INTRODUCCIÓN
El agua es un recurso fundamental en los procesos medioambientales y vitales para los seres vivos. Para las plantas, el volumen de agua que estas consuman determina la cantidad de frutos que producirán, por lo tanto, no es de sorprenderse que en México el sector con mayor demanda de agua es el agrícola, pues alrededor de 30.2 millones de hectáreas son dedicadas a la agricultura, siendo el 18% superficie de riego y el 82% restante de temporal (CONAGUA, 2017). La superficie regable estimada en México es de 6.5 millones de hectáreas, de las cuales 3.3 millones están distribuidas en 86 Distritos de Riego (DR), mientras que las 3.2 millones restantes corresponden a aproximadamente 40 mil Unidades de Riego (UR). Para los DR el agua es conducida a través de canales por gravedad, en el caso que se obtenga de una fuente superficial como presas, derivación o bombeo directo de la corriente, y en el caso de una fuente subterránea es a través del bombeo de pozos.
La prioridad de la agricultura de riego es la optimización del uso del agua, por lo que esta práctica no debe significar la utilización de grandes volúmenes de agua (Vargas, 2015). El aprovechamiento del agua disponible para riego es la premisa bajo las actuales condiciones cambiantes del clima, ya que en muchas zonas del mundo la escasez de agua ha ido en aumento (Cavero et al., 2000). Con base en lo anterior, son necesarias las proyecciones de la necesidad del agua en los cultivos, así como la producción de los mismos (Zhang et al., 2018).
En los DR es común que durante el recorrido que hace el agua desde la fuente de suministro hasta la parcela, donde se efectuará el riego, se pierda más del 50% del recurso, esto debido a pérdidas durante la conducción, a las malas condiciones de la infraestructura y a la poca tecnificación del riego.
Tener el conocimiento del volumen de agua que requieren los cultivos, de acuerdo a las condiciones edafoclimáticas y su desarrollo, hace más sencillo el equilibrio entre el riego y las demandas de los mismos, ya que en días con mayor insolación, con vientos fuertes o con baja humedad ambiental, los requerimientos de agua pueden ser altos (Ángeles et al., 2007). Si se subestiman las cantidades de agua que requieren los cultivos, se puede generar una condición de estrés hídrico, lo cual afecta directamente el rendimiento. Una consideración importante es que las áreas de irrigación se ven seriamente afectadas por la variabilidad en las temperaturas(Arteaga et al., 2011) (Paredes-Tavares, 2015), debido a los efectos en la evapotranspiración, caso contrario en las áreas de secano, donde la lluvia juega un papel importante.
Con la finalidad de elaborar programas de riego y optimizar las cantidades de agua que se utilizan en la agricultura, han surgido diferentes programas computacionales que permiten realizar dicha tarea, expertos en riego de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) recomiendan el programa Cropwat como una herramienta de soporte para estimar las necesidades de agua de los cultivos a partir de datos climatológicos e información elemental de los mismos(Arteaga et al., 2011). El software calcula principalmente la evapotranspiración de referencia, los requerimientos de agua de los cultivos, así como programas de riego bajo diferentes escenarios (Caicedo et al., 2015).
La agricultura en México genera gran parte de la producción de los alimentos que se consumen en el país, así como empleos, lo que contribuye al desarrollo del medio rural (Iñiguez et al., 2015), incluso el 78% del agua en México es destinada al uso consuntivo agrícola. Uno de los cultivos más significativos, es la caña de azúcar, siendo históricamente la industria azucarera en México una de las más importantes (Iñiguez et al., 2015). Las áreas donde se cultiva la caña de azúcar dependen en gran medida de las lluvias que se presenten para cumplir los requerimientos de agua en el crecimiento de la planta, resaltan la importancia de comercialización de la agroindustria azucarera, los subproductos y el aprovechamiento de la biomasa de la caña a través de una diversificación del producto, coadyuvando al desarrollo económico y sustentable, sin embargo, el estrés hídrico, merma las condiciones para lograr producciones que satisfagan la demanda.
En el presente trabajo se llevó a cabo una estimación de los volúmenes de requerimiento de agua mediante una modelación en Cropwat versión 8.0 para el Distrito de Riego 002 Mante, Tamaulipas para el periodo 2007 - 2014. Los volúmenes obtenidos por el modelo para cada año agrícola se contrastaron con los volúmenes reales programados y consumidos por el DR. Debido a las condiciones cambiantes del clima, el aumento de la población, la disponibilidad de agua, entre otras consideraciones, la pertinencia de estos análisis radica en la necesidad de planear con la menor incertidumbre posible los requerimientos de agua para los mejores rendimientos en los cultivos, aumentando la productividad de los recursos hídricos existentes (Banerjee et al., 2016).
