 1.4 0.0 7.0 Jul. 1-10 28.6 4.4 22.4 32.5 6.5 Jul. 11-20 3.2 0.8 0.2 29.0 6.8 Jul. 21-31 0.4 0.8 29.8 0.0 0.2 Ago.. 1-10 0.2 57.0 4.6 12.0 9.3 Ago. 11-20 16.4 1.6 8.8 13.0 1.6 Ago. 21-31 0.2 6.6 12.8 51.0 3.9 Sep. 1-10 21.2 23.0 0.2 0.0 25.2 Sep. 11-20 3.0 117.0 14.4 1.0 33.7 Sep. 21-30 85.2 17.2 41.8 79.0 0.3 Oct. 1-10 12.4 3.3 9.4 53.4 36.1 Oct. 11-20 2.8 72.6 94.4 66.6 113.1 Oct. 21-31 7.4 91.2 37.0 50.6 61.7 2.2.3. SEGUIMIENTO DE PARÁMETROS ECOFISIOLÓGICOS 2.2.3.1. FENOLOGÍA La evolución de la fenología del maíz se realizó de visu, dos veces por semana, utilizando la clave de estadíos de desarrollo propuesta por Ritchie y Hanway (1982) que se transcribe en la Tabla 17. Material y métodos 83 Tabla 17. Estadíos de desarrollo del maíz (IBSNAT, 1988, basado en Ritchie y Hanway, 1982) Estadíos Descripción Vegetativos VE 50% de plantas emergidas V1 50% de plantas con “collar” de la 1ª hoja visible V2 50% de plantas con “collar” de la 2ª hoja visible V3 50% de plantas con “collar” de la 3ª hoja visible V4 50% de plantas con “collar” de la 4ª hoja visible V5 50% de plantas con “collar” de la 5ª hoja visible V6 50% de plantas con “collar” de la 6ª hoja visible V(n) 50% de plantas con “collar” de la hoja n visible VT 50% de plantas con la flor masculina completamente expandido pero las sedas aún no visibles Reproductivos R1 50% de plantas con alguna seda visible R2 50% de plantas en estadío de “ampollitas” (endosperma abundante, claro y fluido) R3 50% de plantas en estadío “lechoso” (granos amarillos por fuera y lechosofluidos por dentro) R4 50% de plantas en estadío “pastoso” (endosperma con consistencia pastosa) R5 50% de plantas en estadío “dentado” (se comienza a formar el diente en la parte superior del grano) R6 50% de plantas en madurez fisiológica (puntos o rayas negras visibles en la base de los granos) R7 50% de plantas en madurez de cosecha Para el seguimiento de la evolución fenológica del grano se realizaron muestreos cada tres días, procediendo a la determinación del porcentaje de materia seca en el grano. Se emplearon los siguientes criterios: Estadío de “ampollitas”: 16% de materia seca Estadío “lechoso”: 40% de materia seca Estadío “pastoso” (madurez de ensilado): 55% de materia seca Madurez fisiológica: 60% de materia seca En el ensayo principal, al estar el maíz incluido dentro de una rotación forrajera, se cosechó en madurez de ensilado y no alcanzó por tanto la madurez fisiológica. Para el cálculo del momento de madurez fisiológica, se consideró que la duración del período entre R1 (sedas visibles) y R2 (estadío de “ampollitas”; momento en que comienza el período de llenado efectivo del grano) es del 25% del período comprendido entre R1 y Capítulo 2 84 R6 (madurez fisiológica) tal y como proponen Johnson y Tanner (1972). En los ensayos complementarios, se realizó también la cosecha a madurez de ensilado, pero al no ser preciso levantar el maíz para implantar el segundo cultivo de la rotación, fue posible determinar en campo el momento de madurez fisiológica. 2.2.3.2. ÍNDICE DE ÁREA FOLIAR (IAF) La determinación del índice de área foliar (IAF; Watson (1947)) se realizó con las mismas muestras foliares utilizadas para la determinación de la biomasa. Para estimar el peso específico de las hojas, parámetro necesario para el cálculo del IAF, se midió la superficie de una submuestra de hojas verdes, previamente a su secado en estufa de ventilación forzada, mediante un medidor de área foliar automático (“Image Analysis System” de Delta-T Devices). 2.2.4. DETERMINACIÓN DE LOS COEFICIENTES GENÉTICOS DEL CV. CLARICA Para la estimación del número potencial de granos por planta (G2) y la tasa potencial de crecimiento de los granos (G3), se estableció en el año 1999, en una parcela adyacente al ensayo principal y en suelo de características similares, un ensayo complementario de baja densidad, siguiendo la metodología propuesta por Ritchie et al. (1986). Se sembraron 20 filas de 15 m de longitud, con una separación de .75 m entre filas y con una densidad de siembra baja (4.8 pl. m-2 en cosecha). La fecha de siembra (28 de mayo de 1999) fue la misma de la 1ª fecha de siembra de ese año. G2 se estimó en cosecha, contando el número de granos por planta en veinte plantas elegidas al azar. G3 se estimó a partir de muestreos secuenciales a lo largo del período de llenado del grano. Los muestreos consistieron en dos repeticiones de seis plantas cada una, elegidas al azar durante el llenado del grano (23 y 30 de agosto; 6, 14, 22 y 27 de septiembre) y Material y métodos 85 la tasa de crecimiento de los granos se estimó por regresión lineal a partir de los granos de la zona media de las espigas. Los datos de los dos últimos muestreos se excluyeron de la regresión debido a que las temperaturas medias en esas fechas eran inferiores a 20 ºC (ver Tabla 15), y por tanto inferiores a las recomendadas por Ritchie et al. (1986) para la determinación de G3. Estos autores consideran que la tasa de crecimiento del grano puede verse reducida cuando la temperatura baja de este umbral. Por su parte, no es posible determinar el coeficiente genético P1 (Tabla 12) mediante un simple seguimiento fenológico visual de los ensayos de campo. Para ello se ha seguido también la metodología propuesta por Ritchie et al. (1986), consistente en determinar el momento en el que la yema apical pasa a reproductora, mediante la disección de la planta y la observación de la yema apical con una lupa binocular. Entonces, P1 se puede calcular como la suma de grados día (temperatura base de 8 ºC), desde la emergencia hasta 4 días antes de la transformación de la yema apical en reproductora. Se consideró que la yema apical pasaba de vegetativa a reproductora en el momento en que los ápices observados mostraban claros signos de ramificación (Bonnett, 1966; Tollenaar y Hunter, 1983). La transformación de la yema apical en reproductora tiene lugar cuando la planta se encuentra en los estadíos de 5-6 hojas con el “collar” visible. Cuando el cultivo se hallaba en torno a estos estadíos, se realizaron en todos los años experimentales y en todos los tratamientos, observaciones con lupa binocular cada 2-3 días con el objetivo de estimar el valor de P1. Éste sirvió de punto de partida para minimizar, mediante numerosas iteraciones, la raíz cuadrada de la suma de los cuadrados medios del error (RMSE; ver 2.2.9.) de la fecha de emisión de sedas estimada por el modelo. Finalmente, con el valor retenido para P1 (Tabla 12), la fecha de emisión de sedas (floración femenina) fue estimada por el modelo con un error