Estimación de la humedad del suelo a profundidad de raíz a partir de la humedad del suelo superficial: un enfoque práctico

octubre 26, 2016

Francisco Grings, Pablo Perna, Cintia Bruscantini,
Grupo de Teledetección Cuantitativa, Instituto de Astronomía y Física del Espacio, CONICET-UBA.


Contexto

En agricultura, como en muchas actividades productivas extensivas, existe desde hace unos años una tendencia hacia el control y la optimización de los recursos disponibles con el objetivo de garantizar la sustentabilidad maximizando las ganancias. Para llevar adelante este tipo de control sobre el recurso, es necesario tener información in situ actualizada. En la práctica, esto implica medir. Medir mucho y sistemáticamente, de manera de caracterizar el suelo y el cultivo para ver en que medida las reglas generales bajadas por la bibliografía técnica provista por los laboratorios o desarrollada en entornos académicos es aplicable a los problemas locales de cada productor. En común con cualquier problema en que se desee plantear una estrategia óptima, el secreto es medir lo necesario como para contar con una estadística razonable (o al menos una casuística) que permita la toma robusta de decisiones. Esto es especialmente importante para el suelo de agricultura, un recurso no renovable sometido al estrés sistemático de la producción.

En este contexto cuantitativo, los factores del suelo que limitan la productividad de un lote pueden dividirse en dos grandes categorías: los estáticos y los dinámicos. Entro los primeros, los más importantes son la composición química y textural del suelo y la topografía. Entre los últimos, el más importante por lejos es el agua disponible en el suelo para el cultivo. Los primeros pueden estimarse en campo y laboratorio: los estudios son caros, pero la estabilidad temporal de los parámetros hace que la relación costo/beneficio al pagar un ensayo sea alta. Por ende, estos estudios se realizan de manera sistemática y podemos decir que en este caso el productor se encuentra en un entorno rico en mediciones (data-rich environmentEsto significa que el productor basa sus decisiones en un set grande de información condicional en lugar de sólo valerse de unos pocos “puntos representativos”.). Por el contrario, el agua disponible en el suelo es en general muy variable, ya que depende tanto de las características hidráulicas del suelo como de la topografía y los forzantes climáticos. Esto hace que mediciones puntuales y esporádicas tengan poco valor a la hora de la toma de decisiones y que el productor se resigne a no medir una de las variables más importantes para estimar el rinde y monitorear el estado general del cultivo. Se puede decir entonces que en términos de humedad del suelo, el productor se encuentra en un entorno pobre de mediciones (data-poor environment).

Esto nos lleva al corazón del problema a tratar en este trabajo: si bien la información seria crucial a la hora de tomar decisiones de manejo, la medición a campo el agua disponible en la columna de suelo es impráctica. En general, la literatura técnica [1] apunta a la humedad del suelo a profundidad de raízRZSM: Humedad de suelo a profundidad de raíz del cultivo.(root zone soil moisture, RZSMHumedad de suelo a profundidad de raíz del cultivo.). Esta se define como la humedad a la profundidad media de la raíz (distinta para distintos cultivos) y es, junto con la textura y la salinidad del suelo, un indicador fiable del agua disponible para el cultivo. Idealmente, se desearía conocer la variabilidad espacial de este valor dentro de un lote, con el objetivo de monitorear déficit y extremos del agua disponible.

Sin embargo, la estimación de RZSM a campo tampoco es trivial. La única manera directa de medirla es a través de un método gravimétrico en una calicata, un técnica cuando menos engorrosa más bien característica de estudios académicos. A esto hay que sumarle la inercia asociada a los tiempos de los análisis gravimétricos. Como alternativa móvil clásica, existen métodos directos de medición estáticos (como las sondas capacitivas o dieléctricas montadas sobre tubos enterados en el suelo), así como indirectos y dinámicos (en general basados en georradares (Ground Penetrating Radar, GPR)). Ambas alternativas, caracterizadas por una logística complicada, no permiten sacar a la humedad del suelo de un data-poor environment.

