Software Agroclimatología 2020

INSTITUTO TECNOLOGICO SUPERIOR DE TACÁMBARO
INGENERÍA DE INNOVACIÓN AGRÍCOLA SUSTENTABLE
MAESTRO: ING. VIRIDIANA CALDERÓN PONCE
INTEGRANTES:
1. ROSALES BALTAZAR KARLA YOSELIN
2. SANTOYO GARCIA ROCIO
3. TORRES LEDESMA NAIM JARED
4. TORRES VALDIVIAS CARLOS
5. TORRES MUNGUIA TOMAS
6. URBANO GONZÁLEZ NINELH GUADALUPE
7. VILLALOBOS GARCIA DUVAN
8. VILLAGOMEZ VILLAGOMEZ MARIA MAGDALENA
9. VALLE SANTOYO YADIRA
NOMBRE DE TRABAJO: SOFTWARE
MATERIA: AGROCLIMATOLOGÍA
GRUPO: 4°A
TACÁMBARO MICHOÁCAN A 21 DE MAYO DEL 2020.
Av. Tecnológico # 201, S/C Localidad Tecario,

Tacámbaro; Michoacán, C.P. 61651 Tels. (459)596.22.39 y 596.19.24 www.itstacambaro.edu.mx
Contenido
INTRODUCCIÓN.........................................................................................................................................2
DEFINICIÓN DE MODELO DE UN CULTIVO........................................................................................3
MODELOS EN LOS CULTIVOS AGRÍCOLAS.......................................................................................5
MODELOS DE SIMULACIÓN...................................................................................................................6
SEGÚN CULTIVOS 1. LEGUMINOSAS CROPGRO.............................................................................6
SOYGRO..................................................................................................................................................6
PNUTGRO................................................................................................................................................7
NOTA........................................................................................................................................................8
2. PASTOS CENTURY...............................................................................................................................9
OTROS...................................................................................................................................................10
3. TRIGO Y MAIZ CERES-WEAHT...................................................................................................................10
CORNGRO(MAÍZ).................................................................................................................................11
4. BANANO................................................................................................................................................12
SIMBA.....................................................................................................................................................12
5. GENERICOS DSSAT...........................................................................................................................13
APSIM.....................................................................................................................................................15
DAISY.....................................................................................................................................................17
EPIC........................................................................................................................................................18
WOFOST................................................................................................................................................19
Modelo STICS........................................................................................................................................20
CROPSYST............................................................................................................................................21
CONCLUCIONES......................................................................................................................................22
BIBLIOGRAFÍA..........................................................................................................................................23
INTRODUCCIÓN

Un modelo es “una representación simplificada de un sistema real”. Estos asumen
diferente grado de complejidad en la simulación del sistema, dependiendo de los
objetivos a lograr. Su utilidad radica no sólo en reproducir la realidad, sino porque la
simplifican y permiten que los procesos más importantes sean identificados, estudiados y
pronosticados.
Los modelos de simulación aplicados a cultivos agrícolas son una categoría de
modelos ambientales que, típicamente, predicen el rendimiento, crecimiento y desarrollo
de las plantas, la dinámica de humedad y otros nutrientes.
Sin embargo, a pesar de que los científicos en diversas áreas, como la biología,
agricultura y economía, han estado construyendo modelos de simulación por más de 30
años, la aceptación de estos dentro del flujo de la investigación científica fue muy lento
hasta hace poco más de una década.
En algunos países como Australia, Inglaterra, Holanda y Estados Unidos, la
aceptación y el uso práctico han sido más rápidos.
En general, son aceptables los puntos de vista de varios investigadores, quienes
aseveran que el uso de los modelos de simulación para las ciencias agrícolas y
biológicas, y sus usos prácticos están en un momento de gran importancia.
Actualmente esto se opera en un ambiente de Windows, con posibilidades de
representaciones gráficas y el uso de modernas herramientas estadísticas y
económicas. Estas posibilidades pueden también combinarse armoniosamente con
otras, como las técnicas de Análisis de Datos Espaciales (SDA, por sus siglas en inglés),
los Sistemas de Información Geográfica (GIS, por sus siglas en inglés) y los Sistemas de
Posición Global (GPS, por sus siglas en inglés).
La aplicación de la modelación de cultivos en el mundo agrícola data de los años
70, pero cada vez son más accesibles los modelos de distintos tipos para analistas con
diferentes niveles de experiencia y conocimiento.
Sin embargo, los modelos agrícolas son solamente representaciones muy
aproximadas de los sistemas reales, por el conocimiento incompleto de dichos sistemas,
debido a la complejidad inherente a ellos (5, 6). La utilización adecuada de tales
modelos solo es posible si el usuario posee un conocimiento sólido de la estructura del
modelo, su alcance y sus limitaciones.

DEFINICIÓN DE MODELO DE UN CULTIVO
Hemos adoptado la definición de Sinclair y Seligman, de que un modelo de cultivo

es la simulación dinámica del crecimiento del cultivo por el uso de la integración
numérica de los procesos constituyentes con ayuda de las computadoras. Más
específicamente esto implica un programa de computación, que describe la dinámica del
crecimiento del cultivo en relación con el ambiente, operando en pasos de tiempo y un
orden de magnitud por debajo de la estación del crecimiento y con la capacidad de
obtener variables que describen el estado del cultivo en diferentes puntos del tiempo, por
ejemplo, la biomasa por unidad de área, el estadio de desarrollo, rendimiento, contenido
de nitrógeno foliar, etc.
Los usuarios finales de los modelos en su aplicación los clasifican en los que se
utilizan como herramientas en la:
 Investigación.
 toma de decisiones.
 Educación, entrenamiento o transferencia de tecnologías.
La Figura 1 muestra la relación del producto final, la productividad con la planta y
otros aspectos que integran el producto final, mientras que la Figura 2 muestra cómo
opera la modelación de cultivos .
En el próximo paso se construye un diagrama de flujo detallado, las reacciones e

