biotecnologÍa de plantas zonificación agroecológica del ... · por facilitar la base de datos...
TRANSCRIPT
DOCTORADO EN CIENCIAS Y
BIOTECNOLOGÍA DE PLANTAS
Zonificación agroecológica del estado de Yucatán con
base en índices agroclimáticos y calidad agrícola del agua
subterránea
Tesis que para obtener el grado de Doctor en
Ciencias presenta:
M. EN C. MARÍA DEL CARMEN DELGADO CARRANZA
Centro de Investigación Científica de Yucatán, A.C.
Mérida, Yucatán, México
2010
~ ..
~-~ -~ :""• : - ; ' .;; ~.. . . ~ ,•; ~ . ' . .• ¡:'
'. ~-
Declaración de propiedad
Declaro que la información contenida en la sección de
Materiales y Métodos Experimentales, los Resultados y
Discusión de este documento provienen de las actividades de
experimentación realizadas durante el período que se me
asignó para desarrollar mi trabajo de tesis, en las Unidades y
Laboratorios del Centro de Investigación Científica de Yucatán
y que dicha información le pertenece en términos de la ley de
propiedad industrial, por lo que no me reservo ningún derecho
sobre ello.
Maria del Carmen Delgado Carranza
RECONOCIMIENTOS
Este trabajo se realizó en la Unidad de Recursos Naturales bajo la dirección
del Dr. Roger Orellana Lanza, del Centro de Investigación Científica de
Yucatán, A.C.
A la Dra. Julia Pacheco Avila y el M. C. Armando Cabrera Sansores de la
Universidad Autónoma de Yucatán. Por facilitar la base de datos del agua
subterránea de Yucatán 2003. Proyecto YUC-2002-COI-8721 .
Al Dr. Francisco Bautista Zúñiga, Coordinador del proyecto YUC-2003-C02-
054 "Bases de datos digitales del medio físico para la creación de las zonas
agroecológicas en Yucatán".
Al Consejo Nacional de Ciencia Tecnología y al gobierno del estado de
Yucatán: Proyectos YUC-2002-COI-8721 ; YUC-2003-C02-054; YUC-2006-
C05-66159 y APO-SIN-090315.
Al Consejo Nacional de Ciencia Tecnología: Beca de doctorado.
A las instituciones participantes en el proyecto YUC-2003-C02-054: CICY,
CINVESTAV-Mérida; UADY, UQRO y COLPOS-Tabasco, por apoyo
económico para la traducción de artículos y disposición de sus instalaciones
para la realización de reuniones académicas y talleres.
11
AGRADECIMIENTOS
Al Dr. Roger Orellana Lanza: Director de tesis.
Al Comité revisor: Dra. Julia Pachaco Ávila, Dra. Rosa María Leal Bautista,
Dr. David Palma López, Dr. Eduardo Batllori Sampedro, Dr. José Luis
Hernández Stefanoni , Dr. Alfonso Larqué Saavedra y Dr. Roger Orellana
Lanza.
Al Comité tutoral y Comité de examen predoctoral : Dra. Guadalupe
Velázquez Olimán, Dr. David Palma López, Dr. Eduardo Batllori Sampedro,
Dr. José Luis Hernández Stefanoni, Dr. José Antonio González-lturbe
Ahumada y Dr. Jorge Argáez.
A la Dra. Celene Espadas Manrique, a la M.I.A.:Yameli Aguilar Duarte y
Biol. Eduardo Sierra. Por su asesoría en los SIG:
A los profesores-investigadores del Centro de Investigación Científica de
Yucatán, A. C.
A la Coordinación del posgrado de la Unidad de Recursos Naturales: Dra.
lvon Ramírez (2009) y Dra. Luz María Calvo lrabien.(2010).
A todos mis compañeros del CICY y de la UADY.
111
IV
DEDICATORIA
A mis padres:
Sr. Donato Delgado Guadiana y Sra. Caritina Carranza Nietot
A mis hermanos:
Enrique, Cristinat, Alicia, Donato y Arnulfo
A mi familia:
Francisco,
Paco y Dorian
A mis sobrinos:
Erika, Luz, Alejandra, Citlali, Clara, Osear,
Said, Manuel, Jesús, y Paulo
A mis sobrinos-nietos
Valeria, Akin y Javier
A todos mis amigos
V
VI
Reconocimientos
Agradecimientos
Dedicatoria
Índice
Índice de cuadros
Índice de figuras
Resumen
Abstract
Listado de abreviaturas
INTRODUCCIÓN
Referencias
ÍNDICE
CAPÍTULO 1
Página
111
V
VIl
IX
IX
XIII
XV
XVII
4
ANTECEDENTES 7
Zona de estudio: estado de Yucatán 7
Clima 7
Agua subterránea 1 O
Agriicultura 13
Geoestadística 14
La problemática 19
Objetivos 23
Estrategia de estudio 25
Referencias 31
CAPÍTULO 11
ZONIFICACIÓN AGROCLIMÁTICA DEL ESTADO DE YUCATÁN, 35 A PARTIR DE LA LONGITUD DEL PERIODO DE CRECIMIENTO
Introducción 37
VIl
Materiales y métodos
Resultados y discusión
Conclusiones
Referencias
CAPÍTULO 111
38
41
49
50
PRECISIONES AL CONCEPTO DE LA LONGITUD DEL PERIODO 53 DE CRECIMIENTO
Introducción 54
Materiales y métodos 55
Resultados 60
Discusión 80
Conclusiones 82
Referencias 83
CAPÍTULO IV
QUALITY OF GROUNDWATER FOR IRRIGATION IN TROPICAL 85 KARST ENVIRONMENT: THE CASE OF YUCA TAN, MEXICO
lntroduction 86
Materials and methods 87
Results and discussion 94
Conclusions 1 09
References 11 O
DISCUSIÓN GENERAL 115
CONCLUSIONES GENERALES 123
PERSPECTIVAS 127
Referencias 129
APÉNDICES 131
VIII
CAPÍTULO 11
Cuadro 1
Cuadro 2
CAPÍTULO 111
Cuadro 3
Cuadro 4
ÍNDICE DE CUADROS
Propiedades de la longitud del periodo de crecimiento (LPC)
Razas de maíz en Yucatán y los grupos de la longitud del periodo de crecimiento (LPC) concordantes con el tiempo de desarrollo del cultivo
Resumen estadístico de los diferentes métodos de cálculo de la duración del periodo de lluvias