máximo de 5 días. Finalmente, en lo que respecta a P2 (Tabla 12), el coeficiente que cuantifica la sensibilidad al fotoperíodo del cv., se partió de la hipótesis de que el cv. Clarica, como la mayor parte de las variedades de ciclo corto (Ritchie et al., 1986) es insensible al fotoperíodo (P2 = 0.0). La fecha de madurez fisiológica, necesaria para la determinación de P5 (Tabla 12), se estimó del modo descrito en 2.2.3.1. Al igual que para P1, el cálculo de P5 se realizó Capítulo 2 86 usando todos los datos experimentales, las temperaturas máximas y mínimas del período, y una temperatura base de 8 ºC. Con el valor de P5 retenido tras minimizar RMSE con las observaciones obtenidas en los ocho tratamientos de regadío (Tabla 12), el error máximo detectado en la fecha de madurez fisiológica estimada por el modelo fue de 9 días. Los mayores errores en las estimaciones de madurez fisiológica se observaron en las fechas de siembra más tardías, probablemente debido a una acumulación más lenta del tiempo térmico con las bajas temperaturas registradas al final del ciclo del cultivo. 2.2.5. CARACTERÍSTICAS DEL PERFIL DEL SUELO, MEDIDAS DEL CONTENIDO DE AGUA DEL SUELO Y CONDICIONES INICIALES EMPLEADAS EN LAS SIMULACIONES La densidad aparente, textura y contenido de carbono orgánico de los diferentes horizontes se determinaron en dos puntos del campo de ensayo. Estos datos se incluyeron en los archivos que definen las características del suelo en los modelos empleados (Tabla 18). El límite superior de drenaje o capacidad de campo (DUL(L); % vol) y el límite inferior o punto de marchitez permanente (LL(L); %vol) de cada horizonte del perfil del suelo se estimaron, con cuatro repeticiones, mediante el método gravimétrico y teniendo en cuenta la densidad aparente (Tabla 19). El DUL(L) de cada horizonte se midió el 12 de abril de 1999, siete días después de un riego suficientemente abundante para garantizar la recarga total del perfil. Durante este período se cubrió la superficie del suelo con polietileno para evitar la evaporación de agua del suelo. Por su parte, LL se midió en los tratamientos de secano (S) al final de la estación de crecimiento de 1998 (3 de septiembre de 1998), una vez que los cultivos de secano hubieran extraído toda el agua posible, en un año agrícola en que las precipitaciones medidas desde el 11 de Julio fueron 20.4 mm y prácticamente nulas en los últimos 18 días del período. Por ser el suelo muy homogéneo a partir de 60 cm de profundidad, y las raíces no suficientemente Material y métodos 87 densas por debajo de 75 cm para extraer toda el agua disponible, se fijó el valor de LL para todos los horizontes situados por debajo de 75 cm de profundidad en el valor obtenido para el de 60-75 cm. Capítulo 2 88 Tabla 18. Características de los diferentes horizontes del perfil del suelo experimental utilizadas en las simulaciones Horizonte (cm) Fracción arcilla (%) Fracción limo ( %) Fracción gruesa (%) C orgánico (%) Densidad aparente (g cm–3) LLa (% vol.) DULa (% vol.) SATa (% vol.) SRGFb 0-15 12.8 28.0 7.0 4.4 1.29 7.8 31.5 42.4 1.00 15-30 14.4 17.0 7.0 3.3 1.33 7.8 30.5 41.8 0.64 30-45 7.4 12.6 6.0 2.4 1.28 8.3 23.0 44.6 0.47 45-60 7.2 12.3 5.0 1.9 1.46 8.5 24.5 39.1 0.35 60-90 7.2 12.3 5.0 1.9 1.50 8.8 25.0 37.7 0.22 90-120 7.2 12.3 5.0 1.9 1.63 8.8 22.0 33.1 0.12 120-150 7.2 12.3 5.0 1.9 1.63 8.8 22.0 3.1 0.07 a DUL, LL y SAT: capacidad de campo, punto de marchitez permanente y contenido de agua del suelo a saturación, respectivamente b Función de enraizamiento preferente utilizada por el modelo CERES-Maize, normalizada en 1.00 para el horizonte superior. Material y métodos 89 Tabla 19. Valores de capacidad de campo (DUL) y de punto de marchitez permanente (LL) determinados experimentalmente para cada uno de los horizontes del perfil del suelo. Cada dato es la media de 4 repeticiones Horizonte (cm) DULa(% vol) (desviaciones estándares entre paréntesis) LLb(% vol) (desviaciones estándares entre paréntesis) <0-15 31.68 (0.85) 7.82 (0.56) 15-30 30.87 (0.39) 7.83 (1.21) 30-45 22.69 (1.13) 8.30 (0.47) 45-60 24.01 (4.00) 8.48 (0.95) 60-75 23.85 (4.74) 8.85 (2.27) 75-90 24.49 (1.82) -- 90-105 21.42 (1.53) -- a La medición de DUL se llevó a cabo fuera del campo de ensayo el 12 de abril de 1999, 7 días después de un riego abundante. El suelo fue cubierto con polietileno inmediatamente después del riego para evitar la evaporación b La determinación de LL se realizó el 3 de septiembre de 1998, una vez que el maíz hubo extraído tanta agua como posible en una estación de crecimiento donde sólo se midieron 20.4 mm de precipitación entre el 11 de Julio y esta fecha. Se tomaron medidas gravimétricas hasta 90 cm de profundidad en todas las fechas de siembra, excepto la de 2001 donde los datos de humedad de suelo se tomaron 3 días después de la siembra (22 de Mayo), con la finalidad de determinar el contenido hídrico inicial de los diferentes horizontes del perfil del suelo (Tabla 20). Estos datos, cruciales para las simulaciones del balance hídrico en secano, son medias de tres repeticiones. Además, considerando que Lolium multiflorum L. es un cultivo de enraizamiento poco profundo, y que el invierno y comienzo de la primavera en Galicia son lluviosos y tienen una baja demanda evapotranspirativa, se consideró que por debajo de 90 cm de profundidad, el suelo estaba a capacidad de campo (DUL) en todas las fechas de siembra. Capítulo 2 96 menor RMSE, y mayor índice d). Las simulaciones de CERES-3.5 fueron similares a las de CERES-4.0 excepto durante la fase de llenado de grano. CERES-2003 dio los peores resultados. Una mirada más atenta a las curvas de acumulación de biomasa de CERES-2003 (Fig. 10) muestra que en todos los tratamientos estas curvas tienen un inesperado comportamiento errático (líneas con pendientes alternativamente positivas y negativas), durante la mayor parte de la fase de llenado de grano. Este comportamiento errático de las curvas de acumulación de biomasa no se correspondió con las observaciones realizadas en el campo y nunca ha sido descrito en la literatura científica para ensayos realizados en condiciones no limitantes del medio. Por tanto, la presencia de cambios erráticos en la biomasa parece sugerir que alguno de los procesos fisiológicos implicados está mal formulado en las ecuaciones FORTRAN. En CERES2003, durante los períodos en los que el crecimiento de la espiga (GROEAR) es más pequeño que la acumulación potencial de biomasa (PCARB), se produce una remobilización de materia seca de órganos vegetativos hacia el grano con una eficiencia