interacciones principales del cultivo:
Desarrollo fenológico (desarrollo vegetativo),
expansión del follaje y la parte subterránea, y el fin del
cultivo es controlado por la época térmica; Fotosíntesis se deriva como una función de la
intercepción de la luz por el follaje y un factor de eficiencia del uso de radiación; tan
pronto como ocurre el ahijamiento, la biomasa diaria se asigna para el mantenimiento y
relleno de granos hasta que se encuentra el fin del cultivo.
Una vez definido el algoritmo, se desarrolla en un lenguaje de programación. El
primer paso en la construcción del modelo se completa cuando todos los errores de
programación, matemáticos, computacionales y numéricos han sido eliminados.
El ejemplo arriba mencionado de un modelo de simulación da el crecimiento del
cultivo en condiciones sin limitantes y el uso principal de tales modelos es determinar las
potencialidades de producción. El principal factor limitante (por ejemplo, estrés de agua,
estrés de nitrógeno, competiciones explosivas de malas hierbas o enfermedades) se
identifica, y se derivan y expresan matemáticamente sus efectos en el desarrollo del
área de las hojas, eficiencia del uso de la radiación y factores de partición.
Debido a su naturaleza dinámica, los modelos de simulación de cultivos también
ofrecen la oportunidad de explorar el efecto del cambio de tasas de varios procesos
fisiológicos. Por ejemplo, se han usado varios modelos de algodón, para evaluar el
efecto en el rendimiento de los caracteres eficiencia fotosintética, tasa de abscisión de
las hojas y otros. Se concluyó que si la eficiencia fotosintética estaba correlacionada con
el peso específico de la hoja, entonces la mayor parte del crecimiento iría a las hojas con
poco efecto sobre el rendimiento.
MODELOS EN LOS CULTIVOS AGRÍCOLAS
La práctica de la agricultura está basada en conocimientos, tradiciones y

suposiciones; la investigación agrícola mejora las bases del conocimiento que sustenta
la toma de decisiones. Los métodos tradicionales de investigación de otras disciplinas se
han utilizado para tratar los problemas biológicos y económicos, pero no han sido
totalmente exitosos en el tratamiento de las complejidades propias de las actividades
agrícolas. Sin embargo, a medida que los conocimientos aumentan, los resultados de la
observación cambian de cualitativos a cuantitativos y la matemática puede utilizarse
como herramienta para la expresión de hipótesis biológicas. Se desarrolla la
construcción de modelos y se hace posible adoptar un enfoque heurístico y cuantitativo
para la solución de problemas dentro del campo agrícola.

Luego del surgimiento de la modelación de cultivos, ocurrió un rápido aumento de
los conocimientos en el campo agrícola y de accesibilidad a la información tecnológica,
los que han contribuido al desarrollo de un gran número de modelos agrícolas en las
últimas en tres décadas.
Modelos en la agricultura. Los modelos agrícolas son ecuaciones matemáticas,
que representan las reacciones que ocurren dentro de la planta y las interacciones entre
las plantas y el medio ambiente, simulando en forma dinámica el crecimiento del cultivo
con el auxilio de las computadoras.
Debido a la complejidad del sistema y el conocimiento incompleto de todos los
componentes, es imposible representar completamente el sistema en términos
matemáticos y, por tanto, los modelos agrícolas son imágenes aproximadas de la
realidad (10). A diferencia de los campos de la física e ingeniería, no existen modelos
universales en el sector agrícola; los modelos se construyen para propósitos específicos
y el nivel de complejidad se adopta consecuentemente. Es inevitable que se construyen
diferentes modelos para distintos subsistemas y varios modelos pueden ser construidos
para simular un cultivo en particular o un aspecto particular del proceso de producción.
El propósito principal de construir un modelo de cultivo es obtener un estimado de
la producción. De acuerdo con la cantidad de datos y el conocimiento disponible dentro
de un campo particular, se desarrollan modelos con diferentes niveles de complejidad.
MODELOS DE SIMULACIÓN
El número y tipos de modelos de cultivo reportados por la bibliografía es bastante

grande y no sorprende que no exista un modelo de cultivo universal que se pueda
adaptar a los diferentes sistemas, objetivos, procesos y condiciones ambientales.
Existen modelos de simulación de cultivos específicos para un cultivo, por ejemplo, para
trigo y maíz el CERES-Wheat, CORNGRO, SIMTAG, para banano el SIMBA, o por otro
lado pueden ser genéricos. Los modelos genéricos pueden ser aplicados a varias
especies mediante la utilización de parámetros específicos para cada cultivo: algunos de
estos modelos son DSSAT, DAISY, SOILN, EPIC, WOFOST, CROPSYST, APSIM y
STICS (Brisson et al., 1998a, Steduto, 2006), inclusive muchos de estos modelos son de
libre acceso y utilización.

Para De Wit (1986), en la construcción de modelos vegetales se pueden realizar
dos tipos de acercamiento: uno descriptivo y otro explicativo (mecanístico). Según Link
(2005), los modelos pueden ser categorizados en empíricos, mecanísticos, funcionales o
modelos orientados en procesos.
SEGÚN CULTIVOS 1. LEGUMINOSAS CROPGRO
Simula el crecimiento y desarrollo de varios cultivos de dicotiledóneas; y

