Top. Meteoro. Oceanog.

10 (2) 63-68, 2003

Validación de CROPGRO-Dry Bean, un modelo de simulación del crecimiento y desarrollo del cultivo de frijol en Los Chiles, Costa Rica

ROBERTO VILLALOBOS FLORES1, JOSÉ ALBERTO RETANA
Gestión de Desarrollo Instituto Meteorológico Nacional Ministerio del Ambiente y Energia Abstract
CROPGro is a growth and development simulation model. It has been designed in order to simulate the growth, development and bean´s yield. The model uses the DSSAT format. The calibration and validation outputs of the model are presented, for the location of Parque, Los Chiles, San Carlos, using the variety of bean known as “Brunca”. A coefficient of determination (r2) of 97%, a coefficient of correlation of 98% and an index of agreement (d) of 99% were gotten. The model seen to be an usefull tool for the forecast and the pursuit ontogenic of this crop.

1. Introducción Los avances en el entendimiento de los principios que rigen el crecimiento y desarrollo de los cultivos, han guiado a la creación de algoritmos que simulan los detalles de los procesos implícitos en los procesos fisiológicos de algunos cultivos. El modelo CROPGRO-Dry Bean (Hoogenboom et al., 1995), ha sido diseñado para simular el crecimiento, desarrollo y rendimiento del cultivo de frijol (Phaseolus vulgaris L.). Estas simulaciones están en función de las condiciones ambientales, del tipo de suelo y del manejo del cultivo (White et al., 1995; White y Hoogenboom, 1996). El modelo utiliza el formato de los archivos de un Sistema de Soporte de Decisiones para la Transferencia de Agrotecnología (DSSAT v3.0), con una frecuencia de cálculo diario. Durante el ciclo del cultivo, el modelo estima el tiempo desde la siembra a la germinación, la aparición de las hojas primarias, la secuencia de aparición de las hojas trifoliadas, la iniciación floral, la ocurrencia de
Corresponding author adress: Roberto Villalobos, Instituto Meteorológico Nacional, apartado 7-3350-1000, San José, Costa Rica, Email: rvilla@imn.ac.cr

la primera vaina, el llenado de las semillas, la madurez fisiológica y los rendimientos. También provee un seguimiento del desarrollo del cultivo con base en el cálculo del número de hojas en el tallo principal (Hoogenboom et al., 1994a; Hoogenboom et al., 1994b; Hoogenboom y White, 1996; Tsuji et al., 1994; ). Los modelos de cultivos pueden jugar un rol importante en el esfuerzo por mantener la sustentabilidad económica de los agricultores, así como proteger nuestros recursos naturales. Estos modelos de cultivos, integran el conocimiento de varias disciplinas y pueden ser aplicados a una amplia gama de ambientes agrícolas, de tal manera que pueden ser usados por agricultores e investigadores como herramienta de investigación, ayuda en la toma de decisiones, y en las labores de planeamiento; en el caso de los educadores, como ayuda para explicar a los alumnos, la interacción entre las plantas y el medio ambiente (Hoogenboom, s.f.). El punto crítico de estos modelos es su calibración y

