Estrategias para mejorar la productividad y eficiencia de uso de agua y nutrientes en rotaciones de cultivo

El agua y el nitrógeno (N) son los recursos limitantes más importantes en la producción agrícola. En las últimas décadas, se ha producido un incremento del uso de fertilizantes y recursos hídricos para satisfacer la demanda de alimentos de la población mundial creciente. Sin embargo, el uso excesivo de estos recursos supone un impacto negativo sobre el medio ambiente. Por ello, es necesario implementar estrategias capaces de ajustar la fertilización y el riego a las necesidades del cultivo, de forma que se obtengan sistemas agrícolas sostenibles. La presente tesis doctoral tiene como objetivo principal explorar diferentes tecnologías de teledetección para mejorar la eficiencia del uso del agua y N en rotaciones de cultivo. Para ello, se han utilizado medidas tomadas con sensores de pinza (Dualex®), proximales (GreenSeeker®, espectro radiómetro de campo HR-512i® y una cámara térmica FLIR SC305®) e imágenes hiperspectrales capturadas desde una aeronave sobre diversos ensayos experimentales donde el trigo (Triticum sp.) es el cultivo principal. En el primer trabajo, se realizaron experimentos de campo con trigo de primavera (Triticum turgidum L.) combinando dos tratamientos de laboreo, dos niveles de riego y seis tratamientos de fertilización nitrogenada en el noroeste de México durante cuatro años consecutivos. El objetivo de este estudio fue optimizar la información espectral obtenida mediante teledetección para la predicción del rendimiento, la biomasa, la concentración de N en grano (GNC) y el N exportado, así como la toma de decisiones en la fertilización del trigo de primavera. Para ello, se adquirieron imágenes hiperespectrales a través de 27 campañas de vuelo aéreo. Los resultados mostraron que el rendimiento se predijo mejor desde el final de la elongación del tallo hasta la fase de grano lechoso mediante los índices de vegetación (VIs) que combinaban bandas de la región infrarroja cercana (NIR)/visible y el NIR/borde rojo (R2 > 0.6; RMSE < 700 kg ha-1). El N exportado se predijo eficazmente mediante la combinación NIR/borde rojo en el estado de espiga zurrón (R2 > 0.7; RMSE < 9 kg N ha-1), y los mismos resultados fueron encontrados para la GNC, pero con gran variabilidad entre los años estudiados. Por lo tanto, algunos VIs fueron prometedores para guiar la fertilización nitrogenada, pero es necesario mejorar su aplicabilidad. El segundo ensayo experimental se llevó a cabo en Aranjuez (Madrid, España) y tuvo como objetivo evaluar el potencial de los sensores de pinza (Dualex®), proximales (GreenSeeker®), de las imágenes aéreas hiperespectrales, y de parámetros de plantas estimados mediante un modelo de transferencia radiativa (RTM) para identificar las dosis de fertilización nitrogenada y el efecto del N residual procedente de la fertilización del cultivo anterior en una rotación de maíz/trigo. Los sensores de pinza y proximales discriminaron entre las diferentes dosis de N e identificaron el efecto residual cuando fue relevante. Los pigmentos estructurales y fotosintéticos, y los VIs basados en el infrarrojo de onda corta (SWIR), junto con la SIF760 y la clorofila a+b (Cab), la biomasa y el índice de área foliar (LAI) tuvieron un comportamiento similar en la detección de las dosis de N. Sin embargo, el efecto residual solo fue detectado por los índices estructurales (NDVI, OSAVI), de clorofila (CCCI, NDRE), azul/verde, NIR-SWIR (N850,1510), SIF760, Cab, biomasa y el LAI. En la tercera localización, se realizaron dos experimentos de campo con rotaciones de cultivos de guisante-trigo y cebada-trigo, dos niveles de riego y tres tratamientos de N en Alcalá de Henares (Madrid, España) durante tres años. El primer objetivo de este trabajo fue trabajo fue comprobar la capacidad de cuatro genotipos de trigo blando (Triticum aestivum L.) con diferente tolerancia a la sequía (Cellule, Apache, Allez-y y Nogal) para asimilar el N de la leguminosa precedente bajo diferentes escenarios hídricos, y evaluar la capacidad de los sensores de pinza (Dualex®) y proximales (GreenSeeker®) para predecir el índice de nutrición nitrogenada (NNI), rendimiento y GNC. Los resultados mostraron que los cultivos precedentes de leguminosa permitieron reducir la fertilización nitrogenada, pero su efecto dependió del genotipo y de las condiciones climáticas. Los genotipos tolerantes a la sequía (Apache y Cellule) tuvieron el mayor NNI, biomasa, rendimiento y N exportado bajo condiciones limitantes de agua y N, mientras que Allez-y y Nogal obtuvieron un mejor comportamiento en condiciones no limitantes. El rendimiento se predijo mejor con GreenSeeker®, mientras que el NNI y la GNC se evaluaron mejor con la clorofila y el índice de balance de N (NBI) medido con Dualex®. El segundo objetivo de los experimentos llevados a cabo en Alcalá de Henares fue evaluar el estado nutricional e hídrico de dos genotipos de trigo (Cellule y Nogal) para determinar su comportamiento mediante VIs derivados de las mediciones hiperespectrales realizadas a nivel de campo, los rasgos de la planta recuperados conectando un modelo de transferencia radiativa (RTM) con una red neuronal de 3 capas y los datos térmicos. Las medidas de reflectancia espectral se utilizaron para calcular los VIs, y el modelo PROSAIL para recuperar el contenido de Cab y el LAI. Además, se utilizó el índice de déficit hídrico (WDI) y la diferencia de temperatura de la cubierta-aire (Tc-Ta) para evaluar el estado hídrico del trigo. Los resultados mostraron que la Cab estimada y los VIs construidos con bandas de borde rojo obtuvieron la mejor correlación con el NNI y la GNC, aunque se observó variabilidad entre genotipos. El rendimiento se evaluó mejor por los VIs que combinan bandas NIR/visible y NIR/borde rojo que por los rasgos vegetales estimados. La mejor diferenciación entre el comportamiento de los genotipos se logró mediante la Cab y el LAI recuperados por PROSAIL y el índice CCCI, mostrando el genotipo Cellule una mayor respuesta que Nogal a la aplicación de N. Igualmente, el WDI y la diferencia Tc-Ta demostraron que el genotipo más resistente a la sequía (Cellule) sufrió un menor estrés hídrico que Nogal. En resumen, la presente tesis doctoral demuestra que la teledetección es una herramienta útil para para predecir diferentes variables agronómicas (biomasa, NNI, rendimiento, GNC y N exportado) y detectar el estado hídrico del cultivo del trigo bajo diferentes interacciones y localizaciones. Además, presenta la estrategia para detectar diferentes comportamientos entre genotipos, permitiendo ajustar las necesidades hídricas y nutricionales a la propia demanda del cultivo. ABSTRACT Water and nitrogen (N) are the most important limiting factors in agricultural production. In recent decades, there has been an increase in the use of fertilizers and water resources to meet the demand for food from the world’s growing population. However, the excessive use of these resources has a negative impact on the environment. Therefore, it is necessary to implement strategies for adjusting fertilization and irrigation to crop demand in order to obtain sustainable agricultural systems. The main objective of this doctoral thesis is to explore different remote sensing technologies to improve water and N use efficiency in crop rotations. For this, measurements were taken with leaf-clip (Dualex®), proximal sensors (GreenSeeker®, HR-512i® field spectroradiometer and a FLIR SC305® thermal camera) and hyperspectral images captured from an aircraft over several experimental fields where wheat (Triticum sp.) was the main crop. In the first work, field experiments were conducted with spring wheat (Triticum turgidum L.) combining two tillage treatments, two irrigation levels and six N treatments in Northwest Mexico over four consecutive years. The objective of this study was to optimize of remote sensing spectral information for its application to yield, biomass, grain N concentration (GNC) and N output assessment, as well as decision making on spring wheat fertilization. For this, hyperspectral images were acquired through 27 airborne flight campaigns. The yield was better assessed from the end of stem elongation to early milk stage