InicioAutorResumenReferencias
 
 
 
ARTÌCULO ORIGINAL
 
Fecha óptima de siembra y productividad de la soya ante escenarios de cambio climático
Optimum Sowing Date and Productivity of Soybeans under Climate Change Scenarios
 

iDDra. C. Felicita González-Robaina*✉:felicita.gonzalez@boyeros.iagric.cu

iDDr.C. Enrique Cisneros-Zayas

iDMSc. Guillermo Hervis-Granda

iDIng. Luis Hirán Riverol-Marrero

iDDr.C. Julián Herrera-Puebla

iDDr.C. Greco Cid-Lazo

 

Instituto de Investigaciones de Ingeniería Agrícola (IAgric), Boyeros, La Habana, Cuba.

 

*Autor para correspondencia: Felicita González-Robaina, e-mail: felicita.gonzalez@boyeros.iagric.cu

 

RESUMEN

El cambio climático es un hecho incuestionable, demostrado por evidencias observacionales contundentes como el ascenso de la temperatura media del aire y las alteraciones en el régimen de precipitaciones. AquaCrop es un modelo de simulación diseñado para el análisis de la productividad de los cultivos en respuesta al agua disponible y evalúa, entre otros, el impacto del cambio climático en el rendimiento de los mismos. El presente trabajo tiene como objetivo predecir fechas óptimas de siembra y los rendimientos de la soya en suelo Ferralítico Rojo compactado ante escenarios de cambio climático a través de la simulación. Los calendarios de riego se generaron con el Cropwat. En los tres períodos seleccionados del escenario B2 fue necesario aplicar entre 8 y 9 riegos, superando en más de 50 mm la norma total a aplicar para lograr rendimientos superiores a las 3 t ha-1. Si se aplica riego deficitario las reducciones con respecto al potencial se estiman de hasta 40%. No regar en la etapa de floración provoca un decrecimiento en los rendimientos hasta 2,4 t ha-1. Para un año medio se presenta un máximo de rendimiento de 2,9 t ha-1 si se siembra entre el 5 y 8 de noviembre. Mientras que para un año húmedo se estiman rendimientos de hasta 2,65 t ha-1 si se siembra entre el 15 y el 19 de noviembre. El modelo de simulación AquaCrop mostró ser una alternativa viable para reproducir la fenología y productividad del cultivo bajo diferentes escenarios de manejo y variabilidad climática.

Palabras clave: 
Modelo AquaCrop; soya; rendimiento; manejo del riego; suelo Ferralítico Rojo.
 
ABSTRACT

Climate change is an unquestionable fact, demonstrated by strong observational evidence such as the rise in average air temperature and alterations in the rainfall regime. AquaCrop is a simulation model designed to analyze crop productivity in response to available water and it assesses, among others, the impact of climate change on crop yield. The present work aims to predict optimal sowing dates and soybean yields in compacted Red Ferralitic soil in the face of climate change scenarios through simulation. The irrigation schedules were generated with Cropwat. In the three selected periods of scenario B2 it was necessary to apply between 8 and 9 irrigations, exceeding by more than 50 mm the total norm to be applied to achieve yields greater than 3 t·ha-1. If deficit irrigation is applied, the reductions with respect to the potential are estimated of up to 40%. No irrigation in the flowering stage causes a decrease in yields up to 2,4 t·ha-1. For an average year, a maximum yield of 2,9 t·ha-1 is presented if it is sown between November 5 and 8, while for a wet year, yields of up to 2,65 t·ha-1 are estimated if sown between November 15 and 19. The AquaCrop simulation model proved to be a viable alternative to reproduce the phenology and productivity of the crop under different management scenarios and climatic variability.

Keywords: 
AquaCrop Model; Irrigation Management; Ferralitic Red Soil.
 
 
 
INTRODUCCIÓN

La soya o soja (Glycine max (L.) Merrill.) es un importante cultivo oleaginoso y una leguminosa anual rica en proteína, sembrado en aproximadamente 75,5 millones de ha y que produce 176,6 millones de toneladas de grano a nivel mundial, conformando el 80% de este volumen los Estados Unidos, Argentina y Brasil, lo que explica que América sea el continente con mayor producción a nivel mundial con el 85,32%, seguido por Asia que representa el 12,78% (Roján et al., 2019ROJÁN, H.O.; MAQUEIRA, L.L.A.; TORRES, de la N.W.: “Variabilidad del rendimiento en cultivares de soya (Glycine max L.). Parte I. Época de frío”, Cultivos Tropicales, 40(1), 2019, ISSN: 0258-5936, e-ISSN: 1819-4087, Disponible en:http://scielo.sld.cu/scielo.php?script=sci_arttext&pid =S0258-59362019000100008&lng=es&nrm=iso.).

A pesar de que en Cuba se conoce la soya desde inicios del siglo XX, su producción no se ha podido estabilizar, se siembran alrededor de 20 000 ha que solo logra satisfacer el 35% de la demanda nacional, lo que obliga al país a importar unas 600 000 toneladas anuales (Garcés et al., 2014GARCÉS, F.R.; AMPUÑO, M.S.A.; VÁSCONEZ, M.G.H.: “Agronomía, producción y calidad de grano de variedades de soya durante dos épocas de cultivo”, Bioscience Journal, 30(5): 717-729, Uberlandia, 2014, ISSN: 1516-3725, e-ISSN: 1981-3163.).

En los últimos años en Cuba el cultivo de la soya se ha potenciado principalmente por la limitación de alimentos para el consumo humano, para la alimentación animal y porque puede sembrarse en prácticamente durante todo el año (Merino, 2006MERINO, J.D.: Caracterización morfofisiológica y agronómica de cultivares de soya en siembra de invierno en suelo pardo con carbonato, Universidad Central de las Villas (UCLV), Facultad de Ciencias Agropecuarias, Tesis de grado presentada en opción al título de ingeniero agrónomo, Santa Clara, Villa Clara, Cuba, 65 p., 2006.).

El cambio climático es un hecho incuestionable, demostrado por evidencias observacionales contundentes como el acelerado derretimiento de los glaciares, el ascenso de la temperatura media del aire, las alteraciones en el régimen de precipitaciones y la elevación del nivel medio del mar; tendencias que se reportan a escala global, regional y local (Planos, 2014PLANOS, G.E.O.: Síntesis informativa sobre impactos del cambio climático y medidas de adaptación en Cuba, no. 9593000445, Inst. Agencia de Medio Ambiente (AMA), La Habana, Cuba, 15 p., 2014.).