En este trabajo, veremos como la estimación de RZSM a partir de la humedad del suelo superficial (surface soil moisture, SSMHumedad de suelo superficial.SSM: Humedad de suelo superficial., medición integrada en los primeros 10 cm de suelo) es una alternativa operativa a los métodos clásicos. Si bien se pasa de una medición a una estimación, los errores característicos de esta técnica son aceptables a la hora de generar estimaciones de RZSM útiles para tomar decisiones de manejo. Más en general, la medicion sistemática de humedad del suelo permite generar la casuística necesaria para mejorar la estimación de rinde y stress hídrico a escala de lote y poner finalmente a la humedad del suelo en un data-rich environment.

El perfil de humedad del suelo en distintas condiciones: un ejemplo

Antes de plantear un esquema de estimación de RZSM a partir de SSM, es importante analizar cualitativamente las características del perfil típico de humedad del suelo en profundidad. Si bien en muchos trabajos académicos vinculados a la hidrología se mide humedad del suelo a mucha profundidad (hasta 2 metros), en ensayos agronómicos prácticos vinculados a la estimación de productividad y stress hídrico las mediciones se realizan a profundidades menores. La razón de esto es doble. Primero, son pocos los cultivos cuyas raíces pueden explorar a tanta profundidad (el más importante en Argentina es el maíz, que llega alrededor de los 2 m). Por ejemplo, la soja, que es el cultivo que domina por área plantada en Argentina, solo explora hasta 1 m. Más aún, la humedad del suelo a la profundidad máxima de exploración no es representativa del agua disponible para el cultivo. Siguiendo con el ejemplo de la soja, la planta toma agua de estratos del suelo superiores si hay disponibleLo cual es consistente con extraer el agua de la zona donde tenga menor potencial. Este comportamiento se observa en muchos otros cultivos. [1].

En este trabajo, analizaremos datos adquiridos en la provincia de Buenos Aires*, que son típicos de suelos francos con poca estructura vertical, característicos de la Pampa Húmeda. Las mediciones corresponden a una campaña en donde se midió a profundidades de 5 cm, 10 cm, 30 cm y 50 cm (ver Figura 1), siendo este último valor representativo de la capa activa (active root layer) para soja.

Figura 1. – Series de tiempo de la precipitación y la humedad del suelo a distintas profundidades en una estación metereológica del INA (Ezeiza), Buenos Aires, Argentina.

En la figura se observa la dinámica característica de la humedad en el suelo, con descensos lentos típicos del proceso de secado del suelo, y aumentos coincidentes con eventos importantes de precipitación. Se ve también cómo los pulsos de lluvia afectan principalmente la humedad del suelo superficial, mientras que la humedad en profundidad presenta menor sensibilidad.

Más importante aún, se observa la dinámica esperada para el perfil de humedad del suelo. En general, la humedad del suelo aumenta monótonamente con la profundidad excepto inmediatamente después de un evento de precipitación, cuando la humedad superficial es mayor que la humedad en profundidad durante algunas horas. Esto se debe a que, en estos suelos típicos de agricultura, el perfil de la humedad en profundidad es el resultado de la acción de dos fuerzas: la gravedad y la capilaridad. Entonces, en condiciones de equilibrio (sin precipitación), la humedad siempre aumenta con la profundidad. Más aún, la forma específica del perfil depende de las propiedades hidráulicas del suelo.

Se ve claramente entonces que, excepto en las horas posteriores a un evento de lluvia, existe una relación causal entre la SSM y la RZSM. Por ejemplo, si sabemos que la SSM es 0.2 g/g, podemos estar seguros que la RZSM es mayor a 0.2 g/g. Quizás no sabemos si es 0.21 g/g o 0.45 g/g (porque esto dependerá del tipo de suelo, específicamente de su conductividad hidráulica y capacidad de retención de agua), pero sabemos que RZSM es > 0.2 g/g. Más en general, podemos preguntarnos qué nos dice de la RZSM el valor de SSM para los datos analizados. El resultado se puede ver en la Figura 2.

