ctr Cultivos Tropicales cultrop 0258-5936 1819-4087 Ediciones INCA 00001 00001 Artículo original Aplicación de la herramienta de modelación DSSAT para estimar la dosis óptima de fertilizante nitrogenado para la variedad de arroz J-104 Rodríguez-González Osmel 1 * Florido-Bacallao René 1 Varela-Nualles Mario 1 González-Viera Déborah 1 Vázquez-Montenegro Ramsés 2 Maqueira-López Lázaro Alberto 3 Morejón-Rivera Rogelio 3 Instituto Nacional de Ciencias Agrícolas (INCA), carretera San José-Tapaste, km 3½, Gaveta Postal 1, San José de las Lajas, Mayabeque, Cuba. CP 32 700 Instituto Nacional de Ciencias Agrícolas Instituto Nacional de Ciencias Agrícolas (INCA) San José de las Lajas Mayabeque 32 700 Cuba Instituto de Meteorología. Casa Blanca, Regla, Cuba. CP 11 700 Instituto de Meteorología Casa Blanca Regla 11 700 Cuba Unidad Científico Tecnológica de Base "Los Palacios". Km 1½ carretera La Francia, Los Palacios, Pinar del Río, Cuba. CP 22900 Unidad Científico Tecnológica de Base "Los Palacios" Los Palacios Pinar del Río 22900 Cuba Autor para correspondencia: osmel@inca.edu.cu 04 03 2020 Apr-Jun 2020 41 2 e01 07 08 2019 04 03 2020 Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons RESUMEN

El arroz (Oryza sativa L.), es uno de los cereales de mayor producción a nivel mundial. Cuba es uno de los países más altos consumidores de América Latina; con valores de alrededor de 72 kg per cápita por año. Hasta el momento, la producción nacional sólo satisface el 50 % de las necesidades. A pesar de la gran cantidad de recursos que se destinan a la producción del cultivo del arroz, los rendimientos que actualmente se obtienen no satisfacen la demanda existente ni se justifican económicamente. El presente trabajo se desarrolló con el objetivo de aplicar la herramienta de modelación DSSAT para estimar la dosis óptima de fertilizante nitrogenado en función del rendimiento esperado de la variedad de arroz J-104. Para calibrar el modelo se evaluaron tres experimentos, en la Unidad Científico Tecnológica de Base Los Palacios, perteneciente al Instituto Nacional de Ciencias Agrícolas, en diferentes fechas de siembra. Para la simulación se realizaron las corridas del modelo para diferentes dosis de nitrógeno, variando las mismas desde 150 hasta 200 kg ha-1 , con un intervalo de 10 kg ha−1 y se mantuvieron constantes los demás parámetros del modelo. Los resultados muestran que el modelo es capaz de describir adecuadamente la dependencia de los rendimientos con el nivel de nitrógeno aplicado y la dosis recomendada para obtener los mejores rendimientos.

Palabras clave: calibración modelos de simulación rendimiento
INTRODUCCIÓN

El arroz (Oryza sativa L.), es uno de los cereales de mayor producción a nivel mundial y conjuntamente con el trigo, la carne y el pescado, constituyen la base de la alimentación humana. El 75 % de la población mundial lo incluye en su dieta alimenticia diaria y puede superar, en algunos casos, el consumo de otros cereales 1,2.

La Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) informó que la producción mundial de este cereal en el año 2017 superó un 0,6 % la campaña del año anterior al alcanzar 503,9 millones de toneladas. Igualmente se prevé que la utilización mundial de arroz aumente en 1,1 %. El consumo humano debería representar la totalidad de este aumento, y permitir un incremento del consumo mundial per cápita a 53,7 kg 3.

Cuba es uno de los países más altos consumidores de América Latina; con valores de alrededor de 72 kg per cápita por año. Hasta el momento, la producción nacional sólo satisface el 50 % de las necesidades y éstas se completan con importaciones 3.

Nuestro país invierte cuantiosas sumas en la importación de este cereal para la alimentación humana. Los costos son cada vez más altos y, a su vez, resultan difíciles de adquirir en el mercado internacional. Es por ello que cada superficie sembrada del cultivo de arroz debe obtenerse con altos rendimientos para satisfacer las necesidades crecientes de la población con un uso eficiente y racional de los recursos.

A pesar de la gran cantidad de recursos que se destinan a la producción del cultivo, los rendimientos que actualmente se obtienen no satisfacen la demanda existente ni se justifican económicamente. En el país, los cultivares de arroz presentan un potencial de rendimiento que supera las 7,0 t ha -1 (4) . Sin embargo, a pesar de que en Cuba existen condiciones de clima y de suelo favorables para el crecimiento y desarrollo de este cereal, en el 2016 el rendimiento no superó las 3,7 t ha -1 (5) .

Al igual que en otros cultivos, el nitrógeno es el principal factor limitante en la producción de arroz. Su disponibilidad se considera esencial por ser un componente básico en todas las moléculas orgánicas involucradas en el crecimiento y desarrollo vegetal. Promueve el rápido crecimiento de la planta y aumenta el tamaño de las hojas, el número de espiguillas por panícula, el porcentaje de espiguillas llenas y el contenido de proteínas en el grano 6.

Hoy más que nunca, el aumento de la producción de alimentos depende de la utilización prudente del nitrógeno. Cuestiones como el cambio climático, la variabilidad del clima, el suelo y el secuestro de carbono a largo plazo, efectos en la seguridad alimentaria y la sostenibilidad del medio ambiente, se han convertido en aspectos importantes.

Conocer adecuadamente la dinámica del nitrógeno en las diferentes etapas de desarrollo de la planta de arroz, para poder elaborar alternativas más económicas y de bajo impacto ambiental son aspectos de especial importancia y deben ser objeto prioritario de actualización profesional. Cada día resulta más crucial la necesidad de la información en la toma de decisiones y existe un vacío importante entre la información que se necesita y la que se genera tradicionalmente mediante la investigación disciplinaria. Para este propósito una herramienta como los modelos de simulación de cultivos es de gran utilidad.

Durante los últimos 10 años se han desarrollado modelos de simulación de base ecofisiológica para un número importante de sistemas de cultivos. Estos se distinguen de los demás modelos empíricos por su representación explícita de los procesos físicos y biológicos tales como la fotosíntesis, producción de materia seca, crecimiento del área foliar, desarrollo de la planta, ciclo de nutrientes y su balance energético 7.