de 0.36. El resultado es que el 64% de la materia seca removilizada no se tiene en cuenta o es “perdida”, siendo esta la causa del comportamiento errático de la curva. De modo similar se observa en la Fig. 10, que CERES-4.0 tuvo siempre la mayor acumulación de materia seca de grano y CERES-2003 la menor de las tres versiones del modelo, excepto en el año 2001, en el que las predicciones de CERES-2003 superan a las de CERES-3.5. En este año, las producciones de grano medidas fueron muy cercanas o inferiores a la línea de CERES-4.0, lo cual indica que esta versión del modelo tiene una ligera tendencia a sobreestimar el rendimiento en grano. Sin embargo, CERES-3.5 infraestimó la acumulación de grano en la mayor parte de los tratamientos, mientras que CERES-2003 hizo lo mismo en todos ellos. Todos los estadísticos de la Tabla 21 confirman que las predicciones de biomasa y de grano más precisas se obtuvieron con CERES-4.0 y las menos precisas con CERES-2003. La evolución temporal del IAF simulada por CERES-4.0 y 3.5 fue prácticamente idéntica y sólo empezó a mostrar ligeras diferencias transcurridos 50 días después de la siembra (Fig. 11). A partir de entonces, CERES-4.0 dio generalmente valores de IAF ligeramente superiores a CERES-3.5, excepto en 2001 donde la diferencia fue más sensible. Ambas versiones del modelo simularon correctamente el IAF hasta valores Resultados y discusión 97 cercanos a 3.0; en consecuencia, se puede esperar que tengan una buena estimación de la radiación solar interceptada durante el período crucial del ciclo que precede el momento en que alcanza la cobertura total del suelo. No obstante, se observó, como ya fue descrito para versiones anteriores (Lahrouni et al., 1993; Ben Nouna et al., 2003), que las estimaciones de IAF máximos fueron siempre claramente inferiores a los valores observados, y que la senescencia de final de ciclo se suele iniciar demasiado pronto y fue demasiado rápida comparado con las mediciones de IAF. Este último aspecto puede conducir a infraestimar la intercepción de radiación solar durante el final del ciclo, y en consecuencia el rendimiento en grano (Fig. 10). Finalmente, los IAF simulados por CERES-2003 fueron siempre inferiores a los medidos y claramente menores que los de las simulaciones realizadas con CERES-4.0 y 3.5. Los estadísticos obtenidos con los datos tomados a lo largo del ciclo (Tabla 21) confirman que nuevamente CERES-4.0 obtuvo las mejores estimaciones de IAF y CERES-2003 las peores. Con la finalidad de mejorar las predicciones, las futuras versiones del modelo deberían tratar de solucionar el problema asociado a la tendencia a infraestimar el IAF y a predecir una senescencia demasiado temprana y acelerada, ya que ha sido detectado y descrito por numerosos investigadores en entornos climáticos muy distintos. Capítulo 2 98 140 160 180 200 220 240 260 280 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 CERES - 2003 1998 1afecha de siembra 160 180 200 220 240 260 280 300 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 _ CERES 2003 1998 2afecha de siembra Fig. 10. Evolución de las acumulaciones de biomasa aérea y de grano simuladas con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observadas (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Resultados y discusión 99 140 160 180 200 220 240 260 280 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 CERES - 2003 1999 1afecha de siembra 160 180 200 220 240 260 280 300 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 CERES 2003 1999 2afecha de siembra Fig. 10 (continuación). Evolución de las acumulaciones de biomasa aérea y de grano simuladas con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observadas (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Capítulo 2 100 140 160 180 200 220 240 260 280 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 CERES - 2003 2000 1afecha de siembra 160 180 200 220 240 260 280 300 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 CERES 2003 2000 2afecha de siembra Fig. 10 (continuación). Evolución de las acumulaciones de biomasa aérea y de grano simuladas con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observadas (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Resultados y discusión 101 140 160 180 200 220 240 260 280 Día del año 0 4000 8000 12000 16000 20000 24000 28000 Biomasaygrano(kgha-1) CERES - 4.0 CERES - 3.5 CERES - 2003 2001 Fig. 10 (continuación). Evolución de las acumulaciones de biomasa aérea y de grano simuladas con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observadas (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Capítulo 2 102 140 160 180 200 220 240 260 280 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES - 2003 1998 1afecha de siembra 160 180 200 220 240 260 280 300 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES 2003 1998 2afecha de siembra Fig. 11. Evolución del IAF simulado con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observado (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Resultados y discusión 103 140 160 180 200 220 240 260 280 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES - 2003 1999 1afecha de siembra 160 180 200 220 240 260 280 300 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES 2003 1999 2afecha de siembra Fig. 11 (continuación). Evolución del IAF simulado con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observado (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Capítulo 2 104 140 160 180 200 220 240 260 280 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES - 2003 2000 1afecha de siembra 160 180 200 220 240 260 280 300 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES 2003 2000 2afecha de siembra Fig. 11 (continuación). Evolución del IAF simulado con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observado (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Resultados y discusión 105 140 160 180 200 220 240 260 280 Día del año 0 1 2 3 4 5 6 7 IAF CERES - 4.0 CERES - 3.5 CERES - 2003 2001 Fig. 11 (continuación). Evolución del IAF simulado con CERES-4.0, CERES-3.5 y CERES-2003 (líneas) y observado (puntos; ◯y△, respectivamente) para el cv. Clarica cultivado bajo condiciones no limitantes del medio en 1998, 1999, 2000 y 2001. Capítulo 2 112 (Fig. 8). Finalmente, mientras el modelo original de Muchow et al. (1990) no tenía en cuenta un posible efecto de la temperatura sobre la tasa de incremento del índice de cosecha durante el período de llenado del grano (función con efecto similar a RGFILL), Wilson et al. (1995), con la finalidad