Cabe destacar que, aunque existen paquetes tecnológicos que proporciona el Campo Experimental La Huastecas del Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias en donde se describen las especificaciones de la preparación del terreno para la siembra, las variedades recomendadas, el uso de fertilizantes y su aplicación para los Distritos de Desarrollo Rural (DDR) 162 González y el DDR 161 Mante al que corresponde el área de estudio de la presente investigación, la desorganización de los propietarios de las tierras en relación a las fechas de cortes del cultivo, generan el desfase en los riegos, requiriéndose agua en temporadas donde la disponibilidad es baja y por consecuencia se presentan decrementos en los rendimientos, pues las etapas fenológicas de la caña poseen requerimientos hídricos diferentes.
MÉTODOS
Área de estudio
El DR 002 Mante ubicado en el municipio de El Mante, en el Estado de Tamaulipas, México tiene una superficie de riego de 15, 500 ha de un total de 19,165.3 ha, esta varía anualmente (Figuras 1 y 2). El cultivo principal es la caña de azúcar cubriendo el 99.5% de la superficie, el restante se destina para la siembra de cítricos o pastizales.
FIGURA 1.
Localización del área de estudio.
FIGURA 2.
DR 002 Mante y estaciones meteorológicas del SMN.
El proceso de construcción del modelo se llevó a cabo mediante Cropwat versión 8.0, cuyas funciones principales son calcular la evapotranspiración de referencia, los requerimientos de agua del cultivo y de irrigación, así como el desarrollo de diversas planificaciones de riego bajo diferentes condiciones (Stancalie et al., 2010). Entre los insumos requeridos para la modelación, se destacan las temperaturas máximas y mínimas, las precipitaciones medias y las propiedades de los cultivos.
Para estimar las temperaturas máximas y mínimas se localizaron las estaciones meteorológicas (EM) de Servicio Meteorológico Nacional (SMN) que se encontraban dentro y fuera del DR, seleccionando 8 EM (Figura 2). Las temperaturas se extrajeron mensualmente para cada año del periodo 2007-2014. Estas temperaturas se procesaron en un Sistema de Información Geográfica (SIG) mediante una interpolación obteniendo isotermas para todos los meses de todos los años del periodo bajo análisis. Finalmente, se realizó un promedio aritmético de todas las isotermas que cruzaban el DR, dando como resultado la media mensual de temperatura máxima y mínima. En el caso de los datos de la estación, como coordenadas geográficas y de altitud, se eligió un punto representativo en el DR y se usaron dichas coordenadas de posición, encontrándose este a 22.773383° latitud norte y a 98.966029° longitud oeste y a una altitud de 60 metros sobre el nivel del mar.
El año agrícola en México comienza del 1 de octubre al 30 de septiembre del año siguiente, por lo tanto, la integración de las temperaturas para cada año agrícola del periodo de análisis consideró este criterio de inicio y fin del ciclo. La evapotranspiración fue estimada por el mismo modelo a partir del método de Penman-Monteith según FAO (2017) que se muestra en la ecuación (1).
donde es la evapotranspiración de referencia en ; es la radiación neta en la superficie del cultivo ; es la radiación extraterrestre ; es el flujo de calor del suelo en ; es la temperatura media del aire a 2 m de altura ; es la velocidad del viento a 2 m de altura ; es la presión de vapor a saturación ; es la presión real de vapor ; se toma como el déficit de presión de vapor ; es la pendiente de la curva de presión de vapor en ; y finalmente es la constante psicrometrica
En el caso de la precipitación se obtuvo una media mensual para cada uno de los años del periodo de análisis, para ello se utilizó el método de polígonos de Thiessen Aparicio (1989) y Aparicio (2004), partiendo de la información de las EM mencionadas anteriormente. Para cada EM se determinó la lámina de precipitación acumulada mensual, seguido de la aplicación del método de precipitación media para cada año.
La precipitación efectiva fue estimada por Cropwat a partir de las fórmulas propuestas por FAO, en función de la lluvia caída, cómo se muestra en la siguiente ecuación (2).
donde es la precipitación efectiva en y es la precipitacion media mensual en
Caña de azúcar
Para cada año, del área total destinada a siembra de caña, un 25% se consideró para caña virgen o planta y la superficie restante como soca. Las propiedades del cultivo tomaron la base de los valores estándar correspondientes a la caña de azúcar (FAO, 2017), estos valores se muestran en la Tabla 1 y Tabla 2. La altura máxima del cultivo se tomó como 3 m.