Los modelos de simulación de cultivos han demostrado ser herramientas que permiten evaluar los recursos disponibles, evaluar un gran número de interacciones planta-ambiente-manejo y facilitar la toma de decisiones, cuantificando el riesgo productivo a partir de un análisis de probabilidad tomando series históricas de datos climáticos diarios y las características de los suelos 8. El uso exitoso del modelo de cultivo depende de la calibración adecuada de los modelos. La determinación de los coeficientes genéticos de un cultivar se puede obtener a partir de la calibración apropiada del modelo 9. Los modelos de cultivos calibrados con parámetros de cultivar pueden utilizarse para analizar e interpretar distintos escenarios futuros debido a modificaciones que deseen proponerse en el manejo del cultivo, cambios en las condiciones climáticas o para el pronóstico de rendimiento, entre otros indicadores 10.

DSSAT es un modelo popular de cultivo utilizado en más de 100 países durante más de 20 años 7. Es un paquete de software para microcomputadoras, que proporciona una interfaz de modelos de simulación de cultivos-suelo, datos para el suelo, el clima, y programas para evaluar estrategias de manejo.

Por ello se plantea como objetivo de este trabajo aplicar la herramienta de modelación DSSAT para estimar la dosis óptima de fertilizante nitrogenado para el cultivo de la variedad de arroz J-104.

MATERIALES Y MÉTODOS

Los modelos de cultivos tienen un principio de trabajo que va desde la calibración, pasando por la validación, hasta la simulación. Para desarrollar esta investigación se dividió el trabajo en dos etapas. La primera para realizar la calibración del modelo mediante la obtención de los valores de los coeficientes genéticos de la variedad de arroz estudiada y la segunda para efectuar las simulaciones del rendimiento al utilizar diferentes dosis de nitrógeno.

Calibración

Para obtener los valores de los coeficientes genéticos de la variedad de arroz J-104 se tomaron datos de experimentos desarrollados en la Unidad Científico Tecnológica de Base Los Palacios (UCTB-LP), perteneciente al Instituto Nacional de Ciencias Agrícolas; situada en la llanura sur de la provincia Pinar del Río (22° 44’ de latitud Norte y 83° 45’ de longitud Oeste, a 60 m s.n.m). Se utilizaron tres fechas de siembra correspondientes a la época de frío o poco lluviosa, que en Cuba abarca desde noviembre a febrero 11 (Tabla 1).

Fechas de siembra utilizadas en los experimentos

No Época de frío o seca(noviembre-febrero)
Día Mes Año
1 15 Enero 2004
2 2 diciembre 2004
3 10 febrero 2005

Fuente: Elaboración propia

Se empleó la variedad J-104, de ciclo medio, que presenta un tipo de planta índica semienana. Sus hojas son de color verde intenso, buen vigor inicial y alta capacidad de ahijamiento; se destaca por su alto potencial de rendimiento; por estas razones se convierte en la favorita de los productores.

La siembra se realizó a voleo, con una norma de 120 kg ha-1 de semillas para asegurar al menos 320 plantas por m2. Se utilizaron parcelas experimentales de 64 m2 de superficie y cuatro repeticiones.

Las labores fitotécnicas se realizaron según lo recomendado en el Instructivo Técnico del Cultivo del Arroz 11. Se aseguró la disponibilidad de agua durante todo el ciclo del cultivo. El control de plagas y arvenses se realizó de manera efectiva. La fertilización se efectuó mediante la aplicación de K2O y P2O5 en el momento de la siembra, a razón de 60 kg ha-1 de ambos; también se aplicó 100 kg ha-1 de nitrógeno, fraccionados durante el ciclo del cultivo aplicando el 25 % del total en cada fertilización. Se utilizaron como portadores el superfosfato triple (46 % de P2O5), el cloruro de potasio (60 % de K2O) y la urea (46 % de N) 11.

Recolección de los datos

La duración en días de las tres fases fenológicas del cultivo se evaluó en cada parcela experimental. La planta de arroz tiene tres fases vegetativas principales: la fase vegetativa, comprende los días transcurridos desde la emergencia hasta el punto de algodón; la fase reproductiva, desde el punto de algodón hasta que finaliza la etapa de antesis; y la maduración, desde la antesis hasta la madurez del grano. Cada fase se identificó cuando más del 50 % de la parcela experimental mostró las características de estas etapas.

La determinación del rendimiento agrícola y sus componentes (número de panículas por m2, número de granos por panícula, porcentaje de granos vanos y masa de 1000 granos) se realizó en cada parcela experimental. Se tomó un área de 1 m2, con dos repeticiones en cada réplica y los valores se expresaron en t ha-1, al 14 % de humedad del grano. Para las panículas por m2, se empleó el método de conteo en un área de 0,50 m2, con cuatro repeticiones por parcela. Para el número de granos por panícula, se tomaron al azar 20 panículas; estas se desgranaron, se separaron los granos vanos de los llenos y se contaron. Para la masa de 1000 granos se tomaron dos muestras por parcela de 1000 granos llenos, que se pesaron en una balanza analítica.

Preparación de los ficheros de entrada

Se crearon seis ficheros de entrada para correr el modelo CERES-Rice insertado en DSSAT v4.6: fichero X, fichero A, fichero T, fichero de suelo, fichero de clima y fichero de coeficientes genéticos.

En los ficheros A y T se almacenaron los valores de las variables fisiológicas observadas en los experimentos y, posteriormente, se compararon con los valores simulados por el modelo para la calibración.

En el fichero X se almacenaron datos de las condiciones de campo, tratamientos experimentales y opciones de simulación. La mayor parte de este fichero son los datos de manejo de la producción de cultivos, separados en varias secciones.

El suelo del área para los experimentos se clasifica como Hidromórfico Gley Nodular Ferruginoso Petroférrico, según la Clasificación de los Suelos de Cuba 2015 12.

Para la confección del fichero de clima se utilizaron los valores de las variables meteorológicas (temperaturas máximas y mínimas y precipitaciones diarias) de los meses en que se desarrollaron los experimentos, obtenidas de la Estación Meteorológica de Paso Real de San Diego, en Los Palacios, a unos 3 km aproximadamente del área experimental.

