Simulation of sprinkler irrigation water uniformity impact on corn yield | Simulación del impacto de la uniformidad del riego por aspersión sobre el rendimiento del cultivo de maíz

Испанский язык; кастильский. En trabajos anteriores se ha estudiado el efecto espacial y temporal del viento sobre el rendimiento del cultivo de maíz utilizando el modelo Ador-Crop (basado en el modelo de FAO CropWat) y un modelo de simulación de la distribución del agua de riego por aspersión en cobertura total. El modelo combinado pudo explicar sólo el 25% de la variabilidad de la reducción de rendimiento medida. El objetivo de este trabajo fue estimar la capacidad predictiva de dos modelos de cultivo más avanzados (EPICphase y DSSAT) que el modelo Ador-Crop en el mismo caso de estudio. El modelo EPICphase explicó el 44% de la variabilidad de la biomasa y del rendimiento en grano. La combinación de EPICphase y el modelo de riego por aspersión explicó un poco mejor la variabilidad de la biomasa que la del rendimiento en grano (42% y 35%, respectivamente), aunque el error en la estimación del rendimiento en grano con el modelo acoplado fue mayor que con las dosis de riego medidas (1,55 t/ha vs. 1,22 t/ha). El modelo DSSAT explicó el 39% de la variabilidad de la biomasa y el 38% de la variabilidad del rendimiento en grano. Cuando se combinó el modelo de riego por aspersión con el modelo DSSAT, se obtuvo un mejor resultado en la simulación de la biomasa (R2 = 41%) que en la del rendimiento en grano (R2 = 31%). El modelo EPICphase simuló de forma más precisa el rendimiento en grano que el modelo DSSAT porque predijo mejor el índice de área foliar máximo. La combinación del modelo de riego por aspersión con EPICphase y DSSAT simuló mejor el crecimiento y rendimiento del cultivo que cuando se combinó con el modelo Ador-Crop.

Английский. In a previous work, the spatial and temporal wind effects on corn yield were analysed using Ador-Crop (based on the FAO crop model CropWat) and a solid set sprinkler irrigation model. The combined model could explain only 25% of the variability of measured yield. The objective of this work was to evaluate the predictive capacity of two more advanced crop models (EPICphase and DSSAT) when coupled to the solid set sprinkler irrigation model. EPICphase explained 44% of total dry mater (TDM) and grain yield (GY) variability when measured irrigation was used. The combination of EPICphase and the solid set sprinkler irrigation model explained better the variability of TDM than that of GY (42% and 35%, respectively), although the error in the estimation of GY with the coupled model was higher than when measured irrigation doses were considered (1.55 t/ha vs. 1.22 t/ha). The DSSAT model explained 39% and 38% of the variability in TDM and GY, respectively, when measured irrigation data was used. When DSSAT was considered in the coupled model, better results were obtained for TDM (R2 = 41%) than GY (R2 = 31%). The EPICphase model simulated grain yield more accurately than the DSSAT model because it produced a better prediction of the maximum LAI. The combination of the sprinkler irrigation model with the EPICphase or DSSAT models simulated crop growth and yield more accurately than when combined with the Ador-Crop model.