Resumen geoestadístico de los diferentes métodos de cálculo de la duración del periodo de lluvias (DPLL)
Página
43
48
64
65
Cuadro 5 Inicio y final de la duración del periodo de lluvias 78 (DPLL) con los diferentes métodos
CAPÍTULO IV
Cuadro 6 Descriptive statistic of ions, electrical conductivity and 96 indexes of groundwate
Cuadro 7 Characteristics of semivariogram models 97
Cuadro 8 Parameters of cross validation between measured 100 and estimated values
Cuadro 9 Zones of groundwater agricultura! quality based on 105 hazard of toxicity, salinity and sodicity
ÍNDICE DE FIGURAS
CAPÍTULO 1
Figura 1 Tipos de vegetación en la Península de Yucatán 7
Figura 2 Tipos de climas en la Península de Yucatán 9
Figura 3 Regiones hidrológicas y calidad del agua subterránea 11 en la Península de Yucatán
Figura 4 Regionalización fisiográfica e hidrogeoquímica de la 12 Península de Yucatán
IX
Figura 5
Figura 6
Figura 7
CAPÍTULO 11
Figura 8
Figura 9
Figura 10
Figura 11
CAPÍTULO 111
Figura 12
Figura 13
Figura 14
Figura 15
Figura 16
Figura 17
Figura 18
Figura 19
Figura 20
Figura 21
Estructura de un semivariograma
Etapas metodológicas para la conformación de zonas agroclimáticas
Etapas metodológicas para la conformación de zonas de calidad agrícola del agua subterránea
Área de estudio, el estado de Yucatán con 40 estaciones meteorológicas
Estructura del árbol de decisión para clasificación con propiedades de la longitud del periodo de crecimiento (LPC)
Análisis espacial de la LPC
Mapa con la LPC
Área de estudio, el estado de Yucatán con 65 estaciones meteorológicas
Evapotranspiración potencial anual con los métodos de Thornthwaite y Hargreaves
Evapotranspiración potencial mensual con los métodos de Thornthwaite y Hargreaves
fndice de humedad anual calculado con la evapotranspiración potencial de Thornthwaite y Hargreaves
Duración del periodo de lluvias calculado con el método FAO-MT
Mapa con la duración del periodo de lluvias a partir del método FAO-MT
Duración del periodo de lluvias calculado con el método FAO-MH
Mapa de la duración del periodo de lluvias a partir del método FAO-MH
Duración del periodo de lluvia calculado con el método del IH 0.5-MT
Mapa de la duración del periodo de lluvias a partir del método IH 0.5-MT
X
17
27
30
39
42
46
47
56
61
62
63
66
67
68
69
70
71
Figura 22
Figura 23
Figura 24
Figura 25
Figura 26
Duración del periodo de lluvias calculado con el método del IH 0.5-MH
Mapa de la duración del Periodo de lluvias a partir del método IH 0.5-MH
Duración del periodo de lluvias calculado con el método del IH 0.65-MT
Mapa con la duración del Periodo de lluvias a partir del método IH 0.65-MT
Duración del periodo de lluvias calculado con el método del IH 0.65-MH
72
73
74
75
76
Figura 27 Mapa con la duración del periodo de lluvias a partir 77 del IH 0.65-MH
CAPÍTULO IV
Figura 28
Figura 29
Figura 30
Figura 31
Figura 32
Figura 33
Figura 34
Figura 35
Figura 36
Figura 37
Geographical location of sampling wells and geology ofYucatan
More frequent rainfall (mode in mm)
Groundwater quality based on hazard of sodicity and salinity
Theoretical and experimental semivariograms for Chlorides, Magnesium, Sulfates, Calcium, Sodium and Bicarbonates in groundwater
Theoretical and experimental semivariograms for Potassium, Nitrates, SAR, Electrical Conductivity, Effective Salinity and Potential Salinity in groundwater
Maps of ions in groundwater
Maps of electrical conductivity and indexes in groundwater
Zones with different agricultura! quality of groundwater
lrrigated crops on Yucatan
Map showing the principals flows of groundwater
XI
88
89
95
98
99
101
102
103
106
109
XII
RESUMEN
Un desarrollo agrícola sustentable se logra mediante el diseño y operación de agroecosistemas acordes con su ambiente. El clima y la calidad agrícola del agua subterránea (CAAS) son factores importantes para la planeación de la agricultura de temporal y riego, respectivamente. El objetivo de esta investigación fue la zonificación agroecológica del estado de Yucatán (1 :250000) mediante el análisis espacial de la Longitud del periodo de crecimiento (LPC) o Duración del periodo de lluvia (DPLL} y de la CAAS. La DPLL se abordó en dos vertientes: el método FAO y el índice de humedad mensual {IHm). El análisis espacial de la CAAS se realizó con las concentraciones iónicas, la CE, relación adsorción de sodio (RAS), salinidad potencial (SP) y salinidad efectiva (SE). Mediante geoestadística se delimitaron las áreas para agricultura de temporal y riego de acuerdo con la DPLL y la CAAS respectivamente. El mejor modelo cartográfico de la DPLL se logró con el IHm mayor o igual a 0.65 y con la ETp de acuerdo con Thornthwaite. Se formaron cinco niveles de la DPLL (3 a 7 meses). Con la CAAS, se identificaron seis zonas: 1, 11 y 111 no recomendables por cloruros, SP, SE y CE+ RAS; IV y V condicionadas por cloruros, SP y SE, pero valores altos de CE; y VI buena por cloruros, SP, SE, pero valores altos en CE.
