DellaMaggiora2002

Vista previa del material en texto

EVALUACIÓN DE UN MODELO DE BALANCE DE AGUA EN EL SUELO PARA 
EL CULTIVO DE MAIZ. 
 
Aida I. Della Maggiora
(1)
, Andrea I. Irigoyen
(1)
, Jesús M. Gardiol
(2)
, Octavio Caviglia
(3)
 y Laura Echarte
(1)
 
(1) 
Unidad Integrada Facultad de Ciencias Agrarias UNMdP-EEA Balcarce INTA 
(2)
 Facultad de Ciencias Exactas y Naturales UBA 
(3)
 EEA INTA Paraná- Facultad de Ciencias Agrarias UNER 
 
RESUMEN 
En el presente trabajo se evalúa la aptitud de un modelo de balance simple para estimar el 
contenido de agua del suelo durante la estación de crecimiento del cultivo de maíz en 
Balcarce. Este modelo asume al suelo como reservorio de agua, definido entre los límites 
máximo y mínimo de agua disponible para las plantas. 
Las variables de entrada son precipitación, riego, evapotranspiración de referencia (ET0), 
coeficiente de cultivo (Kc), profundidad del suelo, límite máximo y mínimo de almacenaje de 
agua y almacenaje inicial. La evapotranspiración real (ETR) se calcula corrigiendo la ET0 por 
el Kc cuando el agua del suelo está fácilmente disponible. Si el suelo se seca por debajo de un 
umbral crítico (UC) se considera una disminución lineal de la ETR respecto de la 
evapotranspiración máxima (ETM) hasta el límite mínimo. 
Se prueba el modelo empleando dos niveles de almacenaje al límite máximo (360 y 300 mm 
m
-1
 y seis umbrales críticos expresados como fracción de agua disponible (0.5; 0,6; 0,7; 0,8; 
0,9 y 1,0). Se comparan los valores estimados de agua en el suelo con los medidos a campo en 
dos campañas agrícolas (2000-01 y 2001-02) y dos situaciones hídricas, riego y secano. 
Los resultados muestran un adecuado comportamiento del modelo cuando se emplean 360 
mm m
-1
 de límite máximo y un umbral crítico de 0,8 del agua disponible. Asimismo, se 
detecta su mejor performance para simular el agua en el suelo bajo condiciones de secano. 
Bajo riego se producen mayores excesos de agua que explican gran parte de los errores de 
estimación. Dado que el modelo no contempla pérdidas por escurrimiento es de esperar que 
mejoren sus estimaciones si se corrige la precipitación total por la que efectivamente ingresa 
al suelo. 
Palabras claves: Balance de agua del suelo, agua disponible, modelo de simulación, maíz. 
 
 
EVALUATION OF SOIL WATER BALANCE MODEL FOR MAIZE 
SUMMARY 
A simple model for estimating soil water balance during maize season growing is evaluated at 
Balcarce. The model assumes soil as reservoir, therefore soil water content ranges from upper 
to lower limits of soil water available to plants. The input variables are precipitation, 
irrigation, reference evapotranspiration, crop coefficient, soil depth, upper and lower limits, 
initial soil moisture. Actual evapotranspiration (ETR) is calculated from ET0 correction by 
crop coefficients, when soil water is readily available. If soil is drying below a critical value 
(UC) a linear depletion is considered from maximum evapotranspiration. Two values are 
probed as upper limit (360 y 360 mm m
-1
). Six values are probed as critical value, expressed 
as fraction of total extractable soil water (0,5; 0,6; 0,7; 0,8; 0,9 and 1,0). 
Simulated data are compared with experimental data over two growing season (2000-2001 
and 2001-2002) under irrigated and rainfed conditions. This model presents adequate 
performance with 360 mm m
-1
 as upper limit and 0,8 as critical value (UC). 
Best accuracies are obtained when rainfed conditions are simulated. Irrigated conditions gives 
estimation error associated to water excess. This model assumes no runnoff, therefore 
soil water estimations will be improved if effective precipitation is considerated. 
Key words: soil water balance, soil water availability, simulation model, maize. 
 
