CSIRO LAND and WATER Captura de recursos y modelos de simulación (4) introducción a cropsyst

CSIRO LAND and WATER

Captura de recursos ymodelos de simulación

(4) introducción a cropsyst

Bibliografía

Stöckle et al. 1994 Stöckle et al. 2003

CSIRO LAND and WATER

CropSystNivel de organización: cultivoEscala temporal: diaria

Controles de crecimiento principales: radiación solar y temperatura Disponibilidad de agua Disponibilidad de nitrógeno

Procesos simuladosfenologíaproducción de biomasapartición de biomasabalance de agua (2 modelos)

balance de nitrógenorespuesta a CO2

erosión escurrimientosalinidad de agua y suelocongelamiento de suelo

Manejo - siembra, fertilización, labranza, residuos, riego, corte (pasturas)

Componentes de rendimiento

Calidad de grano

Nutrientes (excepto N)

Pestes,enfermedades,malezas

Efectos bióticos de rotacionesOtros estreses (granizo, alcalinidad)

Intersiembra

Erosióneólica

Procesos no simulados

Inputs y parámetros

64 parámetros para c/cultivo o variedad

Parámetros de suelo

Mínimo: textura por horizonte

Numero de curva (escurrimiento)

4 Parámetros relacionados con N transf.

Inputs Climáticos: Tmax, Tmin, Prec, Radsol,

HRmax, HRmin –DEWPT–, Wind

Condiciones inicialesPara cada estrato de suelo:

Contenido hídrico

Contenido de N (nitrato y amonio)

Salinidad

Salinidad de napa

Residuos

Concentración de CO2

Outputsdatos de cultivo diarios:

fenología, biomasa, área foliar…balance de agua (ETo, Eo, To, ET…)balance de N

“Harvest” “Annual” – resúmenes a cosecha y anualesFormatos: XLS, TXT, HTML, UED

Desarrollo del cultivo

Desarrollo es la progresión del cultivo a través de estadios fenológicos (emergencia, floración…)

La simulación de fenología es crítica por que

1) Determina el período durante el cual el cultivo accede a recursos tales como agua y radiación

2) Permite asociar condiciones fisiológicas especificas con condiciones ambientales

Desarrollo fenológico

crecimiento de cultivo - 1

GTR = KBT x T x VPD-1

GTR = crecimiento limitado por agua (kg m-2 d-1)

KBT = coeficiente biomasa-transpiración (kPa)T = transpiración (kg m-2 d-1)VPD = déficit de presión de vapor (kPa)

GPAR = e fint PAR

GPAR = crecim. limitado por radiación (kg m-2 d-1)e = eficiencia en el uso de la radiación (kg/MJ)

fint = fracción de radiación interceptada

PAR = radiación fotosintéticamente activa (MJ/m2)

crecimiento de cultivo - 2

intercepción de radiación

Rad

iaci

ón

in

terc

epta

da

(fra

cció

n)

Iint/Io = 1-exp(-k LAI)

intercepción de radiación

La estimación de radiación interceptada es importante por que:

1. Determina la cantidad de PAR disponible para producir biomasa

2. Determina la partición entre ETo y sus componentes To y Eo

crecimiento de cultivo - 3

GPAR = e fint PAR

GTR = KBT x T x VPD-1

vs

Biomasa = mínimo (GTR ,GPAR)

crecimiento de cultivo - 4

BN = B [1 - (Npcrit - Np)/(Npcrit - Npmin)]

B = crecimiento limitado x radiación y agua

Npcrit = concentración de N en planta crítica

Np = concentración de N en planta

Npmin = concentración mínima de N en planta

Biomass

      LAI LAI = SLA  Bcum / (1 + p Bcum)

      Root depth RD = Rdmax f (LAI, LAImax )

SLA = Área foliar específicap = coeficiente de partición

crecimiento - 5

Balance de nitrógeno - 1

Balance de nitrógeno - 2

Input Output Fertilización Volatilización Mineralización Desnitrificación Fijación Inmovilización Residuos Absorción Irrigación Drenaje N atmosférico

