Impacto del cambio climático en el rendimiento del maíz sembrado en suelo Ferralítico Rojo compactado

El modelo fue calibrado y validado para el cultivo del maíz por González et al. (2018), con datos provenientes de experimentos de campo realizados durante la época de invierno (diciembre-marzo) en el período 1980-1990, bajo un sistema de riego superficial por surcos en la Estación Experimental del Instituto de Investigaciones de Riego y Drenaje, en Alquízar, coordenadas: Latitud 22º 46' N y Longitud 82º 36' O, altura sobre el nivel medio del mar 6 m, 12 km de la costa.

Estos experimentos se llevaron a cabo con el objetivo de estudiar las necesidades hídricas y la respuesta al agua de la variedad de maíz T66 (Giralt, 1990). La fecha de siembra fue 16 de diciembre, con temperaturas umbrales de 20 a 31 °C, la madurez se alcanzó 124 días después de la siembra, la densidad de población fue 48 000 plantas ha^-1 y el rendimiento 5-8 t ha^-1.

El tipo de suelo en estudio es Ferralítico Rojo Compactado (de acuerdo a la Segunda Clasificación Genética de los Suelos en Cuba, Instituto de Suelos, 1980), de la zona sur de La Habana. Esta zona forma parte de la llanura cársica Habana-Matanzas, muy plana, con una altura inferior a 30 metros del nivel del mar.

Las propiedades físicas fundamentales para cada capa del perfil del suelo Ferralítico Rojo compactado han sido reportadas y actualizadas por Cid (2006) y Cid et al. (2011) y se resumen en la Tabla 1 y conforman el fichero de suelo que se utilizó para todas las corridas en el modelo Aquacrop.

Según estos autores de acuerdo a su funcionamiento hídrico, el suelo presenta un comportamiento diferenciado en la capa de 0-20 cm con respecto a los valores de densidad aparente, el proceso de retención de humedad y de la conductividad hidráulica. A partir de los 40 cm hay una capa más compactada que diferencia estos procesos hidrodinámicos.

Este suelo pertenece al grupo A de los suelos cubanos por clases hidrológicas (cultivo en hileras, surcos rectos y condiciones hidrológicas malas, debido a la compactación del suelo) López et al. (1998), por lo que se adoptó la curva número (CN) 71 para representar el escurrimiento superficial y se consideró que no existe estancamiento de agua en superficie. Para la calibración del modelo se optó por no evaluar de manera particular ninguna reducción del crecimiento asociada al nivel de fertilización, evitando la mayor complejidad que supone analizar la interacción entre la disponibilidad de agua y la nutrición de los cultivos.

Los datos climáticos fueron tomados de la estación meteorológica localizada en el área experimental. El clima se caracteriza por una media anual de precipitaciones que alcanza los 1 531 mm, de los cuales el 68% (1 044,4 mm) se distribuyen entre los meses de mayo y octubre, correspondientes al período lluvioso y el restante 32% (486,4 mm) corresponden al período seco, que se extiende desde el mes de noviembre hasta el mes de abril (Chaterlán, 2012). Durante el período seco el balance de lluvia y evapotranspiración potencial de la zona es negativo por lo que el riego es imprescindible para la obtención de buenos rendimientos agrícolas (Figura 1).

Otros factores como la temperatura y sus variaciones no ejercen mayor influencia en la caracterización climática de la zona en estudio ya que éstas no presentan grandes diferencias durante el año. Mientras que la curva de la evapotranspiración potencial (ET) mantiene una tendencia similar a la evaporación, en los meses secos es relativamente baja, pero aumenta rápidamente en el inicio de la época de lluvia. El promedio anual de ET es de 1682,7 mm y los máximos y mínimos corresponden a los meses de abril y mayo (175,2 y 181,0 mm) y diciembre y enero (93,9 y 98,0 mm), respectivamente.

Para la obtención de estos datos se hizo uso de los valores climáticos del modelo regional PRECIS, este modelo, desarrollado por el Centro Hadley del Reino Unido, presenta una resolución de 25 x 25 km², que según Planos et al. (2013), ha permitido representar el clima futuro en pequeños países. Del PRECIS se tomaron las variables: temperatura máxima y mínima, humedad relativa, velocidad del viento y precipitación del modelo regional Echam para el escenario A2 de la cuadrícula que se muestra en la Figura 2, que representa el clima futuro para el área de estudio.