Palabras clave: Agricultura de temporal, duración del periodo de lluvia, geoestadística, salinidad, acuífero cárstico
XIII
XIV
ABSTRACT
A sustainable agricultura! development is achieved through the design and operation of agroecosystems with their own environment. Climate and agricultura! quality of groundwater (AQG) are important factors in planning for rainfed and irrigated agricultura, respectively. The aim of this work was the agroecological zoning in the state of Yucatan, Mexico (1 :250000) from spatial analysis of the length of growth period (LGP) or duration of rainfall period (DRP) and the AQG. The DRP was addressed in two areas: the FAO method and monthly humidity index (Him). The spatial analysis of the AQG was performed with ion concentrations, the EC, sodium adsorption ratio (SAR) and potential (PS) and effective salinity (SE). Through geostatistics analyses were delineated different areas for rainfed and irrigation agricultura according to the DRP and the AQG respectively. The best cartographic model of the DRP was obtained with the greater or equal IHm to 0.65 and with the ETp in agreement with Thornthwaite method. Five levels of the DRP (3 months to 7 months) were formed . With the AQG, six areas were identified: 1, 11 and 111 were not recommended for, chlorides, PS, ES and EC + SAR; IV and V conditioned by chlorides, ES and PS, but high values of EC; and VI good for chlorides, PS and
y --- - - - - ···-··--- • . . . . . . - - . V - - - - - - -- - '
vords Yucatan. ramfed agnculture. durat1on of ramfall penod, geosta!IS!Ics, it\1
--···· ·""" '
XV
XVI
LISTADO DE ABREVIATURAS
CE: Conductividad eléctrica.
DPLL: Duración del periodo de lluvias para el desarrollo de cultivos
ETp : Evapotranspiración potencial
ETp-MT: Evapotranspiración potencial de acuerdo con el método de Thornthwaite.
ETp-MH: Evapotranspiración potencial de acuerdo con el método de Hargreaves.
FAO-MT: Método de cálculo de la duración del periodo de lluvias de acuerdo con la FAO y la estimación de la evapotranspiración potencial de acuerdo con el método Thornthwaite.
FAO-MH: Método de cálculo de la duración del periodo de lluvias de acuerdo con la FAO y la estimación de la evapotranspiración potencial de acuerdo con el método Hargreaves.
IH: fndice de humedad.
IH 0.5-MT: Método de cálculo de la duración del periodo de lluvias de acuerdo con el índice de húmedad mayor de 0.5 y la estimación de la evapotranspiración potencial de acuerdo con el método Thornthwaite.
IH 0.5-MH: Método de cálculo de la duración del periodo de lluvias de acuerdo con el índice de húmedad mayor de 0.5 y la estimación de la evapotranspiración potencial de acuerdo con el método Hargreaves.
IH 0.65-MT: Método de cálculo de la duración del periodo de lluvias de acuerdo con el índice de húmedad mayor de 0.65 y la estimación de la evapotranspiración potencial de acuerdo con el método Thornthwaite.
IH 0.65-MH: Método de cálculo de la duración del periodo de lluvias de acuerdo con el índice de húmedad mayor de 0.65 y la estimación de la evapotranspiración potencial de acuerdo con el método Hargreaves.
LPC: Longitud del periodo de crecimiento.
RAS : Relación adsorción de sodio
SE: Salinidad efectiva.
SP: Salinidad potencial.
XVII
XVIII
Introducción general
La agricultura de alta tecnología con insumas de fertilizantes, herbicidas y riego, tiene altos costos económicos y ambientales. Un desarrollo agrícola sustentable, requiere del diseño de agroecosistemas con base en las condiciones ambientales propias de cada sitio, para el uso racional de los recursos naturales a largo plazo (FAO, 1996; De la Rosa, 2008). El clima y la calidad agrícola del agua subterránea son dos factores importantes para la planeación de la agricultura de temporal y riego.
Un mejor entendimiento de la distribución espacial del agua por vía de la precipitación pluvial , así como de la calidad del agua subterránea para uso agrícola, mediante la elaboración de modelos conceptuales y cartográficos, permitirá un aprovechamiento sustentable del recurso agua para la planificación agrícola de temporal y riego en el estado de Yucatán.
En el estado de Yucatán los estudios climáticos existentes son a nivel de la Península de Yucatán a una escala (1: 1 200 000). Se han descrito los tipos, subtipos climáticos y variantes climáticas, así como de comportamiento de la precipitación pluvial por medio de la función gama, de la temperatura, sus anomalías, porcentaje de lluvia en verano e invierno, sequía intraestival e incidencia de huracanes. Se cuenta con los diagramas ombrotérmicos, que muestran el efecto conjunto de la variación térmica y pluviométrica a través del año (García, 2004; Orellana et al. , 1999; Orellana et al., 2002). Esta información es taxonómica y a nivel peninsular; es comprensible, principalmente, en el ambiente académico.
El otro tema a desarrollar y que servirá también a la planeación de las actividades agrícolas, es el análisis de la calidad del agua subterránea para su uso potencial como riego.
En Yucatán, el agua disponible para las actividades de riego convencional o riego de auxilio proviene del agua subterránea. Las características físicoqu ímicas del agua subterránea, confinada en un acuífero cárstico, son proporcionadas por la interacción agua - roca, debido a la disolución de las rocas carbonatadas presentes en la mayor parte del estado, y las rocas sulfatadas en el sur; así como por la interacción de agua dulce y agua salina a consecuencia de la sobreexplotación de pozos, lo que promueve la extensión de la interfase en la columna de agua (Perry et al., 2002).
En los estudios hidrológicos y geoquímicos, a nivel estatal y peninsular, Pacheco et al (2000); Pacheco et al (2001 ); Perry et al (2002}; Perry et al. , 2009), han determinado la calidad del agua subterránea para consumo humano, los flujos y dirección, así como el grado de contaminación, entre otros. Sin embargo, para la planificación de las actividades agrícolas hace falta elaborar cartografía detallada a nivel estatal
1
de la calidad del agua subterránea con fines agrícolas, para prever la salinización de los suelos y la alteración de los procesos de absorción del agua por los cultivos.
La metodología de la Zonificación agroecológica (FAO, 1996) integra tres factores ambientales: el clima, relieve y suelos para realizar mapas que sirvan como base para la planeación del uso de la tierra. En la Península de Yucatán se cuenta con mapas del relieve (Lugo, 1992, 1999), de suelos (INEGI, 1984a,b,c y d), de clima (Orellana et al, 1999), de la calidad del agua subterránea (Pachaco et al., 2000; Pachaco et al., 2001 ; Perry et al., 2002); Perry et al., 2009) de manera independiente. Se requiere una integración de estas variables ambientales. El proyecto "Base de datos digitales del medio físico para la creación de zonas agroecológicas en el estado de Yucatán" plantea integrar dichas variables y conformar las zonas agroecológicas a nivel del estado de Yucatán. El trabajo de investigación propuesto en esta tesis, desarrolla dos de los objetivos del mencionado proyecto:
1) analizar el clima con fines agrícolas para aprovechar eficientemente el agua de lluvia en cultivos de temporal , y
2) analizar la calidad agrícola del agua subterránea para identificar el riesgo de salinidad edáfica y planear un uso adecuado en la agricultura de riego o complementario a la agricultura de temporal.