Figura 2. – Boxplots de la humedad del suelo a profundidad de raíz (RZSM) como función de la humedad del suelo superficial (SSM).

Esta figura es crucial, ya que muestra qué se puede saber de la RZSM a partir de la SSM. Lo primero que vemos al analizar la figura es lo que ya sabíamos: en condiciones de equilibrio, la humedad en profundidad es siempre mayor a la humedad superficial. Los puntos para los que esto no se cumple, marcados como (∆) en la figura, corresponden a la ventana de 12 horas posteriores a los eventos de lluvia intensos. Para el resto de los datos, saber la humedad superficial siempre permite acotar el valor a profundidad de raíz con mayor o menor incerteza. Específicamente, la incerteza estará asociada a la altura de la caja para cada valor de SSM en la Figura 2. Por ejemplo, para este set de datos, si sabemos que SSM = 0.2 g/g podemos estar seguros que la RZSM está comprendida en el rango 0.28 g/g – 0.41 g/g. Más aun, podemos estar razonablemente seguros que está en el rango 0.31 g/g – 0.36 g/g (con un 95% de confianza). Resultados similares se pueden obtener analizando otros valores de SSM.

En la Figura 2 se puede observar también una característica típica de las estimaciones de RZSM: la altura de las cajas es mínima en los extremos. Para suelos muy secos, (SSM = 0.05 g/g), podemos estar muy seguros de que la RZSM está en el entorno de 0.25 g/g. Por el contrario, para suelos muy húmedos, si SSM = 0.35 g/g, RZSM es casi seguro 0.37 g/g. Esto se debe a que la humedad del suelo es una variable acotada, ya que no puede ser menor que el punto de marchitez permanente, ni mayor que la capacidad de campo. Por ejemplo, si sabemos que la SSM es muy alta y sabemos que la humedad aumenta en profundidad, es casi seguro que a profundidad de raíz la humedad esté en capacidad de campo. Esto implica que los valores intermedios de SSM son los que estarán asociados a estimaciones más ruidosas de RZSM.

En resumen, las Figuras 1 y 2 muestran que existe una relación causal entre SSM y RZSM. Específicamente, la relación entre SSM y RZSM en condiciones de equilibrio está dada por la acción de la gravedad y la capilaridad, que actuarán de manera diferente para diferentes tipos de suelo. Entonces, esto implica que para suelos típicos de agricultura (francos con poca estructura vertical), siempre será posible encontrar una relación entre SSM y RZSM.

Marco teórico: un ejercicio con un modelo de difusión

Estos resultados nos son sorprendentes ni únicos sino más bien la norma antes que la excepción. Existe una amplia bibliografía experimental que apunta a que éste es el comportamiento típico en sitios con explotaciones agrarias activas (ver por ejemplo [2]). En todos estos casos, es esperable encontrar una correlación importante entre RZSM y SSM como la que ilustramos previamente (Fig. 2), sencillamente porque a primer orden y en condiciones de estabilidad, la SSM es un emergente de la RZSM para un suelo dado. ¿Por qué a primer orden? Porque existen otros factores que también influyen en la SSM, pero su importancia es en general secundaria. ¿Por qué decimos en condiciones de estabilidad? Porque como ya vimos, es esperable que cerca de eventos de precipitación intensos que aporten mucha agua al sistema la relación observada entre SSM y RZSM no sea simple. Pero a excepción de estos momentos, en todas las demás condiciones es esperable que se cumpla el comportamiento general observado en la Figura 2.