modificando los valores de los parámetros fisiológicos, fenológicos y bromatológicos que
describen las características de la especie, el cultivar y el eco tipo, sin alterar la
estructura del modelo (Kelly, 1995). Es un modelo basado en SOYGRO, PNUTGRO y
BEANGRO modelos. El modelo funciona en un paso de tiempo diario. Puede simular el
crecimiento y desarrollo del cultivo de cuatro leguminosas diferentes (soja, maní, frijol,
garbanzo).
SOYGRO
SOYGRO versión 5.42 es una soja orientado al proceso (Glycine Max [L.] Merr.)
El crecimiento del cultivo modelo desarrollado en la Universidad de la Florida por un
equipo de investigación interdisciplinario. La presente versión fue desarrollada por hacer
numerosos cambios a versiones anteriores de SOYGRO. La versión original de
SOYGRO se desarrolló desde 1980 hasta 1983 y publicado por Wilkerson et al. (1983a).
Esa versión fue acoplado a un modelo de balance de agua del suelo desarrollado por
Jones y Smajstrla (1980) y documentado como SOYGRO V4.2 (Wilkerson et al. 1983b).
Este modelo fue probado durante dos cultivares (Bragg y Cobb) obtenidas en la Florida
en suelos arenosos y bajo diferentes regímenes de riego. Posteriormente fue utilizado
para estudiar los riesgos económicos de riego gestión en la Florida (Swaney et al, 1983;
Boggess et al 1983; y Boggess y Amerling 1983). El modelo de la soja SOYGRO
también sirvió como el componente agrícola en un manejo integrado de plagas modelo
de gestión y llamó SICM (Modelo de gestión integrada de cultivos de soja, Wilkerson al.,
1983b, Mishoe et al., 1984, Jones et al., 1986).
SOYGRO V5.42 prevé un crecimiento de materia seca, LAI, el desarrollo del
cultivo y rendimiento final de soja en función de los datos meteorológicos diarios
(precipitación, radiación solar, fotoperíodo, máximo y
temperaturas mínimas) para suelos específicos.
Parámetros de suelos describen la capacidad del suelo para almacenar agua y para
suministrar agua a las raíces con base en procesos de escorrentía, infiltración, y
redistribución de agua en un perfil unidimensional. Así, las características del suelo y los
datos meteorológicos son insumos necesarios. El modelo también es sensible a la
elección del cultivar, fecha de siembra, la fila y la planta separaciones y las opciones de
gestión del riego.
PNUTGRO
Para el maní (Boote et al., 1986). El modelo predice la ocurrencia de vegetativo y
reproductivo, el desarrollo del dosel, la producción total de materia seca y su repartición
en las vainas y las semillas con precisión.
Estos modelos han sido evaluados y aplicado en la agricultura para diversas
áreas de investigación (Tsuji et al., 1994).
Ejemplos de ello son la estimación de la la sensibilidad de la producción agrícola
al cambio climático (Hoogenboom 2000; Centro Comercial et al, 2004) la
evaluaciónactuaciones de cultivares (Boote et al, 2003; Baterng et al, 2006), el estudio
de la naturaleza de genotipo x interacciones de entorno (Chapman et al., 2000,
Phakanon et al., 2008) y el rendimiento del cultivo de predicción antes de la cosecha (de
Bannayan et al., 2003, Nain et al., 2004 Mercau et al., 2007 y Soler et al., 2007). Boote
et al. (1986) estudiaron la respuesta a varios factores de manejo de los cultivos de maní
usando modelos de crecimiento. El crecimiento de los cultivos de modelos de
simulación, que se había desarrollado, se había demostrado que un considerable patrón
potencial de previsión del rendimiento. Joven y Rainey (1986) desarrollaron un
crecimiento modelo de simulación "CACAHUETE" en la Universidad Estatal de California
del Norte para los cacahuetes Florigiant crecido más de un periodo 1974-1982. Este
modelo con subrutinas para simular los niveles de humedad del suelo y la raíz
crecimiento permitió al usuario simular los efectos de las decisiones de gestión, como las
fechas de riego y cantidades.
Rainey et al. (1987) presentaron la "MANÍ-PC 'un modelo de microprocesador,
diseñado para permitir al usuario para seleccionar uno u otro modelo "CACAHUETE" o
modelo "PNUTGRO 'para simular el crecimiento de maní. Boote et al.
(1988) reportaron que las aplicaciones de la investigación de modelo 'PNUTGRO'
incluyen la simulación de los efectos de rasgos de madurez, partición de materia seca, el
crecimiento de la vaina, efectos de las plagas y los

procesos de crecimiento de los cultivos a predecir el rendimiento. Aplicaciones de
gestión también se incluyeron para la predicción del crecimiento y rendimiento
respuestas a las fechas de siembra, distancia entre surcos y riego. Chen y Houng (1989)
revelaron que el programa 'PNUTGRO' puede simular los cambios en el suelo contenido
de humedad durante la estación de crecimiento, y se puede utilizar para predecir las
necesidades de riego. Boote et al. (1991) en un artículo de revisión sobre el crecimiento
y el rendimiento de modelado de cacahuete mejoras descritas a el modelo 'PNUTGRO'
incluyendo la adición de un modelo sub fotosíntesis seto para mejorar respuesta a la
separación de filas, la densidad de siembra y el hábito de crecimiento. También
incluyeron la ecuación Penman para incorporar el déficit de presión de vapor y velocidad
del viento para estimar la evapotranspiración en zonas áridas; la modificación de las
funciones para la predicción del desarrollo de los cultivos; y la modificación de los
efectos del estrés ambientes, tales como alta temperatura y el efecto del déficit de
presión de vapor en la partición. Hoogenboom et al. (1999) reportaron que CROPGRO
es un proceso fisiológico genérico orientado modelo de cultivos de leguminosas que
simulan crecimiento vegetativo y reproductivo y el rendimiento de grano de tres cultivos
de leguminosas a saber., soja (SOYAGRO), maní (PNUTGRO) y frijol (BEANGRO).
NOTA
BEANGRO, SOYGRO y PNUTGRO comprenden un grupo de modelos de
producción de las leguminosas relacionadas (Hoogenboom et al., 1992), véase también
DSSAT . Son modelos deterministas y mecanicistas que simulan físicos, químicos y
biológicos en la planta y el medio ambiente relacionado. Su objetivo es predecir los
rendimientos de los cultivos y modelos parámetros. Lo agronómicos relacionados están
construidos para simular procesos de la planta primaria en función de las condiciones
climáticas, de suelo y manejo de cultivos.
Los requisitos de los datos de entrada del modelo son:
• Datos meteorológicos diarios (temperatura del aire, precipitación, radiación
solar);
• Suelo condiciones físicas del perfil por capa;
• Condiciones químicas del suelo del perfil por nivel (del nitrógeno
solamente);
• Condiciones de manejo del cultivo (fecha de siembra, espaciamiento,
manejo del riego).