Se requiere: 1) la delimitación en tiempo y espacio, de las zonas propicias en humedad para el desarrollo de cultivos es decir, análisis de la variabilidad intraanual de la relación precipitación/evapotranpiración y contar el número de meses con la humedad necesaria para el desarrollo de cultivos de temporal ; 2) la definición en el espacio de la calidad agrícola del agua subterránea; 3) el diseño de la cartografía a una escala que sea lo suficientemente detallada, como a 1 :250 000 para visualizar las diversas zonas a nivel del estado de Yucatán; 4) la elaboración de mapas de fácil entendimiento e interpretación para los tomadores de decisiones en cuestiones agrícolas y los usuarios potenciales de la información: agrónomos y campesinos; 5) la realización del análisis espacial a partir de la geoestadística que muestre el grado de precisión de los modelos de las interpolaciones, y 6) la incorporación futura de capas de información de clima y calidad del agua al mapa geopedológico (relieve y suelo) generado en el proyecto de las zonas agroecológicas (Bautista et al., 2007; Bautista & Frausto, 2008) .
La integración de toda la información generada en esta investigación, redundará en una adecuada transferencia de tecnología agropecuaria y forestal, con menos impactos negativos en los agroecosistemas del estado de Yucatán. Asimismo, se tendrá un mejor
2
entendimiento del ambiente así como de las potencialidades que este pueda tener para un manejo sustentable.
Con el presente estudio, se espera aportar información adicional para enriquecer los planes del ordenamiento ecológico de las actividades agrícolas, tanto de temporal como de riego, para contar con un uso de suelo más acorde con las características agroecológicas del paisaje yucateco.
A continuación se describe de manera general la estructura del documento de la tesis.
En el capítulo correspondiente la "Zonificación agroclimática del estado de Yucatán, México a partir de la longitud del periodo de crecimiento" (LPC); la delimitación de los meses con humedad adecuada para el desarrollo de cultivos de temporal se delimitó con la relación precipitación/0.5 de la evapotranspiración potencial (ETp) a través del año (FAO, 1996). La ETp fue calculada con el método Thornthwaite (Thornthwaite, 1948) ante la carencia de datos para calcularlo mediante el método Penman-Monteith (AIIen et al., 1998).
En el capítulo 3 la LPC se reconceptualizó como "duración del periodo de lluvias" (DPLL). la delimitación de los meses con humedad adecuada para el desarrollo de cultivos de temporal se realizó con el índice de humedad mensual. La ETp se estimó mediante el método de Hargreaves (Hargreaves et al., 1985) y se comparó con el de Thornthwaite.
En el capítulo 4 correspondiente a "La calidad del agua subterránea con fines de riego en un ambiente tropical de karst: el caso de Yucatán, México", se definieron seis zonas de acuerdo al grado de salinidad y sus posibles riesgos al usarla en los diferentes tipos de suelos.
Se hizo una discusión general incorporando los resultados de los tres apartados y por último, las conclusiones generales y perspectivas.
3
REFERENCIAS
Allen, R., L. S. Pereira, D. Raes y M. Smith (1998). Crop evapotranspíration: guidelines for computing crop water requirements. FAO lrrigation and Drainage, Paper No 56, Rome, ltaly. 300 p.
Bautista, F. , Y. Aguilar, H. Rivas y R. Páez (2007). "Los suelos del estado de Yucatán". En: Importancia del binomio suelo-materia orgánica en el desarrollo sostenible, Cabañas D. y M. Sánchez (eds). CEBAS-CSIC, UADY y Ministerio de Asuntos Exteriores y de Cooperación. Murcia. España. pp. 11-42.
Bautista, F. y O. Frausto (2008). Bases de datos digitales para la creación de las zonas agroeco/ógicas del estado de Yucatán. A través del fideicomiso FONDOS MIXTOS. Reporte técnico. 40 p.
De la Rosa, D. (2008). Evaluación agroecológica de suelos. Ediciones MundiPrensa, Madrid. 404 p.
FAO (Food and Agricultura Organization) (1996). Agro-ecological zoning: Guidelines. FAO soils. Soil Resources, Management and Conservation Service. FAO Land and Water Development Division . Bulletin 73. Rome, ltaly. 78 p.
García, E. (2004 ). Modificaciones al sistema de clasificación climática de Koppen. Serie Libros Núm. 6. Instituto de Geografía, Universidad Nacional Autónoma de México. sa. Edición. 90 p.
Hargreaves, D.A., G. H. Hargreaves y J. P: Riley (1985). lrrigation water requirements for Senega/ river basin. J . of lrrigation and Drainage Division, 3, 265-275.
INEGI (1984a) .. Mapa edafológico 1:250000 Mérida F16-10 INEGI México. INEGI (1984b). Mapa edafológico 1 :250000 Felipe Carrillo Puerto FCP E16-1
INEGI México. INEGI (1984c). Mapa edafológico 1 :250000 : Calkini f15-9-12 INEGI. México. INEGI (1984d). Mapa edafológico 1:250000 Tizimín F16-71NEGI. México Orellana, R. M. Balam, l. Bañuelos, E. García, J. Gonzalez-lturbe, F., J . Vidal
(1999). "Evaluación climática". En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A. , J . Córdoba y Ordóñez y "P. Chico Ponce de León (eds). Universidad Autónoma de Yucatán. Mérida, Yucatán. pp. 163-177.
Orellana, R. , C. Espadas y J. A. González-lturbe (2002). "Aplicaciones de los diagramas ombrotérmicos de Gaussen modificados, en la península de Yucatán". En: México en su unidad y diversidad territorial. Sánchez Crispín, A. (ed). Instituto nacional de geografía e informática (INEGI) y Sociedad mexicana de geografía y estadística. Aguascalientes . pp. 60-73.
Pacheco, J., A. Cabrera, y L. Marín (2000). Bacteriological contamination in the karstic aquifer of Yucatán. México. Geofísica Internacional, 39(3), 285-291.