INTRODUCCIÓN 
 
El conocimiento del contenido de agua del suelo tiene gran importancia tanto en aspectos 
agrícolas como hidrológicos, afectando el rendimiento de los cultivos, las prácticas de manejo 
agrícola y un amplio rango de procesos físicos y químicos en el suelo (de Jong y 
Bootsma,1996). Los métodos para obtener determinaciones directas del contenido de agua en 
el suelo son costosos y/o dificultosos. Consecuentemente, se han desarrollado numerosos 
modelos de simulación de agua en el suelo con diferente grado de sofisticación, desde 
modelos simples de balance a los más complejos determinísticos. En la selección del modelo 
a emplear se debe considerar la naturaleza del problema a resolver, el nivel de sofisticación 
 
 
del modelo y la disponibilidad de datos de entrada (Akinremi y Mc Ginn, 1996; de Jong y 
Bootsma, 1996; Brisson et al., 1992; Jara y Stockle, 1999). 
Los modelos simples de balance suponen al suelo como un reservorio de agua y requieren 
para su aplicación una mínima cantidad de datos de entrada, tales como la lámina de agua en 
el suelo al límite máximo, la lámina de agua en el suelo al límite mínimo, el ingreso de agua 
al suelo por precipitación y/o riego y las pérdidas por evapotranspiración. La 
evapotranspiración de un cultivo (ETR) se puede determinar por corrección de la 
evapotranspiración de referencia (ET0) a través de un coeficiente de cultivo (Kc). El modelo 
ET0 x Kc es un buen predictor de la ETR e iguala a la evapotranspiración máxima (ETM) o 
requerimiento de agua, cuando el agua del suelo está fácilmente disponible. Sin embargo, en 
condiciones de suelo más seco, la ETR se reduce respecto a la ETM, por restricción en la 
disponibilidad de agua en el suelo. Es necesario entonces incorporar alguna función de la 
disponibilidad de agua. Numerosos estudios han evidenciado estas relaciones (Denmead y 
Shaw, 1962; Ritchie,1972; Hanks, 1974; Kanemasu et al., 1976; Wright y Smith, 1983, 
Muchow y Sinclair, 1991; NeSmith y Ritchie, 1992; Meinke et al 1993; Robertson et al., 
1993, Wright et al., 1994; Lamm et al., 1994; Rana et al.,1997; Anadransitakis et al., 2000; 
Poulovassilis et al.; 2001, Ziaei y Sepaskhah; 2003, entre otros). Dentro de los modelos más 
comúnmente empleados se considera i) una disminución lineal de la tasa de 
evapotranspiración a partir de un valor determinado de disponibilidad de agua denominado 
umbral crítico o ii) una disminución continua (lineal o exponencial) a lo largo de todo el 
rango de agua disponible. Doorenbos y Kassam (1979) señalan el 50% de agua disponible 
como umbral crítico (UC) para la mayoría de los cultivos. Este nivel puede corregirse en 
función de la demanda atmosférica y la sensibilidad del cultivo a la falta de agua. El rango de 
umbral crítico empleado en distintos modelos de estimación de ETR de maíz, varía entre 50 y 
85% del agua disponible (Ritchie, 1973; Hanks, 1974; Stegman, 1983; Amos et al.; 1989; 
Lamm et al., 1994). 
 