Componentes del balance de N

Balance de nitrógeno - 3

Transformaciones

•Transformaciones- Mineralización neta (mineralización - inmovilización)  

- Nitrificación  

- Desnitrificación

•Procesos microbiológicos

• Simulados asumiendo cinética irreversible de 1er orden

Nt = N0 [ 1 - e(-K t)]

Nt = cantidad transformada en intervalo t (kg / (m² t))

N0 = cantidad disponible para transformación (kg / (m² t))

K = Tasa (1/t)

Transformaciones

Balance de nitrógeno - 4

Transformaciones

K = f(Temp,SWC)

Balance de nitrógeno - 5

Balance de nitrógeno - 6

Volatilización · Importante cuando el N se aplica como amonio sin incorporación al suelo

· Puede simularse mecanisticamente según gradientes de concentración y resistencias

· Un método más simple substrae una fracción fija dependiendo de condiciones

Balance de nitrógeno – 7

· Relacionada al movimiento de agua en el suelo y con las movilidades de nitrato y amonio.

· Transporte de N puede simularse con métodos de diferencia finita y cascada.

Transporte de N en el suelo es importante para determinar accesibilidad para el cultivo.

Pérdida por drenaje

Balance de nitrógeno - 8

Transporte de nitrógeno El transporte de N en el suelo se calcula multiplicando los flujos de agua entre estratos por la concentración de N en el estrato donde se inicia el flujo

Balance de nitrógeno - 9

Retención de nitrógeno

Nitrato: se mueve con el agua (sin retención)

Amonio: es parcialmente retenido por las arcillas

Absorción de N

Balance de nitrógeno - 10

Absorción potencial de N

Nup = absorción potencial por unidad de long. de raíz

Numax = absorción máxima por unidad de long de raíz

Nr = concentración de N en rizosfera K = constante

Nup = Numax [Nr] / K + [Nr]

Balance de nitrógeno - 11

Balance de N – 12 (demanda)

Development stage

0.0 0.2 0.4 0.6 0.8 1.0

Leaf

nitr

ogen

con

cent

ratio

n (k

g/kg

)

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

maximum N concentration

van Keulen, Seligman (1987)

Absorción de N = min. (absorción potencial, demanda)

Balance de nitrógeno - 13

Aplicación

Mallee farming systemsEnvironment Geology

Murray-darling basin. Tertiary marine limestone capped by Pliocene sands

Topographycoastal plains with trend of sandridges, dunes

Soil solonized brown Hill: sandy soil

Valley: sandy-clay soil

Natural vegetationRelict: Mallee scrub (Eucalyptus dumosa)

ClimateType Mediterranean carlos h diaz ambrona

Mallee farming systems

Walpeup, BMSM 76064

Mallee farming systems Cropping land: 6 Mha (10 Mha) Wheat-fallow rotation Long fallow management

No tillTraditional till

Farm size: > 2 kha Paddock size 100-300 ha

Mallee farming systemsLand uses

Cereals 35 %

Pastures 30 %

Fallow 20 %

•Pulses 7 %•Oilseeds 1 %•Other 7 %

•1.5 M Sheep•0.9 M Meat cattle

Problems Problems

Low water useLow crop diversificationHigh risk of wind erosion

ConsequencesSoil salinitySoil erosionLow productivityLow farm income

ConstrainsSoilWeatherMarketComplexity

ObjectivesThere is an urgent environmental need to reduce the dependence on fallows and find alternative cropping systems that minimise deep drainage

Long term assessment of different crop management

Method Which studies do we want? Long term analysis Cropping system Water balance Farm or regional level

When using simulation models, it is important to understand how the model represents the physical, chemical, and biological processes involved in cropping system response to the environment and management

Method Crop system processes Long term analyses Model applications

Which model?