Estos procesos junto con modificaciones en otras variables del ciclo hidrológico se manifiestan de diversa manera e intensidad a escala regional, como consecuencia de los cambios que se producen en el patrón de circulación atmosférica. Según estos autores, el cambio climático también impacta de disímil manera a los ecosistemas, a los recursos naturales, y a los sectores sociales y económicos. Afecta más severamente a los países en desarrollo, particularmente a los pequeños estados insulares, y a aquellos en los que la vulnerabilidad resultante de la intervención humana en el paisaje geográfico es elevada y, por tanto, donde es mayor el riesgo de daños.

El desarrollo y popularización de computadoras proporciona herramientas para almacenar grandes volúmenes de datos y realizar cálculos numerosos. Esto permite el desarrollo de sistemas computacionales para analizar el comportamiento y respuesta biológica de los sistemas de producción agrícola en escenarios de manejo diferentes y condiciones climáticas contrastantes (Flores et al., 2013FLORES, G.H.; OJEDA, B.W.; FLORES, M.H.; SIFUENTES, I.E.; MEJÍA, S.E.: “Simulación del rendimiento de Maíz (Zea mays L.) en el norte de Sinaloa usando el modelo Aquacrop”, Agrociencia, 47(4): 347-359, 2013, ISSN: 1405-3195.).

Los modelos de simulación de cultivos y el análisis del sistema suelo-planta-atmósfera son herramientas importantes para la investigación agrícola moderna. Un modelo de cultivo representa de manera sencilla y sintética los procesos fisiológicos y ecológicos del crecimiento y desarrollo de las plantas utilizando ecuaciones matemáticas (Gálvez et al., 2010GÁLVEZ, G.; SIGARROA, A.; LÓPEZ, T.; FERNÁNDEZ, J.: “Modelación de cultivos agrícolas. Algunos ejemplos”, Cultivos Tropicales, 31(3): 60-65, 2010, ISSN: 1819-4087.).

Entre los modelos existentes AquaCrop es un modelo de aplicación general de cultivo, se ha utilizado en varias zonas del mundo bajo diferentes condiciones ambientales y está enfocado principalmente a la simulación del desarrollo de la biomasa potencial aérea del cultivo y la producción cosechable en respuesta al agua disponible (Steduto et al., 2012STEDUTO, P.; RAES, D.; HSIAO, T.C.; FERERES, E.: Respuesta del rendimiento de los cultivos al agua, Ed. Estudio FAO Riego y Drenaje 66, Rome, Italy, 510 p., 2012, ISBN: 978-92-5-308564-4.). Este modelo fue desarrollado por la FAO y tiene la ventaja de ser relativamente sencillo en comparación con otros modelos de simulación de rendimientos, por lo que con solo calibrar algunos parámetros se obtienen resultados similares a la realidad. Esto facilita el uso del modelo en tanto que la información necesaria para adaptarlo a las condiciones de nuestro país no es tan grande en comparación a otros modelos y la plataforma del software resulta ser de fácil manejo.

En Cuba el modelo AquaCrop (versión 6.0, marzo 2017) fue calibrado y validado para el cultivo de la soya en suelo Ferralítico Rojo en Alquízar, Artemisa por González et al. (2019)GONZÁLEZ, R.F.; CISNEROS, Z.E.; HERRERA, P.J.; LÓPEZ, T.; CID, L.G.: “Predicción del rendimiento de la soya (Glycine max L) utilizando el modelo AquaCrop en suelo Ferralítico”, Revista Ingeniería Agrícola, 9(1): 3-13, 2019, ISSN: 2306-1545, E-ISSN: 2227-8761.. Como resultados presentan los parámetros fundamentales de suelo y cultivo para su aplicación en las condiciones de estudio, destacándose la duración de las fases fenológicas, el índice de cosecha, los límites de agotamiento de la reserva de agua para definir el estrés hídrico y la curva número para la determinación del escurrimiento superficial.

Una vez realizada la calibración y validación del modelo, este puede ser utilizado para ayudar a interpretar y analizar el comportamiento del cultivo en distintos escenarios de clima (Rebolledo et al., 2018REBOLLEDO, M.C.; RAMÍREZ, V.J.; GRATEROL, M.E.; HERNÁNDEZ, V.C.A.; RODRÍGUEZ, E.J.; PETRO, P.E.E.; PINZON, S.; HEINEMANN, A.; RODRÍGUEZ, B.J.M.; VAN DEN, B.M.: “Modelación del arroz en Latinoamérica: Estado del arte y base de datos para parametrización”, En: ser. JRC110177, Ed. Publications Office of the European Union, Luxembourg, p. 74, publisher: Publications Office of the European Union, JRC110177, 2018, DOI: https://dx.doi.org/10.2760/18081, ISBN: 978-92-79-77337-2.).

El objetivo de este trabajo fue predecir fechas óptimas de siembra y los rendimientos de la soya en suelo Ferralítico Rojo compactado ante escenarios de cambio climático a través de la simulación.

MATERIALES Y MÉTODOS

El modelo fue calibrado y validado para el cultivo de soya por González et al. (2019)GONZÁLEZ, R.F.; CISNEROS, Z.E.; HERRERA, P.J.; LÓPEZ, T.; CID, L.G.: “Predicción del rendimiento de la soya (Glycine max L) utilizando el modelo AquaCrop en suelo Ferralítico”, Revista Ingeniería Agrícola, 9(1): 3-13, 2019, ISSN: 2306-1545, E-ISSN: 2227-8761. con datos provenientes de experimentos de campo realizados durante la época de invierno (enero-abril) en suelo Ferralítico Rojo compactado según Hernández et al. (2015)HERNÁNDEZ, J.A.; PÉREZ, J.J.M.; MESA, N.Á.; BOSCH, I.D.; RIVERO, L.; CAMACHO, E.: Nueva versión de la clasificación genética de los suelos de Cuba., Ed. AGRINFOR, Barcaz L L ed., vol. I, La Habana, Cuba, 64 p., Ministerio de la Agricultura de Cuba, 2015, ISBN: 959-246-022-1., variedad de soya G-7 R-315 con una densidad de población de 370 370 plantas ha-1, bajo un sistema de riego por aspersión 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.