 
En el presente trabajo se evalúa el comportamiento de un modelo simple de estimación del 
contenido de agua en el suelo durante la estación de crecimiento del cultivo de maíz en 
Balcarce. 
MATERIALES Y MÉTODOS 
El modelo de balance de agua empleado tiene como variables de entrada la precipitación, el 
riego, la evapotranspiración de referencia (ET0), el coeficiente de cultivo (Kc), la lámina de 
agua en el suelo al límite máximo (LAMLmax), la lámina de agua en el suelo al límite mínimo 
(LAMLmax) y la lámina de agua en el suelo al inicio del balance. 
Las estimaciones del contenido de agua en el suelo se comparan con determinaciones a campo 
durante la estación de crecimiento de un cultivo de maíz (Pioneer 37P73) desarrollado sobre 
un Paleudol petrocálcico. La humedad del suelo se determinó empleando el método 
gravimétrico (0-0.10m de profundidad) y el de atenuación de neutrones (más de 0.10 m), 
sobre parcelas cultivadas con maíz bajo dos situaciones hídricas (riego y secano). Las 
experiencias se realizaron en dos campañas agrícolas (2000-2001 y 2001-2002) en la Unidad 
Integrada Balcarce INTA-FCA, UNMdP (37º45’ S y 58º18’ W). 
Se calcula el balancede agua para una profundidad de suelo de 0,8 m en el intervalo i según: 
LAMi = LAMi-1 - ETRi -Di + Pi + Ri (Ec.1) 
donde LAMi representa la lámina de agua en el suelo, ETRi es la evapotranspiración real, Pi 
es la precipitación, Ri es la lámina de riego y Di es el drenaje determinado como la lámina de 
agua en exceso de la LAMLmax. La lámina de agua en el suelo medida al inicio de la estación 
de crecimiento del cultivo se emplea como valor inicial en el balance. 
En este modelo de balance tipo reservorio se asume: 
LAMLmax ≤ LAMi ≤ LAMLmin (Ec. 2) 
Se consideran dos opciones de LAMLmax, la medida en el sitio experimental (360 mm m
-1
) y la 
lámina de 300 mm m
-1
 empleada como valor medio para suelos de la zona (Suero et al.; 
 
 
1997). Se estima la LAMLmin como el 55% de la LAMLmax, relación obtenida a partir de los 
análisis de laboratorio y determinaciones a campo sobre muestras del perfil. 
Se utilizan intervalos de cálculo de 3 a 9 días en la condición de secano y de 1 a 7 días en la 
condición bajo riego, en coincidencia con los correspondientes a las determinaciones del 
contenido de agua en el suelo a campo. 
Se calcula la ETRi a partir de la evapotranspiración de referencia (ET0) según: 
 ETRi = ET0i . Kci (Ec. 3) 
donde la ET0i se estima por el método de Penman (1948) y el Kci como una función de la 
fracción del tiempo térmico en la estación de crecimiento (Gardiol et al.; 2002). La 
evapotranspiración real (ETRi) se calcula según la Ec. 3, cuando el valor de agua disponible 
del suelo fue igual o mayor al umbral crítico, por debajo de este valor se considera una 
declinación lineal hasta el LAMLmin . En este caso la ETRi se calcula según: 
ETRi = ET0i Kci (1/UC) FADi (Ec. 4) 
donde UC es el umbral crítico y FADi es la fracción de agua disponible calculada según: 
FADi=(LAMi-1 - LAMLmin )/( LAMLmax - LAMLmin) (Ec.5) 
Se calcula el balance de agua para seis umbrales críticos expresados como fracción del agua 
disponible remanente (0,5; 0,6; 0,7; 0,8; 0,9 y1,0). 
La evaluación del modelo se realiza a través de gráficos de dispersión, ajuste por regresión 
(P< 0,05) y determinación de la raíz cuadrada del cuadrado medio de error (RCME) según: 
RCME= (∑ (estimado-observado)
2
/n-1)
0.5
 (Ec. 6) 
RESULTADOS Y DISCUSIÓN 
En la Figura 1 se presentan los ajustes por regresión para el modelo aplicado al conjunto de 
datos correspondiente a las condiciones de secano y riego con distintos umbrales críticos. La 
regresión resulta en todos los casos significativa (p < 0,05). El valor medio observado (n=190) 
es de 259 mm, y los estimados varían desde 248,3 a 262,4 mm, al aumentar el umbral crítico 
desde 0,5 a 1,0 (Cuadro 1). La performance del modelo empleando cada uno de los seis 
 