Calibración del modelo

El modelo CERES-Rice para DSSAT necesita ser calibrado mediante la obtención de ocho coeficientes genéticos (P1, P2O, P2R, P5, G1, G2, G3 y G4). Los coeficientes P son considerados aspectos fenológicos del cultivo, como la floración y la maduración. Los coeficientes G se relacionan con el rendimiento potencial de una variedad específica 13 (Tabla 2).

Descripción de los coeficientes genéticos de CERES-Rice

Coeficiente Definición
P1 Grados días de calor acumulado a partir de la emergencia de las plántulas durante el cual la planta de arroz no responde a los cambios en el fotoperíodo.
P2O Fotoperíodo crítico o la duración más larga del día en la que el desarrollo ocurre a una velocidad máxima.
P2R Grado en que el desarrollo fásico que conduce a la iniciación de la panícula se retrasa por cada hora de incremento en el fotoperíodo por encima de P2O.
P5 Grados días de calor acumulado desde el comienzo de llenado del grano hasta la madurez fisiológica.
G1 Número de espiguillas, potencial estimado a partir del número de espiguillas por gramo de peso seco del culmo principal en antesis.
G2 Peso de un grano en condiciones ideales de cultivo, es decir, luz, agua y nutrientes no limitantes y ausencia de plagas y enfermedades.
G3 Coeficiente de ahijamiento relativo al cultivar IR64 bajo condiciones ideales.
G4 Coeficiente de tolerancia de temperatura, usualmente 1,0 para las variedades cultivadas en ambientes normales.

Fuente: Elaboración propia con información de otros autores 14

El cálculo de los grados días de calor acumulado (GDCA) (Ecuación 1) se realizó teniendo en cuenta la duración de las fases fenológicas que alcanzó el cultivo en las diferentes fechas de siembra y los registros de temperaturas, mediante la sumatoria de los grados días de calor (GDC) 15.

G D C A = T m á x T m í n 2 T b a s e

donde: 𝑇𝑚á𝑥 es la temperatura máxima diaria del aire; 𝑇𝑚í𝑛 es la temperatura mínima diaria del aire y 𝑇𝑏𝑎𝑠𝑒 es la temperatura base en que el proceso de interés no se desarrolla y se tomó en este caso 9 ºC.

Los coeficientes se ajustaron mediante el método manual de prueba y error hasta que se logró un RMSEn menor que 5 % entre los valores observados en los experimentos y los simulados por el modelo, en las fechas de antesis y madurez fisiológica, masa de 1000 granos y rendimiento del grano 14.

Se calcularon además la RMSE y el índice d de acuerdo con 16, con las siguientes ecuaciones (Ecuaciones 2, 3 y 4):

R M S E =   i = 1 n ( S i O i ) 2 n .

R M S E n = 100 *   i = 1 n ( S i O i ) 2 n O b ¯ .

d = 1 i = 1 n ( S i O i ) 2 i = 1 n ( | S i O b ¯ | + | O i O b ¯ | ) 2 .

donde: 𝑆𝑖 y 𝑂𝑖 - valores simulados y observados, n es el número de observaciones; O b ¯ - media de los valores de 𝑂𝑖. Es factible utilizar las ecuaciones anteriores, ya que la 𝑅𝑀𝑆𝐸 es una herramienta útil para probar la bondad de ajuste de modelos de simulación y representa una medida global entre los valores observados y simulados; el valor más cercano a cero indica un desempeño bueno en la simulación 17.

La 𝑅𝑀𝑆𝐸𝑛 fue usó para dar una medida porcentual de la diferencia relativa entre los valores simulados y observados en las fechas de antesis y madurez fisiológica, masa de 1000 granos y rendimiento del grano. Una simulación puede ser considerada de Excelente si el 𝑅𝑀𝑆𝐸𝑛 es menor que el 10 %, Buena si se encuentra entre 10 y 20 %, Razonable si está entre 20 y 30 % y Malo si es mayor que 30 % 18. Se plantea que debe estar próximo a uno 16.

Simulación

Para realizar las simulaciones se tomó el fichero del experimento realizado en enero de 2004 y se introdujo en la herramienta de análisis estacional incluida en DSSAT. El análisis de sensibilidad del rendimiento del grano a los niveles de aplicación de fertilizante nitrogenado se llevó a cabo creando seis experimentos donde se variaron las dosis del fertilizante de 150 a 200 kg ha−1 de nitrógeno con un intervalo de 10 kg ha−1 de nitrógeno y se mantuvieron constantes los demás parámetros del modelo como se definieron en la calibración.

Para la simulación con las diferentes dosis de nitrógeno se seleccionaron las fases fenológicas de cuarta hoja, inicio de ahijamiento, ahijamiento activo y punto de algodón y el porcentaje de los fraccionamientos se calcularon a partir de la dosis recomendada en el Instructivo Técnico del Arroz 19 para obtener un rendimiento de 6 t ha-1.

Se realizó la corrida del modelo para obtener los valores de rendimiento del grano para estos experimentos y se compararon para determinar el mejor de ellos.

RESULTADOS Y DISCUSIÓN Calibración

Los valores de los coeficientes genéticos que determinan el crecimiento vegetativo y reproductivo para la variedad J-104 se presentan en la Tabla 3. Esto resumen, cuantitativamente, cómo una variedad particular responde a los factores ambientales. Los valores determinados se encuentran en el rango de valores que se describen en el Manual de Usuario de CERES-Rice 20.

Valores de los coeficientes genéticos para la variedad J-104

P1(ºC) P2O(h) P2R(ºC) P5(ºC) G1(espiguillas por gramo) G2(g) G3 G4
600,0 10,00 200,4 350,5 45,11 0,025 1,00 1,129

Fuente: Elaboración propia

En la Tabla 4 se muestran la comparación de los valores observados y simulados, en cuanto a rendimiento de grano, masa de 1000 granos, días a la antesis y días a la maduración, así como los indicadores de bondad de ajuste del modelo. Los rendimientos del grano predichos estuvieron de acuerdo con los observados con 𝑅𝑀𝑆𝐸 = 97,66 kg ha-1 y d = 0,98. Similar comportamiento tuvieron los valores de los días a la antesis y los días a la maduración con 𝑅𝑀𝑆𝐸 = 5,32 días y 6,2 días respectivamente, con d = 0,66 y 0,87 respectivamente. Es válido resaltar que aunque d se encuentre por debajo de 0,9 hay autores que consideran estos valores como satisfactorios 4,14. En todos los casos evaluados el 𝑅𝑀??𝐸𝑛 se comportó con valores inferiores al 10 %, lo que evidencia la excelencia de las simulaciones realizadas por el modelo.