4
\ Pacheco, J., L. E. Marin, A Cabrera, B. Steinich y O. A Escalera (2001 ),
Nitrate temporal and spatial pattern in twelve water supply wel/s, Yucatan, Mexico. Enviran. Geol, 40(6),. 708-715. \
Perry, E., G. Velázquez-Oiimán y L. Marín (2002). The hydrogeochemistr~of the karst aquifer system of the northern Yucatán Península, México. lnternational Geology Review, 44: 121-221. \
Perry, E., A Paytan, B. Pedersen y G. Velázquez-Oiimán (2009).( Growndwater geochemistry of the Yucatan Península, Mexico · constraints on statigraphy and hydrogeology, 367, 27-40.
Thornthwaite, C. W. (1948). An approach toward a rational classification of climate. The Geography Review, 38, 55-94.
5
6
Capítulo 1
Antecedentes
ZONA DE ESTUDIO
El estado de Yucatán se encuentra situado en el SE de México, al N de la Península Yucatán. Las formaciones geológicas corresponden a calizas del terciario las que constituyen planicies y lomeríos cársticos, en la costa se localizan las planicies con sedimentos del cuaternario (Lugo & García, 1999; Bautista et al., 2003, 2005). La vegetación que cubre el territorio, desde la costa hacia el sur-sureste es de matorral de duna costera, manglar, selva baja caducifolia con cactáceas candelabriformes, selva baja caducifolia, pastizales, selva mediana subcaducifolia y subperennifolia (Oimsted et al. , 1999) (Figura 1 ).
VEGETACION DE LA PENINSULA DE YUCA TAN
• Selva baja caduclfolla • Setva baja lnundable O Manglar • Vegetación secundarla • Selva mediana subcaducifoli: • Selva mediana subperennifol
Selva alta perennifolia • Pastlzallnundable g Agropecuario, urbano • Superflcle no Interpretada • Cuerpos de agua
Figura 1. Tipos de vegetación en la Penfnsula de Yucatán (Oimsted et al. , 1999)
EL CLIMA
Los factores que construyen las condiciones climáticas de la península de Yucatán son los siguientes: 1) Ausencia de elevaciones considerables, al formar una gran planicie en la que paradójicamente se
7
tiene una complicada microtopografía; 2) La cercanía al Trópico de Cáncer, lo que acarrea un marcado gradiente de presión atmosférica de norte a sur; 3) La fuerte influencia del Anticiclón Bermuda Azores del Atlántico, generador de gran actividad atmosférica; 4) La presencia estival de los vientos del este o alisios; la influencia estival continua de perturbaciones de los vientos alisios denominadas ondas tropicales, que acentúan a su paso la intensidad de la lluvia; 5) La presencia de la canícula o sequía intraestival, generada por vaguadas polares que debilitan a los vientos alisios y posicionamiento anómalo de la zona intertropical de convergencia; 6) La influencia de perturbaciones tropicales, que generan tormentas tropicales y huracanes que dejan un monto considerable de lluvia al año; 7) La llegada desde el otoño de las masas de aire polares, generadas en los frentes y que al pasar por el Golfo se humedecen y se transforman en "nortes"; 8) La presencia de la corriente cálida del Canal de Yucatán que hacia el oeste da lugar a la Corriente del Golfo (Orellana et al., 1999; Orellana et al., 2003).
Existe una caracterización del clima del estado de Yucatán, sin embargo, hace falta un manejo de la información climatológica a una escala más detallada que sirva para el desarrollo agrícola (disponibilidad de agua, evapotranspiración, influencia del viento, etc.) del estado. Los elementos climáticos presentan variabilidad espacial y temporal y se manifiestan de manera conjunta e interrelacionada. En una climatología aplicada es necesario el análisis conjunto de varios de ellos. Por ejemplo, la disponibilidad de agua o la sequía fisiológica de las plantas cultivadas sólo pueden determinarse teniendo en cuenta la cantidad de agua evaporada ya que esta depende de otras variables climáticas como la temperatura, la humedad del aire y la velocidad del viento, que actúan conjuntamente (Orellana et al., 2003).
De acuerdo con la clasificación climática de Koppen modificada por García (2004) en Yucatán se presentan varios tipos y subtipos climáticos establecidos a partir de las condiciones de temperatura y régimen de lluvias, los que forman las siguientes zonas: la franja del extremo noroeste entre Sisal y el este de Progreso, presenta el tipo muy cálido árido con lluvias en verano y alto porcentaje de lluvia invernal (BS0 (h ') w(x '). Rodeando esta zona desde Celestún hasta Telchac, está el muy cálido semiárido con lluvias de verano (BS1(h ')w). Al sur y hacia el Golfo de México, se presenta una zona con climas cálidos y muy cálidos, los más secos de los subhúmedos con lluvias en verano y alto porcentaje de lluvia invernal (Aw0,
Aw0(x ') y los cálidos y muy cálidos, los más secos de los subhúmedos con régimen de lluvias uniformemente repartidas (Ax'(w0) . Hacia el este de Yucatán se presenta el clima cálido subhúmedo con régimen de lluvias intermedio y alto porcentaje de lluvia invernal (Ax'(w1) (i')gw (Orellana et al. , 1999; Orellana et al., 2003) (Figura 2).
8
• Puntos. shp N umooi.S11p Cimalat.Shp
•A(O ""'(0
""'' Awl (x)
IW2 IW2 ( x) -- -(x)
- BSI(h) w
~ BSo(h) ( x)
Figura 2. Tipos y subtipos climáticos en la Península de Yucatán (Ore/lana, 1999)
La variabilidad espacial explica las diferencias regionales de los climas sobre la superficie terrestre. La variabilidad temporal denota las diferencias en periodos de tiempo limitados como un día, un mes o un año o en intervalos de tiempo más largos (Orellana et al. , 2003). Por ejemplo, en la porción occidental de Yucatán la mayor cantidad de agua (90%) se presenta de junio a septiembre; sin embargo, los montos y el reparto de precipitación interanual son muy variables espacialmente, dentro de un mismo año y entre años.