 
umbrales críticos se puede observar a través de la magnitud de los coeficientes a y b de la 
recta ajustada y la magnitud de la RCME. Los coeficientes a varían entre -56.6 y 54.9 mm a 
los umbrales críticos 0,5 y 1,0, respectivamente. El nivel 0,8 de umbral crítico presenta el 
menor coeficiente a con valor de 9,0 mm. Los coeficientes b varían desde 1,18 a 0,80, al 
aumentar el umbral crítico desde 0,5 a 1,0. La RCME que representa el desvío estándar de 
los valores estimados respecto a los valores observados de la lámina de agua en el suelo 
disminuye desde 18,1 a 12,7 mm al aumentar el UC desde 0,5 a 0,9. 
Considerando los diferentes criterios de evaluación, el modelo con umbral crítico 0,8 resulta 
el de mejor performance para el conjunto de datos analizados (Cuadro 1). Esto concuerda con 
evidencias experimentales que indican que cuando el agua disponible cae por debajo del 80- 
85% se pueden afectar componentes del crecimiento y/o del rendimiento en grano de maíz 
(Stegman, 1983; NeSmith y Richie,1992). Se reconoce que el crecimiento foliar se afecta a 
niveles ligeramente más altos de agua disponible que la apertura estomática (McCree y 
Fernández, 1989) que sería la determinante de una reducción en la evapotranspiración real 
con respecto a la máxima. En diversos trabajos se han empleado valores de umbral crítico 
más bajos, entre 0.5 y 0.6 del agua disponible remanente para estimar evapotranspitación real 
de maíz (Hanks, 1974; Amos et al., 1989; Lamm et al., 1994). Se debe considerar que el 
umbral crítico puede variar con el tipo de suelo y la demanda atmosférica (Doorenbos y 
Kassam, 1979; Brisson et al.,1992; Lamm et al., 1994). 
 
 
 
 
Figura 1. Valores estimados por el modelo de 
balance de agua empleando como LAMLmax 360 
mm m
-1
 vs. los observados bajo riego y secano. 
Cuadro Nº 1. Estadísticos para evaluar el ajuste del 
modelo empleando una LAMLmax de 360 mm m
-1
. 
 
 UC Campaña C n MP MO a b RCME
 
0,5 
 
2000/01 y 2001/02 
 
R+S 
 
190 
 
248,3 
 
259,0 
 
-56,6 
 
1,18 
 
18,1 
 
2000-01 R 52 261,7 267,2 83,7 0,67 10,9 
2000-02 R 48 269,7 275,9 68,1 0,73 17,3 
 
2000-01 S 60 223,0 243,9 -84,9 1,26 25,2 
2001-02 S 30 241,4 248,0 -49,7 1,17 12,7 
0,6 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
249,9 
 
 
259,0 
 
 
-36,0 
 
 
1,10 
 
 
16,2 
 
2000-01 R 52 261,8 267,2 83,9 0,66 10,9 
2001-02 R 48 269,7 275,9 68,2 0,73 17,3 
 
2000-01 S 60 226,9 243,9 -61,0 1,18 21,1 
2001-02 S 30 243,3 248,0 -36,6 1,13 10,3 
0,7 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
251,8 
 
 
259,0 
 
 
-15,0 
 
 
1,03 
 
 
14,4 
 
2000-01 R 52 262,3 267,2 88,9 0,65 10,8 
2001-02 R 48 269,9 275,9 72,5 0,71 16,9 
 
2000-01 S 60 231,1 243,9 -36,8 1,09 17,3 
2001-02 S 30 246,4 248,0 -21,8 1,08 8,3 
0,8 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
254,7 
 
 
259,0 
 
 
9,0 
 
 
0,95 
 
 
12,9 
 
2000-01 R 52 264,4 267,2 105,5 0,59 10,5 
2001-02 R 48 270,4 275,9 82,9 0,68 16,0 
 
2000-01 S 60 235,8 243,9 12,5 1,02 14,1 
2001-02 S 30 250,6 248,0 -4,4 1,03 8,3 
0,9 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
258,6 
 