Method

CropSyst on-line Free Software www.bsyse.wsu.edu/CropSyst/ Water balance Farm or regional level Previous work: USA, Europe, Middle East

Cropping System Simulation model

Method Observed data (O’Connell, 1998)

Field experiment carried out MRS Walpeup from 1993-1997

Rotations FW FallowFallow-wheat-wheat FWP FallowFallow-wheat--wheat-peapea WW WheatWheat-wheat-wheat MWP MustardMustard-wheat-wheat-peapea

Field dataSoil water content evolution, phenology, LAI, crop coverage, biomass, yield ...

Model performanceSteps for model applications

1. Verification2. Calibration

sensibility analysis

3. Validationmodel acceptabilitymodel consistency

4. Applicationresults interpretation

CropSyst verificationDoes the model run well?

1. Version 3.02.07 (16 Feb 2001)2. Run the examples3. Run our modified examples4. Display all outputs5. Some errors found in the

outputs but were not relevant (columns position, no use

routines)

6. Mass balances: water and N ok!

CropSyst calibrationCalibration can fit the model

close to 1:1But calibration parameters

must be physiologycally meaninfull

Abolish unrealistic coefficient values for parameters calibration

Calibration starts with default parameters and it continues with well known parameters

CropSyst calibrationCrop parameters (64) for

Wheat, Mustard and Field pea

Parameters for a Sandy soilHydraulic properties (Permanent wilting point, field capacity, bulk density, and saturated hydraulic conductivity)

Also soil surface (Universal soil Loss Equation) and SCS Curve number

NitrogenWeather data from the MRSInitial condition = field experiment

CropSyst calibrationSummary of some key crop parameters

Variable Units Wheat Mustard Field peaThermal timeBase temperature ºC 0 0 0Emergence ºC days 130 150 150Begin flowering ºC days 750 950 1100Physiological maturity ºC days 1400 2000 1950Photo-periodDay length to inhibit flowering hours 16.5 ns nsDay length for insensitivity hours 8 ns nsCrop morphologyMaximum expected LAI m²/m² 5 5 5Specific leaf area m²/kg 20 22 24Stem/leaf partition coefficient 1-10 5 4 6Crop growthAbove ground biomass-transpiration efficiency kPa kg/m³ 5.8 6 3.25Radiation use efficiency RUE g/MJ 3 1.85 1.47Optimum mean daily temperature for growth ºC 20 15 10Extinction coefficient for solar radiation k 0-1 0.82 0.65 0.76Harvest indexUnstressed HI 0-1 0.4 0.2 0.25Nitrogen crop parametersMaximum N concentration during early growth kgN/kgDM 0.050 0.055 0.060Minimum N concentration at maturity kgN/kgDM 0.007 0.008 0.050Maximum N concentration at maturity kgN/kgDM 0.012 0.022 0.060Minimum N concentration of harvested material kgN/kgDM 0.030 0.030 0.030

CropSyst validationWater balance

for long fallow compared CropSyst vs. O’Leary-Connor wheat-fallow model

AndCropSyst vs. observed data

(O’Connell, 1998)

Crop performanceSimulated individual crops:

wheat, field pea, and mustard vs. observed data

Crops in rotation FW, WW, FWP, MWP

140

160

180

200

220

240

260

280

1993 1994 1995 1996 1997 1998 1999

So

il w

ate

r c

on

ten

t 0

-1m

(m

m)

CropSyst validationWater soil content (mm)

fallow phase

CropSyst validationCrop performance (DM t ha-1)

Biomass

y = 0.73x + 0.76

r2 = 0.79

0

2

4

6

8

0 2 4 6 8

Observed

Sim

ula

ted

Wheat

Mustard

Field pea

Yield

y = 0.84x + 0.10

r2 = 0.81

0

1

2

3

0 1 2 3

Observed

CropSyst validationwater use

Wheat

y = 0.61x + 94.91r2 = 0.50

y = 1.14x - 8.81r2 = 0.76

0

50

100

150

200

250

300

350

400

0 50 100 150 200 250 300 350 400

Observed (mm)