El escenario A2 de acuerdo a los criterios de Planos et al. (2012), obtenidos para Cuba; caracterizados por considerar una economía orientada a las regiones, donde el crecimiento económico y el desarrollo tecnológico son más lentos respecto a otras líneas evolutivas.

La metodología para el procesamiento de los datos de lluvia, indispensable en la programación del suministro de agua y el manejo de la misma, fue tomada de Steduto et al. (2012) y es apoyada por las indicaciones de la norma cubana (NC 48-35, 1984). Las precipitaciones para el período 2019-2050 para el escenario A2, se procesaron y se evaluaron para definir las características de los períodos climáticos según la probabilidad de ocurrencia en el período (húmedo, medio y seco) sobre 25, 50 y 75 %. Como el cultivo analizado se desarrolla en el período de noviembre-abril, el análisis se centró en este período.

La evapotranspiración de referencia fue estimada en el programa CROPWAT (versión 8.0) a partir de datos de temperatura mínima, máxima y media, humedad relativa y la velocidad del viento, disponibles en cada escenario y período climático analizado. En el software se usa la metodología propuesta por Allen et al. (1998), cuando existen limitaciones de datos para la aplicación del método, esta utiliza la radiación global de onda corta a partir de la diferencia de la temperatura máxima y mínima (Tmáx-Tmín) y valores medios de velocidad del viento a una altura de 2 metros, para esto se debe introducir la ubicación espacial de las estaciones meteorológicas (coordenadas Norte y Oeste) y altitud sobre el nivel medio del mar.

La precipitación efectiva fue estimada a partir del módulo de precipitación, considerando los datos diarios de lluvia extraídos de PRECIS para los escenarios y períodos climáticos, el método empleado fue el USDA (Soil Conservation Service), debido a que este es el más recomendado por la FAO y ha sido validado para las condiciones del área de estudio por Elizastigue (2018).

De acuerdo a lo reportado por Raes et al. (2009), el modelo AquaCrop consta de varias ecuaciones que, con datos de clima, densidad de población, características genéticas, tipo de suelo, nivel de fertilización y nivel de déficit hídrico, simulan el crecimiento y rendimiento del cultivo. En la Tabla 2 se muestran las ecuaciones que AquaCrop utiliza para el cálculo de biomasa y producción de grano.

Conservando el concepto original de un vínculo directo entre el uso del agua en el cultivo y su rendimiento, el modelo AquaCrop evolucionó a partir del enfoque del Estudio FAO: Riego y Drenaje Nº 33, al separar la evaporación del suelo no productiva (E) de la transpiración del cultivo productiva (Tr) y al estimar la producción de biomasa directamente a partir de la transpiración del cultivo real mediante un parámetro de productividad del agua.

En la mayoría de los cultivos, solo una parte de la biomasa producida se destina a los órganos cosechables para producir rendimiento (Y), y la relación entre el rendimiento y la biomasa se conoce como índice de cosecha (Hi), por tanto, los procesos subyacentes que culminan en B y Hi se diferencian claramente entre sí. En consecuencia, la separación de Y en B y Hi permite considerar los efectos de las condiciones ambientales y el estrés en B y Hi por separado.

Una descripción minuciosa de las principales características de AquaCrop aparece en el Boletín de la FAO: Riego y Drenaje Nº 66 Steduto et al. (2012); donde se explica detalladamente los conceptos básicos y los procedimientos fundamentales de cálculo, acompañados de descripciones adicionales relacionadas con los requerimientos de datos de entrada, la interfaz del usuario y los resultados del modelo.

Se debe especificar el contenido de agua de las capas del perfil del suelo al comienzo del período de simulación, a menos que esté en capacidad de campo. Se consideró un contenido de agua en el suelo de 0,37 cm³ cm^-3, que representa el 90% del contenido de agua en el suelo a capacidad de campo 0,39 cm³ cm^-3 hasta una profundidad de 0,40 m.

En la Tabla 3 se resumen los parámetros más importantes que resultaron de la calibración y validación de este modelo para el maíz en suelo Ferralítico Rojo compactado por González et al. (2018), y que servirán de entrada a todas las simulaciones que se realizarán en este estudio.