Los modelos predicen que el peso de las hojas, tallos, raíces, vainas, conchas,
semillas, IAF (índice de área foliar), y la densidad de longitud de raíces en una base
diaria. También predicen principales eventos fenológicos como la floración y madurez.
2. PASTOS CENTURY
El modelo del CENTURY es un modelo general de los ciclos de nutrientes planta-
suelo, que se utiliza para simular la dinámica del carbono y nutrientes para los diferentes
tipos de ecosistemas, incluidos los pastizales, tierras agrícolas, bosques y sabanas.
El CENTURY se compone de un submodelo orgánica del suelo materia /
descomposición, un modelo de balance de agua, un submodelo pastizales / cultivo, un
submodelo producción forestal, y la gestión y la programación de eventos funciones.
Se calcula el flujo de carbono, nitrógeno, fósforo, y azufre a través de
compartimentos del modelo. La configuración mínima de elementos es C y N para todos
los compartimentos modelo. La estructura de la materia orgánica para el carbono (C),
nitrógeno (N), fósforo (P) y sulfor (S) son idénticos; los componentes inorgánicos se
calculan para el compuesto inorgánico específico.
El paso de tiempo es mensual y el modelo requiere de las siguientes variables de
conducción como entrada:
 Temperatura del aire máxima y mínima promedio mensual
 La precipitación mensual
 La textura del suelo
 Planta de nitrógeno, fósforo, y el contenido de azufre
 El contenido de lignina de material vegetal
 Aportes de nitrógeno atmosféricos y del suelo
 De carbono iniciales del suelo, nitrógeno (fósforo y azufre opcional)
Estas variables están disponibles para la mayoría de los ecosistemas naturales y
agrícolas. El submodelo de materia orgánica del suelo incluye tres depósitos de materia
orgánica del suelo (activo, lento y pasivo) con diferentes tasas de descomposición
potenciales, por encima y por debajo de depósitos de detritus de tierra y una piscina
microbiana superficial que está asociado con la descomposición de hojarasca superficial.
El modelo de balance hídrico simplificado calcula la evaporación mensual, la
transpiración, el contenido de agua de las capas del suelo, contenido de agua nieve, y el
flujo saturado de agua entre las capas del suelo. Como se mencionó anteriormente,
CENTURY contiene dos submodelos de producción de
plantas: un submodelo pastizales / cultivos y un
submodelo producción forestal. Ambos modelos de producción de la planta se supone
que la máxima producción mensual de la planta es controlada por la humedad y la
temperatura, y que las tasas máximas de producción de plantas se reducen si hay
suministro de nutrientes suficientes.
El modelo de producción de pastizales / cultivos simula la producción de plantas
para diferentes cultivos herbáceos y las comunidades de plantas (por ejemplo, las
praderas cálidas o frescas de la estación, trigo y maíz). El bosque modelo simula el
crecimiento de los bosques de hojas caducas o perennes en juveniles y fases maduras.
Para simular una sabana o matorral, CENTURY utiliza estos dos submodelos con algo
de código adicional para simular la competencia de nutrientes y efectos de sombreado.
Las perturbaciones tales como incendios, havest, el pastoreo y el cultivo se pueden
simular por medio de la gestión y la programación de eventos funciones.
OTROS.
GRASMOD, GRASP, BLUE GRAMA, GRAZPLAN (Aplicación para ser usada en
gestión de empresas de pastoreo.) Según HURLEY PASTURE MODEL.
3. TRIGO Y MAIZ CERES-WEAHT

Para el maíz y trigo (Jones y Kiniry, 1986) y trigo (Ritchie y la nutria, 1985).
Incrustado en la versión 4.0.2 DSSAT, Sistema de soporte de decisiones para Agro-
tecnología de transferencia, Jones et al., 2003)
Sistema de soporte de decisiones para Agro-tecnología de transferencia, Jones et
al., 2003) es un modelo dinámico mecanístico que calcula diariamente desarrollo
fenológico y el crecimiento en respuesta al ambiente factores mentales (suelo y clima) y
de gestión (del tipo de cultivo, condiciones de siembra, fertilización nitrogenada y riego).
CERES-trigo ha sido validado en una amplia variedad de entornos, que van desde
templado a tropical, en todo el mundo.
Requisitos de entrada para CERES-Wheat incluyen tiempo y condiciones del
suelo, características de la planta, y el manejo de cultivos (Hunt et al., 2001). Mínimos
insumos tiempo de son diarios la radiación solar, precipitación, máxima y mínima del aire
temperaturas. Insumos suelo incluyen drenaje y escurrimiento, coeficientes de
evaporación y radiación coeficientes de reflexión, el suelo capacidad de retención de
agua, y el contenido de N en el suelo en varias profundidad incrementos. Modelo de e
Th también requiere contenido saturado de agua del suelo