 
259,0 
 
 
32,9 
 
 
0,87 
 
 
12,7 
 
2000-01 R 52 269,2 267,2 144,7 0,47 12,3 
2001-02 R 48 271,4 275,9 97,3 0,63 15,3 
 
2000-01 S 60 241,3 243,9 10,2 0,95 12,0 
2001-02 S 30 254,4 248,0 12,2 0,98 10,8 
1,0 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
262,4 
 
 
259,0 
 
 
54,9 
 
 
0,80 
 
 
14,0 
 
2000-01 R 52 273,8 267,2 174,9 0,37 15,3 
2001-02 R 48 272,7 275,9 113,9 0,57 15,0 
 
2000-01 S 60 246,4 243,9 30,1 0,89 11,8 
2001-02 S 30 258,4 248,0 31,6 0,91 14,6 
 
 
 R: riego S: secano 
 MP: media predicha, mm n: número de repeticiones 
 MO: media observada, mm a: ordenada al origen, mm 
 RCME: raíz cuadrada del cuadrado b: pendiente 
 medio de error, mm 
La línea fina es la recta 1:1. 
100
150
200
250
300
350
400
100 200 300 400
E
s
tim
a
d
o
UC 0,5
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,6
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,7
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,8
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,9
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 1,0
Observado
 
 
 
 
Figura 2. Evolución del agua del suelo (0-0,8 m de profundidad) estimada por el modelo de balance 
(línea continua), comparada con valores medidos (círculos) en las campañas agrícolas 2000-2001 y 
2001-2002 en las situaciones con riego y secano. 
 
En la Figura 2 se puede apreciar la concordancia de los valores observados con los estimados 
por el modelo empleando el umbral crítico de 0,8, con el que se alcanza el mejor ajuste. La 
lámina de agua en el suelo media observada para la condición con riego en las dos campañas 
agrícolas (n=100) es de 271,4 mm (cercano al 87% del agua disponible), con un mínimo de 
236,5 mmy un máximo de 308,6 mm. En la campaña agrícola 2000-2001 la precipitación 
acumulada durante la estación de crecimiento es de 360,9 mm, de los cuales 
aproximadamente 100 mm ocurren al final de la estación de crecimiento y resulta en un 
requerimiento de riego de 234,5 mm. Mientras que en la campaña agrícola 2001-2002 se 
acumulan 442,1 mm de precipitación y se aplican 138,7 mm de riego. La ecuación de 
regresión ajustada para la condición con riego presenta coeficientes a (92.9 mm) y b (0.64) 
que se alejan de la recta 1:1, siendo la RCME de 13,4 mm. 
La lámina de agua en el suelo para la condición de secano en las dos campañas agrícolas 
presenta un valor medio observado (n=90) de 245,3 mm (cercano al 67% del agua 
0
100
200
300
400
0 20 40 60 80 100 120 140 160
Días desde emergencia
L
á
m
in
a
 d
e
 a
g
u
a
, 
m
m
2001-02 Riego
0
100
200
300
400
0 20 40 60 80 100 120 140 160
Días desde emergencia
L
á
m
in
a
 d
e
 a
g
u
a
, 
m
m
2000-01 Riego
0
100
200
300
400
0 20 40 60 80 100 120 140 160
Días desde emergencia
L
á
m
in
a
 d
e
 a
g
u
a
, 
m
m
2001-02 Secano
0
100
200
300
400
0 20 40 60 80 100 120 140 160
Días desde emergencia
L
á
m
in
a
 d
e
 a
g
u
a
, 
m
m
2000-01 Secano
 