Ante la motivación de contribuir al ordenamiento de las actividades humanas y el espacio en que éstas se manifiestan con miras al desarrollo sustentable de las actividades productivas, la FAO (1996) desarrolló el enfoque metodológico de las zonas agroecológicas. Una zona agroecológica es una unidad cartográfica de recursos de tierras, definida en términos de clima, geoformas y suelos, y/o cubierta de tierra , y que tiene un rango específico de limitaciones y potencialidades para el uso de tierras. De la Rosa et al. (1996; 2003; 2005) lo han retomado para su automatización por medio de herramientas computacionales para manejar grandes bases de datos, modelar y generar escenarios y trasladarlos a sistemas de información geográfica. La zonificación agroecológica (ZAE) se refiere a la división de la superficie de la tierra en unidades más pequeñas, que tienen características similares relacionadas con la aptitud de tierras, la producción potencial y el impacto ambiental (FAO, 1996).
9
La metodología para establecer las ZAE incorpora al clima mediante el concepto de duración o longitud del período de crecimiento (LPC) que es la época o periodo continuo del año en la que las condiciones de humedad y temperaturas son idóneas para la producción de cultivos. La estimación de la LPC se basa en el modelo de balance hídrico que relaciona la precipitación (P) con la evapotranspiración potencial (Etp ). Si la LPC no está limitada por la temperatura (>6.5 °C), la relación P/Etp determina el tipo de LPC, cuándo inicia, cuánto dura y cuándo termina. Abarca desde el día en que la precipitación excede a la mitad de la ETp, hasta el día en que la cantidad de lluvia es menor a la mitad de la ETp, y dependiendo del tipo de suelo, un periodo más, el necesario para evapotranspirar la reserva de agua del suelo. La LPC proporciona un marco ideal para resumir el comportamiento interanual del clima, ya que se puede comparar con los requerimientos y las respuestas estimadas de las plantas. El régimen de temperatura, la precipitación (P}, la evapotranspiración e incidencia de riesgos a fenómenos climáticos extremos son más relevantes si se calculan para la LPC, cuando pueden influir en el desarrollo del cultivo, que si se hace para el promedio anual (FAO, 1996).
En México se han realizado zonificaciones con base en el suelo y la longitud del periodo de crecimiento en los estados de Michoacán (Aguilar, 1995}; en Guanajuato (Granados et al. , 2004): y zonificaciones agroclimáticas (clima-suelo} en Tabasco (Aceves et al., 2008ab) para cultivos de papaya y naranja.
EL AGUA SUBTERRÁNEA EN EL ESTADO DE YUCATÁN
De acuerdo con la CONAGUA, en Yucatán existen cuatro zonas hidrogeológicas: zona costera, semicírculo de cenotes, planicie interior, y cerros y valles . Todos ellos tienen distinta calidad del agua subterránea (CNA, 2003} (Figura 3}.
10
D CJ
Familias de agua
Sódico elora~s
MiXIaS Cileieo ealbonilllldas Cálcico sulfatadas
Figura 3. Regiones hidrológicas y calidad del agua subterránea en la península de Yucatán (CNA, 2003)
Perry et al (2002, 2009) definen cuatro regiones hidrogeoquímicas/fisiográficas: 1) Cuenca sedimentaria Chicxulub, donde las características químicas del agua están determinadas por la mezcla con la intrusión salina; 2) Anillo de cenotes con alta permeabilidad, por lo que influye en la dirección del flujo de agua; 3) Falla de Ticul, que influye en la dirección del agua y en la calidad química por la presencia de rocas del tipo de las evaporitas (yeso y anhidritas) y 4) Tierras con alta densidad de cenotes con presencia de rocas evaporitas (Figura 4).
11
-~~
~
t j
' " -=-
of Me.r l co
Figura 4. Regíonalízacíón físíográfíca e hídrogeoquímíca de la Península de Yucatán (Perry et al., 2002)
En Yucatán no existen corrientes de agua superficiales debido a que gran parte del agua de lluvia (85%) se evapotranspira y los remanentes se infiltran rápidamente hacia el subsuelo por la naturaleza cárstica de las rocas. El acuífero está libre, excepto por una banda paralela a la costa norte; este es el acuitardo o caliche impermeable, que confina el acuífero, eleva el nivel del agua hacia las tierras altas y lleva a una mayor profundidad las aguas saladas del fondo (Villasuso & Méndez Ramos, 2000; Batllori & Febles, 2002; Perry et al., 2002, 2009).
El flujo del agua subterránea es a través de conductos y fracturas en la roca y circula desde las zonas de mayor precipitación al sur hacia la costa norte. Existe un gradiente hidráulico muy pequeño (7-10 mm km-1
)
debido a la alta permeabilidad del acuífero y el relieve llano (Marín et al. , 2004). En el círculo de cenotes se descarga una gran cantidad de agua y se dirige hacia las costas noreste (Dzilam de Bravo) y oeste (Celestún) (Perry et al., 2002) en donde se descarga a través de manantiales (Doehring & Butler, 1974; Schmitter-Soto et al., 2002).
Debido a su densidad, la lente de agua dulce flota sobre agua salina; la anchura de la columna de agua dulce se incrementa hacia el centro de la península, varía de 16 m en la costa de Chuburná Puerto a más de 80 m en Sotuta (Marín et al., 2004). Hay intrusión de agua de mar a lo largo de la costa norte de Yucatán debido a la alta permeabilidad de los estratos carbonatados excepto en Celestún y Dzilam donde la descarga de agua subterránea impide que exista la intrusión de agua de mar. Durante la
12
estación seca y con alta explotación del acuífero se incrementa la intrusión salina, por el contrario, en la estación lluviosa disminuye a causa de la alta captación de agua y los niveles bajos de extracción (Doehring & Butler, 1974). La intrusión salina por debajo de la lente de agua dulce ha penetrado más de 40 km tierra adentro. (Marín et al., 2004}.
El agua subterránea recibe iones de dos principales fuentes: la disolución de minerales de la roca madre y la mezcla con el agua de mar (Perry et al., 2002). Estos autores encontraron que los valores del índice SO/"!Cr x 100 de 1 0.3, indican un origen marino de los cloruros y/o sulfatos, debido a la intrusión salina. Los valores mucho mayores de 10.3 significan un origen a partir de rocas del tipo evaporitas (halita y yeso/anhidrita ). Los valores del índice Na+/Cr de 1.17 indican un origen marino de los cloruros, a partir de la intrusión salina, y se presentan en aguas subterráneas someras; los valores de 1 significan un origen a partir de rocas evaporitas (halita) .