y el agua inicial del suelo y el contenido de N para el primer día de la simulación.
Coeficientes genéticos de los cultivos incluidos en el modelo se relaciona con la
sensibilidad al fotoperiodo, la duración de la presentación del grano, la conversión de la
masa para el número de granos, las tasas de llenado de grano, requerimientos de
vernalización, frenar el tamaño y la resistencia al frío (Ritchie et al., 1998). Información
de entrada de Gestión incluye la densidad de plantas, profundidad de siembra, y la
fecha de siembra. Si el riego y fertilizantes se utilizan, se requiere que la fecha y la
cantidad de aplicaciones.
CORNGRO(MAÍZ).
Una descripción sistemática del modelo CORNGRO se presenta, destacando
aquellos aspectos del modelo que no se han informado anteriormente. El modelo fue
modificado para simular mejor el proceso de crecimiento de maíz y predecir los
rendimientos finales. La sensibilidad de los resultados de la simulación de los valores de
entrada de algunos factores ambientales importantes se pusieron a prueba. Los análisis
de sensibilidad indican que los resultados de la simulación del modelo son
moderadamente sensibles a las curvas de propiedades del suelo, y altamente sensibles
a los valores de entrada de la evapotranspiración potencial diaria (ETP). Además, los
parámetros de crecimiento de plantas son más sensibles a los valores de entrada de
diario ETP para tratamientos de riego adecuados que para tratamientos de riego
deficientes.
4. BANANO
SIMBA
SIMBA simula sistemas de cultivo de banano a nivel de campo en varios ciclos de
cultivo. Incluye sub-modelos que simulan la estructura del suelo, balance hídrico, las
poblaciones de nematodos de la raíz, el rendimiento y los resultados económicos, con
un buen equilibrio entre lo que representa los principales fenómenos bien y mantener el
modelo simple de reducir los costos de parametrización en una amplia gama de
condiciones. Indicadores agroambientales generadas por el modelo, permiten evaluar
los principales impactos ambientales potenciales. El modelo ha sido desarrollado y
calibrado en Guadalupe y Martinica, y se utiliza para elaborar recomendaciones
prácticas para los agricultores y para los experimentos
virtuales de innovaciones agro-tecnológicos o las
estrategias de gestión de campo. La estructura de SIMBA se presenta y se propone una
metodología para el diseño de los sistemas de cultivo basados en banano sostenibles
mediante el modelo. SIMBA ha sido evaluado en un amplio rango de sistemas de cultivo
en Guadalupe comparando estimaciones de los modelos a los datos recogidos en los
experimentos de campo y encuestas. Las simulaciones llevan a tendencias en los
sistemas de cultivo basados en la rotación-caracterizados por sistemas que se pueden
considerar como intensiva para la evaluación de beneficios y combinaciones de
replantación frecuentes, aplicación de baja nematicida, sin arar, y el bajo nivel de
fertilización, para la evaluación medioambiental. Las simulaciones realizadas para
optimizar la regla de decisión replantación mostraron que la replantación con relativa
frecuencia es bueno para el beneficio mientras replantaciones de baja frecuencia (más
de cuatro ciclos de plátano) dan una mejor evaluación ambiental.
En un cultivo de banano, cada planta se desarrolla a su propio ritmo y no sigue un
ciclo sincronizado. Una población homogénea desde plantación se convierte en una
población heterogénea luego de unos pocos ciclos, con plantas en diferente estado de
desarrollo al mismo tiempo en el campo. Este proceso tiene un fuerte impacto en la
dinámica de la cosecha, agua, nitrógeno, cobertura del suelo y plagas asociadas.
SIMBA es un complejo grupo de sub – modelos sincronizados que interaccionan
entre si y que fue creado y programado por Tixier et al. (2004) en el software STELLA®
(Labanon, NH, USA). El modelo corre a una escala de tiempo semanal y como escala
espacial fue desarrollado a nivel de parcela. El clima (lluvia, temperatura, radiación solar)
y las propiedades del suelo son parámetros de entrada necesarios para correr el
modelo.
Las características climáticas y del suelo se combinan con reglas de decisión que
describen las prácticas agrícolas según el calendario y que son representadas mediante
variables de control y umbrales normalmente asociados a una acumulación de
temperatura.
5. GENERICOS DSSAT
El Sistema de Soporte de Decisiones para la Transferencia de Agrotecnología
(DSSAT) es un conjunto de programas informáticos para la simulación de crecimiento de
los 16 cultivos agrícolas. Se ha utilizado en más de 100 países por agrónomos para la
evaluación de los métodos de cultivo. Aunque en la
versión v4.5 tiene incorporado 28 cultivos.
Es un modelo comercial, en el cual se integran en una misma plataforma,
modelos específicos desarrollados independientemente para cada uno de los cultivos
disponibles.
De esta manera encontramos integrados por ejemplo modelos como CERES,
SOYGRO y PNUTGRO, que permiten simular maíz, soya y maní respectivamente, pero
también integra modelos para papa, arroz, caña, girasol, entre otros.
Es posible abordar el análisis de monocultivos, en los cuales se pueden simular
condiciones de rotación, interacciones con factores bióticos y abióticos entre otros. El
programa está compuesto de 5 sub-programas, cuyo centro son los modelos de cultivo y
que se relacionan con la bases de datos de clima, suelo, genética entro otras, el
software de soporte, aplicaciones que incluyen relación con GIS y análisis estadísticos y
finalmente la interface con el usuario (Jones et al., 2003).
Con esto modelo es posible (Jones, 1993):
 Organizar y archivar base de datos sobre el clima, suelo, cultivos,
experimentos y precios.
 Simular producción de cultivo en una o varias épocas y en secuencias.
 Analizar resultados y representar gráficamente simulaciones.
 Evaluar diferentes prácticas de manejo específicas a una explotación o
parte de ella.
A esto se puede añadir la evaluación de los posibles impactos en la agricultura al
cambio climático y la prueba métodos de adaptación.
DSSAT surgió del Benchmark Sitios Red Internacional para la Transferencia
agrotecnológico (IBSNAT) en la década de 1980, con el primer lanzamiento oficial en
1989. Versión 4, lanzado en 2003, introdujo una estructura más modular y herramientas
para el análisis económico agregado agrícola y evaluación del riesgo. El desarrollo ha
continuado en la afiliación con el Consorcio Internacional para Sistemas Agrícolas
Aplicaciones (ICASA).

Vista general de los componentes y la estructura modular del DSSAT / CSM.
APSIM
El Agricultural Production Systems sIMulator (APSIM). Es reconocido
internacionalmente como un simulador muy avanzado de
los sistemas agrícolas. Contiene una serie de módulos
que permiten la simulación de sistemas que cubren una amplia gama de plantas,
animales, suelos, clima y gestión de interacciones. APSIM está en desarrollo continuo,
con la nueva capacidad añadida con lanzamientos regulares de las versiones oficiales.
Su desarrollo y mantenimiento se sustenta en rigurosos estándares de ciencia e
ingeniería de software. puede simular más de 20 cultivos y los bosques (por ejemplo,
alfalfa, eucalipto, caupí, gandul, maní, algodón, altramuz, maíz, trigo, cebada, girasol,
caña de azúcar, garbanzos, tomate).
APSIM fue desarrollado para simular los procesos biofísicos en los sistemas
agrícolas, en particular en lo que se refiere a los resultados económicos y ecológicos de
las prácticas de gestión de cara a los riesgos climáticos.
APSIM se estructura alrededor de los módulos de la planta, del suelo y de

gestión. Estos módulos incluyen una amplia gama de cultivos, pastos y árboles, los
procesos del suelo, incluyendo el balance de agua, N y P transformaciones, el pH del
suelo, la erosión y una gama completa de controles de gestión. APSIM el resultado de
una necesidad de herramientas que proporcionan predicciones precisas de la
producción agrícola en relación con el clima, el genotipo, el suelo y el factor de gestión al
abordar las cuestiones de gestión de recursos a largo plazo.
El marco de modelado APSIM se compone de los siguientes componentes:

