Introducción

La agricultura es el mayor usuario de agua en el mundo (^{Gontia y Tiwari, 2010}). De hecho, el suministro inadecuado y la mala programación del riego en la producción de los cultivos hacen al recurso hídrico cada vez más escaso. Por lo que, una mejor estimación de las necesidades hídricas de los cultivos permitirá la gestión adecuada del riego y la conservación del agua para la agricultura. Un método común para estimar los requerimientos hídricos de los cultivos es mediante la evapotranspiración de referencia (ETo) y el coeficiente de cultivo (Kc) (^{Allen et al., 1998}, ²⁰⁰⁵).

La evapotranspiración (ET), que incluye la transpiración de las plantas y la evaporación de agua de la superficie del suelo o del agua libre interceptada por el follaje, es una determinación que continúa siendo la de mayor importancia en la agricultura con riego (^{Allen et al., 1998}). La ET es afectada por diversos factores atmosféricos tales como: temperatura del aire, radiación solar, velocidad del viento y humedad relativa. Además, la ET varía regional y estacionalmente de acuerdo con las condiciones de clima, suelo, y vegetación (^{Jensen y Allen, 2016}). Al estimar las variaciones de ET, los técnicos pueden planear y manejar eficientemente el uso de los recursos hídricos en zonas de agricultura, especialmente en regiones áridas y semiáridas del país donde el agua es la principal limitante para la producción agrícola.

En los últimos años, el uso de sensores remotos (instrumentos capaces de obtener información de un objeto sin estar en contacto físico con el objeto) o imágenes satelitales con resolución moderada (LandSat, SPOT, AVHRR) se han convertido en una herramienta básica para estimar el uso del agua por los cultivos en la agricultura. Con esta tecnología, la ET de los cultivos es calculada con base en la ecuación de balance de energía, donde se resta el flujo de calor latente (G) y el flujo del calor sensible (H) de la radiación neta (Rn) (^{Allen et al., 2007}). También con la ayuda de imágenes multiespectrales obtenidas de sensores remotos montados en satélites se pueden estimar índices de vegetación. Los índices de vegetación tal como el índice de vegetación de diferencia normalizada (NDVI), han sido utilizados para estimar el Kc, monitorear la vegetación, predecir los rendimientos y estimar el consumo de agua en los cultivos (^{Sellers, 1985}; ^{Garatuza-Payan y Watts, 2005}; ^{Glenn et al., 2011}; ^{El-Shirbeny et al., 2014}; ^{Reyes-González et al., 2018}). El NDVI capta el contraste de la reflectancia de la luz a partir de las hojas verdes entre las longitudes de onda del rojo (R) y el infrarrojo cercano (IRC). La luz roja está fuertemente absorbida por la clorofila de las hojas de las capas superiores del follaje, mientras que el infrarrojo cercano es transmitido, reflejado y dispersado por la estructura del mesófilo de la hoja, penetrando hasta el fondo del follaje e interactuando con múltiples capas de las hojas (^{Glenn et al., 2011}; ^{Balbontín et al., 2016}).

Estudios han mostrado altas correlaciones entre NDVI y características biofísicas de la planta. ^{Heilman et al. (1982)}, indicaron la posibilidad de usar la reflectancia derivada del Índice de Vegetación Perpendicular (IVP) para describir el crecimiento del cultivo de alfalfa (Medicago sativa L.). ^{Neale et al. (1989)} demostraron la relación entre el Kc del cultivo de maíz y la diferencia normalizada (ND) obtenido de un radiómetro de tres bandas. Por su parte ^{Husanker et al. (2003)} indicaron una relación lineal entre NDVI y Kc para el cultivo de algodón (Gossypium hirsutum L.). Estas relaciones han sido estudiadas para diferentes cultivos en todo el mundo, incluyendo maíz (^{Bausch, 1995}), trigo (Triticum aestivum L.) (^{Garatuza-Payan et al., 2003}), alfalfa (^{Wright, 1982}), sorgo (Sorghum bicolor L. Moench) (^{Singh e Irmak, 2009}), caña de azúcar (Saccharum off icinarum L.) (^{González-Dugo y Mateos, 2008}), uva (Vitis vinifera L.) (^{Campos et al., 2010}), frijol (Phaseolus vulgaris L., S_P., P_L.) (^{Laike et al., 2006}), nogal (Carya illinoinensis Wangenh., K. Koch) (^{Samani et al., 2009}) y cebolla (Allium cepa L.) (^{Trout et al., 2008}). Sin embargo, la relación entre NDVI proveniente de sensores remotos y de GreenSeeker (equipo para medir el NDVI de los cultivos in situ) con el Kc, tomado de FAO-56, para estimar la ETc en maíz forrajero en la Comarca Lagunera no se han discutido.