Sim

ula

ted

(m

m)

FW

MW

Field pea

y = 1.60x - 79.86r2 = 0.78

y = 1.64x - 74.66r2 = 0.81

0

50

100

150

200

250

300

350

400

0 50 100 150 200 250 300 350 400

Observed (mm)

Sim

ula

ted

(m

m)

FWP

MWP

Mustard

y = 1.02x + 8.07r2 = 0.57

0

50

100

150

200

250

300

350

400

0 50 100 150 200 250 300 350 400

Observed (mm)

Sim

ula

ted

(m

m)

Model application Analysis of some agronomic practices in the Victorian Mallee

In terms of: Water balance

Estimating drainage under different crop management

Also runoff Water use efficiency

Nitrogen uses Comparing rotations: Wheat continuous Fallow-wheat Fallow-wheat-pea Mustard-wheat-pea

Crop management effects Yield-profit efficiency

Model application Environmental conditions of the Victorian Mallee

61 year of weather data from Walpeup (1939-1999)Included several dry-wet seasons

Representative Mallee plain soil typeSandy soil

Experimental design 3 Tillage

CT Conventional till (4LF-3SF till)MT Minimum tillage (2 till)ZT Zero till (0 till)

2 Stubble managementSG stubble grazing (65 %)SB stubble burning (10 %)

3 Fertilisation levelsF1 No N applied to any crop (minimum yield)F2 Current N fertiliser (Wheat & Mustard)F3 Simulation without N routine (potential yield)

4 Rotations and 3 cropsFW FallowFallow-wheat-wheat (50 %)FWP FallowFallow-wheat--wheat-peapea (66 %)WW Wheat continuousWheat continuous (100%)MWP MustardMustard-wheat-wheat-peapea (100%)

10 000 simulated years

Some results Water drainage Water runoff

Effect of stubble management in the water balance

Effect of fertilisation levelsYield potential on the Mallee (potential yield)

Annual variability

Effect of crop diversification

Model consistency

y = 15.62x

r2 = 0.65

0

1000

2000

3000

4000

5000

6000

0 50 100 150 200

Actual transpiration (mm)

Gra

in y

ield

(k

g h

a-1

)

y = 11.91x - 1327.06

r2 = 0.42

0

1000

2000

3000

4000

5000

6000

0 100 200 300 400

Water use (mm)

Gra

in y

ield

(k

g h

a-1

)

Model consistency

y = 0.35x - 498.77

r2 = 0.88

0

1000

2000

3000

4000

5000

6000

7000

0 2000 4000 6000 8000 10000 12000 14000

Biomass (kg ha-1)

Yie

ld (

kg

ha

-1)

line 2:5

Water runoff Runoff events

Annual rainfall > 250 mm soil SCS curve number, slope < 1 % No differences among treatments

FW: Probability of exceedence

0.0

0.2

0.4

0.6

0.8

1.0

-50 0 50 100 150 200

Runoff (mm)

CTF2SG

MTF2SG

ZTF2SG

CTF2SB

MTF2SB

ZTF2SB

Crops and rotationsFW FallowFallow-wheat-wheat (50 %)FWP FallowFallow-wheat--wheat-peapea (66 %)WW Wheat continuousWheat continuous (100%)MWP MustardMustard-wheat-wheat-peapea (100%)

y = -1.0713x2 + 4223.3x - 4E+06r2 = 0.4775

0

1000

2000

3000

4000

5000

1938 1950 1962 1974 1986 1998

Year

Gra

in y

ield

(kg

ha-

1)

CT SB F1 WW wheat

y = -1.24x2 + 4886.3x - 5E+06r2 = 0.1607

0

1000

2000

3000

4000

5000

1938 1950 1962 1974 1986 1998

Year

Gra

in y

ield

(kg

ha-

1)