de mejorar el ajuste del modelo en su rango más amplio de temperaturas experimentales, consideraron que la tasa de incremento del índice de cosecha era máxima mientras la temperatura media adoptaba valores superiores a 19 ºC y disminuía linealmente desde este valor umbral hasta cero cuando la temperatura caía por debajo de 8 ºC. Esta función es más sensible a la temperatura que la función correspondiente en CERES-4.0, RGFILL (Fig. 9). En el rango de temperaturas registrado durante el período de llenado de grano, las salidas de las funciones RGFILL de CERES-3.5 (idéntica a la de CERES-2003) y CERES-4.0 son bastante diferentes. La función de Wilson et al. (1995) da resultados intermedios entre los de CERES-3.5 (la más limitante) y CERES-4.0 (la menos sensible a la temperatura). El hecho de que el peso medio de un grano calculado por CERES-4.0 está más sobreestimado que el obtenido con CERES-3.5 (38% versus 16%) podría ser un indicio de que la función RGFILL de CERES-3.5, más sensible a la temperatura, es más adecuada. La experiencia ha mostrado que conseguir simular correctamente los componentes del rendimiento de los modelos CERES vía G2 y G3 es particularmente difícil. Esto se debe al problema de fijar G2 a partir del número de granos por planta obtenido en un ensayo con baja densidad de siembra, y G3 (tasa de crecimiento del grano) a partir de muestreos sucesivos de granos en este mismo ensayo realizado en un rango de temperatura supuestamente óptimo (el rango de temperaturas medias diarias comprendido entre 20 y 30 °C es demasiado amplio si se define como óptimo 26 ºC para la función RGFILL de crecimiento del grano). Se decidió probar en CERES-4.0 las funciones de temperatura propuestas por Wilson et al. (1995) y observar a continuación sus efectos sobre la precisión de las predicciones del modelo. Los cambios no tuvieron consecuencia sobre los IAF simulados (Tablas 21 y 22). Por si sola, la función alternativa de RGFILL produjo una reducción de un 3% de la estimación de biomasa y un 14% del rendimiento de grano en cosecha (Tabla 22). Esto mejoró los índices d desde 0.637 hasta 0.720 para la biomasa y desde 0.611 hasta 0.652 para el rendimiento de grano. Con este cambio, la biomasa Resultados y discusión 113 media simulada fue muy próxima a la medida, pero el rendimiento en grano simulado fue inferior al medido en un 6%. Por si sola, la función alternativa de PRFT produjo una reducción de un 2% en la biomasa y un 4% del rendimiento en grano en cosecha. Esto permitió mejorar los índices d desde 0.637 hasta 0.682 para la biomasa, y desde 0.611 hasta 0.682 para el rendimiento en grano. Al sustituir ambas funciones por las de Wilson, se produjo una caída del 5 y 14% de la biomasa y del rendimiento en grano, respectivamente. Estos cambios mejoraron los índices d desde 0.637 hasta 0.713 para la biomasa, y desde 0.611 hasta 0.629 para el rendimiento en grano. Por tanto, los cambios individuales tuvieron repercusiones más positivas sobre los valores simulados. Se puede observar que CERES-4.0 con la función de temperatura alternativa de RGFILL propuesta por Wilson et al. (1995) (llamada CERES-4.mod) tuvo un ajuste particularmente bueno (Tabla 22). Este hecho está confirmado por los estadísticos que tienen en cuenta los datos tomados a lo largo del ciclo (Tabla 21), donde se puede comprobar como CERES-4.0 y CERES-4.mod tienen una calidad estimativa equivalente. Si se considera que las mediciones realizadas sobre superficies pequeñas (datos obtenidos a lo largo del ciclo) pueden tender a sobreestimar la biomas y el grano, se puede inferir que, en este entorno, CERES-4.mod es mejor que CERES-4.0. Finalmente, si se considera el hecho de que las diferentes versiones de CERES-Maize tienden a infreastimar el IAF y a simular una senescencia demasiado rápida del IAF (Fig. 11), provocando una reducción de la producción de biomasa y de grano, una vez este aspecto del modelo sea solventado, puede que las dos funciones de temperatura de Wilson et al. (1995) en conjunto mejoren las simulaciones de biomasa y rendimiento de grano en cosecha. Capítulo 2 114 2.3.2. EVALUACIÓN DEL MODELO CERES-Maize V-4.0 EN CONDICIONES DE SECANO En esta parte del trabajo, los siete tratamientos de secano se comparan con los correspondientes tratamientos de regadío (sembrados en la misma fecha y que sirven de referencia para evaluar el efecto del déficit hídrico medido y simulado). Por tanto, al no tener tratamiento de secano correspondiente, se excluye la segunda fecha de siembra de regadío de 1998. 2.3.2.1. RECALIBRACIÓN DE LOS COEFICIENTES GENÉTICOS G2 Y G3 En los apartados anteriores se mostró que, empleando los coeficientes genéticos G2 (número potencial de granos por planta) y G3 (tasa de crecimiento potencial del grano) obtenidos con el ensayo de baja densidad (año 1999; Tabla 12), las predicciones de biomasa y grano realizadas por CERES-4.0 para los tratamientos regados pueden considerarse aceptables. Sin embargo, como ya se indicó, CERES-4.0 infraestimó el número medio de granos por metro cuadrado en un 21% y al mismo tiempo sobreestimó el peso de los granos en un 38%. Por otro lado, si se pretende evaluar la capacidad del modelo CERES-4.0 para simular correctamente el efecto del déficit hídrico sobre la producción y el rendimiento en grano del cultivo del maíz, es conveniente que este mismo modelo simule lo más correctamente posible estas variables, así como los componentes del rendimiento. En el epígrafe 2.3.1.5., se pusieron de manifiesto los problemas derivados de la metodología utilizada para determinar G2 y G3 y se indicó que las predicciones de CERES-4.0 se beneficiarían de un incremento de G2 y de una reducción de G3. Por ello, y con el fin de partir de unas predicciones más próximas a los resultados experimentales en condiciones no limitantes, que sirvieran de referencia para las comparaciones con las estimaciones de los tratamientos de secano, se calibró G2 y G3 para optimizar el ajuste de las predicciones del modelo con el número de granos por unidad de superficie y el peso medio de un grano medidos. Resultados y discusión 115 Tras este cambio (G2 = 1205.0 número potencial de granos por planta en vez de 936.0, y G3= 5.75 mg grano–1 d-1 en vez de 8.00), las estimaciones de la biomasa y rendimiento en grano mejoraron (ver gráficos 1:1 de biomasa y rendimiento de grano en la Fig. 12 y datos al final del párrafo) y las predicciones de peso medio de un grano y número de granos por unidad de superficie fueron muy similares a los datos obtenidos en los muestreos. Las medias observadas y simuladas (7 tratamientos regados) de peso de un grano y número de granos por unidad de superficie en cosecha fueron respectivamente: 231 y 231 mg grano–1 (RMSE = 24); 4847 y 4832 número de granos m-2 (RMSE = 418). Por su parte, las medias observadas y simuladas (7 tratamientos regados) de biomasa y de rendimiento en grano en cosecha fueron respectivamente: 22228 y 22113 kg ha-1 (RMSE = 2064); 11138 y 11184 kg ha-1 (RMSE = 1330). 