Doehring & Butler (197 4) determinaron altas concentraciones de sólidos disueltos en el agua subterránea y consideraron que son limitaciones para el desarrollo industrial, salud humana y, si las concentraciones son extremadamente altas, tampoco sería apropiada para uso agrícola, por el peligro de salinización de los suelos.
LA AGRICULTURA EN EL ESTADO DE YUCATÁN
Las extensiones del uso de suelo en el estado de Yucatán son: 785 600 ha para actividades agrícolas (6- 15%); 2 776 300 ha para ganaderas; 784 600 ha para forestales y 51 400 en otros usos (Coll de Hurtado & Godínez, 2003). La SAGARPA (2004) detalla los tipos de cultivo más importantes: pastos y praderas 554 570 ha; maíz 161 140; henequén 30 900 ha; cítricos 21 900; hortalizas 5 000 ha. De la superficie dedicada a la agricultura aproximadamente el 5% está cultivada bajo riego y el 95% es de temporal (SAGARPA, 2004}. El 95% del cultivo de maíz es de temporal y de éste el 50% es de autoconsumo. Al contrario, los forrajes (pastos) predominan bajo el sistema de riego. (Coll de Hurtado & Godínez, 2003).
La superficie bajo riego en Yucatán ha aumentado; en 1970 fue entre 100 y 500 ha y predominaba la condición ejidal y estaba concentrada hacia el suroeste del Estado y muy incipiente en el oriente (región ganadera). En 1997 aumentó su extensión considerablemente y se distribuyó hacia toda la región oeste, norte, sur y oriente del estado. Se ha mantenido el carácter ejidal en el oeste, pero en el norte y oriente predominael carácter privado (Eastmond, 1999).
La agricultura de riego en Yucatán tiene un bajo aprovechamiento del potencial agrícola por el deficiente uso de la infraestructura, deteriorada
13
por falta de conservación y mantenimiento, por la carenCia de recursos económicos y debido a la falta de capacitación técnica. Esto es notorio en la parte sur y oriente de Yucatán donde se presentan las más altas concentraciones de unidades de riego construidas. En general la infraestructura opera al 55% y de forma parcial (CNA, 2003).
El sector agropecuario contribuye a la contaminación tanto de cuerpos de agua superficiales como subterráneos, por escurrimiento o infiltración y constituyen la fuente potencial de contaminación del recurso, debido a una falta de control en la aplicación de fertilizantes, pesticidas y herbicidas (SEMARNAT, 2002; CNA, 2003).
En Yucatán el uso del agua subterránea para las actividades agrícolas no representa una amenaza seria en términos de sobreexplotación. Sin embargo, en gran parte del estado el agua subterránea es muy vulnerable a la contaminación por las aguas residuales domésticas, municipales, pecuarias e industriales, las cuales carecen de sistemas de tratamiento para su adecuada disposición (Batllori & Febles, 2002).
En el Sur de Yucatán, Pacheco & Cabrera (1996) reportaron concentraciones de sulfatos arriba de 400 mg L-1 y cloruros arriba de 250 mg L-\ ambos por encima del límite máximo permisible por la Norma Mexicana. Por ejemplo los sulfatos en Muna, Santa Elena, Tzucacab y Peto y los cloruros además de los anteriores en Dzan y Akil. La presencia de sulfatos se atribuye a la interacción agua-roca con rocas sulfatadas presentes en el área; y/o al proceso de salinización del suelo por la irrigación con aguas salinizadas y uso de fertilizantes sulfatados. Los autores mencionados indican que la presencia de los cloruros se debe a una contaminación por desechos domésticos y municipales y/o principalmente a la irrigación con agua de la interfase salina y uso de fertilizantes clorurados.
GEOESTADÍSTICA: HERRAMIENTA DE ANÁLISIS ESPACIAL DE LA INFORMACIÓN
La geoestadística comprende a un conjunto de herramientas matemáticas y estadísticas que sirven para analizar y predecir los valores de una variable que se distribuye en el espacio o en el tiempo de una forma continua. Se comenzó a desarrollar con la explotación minera, después en estudios de suelos (Robinson & Metternicht, 2006), en la hidrogeología (Yuan, 2004), climatología (Hunter & Meentemeyer, 2005), agricultura (Amador-Ramírez, 2003; Ninyerola & Rouré, 2007), así como en la ecología (Hernández-Stefanoni & Ponce-Hernández, 2006).
14
El conocimiento de la distribución espacial de los elementos climáticos y de la calidad agrícola del agua subterránea, es de mucha utilidad para los tomadores de decisiones dentro del ámbito agrícola. En la elaboración de cartografía son escasos los estudios en los que se hace un análisis de los modelos de interpolación o estimación; generalmente sólo se presentan los mapas, quedando oculto el procedimiento, situación que no constituye un problema cuando los mapas se publican a escalas pequeñas (1 :1 000000}. Sin embargo, los planes de ordenación ecológica del territorio, así como las zonificaciones agroecológicas promovidas por la FAO a escalas grandes (1 :250000} necesitan de interpolaciones confiables, lo cual permite una mayor precisión en el manejo de la información geográfica para el manejo y conservación de los recursos naturales.
Generalmente, la variable de interés se mide a través de datos puntuales y no cubre completamente el área de estudio, por lo que se requiere de una estimación de los sitios no medidos. La creación de una superficie continua puede llevarse a cabo con diferentes metodologías de interpolación. Existen los métodos globales y los locales. Los globales consideran todos los datos disponibles en el área de estudio para realizar estimaciones, sin considerar la variación al interior del área. Los locales permiten hacer predicciones con los datos cercanos al punto que se va a estimar por lo que se incorpora la variación al interior de la zona. También existen métodos de interpolación determinísticos y estocásticos. Los determinísticos no proporcionan una estimación de los errores en la interpolación, mientras que los estocásticos permiten conocer la precisión de las estimaciones mediante la varianza estimada {lsaaks & Srivastava, 1989; Burrough & McDonnell, 1998; Webster & Oliver, 2001: Hernández-Stefanoni & Ponce-Hernández, 2006}.