TABLA 1.
Información del cultivo para la modalidad de soca y resoca
TABLA 2.
Información del cultivo para la modalidad de planta o caña virgen
Se estima la fecha de cosecha a partir de la duración de las etapas de crecimiento, con la finalidad de un mayor ajuste a los resultados de la modelación y dado que para cada año agrícola se realizó un modelo independiente, las fechas de siembra y de cosecha se manejaron considerando una cierta secuencia (Tabla 3), en el caso de la soca, la fecha de siembra se considera cuando a la planta le empiezan a brotar las hojas después que se ha llevado a cabo el corte, estas fechas se eligieron dentro de los meses en los que se lleva a cabo la zafra. Para el caso de la caña virgen o planta, la fecha de siembra en todos los casos fue el 18 de julio y la de cosecha el 09 de noviembre.
TABLA 3.
Fechas de siembra y cosecha para la caña soca empleadas en la modelación
Suelo
Las propiedades del suelo consideradas (Tabla 4), fueron la capacidad de campo del suelo (CC) (Lambers et al., 2008), el punto de marchitamiento permanente (PMP) (Muller, 1964) y la tasa máxima de infiltración o bien, la conductividad hidráulica a saturación (Ks) (Forsythe, 1975). El suelo en el DR es de tipo franco arcilloso, y los valores son un estándar para esta tipo (Zataráin et al., 2012). Para el caso de la profundidad radicular máxima, se tomó el valor usado en las Tablas 1 y 2, mientras que el agotamiento inicial de humedad del suelo se consideró en cero.
TABLA 4.
Propiedades hidrofísicas del suelo empleadas en la modelación
Eficiencia del sistema de riego
Cuando el agua destinada para riego es conducida desde la fuente de suministro hasta el terreno donde se efectuará el riego, sufre perdidas y éstas determinan la eficiencia del sistema de conducción. Para obtener los volúmenes de requerimiento de agua y contrastarlos con los reales, se tomaron las eficiencias registradas en el DR en cada año agrícola del periodo de análisis como se muestra (Tabla 5).
TABLA 5.
Eficiencias en la conducción registradas en el DR
Año agrícola | Eficiencia (%) |
---|---|
2007 - 2008 | 54.20 |
2008 - 2009 | 55.93 |
2009 - 2010 | 56.43 |
2010 - 2011 | 57.34 |
2011 - 2012 | 58.08 |
2012 - 2013 | 57.66 |
2013 - 2014 | 57.79 |
Se muestra la metodología que se empleó para obtener los volúmenes de requerimiento netos y brutos de agua mediante la construcción del modelo en Cropwat versión 8.0 para el DR 002 Mante (Figura 3), así como una síntesis de la fuente de los datos de cada módulo del modelo en la siguiente Tabla 6.
TABLA 6.
Bases de datos consultadas por módulo
Módulo | Fuente |
---|---|
Evapotranspiración | Servicio Meteorológico Nacional |
Precipitación | Servicio Meteorológico Nacional |
Cultivo | FAO, 2018 y Base de datos del DR 002 |
Suelo | Base de datos proporcionada por el DR 002 |
FIGURA 3.
Esquema general del proceso metodológico.
RESULTADOS Y DISCUSIÓN
Se observan mayores evapotranspiraciones son para los meses de abril a agosto (Figura 4) con valores hasta de ; mientras que los valores mas bajos corresponden a los meses de diciembre y enero con valores cercanos a los . Como menciona (Arteaga et al., 2011) la evapotranspiración puede tener influencia sobre el rendimiento del cultivo.
FIGURA 4.
Evapotranspiración de referencia para el distrito de riego estudiado.
Se puede observar en la Figura 5 que las precipitaciones más altas se registraron en los meses de junio a septiembre, mientras que los meses con menor precipitación son de noviembre a febrero. Cabe destacar que la etapa de mayor requerimiento de agua en el cultivo es entre los meses de diciembre a marzo, donde la precipitación es más escasa y el riego es importante para una producción con rendimientos por hectárea favorable. Lo anterior, concuerda con los resultados de Vargas et al. (2017), en cuya investigación se reportan las disponibilidades de agua mensual en la cuenca Guayalejo-Tamesí donde se ubica el DR, resaltando la escases del recurso para los mismos meses.