Otros autores reportaron un valor mayor de 𝑅𝑀𝑆𝐸 (305,2 kg ha-1), comparado con el obtenido en esta investigación, para el rendimiento de la variedad de arroz LP-5 en la localidad de Los Palacios, Cuba 4. En el noroeste de la India, el 𝑅𝑀𝑆𝐸 absoluto, tanto para la antesis como para la madurez, fue de seis días y el índice d fue de 0,72 y 0,96 para las fechas de la antesis y la madurez, respectivamente, lo que concuerda con los resultados de esta investigación 21.

Indicadores de bondad de ajuste para el rendimiento, masa de 1000 granos, días a la antesis y días a la maduración fisiológica.

Rendimiento(kg ha-1) Masa de 1000 granos(g) Días a la antesis(ddp) Días a la maduración (ddp)
Experimento 𝑂𝑖 𝑆𝑖 𝑂𝑖 𝑆𝑖 𝑂𝑖 𝑆𝑖 𝑂𝑖 𝑆𝑖
Enero 2004 3550 3387 25,0 25,0 140 140 159 167
Diciembre 2004 4300 4274 25,0 25,0 144 150 177 179
Febrero 2005 4042 4005 25,0 25,0 146 153 187 180
𝑹𝑴𝑺𝑬 97,663 0 5,323 6,245
𝑹𝑴𝑺𝑬𝒏 (%) 2,46 0 3,71 3,58
D 0,98 - 0,66 0,871

𝑆𝑖 valores simulados y 𝑂𝑖 - valores observados

Fuente: Elaboración propia

En la Figura 1 se muestra el comportamiento de los valores observados y simulados en la recta (1:1) y el coeficiente de determinación (R2). Se puede apreciar que los modelos son de buen ajuste pues R2 > 90 % en todos los casos, lo que igualmente ratifica que los valores predichos son muy similares a los observados.

De manera general, el modelo subestimó el rendimiento medio obtenido y sobreestimó los valores observados para días a la antesis y días a la maduración. Estas diferencias en las estimaciones promedio de los parámetros estudiados son bastante pequeñas y también respaldan las buenas métricas estadísticas presentadas en este estudio.

Comportamiento de los valores observados y simulados para rendimiento (a), días a la antesis (b) y días a la maduración (c) ddp: días después de plantados Fuente: Elaboración propia

Por lo tanto, los resultados de este estudio sugieren que el modelo DSSAT puede usarse para calcular los coeficientes genéticos con un grado considerable de precisión para modelar el rendimiento de la variedad de arroz J-104, en la época poco lluviosa, y sus componentes fisiológicos en Cuba.

Simulación

En la Figura 2 se muestra el comportamiento del rendimiento del arroz variedad J-104 para las seis dosis de nitrógeno utilizadas en las simulaciones. El mayor valor de rendimiento se obtuvo para la dosis de 200 kg ha-1 de nitrógeno con 6363 kg ha-1, logrando una eficiencia de 31,8 kg de arroz por kg de nitrógeno aplicado. Este rendimiento fue superior en 1627 kg ha-1 a la variante de 150 kg ha-1 de nitrógeno, que alcanzó el rendimiento más bajo.

Rendimiento simulado para las distintas dosis de nitrógeno Fuente: Elaboración propia

Estudios realizados demuestran que el nivel de nitrógeno influye de manera significativa sobre el rendimiento agrícola y sus componentes, ya que las variedades IACuba28 y J-104 manifestaron la mayor respuesta con el máximo nivel aplicado, 140 y 180 kg ha-1 de nitrógeno en las campañas húmeda y seca, respectivamente 22. También se ha reportado una dosis óptima de 225 kg ha-1 de nitrógeno al ajustar un modelo cuadrático, variando las dosis de 0 hasta 300 kg ha-1 de nitrógeno 6.

CONCLUSIONES

La obtención de los coeficientes genéticos de la variedad de arroz J-104 permitió establecer que el modelo DSSAT puede usarse para modelar el rendimiento del arroz y sus componentes fisiológicos en las condiciones de Cuba.

El modelo es capaz de describir adecuadamente la dependencia de los rendimientos con el nivel de nitrógeno aplicado; obteniéndose el mayor rendimiento al utilizar la dosis de 200 kg ha-1 de nitrógeno