Debido a lo anterior, el objetivo de esta investigación fue estimar la evapotranspiración real en maíz forrajero, mediante índices de vegetación obtenidos con sensores remotos y mediciones in situ con el equipo GreenSeeker, para las condiciones de la Comarca Lagunera. La hipótesis planteada fue que los índices de vegetación provenientes de mediciones in situ y sensores remotos permiten estimar con precisión similar la evapotranspiración real en maíz forrajero con riego presurizado.

Materiales y Métodos

El presente estudio se realizó en el Campo Experimental La Laguna del Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP) de Matamoros Coahuila, México (25? 32’ N, 103? 14’ O, altitud de 1100 m y clima muy seco semicálido (Bwh), con humedad atmosférica escasa, temperatura media anual de 22.6 °C, precipitación promedio de 215.5 mm y evaporación media de anual de 2000 mm (Figura 1) (^{Villa et al., 2005}).

Figura 1: Ubicación del área de estudio (A); imagen satelital Landsat 8 infrarrojo (5,4,3) (path 30, row 42) (B); mediciones in situ de NDVI con el equipo GreenSeeker (C). 

La investigación se realizó durante los ciclos de crecimiento 2011 y 2012. Se establecieron cuatro parcelas de 30 m de largo por 30 m de ancho, con 40 surcos en cada una de ellas. Los surcos se orientaron de norte a sur, con distancia entre ellos de 0.76 m y seis plantas por metro lineal (80 000 plantas ha^-1). La siembra se realizó en seco el 21 de abril de 2011 (ciclo primavera) y el 13 de julio de 2012 (ciclo verano), con la variedad de maíz Arrayan (ABT) de ciclo intermedio (~105 días) y tolerante a altas temperaturas. La dosis de fertilización fue dosificada a través del riego de acuerdo al crecimiento fenológico del cultivo aplicando una dosis total de 200-100-00 (N, P₂O₅, K₂O).

El sistema de riego utilizado fue por goteo subsuperficial (RGS). La cintilla utilizada fue la RO DRIP 8 mil (Rivulis Irrigation Inc., San Diego, CA, EUA) con espesor de pared de 0.200 mm y diámetro interior de 16 mm, con emisores a 0.2 m y un caudal de 0.5 L h^-1 por emisor. La cintilla fue enterrada a 0.3 m de profundidad, con distancia entre ellas de 0.76 m. El riego se aplicó cada tercer día, aplicando 100% de ETo, multiplicado por un Kc correspondiente a cada etapa fenológica (inicio, desarrollo, madurez y senescencia). La ETo se tomó de la estación agroclimatológica del Campo Experimental la Laguna, la cual se encuentra ubicada a 10 m del cultivo en estudio. La ecuación que utiliza esta estación para calcular ETo es la propuesta por Penman-Monteith (^{Allen et al., 1998}) (1):

donde:

λ = calor latente de evaporización (MJ kg^-1),

ETo = evapotranspiración de referencia (pasto)(mm día^‑1),

Δ = representa la pendiente de la curva de presión de vapor de saturación (kPa °C^-1),

R _n = radiación neta (MJ m^-2 día^-1),

G = flujo del calor en el suelo (MJ m^-2 día^-1),

P _a = densidad media del aire a presión constante (kg m^‑3),

C _p = calor específico del aire (MJ kg^-1 °C^-1),

(e _s -e _a ) = déficit de presión del vapor (kPa),

γ = constante psicométrica (kPa °C^-1),

r _s y r _a = resistencia superficial y aerodinámica (s m^-1).

El NDVI in situ se empezó a medir a los 12 y 14 días después de la siembra (DDS) en 2011 y 2012 respectivamente, con intervalo de siete días, a una altura de 0.8 m sobre el dosel (Figura 1C). Se realizaron cuatro mediciones por día por parcela a lo largo de los surcos elegidos durante el ciclo del cultivo. Las mediciones se realizaron por la mañana (10:00 a.m.). El promedio de las cuatro parcelas se comparó con el NDVI obtenido de los sensores remotos. Las mediciones se realizaron con el equipo GreenSeeker, el cual fue diseñado por la Universidad Estatal de Oklahoma y comercializado por la compañía NTech Industries (Ukiah, CA, EUA). El GreenSeeker funciona dirigiendo un haz de luz roja (660 nm), así como uno de infrarrojo cercano (780 nm) al dosel del cultivo. El campo de visión es un ovalo que va de 25 a 50 cm dependiendo de la altura a la que se encuentre el GreenSeeker respecto al dosel del cultivo. El NDVI es calculado utilizando la reflectancia espectral de la banda visible e infrarrojo cercano usando la siguiente Ecuación (2) (^{Rouse et al., 1974}).

donde: IRC y R son reflectancias en la longitud de onda del infrarrojo cercano y rojo, respectivamente.