El cálculo de biomasa se determinó como peso de materia seca.35 m. manejo y épocas de siembra. índice de cosecha. velocidad del viento y dirección predominante. biomasa total. total de lluvia en 24 horas. se realizaron análisis de fertilidad. tiempo a final de expansión foliar. 2. grado de pedregocidad. contenido de materia orgánica. clima y manejo de cultivo. La primera requiere de la recolección de datos ambientales. de color negro y alta precocidad (35 días a floración. de manejo del cultivo y de los rendimientos. 2. radiación solar.5 Información de manejo del cultivo Con base en el análisis de fertilidad del suelo. densidad. entre otros. número promedio de semillas por vaina. peso promedio de semilla. porcentaje de envainado. 2.TOPICOS METEOROLOGICOS Y OCEANOGRAFICOS validación. los cuales consideran que esta región es la mayor productora de semilla en la actualidad. se realizó en los laboratorios del CIA. con la intención de conocer las condiciones iniciales en que el modelo debería correr. 2. producción promedio de vainas por planta.7 Variables climáticas evaluadas Para medir las variables climáticas. tiempo a madurez fisiológica. cultivo. número de semillas por metro cuadrado. y 0. cantón Los Chiles. 2.45 m entre surcos. ráfaga máxima de viento. con la finalidad de obtener lecturas horarias de temperaturas máxima y mínima del aire. a razón de un litro en 200 litros de agua por hectárea. a razón de un seis sacos de 46 kg de producto comercial por hectárea. Por esta razón.2 Diseño experimental Para evaluar las variables agronómicas y de producción. provincia de Alajuela. contenido de nitrógeno a prefloración y a cosecha. a dos metros sobre el nivel del suelo. y 40 msnm. Los análisis se realizaron en el laboratorio 84 de suelos del Centro de Investigaciones Agronómicas (CIA) de la Universidad de Costa Rica (UCR). se fertilizó con urea a los 20 días después de la siembra (dds).4 Información de suelo Se tomaron muestras de suelo en un perfil de suelo cada 5 cm hasta 50 cm de profundidad. 1980). tamaño máximo de hoja. con una distancia entre plantas de 0. acidez. Costa Rica. biomasa por órganos. 1981). además de calcular la evapotranspiración en 24 horas de acuerdo al método Penman-Monteith (Monteith. Esta escogencia obedeció al asesoramiento de funcionarios del Programa de Investigación del frijol. determinar las variables agronómicas evaluadas y estimar la duración en días fototérmicos de algunos estados fenológicos. humedad relativa del aire. El combate de plagas se hizo con dos atomizaciones cada 15 días de metamidofos (Tamarón 600). para una densidad promedio de 270. El combate de malezas se realizó en forma manual como parte del quehacer diario del agricultor que colaboró para este ensayo. textura de suelo. a razón de un litro por estañón de agua por hectárea. el ensayo utilizó un diseño experimental de bloques completos al azar con cuatro repeticiones de 50 m² c/u en una parcela de 300 m² de terreno total. Para ello se muestrearon los diez primeros y los diez últimos surcos de la parcela. una estación meteorológica automática tipo W2000 Weather Watch. y se reforzó con 12-24-12 al mes. Materiales y métodos La calibración y validación del modelo requirió la obtención de información real de cuatro componentes principales: suelo. a razón de tres sacos de 46 kg de producto comercial por hectárea. así como para incorporar las variables obligatorias para el modelo. se evaluaron las siguientes variables: altura de planta. tiempo a primera semilla. Se sembró manualmente a espeque (tres semillas por golpe). producción promedio de grano. 2.1 Localización del ensayo El ensayo se ubicó en la localidad El Parque. Para la obtención de la información necesaria se requirió el establecimiento de un ensayo de campo. 75 días a cosecha).3 Información del cultivo La variedad de frijol utilizada es la Brunca. tiempo a floración. Alajuela. se instaló dentro de la parcela. índice de crecimiento. número final de hojas. a 10°57' de latitud y a 84°40' de longitud. tiempo a primera vaina. Para cada muestra se determinó la humedad volumétrica del suelo por el método gravitacional (González. bajo las condiciones de la zona de Los Chiles. con la finalidad de comparar y ajustar los datos estimados con los observados. Se aplicó abono foliar (multiminerales) a los 25 dds para corregir posibles deficiencias de elementos menores. contenido de nitrógeno en la biomasa total. dejando los surcos centrales para evaluar variables de producción. en un lugar con topografía plana. El índice de área foliar y el tamaño máximo de las hojas se calculó por medio del método de Burd y Lomas (1976). para calibrar el modelo se requirió de datos experimentales. de la Campbell Scientific Inc. duración de llenado de vainas. 2. El contenido de nitrógeno total a floración y a cosecha. la cual fue programada mediante su propio software (PC208). . 2.. índice de área foliar. presión de vapor. La segunda depende del grado de concordancia entre los datos de rendimientos estimados por el modelo con respecto a los históricos.000 plantas/ha. entre otros análisis. bajo diferentes condiciones climáticas.6 Variables agronómicas evaluadas Con la finalidad de dar seguimiento. El objetivo de este trabajo es presentar los resultados de la calibración y validación del modelo CROPGRO-Dry Bean. porcentaje de raíces. Además.