BIBLIOGRAFÍA 1. Méndez P. infoarroz.org [Internet]. 2018 [cited 24/03/2020]. Available from: http://www.infoarroz.org/portal/es/index.php Méndez P infoarroz.org Internet 2018 24/03/2020 Available from: http://www.infoarroz.org/portal/es/index.php 2. Maqueira LA, Roján O, Torres K, Duque D, Torres W. Duración de las fases fenológicas, su influencia en el rendimiento del arroz (Oryza sativa L.). Cultivos Tropicales. 2018;39(1):68-73. Maqueira LA Roján O Torres K Duque D Torres W Duración de las fases fenológicas, su influencia en el rendimiento del arroz (Oryza sativa L ) Cultivos Tropicales 2018 39 1 68 73 3. FAO. Seguimiento del mercado del arroz de la FAO. Vol. XXI. 2018. FAO Seguimiento del mercado del arroz de la FAO XXI 2018 4. Hernández Córdova N, Soto Carreño F, Florido Bacallao R, Plana Llerena R, Caballero Núñez A, Maqueira López LA, et al. Utilización de un modelo de simulación para la predicción del comportamiento de algunos cereales en las condiciones de Cuba. Cultivos Tropicales. 2016;37(1):78-84. Hernández Córdova N Soto Carreño F Florido Bacallao R Plana Llerena R Caballero Núñez A Maqueira López LA Utilización de un modelo de simulación para la predicción del comportamiento de algunos cereales en las condiciones de Cuba Cultivos Tropicales 2016 37 1 78 84 5. ONEI. Capítulo 9: Agricultura, ganadería, silvicultura y pesca. Vol. 37. 2017. 7 p. ONEI Capítulo 9: Agricultura, ganadería, silvicultura y pesca 37 2017 7 7 6. Guzmán R, Vedia A, Maquera L, Hee Baek E, López A, Vales M. Respuesta del cultivo de Arroz de Secano (Oryza sativa L.) a diferentes niveles de fertilización nitrogenada, Municipio de Yapacani, departamento de Santa Cruz, verano 2015/16. Revista científica de investigación INFO-INIAF. 2016;1(7):54-9. Guzmán R Vedia A Maquera L Hee Baek E López A Vales M Respuesta del cultivo de Arroz de Secano (Oryza sativa L ) a diferentes niveles de fertilización nitrogenada, Municipio de Yapacani, departamento de Santa Cruz, verano 2015/16 Revista científica de investigación INFO-INIAF 2016 1 7 54 59 7. Jones JW, Hoogenboom G, Porter CH, Boote KJ, Batchelor WD, Hunt LA, et al. The DSSAT cropping system model. European journal of agronomy. 2003;18(3-4):235-65. Jones JW Hoogenboom G Porter CH Boote KJ Batchelor WD Hunt LA The DSSAT cropping system model European journal of agronomy 2003 18 3-4 235 265 8. Hernández N, Soto F, Caballero A. Modelos de simulación de cultivos: Características y usos. Cultivos Tropicales. 2009;30(1):00-00. Hernández N Soto F Caballero A Modelos de simulación de cultivos Características y usos Cultivos Tropicales 2009 30 1 00 00 9. Choudhury AK, Ishtiaque S, Sen R, Jahan M, Akhter S, Ahmed F, et al. "Calibration and Validation of DSSAT Model for Simulating Wheat Yield in Bangladesh." Haya: The Saudi Journal of Life Sciences(SJLS). 2018;3(4):356-64. Choudhury AK Ishtiaque S Sen R Jahan M Akhter S Ahmed F "Calibration and Validation of DSSAT Model for Simulating Wheat Yield in Bangladesh." Haya: The Saudi Journal of Life Sciences(SJLS) 2018 3 4 356 364 10. Rodríguez-González O, Florido-Bacallao R, Varela-Nualles M. Aplicaciones de la modelación matemática y la simulación de cultivos agrícolas en Cuba. Cultivos Tropicales. 2018;39(1):7. Rodríguez-González O Florido-Bacallao R Varela-Nualles M Aplicaciones de la modelación matemática y la simulación de cultivos agrícolas en Cuba Cultivos Tropicales 2018 39 1 7 7 11. Instructivo técnico cultivo de arroz, edit. Instituto de Investigaciones del Arroz, La Habana. 2001. 82 p. Instructivo técnico cultivo de arroz Instituto de Investigaciones del Arroz La Habana 2001 82 82 12. Hernández A, Pérez J, Bosch D, Castro N. Clasificación de los suelos de Cuba 2015. Ediciones INCA: Mayabeque, Cuba, 2015. Hernández A Pérez J Bosch D Castro N Clasificación de los suelos de Cuba 2015 2015 Ediciones INCA Mayabeque, Cuba 13. Satapathy SS, Swain DK, Herath S. Field experiments and simulation to evaluate rice cultivar adaptation to elevated carbon dioxide and temperature in sub-tropical India. European Journal of Agronomy. 2014;54:21-33. Satapathy SS Swain DK Herath S Field experiments and simulation to evaluate rice cultivar adaptation to elevated carbon dioxide and temperature in sub-tropical India European Journal of Agronomy 2014 54 21 33 14. Lamsal A, Amgai LP, Giri A. Modeling the sensitivity of CERES-Rice model: An experience of Nepal. Agronomy Journal of Nepal. 2013;3:11-22. Lamsal A Amgai LP Giri A Modeling the sensitivity of CERES-Rice model An experience of Nepal Agronomy Journal of Nepal 2013 3 11 22 15. Maqueira López LA, Torres de la Nova W, Pérez Mesa SA, Díaz Paez D, Roján Herrera O. Influencia de la temperatura ambiental y la fecha de siembra sobre la duración de las fases fenológicas en cuatro cultivares de arroz (Oryza sativa L.). Cultivos Tropicales. 2016;37(1):65-70. Maqueira López LA Torres de la Nova W Pérez Mesa SA Díaz Paez D Roján Herrera O. Influencia de la temperatura ambiental y la fecha de siembra sobre la duración de las fases fenológicas en cuatro cultivares de arroz (Oryza sativa L ) Cultivos Tropicales 2016 37 1 65 70 16. Willmott CJ. Some comments on the evaluation of model performance. Bulletin of the American Meteorological Society. 1982;63(11):1309-13. Willmott CJ Some comments on the evaluation of model performance Bulletin of the American Meteorological Society 1982 63 11 1309 1313 17. Ray M, Roul PK, Baliarsingh A. Application of dssat crop simulation model to estimate rice yield in Keonjhar district of Odisha (India) under changing climatic conditions. Int. J. Curr. Microbiol. App. Sci. 2018;7(4):659-67. Ray M Roul PK Baliarsingh A Application of dssat crop simulation model to estimate rice yield in Keonjhar district of Odisha (India) under changing climatic conditions Int. J. Curr. Microbiol. App Sci 2018 7 4 659 667 18. Raes D, Steduto P, Hsiao TC, Fereres E. Chapter 2-Users guide. Reference Manual: AquaCrop, Version. 2018;4:1-164. Raes D Steduto P Hsiao TC Fereres E Chapter 2-Users guideReference Manual AquaCrop 2018 4 1 164 19. Instructivo Técnico Cultivo de Arroz [Internet]. 2014 [cited 24/3/2020]. Available from: https://isbn.cloud/en/9789597210863/instructivo-tecnico-cultivo-de-arroz/ Instructivo Técnico Cultivo de Arroz Internet 2014 24/3/2020 Available from: https://isbn.cloud/en/9789597210863/instructivo-tecnico-cultivo-de-arroz/ 20. Singh U, Ritchie JT, Godwin DC. A User's Guide to CERES Rice, V2. 10. International Fertilizer Development Center Muscle Schoals; 1993. Singh U Ritchie JT Godwin DC A User's Guide to CERES Rice 2. 10. International Fertilizer Development Center Muscle Schoals 1993 21. Timsina J, Singh U, Singh Y, Lansigan FP. Addressing sustainability of rice-wheat systems: testing and. In: Proceedings of the International Rice Research Conference. 1995. p. 17. Timsina J Singh U Singh Y Lansigan FP Addressing sustainability of rice-wheat systems: testing and Proceedings of the International Rice Research Conference 1995 17 17 22. Peña LR, Ávila J, Peña R. Efecto de la densidad de siembra y la fertilización nitrogenada sobre el rendimiento agrícola y sus componentes de las variedades de arroz IACuba 28 y J 104. Revista Cubana del Arroz. 2001;3(1):43-50. Peña LR Ávila J Peña R Efecto de la densidad de siembra y la fertilización nitrogenada sobre el rendimiento agrícola y sus componentes de las variedades de arroz IACuba 28 y J 104 Revista Cubana del Arroz 2001 3 1 43 50 Original article Application of DSSAT crop simulation model to estimate the optimum dose of nitrogen fertilizer for the rice variety J-104 Rodríguez-González Osmel 1 * Florido-Bacallao René 1 Varela-Nualles Mario 1 González-Viera Déborah 1 Vázquez-Montenegro Ramsés 2 Maqueira-López Lázaro Alberto 3 Morejón-Rivera Rogelio 3 Instituto Nacional de Ciencias Agrícolas (INCA), carretera San José-Tapaste, km 3½, Gaveta Postal 1, San José de las Lajas, Mayabeque, Cuba. CP 32 700 Instituto de Meteorología. Casa Blanca, Regla, Cuba. CP 11 700 Unidad Científico Tecnológica de Base "Los Palacios". Km 1½ carretera La Francia, Los Palacios, Pinar del Río, Cuba. CP 22900 Author for correspondence: osmel@inca.edu.cu ABSTRACT