2.3.2.2. ESTIMACIONES DEL MODELO ORIGINAL: ADECUADAS EN LOS TRATAMIENTOS REGADOS PERO INFERIORES A LAS ESPERADAS EN SECANO Una vez fijadas las características hídricas del suelo (capacidad de campo, punto de marchitez permanente, …), la función de enraizamiento preferente (SRGF) (Tabla 18) y las condiciones iniciales (humedad volumétrica del perfil en el momento de la siembra; Tabla 20), se corrió el modelo (CERES-4.0) para los tratamientos regados y de secano con la opción de evapotranspiración que utiliza por defecto (PriestleyTaylor). A pesar de obtener estimaciones correctas de biomasa y rendimiento de grano en cosecha para los tratamientos de regadío (Fig. 12), en los tratamientos de secano, si bien las simulaciones mejoraron con la recalibración de los coeficientes G2 y G3, se pudo comprobar que el modelo infraestimó la biomasa media en cosecha de estos tratamientos en 4228 kg ha-1 (RMSE = 5027) y el rendimiento medio de grano en 3323 kg ha-1 (RMSE = 3728) (Tablas 24 y 25). Además, también fueron siempre bajas las predicciones del índice de cosecha (IC) del modelo para los tratamientos de secano (0.360 estimado versus 0.490 medido; Tabla 26). Esto es debido en buena medida a que las estimaciones del número de granos continúan siendo demasiado bajas (2479 nº Capítulo 2 116 granos m-2 estimado versus 3900 medido; Tabla 27). La tendencia antes descrita, de que el modelo infraestima la biomasa y el rendimiento en grano en cosecha fue confirmada por los gráficos temporales (Fig. 13). En ellos se puede apreciar que las simulaciones predijeron un efecto más precoz que el observado del déficit hídrico sobre la acumulación de la biomasa total aérea y de grano en todos los tratamientos de secano, excepto en 2001. La fecha de ocurrencia de los principales estadíos de desarrollo no se vio afectada por el déficit hídrico, en las simulaciones ni tampoco en el campo de ensayo (excepto para el tratamiento 2000-secano-1ª fecha, donde la cosecha se adelantó del 4 de Octubre al 25 de Septiembre debido a un estrés hídrico extremo que aceleró la muerte del cultivo). En consecuencia, el modelo simuló correctamente las fases fenológicas del cultivo, tanto en los tratamientos de regadío como en los secanos. Resultados y discusión 117 Tabla 24. Biomasa total aérea en cosecha medida y simulada de los tratamientos de secano (S) con la opción de evapotranspiración (ET) usada por defecto por CERES-4.0 y diferentes opciones de ET Tratamiento Medido Simulado PTa KEP=0.685 Simulado PTb KEP=0.500 Simulado PFAO56c KEP=0.685 Kc=1.00 Simulado PFAO56d KEP=0.500 Kc=1.00 Simulado PFAO56e KEP=0.685 Kc=1.10 Simulado PFAO56f KEP=0.500 Kc=1.10 -------------------------------------------------- kg ha-1------------------------------------------------- 1998-S 16630 11694 13236 15333 17283 13169 15158 1999-S-1ª fecha 15693 13117 15870 15738 18780 14928 17732 1999-S-2ª fecha 16000 12053 15504 15364 18349 14441 17339 2000-S-1ª fecha 17067 8393 10686 9871 12830 9047 11477 2000-S-2ª fecha 12795 8060 9397 9803 11090 9392 10428 2001-S 19080 19964 21662 23008 23286 22086 23076 2002-S 12315 6640 7823 7693 8843 7397 8436 Media 15654 11426 13454 13830 15780 12923 14807 RMSE -- 5027 3604 3772 3072 4211 3295 d-- 0.601 0.740 0.733 0.796 0.685 0.744 RMSE de la dif. -- 5029 3520 3801 3303 4132 3294 d de la dif. -- 0.546 0.698 0.666 0.739 0.638 0.743 a Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.685 b Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.500 c Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.685 d Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.500 e Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.685 f Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.500 g KEP: coeficiente de extinción para el reparto de la energía radiante entre evaporación y transpiración. Capítulo 2 118 Tabla 25. Rendimiento de grano en cosecha medido y simulado de los tratamientos de secano (S) con la opción de evapotranspiración (ET) usada por defecto por CERES-4.0 y diferentes opciones de ET Tratamiento Medido Simulado PTa KEP=0.685 Simulado PTb KEP=0.500 Simulado PFAO56c KEP=0.685 Kc=1.00 Simulado PFAO56d KEP=0.500 Kc=1.00 Simulado PFAO56e KEP=0.685 Kc=1.10 Simulado PFAO56f KEP=0.500 Kc=1.10 -------------------------------------------------- kg ha-1------------------------------------------------- 1998-S 7224 2460 3336 4732 6128 3236 4594 1999-S-1ª fecha 8303 5908 7419 7390 9060 7053 8321 1999-S-2ª fecha 8528 6172 7887 8123 9609 7623 9035 2000-S-1ª fecha 8098 1695 2853 2412 4158 2029 3334 2000-S-2ª fecha 6019 2840 3391 3555 4067 3415 3844 2001-S 10474 9722 10746 11598 11880 10931 11670 2002-S 5451 2038 2382 2504 2804 2357 2649 Media 7728 4405 5431 5759 6821 5235 6207 RMSE -- 3728 2933 2817 2110 3200 2504 d-- 0.548 0.667 0.694 0.804 0.631 0.745 RMSE de la dif. -- 3885 3044 2974 2322 3317 2609 d de la dif. -- 0.529 0.638 0.655 0.750 0.611 0.715 a Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.685 b Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.500 c Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.685 d Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.500 e Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.685 f Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.500 g KEP: coeficiente de extinción para el reparto de la energía radiante entre evaporación y transpiración. Resultados y discusión 119 Tabla 26. Índice de cosecha medido y simulado de los tratamientos de secano (S) con la opción de evapotranspiración (ET) usada por defecto por CERES-4.0 y diferentes opciones de ET Tratamiento Medido Simulado PTa KEP=0.685 Simulado PTb KEP=0.500 Simulado PFAO56c KEP=0.685 Kc=1.00 Simulado PFAO56d KEP=0.500 Kc=1.00 Simulado PFAO56e KEP=0.685 Kc=1.10 Simulado PFAO56f KEP=0.500 Kc=1.10 -------------------------------------------------- kg ha-1------------------------------------------------- 1998-S 0.434 0.210 0.252 0.309 0.357 0.246 0.303 1999-S-1ª fecha 0.529 0.448 0.467 0.470 0.482 0.472 0.469 1999-S-2ª fecha 0.533 0.512 0.509 0.529 0.524 0.528 0.521 2000-S-1ª fecha 0.474 0.202 0.267 0.244 0.324 0.224 0.290 2000-S-2ª fecha 0.470 0.352 0.361 