Procesamiento y extracción de la información de cambio climático

Para la obtención de estos datos se hizo uso de los valores climáticos del modelo regional PRECIS con una resolución de 25 x 25 km2, que según Planos (2014)PLANOS, G.E.O.: Síntesis informativa sobre impactos del cambio climático y medidas de adaptación en Cuba, no. 9593000445, Inst. Agencia de Medio Ambiente (AMA), La Habana, Cuba, 15 p., 2014., ha permitido representar el clima futuro en pequeños países. Del PRECIS se tomaron los datos diarios de las variables: temperatura máxima y mínima, humedad relativa, velocidad del viento y precipitación del modelo climático Echam 4 para el escenario B2 de la cuadrícula que representa el clima futuro para el área de estudio (Figura 1) (Instituto de Meteorología-Cuba, 2012INSTITUTO DE METEOROLOGÍA-CUBA: Proyección futura de índices agroclimáticos de interés agrícola para Cuba, Inst. Instituto de Meteorología, Informe de Resultado del Proyecto 4084 Segunda Comunicación de Cuba a la Convención Marco de las Naciones Unidas sobre Cambio Climático, La Habana, Cuba, 103 p., 2012.).

 
FIGURA 1.  Cuadrícula del modelo PRECIS que contiene la información de las variables climáticas para el escenario B2 evaluado en el área de estudio.
 

Teniendo en cuenta los criterios de Planos et al. (2012)PLANOS, G.E.; RIVERO, R.; GUEVARA, V.: Impacto del cambio climático y medidas de adaptación en Cuba, Inst. Agencia de Medio Ambiente (AMA), La Habana, Cuba, Havana: Environmental Agency (CU), 2012. para Cuba, se seleccionó el escenario B2 que considera un mundo con una población creciente, pero a tasas más lentas que en los otros escenarios, con niveles de desarrollo económico intermedios, y un cambio tecnológico lento pero variado, la sociedad está orientada hacia la protección ambiental y la equidad social, y prioriza el ámbito local y regional.

Procesamiento de las precipitaciones

La metodología para el procesamiento de los datos diarios de lluvia, indispensable en la programación del suministro de agua y el manejo de la misma, fue tomada de Steduto et al. (2012)STEDUTO, P.; RAES, D.; HSIAO, T.C.; FERERES, E.: Respuesta del rendimiento de los cultivos al agua, Ed. Estudio FAO Riego y Drenaje 66, Rome, Italy, 510 p., 2012, ISBN: 978-92-5-308564-4. y es apoyada por las indicaciones de la norma cubana (NC 48-35, 1984NC 48-35: Determinación de la lluvia máxima diaria., Inst. Oficina Nacional de Normalización (NC), La Habana, Cuba, 30 p., Vig de 1984.). Las precipitaciones para el período 2020-2050 del escenario B2, 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.

Suministro y manejo del riego. Modelo Cropwat

Se utilizó el programa Cropwat (versión 8.0) para estimar las necesidades hídricas del cultivo de soya y el manejo del riego para cada período climático considerando las variables climáticas del escenario B2. Este software permite gestionar programas de riego tanto en condiciones de secano como de irrigación, por lo que se empleó para determinar la evapotranspiración de referencia por el método de la FAO Penman-Monteith. En la Tabla 1 se resumen los parámetros de entrada para determinar las necesidades hídricas del cultivo de soya.

 
TABLA 1.  Parámetros de entrada para determinar las necesidades hídricas del cultivo de soya para las condiciones del área de estudio
MóduloVariableUMValor
Evapotranspiración Temperatura máxima y mínima ºC Según período
Humedad relativa%
Velocidad del viento m/s
Insolación horas/luz
Suelo Agua Disponible Total (ADT) mm/m 130
Tasa máxima de infiltración mm/días 50
Profundidad radicular máxima cm 40
Agotamiento Inicial de la humedad del suelo mm/m 65
Cultivo Fecha de siembra- 06-ene
Coeficiente de cultivo (kc)- Inicial: 0,50
Medio: 1,15
Final: 0,50
Duración de las fases días Inicial: 15
Desarrollo: 30
Medio: 50
Final: 17
Desarrollo de las raícesm Inicial: 0,30
Medio: 0,60
Fracción de agotamiento crítico (p)% Inicial, medio y final: 0,5
Factor de respuesta del rendimiento (Ky)- Inicial: 0,2
Desarrollo: 0,8
Medio: 1
Final: 0,85
Total: 0,85
Máxima Altura del cultivom 0,40

Fuente: Suelo Cid et al. (2012)CID, G.; LÓPEZ, T.; GONZÁLEZ, F.; HERRERA, J.; RUIZ, M.E.: “Características físicas que definen el comportamiento hidráulico de algunos suelos de Cuba”, Revista Ingeniería Agrícola, 2(2): 25-31, 2012, ISSN: 2306-1545, E-ISSN: 2227-8761., Cultivo Allen (2006)ALLEN, R.G.: Evapotranspiración del cultivo: guías para la determinación de los requerimientos de agua de los cultivos, Ed. Food & Agriculture Org., vol. 56, Roma. Italia, 300 p., 2006, ISBN: 92-5-304219-2..

 

La evapotranspiración de referencia fue estimada 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 (2006)ALLEN, R.G.: Evapotranspiración del cultivo: guías para la determinación de los requerimientos de agua de los cultivos, Ed. Food & Agriculture Org., vol. 56, Roma. Italia, 300 p., 2006, ISBN: 92-5-304219-2., 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)ELIZASTIGUE, S.Y.: Evaluación de la lluvia efectiva con diferentes métodos empíricos, Universidad Tecnológica de La Habana (CUJAE), Eng. Thesis, La Habana, Cuba, 71 p., 2018..

Modelo AquaCrop

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)STEDUTO, P.; RAES, D.; HSIAO, T.C.; FERERES, E.: Respuesta del rendimiento de los cultivos al agua, Ed. Estudio FAO Riego y Drenaje 66, Rome, Italy, 510 p., 2012, ISBN: 978-92-5-308564-4.; 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.

Los parámetros más importantes que resultaron de la calibración y validación en Cuba de este modelo para la soya en suelo Ferralítico Rojo compactado aparecen en el trabajo de González et al. (2019)GONZÁLEZ, R.F.; CISNEROS, Z.E.; HERRERA, P.J.; LÓPEZ, T.; CID, L.G.: “Predicción del rendimiento de la soya (Glycine max L) utilizando el modelo AquaCrop en suelo Ferralítico”, Revista Ingeniería Agrícola, 9(1): 3-13, 2019, ISSN: 2306-1545, E-ISSN: 2227-8761., y servirán de entrada a todas las simulaciones que se realizarán en este estudio. Se consideró solamente la fertilidad química del suelo para el crecimiento del cultivo. AquaCrop proporciona ajustes predeterminados de los parámetros esenciales del cultivo para varias categorías limitantes de fertilidad, que van desde casi óptima hasta baja.