La cobertura del dosel vegetal al 90% de emergencia y el máximo crecimiento fueron 0,31 y 80%, respectivamente, y el coeficiente de decline del dosel por día fue estimado como 8,7%, valores que difieren de los originales calibrados en el modelo para maíz. Se presentan también los parámetros relacionados con la duración de las diferentes etapas de desarrollo del cultivo: la cantidad de días después de plantado el maíz para lograr la máxima cobertura, el comienzo de la floración y la senescencia 64, 54 y 106 días, respectivamente. El índice de cosecha (HI) considerado fue de 0,40, por ser el valor más común obtenido bajo condiciones óptimas de desarrollo durante la calibración del modelo. Este valor se encuentra en el rango (0,3 a 0,5) que propone Wani et al. (2012).

El modelo tiene predeterminado el valor de la productividad del agua normalizada para maíz de 32 g m^-2 (Hsiao et al., 2009; Raes et al., 2012). Los ajustes de AquaCrop normalizan la productividad del agua según la concentración de CO₂ atmosférico, año tras año, en el caso particular de este trabajo este valor fue de 29,7 g m^-2, inferior al considerado por Hsiao et al. (2009), y aspecto a tener en cuenta en otras simulaciones con este modelo.

Se simuló la producción ajustada para el escenario A2 del IPCC en los tres años seleccionados del período 2019-2050 (húmedo, medio y seco). El escenario A2 contempla un patrón de emisiones mayores que el escenario B2 por lo que los efectos del cambio climático resultan ser más pronunciados.

Los resultados que se van a presentar corresponden a las salidas del modelo AquaCrop una vez se han incorporado los cambios en el clima que se prevén de acuerdo a los escenarios de cambio climático contemplados, por lo que deben considerarse tan solo como indicativos y no como proyecciones precisas de lo que va a suceder en el futuro. No debe olvidarse la alta incertidumbre inherente a las proyecciones climáticas futuras.

Para la simulación, el manejo del cultivo se consideró bajo condiciones óptimas de disponibilidad de agua y nutrientes y que las únicas variables que afectaron el desarrollo fueron las condiciones climáticas de cada escenario climático seleccionado. La programación del riego se hizo de manera automática al llegar al 50% de la humedad disponible en el suelo por el modelo Cropwat. También se simuló riego deficitario con el objetivo de estimar los rendimientos futuros.

Como parte de los resultados se realizó una estimación de la fecha más apropiada para la siembra de maíz en la zona de estudio para año lluvioso y medio del escenario A2, con el fin de evaluar el efecto del cambio climático.

El indicador de estrés es el agotamiento de humedad del suelo en la zona radicular (Dr), expresados como fracciones (p) del agua disponible total en el suelo (Rosadi et al., 2007). El modelo considera tres tipos de respuesta al estrés hídrico:

En la Figura 3 se presenta el comportamiento de la precipitación media mensual para el período base (1971-2000) y del período futuro a mediano plazo (2020-2050) bajo el escenario de emisiones de gases de efecto invernadero A2. Puede observarse que el comportamiento medio en este período es al aumento de las precipitaciones en los meses de abril-junio, septiembre y octubre; en resto de los meses la tendencia en a la disminución. Las disminuciones en las precipitaciones medias mensuales para el período analizado pueden ser observadas en forma de anomalía porcentual (diferencia porcentual entre el período futuro respecto al base) en la Figura 4.

Nótese que, para los meses de febrero y marzo, para las condiciones del escenario A2 el modelo Echam proyecta una disminución de la precipitación alrededor de -36 y -33% respectivamente respecto al período base, mientras que, en los meses de julio y agosto las reducciones se proyectan entre -12 y -7%, respectivamente. Por otra parte, en los meses de abril y mayo (transición del período seco al período húmedo) se pronostican un aumento de las precipitaciones respecto al clima base superior a 20%.

Los resultados generados por el modelo Echam A2 para la región de estudio, en sentido general, proyectan un aumento de 20% de las precipitaciones en el período húmedo y un descenso de 18% en el período seco, lo que confirma la tendencia del período seco a una mayor aridez, sin embargo, el balance de precipitación anual muestra una clara tendencia a aumentar. Al menos en este período y escenario el modelo no proyecta variación de la distribución estacional de las precipitaciones para esta región, discrepando con lo expuesto en el informe del Panel Intergubernamental de Cambio Climático sobre las posibles consecuencias del CC en las precipitaciones (Camino et al., 2014).