0.363 0.367 0.364 0.369 2001-S 0.549 0.487 0.496 0.504 0.510 0.495 0.506 2002-S 0.443 0.307 0.304 0.325 0.317 0.319 0.314 Media 0.490 0.360 0.380 0.392 0.412 0.378 0.396 RMSE -- 0.155 0.128 0.119 0.092 0.137 0.109 d-- 0.439 0.507 0.520 0.614 0.482 0.561 RMSE de la dif. -- 0.159 0.132 0.124 0.096 0.141 0.113 d de la dif. -- 0.398 0.449 0.477 0.552 0.434 0.501 a Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.685 b Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.500 c Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.685 d Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.500 e Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.685 f Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.500 g KEP: coeficiente de extinción para el reparto de la energía radiante entre evaporación y transpiración. Capítulo 2 120 Tabla 27. Número de granos por metro cuadrado medido y simulado de los tratamientos de secano (S) con la opción de evapotranspiración (ET) usada por defecto por CERES-4.0 y diferentes opciones de ET Tratamiento Medido Simulado PTa KEP=0.685 Simulado PTb KEP=0.500 Simulado PFAO56c KEP=0.685 Kc=1.00 Simulado PFAO56d KEP=0.500 Kc=1.00 Simulado PFAO56e KEP=0.685 Kc=1.10 Simulado PFAO56f KEP=0.500 Kc=1.10 -------------------------------------------------- kg ha-1------------------------------------------------- 1998-S 3555 1414 1893 2709 3520 1868 2618 1999-S-1ª fecha 3937 3491 3887 3735 4346 3613 4086 1999-S-2ª fecha 4645 3752 4201 4373 4768 4209 4582 2000-S-1ª fecha 4215 1223 1579 1662 2273 1431 1812 2000-S-2ª fecha 3428 1695 1926 2048 2243 1973 2147 2001-S 4543 4641 4896 4896 4896 4896 4896 2002-S 2979 1137 1318 1390 1547 1308 1460 Media 3900 2479 2814 2973 3370 2757 3086 RMSE -- 1729 1466 1304 1037 1508 1239 d-- 0.485 0.564 0.607 0.699 0.550 0.635 RMSE de la dif. -- 1834 1583 1399 1140 1618 1363 d de la dif. -- 0.403 0.462 0.509 0.594 0.454 0.523 a Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.685 b Ecuación de evapotranspiración de Priestley-Taylor con un coeficiente KEPg para el reparto entre evaporación y transpiración igual a 0.500 c Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.685 d Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y KEPg igual a 0.500 e Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.685 f Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.10 y KEPg igual a 0.500 g KEP: coeficiente de extinción para el reparto de la energía radiante entre evaporación y transpiración. Resultados y discusión 121 0 5 10 15 20 25 30 Biomasa medida (Mg ha-1) 0 5 10 15 20 25 30 Biomasasimulada(Mgha-1) REGADÍO SECANO PT-KEP=0.685 SECANO PFAO56-Final 0 5 10 15 0 5 10 15 Rendimientodegranosimulado(Mgha-1) Rendimiento de grano medido (Mg ha-1) REGADÍO SECANO PT-KEP=0.685 SECANO PFAO56-Final Fig. 12. Valores simulados versus medidos de: (a) biomasa total aérea en cosecha y (b) rendimiento de grano, de los tratamientos de secano y de regadío, utilizando diferentes opciones de ET y modificaciones del modelo CERES-4.0. 1.) Opción de ET de Priestley-Taylor con un coeficiente KEP para el reparto entre evaporación y transpiración de 0.685 (PT-KEP=0.685; opción por defecto del modelo); 2.) Opción de ET de Penman-Monteith FAO56 con un KEP=0.500, con la función de Edmeades para calcular el número de granos por planta, y sin efecto directo del contenido de agua del suelo en el cálculo del número de granos por planta (PFAO56-Final). Cada punto representa la media de cuatro repeticiones. Capítulo 2 128 120 140 160 180 200 220 240 260 280 Día del año 0 5 10 15 20 25 30 35 40 Contenidodeaguadel suelo(%vol.) 60-90 cm 2001 PT-KEP=0.685 PT-KEP=0.500 PFAO56-KEP=0.500 120 140 160 180 200 220 240 260 280 Día del año 0 5 10 15 20 25 30 35 40 Contenidodeaguadel suelo(%vol.) 90-120 cm 2001 PET-KEP=0.685 PET-KEP=0.500 PFAO56-KEP=0.500 Fig. 14 (continuación). Evolución del contenido de agua del suelo observada (puntos) y simulada (líneas) en los diferentes horizontes del suelo durante la estación de crecimiento del año 2001 en régimen de secano, utilizando diferentes opciones de ET y modificaciones del modelo CERES-4.0. 1.) Opción de ET de Priestley-Taylor con un coeficiente KEP para el reparto entre evaporación y transpiración de 0.685 (PT-KEP=0.685; opción por defecto del modelo); 2.) Opción de ET de Priestley-Taylor con un coeficiente KEP para el reparto entre evaporación y transpiración de 0.500 (PT-KEP=0.500); 3.) Opción de ET de Penman-Monteith FAO56 con un KEP=0.500 (PFAO56-KEP=0.500). Cada punto representa la media de tres repeticiones. Resultados y discusión 129 120 140 160 180 200 220 240 260 280 Día del año 0 5 10 15 20 25 30 35 40 Contenidodeaguadel suelo(%vol.) 120-150 cm 2001 PT-KEP=0.685 PT-KEP=0.500 PFAO56-KEP=0.500 Fig. 14 (continuación). Evolución del contenido de agua del suelo observada (puntos) y simulada (líneas) en los diferentes horizontes del suelo durante la estación de crecimiento del año 2001 en régimen de secano, utilizando diferentes opciones de ET y modificaciones del modelo CERES-4.0. 1.) Opción de ET de Priestley-Taylor con un coeficiente KEP para el reparto entre evaporación y transpiración de 0.685 (PT-KEP=0.685; opción por defecto del modelo); 2.) Opción de ET de Priestley-Taylor con un coeficiente KEP para el reparto entre evaporación y transpiración de 0.500 (PT-KEP=0.500); 3.) Opción de ET de Penman-Monteith FAO56 con un KEP=0.500 (PFAO56-KEP=0.500). Cada punto representa la media de tres repeticiones. 2.3.2.4. EVALUACIÓN DE ECUACIONES ALTERNATIVAS PARA EL CÁLCULO DE LA EVAPOTRANSPIRACIÓN POTENCIAL La ecuación de Penman-Monteith-FAO56 con un coeficiente de cultivo (Kc) de 1.00 está disponible en CERES-4.0, y fue una de las opciones de ET que propusieron Sau et al. (2004) para mejorar las estimaciones de biomasa aérea y de rendimiento de grano. Además es la ecuación que, en la actualidad, recomienda la FAO para calcular la evapotranspiración del cultivo de referencia (ETo). Manteniendo el coeficiente KEP que tiene por defecto el modelo (0.685), la opción PFAO56 permitió obtener mayores Capítulo 2 130 predicciones de biomas, rendimiento de grano e índice de cosecha (IC) en los tratamientos de secano (Tablas 24, 25 y 26). La biomasa en cosecha, el rendimiento en grano y el IC medios estimados aumentaron desde 11426 hasta 13830 kg ha-1, desde 4405 hasta 5759 kg ha-1 y desde 0.360 hasta 0.392, respectivamente, en paralelo con una clara reducción de RMSE. Al mismo tiempo, esta opción aumentó el estadístico d hacia valores más cercanos a 1.00. En nuestro entorno, relativamente frío para el cultivo del