Aplicaciones

Se simuló la producción ajustada para el escenario B2 en los tres períodos seleccionados de 2020-2050 (húmedo, medio y seco). 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 seleccionado. La programación del riego se hizo de manera automática con un nivel de agotamiento permisible del 50% 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 soya en la zona de estudio para año húmedo y medio del escenario B2, 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., 2007ROSADI, R.A.B.; SENGE, M.; ITO, K.; ADOMAKO, J.: “The effect of water deficit in typical soil types on the yield and water requirement of soybean (Glycine max [L.] Merr.) in Indonesia”, Japan Agricultural Research Quarterly: JARQ, 41(1): 47-52, 2007, ISSN: 0021-3551.). El modelo considera tres tipos de respuesta al estrés hídrico:

  1. inhibición de la expansión del dosel vegetal.

  2. aceleración de la senescencia del dosel vegetal.

  3. cierre estomático.

RESULTADOS Y DISCUSIÓN
Caracterización del clima futuro para los escenarios climáticos B2

En la Figura 2 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 B2. Puede observarse que el comportamiento medio en este período es al aumento de las precipitaciones en los meses de mayo-junio, septiembre y octubre; en resto de los meses la tendencia en a la disminución.

 
FIGURA 2.  Precipitación media mensual para el período base y período futuro (mediano plazo), considerando el escenario de emisiones de gases de efecto invernadero B2.
 

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 3. Nótese que, las mayores afectaciones proyectadas para la precipitación en este escenario se producen en los meses de febrero y marzo, con una disminución de la lluvia en valores superiores al 30%, para el resto de los meses con anomalías negativas el valor de reducción oscila entre 9 y 20%.

La mayor anomalía positiva se produce en el mes de septiembre con un valor de 30%, mientras que en el resto de los meses oscila entre 9 y 15%. En los meses de julio y agosto las reducciones se proyectan entre -12 y -7%, respectivamente. En las anomalías es evidente un cambio brusco del valor y signo de la anomalía en los cambios de períodos hidrológicos, abril-mayo (transición al período lluvioso) y octubre-noviembre (transición al período seco). En sentido general las proyecciones en la variable no indican una tendencia clara para el período húmedo del año y se evidencia una tendencia a períodos secos más críticos, coincidiendo en con los Informes de Cambio Climático que explican que para América Central aumentarían la frecuencia de estaciones extremadamente secas (Bates et al., 2008BATES, B.; KUNDZEWICZ, Z.; WU, S.; PALUTIKOF, J.: El cambio climático y el agua, no. 9291693235, Inst. PNUMA, Ginebra (Suiza) Organización Meteorológica Mundial, Ginebra, Suiza, 224 p., 2008.).

 
FIGURA 3.  Anomalías en la precipitación mensual para el escenario SRES B2.
 

En la Figura 4 se presenta las anomalías en las temperaturas máximas y mínimas proyectadas para el escenario B2, resultado del modelo Echam en el período 2020-2050. Puede observarse que la anomalía en la temperatura mínima es superior a los proyectados para la temperatura máxima, de acuerdo con los resultados se proyecta que para finales de siglo la temperatura máxima anual aumente como promedio 1ºC, mientras que para la temperatura mínima anual se proyecta que aumente 1,19 ºC como promedio.

La información analizada coincide con los resultados dados en el Informe de Cambio Climático y Agua, dado por el Panel Intergubernamental de Cambio Climático (Bates et al., 2008BATES, B.; KUNDZEWICZ, Z.; WU, S.; PALUTIKOF, J.: El cambio climático y el agua, no. 9291693235, Inst. PNUMA, Ginebra (Suiza) Organización Meteorológica Mundial, Ginebra, Suiza, 224 p., 2008.) que refiere que el calentamiento medio para América Latina hasta 2100 se situaría para el escenario B2 entre 1 y 4 ºC. Sobre el efecto conjunto de la relación de la variación de la precipitación y el aumento de la temperatura los mismos autores alertan que se incrementará la frecuencia de las sequías. Similar respuesta de las variables analizadas para la región de estudio fueron descritas por Utria (2018)UTRIA, E.: Modelación para la estimación de las normas netas de riego de la papa en la zona central de Cuba según la variabilidad climática, Universidad Agraria de la Habana, Facultad de Agronomía, Tesis de grado presentada en opción al título de ingeniero agrónomo, San José de las Lajas, Mayabeque, Cuba, 2018. en la región central del país para este mismo escenario.

 
FIGURA 4.  Anomalías en la temperatura máxima y mínima para el escenario SRES B2.
 

En el escenario B2 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 11,3 m, 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, calculando así la distribución de mejor ajuste para una probabilidad de un 25, 50 y 75% con el objetivo de obtener los períodos húmedos, medio y seco, respectivamente. A partir de los resultados se selecciona el año semejante para cada una de estas probabilidades, resultando el período húmedo 2047-2048, período medio 2021-2022 y período seco 2022-2023.

En la Figura 5 se presenta el comportamiento de las variables temperatura, precipitación y ET0 para los períodos 2047-2048, 2021-2022, 2022-2023 bajo el escenario de emisiones de gases de efecto invernadero B2.

 
FIGURA 5.  Comportamiento de las variables climatológicas para los períodos 2047-2048, 2021-2022, 2022-2023.
 

En la Figura 5A se presenta el comportamiento de las variables de temperatura, precipitación y ET0, para el período húmedo (2047-2048), en este caso el comportamiento de la temperatura varía desde los 22,5 °C en el mes de diciembre hasta los 32,6 °C en el mes de abril. El acumulado de la lluvia para este período es de 126,8 mm, la precipitación más baja de este período se produce en el mes de diciembre también, con un valor de 4,1 mm coincidiendo con la fase inicial del cultivo. En el caso de la evapotranspiración de referencia se encuentra en un rango 58,9 mm en el mes de diciembre hasta 98,4 mm en el mes de abril.

Por otra parte, en la Figura 5B se presenta el comportamiento de las variables de temperatura, precipitación y ET0, para el período medio (2021-2022), en este caso el comportamiento de la temperatura varía desde los 22 °C en el mes de enero hasta los 32,4 °C en el mes de abril, observándose de manera general un comportamiento similar de las temperaturas respecto al período húmedo. El acumulado de la lluvia para este período es de 105,4 mm, siendo un 83% de la lluvia acumulada del período húmedo, la precipitación más baja de este período se produce en el mes de enero, con un valor de 7,1 mm coincidiendo con la fase inicial del cultivo. En el caso de la evapotranspiración de referencia se encuentra en un rango 57 mm en el mes de diciembre hasta 103,2 mm en el mes de abril.