seguido horizontalmente de columnas para los datos de lluvia (mm). Una vez construidos los archivos. .El promedio de las diferencias. c).El sesgo. g). temperatura máxima (°C).. Para los archivos relacionados con la información de suelos. que se describe como: MAE = n -1 ∑ E i . 2. Ei es el valor estimado. se corrió el modelo de simulación para su calibración.Un índice de concordancia (d) como medida descriptiva del buen ajuste del modelo. Validación de CROPGRO-Dry Bean. Resultados La comparación entre algunas de las principales variables producto del proceso de calibración se presentan en el cuadro 1. temperatura mínima. d).La desviación estándar de la variable observada (DSEo). todos estos archivos utilizan el lenguaje ASCII. Oi es el valor observado. que corresponde a la diferencia entre el valor medio estimado () y el valor medio observado (Æ). agrícola y climática obtenida durante la duración del ensayo. fue digitalizada en formato compatible con el Decision Support System for Agrotechnology Transfer (DSSAT).El error absoluto medio (MAE).5 3. 2. un modelo de simulación del crecimiento .La intercepción (a) y la pendiente (b) de la ecuación de regresión de mínimos cuadrados. radiación (calorías) u horas de sol (h). esta consistió en correr el modelo ya calibrado para las condiciones climáticas de la zona de Los Chiles de los años 1980 a 1996. El error sistemático puede ser descrito como: donde: n es el número de casos. donde se puede comprobar el grado de ajuste del modelo con respecto a los datos derivados del análisis de campo.MBE) i =1 n Mientras que el error no sistemático está representado por: donde: DS2 es la varianza de la distribución de las diferencias.Oi ) i =1 n También es importante conocer cuánto del error es de naturaleza sistemática y cuánto no lo es.VILLALOBOS & RETANA. f). Los archivos de clima siguen un formato establecido..O i i =1 n e). utilizando el año y día juliano.9 Método de evaluación del modelo Para los efectos de validar el modelo se calcularon los siguientes estadísticos sugeridos por Fox (1981) y Willmott (1982): a). interfase bajo la cual opera el modelo CROPGRO Dry Bean. el DSSAT tiene interfases que facilitan la introducción de la información.O i . que puede ser descrito por: RMSE n   =  n -1 ∑ ( E i . En este análisis se excluye la información del año de 85 donde: RMSE es la raíz del cuadrado medio del error (MSE). MBE = n -1 ∑ (Ei . el cual puede ser descrito por el error de apartamiento medio (MBE).La desviación estándar de la variable estimada (DSEe).1) ∑ ( E i . h). En cuanto a la validación del modelo.8 Generación y formato de archivos La información edáfica.La variabilidad de (E-O) respecto de MBE (DS2).O i ) 2  i=1   0. manejo del cultivo y de las características del cultivo. b). que puede ser descrita mediante: -1 2 2 DS = (n.

diciembre puede ser un mes poco apto para la preparación del terreno y el desarrollo del cultivo. Nota: Los valores medidos corresponden al promedio de los observados en el diseño experimental.9 6 MAE RMSE RMSEs RMSEU d r2 114. “a” tiende a cero y “b” a la unidad. 86 . La relación entre las variables es positiva y corresponde a un 98% (0.22 Máximo índice de área foliar 5.97 Los términos b. La desviación estándar de los datos estimados (DSRe ) es similar a la de los datos reales (DSRo).53 0.3 Re 708.76 MEDIDOS ——————— 37 42 58 68 895 0. ya que se presentaban a criterio del IMN esas condiciones en el año de análisis. Se muestran 62 corridas del modelo con los rendimientos que se obtendrían modificando la fecha de siembra diariamente. Los parámetros de regresión “a” y “b” permiten determinar que la tendencia de los resultados del modelo es muy cercana a los rendimientos reales. Resultados obtenidos para algunas variables utilizadas en la calibración del modelo CROPGRO Dry Beans.180 Semillas por vaina 6.TOPICOS METEOROLOGICOS Y OCEANOGRAFICOS calibración. En general.991). Figura 2. los otros términos tienen unidades de kg/ha.58 4.87 20.264 Hojas en tallo principal 13. balanceándose en el valor medio de los valores estimados (Re. se encontró un coeficiente de determinación (r2) de 97% (0. San Carlos.5 21.173 5. Tradicionalmente la fecha de siembra del frijol en esta región va del 15 de noviembre al 15 de diciembre. Ro 710.87 14. VARIABLE ESTIMADOS ——————————— ——————— Días a floración 37 Días a primera vaina 42 Días a primera semilla 58 Días a madurez fisiológica 68 Rendimiento (kg/ha) 904 Peso promedio de semilla(g) 0.75 88.67 Índice de cosecha (kg/kg) 0.6 16. Rendimiento observado (Ro) y Rendimiento estimado (Re) al utilizar el modelo CROPGRO-Dry Beans (1980-96). aplicando la metodología estadística propuesta por Fox (1981) y Willmott (1982). Se compararon los rendimientos promedio areal del cultivo de acuerdo con las estadísticas de 16 años de registro del Consejo Nacional de Producción (CNP).1 Aplicando el modelo Como parte de los resultados se realizó una estimación de la fecha más apropiada para la siembra de frijol en la zona de Los Chiles para un año que fuera particularmente lluvioso. Para tratar de establecer un rango de fechas óptimas de acuerdo a los supuestos. dado que en una 3. lo cual representa un razonable grado de agrupamiento y distribución de los datos estimados.967). que corresponde al porcentaje de las observaciones que son explicadas por el modelo. Cuadro 2.30 relación 1:1. Medidas cuantitativas sobre la evaluación del modelo. Sin embargo. se utilizó el modelo para que simulara el desarrollo del cultivo y pronosticara su rendimiento.983) de coeficiente de correlación (r).80 6.8 112. Cuadro 1. Los resultados se presentan en la figura 2. con los resultados estimados por el modelo. el cual indica que el modelo presenta solo un 1% de imprecisión con respecto a lo observado.75 65.00 0. para años lluviosos.1 4. como se puede apreciar en el cuadro 2. d y r2 son adimensionales. 800 700 kg/ha 600 500 400 300 Diciembre 12 18 Enero Figura 1. El índice de concordancia (d) es de 99% (0.99 0.51 12.04 Nitrógeno en semilla (kg n/ha) 34 Nitrógeno en biomasa(kg n/ha) 84 Nitrógeno en tallo (kg n/ha) 28 Nitrógeno en semilla (%) 3. Para ello se utilizó un escenario lluvioso generado sintéticamente a partir del historial de la estación meteorológica de Los Chiles.1 DSRo DSRe a b 0. cuadro 2). Rendimiento de frijol bajo un escenario lluvioso con base en diferentes fechas de siembra en Los Chiles.4 24. La figura 1 muestra como los datos de rendimiento estimado se agrupan cercanos a la línea de relación 1:1.