The rice (Oryza sativa L.), is one of the cereals of greater production worldwide. Cuba is one of the highest consumer countries in Latin America; with values of around 72 kg per capita per year. So far, the national production only satisfies 50 % of the needs. In spite of the large amount of resources that are destined to the production of rice cultivation, the yields that are currently obtained do not satisfy the existing demand nor are economically justified. The present work was developed with the objective of applying the DSSAT crop simulation model to estimate the optimal nitrogen fertilizer dose based on the expected yield of the rice variety J-104. To calibrate the model, three experiments were evaluated in the Los Palacios Base Scientific Technological Unit, belonging to the National Institute of Agricultural Sciences (INCA), in different sowing dates. For the simulation, the runs of the model were made for different doses of nitrogen, varying them from 150 to 200 kg ha-1, with an interval of 10 kg ha-1 and the other parameters of the model were kept constant. The results show that the model is able to describe adequately the dependence of the yields with the level of nitrogen applied and the recommended dose to obtain the best yields.

Key words: calibration simulation models yield
INTRODUCTION

Rice (Oryza sativa L.), is one of the cereals with the highest production worldwide and, together with wheat, meat and fish, constitute the basis of human nutrition. The 75 % of the world population includes it in their daily food diet and may exceed, in some cases, the consumption of other cereals 1,2.

The Food and Agriculture Organization of the United Nations (FAO) reported that world production of this cereal in 2017 exceeded 0.6 % the previous year's campaign, reaching 503.9 million tons. World rice utilization is also to increase by 1.1 % forecast. Human consumption should represent the totality of this increase, and allow an increase in world consumption per capita to 53.7 kg 3.

Cuba is one of the highest consuming countries in Latin America; with values of around 72 kg per capita per year. So far, national production only meets 50 % of the needs and these are completed with imports 3.

Our country invests large sums in the import of this cereal for human consumption. The costs are getting higher and, in turn, they are difficult to acquire in the international market. That is why each area planted to rice cultivation must be obtained with high yields to satisfy the growing needs of the population with an efficient and rational use of resources.

Despite the large amount of resources that are destined to the production of the crop, the yields that are currently obtained do not satisfy the existing demand nor are they economically justified. In the country, rice cultivars have a yield potential that exceeds 7.0 t ha-1 (4. However, despite the fact that in Cuba there are favorable climate and soil conditions for the growth and development of this cereal, in 2016 the yield did not exceed 3.7 t ha-1 (5.

As in other crops, nitrogen is the main limiting factor in rice production. Its availability is considered essential because it is a basic component in all organic molecules involved in plant growth and development. It promotes the rapid growth of the plant and increases the size of the leaves, the number of spikelets per panicle, the percentage of full spikelets and the protein content in the grain 6.

Today more than ever, increased food production depends on the prudent use of nitrogen. Furthermore, issues such as climate change, climate variability, soil and long-term carbon sequestration, effects on food security and environmental sustainability have become important aspects.

Knowing adequately the nitrogen dynamics in the different stages of development of the rice plant, to be able to elaborate cheaper and low environmental impact alternatives are aspects of special importance and should be a priority object of professional updating. The need for information in decision-making is becoming more crucial every day and there is a significant gap between the information that is needed and that traditionally generated through disciplinary research. For this purpose, a tool such as crop simulation models is very useful.

Ecophysiological based simulation models have been developed over the past 10 years for a significant number of crop systems. These are from other empirical models distinguished by their explicit representation of physical and biological processes such as photosynthesis, dry matter production, leaf area growth, plant development, nutrient cycling, and energy balance 7.

Crop simulation models have proven to be tools that allow evaluating available resources, evaluating a large number of plant-environment-management interactions and facilitating decision-making, quantifying production risk from a probability analysis taking historical series of daily climate data and soil characteristics 8. The successful use of the culture model depends on the proper calibration of the models. The determination of the genetic coefficients of a cultivar can be obtained from the appropriate calibration of the model 9. Crop models calibrated with cultivar parameters can be used to analyze and interpret different future scenarios due to modifications that may be proposed in crop management, changes in weather conditions or for yield forecasting, among other indicators 10.

DSSAT is a popular model of cultivation used in more than 100 countries for more than 20 years 7. It is a microcomputer software package, which provides an interface for crop-soil simulation models, soil and climate data, and programs to evaluate management strategies.

For this reason, the objective of this work is to apply the DSSAT modeling tool to estimate the optimum dose of nitrogen fertilizer for the J-104 rice variety.