maíz, la opción de ET PFAO56 predijo una menor E0 acumulada que PT. Las estimaciones medias de E0 acumuladas, calculadas con PT y PFAO56, a lo largo del ciclo para los siete tratamientos, fueron de 534.8 y 468.4 mm, respectivamente. También se probó la opción de PFAO56 con un Kc de 1.10, empleando las ecuaciones propuestas por Sau et al. (2004) en las que Kc permite aumentar E0 desde un valor de ETo de 1.00 (Kc = 1.00) hasta 1.10*ETo (Kc = 1.1) a medida que el IAF se incrementa desde 0.00 hasta un máximo IAF de 6.00. En la actualidad, esta opción (PFAO56-Kc=1.10) no esta disponible en CERES-4.0 y requiere una pequeña modificación del programa FORTRAN. Una vez incluida en el programa, proporcionó un mejor ajuste que PT para las estimaciones de biomasa, rendimiento de grano e IC pero peores estimaciones que PFAO56-Kc=1.00. Por tanto, a pesar de la recomendación de la FAO de utilizar valores de Kc superiores a 1.00 (Allen et al., 1998), para las simulaciones aquí descritas y con la formulación presente, esta opción resulta ser demasiado estresante. 2.3.2.5. EVALUACIÓN DEL COEFICIENTE DE EXTINCIÓN QUE DIVIDE LA EVAPOTRANSPIRACIÓN POTENCIAL ENTRE EVAPORACIÓN POTENCIAL Y TRANSPIRACIÓN POTENCIAL Teniendo en cuenta que Sau et al. (2004) mostraron que el ajuste de las simulaciones puede verse beneficiado por el uso de un KEP de 0.500, para repartir la evapotranspiración potencial entre EP0 y ES0, y que este cambio está apoyado por datos experimentales (Villalobos y Fereres, 1990) y por la teoría de la extinción de la Resultados y discusión 131 radiación (Goudriaan, 1977; Goudriaan y van Laar, 1994; Sau et al., 2004), se probó de sustituir el KEP del modelo original (0.685) por 0.500. Esta reducción de KEP mejoró las simulaciones realizadas en secano con las tres opciones de ET probadas (PT, PFAO56-Kc=1.00 y PFAO56-Kc=1.10) ya que permitieron aumentar de modo sistemático las estimaciones de biomasa, de rendimiento de grano y de IC, reducir RMSE e incrementar el coeficiente de ajuste d (Tablas 24, 25 y 26). Además, este cambio también permitió mejorar las predicciones de contenido de agua de los diferentes horizontes obtenidos con la opción PT sin modificar, mediante una reducción de las extracciones de agua del suelo a principio de ciclo (Fig. 14). Estos resultados son consistentes con los descritos por Sau et al. (2004) para un cultivo de invierno en clima mediterráneo y también con los obtenidos en Nueva Zelanda por Jamieson et al. (1998). Estos dos trabajos muestran que los modelos de cultivo incluidos en el DSSAT, empleando la opción PT con sus coeficientes originales, tienden a sobreestimar las extracciones de agua bajo condiciones de secano, especialmente a principio de ciclo. Sau et al. (2004) atribuyeron este problema del modelo a la utilización de un KEP excesivo (1.00 en CERES-3.5, 0.85 en el CROPGRO incluido en el DSSAT V3.5) y a una posible sobreestimación de E0 por la opción PT en entornos relativamente fríos y con bajo déficit de presión de vapor (VPD). Tres modelos de crecimiento del trigo, SIRIUS, SWHEAT y AFRCWHEAT2 (Jamieson et al., 1998) utilizan un KEP de 0.45. Todos estos ejemplos sugieren que el KEP utilizado por CERES-4.0 sigue siendo demasiado alto a pesar de haber sido reducido desde 1.00 en CERES-3.5 hasta 0.685 en CERES-4.0. Cuando se corrieron las simulaciones de secano con CERES-4.0 modificado para que usara las ecuaciones de reparto de ET de CERES-3.5, todos los estadísticos correspondientes a las estimaciones de biomasa, rendimiento de grano e IC empeoraron. Las RMSE aumentaron desde 5027, 3728, 0.155 hasta 6378, 4263 y 0.161 para la biomasa en cosecha, el rendimiento de grano e IC, respectivamente. Capítulo 2 132 2.3.2.6. EVALUACIÓN DE FUNCIONES ALTERNATIVAS PARA ESTIMAR EL CRECIMIENTO DIARIO DE LOS GRANOS Y EL NÚMERO DE GRANOS POR PLANTA La opción PFAO56 con KEP = 0.500 permitió obtener una estimación correcta de la biomasa aérea media en cosecha de los tratamientos de secano (15780 kg ha-1 simulados versus 15654 medidos) pero las simulaciones siguieron dando valores de rendimiento de grano demasiado bajos (6821 kg ha-1 simulados versus 7728 medidos). Esto es debido a un número estimado de granos por metro cuadrado demasiado pequeño (3370 granos m-2 simulados versus 3900 medidos). La incapacidad del modelo para predecir correctamente el efecto del déficit hídrico sobre el número de granos (Tabla 27), nos llevó a reevaluar las funciones del modelo que lo calculan. La revisión bibliográfica llevada a cabo mostró que en general, a pesar de obtener con CERESMaize buenas estimaciones del rendimiento de grano, las predicciones del número de granos por planta (GPP) eran menos acertadas. En el modelo actual se emplea, para estimar GPP, la función expuesta a continuación: GPP = G2 * PSKER/7200.0 + 50.0 [18] Esta ecuación fue establecida a partir de datos experimentales obtenidos en Kenia por Keating y Wafula (datos no publicados; K. J. Boote comunicación personal). Se trata de una función lineal de la media de la fotosíntesis durante el estadío 4 (PSKER), que fija un número mínimo de cincuenta granos por planta. Por otro lado, en el modelo original de CERES-Maize (Jones y Kiniry, 1986), la función de cálculo de GPP era la que propusieron Edmeades y Daynard (1979): GPP = G2 * (PSKER - 195)/(1213.2 + (PPSKER - 195)) [27] En la Eq. [27], se necesita una tasa mínima de fotosíntesis durante el estadío 4 de 195 mg pl.-1 d-1 para que la planta empiece a fijar granos. La comparación de las dos ecuaciones, después de haber sido calibradas con los datos de los tratamientos regados, mostró que, factores ambientales que reducen PSKER como SWFAC tenían un efecto mucho más reductor en la Eq. [18] que en la Eq. de Edmeades (Eq. [27]; Fig. 15). Resultados y discusión 133 0 2000 4000 6000 PSKER (mg(CH2O) planta-1 d-1) 0 100 200 300 400 500 600 700 Granosporplantasimulados Fig. 15. GPP (número de granos por planta simulado) versus PSKER (fotosíntesis media diaria desde antesis hasta principio de llenado efectivo del grano (mg (CH2O) pl.