Rice evapotranspiration estimation and irrigation optimization based on coupling UAV multispectral and thermal infrared imagery with the FAO-56 model

Resumen Técnico: Estimación de la Evapotranspiración del Arroz y Optimización del Riego mediante el Acoplamiento UAV-FAO-56

Planteamiento del Problema
La producción de arroz en las regiones de suelos negros fríos del noreste de China enfrenta un desafío crítico: equilibrar la seguridad alimentaria con la sostenibilidad ambiental. Las prácticas actuales de gestión de agua y nitrógeno dependen en gran medida de decisiones empíricas basadas en la experiencia y de insumos uniformes. Estos enfoques estáticos no logran considerar las variaciones espaciales y temporales altamente dinámicas en las condiciones del suelo, el crecimiento del cultivo y los requerimientos de agua y nitrógeno, particularmente en regiones frías donde el calor del suelo en las etapas iniciales es insuficiente y los factores meteorológicos fluctúan. Esta desconexión conduce al desperdicio de agua, una baja eficiencia en el uso del nitrógeno y elevadas emisiones de gases de efecto invernadero (GEI). Además, los métodos existentes de estimación de la evapotranspiración (ET) suelen tener dificultades con la precisión en los ecosistemas de arrozales debido a la compleja interacción entre la evaporación del suelo, la transpiración del cultivo y el agua superficial, y muchos estudios no logran cerrar la breanza entre la recuperación de datos de teledetección y la optimización del riego multiobjetivo accionable.

Metodología
Este estudio propone un marco novedoso que integra la teledetección mediante Vehículos Aéreos No Tripulados (UAV) con el modelo de doble coeficiente de cultivo FAO-56 y el algoritmo de optimización multiobjetivo NSGA-II.

1. Diseño Experimental: Los experimentos de campo se llevaron a cabo en la Granja 856 en Heilongjiang, Provincia de Heilongjiang (2025), utilizando un diseño de parcelas divididas. Las parcelas principales involucraron cuatro umbrales de límite inferior de riego controlados (60%, 70%, 80%, 90% de la humedad del suelo), y las subparcelas involucraron cuatro tasas de aplicación de nitrógeno (0, 110, 155 y 200 kg/ha).
2. Adquisición de Datos: Los UAV (DJI Mavic 3 Multispectral y DJI Matrice 30T) capturaron imágenes multiespectrales e infrarrojas térmicas de alta resolución a una altitud de 30 m durante las etapas clave de crecimiento. Los datos de verdad de terreno, incluyendo la humedad del suelo, el índice de área foliar (LAI) y los flujos de gases de efecto invernadero, se recolectaron de forma sincrónica.
3. Marco de Estimación de ETc: El estudio utilizó el enfoque de doble coeficiente de cultivo FAO-56 ($ET_c = K_s \times K_{cb} \times ET_0$).
   • Coeficiente de Cultivo Basal ($K_{cb}$): Recuperado mediante índices de vegetación multiespectrales (NDVI, SAVI, EVI) para estimar la fracción de cobertura vegetal.
   • Coeficiente de Estrés Hídrico ($K_s$): Cuantificado mediante el Índice de Estrés Hídrico del Cultivo (CWSI) derivado de las temperaturas de la canopea de infrarrojo térmico.
   • Validación: La $ET_c$ diaria estimada fue validada contra la evapotranspiración real ($ET_a$) calculada mediante la ecuación del balance hídrico del suelo.
4. Optimización Multiobjetivo: Se desarrolló un modelo NSGA-II para optimizar la gestión de agua y nitrógeno. El modelo tenía como objetivo optimizar simultáneamente:
   • Maximizar el rendimiento del grano.
   • Maximizar la Eficiencia del Uso del Agua de Riego (IWUE).
   • Maximizar la Productividad Parcial del Factor de Nitrógeno (PFPN).
   • Minimizar el Potencial de Calentamiento Global (GWP).
   • Las variables de decisión incluyeron cantidades de riego neto diario y tasas de aplicación de nitrógeno, restringidas por los requerimientos hídricos del cultivo, los recursos hídricos disponibles y los límites locales de fertilizantes.

Resultos Clave

• Desempeño del Modelo: El acoplamiento de datos multiespectrales y térmicos de UAV mejoró significativamente la precisión de la estimación de la ET. El modelo acoplado NDVI-CWSI logró el mayor desempeño con un $R^2$ de 0.89 y un Error Cuadrático Medio (RMSE) de 0.39 mm/día, lo que representa una reducción del 10.3% en el RMSE en comparación con los métodos tradicionales. El NDVI mostró la correlación más fuerte con el coeficiente de cultivo basal ($R^2 = 0.85$).
• Efectos de los Tratamientos: El agua, el nitrógeno y sus interacciones afectaron significamente el rendimiento, la IWUE, la PFPN y el GWP. Mientras que los tratamientos W3N2 (80% de humedad + 155 kg N/ha) y W3N3 (80% de humedad + 200 kg N/ha) produjeron los rendimientos más altos (~11,883 y ~11,436 kg/ha, respectivamente), el tratamiento W2N1 (70% de humedad + 110 kg N/ha) demostró el mejor desempeño integral con un valor de TCQ de 0.65.
• Resultados de la Optimización: La optimización multiobjetivo reveló distintos compromisos entre rendimiento, eficiencia y emisiones. El Escenario S5 fue identificado como la solución óptima, ofreciendo el grado de coordinación más alto (0.86). Este escenario recomendó una cantidad de riego de 669.94 mm y una tasa de nitrógeno de 117.48 kg/ha, prediciendo un rendimiento de 11,473.43 kg/ha con una IWUE de 1.71 kg/m³ y un GWP de 12,473.54 kg CO₂-eq/ha.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona un marco metodológico robusto para cambiar la gestión del arroz de programas estáticos y empíricos a una agricultura de precisión dinámica y basada en datos. Al acoplar la evapotranspiración derivada de UAV con la optimización multiobjetivo, el estudio demuestra que es posible reconciliar objetivos contrapuestos de alto rendimiento, eficiencia de recursos y reducción de emisiones en la producción de arroz de regiones frías.

Específicamente, el artículo sostiene que:

1. Mejora de la Precisión: El enfoque acoplado NDVI-CWSI supera eficazmente las limitaciones de los modelos tradicionales en campos de arroz, proporcionando la precisión a escala diaria necesaria para la regulación dinámica de agua y nitrógeno.
2. Apoyo a la Decisión: La integración de los datos de consumo de agua del cultivo en tiempo real en el modelo NSGA-II permite la generación de calendarios de riego accionables que equilibran los beneficios económicos y ambientales, evitando las trampas de la optimización de un solo objetivo.
3. Aplicabilidad Regional: El marco ofrece una vía viable para mejorar la coordinación de agua-nitrógeno en regiones frías, donde las temporadas de crecimiento cortas y las restricciones climáticas específicas hacen que la gestión precisa sea crítica para la producción sostenible.

El estudio concluye que, si bien persisten incertidumbres respecto a la transferibilidad de los parámetros y la partición de la evaporación del suelo, el marco propuesto UAV-FAO-56-NSGA-II proporciona un soporte de datos confiable para desarrollar estrategias de riego precisas, verdes y de alto rendimiento para el arroz de regiones frías.