MATERIALS AND METHODS

Crop models have a working principle that goes from calibration, through validation, to simulation. To develop this research, the work was into two stages divided; the first to carry out the calibration of the model by obtaining the values of the genetic coefficients of the rice variety studied and the second to perform the simulations of the yield when using different nitrogen doses.

Calibration

To obtain the values of the genetic coefficients of the J-104 rice variety, data were taken from experiments carried out at the Los Palacios Base Scientific-Technological Unit (UCTB-LP), belonging to the National Institute of Agricultural Sciences; located in the southern plain of the Pinar del Río province (22° 44 ’north latitude and 83° 45’ west longitude, at 60 m a.s.l). Three planting dates were used corresponding to the cold or dry season, which in Cuba covers from November to February 11 (Table 1).

Sowing dates used in the experiments

Nu Cold or dry season (November-February)
Day Month Year
1 15 Enero 2004
2 2 Diciembre 2004
3 10 Febrero 2005

Source: Own elaboration

The medium-cycle variety J-104, which has a semi-dwarf indica plant type, was used. Its leaves are deep green in color, good initial vigor and high ability of tillering; it stands out for its high performance potential; for these reasons, it becomes a producer favorite.

The sowing was by broadcast carried out, with a norm of 120 kg ha-1 of seeds to ensure at least 320 plants per m2. Experimental plots of 64 m2 of surface and four replications were used.

The phytotechnical work was as recommended in the Technical Instructions for the Cultivation of Rice carried out 11. Water availability was throughout the crop cycle ensured. Pest and weed control were carried out effectively. Fertilization was by applying K2O and P2O5 at the time of sowing carried out, at a rate of 60 kg ha-1 of both; 100 kg ha-1 of nitrogen was also applied, fractionated during the crop cycle, applying 25 % of the total in each fertilization. Triple superphosphate (46 % P2O5), potassium chloride (60 % K2O) and urea (46 % N) were used as carriers 11.

Collection of data

The duration in days of the three phenological phases of the culture was evaluated in each experimental plot. The rice plant has three main vegetative phases: the vegetative phase, comprises the days elapsed from emergence to the cotton point; the reproductive phase, from the cotton point until the anthesis stage ends; and maturation, from anthesis to the maturity of the grain. Each phase was identified when more than 50 % of the experimental plot showed the characteristics of these stages.

The determination of the agricultural yield and its components (number of panicles per m2, number of grains per panicle, percentage of empty grains and mass of 1000 grains) was carried out in each experimental plot. An area of 1 m2 was taken, with two replications in each replica and the values were expressed in t ha-1, at 14 % grain moisture. For panicles per m2, the counting method was used in an area of 0.50 m2, with four repetitions per plot. For the number of grains per panicle, 20 panicles were taken at random. These were shelled, the empty grains were separated from the filled ones and they were counted. For the mass of 1000 grains, two samples were taken per plot of 1000 filled grains, which were weighed on an analytical balance.

Preparation of input files

Six input files were created to run the CERES-Rice model inserted in DSSAT v4.6: file X, file A, file T, soil file, climate file and genetic coefficients file.

Files A and T stored the values of the physiological variables observed in the experiments and subsequently compared them with the values simulated by the model for calibration.

File X stored field conditions, experimental treatments and simulation options. Most of this file is the management data of crop production, separated into several sections.

The soil in the area where the experiments were carried out is classified as Hydromorphic Gley Nodular Ferruginous Petroleum, according to the Cuban Soil Classification 2015 12.

For the preparation of the climate file, the values of the meteorological variables (maximum and minimum temperatures and daily rainfall) of the months in which the experiments were carried out, obtained from the Paso Real de San Diego Meteorological Station in Los Palacios, were used about 3 km from the experimental area.

Calibration of the model

The CERES - Rice model for DSSAT needs to be calibrated by obtaining eight genetic coefficients (P1, P2O, P2R, P5, G1, G2, G3 and G4). The P coefficients are those that consider phenological aspects of the crop, such as flowering and maturation. The G coefficients are to the potential yield of a specific variety related 13 (Table 2).

Description of the CERES-Rice genetic coefficients

Coefficient Definition
P1 Degrees days of accumulated heat from seedling emergence during which the rice plant does not respond to changes in the photoperiod.
P2O Critical photoperiod or the longest duration of the day in which development occurs at maximum speed.
P2R Degree to which the phasic development leading to the initiation of the panicle is for each hour of increase delayed in the photoperiod above P2O.
P5 Degrees days of accumulated heat from the beginning of grain filling until physiological maturity.
G1 Number of spikelets, potential estimated from the number of spikelets per gram of dry weight of the main culm in anthesis.
G2 Weight of a grain under ideal growing conditions, that is, light, water and non-limiting nutrients and absence of pests and diseases.
G3 Relative tillering coefficient when cultivating IR64 under ideal conditions.
G4 Temperature tolerance coefficient, usually 1.0 for varieties grown in normal environments.

Source: Own elaboration with information taken from 14

The calculation of the degrees days of accumulated heat (GDCA) (Equation 1) was carried out taking into account the duration of the phenological phases reached by the crop on the different planting dates and the temperature records, by adding the degrees days heat (GDC) 15.

G D C A = T m a x T m i n 2 T b a s e   .

where: Tmax is the maximum daily air temperature; Tmin is the minimum daily air temperature and Tbase is the base temperature in which the process of interest does not take place and in this case, it was taken at 9 ºC.

The coefficients were adjusted by the manual method of trial and error until the 𝑅𝑀𝑆𝐸𝑛 less than 5 % was achieved between the values observed in the experiments and those simulated by the model, on the dates of anthesis and physiological maturity, mass of 1000 grains and grain yield 14.

𝑅𝑀𝑆𝐸 and d-index were also calculated 16, with the folwing equations (Equations 2, 3 and 4):

R M S E =   i = 1 n ( S i O i ) 2 n  

R M S E n = 100 *   i = 1 n ( S i O i ) 2 n O b ¯

d = 1 i = 1 n ( S i O i ) 2 i = 1 n ( | S i O b ¯ | + | O i O b ¯ | ) 2

where: 𝑆𝑖 and 𝑂𝑖 - simulated and observed values, n is the number of observations; if O b ¯ - mean of the 𝑂𝑖 values.