 Un conjunto de módulos biofísicos que simulan los procesos biológicos y
físicos en los sistemas agrícolas.
 Un conjunto de módulos de gestión que permiten al usuario especificar las
normas de gestión previstos que caracterizan el escenario que se está simulando y que
el control de la simulación.  Varios módulos para facilitar los datos de entrada y
salida hacia y desde la simulación.
 Un motor de simulación que impulsa el proceso de simulación y facilita la
comunicación entre los módulos independientes.

Además de los elementos de la ciencia y la infraestructura del simulador APSIM,
el marco también incluye:
 Varias interfaces de usuario para la construcción de modelos, pruebas y
aplicación
 Varias interfaces y herramientas de base de datos de la asociación para la
visualización y el análisis ulterior de la producción.
 Desarrollo de modelos de Various, pruebas y herramientas de
documentación.
 Una instalación de usuario y soporte para desarrolladores web que
proporciona documentación, la distribución y el defecto /seguimiento de la solicitud de
cambio.
APSIM se ha utilizado en una amplia gama de aplicaciones, incluyendo:
 apoyo a la toma de decisiones a nivel de finca,
 agrícola diseño de sistemas para la producción o la gestión de recursos,
 evaluación del valor de la predicción estacional del clima,
 análisis de los problemas de la cadena de suministro en la agroindustria,
 elaboración de directrices de gestión de residuos,
 evaluación de riesgos para la formulación de políticas y
 como una guía para las actividades de investigación y educación.
Uno de los principales beneficios de APSIM es la capacidad de integrar los
modelos derivados de los esfuerzos de investigación fragmentados. Esto permite la
investigación de una disciplina o dominio para ser transportados a beneficio de alguna
otra disciplina o dominio. También facilita la comparación de los modelos o submodelos
sobre una plataforma común.