tuvieron rendimientos más altos. P. con el beneficio de poder ayudar a los tomadores de decisiones. específicamente del 12 al 18 de enero se obtienen los mayores rendimientos de producción. Resumen El modelo CROPGro Dry Bean ha sido diseñado para simular el crecimiento. y por lo tanto. y que por lo tanto. BEANGRO: A process-oriented dry bean model with a versatile user interface. 96 pp. a desarrollar planes y políticas para el mercadeo del producto. United States of America. con la variedad de frijol conocida como Brunca. Manual de laboratorio de edafología. Establece con claridad que el seleccionar una fecha de siembra determinada debe obedecer a diferentes variables. la variable climática. y del seguimiento fenológico del cultivo. El DSSAT es un programa de computación diseñado para proveer a los usuarios del manejo apropiado de información sobre suelos. Se presentan los resultados de la calibración y validación del modelo en la localidad de Parque. W. el pronóstico de cosechas. Un sistema de soporte de decisiones como el DSSAT también permite acelerar la ejecución de acciones de interés agrícola. como los que involucran los recursos naturales. Joseph. La ventaja de los modelos. del Ministerio de Agricultura y Ganadería (MAG).. W. de la Universidad de Costa Rica (UCR) y del Consejo Nacional de Producción (CNP). American Society of Agricultural Engineers. L. ha demostrado ser un modelo operacional y presenta resultados muy prometedores bajo una variedad de condiciones climáticas características de la zona norte de Costa Rica. Los modelos de simulación de cultivos pueden ser utilizados por los agricultores para estrategias de manejo. White. 62:599-609. M. El modelo CROPGro Dry Bean. 1980. también constituye un aporte técnico en procura de comprender mejor la climatología de la zona de estudio y su variabilidad en los años. and Lomas. San José. Posterior a esta aplicación. Escuela de Fitotecnia. El modelo demuestra ser una herramienta valiosa para la disminución de riesgos de producción. la oportunidad de manejar grandes volúmenes de información. El modelo utiliza el formato de los archivos del DSSAT. Jones. la aplicación de modelos de simulación en problemas ambientales y agrícolas. Judging Air Quality Model Performance. 1994a. es un procedimiento de alto riesgo y sin lugar a dudas. entre estas. un modelo de simulación del crecimiento . un coeficiente de correlación de 98% y un índice de concordancia (d) de 99%.. Conclusiones Los avances en la utilización de computadoras. Michigan. Facultad de Agronomía. 4. Hunt. involucran la respuesta fisiológica del cultivo a la cantidad de precipitación por fase fenológica. específicamente de la región de Los Chiles. ha ido aumentando en la última década. Fox. en promedio se obtendrían rendimientos de 700 kg/ha. Los rendimientos mostrados en la figura 2. J. Ames. K. La aplicación del presente estudio. pudo comprobarse que los agricultores que tomaron en consideración la propuesta producto del análisis del modelo. alternativas de producción y estrategias de manejo bajo diferentes sistemas de producción y ambientes. and Tsuji. Leaf area measuring methods: a study of accuracy and cost. Jones. 1981.. cultivo y datos experimentales. para lo cual se requiere de un análisis anual que permita la clasificación del año bajo escenarios específicos. por los investigadores como herramienta de trabajo que les permita conocer prioridades de investigación. St. Bajo las condiciones de este estudio (condiciones climatológicas de un año categorizado como lluvioso). Agronomy Journal 86:182-190. P. An integrated decision support system for crop model applications. desarrollo y rendimiento de varios cultivos de importancia económica.. desarrollo y rendimiento del cultivo de frijol. San Pedro. por educadores como herramienta de enseñanza. Hoogenboom. ayudando a los estudiantes a entender mejor la interacción entre las plantas y el medio ambiente. K. Este trabajo deja claro que se deben utilizar diferentes fechas de siembra según la distribución mensual de la lluvia. han provisto a los investigadores y científicos. 1976. Los resultados demuestran que este modelo puede llegar a constituirse en una herramienta valiosa en el pronóstico de cosechas. J. la cual fue suministrada por los autores mediante un comunicado a personeros del MAG y del CNP. Puede observarse que se presenta un máximo de rendimiento a mediados del mes de enero (zona más oscura). al reducir el tiempo y los recursos humanos 87 Los autores agradecen la colaboración de los funcionarios del Programa de Investigación del frijol. G. 12pp. Bulletin American Meteorological Society. necesarios en el análisis de decisiones complejas. Paper submitted at the World Meterology Organization (WMO) on the Agrometeorology of the maize crop. 1994b. D. J. Referencias Burd. el ambiente y la producción de cultivos. Hoogenboom.. inapropiado. 5.. Los Chiles de San Carlos.. con la finalidad de simular el crecimiento. Se obtuvo un coeficiente de determinación (r2) de 97%. G. clima. A. J. Agradecimiento . constituido por personeros de la Oficina Nacional de Semillas (ONS). González. and Boote. Thornton. ASAE Paper 94-3025. Iowa State University. A summary of the AMS Workshop on Dispersion Model Performance. G. Universidad de Costa Rica. es que reducen el tiempo y los recursos humanos requeridos para los análisis complejos. Ciudad Universitaria Rodrigo Facio. el uso de fechas de siembra tradicionales sin considerar la variabilidad climática regional. W. Validación de CROPGRO-Dry Bean. J. sembrando durante el período sombreado. G. Iowa.VILLALOBOS & RETANA. USA. Y.