 
disponible), con un mínimo de 192,2 mm y un máximo de 291,3 mm. Los coeficientes de la 
recta de regresión ajustada (a= –12,6 y b=1,03) se aproximan a los correspondientes de la 
recta 1:1, siendo el valor de la RCME de 12,5 mm. Estos resultados demuestra la mejor 
aptitud del modelo para simular la condición de secano y coinciden con lo obtenido en otros 
trabajos en los que se informan mayores errores de estimación del contenido de agua en el 
suelo cuando se simulan condiciones de riego o períodos con abundantes precipitaciones 
(Brisson et al.,1992; Jara y Stockle, 1999). Los errores que se producen en estas condiciones 
se podrían reducir si el modelo contempla la estimación del escurrimiento y la intercepción de 
lluvia por la vegetación como forma de obtener la precipitación que efectivamente ingresa al 
suelo (Brisson et al.,1992). 
En la Figura 3 se presentan los ajustes por regresión para el modelo aplicado al conjunto de 
datos correspondiente a las condiciones de secano y riego, empleando 300 mm m
-1 
de 
LAMLmax y diferentes umbrales críticos. Las ecuaciones de regresión son significativas (p < 
0,05) y señalan una marcada subestimación del contenido de agua en el suelo. Los valores 
estimados por el modelo con distintos umbrales varían desde 206,0 a 231,0 mm, siendo el 
valor medio observado de 259 mm (Cuadro 2). Los coeficientes a varían desde –67,8.6 a 20,9 
mm al aumentar el umbral crítico desde 0,5 a 1,0. Los coeficientes b varían desde 1,06 a 0,76 
al aumentar el umbral crítico desde 0,5 a 1,0. Los valores de RCME son altos a todos los 
umbrales críticos, variando desde 43,7 a 54,8 mm al disminuir el UC desde 1,0 a 0,5. 
Estos resultados demuestran la importancia de disponer con la mayor precisión posible en la 
determinación de la lámina de agua al límite máximo para aplicar este balance, tal como lo 
señalan de Jong y Bootsma (1996). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Cuadro Nº 2. Estadísticos para evaluar evaluar el ajuste 
del modelo empleando una LAMLmax de 300 mm m
-1
. 
UC Campaña C n MP MO a b RCME 
 
0,5 
 
2000/01 y 2001/02 
 
R+S 
 
190 
 
206.0 
 
259.0 
 
-67.8 
 
1.06 
 
54.8 
 
2000-01 R 52 217,8 267,2 10,2 0,77 50,6 
2001-02 R 48 221,7 275,9 20,2 0,73 57,1 
 
2000-01 S 60 187,4 243,9 -90,7 1,14 58,6 
2001-02 S 30 197,6 248,0 -94,8 1,18 52,6 
0,6 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
207,5 
 
 
259,0 
 
 
-51,0 
 
 
1,00 
 
 
53,2 
 
2000-01 R 52 218,1 267,2 13,1 0,76 50,3 
2001-02 R 48 221,8 275,9 22,1 0,72 57,0 
 
2000-01 S 60 190,4 243,9 73,5 1,08 55,6 
2001-02 S 30 200,6 248,0 -81,4 1,13 49,4 
0,7 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
209,3 
 
 
259,0 
 
 
-32,6 
 
 
0,93 
 
 
51,4 
 
2000-01 R 52 218,9 267,2 23,1 0,73 49,6 
2001-02 R 48 222,2 275,9 31,2 0,69 56,5 
 
2000-01 S 60 193,5 243,9 -53,7 1,01 52,4 
2001-02 S 30 203,9 248,0 -65,6 1,09 46,0 
0,8 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
211,9 
 
 
259,0 
 
 
-12,5 
 
 
0,87 
 
 
48,7 
 
2000-01 R 52 221,4 267,2 50,2 0,64 47,2 
2001-02 R 48 222,8 275,9 42,9 0,65 55,6 
 
2000-01 S 60 200,5 243,9 -17,3 0,89 45,3 
2001-02 S 30 211,0 248,0 -33,7 0,99 39,1 
0,9 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
215,0 
 