En el período seco (2022-2023) (véase la Figura 5C) se presenta el comportamiento de las variables de temperatura, precipitación y ET0, donde el comportamiento de la temperatura varía desde los 21,6 °C en el mes de enero hasta los 31,9 °C en el mes de abril. El acumulado de la lluvia para este período es de 88,3 mm, siendo un 70% de la lluvia acumulada del período húmedo, la precipitación más baja de este período se produce en el mes de noviembre, con un valor de 2,6 mm, en este mes no ocurre afectación directa al cultivo porque este no está activo aun, sin embargo, esto puede generar un déficit al inicio de la siembra por los bajos acumulados en el período antecedente. 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 publicado por Goyal (2004)GOYAL, R.: “Sensitivity of evapotranspiration to global warming: a case study of arid zone of Rajasthan (India)”, Agricultural Water Management, 69(1): 1-11, 2004, ISSN: 0378-3774., donde expone que según las predicciones de los modelos de cambio climático, se espera que la ET0 aumente en los próximos años ocasionado por un aumento de la temperatura. Además, en cuanto a los cambios en la ET0 apoyan lo expresado por Pereira et al. (2012)PEREIRA, L.S.; CORDERY, I.; IACOVIDES, I.: “Improved indicators of water use performance and productivity for sustainable water conservation and saving”, Agricultural water management, 108: 39-51, 2012, ISSN: 0378-3774. sobre su aumento debido al cambio climático, especialmente en invierno y primavera cuando el aumento de la temperatura podría ser mayor.

Necesidades hídricas del cultivo de soya y el manejo del riego

Las necesidades hídricas y el manejo del riego en el cultivo de soya, obtenidos con el software CROPWAT para los distintos períodos climáticos analizados, son presentados en la Tabla 2, donde aparecen los días de riego y las láminas a aplicar para cada caso.

 
TABLA 2.  Días y láminas a aplicar para cada período en el escenario B2
Húmedo Medio Seco
DíasLámina riego (mm)DíasLámina riego (mm)DíasLámina riego (mm)
120,7120,62624,2
2323,22623,93926,4
3926,14026,45628,6
5027,25026,46727
6526,66226,17827,9
7428,57229,28629,2
8426,58026,69427
9327,79027,410328,2
9927,7
Norma total (mm)
206,5 234,4 218,4
No. riegos8 9 8
 

Se observan los resultados del número de riegos para el escenario B2, estos varían entre 8 y 9 riegos, con normas totales que oscilante entre 206,5 y 234,4 mm, sin que se produzca variación notable entre las láminas a aplicar en cada riego.

En los primeros riegos las normas fueron inferiores a 24 mm, mientras que en el resto variaron entre 26 y 29 mm, en los tres periodos las normas sobrepasaron las aplicadas en los experimentos de campo que sirvieron de fuente para la calibración y validación del modelo para suelo Ferralítico Rojo compactado. En el caso del período húmedo el último riego se aplica a los 93 días de la siembra, prolongándose el riego para el período medio y seco hasta los 103 días de la siembra.

Aplicaciones
Escenario B2 para año seco, medio y húmedo

En la Tabla 3 se compara la producción potencial de soya en los tres años del escenario B2, según la probabilidad de ocurrencia en el período (húmedo, medio y seco) sobre 25, 50 y 75%.

En los tres años seleccionados del escenario B2 la norma total a aplicar para lograr rendimientos superiores a las 3 t ha-1 fue superior en más de 50 mm. Los valores diarios de transpiración no superan los 3 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.

 
TABLA 3.  Comparación de las salidas del modelo para la simulación del rendimiento potencial de soya en los tres años seleccionados del escenario B2
VariableEscenario B2
Año húmedo (2048)Año medio (2022)Año seco (2023)
Biomasa (t ha -1 ) 9,13 8,11 7,4
Rendimiento (t ha -1 ) 3,1 2,87 2,55
WP ET (kg m -3 ) 1,07 1,05 0,91
Precipitación (mm) 104,4 42,9 80,8
Riego (mm) 206,5 234,4 218,4
No. Riegos898
Evaporación (mm) 78,8 81 94,3
Transpiración (mm) 207,2 196,1 187,1
Evapotranspiración (mm) 305,7 292,4 295,5
 

Si comparamos el rendimiento en el año seco (tabla 3) con el obtenido en el potencial para condiciones similares (2,68 t ha-1) por González et al. (2019)GONZÁLEZ, R.F.; CISNEROS, Z.E.; HERRERA, P.J.; LÓPEZ, T.; CID, L.G.: “Predicción del rendimiento de la soya (Glycine max L) utilizando el modelo AquaCrop en suelo Ferralítico”, Revista Ingeniería Agrícola, 9(1): 3-13, 2019, ISSN: 2306-1545, E-ISSN: 2227-8761., se observa un decrecimiento de este en un 5%, mientras que la productividad del agua es superior (23%) por la menor cantidad de riegos aplicados.

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 (Allen, 2006ALLEN, R.G.: Evapotranspiración del cultivo: guías para la determinación de los requerimientos de agua de los cultivos, Ed. Food & Agriculture Org., vol. 56, Roma. Italia, 300 p., 2006, ISBN: 92-5-304219-2.; Allen et al., 2006ALLEN, R.G.; PEREIRA, L.; RAES, D.; SMITH, M.: “Evapotranspiration-Guidelines for computing crop water requirements”, FAO Irrigation and Drainage Paper, 56: 300, 2006, ISSN: 0254-5293.).

Rendimientos de 5,3, 3,1 y 1,9 t ha-1 en la soya fueron simulados para año húmedo, medio y seco, respectivamente, con el modelo AquaCrop por Morla y Giayetto (2012)MORLA, F.; GIAYETTO, O.: “Calibración y validación del modelo AquaCrop de FAO en cultivos representativos del centro sur de Córdoba”, En: XIX Congreso Latinoamericano de la Ciencia del Suelo, Argentina, Argentina, 2012. en Argentina. Considerando estos valores potenciales de producción como referentes de la capacidad productiva de los ambientes de esta región.

