Net radiation estimation using the Brunt equation for clear sky emissivity and air and canopy temperatures for longwave radiation in well watered crops

Este estudio demuestra que, en cultivos bien regados, es posible estimar con precisión la radiación neta a escala diaria utilizando ecuaciones de Brunt regionalmente calibradas y sustituyendo la temperatura del dosier por la temperatura del aire, sin necesidad de calibración específica del sitio.

Lo esencial

¡Claro que sí! Imagina que esta investigación es como un detective agrícola tratando de resolver un misterio: ¿Cómo podemos saber exactamente cuánta energía solar está "atrapada" en un campo de cultivo sin tener que instalar sensores carísimos y complicados en cada planta?

Aquí te explico la historia de este estudio usando analogías sencillas:

1. El Problema: La "Cuenta de Energía" del Campo

Imagina que un campo de algodón o sésamo es como una casa con un techo de energía.

• La Radiación Neta (Rn) es el dinero que le queda a la casa después de pagar las facturas. Es la energía que realmente queda disponible para que las plantas "suden" (evapotranspiración), crezcan y se mantengan frescas.
• Para calcular este "dinero", los científicos necesitan sumar la luz que entra (radiación solar) y restar el calor que se escapa (radiación de onda larga).

El problema es que medir el calor que se escapa es como intentar adivinar la temperatura de un horno sin abrir la puerta. Necesitas saber la temperatura exacta de la superficie (las hojas) y la "humedad" del cielo. Medir esto directamente es caro y difícil.

2. La Solución Propuesta: Dos Trucos de Magia

Los investigadores probaron dos trucos para hacer las cuentas sin gastar una fortuna:

Truco A: Usar una "Receta Regional" en lugar de una "Receta Casera"

Antes, para calcular el calor del cielo, cada científico tenía que hacer sus propios experimentos en su propio campo para ajustar la fórmula (como si cada cocinero tuviera que descubrir sus propias especias).

• Lo que hicieron: Usaron dos "recetas" (ecuaciones de Brunt) que ya habían sido probadas y ajustadas por otros científicos en regiones grandes (como todo Texas o EE. UU.).
• El resultado: ¡Funcionó! No necesitaban hacer sus propios experimentos locales. Las recetas "regionales" funcionaron tan bien o mejor que las "caseras". Es como usar una receta de pizza de la abuela que ya sabe todo el mundo, en lugar de inventar una nueva cada vez que quieres comer.

Truco B: ¿El Aire es lo mismo que la Hoja?

Para calcular el calor que sale de la planta, lo ideal es medir la temperatura de la hoja misma (Temperatura del Dosel, $T_c$). Pero medir la temperatura de una hoja requiere sensores láser caros y complicados.

• La pregunta: ¿Podemos simplemente usar la temperatura del aire que nos da el termómetro normal ($T_{air}$) y asumir que es igual a la de la hoja?
• El escenario: Solo probaron esto cuando las plantas tenían mucha agua (campos bien regados). Piensa en una planta bien hidratada como un cuerpo humano que acaba de tomar una ducha fría: su temperatura se estabiliza y se parece a la del ambiente.
• El hallazgo:
  • A corto plazo (hora por hora): No es perfecto. A veces la hoja está un poco más fría que el aire, como cuando te sientas a la sombra un día caluroso. Aquí, usar la temperatura del aire introduce pequeños errores.
  • A largo plazo (promedio diario): ¡Es casi perfecto! Si promediamos todo el día, la diferencia entre la hoja y el aire se cancela. Es como decir: "Aunque mi coche se calienta al mediodía y se enfría de noche, en promedio, la temperatura del motor es la misma que la del aire".

3. Los Resultados: ¿Vale la pena el esfuerzo?

• En la escala de horas: Los errores eran más grandes, como intentar adivinar el clima minuto a minuto.
• En la escala de días: ¡Fue un éxito rotundo! Los errores fueron muy pequeños.
• La conclusión principal: Si eres un agricultor o un investigador y quieres saber cuánta energía tiene tu campo al final del día, no necesitas sensores caros para medir la temperatura de cada hoja. Puedes usar la temperatura del aire normal y fórmulas que ya existen para todo el país.

En resumen (La Metáfora Final)

Imagina que quieres saber cuánto combustible gasta un coche en un viaje largo.

• El método antiguo: Medir la presión de los neumáticos, la fricción de cada rueda y la temperatura del motor cada segundo. (Muy preciso, pero agotador y caro).
• El método de este estudio: Usar un mapa de tráfico regional probado y simplemente mirar el velocímetro promedio al final del día.

¿El veredicto? Para campos bien regados, el método "rápido y regional" es lo suficientemente bueno para la vida real. Ahorra dinero, tiempo y sigue siendo muy preciso cuando miramos el panorama general (diario).

¿Cuándo NO usarlo? Si las plantas tienen sed (estrés hídrico), las hojas se calientan mucho más que el aire (como un motor sobrecalentado), y ahí sí necesitarías medir la temperatura real de la hoja. Pero si el campo está bien regado, ¡puedes confiar en el termómetro del aire!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Estimación de la radiación neta utilizando la ecuación de Brunt para emisividad de cielo despejado y temperaturas del aire y del dosel en cultivos bien regados

1. Planteamiento del Problema

La radiación neta ($R_n$) es una variable fundamental en los modelos de balance de energía para estimar procesos biofísicos como la evapotranspiración y el estrés hídrico. Sin embargo, medir $R_n$ directamente es costoso y técnicamente complejo, por lo que a menudo se debe estimar mediante modelos teóricos o empíricos.

La estimación de $R_n$ presenta dos desafíos principales:

• Radiación de onda larga entrante ($L\downarrow$): Depende de la emisividad del cielo ($\epsilon_{sky}$), que varía según la composición atmosférica y la nubosidad. Los modelos existentes a menudo requieren calibración específica para cada sitio, lo que limita su aplicabilidad general.
• Radiación de onda larga saliente ($L\uparrow$): Depende de la temperatura de la superficie ($T_s$). En cultivos, esto suele ser la temperatura del dosel ($T_c$). Sin embargo, medir $T_c$ requiere sensores infrarrojos específicos. En condiciones de referencia (cultivos bien regados), se asume que $T_s \approx T_{aire}$ ($T_a$), pero esta sustitución no siempre ha sido validada rigurosamente en diferentes escalas temporales y condiciones de cultivo.

El estudio busca determinar si es posible mejorar la estimación de $R_n$ utilizando ecuaciones de emisividad previamente calibradas a nivel regional (evitando la calibración in situ) y si la temperatura del aire puede sustituir eficazmente a la temperatura del dosel en cultivos de algodón y sésamo bien regados.

2. Metodología

El estudio se llevó a cabo en el Centro de Investigación y Extensión AgriLife de Texas A&M en Uvalde, EE. UU., durante dos periodos:

• 2015: Cultivos de algodón y sésamo (sin medición de temperatura del dosel).
• 2025: Cultivo de algodón (con medición de temperatura del dosel).

Datos y Mediciones:

• Se midió la radiación neta con un radiómetro NR-Lite2.
• Se registraron datos meteorológicos (radiación solar, temperatura del aire, humedad relativa) y, en 2025, la temperatura del dosel ($T_c$) mediante radiómetros infrarrojos.
• Se midió el Índice de Área Foliar (IAF) para caracterizar el desarrollo del cultivo.

Modelos Evaluados:
Se compararon diferentes enfoques para estimar $R_n$ en escalas horaria y diaria:

1. Método Estándar (FAO-Allen): Utiliza parámetros originales para emisividad y temperatura.
2. Modelos Brunt Calibrados Regionalmente: Se probaron dos versiones de la ecuación de Brunt para emisividad de cielo despejado ($\epsilon_c$):
   • Calibrada por Formetta et al. (2016): Específica para la región (Texas).
   • Calibrada por Li et al. (2017): Una ecuación más universal basada en datos de EE. UU.
3. Sustitución de Temperatura: En 2025, se comparó la estimación de $R_n$ utilizando la temperatura del aire ($T_a$) frente a la temperatura del dosel medida ($T_c$) para calcular la radiación saliente.