88 . J. Colorado State University. G. Quarterly Journal of the Royal Meteorological Society 107 (451): 1-27. J. (eds). K. 31:241-254. and Balas.0). Some comments on the evaluation of model performance. J. Jones. A new and improved DryBean simulation model: CROPGRO-DryBean. Agronomy Journal 88:416-422. Hoogenboom. In: The xxxix Report of the Bean Improvement Cooperative (BIC). Hawaii. White. Evaporation and surface temperature. J. W.f. Department of Biological and Agricultural Engineering. Jones. G. Colorado State University. s. W. Hoogenboom. 15. J. Decision Support System for Agrotechnology Transfer (DSSAT v3. Tsuji. Y. Evaluation of the Dry Bean model BEANGRO v1. J. K. 1995. G. 63:13091313. Bulletin American Meteorological Society. 1981.TOPICOS METEOROLOGICOS Y OCEANOGRAFICOS Hoogenboom... 1994.. USA. University of Hawaii. J. W. 1982. C. Agric.. J. Uehara.72pp. Predicting weather and management effects on dry bean yield.16pp. 71. Willmott. W. W. G. G. Honolulu. White. Expl. G. L. W. and Boote.01 for Crop Production Research in a Tropical Environment. The University of Georgia. and White. 1996. Hoogenboom. J. G. USA. 1996.. USA. S. White. Plant growth model development and parameterization. and Boote. J.. Hoogenboom. Simulating effects of genes for physiological traits in a process-oriented crop model. Monteith. In: The xxxviii Report of the Bean Improvement Cooperative (BIC). 1995.

Sign up to vote on this title
UsefulNot useful