Una vez estimados los valores de evapotranspiración y precipitación efectiva, la diferencia entre ambos define la cantidad neta de agua requerida. El volumen de requerimiento de agua total para cada año agrícola se calculó mediante la plantilla que se muestra en la Tabla 7, donde a partir de la lámina neta (LN) obtenida del modelo, la eficiencia de riego (ER) y la superficie de riego (Sup) se obtiene la lámina bruta (LB), el volumen neto (VN) y el volumen bruto (VB). A manera de ejemplo, en esa misma tabla se muestra el cálculo del volumen total neto y bruto para la soca y resoca para el ciclo agrícola 2013-2014, a este volumen se le suma el volumen total correspondiente a la caña virgen.
FIGURA 5.
Precipitación efectiva media mensual por año agrícola.
TABLA 7.
Volúmenes de requerimiento para la soca y resoca en el año agrícola 2013-2014
Como se mencionó anteriormente, a partir de las modelaciones en Cropwat se obtuvieron los volúmenes de requerimiento de agua totales para cada año agrícola (Tabla 8), posteriormente los volúmenes fueron ajustados, pues se establece un periodo aproximado de 45 días sin regar antes de la cosecha por parte del ingenio azucarero, y posterior a la cosecha hasta después de haber realizado las actividades pertinentes, como el rebote y trabajos de subsuelo, por lo anterior, fueron cancelados los volúmenes de 2 meses antes y 2 meses después de la cosecha, dichos volúmenes se muestran en la Tabla 9.
TABLA 8.
Volúmenes de requerimiento de agua en el DR 002, sin hacer reducciones
TABLA 9.
Volúmenes de requerimiento de agua para el DR 002, con reducciones
En la Tabla 10 se muestran los volúmenes de agua que se programaron y se realizaron en el DR 002 para los ciclos de análisis. Como se observa, los volúmenes programados son similares, mientras que en los volúmenes realizados hay una diferencia notable, por ejemplo, para el año agrícola 2008-2009 se consumieron 177.5 Mm3, mientras que para el periodo 2009-2010 se obtuvo un volumen bruto total de 85.9 Mm3.
TABLA 10.
Volúmenes programados y realizados en el distrito de riego estudiado
Se presenta la comparación de los volúmenes obtenidos en la modelación y los volúmenes programados y realizados (Figura 6) observándose que para algunos años agrícolas, como 2007-2008 y 2013 -2014, los volúmenes de requerimiento de agua del modelo son similares a los volúmenes programados, mientras que en todos los restantes, los volúmenes obtenidos en Cropwat son mayores, esto se debe principalmente a que no se muestra el ajuste de los volúmenes quitando los meses en los que no se efectúa el riego.
FIGURA 6.
Comparación de volúmenes para el DR 002 Mante, Tamaulipas, Mexico.
Una vez que se han exento los volúmenes de agua correspondientes a 2 meses antes y después de la cosecha, se ajustan los volúmenes de requerimientos de agua obtenidos de Cropwat (Figura 7), en donde los valores de los modelos son más cercanos a los volúmenes programados y realizados. Se debe mencionar que los meses donde el sistema requiere riego son principalmente noviembre diciembre, enero, marzo, abril y mayo. Los meses donde se presenta mayor requerimiento de agua son similares a los presentados por (Arteaga et al., 2011) para la región de Actopan en el estado de Veracruz, México.
FIGURA 7.
Comparación de volúmenes para el DR 002 Mante aplicando ajustes a los resultados de CROPWAT.
Para lograr una mejor visualización de la variación entre los volúmenes, en las Figuras 8 y 9 se muestran las diferencias expresadas en porcentaje del volumen programado contra el volumen obtenido en el modelo y del realizado contra el volumen de requerimiento obtenido en Cropwat.
Cuando el porcentaje es negativo, el volumen de requerimiento de agua obtenido por el modelo es mayor que el volumen comparando, por ejemplo, en el año agrícola 2007-2008, el volumen programado es 2.93% mayor que el volumen obtenido en Cropwat, mientras que para el mismo ciclo el volumen realizado es 16.17% menor que el volumen de requerimiento obtenido en Cropwat, situación que se presenta de manera similar para otros ciclos , lo que evidencia el deficiente abasto de agua, la cual es requerida por la planta para lograr una producción efectiva. Para el 2009-2010 el volumen realizado es 51.78% menor que el volumen de requerimiento obtenido en el modelo. Cabe destacar la importancia de generar un modelo que presente diversos escenarios o estrategias de riego, pues de ellas depende en gran medida el aprovechamiento del recurso y por lo tanto el otorgamiento adecuado de agua en tiempo y volumen.