DAISY
Daisy es un modelo del sistema suelo-planta-atmósfera diseñada para simular el
balance de agua, el equilibrio térmico, balance de soluto y la producción agrícola en los
agroecosistemas sometidos a diversas gestiones estrategias. El modelo de balance de
agua comprende un balance hídrico superficial y un balance hídrico del suelo.
El agua de la superficie incluye un modelo para la acumulación de nieve y de
fusión, un modelo para interceptación, a través de caídas, y la evaporación de agua en
el follaje de los cultivos, y un modelo para infiltración y escorrentía superficial. El balance
de agua en el suelo incluye el flujo de agua en la matriz del suelo como, así como en
macroporos. Además, incluye la absorción de agua por las plantas y un modelo de
drenaje para tubería de drenaje. El modelo de balance de calor simula la temperatura del
suelo y la congelación y el deshielo en el del suelo. El modelo de balance de soluto
simula los procesos de transporte, absorción y transformación. Se pone especial énfasis
en la dinámica del nitrógeno en los ecosistemas agrarios. Inmovilización mineralización,
nitrificación y desnitrificación, absorción de amonio, nitrato y la captación de amonio, y la
lixiviación de nitrato y amonio son simuladas. Degradación, sorción, la captación y el
transporte de productos agroquímicos como los plaguicidas son simuladas. El modelo de
producción de cultivos simula el crecimiento y desarrollo de la planta, incluyendo la
acumulación de materia seca y nitrógeno en diferentes partes de la planta. Además, el
desarrollo de índice de área foliar y la distribución de la densidad de raíces se simulan.
La competencia por la luz, el agua y el nitrógeno entre las especies de plantas son
También simulado. El modelo de gestión agrícola permite la gestión de edificios
complejos escenarios. El modelo puede funcionar distribuido con múltiples columnas de
suelo. Una instalación para vincular el existe el modelo para los modelos de captación
hidrológica. Esta instalación se ha aplicado a la margarita ligarse a la modelo de cuenca
hidrológica distribuida MIKE / ELLA. Además, la margarita muy flexible software permite
la aplicación de diferentes descripciones de procesos de un mismo proceso. la
descripción del proceso seleccionado es elegida por el modelo de parametrización.
EPIC
Política Ambiental Integrada Climático (EPIC) Modelo
Modelo de Política Ambiental Integrada Climático
(EPIC) es un modelo de los sistemas de cultivo que fue
desarrollado para estimar la productividad del suelo tan afectada por la erosión, como
parte del análisis del suelo y la Ley de Conservación de los Recursos Hídricos para el
1980, lo que revela una importante necesidad de mejorar la tecnología para la
evaluación de los impactos de la erosión del suelo en la productividad del suelo. EPIC
simula aproximadamente ochenta cultivos con un modelo de crecimiento de los cultivos
utilizando los valores de parámetros únicos para cada cultivo. Se predice efectos de las
decisiones de gestión sobre el suelo, el agua, los nutrientes y los movimientos de
plaguicidas y su impacto conjunto en la pérdida de suelo, calidad del agua, y el
rendimiento de los cultivos de las zonas con suelos y gestiones homogéneas.
Capacidades
Funciones EPIC en un intervalo de tiempo diario y pueden simular cientos de
años. Desde el desarrollo inicial, EPIC ha ido mejorando continuamente a través de las
adiciones de algoritmos para simular la calidad del agua, el nitrógeno y el ciclo del
carbono, el cambio climático y los efectos del dióxido de carbono atmosférico. Los
procesos simulados incluyen hoja de intercepción de la radiación solar; la conversión a
la biomasa; división de la biomasa en las raíces, sobre la masa de tierra, y el rendimiento
económico; crecimiento de las raíces; el uso del agua; y la absorción de nutrientes. Se
puede configurar para una amplia gama de la rotación de cultivos y otros sistemas
vegetativos, sistemas de labranza y otras prácticas de manejo. El modelo también puede
evaluar el costo de la erosión para determinar estrategias óptimas de gestión.
Ejemplos de las aplicaciones EPIC incluyen evaluaciones de: comparaciones
relativas entre diferentes suelos de clase erosión las pérdidas por erosión y los efectos
de la erosión en la productividad de los cultivos efectos de diferentes tratamientos de
nutrientes escorrentía superficial y lixiviación de las pérdidas de nitrógeno y fósforo de
las aplicaciones de fertilizantes y estiércol lixiviación y la escorrentía de las aplicaciones
de pesticidas las pérdidas por erosión del suelo por la erosión del viento los impactos del
cambio climático y la sequía en el rendimiento de los cultivos y la erosión del suelo
desarrollo de prácticas de manejo agrícola que son eficaces en el secuestro de carbono
en el suelo las pérdidas de sedimentos y nutrientes en función de los diferentes sistemas
de labranza, rotación de cultivos, y las tasas de fertilización impactos de las diferentes
cantidades de riego y los tiempos análisis económico-ambientales en respuesta a los
sistemas alternativos de cultivo, prácticas de gestión, y otros escenarios nutrientes y
pesticidas estimaciones de movimiento para sistemas de
cultivo alternativos para el análisis de la calidad del agua.
WOFOST
WOFOST (Mundial de Alimentos de estudios) es un modelo de simulación para el
análisis cuantitativo del crecimiento y la producción de cultivos extensivos anuales.
Se trata de un modelo mecanicista que explica el crecimiento del cultivo sobre la
base de los procesos subyacentes, tales como la fotosíntesis, la respiración y la forma
en que estos procesos están influenciados por las condiciones ambientales.
Con WOFOST, se puede calcular la producción de cultivos alcanzables, biomasa,
el uso del agua, etc para un lugar determinado conocimiento sobre el tipo de suelo, el
tipo de cultivo, datos meteorológicos y los factores de manejo de cultivos (por ejemplo,
fecha de siembra). WOFOST ha sido utilizado por muchos investigadores en el mundo y
se ha aplicado durante muchos cultivos sobre una gran variedad de condiciones
climáticas y de gestión. Por otra parte, WOFOST se implementa en el Sistema de
Monitoreo de crecimiento de los cultivos que se utiliza para monitorizar
operacionalmente cultivos herbáceos en Europa y para hacer previsiones de rendimiento
de los cultivos de la temporada de crecimiento actual.
WOFOST se originó en el marco de los estudios interdisciplinarios sobre la
seguridad alimentaria mundial y en el mundo el potencial de producción de alimentos por
el Centro de Estudios Mundiales sobre la Alimentación (CWFS) en cooperación con la
Universidad Agrícola de Wageningen, Departamento de Ecología de Producción Teórica
(WAU-TPE) y el DLO -Centro de Agrobiológicas Investigación y Fertilidad de Suelos (AB-
DLO), Wageningen, Países Bajos. Tras el cese de CWFS en 1988, el Winand Staring
Centre DLO (SC-DLO) ha continuado el desarrollo del modelo en cooperación con AB-
DLO y WAU-TPE.
Modelo STICS
Es un modelo genérico. Aunque originalmente fue diseñado para cereales, puede
ser adaptado a muchos otros cultivos. El modelo posee una serie de ecuaciones
genéricas que representan los diferentes procesos que ocurren en la planta y sus
relaciones con el cultivo.
Dichas ecuaciones están parametrizadas y por lo tanto las diferencias en el
comportamiento de los cultivos dependen de los parámetros utilizados. Si el cultivo esta
parametrizado los datos de entrada solo serán datos de clima, suelo y condiciones de
manejo. El software permite ingresar los datos con
facilidad y es bastante flexible debido a presentación
modular y genérica, permitiendo que cada módulo represente un proceso o grupo de
procesos que ocurren en el sistema suelo cultivo. Opera a una escala de tiempo diaria y
simula la influencia del clima en el crecimiento y desarrollo del cultivo, interrelacionado
con las simulaciones de balances de carbono, nitrógeno y agua del sistema suelo –
planta – atmósfera para diversas prácticas agrícolas (Brisson et al., 1998a).
STICS en su componente de cultivo está basado en tres tipos de funciones
(Brisson et al., 1998; Flénet et al., 2004; Tournebize et al., 2003):
• Una función que define mediante un calendario fisiológico los estados de
crecimiento. Se usa un índice térmico (grados – día) para indicar el paso entre los
diferentes estados de desarrollo según la especie.
• Las funciones de crecimiento de cultivo (área foliar, absorción de luz,
conversión de luz absorbida y partición a grano) dependen de las variables climáticas
(temperatura y radiación)
• Funciones para simular los efectos tanto de estrés hídrico como por
nitrógeno. Estas funciones requieren información sobre desarrollo radicular para acceder
a los recursos agua y nitrógeno.
Que se representan en siete módulos: desarrollo, crecimiento, componentes de la
cosecha, desarrollo radicular, balance de agua, ambiente térmico y balance de
nitrógeno:
• El módulo de desarrollo describe el crecimiento del cultivo y el intervalo
entre diferentes estados en función de la acumulación de grados temperatura.
• El módulo de crecimiento del dosel simula la evolución del LAI en cuatro
fases: dos fases de crecimiento, una fase de estabilidad y una fase de senescencia. El
LAI es el parámetro que permite calcular la radiación interceptada por el cultivo. Este
módulo, simula el LAI y la conversión de radiación a biomasa.
• Componentes de la cosecha: la materia seca y el nitrógeno acumulado en
los granos o elemento cosechado es calculado con índices de cosecha.
• Crecimiento radicular: El crecimiento radicular se asume independiente del
crecimiento aéreo y se calcula por la partición de la biomasa acumulada mediante
fotosíntesis, pero está limitada por la especie, la temperatura y el estado de humedad
del suelo.
• Balance de agua: el modelo usa precipitación y evapotranspiración para
calcular el balance de agua. La evapotranspiración es