 
259,0 
 
 
4,9 
 
 
0,81 
 
 
46,1 
 
2000-01 R 52 225,6 267,2 84,7 0,53 43,5 
2001-02 R 48 224,0 275,9 58,3 0,60 54,4 
 
2000-01 S 60 243,9 243,9 -17,3 0,89 45,3 
2001-02 S 30 248,0 248,0 -33,7 0,99 39,1 
 
1,0 
 
 
2000/01 y 2001/02 
 
 
R+S 
 
 
190 
 
 
217,6 
 
 
259,0 
 
 
20,9 
 
 
0,76 
 
 
43,7 
 
2000-01 R 52 228,5 267,2 108,
2 
0,45 41,0 
2001-02 R 48 225,3 275,9 73,9 0,55 53,2 
 
2000-01 S 60 203,8 243,9 -3,6 0,85 41,8 
2001-02 S 30 214,0 248,0 -16,2 0,90 36,4 
 
 
 R: riego S: secano 
 MP: media predicha, mm n: número de repeticiones 
 MO: media observada, mm a: ordenada al origen, mm 
 RCME: raíz cuadrada del b: pendiente 
 cuadrado medio de error
Figura 3: Valores estimados por el modelo de 
balance de agua empleando LAMLmax 300 mm 
m
-1
 vs. los observados en condiciones de secano 
y riego. La línea fina es la recta 1:1 
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,7
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,8
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 0,9
100
200
300
400
100 200 300 400
E
s
tim
a
d
o
UC 1,0
Observado
100
200
300
400
100 200 300 400
e
s
tim
a
d
o
s
UC 0,6
100
200
300
400
100 200 300 400
e
s
tim
a
d
o
s
UC 0,5
 
 
CONCLUSIONES 
El modelo de balance de agua evaluado presenta adecuado comportamiento para estimar el 
contenido de agua durante la estación de crecimiento de maíz cuando se define correctamente 
la lámina de agua al límite máximo y el umbral crítico. 
El cambio en el límite máximo tiene gran impacto sobre la precisión de las estimaciones del 
contenido de agua, por lo que se debe contar con determinaciones lo más ajustadas posibles 
de esta variable para su aplicación. 
El modelo evaluado presenta mejor performance para simular condiciones de secano. En 
condiciones de riego se producen mayores excesos de agua que explican gran parte de los 
errores de estimación. Dado que el modelo no contempla pérdidas por escurrimiento es de 
esperar que mejoren sus estimaciones si se encuentran formas ajustadas para corregir la 
precipitación total por la que efectivamente ingresa al suelo. 
La aplicación de este balance se restringe a suelo y climas similares a los del estudio, la 
extrapolación a otras condiciones requiere de una nueva validación. 
BIBLIOGRAFIA 
AKINREMI, O.O. y S.M. MCGINN.1996. Usage of soil models in agronomic research. Can. J. of Soil Sci. 76: 
285-295. 
AMOS, B., STONE, L.R. AND L. D. BARK. 1989. Fraction of thermal units as the base for an evapotranspiration 
crop coefficient curve for corn. Agron. J. 81: 713-717. 
ANADRANSITAKIS, M.; LIAKATAS, A.; KERKIDES, P. RIZOS, S. GAVANOSIS, J. Y J. 
POULOVASSILIS.2000. Crop water requirements model tested for grown in Greece. Agric. Water 
Management 45:297-316. 
BRISSON, N.; SEGUIN, B y P. BERTUZZI.1992.Agrometeorological soil water balance for crop simulation 
models. Agric. For. Meteorol. 59: 267-287. 
DE JONG, R. y A. BOOTSMA. 1996. Review of recent developments in soil water simulation models. Can. J. of 
Soil Sci. 76: 263-273. 
DENMEAD,O.C y R.H. SHAW.1962. Availability of soil water to plants as affected by soil moisture content and 
meteorologicalconditions.Agron. J. 54: 385-390. 
DOORENBOS, J. y A. KASSAM. 1979. Yield response to water. FAO Irrig. and Drain.Paper Nº 33. Rome, Italy. 
193 pp. 
GARDIOL J.M.; DELLA MAGGIORA, A.I. y A.I: IRIGOYEN. 2002. Curvas de Coeficiente de cultivo de maíz, 
girasol y soja. Actas IX Reunión Argentina de Agrometeorología: 171-172. Vaquerías, 18-20 setiembre 2002. 
HANKS, R.J.1974. Model for predicting plant growth as influenced by evapotranspiration and soil water. Agron. 
J. 65:660-665. 
JARA, J. y C. STOCKLE. 1999. Simulation of water uptake in maize, using differente levels of process detail. 
Agron. J. 91:256-265. 
KANEMASU, E. T.; STONE, L. R. y W.L. POWERS. 1976. Evapotranspiration model tested for soybean and 
sorghum. Agron. J. 68: 569-572. 
 
