Evaluación de la productividad del agua del almendro mediante técnicas de teledetección

Abstract

L’augment de la freqüència dels períodes de sequera reforça la importància d’avaluar la productivitat de l’aigua (WP) per al cultiu de l’ametller. Encara més quan es desconeix la transpiració (Tp) dels nous sistemes productius desenvolupats en els últims anys. En aquest context, la teledetecció i els models de balanç d’energia de dues fonts (TSEB) emergeixen com una alternativa prometedora per avaluar la WP a diferents escales. En aquest treball, es va avaluar la WP de quatre models productius d’ametller i en tres règims hídrics, durant dos anys consecutius. La Tp es va monitoritzar mitjançant sensors de flux de saba (Tp-SF) i amb el model TSEB estimat amb imatges d’alta resolució (Tp-TSEB). Es van validar els models TSEB-PT i TSEB-2T, juntament amb els models de transmitància de l’energia en el dosser vegetatiu C&N-H i C&N-R, per estimar la Tp-TSEB horària. Com a resultat, la combinació del TSEB-2T amb el model C&N-R va oferir les millors estimacions de Tp-TSEB horària. D’altra banda, es van avaluar quatre metodologies per estimar la Tp-TSEB a escala diària, on els mètodes EFsim i ETp van reduir la subestimació dels mètodes d’escalat Rs i ETo. Les estimacions de Tp-SF i Tp-TSEB van mostrar que el sistema de producció en palmeta va registrar una Tp més baixa amb una producció d'ametlla comparable als altres sistemes, la qual cosa va resultar en una WP més alta, tant en els dos anys monitoritzats com en analitzar les dades de producció recopilades al llarg de 12 anys. Finalment, amb dades recopilades de finques comercials d’ametllers a Espanya, imatges dels satèl·lits Sentinel-2 i Sentinel-3, i dades meteorològiques de reanàlisi, es van calibrar models d’aprenentatge automàtic per tal de predir la producció d’ametlles. El model desenvolupat es va aplicar per estimar les produccions a escala comarcal a la zona de Lleida (conca de l’Ebre), demostrant la seva escalabilitat i utilitat. El desenvolupament d’aquesta tesi doctoral mostra com la teledetecció és una eina valuosa per determinar tant la demanda hídrica (ETa i/o Tp) com la WP en cultius llenyosos.

El aumento de la frecuencia de los periodos de sequía refuerza la relevancia de evaluar la productividad del agua (WP) para la industria del almendro. Más aún cuando se desconocen la transpiración (Tp) de los nuevos modelos productivos desarrollados en los últimos años. En este sentido, la teledetección y los modelos de balance de energía de dos fuentes (TSEB) surgen como una alternativa para evaluar la WP a distintas escalas. En este trabajo, se evaluó la WP en almendros bajo cuatro modelos productivos y tres regímenes hídricos aplicados durante dos años consecutivos. La Tp fue monitoreada a través de sensores de flujo de savia (Tp−SF) y con el modelo TSEB estimado con imágenes de alta resolución (Tp−TSEB). Se validaron los modelos TSEB−PT y TSEB−2T, junto con modelos de transmitancia de la energía en el dosel C&N−H y C&N−R, para estimar la Tp−TSEB horaria. Como resultado, el uso combinado del TSEB−2T y C&N−R proporcionó mejores estimaciones de la Tp−TSEB horaria. Por otro lado, se evaluaron cuatro metodologías de escalado para estimar la Tp−TSEB a escala diaria, donde los métodos EFsim y ETp redujeron la subestimación de los métodos de escalado Rs y ETo. Las estimaciones de Tp−SF y Tp−TSEB indican que el sistema de producción en palmeta registró una Tp más baja y una producción de almendra comparable a los otros modelos, lo que resulto en una WP más alta, tanto en los dos años monitoreados como al analizar datos de producción recopilados a lo largo de 12 años. Finalmente, con datos recopilados desde fincas comerciales de almendros en España, imágenes satelitales Sentinel-2 y Sentinel-3, y datos meteorológicos de reanálisis, se calibraron modelos de aprendizaje automático para predecir la producción de almendra. El modelo desarrollado fue aplicado para estimar las producciones a escala comarcal en la cuenca del Ebro, demostrando su escalabilidad y utilidad. El desarrollo de esta tesis doctoral muestra como la teledetección es una herramienta útil para determinar tanto la demanda hídrica (ETa y/o Tp), como también la WP en cultivos leñosos.

The increasing frequency of drought periods highlights the importance of assessing water productivity (WP) in the almond industry. This is especially relevant given the lack of knowledge about the transpiration (Tp) of new production systems developed in recent years. In this context, remote sensing and two-source energy balance models (TSEB) emerge as a promising alternative for evaluating WP at various scales. This study assessed WP in almond orchards under four production systems and three irrigation regimes over two consecutive years. Tp was monitored using sap flow sensors (Tp−SF) and the TSEB model with high-resolution imagery (Tp−TSEB). The TSEB−PT and TSEB−2T models were validated, along with canopy energy transmittance models C&N−H and C&N−R, to estimate hourly Tp−TSEB. As a result, the combination of TSEB−2T and C&N−R provided the best hourly Tp−TSEB estimates. Furthermore, four upscaling methodologies were evaluated to estimate daily Tp−TSEB, where the EFsim and ETp methods reduced the underestimation observed in the Rs and ETo upscaling methods. Tp−SF and Tp−TSEB estimates showed that the hedgerow production system recorded lower Tp with comparable almond yield to other systems, resulting in the highest WP both in the two years monitored and in the analysis of yield data collected over 12 years. Finally, using data collected from commercial almond orchards in Spain, Sentinel−2 and Sentinel−3 satellite imagery, and reanalysis meteorological data, machine learning models were calibrated to predict almond yield. The developed model was applied to estimate yields at the regional scale in the Ebro basin, demonstrating its scalability and utility. The development of this doctoral thesis underscores the value of remote sensing as a tool for determining both water demand (ETa and/or Tp) and WP in woody crops.