It is feasible to use the above equations, since 𝑅𝑀𝑆𝐸 a useful tool to test the goodness of fit of simulation models and represents a global measure between observed and simulated values; the value closest to zero indicates good performance in the simulation 17.

RMSEn was used to give a percentage measure of the relative difference between simulated and observed values on anthesis and physiological maturity dates, 1000 grain mass, and grain yield. A simulation can be considered Excellent if the RMSEn is less than 10 %, Good if it is between 10 and 20 %, Reasonable if it is between 20 and 30 % and Bad if it is greater than 30 % 18. It is proposed that d must be close to one 16.

Simulation

To carry out the simulations, the file of the experiment carried out in January 2004 was, taken and entered into the seasonal analysis tool included in DSSAT. The sensitivity analysis of the grain yield to the application levels of nitrogen fertilizer was carried out creating six experiments where the fertilizer doses were varied from 150 to 200 kg ha−1 of nitrogen with an interval of 10 kg ha−1 of nitrogen and the other model parameters were kept constant as defined in the calibration.

For the simulation with the different nitrogen do5ses, the phenological phases of the fourth leaf, start of tillering, active tillering and cotton point were selected and the percentage of the fractionations were calculated from the dose recommended in the Technical Instructions for Rice 19 to obtain a yield of 6 t ha-1.

The model run was performed to obtain the grain yield values for these experiments and they were compared to determine the best of them.

RESULTS AND DISCUSSION Calibration

The values of the genetic coefficients that determine the vegetative and reproductive growth for the variety J-104 are presented in Table 3. These summarize, quantitatively, how a particular variety responds to environmental factors. The determined values are in the range of values described in the CERES-Rice User Manual 20.

Values of the genetic coefficients for the variety J-104

P1(ºC) P2O(h) P2R(ºC) P5(ºC) G1(spikelets per gram) G2(g) G3 G4
600.0 10.00 200.4 350.5 45.11 0.025 1.00 1.129

Source: Own elaboration

Table 4 shows the comparison of the observed and simulated values, in terms of grain yield, 1000 grain mass, days before anthesis and days at maturation, as well as the indicators of goodness of fit of the model. The predicted grain yields were in agreement with those observed with 𝑅𝑀𝑆𝐸 = 97.66 kg ha-1 and d = 0.98. Similar behavior had the values of the days before anthesis and the days at maturation with 𝑅𝑀𝑆𝐸 = 5.32 days and 6.2 days respectively, with d = 0.66 and 0.87 respectively. It is valid to highlight that although d is below 0.9, there are authors who consider these values as satisfactory 4,14. In all the cases evaluated, the RMSEn behaved with values less than 10 %, which shows the excellence of the simulations carried out by the model.

Other authors reported a higher RMSE value (305.2 kg ha-1), compared to that obtained in this investigation, for the yield of the LP-5 rice variety in the town of Los Palacios, Cuba 4. In Northwest India, the absolute RMSE for both anthesis and maturity was 6 days and the d-index was 0.72 and 0.96 for anthesis and maturity dates, respectively, that agrees with the results of this investigation 21.

Goodness of fit indicators for yield, 1000 grain mass, days before anthesis and days at physiological maturation

Yield(kg ha-1) Mass of 1000 grains(g) Days before la anthesis(dap) Days to maturation (dap)
Experiment 𝑂𝑖 𝑆𝑖 𝑂𝑖 𝑆𝑖 𝑂𝑖 𝑆𝑖 𝑂𝑖 𝑆𝑖
January 2004 3550 3387 25.0 25.0 140 140 159 167
December 2004 4300 4274 25.0 25.0 144 150 177 179
February 2005 4042 4005 25.0 25.0 146 153 187 180
𝑹𝑴𝑺𝑬 97.663 0 5.323 6.245
𝑹𝑴𝑺𝑬𝒏 (%) 2.46 0 3.71 3.58
D 0.98 - 0.66 0.871

𝑆𝑖 Simulated values and 𝑂𝑖 - observed values

Source: Own elaboration

Figure 1 shows the behavior of the observed and simulated values on the line (1: 1) and the determination coefficient (R2). It can be seen that the models are of good fit since R2> 90 % in all cases, which also confirms that the predicted values are very similar to those observed.

In general, the model underestimated the average yield obtained and overestimated the observed values for days before anthesis and days at maturation. These differences in the average estimates of the parameters studied are quite small and support the good statistical metrics presented in this study.

Behavior of the observed and simulated values for yield (a), days before anthesis (b) and days at maturation (c) dap: days after planting Source: Own elaboration

Therefore, the results of this study suggest that the DSSAT model can be used to calculate genetic coefficients with a considerable degree of precision to model the performance of the J-104 rice variety, in the dry season, and its physiological components in Cuba.

Simulation

Figure 2 shows the performance behavior of the variety J-104 rice for the six nitrogen doses used in the simulations. The highest yield value was obtained for the dose of 200 kg ha-1 of nitrogen with 6363 kg ha-1, achieving an efficiency of 31.8 kg of rice per kg of nitrogen applied. This yield was 1627 kg ha-1 higher than the 150 kg ha-1 nitrogen variant, which achieved the lowest yield.

Therefore, the results of this study suggest that the model DSSAT can be used to calculate genetic coefficients with a considerable degree of precision to improve the yield of the J-104 rice variety, in the little rainy season and its physiological components in Cuba.

Simulated yield for the different nitrogen doses Source: Own elaboration

Studies carried out show that the nitrogen level influences significantly the agricultural yield and its components, since the varieties IACuba28 and J-104 showed the highest response with the maximum applied level, 140 and 180 kg ha-1 of nitrogen in the wet and dry campaigns, respectively (22. An optimal dose of 225 kg ha-1 of nitrogen has also been reported when adjusting a quadratic model, varying the doses from 0 to 300 kg ha-1 of nitrogen 6.

CONCLUSIONS

Obtaining the genetic coefficients of the J-104 rice variety allowed us to establish that the DSSAT model can be used to model the performance of rice and its physiological components under Cuban conditions.

The model is able to adequately describe the dependence of the yields with the applied nitrogen level; obtaining the highest yield when using the dose of 200 kg ha-1 of nitrogen.

Enlaces refback

  • No hay ningún enlace refback.