En la Figura 6 se presenta la salida del modelo AquaCrop para producción potencial en el cultivo de soya en el año seco del escenario B2. Se aprecia reducción en el desarrollo de la cobertura del dosel entre los 20 y 45 días de plantada la soya, provocando un estrés promedio del 24% en el crecimiento foliar debido al agotamiento de la humedad del suelo en la zona radicular en ese periodo, y una disminución del rendimiento.

Los valores de rendimiento y productividad del agua están en el intervalo publicado en trabajos precedentes de González et al. (2015)GONZÁLEZ, R.F.; LÓPEZ, S.T.; HERRERA, P.J.: “Indicadores de productividad del agua por cultivos y técnicas de riego en Cuba”, Revista Ciencias Técnicas Agropecuarias, 24(4): 57-63, 2015, ISSN: 1010-2760, E-ISSN: 2071-0054.. En el caso particular del rendimiento en experimentos de campo varió entre 0,42 - 3,1 t ha-1, mientras que la productividad en base al rendimiento fue superior en todos los años al promedio obtenido por estos autores (0,67 kg m-3).

 
FIGURA 6.  Salidas del modelo para producción potencial de soya en año seco del escenario B2.
 

Confalone et al. (2017)CONFALONE, A.E.; VILATTE, C.; AGUAS, L.; BARUFALDI, M.S.; ESEIZA, M.; PONCE, G.D.: “Efecto biofísico del cambio climático en el rendimiento de cultivos de verano”, Cuban Journal of Agricultural Science, 51(2): 249-259, 2017, ISSN: ISSN 0864-0408, e-ISSN: 2079-3480. determinaron el efecto que produce el cambio climático en el rendimiento de los cultivos de soya y maíz en Argentina, en su estudio para obtener rendimientos potenciales utilizaron los modelos de cultivos del DSSAT, previamente calibrados, en las condiciones locales y las proyecciones del modelo climático regional PRECIS para las décadas 2020-29 y 2050-59. Las proyecciones climáticas indicaron aumento en los rendimientos en cultivos de secano. En soya el aumento es de 25 y 28%, para las décadas 2020-29 y 2050-59, respectivamente. Sin embargo, al considerar la variabilidad térmica impuesta por la ola de calor, se evidenció que la soya experimentó reducción en el rendimiento del 19% cuando se cultivan sin riego durante esos eventos extremos. Cuando se comparan los rendimientos de cultivos irrigados en un año considerado típico, con respecto al año en que tuvo lugar la ola de calor, se observó que el aumento de temperatura perjudica a la soya, que rindió 13% menos.

Riego deficitario controlado

Si se aplica riego deficitario (6 riegos, eliminando 2 riegos en la maduración) en el año húmedo y bajo el escenario B2, los rendimientos se estiman en 2,87 t ha-1 y la biomasa 8,28 t ha-1, lográndose una productividad de 1,04 kg m-3, con reducciones con respecto al potencial hasta de un 8% (Tabla 4). 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. Después de los 90 días de plantada la soya sufrió estrés que ocasionó un 55% del cierre estomático y 10% de aceleración de la senescencia del dosel vegetal.

 
TABLA 4.  Comparación de las salidas del modelo para la simulación del rendimiento de soya con riego deficitario en el año húmedo del escenario B2.
VariableEscenario B2- Año húmedo
6 riegos5 riegos4 riegos
Biomasa (t ha -1 ) 8,28 6,9 5,9
Rendimiento (t ha -1 ) 2,87 2,29 1,87
WP ET (kg m -3 ) 1,04 0,9 0,83
Precipitación (mm) 104,4 104,4 104,4
Riego (mm) 152 126 98
Evaporación (mm) 91,3 98,1 102
Transpiración (mm) 186,2 155,7 124,3
Evapotranspiración (mm) 305,7 305,7 305,7
 

En general, las reducciones en rendimiento podrían ser con riego deficitario de hasta el 40% con respecto al potencial en el año húmedo, por su parte la productividad decrece en un 22% como consecuencia de la reducción de la norma de riego de 54 hasta 108 mm.

Mientras que, si se reducen los riegos a 6, pero los dos riegos se eliminan en la etapa de floración, los rendimientos decrecen hasta las 2,49 t ha-1 y la productividad del agua a 0,96 kg m-3. Se observa a los 50 días estrés del 100% inhibición de la expansión del dosel vegetal y entre los 60-70 días de plantada 68% cierre estomático y 21% aceleración de la senescencia como respuesta al estrés hídrico (Figura 7). Como consecuencia del agotamiento de la humedad del suelo en la zona radicular en casi todo el periodo se redujo la transpiración de 3 a 0,8 mm día-1. Aunque las lluvias fueron escasas en este periodo, los 24 mm caídos en 5 días consecutivos ayudaron a la recuperación del cultivo.

 
FIGURA 7.  Simulación para riego deficitario en el año húmedo bajo el escenario B2.
 

La habilidad del modelo AquaCrop para describir el efecto del estrés hídrico ocurrido en momentos particulares del ciclo de los cultivos, hacen que se posicione como una herramienta de gran utilidad para su uso en la determinación de prácticas de manejo como puede ser el desarrollo de estrategias de riego.

Fechas de siembra

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. Los resultados se presentan en la Figura 8. Se muestran 62 corridas del modelo con los rendimientos que se obtendrían modificando la fecha de siembra diariamente.

Los rendimientos mostrados en la Figura 8, involucran la respuesta del cultivo a la cantidad de precipitación por fase fenológica. Puede observarse que para el año medio se presenta un máximo de rendimiento a principios del mes de noviembre, específicamente del 5 al 8. 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 2,9 t ha-1. Otro período de importancia se observa en los 5 primeros días de diciembre donde se pueden alcanzar rendimientos por encima de 2,6 t ha-1.

 
FIGURA 8.  Rendimiento de soya bajo un escenario B2 para año húmedo y medio con base en diferentes fechas de siembra.
 

Mientras que para el año húmedo seleccionado se estiman rendimientos de hasta 2,65 t ha-1 si se siembra entre el 15 y el 19 de noviembre; fechas de siembra en las que los rendimientos para el año medio decrecen en un 10% con relación al húmedo.

En estudios realizados por Morla y Giayetto (2012)MORLA, F.; GIAYETTO, O.: “Calibración y validación del modelo AquaCrop de FAO en cultivos representativos del centro sur de Córdoba”, En: XIX Congreso Latinoamericano de la Ciencia del Suelo, Argentina, Argentina, 2012. y Denka (2014)DENKA, K.L.: “Simulations of the potential yields of Jenguma Soybean variety in the upper west region using Aquacrop Model”, International Journal of Scientific & Technology Research, 3(5): 101-106, 2014, ISSN: 2277-8616. concluyen que una adecuada fecha de siembra garantiza un entorno agroclimático favorable para un crecimiento y desarrollo óptimo del cultivo y por tanto, mejores rendimientos.