El análisis de los rendimientos de la planta, entregando el agua necesaria en las diferentes etapas de crecimiento, es indispensable para optimizar tanto el recurso hídrico como el producto, siempre que el sistema mantenga una eficiencia por arriba de las registradas. En el DR en cuestión, el rendimiento promedio de la caña es de 55 a 65 ton/ha. y las láminas de agua de riego aplicadas y registradas son estimadas por el mismo distrito. Los rendimientos son bajos, comparados con los de otras regiones, tales como Brasil y Colombia que registra rendimientos de 120 ton/ha. Cabe destacar que no sólo la entrega de agua a la planta en términos de cantidad y tiempo, repercuten en el rendimiento, sino también el manejo del cultivo, las condiciones climáticas, así como los aspectos sociales (Ojeda et al., 2008).
FIGURA 8.
Comparación de volúmenes en porcentaje.
FIGURA 9.
Comparación de volúmenes en porcentaje aplicando ajustes.
Con base en entrevista al jefe del DR 002 desataca que uno de los factores que provocan una variación en los volúmenes de agua proporcionados a los sembradíos de caña de azúcar mediante el riego son, en primera instancia, la propia decisión de los usuarios de no realizar el riego por el desfase en las etapas de la planta, esto conlleva a un conflicto entre el programa de riego y el programa de corte de la caña, suspendiendo los riegos. Lo anterior explica la variación en los requerimientos de agua de los ciclos agrícolas analizados y contrastados con los ejecutados.
Se precisa la importancia de considerar el impacto del cambio climático en la disponibilidad del agua, pues representa el mayor desafío para el diseño de estrategias encaminadas a mitigar o adaptarse. El análisis de las temperaturas máximas y mínimas y comportamiento de la evapotranspiración en áreas de irrigación, son variables que pueden analizarse a futuro, pues de estas variables depende en gran medida disponer del volumen de agua requerido para la producción agroindustrial azucarera, sobretodo en distritos de riego ubicados en zonas áridas o semi-áridas, resaltando que el 75% del territorio mexicano presenta esta cualidad climática (Iñiguez et al., 2015).
Finalmente es importante resaltar que el Comité Nacional para el Desarrollo Sustentable de la Caña de Azúcar, con base en la Ley de Desarrollo Sustentable de la Caña de Azúcar (DOF, mayo 2015), coordinan las actividades agroindustriales del cultivo, impulsando acciones para incrementar la productividad a través del manejo sustentable del agua. Con base en lo anterior, la construcción de los modelos de requerimientos hídricos en los cultivos, como lo hizo el presente trabajo para el caso de la caña de azúcar en una región relativamente pequeña, contribuye al cumplimiento de los objetivos enmarcados en la Ley, desarrollando programas de riego más eficientes, pero concientizando a los usuarios sobre la necesidad del cumplimiento de estos, debido a las condiciones cambiantes en la lluvia y por ende en la disponibilidad del recurso.
CONCLUSIONES
Mediante la modelación es posible estimar los volúmenes de requerimiento de agua de un cultivo partiendo de información climatológica, de cultivos y del suelo. El uso de bases de datos y el SIG permitieron desarrollar y sustentar el proceso metodológico para estimar los volúmenes de agua. Los volúmenes netos de agua obtenidos mediante la modelación confirmaron que en algunos de los años estudiados la caña de azúcar necesitó volúmenes mayores a los suministrados, cuestión que repercute en el rendimiento del cultivo.
Los volúmenes realizados para la caña de azúcar en el distrito de riego en los últimos 5 ciclos agrícolas marcan una tendencia de disminución en la entrega o abasto de agua con respecto a lo modelado, oscilando entre un 20% y 47% de volumen de agua menos para irrigar las parcelas, destacando los ciclos 2009-2010 y el 2013-2014.
La estimación del agua con el modelo Cropwat demostró que los volúmenes de agua bruto planificados son insuficientes para satisfacer las necesidades hídricas de la caña en todos los años agrícolas estudiados, incluso aplicando ajustes a los meses previos y posteriores a la fecha de corte, los volúmenes de requerimiento son superiores al volumen disponible para aprovechamiento, lo que afecta directamente la productividad, por lo que estimar el volumen de requerimiento de agua y elaborar programas de riego sustentados en modelos reales, es de suma importancia para mejorar los rendimientos y con ello cumplir con las expectativas de seguridad alimentaria.
Finalmente, se recomienda la generación de escenarios de cambio climático para la variable de la precipitación y temperatura para estimar las anomalías futuras que podrían impactar en el área del distrito de riego, así como la estimación de los escurrimientos superficiales, para conocer los volúmenes de agua disponibles actuales y futuros, que contribuyan en la planeación efectiva del recurso y del sistema de riego, disminuyendo la variabilidad en las entregas.