by VIs based on the combination of bands from NIR/visible and from NIR/red-edge bands (R2 > 0.6; RMSE < 700 kg ha-1). N output was efficiently assessed by the NIR/red-edge combination at booting (R2 > 0.7; RMSE < 9 kg N ha-1), and the same results were found for GNC, but with great variability among the years studied. Therefore, some VIs were promising for guiding fertilizer recommendations, although there is still need to improve their implementation. The second experimental trial was established in Aranjuez (Madrid, Spain) and aimed to evaluate the potential of leaf-clip (Dualex®), proximal sensors (GreenSeeker®), hyperspectral airborne imagery, and estimated plant parameters using a radiative transfer model (RTM) for identifying N fertilizer rates and the residual N effect from the previous crop fertilization in a maize/wheat rotation. Leaf-clip and proximal sensors discriminated between different N fertilizer rates and identified the residual effect when it was relevant. Structural, photosynthetic pigments and shortwave infrared (SWIR)-based VIs, together with SIF760 and chlorophyll a+b (Cab), biomass and leaf area index (LAI) performed similarly on N rate detection. However, the residual effect was only detected by the structural (NDVI, OSAVI), chlorophyll (CCCI, NDRE), blue/green, NIR-SWIR (N850,1510) indices, SIF760, Cab, biomass and the LAI. In the third location, two field experiments with pea–wheat and barley–wheat crop rotations, two irrigation levels and three N treatments were conducted in Alcalá de Henares (Madrid, Spain) over three years. The first objectives of this work were to test the ability of four wheat (Triticum aestivum L.) genotypes with different drought tolerance (Cellule, Apache, Allez-y and Nogal) to take up N from the precedent legume under different water scenarios, and to evaluate the capacity of leaf-clip (Dualex®) and proximal (GreenSeeker®) sensors to assess nitrogen nutrition index (NNI), yield and GNC. The results showed that precedent legume enabled a reduction in N fertilizer, but its effect depended on the genotype and climate conditions. The drought-tolerant genotypes (Apache and Cellule) had the highest NNI, biomass, yield and N output under low water and N inputs, whereas Allez-y and Nogal obtained better performance under non-limiting conditions. The yield was better assessed by GreenSeeker®, whereas the NNI and GNC were better assessed by the chlorophyll and N balance index (NBI) measured with Dualex®. The second objective from the experiments established in Alcalá de Henares was to assess the nutritional and water status of two wheat genotypes (Cellule and Nogal) to determine their performance by mean of VIs derived from hyperspectral measurements taken at ground-level, plant traits retrieved coupling a radiative transfer model (RTM) with a 3-layer neural network and thermal data. The spectral reflectance measurements were used to calculate VIs, and the PROSAIL model to retrieve Cab content and LAI. In addition, the water deficit index (WDI) and canopy-air temperature difference (Tc-Ta) were used to assess water status of wheat. The results showed that estimated Cab and VIs built with red-edge bands obtained the best agreement with NNI and GNC, even if variability among genotypes was observed. The yield was better assessed by VIs with the combination of NIR/visible and NIR/red-edge bands than by the estimated plant traits. The best differentiation between genotypes performance was achieved by estimated Cab and LAI retrieved by PROSAIL and the CCCI index, showing Cellule higher response than Nogal to N application. Similarly, the WDI and Tc-Ta proved that the more drought-resistant genotype (Cellule) suffered lower water stress than Nogal. In summary, this doctoral thesis demonstrates that remote sensing is a useful tool to assess different agronomic variables (biomass, NNI, yield, GNC and N output) and to detect the wheat water status under different interactions and locations. In addition, it presents the strategy to detect different performances between genotypes, allowing water and nutritional adjustment to the crop demand.