Roján et al. (2019)ROJÁN, H.O.; MAQUEIRA, L.L.A.; TORRES, de la N.W.: “Variabilidad del rendimiento en cultivares de soya (Glycine max L.). Parte I. Época de frío”, Cultivos Tropicales, 40(1), 2019, ISSN: 0258-5936, e-ISSN: 1819-4087, Disponible en:http://scielo.sld.cu/scielo.php?script=sci_arttext&pid =S0258-59362019000100008&lng=es&nrm=iso. evaluaron la variabilidad del rendimiento en cultivares de soya en la época de frío en un suelo Hidromórfico Gley Nodular Ferruginoso Petroférrico en Los Palacios, Pinar del Río. Los resultados mostraron que los mayores valores de rendimiento agrícola (2,31 t ha-1) se corresponden con los valores más altos de temperatura y radiación solar en el mes de diciembre 2012.

El trabajo evidencia que se deben utilizar diferentes fechas de siembra según la distribución mensual de la precipitación, para lo cual se requiere de un análisis anual que permita la clasificación del año bajo escenarios específicos, por lo tanto, el uso de fechas de siembra tradicionales sin considerar la variabilidad climática regional, es un procedimiento de alto riesgo.

CONCLUSIONES

  • El modelo de simulación AquaCrop mostró ser una alternativa viable para reproducir la fenología y productividad del cultivo bajo diferentes escenarios de manejo y variabilidad climática.

  • La tendencia de las precipitaciones en el escenario B2 se caracteriza por el aumento en los meses de abril-junio, septiembre y octubre; en el resto de los meses a la disminución.

  • En los tres años seleccionados del escenario B2 fue necesario aplicar entre 8 y 9 riegos, superando en más de 50 mm la norma total a aplicar para lograr rendimientos cercanos a las 3 t ha-1.

  • Con riego deficitario las reducciones en rendimiento podrían ser de hasta el 40% con respecto al potencial, mientras que la productividad decrece en un 22% como consecuencia de la reducción de la norma de riego.

  • Para el año medio se presenta un máximo de rendimiento de 2,9 t ha-1 si se siembra entre el 5 y 8 de noviembre. Mientras que para el año húmedo se estiman rendimientos de hasta 2,65 t ha-1 si se siembra entre el 15 y el 19 de noviembre.

 
 
 

 