Sin embargo, las anomalías proyectadas si coinciden con las expuestas por Bates et al. (2008) para las pequeñas islas del Caribe para el escenario A2, donde se establece un rango de afectación entre -36.3 a +34.2 para el mediano plazo. Sobre la información de la Organización Mundial de MeteorologíaOMM (2009), explica que las proyecciones de impacto del clima futuro en esta variable pueden variar de una región a otra, estimándose que, en algunas zonas, habrá aumento en las lluvias y otras sufrirán por la escasez de ellas.

Similares resultados en el área de estudio fueron obtenidos por Verdecia (2016) y Quintana (2018), aunque en el caso del último trabajo el escenario evaluado es el A1B que difiere del evaluado en esta investigación, sin embargo, pertenecen a la misma familia genética.

En la Figura 5 se presenta la gráfica comparativa de la temperatura máxima y mínima en el período base y las proyecciones del modelo Echam para estas variables en el período 2020-2050. Puede observarse que los resultados del modelo indican el aumento de las temperaturas respecto a las temperaturas en el clima base. Las proyecciones indican que la temperatura máxima aumentara en 1°C, mientras que la temperatura mínima aumentara 1,15°C.

Las anomalías en la temperatura proyectada para la región de estudio refuerzan la necesidad de establecer medidas de adaptación en el sector agrícola en la zona, pues según plantea el Quinto Informe de Evaluación del Panel Intergubernamental de Cambio ClimáticoIPCC (2007), si la temperatura se incrementa a los niveles de finales del siglo XX, se prevén impactos negativos sobre la producción de los principales cultivos (trigo, arroz y maíz).

En el escenario A2 a partir de los datos diarios de precipitación media ponderada en el período de 2020 a 2050, de coordenadas Latitud 22º 5'N, Longitud 82º 5'W y con una altitud de 11,3m, fueron seleccionados los periodos secos de cada año que coincidían a su vez, con el periodo de siembra del cultivo (Noviembre-Abril). Dichos datos de precipitación fueron sumados para obtener la lluvia acumulada total en cada uno de estos periodos e introducidos posteriormente en el programa WINSKOL, calculando así la distribución de mejor ajuste para una probabilidad de un 25, 50 y 75% con el objetivo de obtener los períodos húmedo, medio y seco, respectivamente. A partir de los resultados de este programa, se selecciona el año semejante para cada una de estas probabilidades, resultando el período húmedo 2021-2022, período medio 2044-2045 y período seco 2019-2020.

En la Figura 6 a) se presenta el comportamiento de las variables de temperatura, precipitación y ETo, para el escenario A2 en el período húmedo (2021-2022), en este caso el comportamiento de la temperatura varía desde los 20°C en el mes de enero hasta los 32°C en el mes de abril. El acumulado de la lluvia para este período es de 158,5 mm, produciéndose el valor más bajo del acumulado en el mes de febrero (8,5 mm) coincidiendo con la fase de desarrollo del cultivo. En el caso de la evapotranspiración de referencia se encuentra en un rango 52,7 mm en el mes de diciembre hasta 101,4 mm en el mes de abril.

Por otra parte, en la Figura 6 b) puede observarse que para el período medio (2044-2045), la temperatura varía desde los 24,1°C en el mes de enero hasta los 34,2°C en el mes de abril, observándose de manera general un aumento de las temperaturas, así como la influencia de esta variable sobre la disminución de las precipitaciones y el aumento de la evapotranspiración con respecto al período húmedo. El acumulado de la lluvia para este período es de 125,1 mm, reduciéndose la lluvia en un 21% respecto al período húmedo, la precipitación más baja de este período se produce en el mes de abril, con un valor de 6.1 mm coincidiendo con la fase final del cultivo. En el caso de la evapotranspiración de referencia se encuentra en un rango 60,8 mm en el mes de diciembre hasta 101,4 mm en el mes de abril, evidenciándose un aumento de un 14% (8,1 mm) para el mes de abril a causa del aumento de la temperatura respecto al período anterior.

En el período seco (2019-2020) (véase la Figura 6 c) la temperatura varía desde los 20°C en el mes de febrero hasta los 33,3°C en el mes de abril. El acumulado de la lluvia para este período es de 88,2 mm, siendo un 56% de la lluvia acumulada del período húmedo, la precipitación más baja de este período se produce en el mes de abril al igual que en período medio, con un valor de 7,7 mm coincidiendo con la fase final del cultivo. En el caso de la evapotranspiración de referencia se encuentra en un rango 57 mm en el mes de diciembre hasta 101,7 mm en el mes de abril, siendo a la vez el valor más alto de los tres períodos analizados.

