Descarga la aplicación para disfrutar aún más
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.
Compartir