Es interesante en este momento avanzar en la conceptualización teórica del problema. Dijimos que a primer orden, el perfil de humedad en profundidad está gobernado por la acción de la gravedad y la capilaridad. Esto puede entenderse como que el flujo de agua dentro del perfil estará forzado por la acción de estas dos fuerzas y limitado por la conductividad hidráulica del suelo. Formalmente, el flujo q de agua dentro del suelo (en cm/s, negativo en eventos de precipitación), se puede modelar como el producto de la conductividad hidráulica: $$K(\Psi)$$ (en cm/s), y la suma de la gravedad y el gradiente en profundidad de la presión capilar: $$\Psi(s)$$ (en cm, siempre negativa), el cual depende de la saturación relativa del suelo s (sin dimensiones, 0 < s < 1) de la siguiente manera (Ecuación (1)),

$$ q = -K(\Psi)\left( \frac{d\Psi(s)}{dz}+1 \right) \quad (1) $$

Aplicando continuidad para un suelo con porosidad ne, la eq. (1) queda escrita como,

$$ n_e\frac{ds(\Psi)}{dt} = -\frac{d}{dz}\left(-K(\Psi)\left( \frac{d\Psi(s)}{dz}+1\right)\right) \quad (2) $$

que es la ecuación que gobierna el flujo vertical de agua como función de presión capilar y la conductividad hidráulica. Ahora podemos preguntarnos: esta ecuación simplificada, ¿cuán bien ajusta a los datos disponibles?. O desde el punto de vista operativo, ¿con cuánto error puedo estimar la RZSM a partir de SSM y la textura?

Los datos presentados en la Fig. 1 corresponden a un suelo con una textura franca limosa-arcillosa (arcilla %40, limo %50, arena %10). Si excluimos los datos con precipitación (en los cuales sabemos que el q es muy negativo debido al agua que ingresa al sistema), en todas las demás condiciones podemos suponer que el q es muy bajo, cercano a cero. Si suponemos q = 0Lo cual corresponde a desestimar la evaporación del suelo., el resultado del ajuste es el presentado en la Figura 3.

Figura 3. – Perfiles de humedad del suelo medidos (linea continua) y simulados (linea punteada) utilizando el formalismo de la eq (2) para los datos de la Figura 1.

Estos resultados permiten responder la primera pregunta: en general, el formalismo seleccionado es capaz de reproducir los perfiles observados. Se observan pocos ajustes anómalos, vinculados a errores en la pendiente superficialLas pendientes abruptas en profundidad son características de suelos descubiertos en momentos de stress hídrico. (error en el ajuste para las humedades entre 5 y 10 cm). Sin embargo, la mayoria de los perfiles se puede reproducir exitosamente con el formalismo simplificado. Más en particular, el error cuadrático medio (RMSE) a profundidad de raíz es RZSMRMSE = 0.04 g/g.

Por supuesto, en este caso estamos evaluando el ajuste al perfil dado que sabemos la forma del perfil de humedad. Pero en condiciones operativas, lo que queremos es estimar el valor de RZSM a partir de los únicos datos disponibles: el valor de SSM y la textura del suelo. Específicamente entonces, ¿cuál es el error de esta estimación? El resultado de este análisis se presenta en la Figura 4.

Figura 4. – RZSM estimado vs. RZSM medido in situ. El RZSMest se estimó utilizando el formalismo presentado en la Eq (2), utilizando como entrada el valor de SSM y la textura del suelo. Se asumio condición hidrostática (q = 0).

Como se observa en la figura, el ajuste entre los valores estimados y medidos a campo es relativamente bueno, considerando que para estimar la RZSM estamos utilizando solo el valor de humedad del suelo superficial SSM y la textura del suelo. En general, el esquema propuesto subestima los valores medidos, debido a que en la realidad el flujo q ≠ 0 (hay evaporación del suelo). Como ya discutimos previamente, en algunos casos también hay sobreestimaciones. Globalmente, este esquema permite estimar RZSM a partir de SSM con un error cuadrático medio RMSE = 0.07 g/g y un error cuadrático máximo de 0.12 g/g.

Conclusión

En este trabajo presentamos evidencia experimental y teórica que suscribe la idea de que es posible inferir la humedad a profundidad de raíz a partir de la humedad superficial y datos auxiliares. Esta evidencia apunta a que hay una relación causal entre la humedad del suelo a profundidad de raíz (RZSM) y la humedad superficial (SSM), dada por la física y las características específicas del problema (propiedades hidráulicas del suelo y forzantes).

Esto es muy importante, ya que la RZSM es uno de los factores clave que limitan la productividad del cultivo. Sin embargo, aunque es comúnmente reconocida su importancia, la RZSM es en general poco medida, debido a que: (1) los métodos para medirla son costosos, en general puntuales y por ende inadecuados para estimar una variable con mucha variabilidad espaciotemporal y (2) los métodos para medirla tienen una latencialatencia de medición: tiempo que tarda el dato en estar disponible al usuario. alta, lo cual limita su uso a la hora de la toma de decisiones.

En este trabajo, se propuso una metodología para estimar RZSM a partir de SSM basada en dos hechos fundamentales: (1) existe evidencia empírica que vincula la RZSM con la SSM (datos) y (2) existen argumentos teóricos que establecen la forma de la relación entre RZSM y SSM, los cuales se basan en las fuerzas que controlan el flujo (gravedad y capilaridad) y las características del suelo que lo limitan (conductividad hidráulica).

Por último, se probó que es posible estimar RZSM a partir de SSM con un error medio de 0.07 g/g. Es instructivo comparar este error con el error experimental característico de la estimación de humedad del suelo y con los errores necesarios para la toma de decisiones en una aplicación operativa. En general, el error experimental se divide entre error sistemático y aleatorio, siendo este último el que es irreductible (característico del instrumento) y no puede reducirse mediante calibración. Para los mejores sensores de humedad del suelo (sondas de neutrones [3] o TDR muy buenos [4]), este número ronda 0.04 g/g. Por ende, el error característico de la estimación de RZSM propuesto en este trabajo es solamente dos veces el error sistemático del instrumento. Con respecto a los errores necesarios para la toma de decisiones de manera operativa, estos dependerán fuertemente de la aplicación. Para el caso de monitoreo de eficiencia de riego, por ejemplo, sólo es necesario saber si alguna zona dentro de la carta de aspersión tiene una humedad inferior a la capacidad de campo. En la misma línea, para el caso del monitoreo de stress hídrico, nos interesara saber en qué zonas del lote la RZSM está cerca al punto de marchitez permanente. En estos dos casos, errores como el que caracteriza esta metodología son completamente aceptables. En conclusion, el esquema propuesto es sencillo de implementar y produce resultados robustos que pueden ser utilizados de manera operativa para al toma de decisiones. Solo es necesario conocer la textura del lote y tener estimaciones espacializadas de la humedad superficial del suelo.

Referencias

  • [1] Optimizing Soil Moisture for Plant Production The significance of soil porosity, FAO SOILS BULLETIN 79, Francis Shaxson and Richard Barber FAO Consultants, Land and Plant Nutrition Management Service, FOOD AND AGRICULTURE ORGANIZATION (FAO) OF THE UNITED NATIONS, Rome, 2003.

  • [2] Andrew E. Suyker, Shashi B. Verma, Evapotranspiration of irrigated and rainfed maize–soybean cropping systems, Agricultural and Forest Meteorology, Volume 149, Issues 3–4, 11 March 2009, Pages 443-452, ISSN 0168-1923.

  • [3] Neutron and gamma probes: Their use in agronomy Second Edition, Soil and Water Management & Crop Nutrition Section International Atomic Energy Agency Wagramer Strasse 5 P.O. Box 100 A-1400 Vienna, Austria.

  • [4] http://www.stevenswater.com/products/sensors/soil/hydraprobe/

Pie de página

*. Datos adquiridos por la CONAE en el marco de la campaña de validación del SAOCOM.↩