Los resultados obtenidos coinciden con lo explicado por McNulty et al. (1997) y Goyal (2004), que refieren que, en las predicciones de los modelos de cambio climático, se espera que la ETo aumente en los próximos años debido a un aumento de la temperatura previsto. Además, en cuento a los cambios en la ETo apoyan lo expresado por Moratiel et al. 2011 y Pereira (2011), sobre su aumento debido al CC, especialmente en invierno y primavera cuando el aumento de la temperatura podría ser mayor.

En la Tabla 4 se compara la producción potencial de maíz para el año 1998-1999 con las simuladas para los tres años del escenario A2, según la probabilidad de ocurrencia en el período (húmedo, medio y seco) sobre 25, 50 y 75 %.

En el año 1998-1999 solo fue necesario aplicar 2 riegos (35 mm) para garantizar la germinación. En el resto del ciclo las necesidades hídricas del cultivo fueron suplidas por las precipitaciones, que alcanzaron valores de 522 mm en este período.

En los tres años seleccionados del escenario A2 fue necesario aplicar 10 riegos, superando en más de 150 mm la norma total a aplicar para lograr rendimientos superiores a las 8 t ha^-1. Los valores diarios de transpiración no superan los 4 mm dia^-1, lo que corrobora lo planteado en el epígrafe anterior de caracterización climática sobre el aumento de las temperaturas para estos años, así como la influencia de esta variable sobre la disminución de las precipitaciones y el aumento de la evapotranspiración.

Las máximas producciones se obtienen cuando el cultivo puede transpirar a su máxima tasa, es decir, cuando no se produce cierre de estomas y por lo tanto reducción en la transpiración simultáneamente con la asimilación de CO₂. Las tasas de estos últimos dos procesos están fuertemente ligadas y por tanto el cálculo de la transpiración por el dosel del cultivo es una ruta directa para el cálculo de la asimilación del cultivo.

Resultados similares fueron publicados por Alarcón (2015), en un estudio sobre el efecto del cambio climático en el rendimiento del maíz en Perú, donde se concluye que para evitar el estrés hídrico se necesitaría adicionar una lámina de riego en el rango de 1200-1500 m³ ha^-1, distribuidas principalmente durante la etapa de floración.

En la Figura 7 se presenta la salida del modelo AquaCrop para el rendimiento potencial del maíz en suelo Ferralítico Rojo compactado en el período 1998-1999 y para un año medio del escenario A2 (2044-2045). Se puede apreciar que el suelo, a pesar de las abundantes lluvias en 1998-1999, no estuvo a capacidad de campo en todo el ciclo de cultivo, presentando exceso hídrico en algunos períodos, lo que ocasionó un cierre de estomas para un índice de estrés del 39% al final del ciclo, que conllevó a una disminución de la transpiración de la planta, sin ocasionar reducción en el rendimiento (Figura 7A).

Entre los 20 y 40 días después de sembrado, el maíz presentó índice de estrés de un 10% en la expansión del crecimiento foliar y 15% en el cierre de estomas, no afectando el rendimiento final por el aporte significativo de las precipitaciones. Similar situación se presenta para el año medio del escenario A2 (2044-2045), solo que con una marcada disminución en más de 400 mm de las precipitaciones y estrés hídrico en todo el período.

Los valores de rendimiento y productividad del agua están en el intervalo publicado en trabajos precedentes de Gonzaléz (2013) y González et al. (2015). En el caso particular del rendimiento en experimentos de campo varió entre 3,9 y 8,3 t ha^-1 y la productividad en base al rendimiento alcanzó valores de 2 y 3 kg m^-3.

El modelo Aquacrop fue validado por Morla y Giayetto (2012) para maíz en la región de Río Cuarto, en el centro-sur de Córdoba, Argentina. Rendimientos de 4,5; 8 y 11,8 t ha^-1 fueron simulados para año seco, medio y húmedo, respectivamente. Considerando estos valores potenciales de producción como referentes de la capacidad productiva de los ambientes de esta región.