Análisis Estadístico:
Se utilizaron métricas de error (RMSE, MAE, Bias, KGE) y pruebas estadísticas (Wilcoxon, regresión lineal y análisis Bland-Altman) para evaluar el rendimiento de los modelos.

3. Contribuciones Clave

• Validación de modelos regionales: Demostró que las ecuaciones de emisividad de Brunt previamente calibradas (Formetta y Li) pueden aplicarse sin necesidad de calibración específica del sitio, logrando un rendimiento superior al método estándar de Allen/FAO.
• Evaluación de la sustitución $T_a$ vs. $T_c$: Proporcionó evidencia empírica sobre la viabilidad de usar la temperatura del aire como sustituto de la temperatura del dosel en condiciones de riego óptimo, diferenciando el impacto en escalas horarias versus diarias.
• Análisis de escalas temporales: Identificó que los errores de estimación son significativamente mayores a escala horaria que a escala diaria, atribuyendo esto a la variabilidad de la albedo y la dinámica de la nubosidad.

4. Resultados Principales

• Rendimiento de los modelos de emisividad:
  • Ambos modelos Brunt (Formetta y Li) superaron al método de Allen original.
  • En la escala diaria, los errores globales fueron bajos: RMSE de 11.88 W m⁻² (2015) y 13.45 W m⁻² (2025), con un KGE superior a 0.74.
  • En la escala horaria, los errores fueron mayores (RMSE ~39-56 W m⁻²), principalmente debido a la asunción de albedo constante y la dificultad de modelar la radiación de onda larga durante la noche y transiciones nubosas.
• Sustitución de Temperatura ($T_a$ vs. $T_c$):
  • Estadísticamente, existían diferencias significativas entre los valores de $R_n$ calculados con $T_a$ y $T_c$ (según la prueba de Wilcoxon).
  • Sin embargo, las métricas de error y la regresión lineal mostraron que estas diferencias eran modestas, especialmente a escala diaria.
  • El análisis Bland-Altman reveló un sesgo promedio de aproximadamente -5.0 W m⁻² al usar $T_a$ en lugar de $T_c$.
  • A escala diaria, la línea de regresión fue cercana a la relación 1:1, indicando que las diferencias son despreciables para fines prácticos.
• Factores de error: La menor precisión en 2025 se atribuyó a un IAF más bajo, lo que aumentó la exposición del suelo y alteró la albedo y la temperatura de superficie, factores que el modelo asumió constantes.

5. Significado e Implicaciones

• Simplificación operativa: El estudio confirma que para cultivos bien regados (como el algodón), es posible estimar la radiación neta con alta precisión utilizando únicamente datos meteorológicos estándar (temperatura del aire), eliminando la necesidad de costosos sensores de temperatura del dosel.
• Aplicabilidad regional: Las ecuaciones de emisividad calibradas regionalmente son robustas y evitan la necesidad de campañas de medición intensivas para calibrar modelos en cada nueva ubicación, facilitando su uso en modelos de gestión de riego y predicción de cultivos.
• Recomendación de escala temporal: Se recomienda encarecidamente utilizar estas estimaciones a escala diaria para aplicaciones de balance de energía y evapotranspiración, donde los errores por sustitución de temperatura y asunciones de albedo se minimizan. A escala horaria, la incertidumbre es mayor y requiere precaución.

En conclusión, el estudio valida un enfoque práctico y eficiente para la estimación de la radiación neta en agricultura de precisión, optimizando el uso de recursos de medición sin sacrificar significativamente la precisión en condiciones de riego adecuado.