Referente a los sensores remotos, las imágenes de satélite utilizadas se capturaron durante el crecimiento del cultivo del 25 de abril al 14 de julio en 2011 y del 24 de julio al 12 de octubre en 2012, con los satélites Landsat 5 y Landsat 7 TM (Thematic Mapper) (path = 30, row = 42). En 2011 se utilizaron ocho imágenes y en 2012 se utilizaron cinco. Las imágenes se examinaron visualmente, asignando a cada imagen un índice de claridad entre 0 y 1, donde 0 es una imagen llena de nubes e inutilizable y 1 es una imagen libre de nubes. Los índices de claridad para cada imagen se muestran en el Cuadro 1. Para el estudio se usaron imágenes con índice de claridad mayor o igual a 0.8.

Las imágenes satelitales se procesaron con el programa ERDAS IMAGINE (Hexagon Geospatial Co., Madison, AL, EUA) versión 9.0, donde se calibraron los números digitales, primero a radiancia y luego a reflectancia con las siguientes Ecuaciones (3) y (4):

Radiancia:

donde:

L _λ = radiación espectral de la banda de interés,

LMAX _λ : máxima radiación de la banda,

LMIN _λ : mínima radiación de la banda,

Q _calmax : nivel digital máximo calibrado (255),

Q _calmin : nivel digital mínimo calibrado (1),

Q _cal : número digital para cada pixel.

Reflectancia:

donde:

ρ _λ : reflectancia de la banda de interés,

π: 3.1416,

L _λ : radiación espectral de la banda de interés,

d ² : distancia entre la tierra y el sol,

ESUN _λ : irradiación solar en la banda de interés,

COSθ _S : coseno del ángulo de incidencia solar (de nadir) (ángulo cenital = 90 - ángulo de elevación).

El NDVI se calculó con la reflectancia de las bandas 3 y 4 (rojo e infrarrojo cercano) para cada una de las imágenes. Para evitar problemas de mezcla de pixeles, se utilizó el pixel ubicado en el centro del experimento.

Finalmente, se estableció una regresión lineal entre el NDVI derivado de las imágenes de satélite y el NDVI del GreenSeeker con el Kc tomado del manual FAO-56 para un sistema de riego presurizado y basado en la referencia de un pasto (^{Allen et al., 1998}). La ecuación lineal obtenida se usó para estimar el Kc como una función del NDVI para ambos años en estudio. Los valores de Kc se multiplicaron por ETo y se generó ETc.

Resultados y Discusión

Medición in situ de NDVI con el GreenSeeker

La curva de NDVI muestra la misma tendencia a través de la estación de crecimiento para ambos años (Figura 2). Se observó un incremento de NDVI desde la etapa inicial (V3) a la etapa de madurez (inicio floración-grano lechoso (VT-R3)) empezando a los 12 y 14 DDS y terminando a 54 y 48 DDS en 2011 y 2012, respectivamente. En el periodo de inicio de desarrollo hasta madurez se presentaron las mayores desviaciones estándar (±0.05) en 2011 y (±0.048) en 2012. En esta etapa la biomasa se incrementó rápidamente resultando en un aumento de NDVI y una mayor cobertura vegetal. Los valores máximos de NDVI (0.79 y 0.80) fueron a 54 y 48 DDS en 2011 y 2012, respectivamente. La diferencia entre valores máximos de NDVI se debió a las temperaturas medias alcanzadas durante la etapa de desarrollo, registrándose 25.84 y 27.24 °C en abril y mayo de 2011; y 27.79 y 28.78 °C en julio y agosto de 2012 y a la acumulación de unidades calor (UC) 878 en 2011 y 909 en 2012. Debido a las altas temperaturas medias durante el segundo ciclo de crecimiento (Figura 3) y a la acumulación de calor; el ciclo fue menor. Una vez alcanzado el valor máximo de NDVI, los valores empezaron a descender ligeramente, indicando la senescencia del cultivo.

Figura 2: Progresión de NDVI medido in situ con GreenSeeker en maíz forrajero en 2011 y 2012 en la Comarca Lagunera, México. 

Figura 3: Temperatura media durante las primeras etapas de desarrollo del cultivo (0-55 DDS) en los ciclos 2011 y 2012. 

Los resultados de esta investigación fueron similares a los obtenidos en maíz en varios estudios con variaciones de la edad del cultivo cuando alcanzaron los máximos valores de NDVI, debido a diferencias en condiciones de clima y métodos de riego respecto a las ocurridas en la Comarca Lagunera. ^{Hong et al. (2007)} observaron valores máximos de NDVI de 0.79 y 0.81 con el GreenSeeker en el cultivo de maíz durante dos años. ^{Thomason et al. (2007)} reportaron valores máximos de NDVI de 0.80 en la etapa vegetativa (V15), la cual fue alcanzada a 56 DDS, mientras que ^{Romano et al. (2011)} obtuvieron los mayores valores de NDVI en la etapa de pre-antesis (0.79), la cual empezó a 69 y término a 79 DDS. Por lo tanto, los valores de NDVI obtenidos en esta investigación fueron un buen indicador del estado actual de la planta, lo que representa una predicción confiable del coeficiente de cultivo basado en índice de vegetación para maíz forrajero en la Comarca Lagunera.

Estimación de NDVI con sensores remotos

Las curvas de NDVI obtenidas de sensores remotos se caracterizaron por presentar tres etapas de desarrollo (inicio-desarrollo, madurez y senescencia). Las curvas de NDVI generadas con los sensores remotos mostraron la misma tendencia para ambos años en estudio (Figura 4). Progresiones similares de NDVI fueron reportadas por ^{Reyes-González et al. (2018)} en maíz forrajero durante cuatro estaciones de crecimiento al norte de México.

Figura 4: Progresión de NDVI estimado mediante imágenes de satélite en maíz forrajero en 2011 y 2012 en la Comarca Lagunera, México. 

El valor inicial de NDVI fue 0.13 para ambos años. Los valores máximos alcanzados en la etapa de madurez (VT) en 2011 fue 0.73 (61 DDS) y en 2012 fue 0.76 (59 DDS). La etapa de madurez presentó la máxima cobertura vegetal por el cultivo; sin embargo, los valores máximos de NDVI estimados con el satélite fueron menores a los medidos in situ, esto debido a que las mediciones in situ fueron realizadas semanalmente, mientras que con el satélite Landsat la frecuencia fue quincenal (16 días), por lo que en in situ se capturaron los valores de NDVI con mayor exactitud de acuerdo a la etapa fenológica en la que se encontraba el cultivo. Otra razón puede ser que las mediciones in situ son directamente al dosel del cultivo y con el satélite los valores de NDVI son de un área (pixel) de 30 × 30 m, midiendo cultivo y suelo desnudo (^{Reyes-González, 2017 1}). En la última etapa de desarrollo fenológico del maíz, cuando en el cultivo empieza la senescencia los valores de NDVI decrecen ligeramente hasta el final de la estación de crecimiento o época de cosecha (grano a ⅓ de línea de leche (R3)), registrando valores de 0.60 en 2011 y 0.62 en 2012. Los resultados de este estudio son similares a las curvas de NDVI reportadas en otras investigaciones realizadas en el cultivo de maíz (^{Neale et al., 1989}; ^{Bausch, 1993}; ^{Jackson et al., 2004}; ^{Bushong et al., 2014}), las cuales mostraron diferentes etapas fenológicas del cultivo (desarrollo, madurez y senescencia). Las curvas de los índices de vegetación como el NDVI pueden variar de acuerdo con la cantidad de nitrógeno aplicado, cantidad de agua suministrada, prácticas de manejo y sobre todo a las condiciones climáticas de cada región (^{Allen et al., 1998}). Por ello es importante realizar estudios en diferentes regiones, para ajustar la información a las condiciones locales.

Curvas de Kc generadas de los índices de vegetación medidas in situ y estimados con sensores remotos

Los modelos de regresión lineal fueron utilizados para estimar el Kc como función del NDVI para ambos métodos (Figura 5). Las curvas de Kc ajustado obtenidas in situ y estimados con los sensores remotos mostraron una misma tendencia, iniciando con un valor de ~0.2, valor máximo de ~1.0, y al final se reduce a un valor promedio de ~0.78 (Figura 6).

Figura 5: Regresión lineal entre NDVI obtenido in situ (arriba) e imágenes de satélite (abajo) y Kc obtenido del manual de la FAO-56 en maíz forrajero para 2011 y 2012. 

Figura 6: Curvas de coeficiente de cultivo (Kc) ajustado como una función de NDVI obtenido in situ (arriba) y de las imágenes de satélite (abajo) para ambos años en estudio. 

Por otro lado, y de acuerdo con los resultados de Kc ajustado obtenido in situ, el valor máximo de Kc se alcanzó a 54 DDS en 2011 y 48 DDS en 2012, mientras que para las imágenes de satélite fue a 61 DDS en 2011 y 59 DDS en 2012. La diferencia entre el máximo Kc alcanzado en ambos años se debió a las mayores temperaturas medias diarias y a las unidades calor acumuladas (^{Ojeda-Bustamante et al., 2006}) durante el segundo ciclo de crecimiento, el cual fue más cálido (Figura 3). Estas curvas de Kc fueron semejantes a las reportadas por ^{Reyes-González et al. (2015)}, quienes generaron curvas de Kc para maíz utilizando el cultivo de alfalfa como referencia en la Región Lagunera. No obstante, estas curvas fueron diferentes a las reportados por ^{Allen et al. (1998)}, quienes reportaron etapas fenológicas más prolongadas en Utah, EUA, en comparación con las encontradas en este estudio debido principalmente a la acumulación de calor. Por consiguiente, y de acuerdo con los resultados obtenidos en esta investigación, en la agricultura con riego es de vital importancia generar curvas de Kc en condiciones locales como lo recomiendan ^{Doorenbos y Pruitt (1977)} y ^{Allen et al. (1998)}.

Relación de ETc diaria entre los valores estimados in situ y los estimados con las imágenes de satélite

Los coeficientes de determinación (r²) para la ETc estimada fueron 0.98 en 2011 y 0.97 en 2012, mostrando buena relación en la estimación diaria de ETc (Figura 7). Las correlaciones de ETc presentaron interceptos de 0.0762 y 0.0346 y pendientes de 0.9973 y 0.9655 en 2011 y 2012, respectivamente, mostrando alta relación entre los valores medidos y observados con 98% y 97% de confiabilidad. Los resultados fueron semejantes a los reportados en otros estudios (^{González-Dugo et al., 2009}; ^{Lei y Yang, 2012}), quienes encontraron fuertes relaciones de ET basados en NDVI estimados mediante sensores remotos y mediciones in situ en el cultivo de maíz. Sin embargo, en otras investigaciones, también se encontraron bajas correlaciones (r² = 0.70), tal es el caso de los reportados por ^{Singh e Irmark, (2011)}, quienes compararon estimaciones de ET diarias con energía de balance de la Relación de Bowen (BR) in situ, y estimadas mediante imágenes de satélite procesadas con el modelo METRIC (Mapeo de la Evapotranspiración en alta Resolución y con Calibración Internalizada). Por lo tanto, los resultados obtenidos en esta investigación indican que la ETc puede ser estimada eficientemente usando índices de vegetación obtenidos in situ y de imágenes satelitales.

Figura 7: Relación de ETc diaria entre los valores estimados in situ y los estimados con el satélite durante la estación de crecimiento de maíz forrajero en 2011 y 2012. 

Conclusiones

Las curvas del coeficiente de cultivo (Kc) ajustado como una función del índice de vegetación de diferencia normalizada (NDVI) obtenidos in situ y estimados con sensores remotos mostraron una misma tendencia con valores de 0.2 a 1.0. Los valores máximos de Kc se obtuvieron a 54 y 48 días después de la siembra (DDS) in situ y a 61 y 59 DDS con los sensores remotos para el 2011 y 2012, respectivamente, siendo el segundo año el más cálido. Adicionalmente, los valores más bajos de ETc (±1.2 mm día^-1) se presentaron al inicio del ciclo (V3), mientras que los valores más altos (±7.4 mm día^-1) se presentaron en la etapa de madurez (VT-R3). Estos valores fueron estimados con alto grado de precisión (r² = 0.98 y 0.97) entre lo medido y lo estimado utilizando ambos métodos durante los dos años de estudio. Por lo tanto, las mediciones in situ y los sensores remotos pueden ser herramientas útiles para estimar con precisión la evapotranspiración real del maíz forrajero bajo riego, permitiendo incrementar la eficiencia en el uso y manejo del agua en este cultivo.