Aproximación preliminar de un modelo de predicción para la estimación de la evapotranspiración de referencia usando sensores de humedad

• Daniel Marín-Sánchez ^[1] ; Antonio Fernández-López ^[3] ; Ginés García-Mateos ^[1] ; José Miguel Molina-Martínez ^[2] ; Manuel Ferrández-Villena García ^[3] ; Antonio Ruiz-Canales ^[3]
  1. [1] Universidad de Murcia

     Universidad de Murcia

     Murcia, España

     
  2. [2] Universidad Politécnica de Cartagena

     Universidad Politécnica de Cartagena

     Cartagena, España

     
  3. [3] Universidad Miguel Hernández

  Mostrar afiliaciones +
• Localización: IX Congresso Ibérico de Agroengenharia: Livro de Atas / coord. por José Carlos Barbosa, António Castro Ribeiro, 2018, ISBN 978-972-745-247-7, págs. 1032-1039
• Idioma: español
• Títulos paralelos:
  • Preliminary approximation of a prediction model for reference evapotranspiration estimation using soil moisture sensors
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    La evapotranspiración de un cultivo (ETc) según metodología FAO-56, es el producto de la evapotranspiración de referencia (ETo) por un coeficiente de cultivo, Kc. Los instrumentos necesarios de medida directa de ETo (lisímetros y estaciones Bowen) tienen costes elevados y son inasumibles para explotaciones de pequeño tamaño. Pero ETo se puede estimar indirectamente mediante sensores de menor coste. Se describe una aproximación preliminar a la validación de un modelo de predicción de ETo mediante sensores de humedad del suelo. En un cultivo de grama gruesa (Pennisetum Clandestinum L), se instalaron 4 sensores capacitivos comerciales FDR (field domain reflectrometry) (EnviroSCAN® de Sentek) para medir la humedad del suelo. Cada sensor tomaba datos a intervalos de 5 minutos en 4 profundidades entre mayo de 2015 y septiembre de 2016. Se contrastaron con datos de temperatura, precipitación y ETo (Penman-Monteith) de una estación agroclimática de la red del Servicio de Asesoramiento al Regante de la Comunidad Valenciana. Mediante técnicas de reconocimiento de patrones, se analizó la estimación de ETo usando sensores de humedad y datos de temperatura, precipitación y riego. El mejor método fue Randomizable Filtered Classifier, basado en el algoritmo K*. Dio un coeficiente de correlación por encima de 0,9936,error medio absoluto de 0,0899 y error medio relativo del 6,52% sobre la ETo. El método calibra un modelo de predicción para el cálculo de ETo, balance hídrico y necesidades de riego. Simplifica el número de sensores, reduce costes y consigue una herramienta potente para predecir datos agrometeorológicos y adaptarlos a microclimas específicos.

  • English

    Crop reference evapotranspiration (ETc), according to FAO-56 methodology, is the product of reference evapotranspiration (ETo) by a crop coefficient, Kc. The necessary instruments for direct measurement of ETo (lysimeters and Bowen ratio stations) have high costs and are unacceptable fo little size farms. However, ETo can also be indirectly estimated by means of lower cost sensors. A preliminary approximation for the validation of a prediction model of ETo by means of soil moisture sensors is described. In a crop of thick grass (Pennisetum Clandestinum L), 4 FDR (field domain reflectrometry, EnviroSCAN® de Sentek) commercial capacitance sensors were installed. Every sensor was gathering data in an interval of 5 minutes in 4 depths from May 2015 to September 2016. These data were contrasted with temperature, rainfall and ETo (Penman-Monteith) data from anagro climatic station of the Irrigation Assessment Service of the Valencian Community (Spain). By means of pattern recognition techniques, ETo estimation based on the use of soil moisture sensors and temperature, rainfall and irrigation values has been analysed. The best method was Randomizable Filtered Classifier technique, based on K* algorithm. The observed correlation coefficient is 0.9936, with an absolute average error of 0.0899 and 6.52% as relative average error. This methodology will allow calibrating a prediction model for ETo calculation and water balance and crop irrigation needs. The number of employed sensor is simplified with an associated cost reduction. Moreover, a powerful tool for prediction and adaptation of this model for specific microclimates is obtained.