ZT SG F3 FW wheat

Farmer decisionGross margins

-20

-10

0

10

20

30

40

50

60

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

F1

F2

CT MT ZT CT MT ZT CT MT ZT CT MT ZT CT MT ZT CT MT ZT

FW FWP WW FW FWP WW

SB SG

Annualized gross margins

STUBBLE ROTATION TILLAGE FERTIL

profit profit

Farmer decision

Lower (20%) Median Upper (80%)RotationFW 0N Yield kg ha-1 580 780 1046

Profit AUD ha-1 y-1 21 45 77+N Yield kg ha-1 619 803 961

Profit AUD ha-1 y-1 19 42 61WW 0N Yield kg ha-1 650 970 1391

Profit AUD ha-1 y-1 -19 19 69+N Yield kg ha-1 569 1026 1320

Profit AUD ha-1 y-1 -42 13 48FWP 0N Yield kg ha-1 566 862 1151

Profit AUD ha-1 y-1 -10 35 79+N Yield kg ha-1 555 867 1103

Profit AUD ha-1 y-1 -17 31 69MWP 0N Yield kg ha-1 487 773 1069

Profit AUD ha-1 y-1 -79 -32 17+N Yield kg ha-1 477 786 1046

Profit AUD ha-1 y-1 -97 -47 -2 Average of annualized yield

Seasonal variation in the anualized yield and profitability of rotations in the Victorian Mallee (Australia)

100 100 100

92 92 79

-91 42 90

-197 28 62

-48 78 103

-78 69 89

-374 -71 22

-457 -103 -3

Farmer decision

0.0

0.2

0.4

0.6

0.8

1.0

0 1000 2000 3000 4000 5000 6000

Grain yield (kg/ha)

Pro

ba

bil

ity

of

ex

cee

de

nce CTF2SG

MTF2SG

ZTF2SG

ZTF3SG

CTF2SB

MTF2SB

ZTF2SB

ZTF3SB

FW

0.0

0.2

0.4

0.6

0.8

1.0

0 1000 2000 3000 4000 5000 6000

Grain yield (kg/ha)

Pro

ba

bil

ity

of

ex

cee

de

nce CTF2SG

MTF2SG

ZTF2SG

ZTF3SG

CTF2SB

MTF2SB

ZTF2SB

ZTF3SB

FWP

Wheat yields

Farmer decision

0.0

0.2

0.4

0.6

0.8

1.0

0 1000 2000 3000 4000 5000 6000

Grain yield (kg/ha)

Pro

ba

bil

ity

of

ex

cee

de

nce CTF2SG

MTF2SG

ZTF2SG

ZTF3SG

CTF2SB

MTF2SB

ZTF2SB

ZTF3SB

FWP

Wheat yields

0.0

0.2

0.4

0.6

0.8

1.0

0 1000 2000 3000 4000 5000 6000

Grain yield (kg/ha)

Pro

bab

ility

of

exce

eden

ce

Pea

Field peas

Some results Stubble management:

SG stubble grazingSB stubble burning

Maintenance of stubble increased the water retention

It had a positive effect on yield but also on water drainage

Some results Fertilisation levels

F1 No N applied to any crop (minimum yield)

F2 Current N fertiliser (Wheat & Mustard)There were little differences between F1 and F2

F3 without N simulation (potential yield)Showed that actual yield can be double with optimum N applicationIncreased stability in low intensity rotations but did not occur in high intensive land uses, water was the limiting factor

ConclusionsCropSyst showed a good

performance compared with observed data and other models

Long term application of CropSyst showed the effect of different management on drainage, runoff, crop yield and profitability

CropSyst appears ideal to address some of the Mallee issues

Ejercicio

•Uso del modelo - manejo de archivos simulaciones pre-establecidas

•Identificación de problema en un área de interés e.g. influencia de la lluvia y nutrientes sobre el rendimiento de los cultivos

•Planteo de objetivos•Diseño de experimentos de simulación•Parametrización del modelo•Ejecución de experimentos•Análisis de sensibilidad•Análisis de resultados [informe opcional]

CSIRO LAND and WATER