De acuerdo con esto, los valores de rendimiento simulados ponen de manifiesto que cada cultivo experimenta durante su ciclo biológico condiciones de crecimiento particulares en función del comportamiento de las precipitaciones. Estos valores de producción pueden considerarse como referentes de la capacidad productiva del ambiente de la zona estudiada y pueden resultar de gran utilidad en la programación de riego.

Si se aplica riego deficitario (eliminando 2 riegos antes de la floración, se reduce a 149 mm) en el año húmedo y bajo el escenario A2, los rendimientos se estiman en 5,56 t ha^-1 y la biomasa 15 t ha^-1, lográndose una productividad de 2,40 kg m^-3, con reducciones con respecto al potencial hasta de un 26%. Este manejo del riego, unido a las escasas y mal distribuidas precipitaciones provocó agotamiento del agua en el suelo en casi todo el período de desarrollo del cultivo y marcados niveles de estrés, a los 60 días se alcanza un estrés del 100% inhibición de la expansión del dosel vegetal y 39% cierre estomático.

Mientras que si se reducen los riegos a 6 (98 mm, se eliminan dos riegos en la floración) los rendimientos decrecen hasta las 2,2 t ha^-1 y se observa a los 65 días estrés del 100% inhibición de la expansión del dosel vegetal y 33% cierre estomático. A los 90 días la ausencia de precipitaciones ocasiona un 100% en la aceleración de la senescencia del dosel vegetal como respuesta al estrés hídrico.

Varios autores no recomiendan estrés hídricos durante la floración y llenado del grano Lamm et al. (1994); Otegui et al. (1995); Steduto et al. (2012), debido a que provoca directamente la reducción de la tasa de producción de biomasa, y por tanto muy bajos rendimientos.

Para tratar de establecer un rango de fechas óptimas de acuerdo a los supuestos, se utilizó el modelo para que simulara el desarrollo del cultivo y predecir su rendimiento. Para ello se utilizó un escenario lluvioso y uno medio. En la Figura 8se muestran los rendimientos que se obtendrían modificando la fecha de siembra diariamente en 62 corridas del modelo.

Los rendimientos mostrados, involucran la respuesta fisiológica del cultivo a la cantidad de precipitación por fase fenológica. Puede observarse que para el año medio se presenta un máximo de rendimiento a mediados del mes de diciembre, específicamente del 15 al 30. Bajo las condiciones de este estudio (condiciones climatológicas de un año categorizado como medio), sembrando en este período, en promedio se obtendrían rendimientos cercanos a las 8 t ha^-1. Otro período de importancia se observa entre el 4 y 16 de noviembre, donde se pueden alcanzar rendimientos por encima de 7 t ha^-1, y específicamente el 8 de noviembre este valor alcanza el máximo. Mientras que para el año húmedo seleccionado se estiman rendimientos de hasta 10 t ha-1 si se siembra entre el 20 de noviembre y el 5 de diciembre; fechas de siembra en las que los rendimientos para el año medio decrecen en un 50% con relación al húmedo.

Si se comparan los rendimientos para los tres años del escenario A2, el 16 de diciembre es la fecha de siembra donde el modelo estima los mejores rendimientos, sin embargo, las diferencias con el 8 de noviembre son inferiores al 10%. Estos resultados permiten proponer a esta fecha como una alternativa a considerar. En el año seco en las dos fechas que se proponen como optimas los rendimientos no logran superar las 6 t ha^-1.

Resultados que coinciden con los estudios de Morla y Giayetto (2012) y Denka (2014) que concluyen en sus estudios que la siembra en la fecha adecuada garantiza que el entorno agroclimático sea favorable para un crecimiento y desarrollo óptimos y, por lo tanto, rendimientos superiores, aumentando la productividad y mejoras en los ingresos de los productores. La aplicación del presente estudio, también constituye un aporte técnico ya que ayuda a comprender mejor la climatología de la zona de estudio y su variabilidad en los años. Establece con claridad que el seleccionar una fecha de siembra determinada debe obedecer a diferentes variables, entre estas, la variable climática. Este trabajo deja claro que se deben utilizar diferentes fechas de siembra según la distribución mensual de la lluvia, para lo cual se requiere de un análisis anual que permita la clasificación del año bajo escenarios específicos, y que por lo tanto, el uso de fechas de siembra tradicionales sin considerar la variabilidad climática regional, es un procedimiento de alto riesgo y sin lugar a dudas, inapropiado.