 
LAMM, F.R.; ROGERS, D.H. y H.L. MANGES.1994. Irrigation scheduling with planned soil water depletion. 
Trans. of ASAE 37 (5):1491-1497. 
McCREE, K.J. Y C.J. FERNANDEZ. 1989. Simulation model for studying physiological water stress responses of 
whole plants. Crop Sci. 29:353-360. 
MEINKE, H.; HAMMER, G.L. y P.J. WANT. 1993. Potential soil water extraction by sunflower on a range of 
soils. Field Crops Res. 32:59-81. 
MUCHOW, R.C. y T.R.. SINCLAIR, 1991. Water deficit effects on maize yields modelled under current and 
greenhouses climates. Agron. J. 83: 1052-1059. 
NESMITH, D.S. y J.T. RITCHIE 1992. Short and long term responses of corn to a pre-anthesis soil water deficit. 
Agron. J. 84:107-113. 
PENMAN, H.L. 1948. Natural evaporation from open water, bare soil and grass. Proc. R. Soc. London. Proc. Ser. 
A. 193: 120-146. 
POULOVASSILIS, A.; ANADRANISTAKIS, M.; LIAKATAS, A.; ALEXANDRIS, S. Y P. KERKIDES. 2001. 
Semi-empirical approach for estimating actual evapotranspiration in Greece. 
Agricultural Water Management 51:143-152. 
RANA, G.; KATERJI, N.; MASTRORILLI, M. y M. EL MOUJABBER.1997.Environmental and soil-plant 
parameters for modelling actual evapotranspiration under stress conditions. Ecol. Modell. 101: 363-371. 
RITCHIE, J.T. 1972. Model for predicting evaporation from a row crop with incomplete cover. Water Resources 
Res. 8: 1204-1213. 
SHAOZHONG, K.; HUANJIE, C. y Z. JIANHUA. 2000. Estimation of maize evapotranspiration under deficits in 
a semiarid region. Agricultural Water Management 43: 1-14. 
STEGMAN, E.C. 1983. Irrigation scheduling: applied timing criteria. In: HILLEL, D.(ed.) Advances in Irrigation. 
1-30. Academic Press. N.Y. 
SUERO, E.E., IRIGOYEN A.I. y A.I. DELLA MAGGIORA. 1997. Planificación de riego. Actas 7
a
 Reunión 
Argentina y 1
a
 Latinoamericana de Agrometeorología. Sesión III. Adversidades meteorológicas (modelo, 
pronóstico, protección) pp. 1-2. Buenos Aires, 28 al 30 de abril, 1997. 
WRIGHT, E.; CARR, M.K. y P.J. HAMER. 1994. Crop production and water use: I. A model for estimating crop 
water-use with limited data. J. of Agric. sci 123: 9-13. 
WRIGHT, G.C. y R.C.SMITH. 1983. Differences between two grain sorghum genotypes in adaptation to drought 
stress.II. Root water uptake and water use. Aust.J.Agric. Res. 34: 627-636. 
ZIAEI, A.N. y A.R. SEPASKHAH.2003. Model for simulating of winter wheat yield under dryland and irrigated 
conditions. Agric. Water Management 58: 1-17.