REFERENCIAS BIBLIOGRÁFICAS
ALLEN, R.G.: Evapotranspiración del cultivo: guías para la determinación de los requerimientos de agua de los cultivos, Ed. Food & Agriculture Org., vol. 56, Roma. Italia, 300 p., 2006, ISBN: 92-5-304219-2.
ALLEN, R.G.; PEREIRA, L.; RAES, D.; SMITH, M.: “Evapotranspiration-Guidelines for computing crop water requirements”, FAO Irrigation and Drainage Paper, 56: 300, 2006, ISSN: 0254-5293.
BATES, B.; KUNDZEWICZ, Z.; WU, S.; PALUTIKOF, J.: El cambio climático y el agua, no. 9291693235, Inst. PNUMA, Ginebra (Suiza) Organización Meteorológica Mundial, Ginebra, Suiza, 224 p., 2008.
CID, G.; LÓPEZ, T.; GONZÁLEZ, F.; HERRERA, J.; RUIZ, M.E.: “Características físicas que definen el comportamiento hidráulico de algunos suelos de Cuba”, Revista Ingeniería Agrícola, 2(2): 25-31, 2012, ISSN: 2306-1545, E-ISSN: 2227-8761.
CONFALONE, A.E.; VILATTE, C.; AGUAS, L.; BARUFALDI, M.S.; ESEIZA, M.; PONCE, G.D.: “Efecto biofísico del cambio climático en el rendimiento de cultivos de verano”, Cuban Journal of Agricultural Science, 51(2): 249-259, 2017, ISSN: ISSN 0864-0408, e-ISSN: 2079-3480.
DENKA, K.L.: “Simulations of the potential yields of Jenguma Soybean variety in the upper west region using Aquacrop Model”, International Journal of Scientific & Technology Research, 3(5): 101-106, 2014, ISSN: 2277-8616.
ELIZASTIGUE, S.Y.: Evaluación de la lluvia efectiva con diferentes métodos empíricos, Universidad Tecnológica de La Habana (CUJAE), Eng. Thesis, La Habana, Cuba, 71 p., 2018.
FLORES, G.H.; OJEDA, B.W.; FLORES, M.H.; SIFUENTES, I.E.; MEJÍA, S.E.: “Simulación del rendimiento de Maíz (Zea mays L.) en el norte de Sinaloa usando el modelo Aquacrop”, Agrociencia, 47(4): 347-359, 2013, ISSN: 1405-3195.
GÁLVEZ, G.; SIGARROA, A.; LÓPEZ, T.; FERNÁNDEZ, J.: “Modelación de cultivos agrícolas. Algunos ejemplos”, Cultivos Tropicales, 31(3): 60-65, 2010, ISSN: 1819-4087.
GARCÉS, F.R.; AMPUÑO, M.S.A.; VÁSCONEZ, M.G.H.: “Agronomía, producción y calidad de grano de variedades de soya durante dos épocas de cultivo”, Bioscience Journal, 30(5): 717-729, Uberlandia, 2014, ISSN: 1516-3725, e-ISSN: 1981-3163.
GONZÁLEZ, R.F.; CISNEROS, Z.E.; HERRERA, P.J.; LÓPEZ, T.; CID, L.G.: “Predicción del rendimiento de la soya (Glycine max L) utilizando el modelo AquaCrop en suelo Ferralítico”, Revista Ingeniería Agrícola, 9(1): 3-13, 2019, ISSN: 2306-1545, E-ISSN: 2227-8761.
GONZÁLEZ, R.F.; LÓPEZ, S.T.; HERRERA, P.J.: “Indicadores de productividad del agua por cultivos y técnicas de riego en Cuba”, Revista Ciencias Técnicas Agropecuarias, 24(4): 57-63, 2015, ISSN: 1010-2760, E-ISSN: 2071-0054.
GOYAL, R.: “Sensitivity of evapotranspiration to global warming: a case study of arid zone of Rajasthan (India)”, Agricultural Water Management, 69(1): 1-11, 2004, ISSN: 0378-3774.
HERNÁNDEZ, J.A.; PÉREZ, J.J.M.; MESA, N.Á.; BOSCH, I.D.; RIVERO, L.; CAMACHO, E.: Nueva versión de la clasificación genética de los suelos de Cuba., Ed. AGRINFOR, Barcaz L L ed., vol. I, La Habana, Cuba, 64 p., Ministerio de la Agricultura de Cuba, 2015, ISBN: 959-246-022-1.
INSTITUTO DE METEOROLOGÍA-CUBA: Proyección futura de índices agroclimáticos de interés agrícola para Cuba, Inst. Instituto de Meteorología, Informe de Resultado del Proyecto 4084 Segunda Comunicación de Cuba a la Convención Marco de las Naciones Unidas sobre Cambio Climático, La Habana, Cuba, 103 p., 2012.
MERINO, J.D.: Caracterización morfofisiológica y agronómica de cultivares de soya en siembra de invierno en suelo pardo con carbonato, Universidad Central de las Villas (UCLV), Facultad de Ciencias Agropecuarias, Tesis de grado presentada en opción al título de ingeniero agrónomo, Santa Clara, Villa Clara, Cuba, 65 p., 2006.
MORLA, F.; GIAYETTO, O.: “Calibración y validación del modelo AquaCrop de FAO en cultivos representativos del centro sur de Córdoba”, En: XIX Congreso Latinoamericano de la Ciencia del Suelo, Argentina, Argentina, 2012.
NC 48-35: Determinación de la lluvia máxima diaria., Inst. Oficina Nacional de Normalización (NC), La Habana, Cuba, 30 p., Vig de 1984.
PEREIRA, L.S.; CORDERY, I.; IACOVIDES, I.: “Improved indicators of water use performance and productivity for sustainable water conservation and saving”, Agricultural water management, 108: 39-51, 2012, ISSN: 0378-3774.
PLANOS, G.E.; RIVERO, R.; GUEVARA, V.: Impacto del cambio climático y medidas de adaptación en Cuba, Inst. Agencia de Medio Ambiente (AMA), La Habana, Cuba, Havana: Environmental Agency (CU), 2012.
PLANOS, G.E.O.: Síntesis informativa sobre impactos del cambio climático y medidas de adaptación en Cuba, no. 9593000445, Inst. Agencia de Medio Ambiente (AMA), La Habana, Cuba, 15 p., 2014.
REBOLLEDO, M.C.; RAMÍREZ, V.J.; GRATEROL, M.E.; HERNÁNDEZ, V.C.A.; RODRÍGUEZ, E.J.; PETRO, P.E.E.; PINZON, S.; HEINEMANN, A.; RODRÍGUEZ, B.J.M.; VAN DEN, B.M.: “Modelación del arroz en Latinoamérica: Estado del arte y base de datos para parametrización”, En: ser. JRC110177, Ed. Publications Office of the European Union, Luxembourg, p. 74, publisher: Publications Office of the European Union, JRC110177, 2018, DOI: https://dx.doi.org/10.2760/18081, ISBN: 978-92-79-77337-2.
ROJÁN, H.O.; MAQUEIRA, L.L.A.; TORRES, de la N.W.: “Variabilidad del rendimiento en cultivares de soya (Glycine max L.). Parte I. Época de frío”, Cultivos Tropicales, 40(1), 2019, ISSN: 0258-5936, e-ISSN: 1819-4087, Disponible en:http://scielo.sld.cu/scielo.php?script=sci_arttext&pid =S0258-59362019000100008&lng=es&nrm=iso.
ROSADI, R.A.B.; SENGE, M.; ITO, K.; ADOMAKO, J.: “The effect of water deficit in typical soil types on the yield and water requirement of soybean (Glycine max [L.] Merr.) in Indonesia”, Japan Agricultural Research Quarterly: JARQ, 41(1): 47-52, 2007, ISSN: 0021-3551.
STEDUTO, P.; RAES, D.; HSIAO, T.C.; FERERES, E.: Respuesta del rendimiento de los cultivos al agua, Ed. Estudio FAO Riego y Drenaje 66, Rome, Italy, 510 p., 2012, ISBN: 978-92-5-308564-4.
UTRIA, E.: Modelación para la estimación de las normas netas de riego de la papa en la zona central de Cuba según la variabilidad climática, Universidad Agraria de la Habana, Facultad de Agronomía, Tesis de grado presentada en opción al título de ingeniero agrónomo, San José de las Lajas, Mayabeque, Cuba, 2018.
 
 

Recibido: 04/04/2021

Aceptado: 12/11/2021

 
 

Felicita González-Robaina, Inv. Titular, Instituto de Investigaciones de Ingeniería Agrícola, Carretera de Fontanar, km 2 1/2, Reparto Abel Santamaría, Boyeros, La Habana, Cuba. Teléf.: (53) (7) 645-1731; 645-1353, e-mail: felicita.gonzalez@boyeros.iagric.cu

Enrique Cisneros-Zayas, Inv. Titular, Instituto de Investigaciones de Ingeniería Agrícola, Carretera de Fontanar, km 2 1/2, Reparto Abel Santamaría, Boyeros, La Habana, Cuba. Teléf.: (53) (7) 645-1731; 645-1353, e-mail: enrique.cisneros@boyeros.iagric.cu

Guillermo Hervis-Granda, Investigador, Instituto de Investigaciones de Ingeniería Agrícola, Boyeros, La Habana. Cuba. e-mail: ghervisg@gmail.com

Luis Hirán Riverol-Marrero, Especialista, Instituto de Investigaciones de Ingeniería Agrícola, Boyeros, La Habana. Cuba. e-mail: luis.riverol@boyeros.iagric.cu

Julián Herrera-Puebla, Inv. Titular, Instituto de Investigaciones de Ingeniería Agrícola (IAgric). Boyeros, La Habana, Cuba, e-mail: julian.herrera@boyeros.iagric.cu

Greco Cid-Lazo, Inv. Titular, Instituto de Investigaciones de Ingeniería Agrícola, Carretera de Fontanar, km 2 1/2, Reparto Abel Santamaría, Boyeros, La Habana, Cuba. Teléf.: (53) (7) 645-1731; 645-1353, e-mail: greco.cid@boyeros.iagric.cu

Los autores de este trabajo declaran no presentar conflicto de intereses.

 

Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons