Avanzando en las predicciones de rendimiento de cultivos: aplicación del modelo AQUACROP en los campos de JECAM de Polonia
Autores: Panek-Chwastyk, Ewa; Ozbilge, Ceren Nisanur; Dbrowska-Zielinska, Katarzyna; Gurdak, Radosaw
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Avanzando en las predicciones de rendimiento de cultivos: aplicación del modelo AQUACROP en los campos de JECAM de Polonia
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Rendimientos de cultivos
Modelo AquaCrop
área de prueba de JECAM
Polonia
Trigo de invierno
Maíz
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Este estudio, utilizando el modelo AquaCrop, demostró una notable eficacia en la evaluación y predicción de rendimientos de cultivos de trigo de invierno, maíz, colza de invierno y remolacha azucarera en el área de prueba del Experimento Conjunto para la Evaluación y Monitoreo de Cultivos (JECAM) en Polonia desde 2018 hasta 2023. Las mediciones in situ, realizadas a través de campañas de campo, incluyeron parámetros como la reflectancia de radiación electromagnética, el Índice de Área Foliar (LAI), la humedad del suelo, la radiación fotosintéticamente activa acumulada, el contenido de clorofila y la fase de desarrollo de las plantas. El modelo fue calibrado con datos de entrada que cubrían parámetros climáticos diarios del repositorio Agregado Diario ERA5-land, detalles de cultivos y características del suelo. Específicamente, para el trigo de invierno, los valores del Error Cuadrático Medio de la Raíz (RMSE) variaron del 1.92% al 14.26% del rendimiento medio por hectárea. El cultivo de maíz mostró valores de RMSE que oscilaron entre el 0.21% y el 1.41% del rendimiento medio por hectárea. La colza de invierno exhibió valores de RMSE que variaron del 0.58% al 17.15% del rendimiento medio por hectárea. En el caso de la remolacha azucarera, los valores de RMSE variaron del 0.40% al 1.65% del rendimiento medio por hectárea. Las predicciones basadas en el Índice de Vegetación de Diferencia Normalizada (NDVI) mostraron una mayor precisión para el trigo de invierno, una precisión similar para el maíz y la remolacha azucarera, pero una precisión menor para la colza de invierno en comparación con el Índice de Área Foliar (LAI). El estudio aporta valiosos conocimientos sobre prácticas de gestión agrícola y facilita los procesos de toma de decisiones para los agricultores en la región.
Descripción
Este estudio, utilizando el modelo AquaCrop, demostró una notable eficacia en la evaluación y predicción de rendimientos de cultivos de trigo de invierno, maíz, colza de invierno y remolacha azucarera en el área de prueba del Experimento Conjunto para la Evaluación y Monitoreo de Cultivos (JECAM) en Polonia desde 2018 hasta 2023. Las mediciones in situ, realizadas a través de campañas de campo, incluyeron parámetros como la reflectancia de radiación electromagnética, el Índice de Área Foliar (LAI), la humedad del suelo, la radiación fotosintéticamente activa acumulada, el contenido de clorofila y la fase de desarrollo de las plantas. El modelo fue calibrado con datos de entrada que cubrían parámetros climáticos diarios del repositorio Agregado Diario ERA5-land, detalles de cultivos y características del suelo. Específicamente, para el trigo de invierno, los valores del Error Cuadrático Medio de la Raíz (RMSE) variaron del 1.92% al 14.26% del rendimiento medio por hectárea. El cultivo de maíz mostró valores de RMSE que oscilaron entre el 0.21% y el 1.41% del rendimiento medio por hectárea. La colza de invierno exhibió valores de RMSE que variaron del 0.58% al 17.15% del rendimiento medio por hectárea. En el caso de la remolacha azucarera, los valores de RMSE variaron del 0.40% al 1.65% del rendimiento medio por hectárea. Las predicciones basadas en el Índice de Vegetación de Diferencia Normalizada (NDVI) mostraron una mayor precisión para el trigo de invierno, una precisión similar para el maíz y la remolacha azucarera, pero una precisión menor para la colza de invierno en comparación con el Índice de Área Foliar (LAI). El estudio aporta valiosos conocimientos sobre prácticas de gestión agrícola y facilita los procesos de toma de decisiones para los agricultores en la región.