Modelos de simulación :contexto y efectos

Texto completo

(1)Nombre Sección Nombre Artículo. Modelos de. simulación. Una herramienta aplicada para facilitar la toma de decisiones Diego Obando, Fisiólogo Vegetal, Asociado de investigación CIAT Carlos Molina, Subgerente Técnico FENALCE. El aumento de la población mundial ejerce presión sobre la producción de alimentos; l a producción agrícola debe ser más eficiente y de manera simultánea los recursos naturales deben ser preservados para evitar el deterioro del medio ambiente.. Natalia Román, Ingeniera de Apoyo FENALCE Modelos de simulación. Modelos de cultivo: El cambio climático y la variabilidad climática afectan la producción, además, la disponibilidad de alimentos para todos los seres humanos se ve intervenida en su dinámica por influencia de la economía. Contar con información suficiente y estimar los e fectos de las actuales acciones resulta fundamental para adaptarse a los requerimientos de una nueva era: los modelos de simulación de cultivo resurgen como herramientas para facilitar la comprensión del sistema de cultivo, la investigación, la planeación y manejo de los cultivos. Pero ¿qué es un modelo de simulación de cultivo? Un modelo es una representación simplificada de la realidad, por ejemplo, si usted llegara a una ciudad desconocida, tendría la opción de recorrerla sin saber a dónde se dirige, pero, si usted contara con un mapa podría acceder a mejor información y llegar de manera más rápida a su destino, en este caso, el mapa es un modelo que representa de manera simplificada la ciudad en la que se encuentra. Un modelo de cultivo, sería entonces, una representación del ciclo del cultivo, con base en fundamentos fisiológicos, que puede construirse de manera empírica a través de la observación y que describe por medio de una ecuación, o de un conjunto de. 18. Año 2015 Edición Nº. 113. ecuaciones, el comportamiento del ciclo productivo. Para algunos cultivos se han desarrollado modelos de simulación que manejados en un computador b rindan información de los posibles efectos que tendría el cambio en las condiciones ambientales como por ejemplo el cambio en el clima, el manejo del suelo o incluso el cambio en la genética. Para el cultivo del maíz hoy existen varios modelos con diferentes grados de complejidad y usos, entre los más más utilizados se encuentran: CERES-Maize, IXIM, A PSIM, CropSyst, WOFOST, SUCROS- Maize, HYBRID-Maize, LPJml, MAIZSIM, SYM COY, MCWLA, MONICA, SALUS, CopWat y AquaCrop. Algunos de estos modelos fueron desarrollados desde los años 80 por investigadores de varias universidades del mundo, y el que se utilice depende del nivel de detalle con el que se quiere obtener la información, y de la finalidad de la misma..

(2) Modelos de. Simulación. Figura 1. Resultado típico de una simulación de cultivo en AquaCrop.. Avances de la FENALCE en modelación de cultivos para simulación de rendimiento potencial:. Figura 2. Resultado típico de una simulación de cultivo en DSSAT.. Desde la década pasada FENALCE ha trabajado en la evaluación de este tipo de herramientas de simulación para las condiciones de producción en Colombia con los genotipos comerciales cultivados por los agricultores en diferentes regiones. Actualmente y desde 2013 en el marco del convenio CIAT – MADR - FENALCE en trabajo conjunto desarrollan actividades relacionadas con la aplicación de estas tecnologías. La metodología consiste en establecer parcelas experimentales Año 2015 Edición Nº113.. 19.

(3) Nombre Sección Nombre Artículo. de seguimiento del crecimiento del cultivo y el registro de las variables del clima, suelo y manejo. A partir del análisis de ésta información posteriormente se obtienen los parámetros que relacionan la respuesta de cada material genético con dichas variables ambientales y de manejo, y se aplican en los modelos de cultivo AquaCrop y DSSAT. Las labores experimentales se concentran en localidades de los departamentos de Córdoba, Tolima, Valle del Cauca, Santander y Quindío. Para el modelo de cultivo desarrollado por la FAO, AquaCrop, se consiguieron las primeras calibraciones en las regiones descritas, como resultado inicial se tiene el rendimiento, índice de cosecha y biomasa determinados en madurez fisiológica, gracias al trabajo conjunto de los ingenieros regionales y los modeladores:. Figura 3.. Figura 5.. Figura 4.. terminando el primer semestre agrícola del año 2014. Los resultados iniciales o btenidos, en síntesis, fueron los siguientes: (figura 5) Para rendimiento se puede decir que el modelo predice de manera muy aproximada los valores, pues el porcentaje medio de variación entre los valores reales obtenidos en campo y los valores simulados fue de un 20%, que puede asociarse a factores de estrés que el modelo no tiene en cuenta por su orientación a la estimación de rendimiento con base en disponibilidad hídrica y variables climáticas.. Buga:. Figura 6.. A cont inuación s e pre s e nt a un re sume n de los pr in cipale s r e sult a dos :. Cereté:. Los materiales modelados fueron el P30F35 y el DK234, se sembraron durante tres ciclos de cultivo, comenzando el primer semestre agrícola del año 2013 y . 20. Año 2015 Edición Nº. 113. Se desarrolló la modelación de los materiales P30F32 y P30K73, durante cuatro ciclos productivos comprendidos entre enero del 2013 y enero del 2015; los resultados iniciales obtenidos fueron los siguientes: (figura 6) En esta localidad se puede decir que los resultados obtenidos fueron favorables para las principales variables evaluadas, especialmente el rendimiento mostró valores muy aproximados con diferencias medias del 7%..