calculada con la ecuación de Penman Monteith y está limitada según el estado de
humedad del suelo y el estado energético de la atmósfera. Se tiene un índice de estrés
hídrico para incluir el efecto de dicho estrés en el crecimiento potencial.
• Ambiente Térmico del Cultivo: Este ambiente es simulado según la
temperatura del suelo. La temperatura del cultivo es calculada por medio un simple
balance de energía en una escala de tiempo diaria. Este balance toma en cuenta las
condiciones atmosféricas.
• Balance de Nitrógeno: La mineralización de nitrógeno se asume que
proviene de tres fuentes como degradación de materia orgánica: materia orgánica
humificada, residuos de cosecha y biomasa microbiana.
CROPSYST
Al igual que el STICS el CROPSYST (Cropping Systems Simulation Model), es un
modelo genérico que simula muchos procesos que gobiernan la relación entre clima,
cosecha, suelo y manejo del cultivo. Pueden realizarse simulaciones por varios años e
incluir sistemas de cultivo, los cuales son simulados a una escala diaria. Ha sido
desarrollado con una interface amigable, tiene un link a software GIS (ArcGIS) que
permite controlar la variabilidad espacial, al menos siguiendo un formato tipo vector, con
la creación de polígonos con propiedades diferentes, adicionalmente posee un
generador de datos climáticos llamado Climgen (Stöckle et al., 2003)
CropSyst simula sobre un área unitaria, el balance hídrico y de nitrógeno en el
suelo y planta, la fenología del cultivo, el dosel y el crecimiento radicular, la producción
de biomasa, la cosecha, la producción y descomposición de residuos, la erosión hídrica
y destino de pesticidas. Cada uno de estos procesos es afectado por el clima, las
características del suelo y del cultivo, las prácticas de manejo del cultivo (riego,
fertilización labranza).
El suelo es simulado mediante 5 compartimentos cada uno con sus propiedades
características. Este modelo difiere con el STICS en que el movimiento del agua al
interior del estrato se realiza con la ecuación de Richard resuelta mediante diferencias
finitas.
Tanto el STICS como el CROPSYST son modelos gratuitos.

CONCLUCIONES
 El impetuoso avance de los sistemas de información en la agricultura, muy
unidos al desarrollo de los modernos ordenadores, más eficientes, rápidos y con mucha
mayor capacidad de cómputo, ha permitido un desarrollo vertiginoso de esta nueva
ciencia o conjunto de ciencias que se denomina Modelación de cultivos agrícolas.
 Estos modelos que expresan matemáticamente el crecimiento y desarrollo
de las plantas, integran conocimientos de fisiología, genética, ciencias del suelo,
sistemas de bases de datos agrícolas, datos meteorológicos y otros relacionados con el
manejo de las plantas en modernos software.
 Una de las aplicaciones más importantes de estos modelos es poder
predecir el rendimiento de los cultivos agrícolas en condiciones específicas y ser
capaces de adaptarse al cambio de condiciones.
 Dichos modelos tienen un enorme potencial para usarlas como
herramientas de trabajo en una agricultura moderna.
 Hay una gran gama de sistemas de modelación desde lo genéricos como
DDSAT que es comercial y el STICS, CROPSYST que son gratuitos. También hay por
cultivos pero casi son muy poco usados.
BIBLIOGRAFÍA
CÁTEDRA DE CLIMATOLOGÍA Y FENOLOGÍA AGRÍCOLA . (2009). Obtenido de

UNIVERSIDAD NACIONAL DE ENTRE RÍOS:
http://www.cicyttp.org.ar/climatologiafca/docencia/apuntes/tema10.pdf
Impacto de la Variabilidad Climática en la Producción de Banano en el Urabá

Antioqueño. (21 de febrero de 2017). Obtenido de
http://bdigital.unal.edu.co/4643/4/200720438.2011.Capitulos_6-8.pdf
Montenegro, R. J. (octubre de 2015). ResearchGate. Obtenido de

https://www.researchgate.net/publication/283540202_Modelos_de_impacto_en
_la_agricultura_teniendo_en_cuenta_los_escenarios_de_la_agricultura_del_c
ambio_climatico


Software Agroclimatología 2020

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Software Agroclimatología 2020

Încărcat de

Drepturi de autor:

Formate disponibile

INSTITUTO TECNOLOGICO SUPERIOR DE TACÁMBARO

INGENERÍA DE INNOVACIÓN AGRÍCOLA SUSTENTABLE

MAESTRO: ING. VIRIDIANA CALDERÓN PONCE

NOMBRE DE TRABAJO: SOFTWARE

TACÁMBARO MICHOÁCAN A 21 DE MAYO DEL 2020.

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

Hemos adoptado la definición de Sinclair y Seligman, de que un modelo de cultivo

En el próximo paso se construye un diagrama de flujo detallado, las reacciones e

MODELOS EN LOS CULTIVOS AGRÍCOLAS

La práctica de la agricultura está basada en conocimientos, tradiciones y

Av. Tecnológico # 201, S/C Localidad Tecario,

El número y tipos de modelos de cultivo reportados por la bibliografía es bastante

Av. Tecnológico # 201, S/C Localidad Tecario,

SEGÚN CULTIVOS 1. LEGUMINOSAS CROPGRO

Simula el crecimiento y desarrollo de varios cultivos de dicotiledóneas; y

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

3. TRIGO Y MAIZ CERES-WEAHT

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

APSIM se estructura alrededor de los módulos de la planta, del suelo y de

El marco de modelado APSIM se compone de los siguientes componentes:

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

Av. Tecnológico # 201, S/C Localidad Tecario,

CÁTEDRA DE CLIMATOLOGÍA Y FENOLOGÍA AGRÍCOLA . (2009). Obtenido de

Impacto de la Variabilidad Climática en la Producción de Banano en el Urabá

Montenegro, R. J. (octubre de 2015). ResearchGate. Obtenido de

Av. Tecnológico # 201, S/C Localidad Tecario,

S-ar putea să vă placă și