-1 d-1)) calculado con la funciones siguientes: 1.) la actualmente presente en CERES-4.0 para calcular el número de granos por planta (línea continua); 2.) la de Edmeades (línea discontinua). Los símbolos abiertos y cerrados representan los GPP simulados para los tratamientos de secano con la ecuación actual (1) y la de Edmeades (2) respectivamente ((1) Opción de ET de Penman-Monteith FAO56 ET con un KEP=0.500 (PFAO56KEP=0.500); (2) Idéntico a (1) pero con la ecuación de Edmeades para calcular GPP). De este modo, se sustituyó la ecuación de cálculo de GPP originalmente incluida en CERES-4.0 por la Eq. [27], y se siguió corriendo el modelo con la opción PFAO56KEP=0.500. El cambio de esta ecuación hizo necesario que se volviera a calibrar el coeficiente genético G2 para los tratamientos regados. Después de esta nueva calibración, G2 quedó fijado en 748 granos potenciales por planta en vez de 1205. Las medias observadas y simuladas (7 tratamientos regados) de peso de un grano y número de granos por unidad de superficie en cosecha fueron respectivamente: 231 y 231 mg grano–1 (RMSE = 24); 4847 y 4853 número de granos m-2 (RMSE = 299). Por su parte, las medias observadas y simuladas (7 tratamientos regados) de biomasa y de rendimiento en grano en cosecha fueron respectivamente: 22228 y 22126 kg ha-1 (RMSE = 2020); 11138 y 11227 kg ha-1 (RMSE = 1227). En condiciones de secano la ecuación de Edmeades incrementa las medias simuladas de biomasa aérea en cosecha, Capítulo 2 134 rendimiento de grano, y especialmente nº de granos por metro cuadrado y disminuye RMSE (Tabla 28 y Fig. 15). La mejora fue especialmente sensible en el rendimiento medio de grano estimado que aumentó en secano desde 6821 kg ha-1 (RMSE = 2110) hasta 7397 (RMSE = 1530) debido al mayor número medio de granos por metro cuadrado simulado. Algunos investigadores han sugerido que el crecimiento de los granos es menos sensible a bajos potenciales hídricos de la planta (SWFAC) que la planta entera. Esto sería debido a que la conexión hidráulica del xilema, desde los embriones o el endospermo, se bloquea en el pedicelo de las semillas de cereal o en la envoltura de las semillas en las leguminosas (Fisher, 2000). Además, el efecto de SWFAC ya es tenido en cuenta por el modelo en la reducción de la producción fotosintética diaria (CARBO). Por tanto, se eliminó el efecto de SWFAC sobre GROGRN (Eq. [19]) y se mantuvo la ecuación de Edmeades para GPP (PFAO56-Final). Esto permitió aumentar el peso medio simulado de los granos de los tratamientos de secano desde 186 hasta 191 mg y reducir el RMSE para esta variable desde 24 hasta 20. El ajuste a la línea 1:1 es ahora prácticamente correcto para la biomasa aérea en cosecha y el rendimiento en grano (Fig. 12, PFAO56-Final) y es mucho mejor que el conseguido con PT-KEP=0.685, para el número de granos por metro cuadrado (Fig. 15). Resultados y discusión 135 Tabla 28. Biomasa total aérea en cosecha, rendimiento de grano, peso de un grano y número de granos por metro cuadrado medio, medido y simulado de los tratamientos de secano con diferentes opciones de ET y modificaciones de CERES-4.0 a Ecuación de evapotranspiración de Penman-Monteith FAO56 con un coeficiente de cultivo (Kc) igual a 1.00 y un KEP igual a 0.500 bIdéntico a (a) con la ecuación de Edmeades para calcular el número de granos por planta cIdéntico a (b) sin efecto directo del factor de agua del suelo (SWFAC) sobre el crecimiento del granos (PFAO56-Final). Variable Medido PFAO56 a KEP=0.500 PFAO56 b KEP=0.500 Edmeades PFAO56 c KEP=0.500 Edmeades y sin SWFAC en GROGRN Biomasa (kg ha-1)15654 15780 16079 16126 RMSE 3072 2781 2713 d0.796 0.823 0.829 RMSE de la dif. 3303 3074 2984 d de la dif. 0.739 0.760 0.772 Rto grano (kg ha-1)7728 6821 7397 7577 RMSE 2110 1530 1389 d0.804 0.875 0.893 RMSE de la dif. 2322 1867 1755 d de la dif. 0.750 0.796 0.812 Peso grano (mg) 201 196 186 191 RMSE 19 24 20 d0.778 0.788 0.843 RMSE de la dif. 15 29 27 d de la dif. 0.829 0.648 0.633 nº granos m-2 3900 3370 3905 3905 RMSE 1037 723 723 d0.699 0.802 0.802 RMSE de la dif. 1140 784 784 d de la dif. 0.594 0.714 0.714 Capítulo 2 136 1000 2000 3000 4000 5000 6000 Número de granos por m2medidos 1000 2000 3000 4000 5000 6000 Número de granos por m2simulados REGADÍO SECANO PT-KEP=0.685 SECANO PFAO56-Final Fig. 16. Valores simulados y medidos del número de granos por metro cuadrado de los tratamiento de secano y de regadío utilizando diferentes opciones de ET y modificaciones del modelo CERES4.0. 1.) Opción de ET de Priestley-Taylor con un coeficiente KEP para el reparto entre evaporación y transpiración de 0.685 (PT-KEP=0.685; opción por defecto del modelo); 2.) Opción de ET de PenmanMonteith FAO56 con un KEP=0.500, con la función de Edmeades para calcular el número de granos por planta, y sin efecto directo del contenido de agua del suelo en el cálculo del número de granos por planta (PFAO56-Final). Cada punto representa la media de cuatro repeticiones. Resultados y discusión 137 2.3.2.7. ANÁLISIS DE SENSIBILIDAD DE POSIBLES CAMBIOS EN LAS FUNCIONES DE ENRAIZAMIENTO Con los ajustes propuestos, las simulaciones de biomasa aérea media en cosecha y de rendimiento de grano de los tratamientos de secano fueron bastante satisfactorias (ver PFAO56-Final en Tabla 29). Sin embargo éstas siguieron siendo claramente demasiado bajas en 2002, la estación de crecimiento más fría durante el período vegetativo del cultivo y una de las más frías durante el período reproductivo (ver Tabla 23). Debido a las bajas temperaturas registradas este año, el modelo (PFAO56-Final) estimó una profundidad de enraizamiento máxima de aprox. 0.80 m, mientras que en los demás años experimentales, varió entre aprox. 1.00 m en 1998-1ª fecha, 1999-1ª fecha y 2000, y 1.20 m en 2001 (Fig. 17). Las observaciones visuales del sistema radicular del cultivo realizadas al final de la estación de crecimiento de 2002 en el tratamiento de secano, mostraron que la profundidad máxima alcanzada por unas pocas raíces fue de aprox. 1.15-1.20 m. Por tanto, el modelo infraestimó la profundidad alcanzada por el sistema radicular en esta particular estación de crecimiento y en consecuencia estimó una fecha de inicio del déficit hídrico demasiado temprana, además de un déficit hídrico demasiado severo. Como los datos del sistema radicular de los cultivos escasean en la literatura científica, las funciones de enraizamiento de los modelos de cultivo han sido generalmente poco contrastadas, y constituyen uno de los aspectos más débiles de la mayor parte de ellos. Con el objetivo de mejorar el ajuste del modelo para los diferentes regímenes de lluvia registrados durante los años experimentales, se probaron cuatro modificaciones de las funciones de enraizamiento originales de CERES-4.0 y se compararon sus resultados con las salidas de PFAO56-Final sin modificaciones: 1. Sin efecto de SWFAC sobre la profundidad de enraizamiento (RTDEP): se elimina el efecto del factor de estrés hídrico en la fotosíntesis sobre la tasa de alargamiento de las raíces. Se calcula RTDEP con la Eq. [28] en vez de las Eqs. [20] y [21].