(4) Modelos de. Simulación. Quindío: Los materiales modelados en Buenavista (Quindío) fueron los híbridos FNC3056 y FNC3059 , durante dos ciclos p roductivos comprendidos entre enero del 2014 y enero del 2015, los resultados iniciales fueron los siguientes: (figura 7) La variación media encontrada para los valores obtenidos fue del 2%, y la variable que mejor ajuste presentó fue el índice de cosecha. Si se tiene en cuenta que el rendimiento de un cultivo depende de tres factores principales, y que, cada uno de ellos debería explicar teóricamente el 33.3% del mismo, un porcentaje de variación del 30% entre los valores modelados y los observados resulta muy favorable en AquaCrop, pues el modelo no tiene la capacidad de aplicar estrés por fertilización, plagas, enfermedades y otros factores diferentes al recurso hídrico y al clima. El modelo predice el rendimiento asumiendo condiciones óptimas para que el cultivo alcance el rendimiento potencial, al no tener control de todas las variables en campo, resulta complejo alcanzar los rendimientos potenciales, por eso, diferencias en rendimiento de una tonelada pueden ser adjudicadas a esta razón.. El rendimiento presentado en este informe no es el mismo rendimiento que en cosecha sino el alcanzado en m adurez fisiológica, expresado en materia seca.. FITOMEJORAM. Figura 7.. Otros usos de los modelos de cultivo : Con base en información histórica de clima se realizan análisis de la sensibilidad del cultivo ante eventos de variabilidad climática a través de los modelos de cultivo, un ejemplo es el efecto simulado en el rendimiento por reducción en la precipitación y aumento de la temperatura durante un evento Niño en dos regiones del país.. Figura 8. Efecto simulado en rendimiento promedio de cuatro genotipos de maíz por eventos históricos de variabilidad climática (niño 2009B) en las localidades de Cereté (Córdoba) y Buga La grande (Valle), las barras muestran la desviación estándar.. Estas simulaciones son realizadas con el modelo IXIM del sistema de apoyo de decisiones para la transferencia de tecnología agrícola por sus siglas en inglés (DSSAT), también con el modelo AquaCrop, desarrollado por FAO. La transferencia y adopción de estas herramientas por parte de FENALCE se realiza a través de talleres participativos con técnicos e investigadores y se ha llevado hasta la socialización de resultados con agricultores en las regiones. En estos talleres uno de los aspectos más importantes es la identificación de medidas de adaptación como cambio en las fechas de siembra, manejo del riego, uso de coberturas muertas y labranza mínima entre otras.. Año 2015 Edición Nº113.. 21.

(5) Nombre Sección Nombre Artículo. Otra de las acciones realizadas a partir de la aplicación de los modelos de simulación de cultivo consiste en la unión con los modelos de pronóstico climático, de esta manera en el proyecto se evalúa la habilidad de las dos estrategias de modelación clima y cultivo para la generación de información anticipada del posible comportamiento del cultivo, en sitios piloto y la capacidad de generar alertas tempranas para el agricultor. De acuerdo con el objetivo que se plantee en modelación, a futuro éstas herramientas seguirán siendo aplicadas en el análisis de vulnerabilidad y mejoramiento de los sistemas de cultivo, con el avance de la tecnología ya están siendo integrados con los sistemas de información geográfica y en la medida que se cuente con mejor información de entrada los resultados serán cada vez más locales y menos inciertos. De acuerdo con el objetivo que se desee abordar, los modelos de simulación de cultivo seguirán siendo aplicados en el análisis de vulnerabilidad y mejoramiento de los sistemas de cultivo, con el avance de la tecnología ya están siendo integrados con los sistemas de información geográfica y en la medida que se cuente con mejor información de entrada los resultados serán cada vez menos inciertos a escala local y con mayor cobertura a nivel regional. 22. Año 2015 Edición Nº. 113.

(6)