Dentro de los métodos de interpolación locales y estocásticos existen aquellos que parten de la teoría de las variables regionalizadas, la cual establece que las variables ambientales y bióticas en un sitio particular están frecuentemente influenciadas por las condiciones de los sitios que lo rodean, debido a que comparten características similares. Es de esperarse entonces, que los valores de la variable de interés de sitios cercanos sean más similares que en los sitios que están separados, es decir, existe un grado de dependencia espacial o autocorrelación entre sitios vecinos y una continuidad espacial (lsaaks & Srivastava, 1989; Webster & Oliver, 2001; Burrough & McDonell , 1998; Hernández-Stefanoni & Ponce-Hernández, 2006}.
El método de estimación o interpolación Kriging es local, estocástico y considera la dependencia espacial de las variables ambientales y bióticas, además se genera una idea clara del grado de error por lo que es de los más apropiados para diseñar modelos cartográficos con alto grado de precisión de las superficies continuas. El proceso se realiza en tres etapas:
15
1) Análisis exploratorio de datos. Los datos muestrales se estudian sin tener en cuenta su distribución geográfica; se comprueba la consistencia de los datos y se identifican las distribuciones de las que provienen.
2} Anál isis estructural. Se identifica la dependencia espacial mediante el cálculo del semivariograma experimental, al cual se ajusta un semivariograma teórico que permita explicar su estructura espacial. El mejor ajuste está dado por la r-2 más cercana a 1 o por el valor de la suma de cuadrados del error (RSS) más cercana a O. Los modelos de variogramas teóricos más comunes son de tipo esférico, exponencial, gaussiano y lineal.
3) Estimación, la estimación con el método Kriging incorpora el modelo matemático (semivariograma) que describe la variación espacial.
ANÁLISIS ESTRUCTURAL
Un semivariograma experimental describe la relación entre la varianza de la variable de interés y la distancia; se obtiene de la siguiente manera (Hemández-Stefanoni et al., aceptado): 1 Definición de los incrementos de distancia o intervalos. 2) La semivarianza y(h) se calcula para cada par de puntos dentro de una categoría de intervalo de distancia. 3) Se obtiene el promedio de la semivarianza de todos los puntos dentro de una categoría de distancia. 4) Los valores promedio de la semivarianza se grafican en el eje y en contra de los incrementos de la distancia en el x.
La ecuación de la semivarianza según lsaaks & Srivastava (1989) es la siguiente:
l N(h)
y(h) = (h) ¿ {Z(xJ - Z(xi + h)}2
2 N ¡,.1
Donde: y(h) = es la semivarianza de los sitios de muestreo separados por una distancia h; Z(x¡) los valores muestrales en los puntos X¡, en los que se tienen datos tanto en X¡ como en X¡+h; N(h) es el número de pares de datos separados por una distancia h.
Los componentes del semivariograma ajustado son: C0 • que representa dos fuentes de variabilidad: 1) la variabilidad que existe a una distancia más pequeña que la menor distancia considerada; con frecuencia indica que es una variable muy irregular a distancias cortas; 2) la variabilidad causada por errores experimentales o en el diseño del muestreo; C0 +Ces la Meseta o Sill , e indica el valor máximo de la varianza cuando se incrementa la distancia entre dos puntos, es el equivalente a la varianza total dada por (C0 + C); Ao es el Alcance o Range, es el valor de la
16
distancia a la cual la curva se vuelve asíntota, determina la zona de influencia en torno a un punto, más allá de la cual no existe autocorrelación {lsaaks & Srivastava, 1989; Webster & Oliver, 2001; Burrough & McDonell, 1998; Moral, 2003; Hernández-Stefanoni & Ponce-Hernández, 2006) (Figura 5).
Los modelos teóricos parten del supuesto que el patrón de variabilidad es igual en cualquier dirección (omnidireccionales) y usan semivariogramas isotrópicos, los cuales dependen sólo de la distancia h. Sin embargo, cuando el patrón de variabilidad espacial cambia con la dirección, se emplean semivariogramas anisotrópicos, que dependen de la distancia y de la dirección {lsaaks & Srivastava, 1989; Hernández-Stefanoni et al., aceptado).
1 C.+ C = Meseta o
0.57 1.14 1.70 2.27
1 Distancia = h
Figura 5. Estructura de un semivariograma (GS+, 2006)
ESTIMACIÓN
La estimación con el método Kriging incorpora el modelo matemático (semivariograma) que describe la variación espacial.
Todos los estimadores del tipo kriging son variantes del estimador
lineal básico z• (x) ' definido como:
n
z• (x)- m(x) = L: ooi [Z(xJ- m(xi)] i..J.
Donde, W¡ son los pesos óptimos asignados a los datos Z(x¡), siendo éstos observaciones de la variable aleatoria Z(x¡). Los valores estimados de las variables aleatorias Z(x) y Z(x¡) son m(x) y m(x¡) respectivamente. El
17
número de datos, n, considerado en la estimación, varía de un lugar a otro. En la práctica se emplean los datos existentes en las proximidades del punto a estimar, dentro de un entorno definido al principio (Moral, 2003).
El método Kriging minimiza la varianza del error esperado entre el valor real y el estimado; posee una gran flexibil idad para la interpolación, pudiéndose estimar valores puntuales o en bloques, así como métodos para incorporar información secundaria que esté relacionada con la variable principal; se delinean unas superficies muy suaves, además de una estimación de la varianza en todos los puntos (Webster & Oliver, 2001 ; Moral, 2003).
Para evaluar la exactitud de la predicción del método de la estimación se cuantifica el error entre los datos medidos y los valores estimados. Existe el procedimiento de la validación cruzada ("jack-kniffing") que consiste en que los valores de sitios medidos son eliminados del conjunto de datos, uno a la vez. Después, se realiza la interpolación con los sitios restantes para estimar el valor del sitio eliminado. Se produce una lista de valores estimados de la variable en estudio, y se comparan con los obtenidos en los sitios de muestreo. También es usual utilizar estadísticos como la raíz del cuadrado del error medio (RMSE) que incorpora tanto el error sistemático como el error al azar (lsaaks & Srivastava, 1989; Webster & Oliver, 2001 ; Hernández Stefanoni & Ponce-Hernández, 2006; Kang et al. , 2006).
18
LA PROBLEMÁTICA 1
El monocultivo del henequén (Agave fourcroydes Lem.) y la ganadería extensiva basada en el monocultivo de pastos han tenido un impacto negativo en la conservación de los recursos naturales del estado de Yucatán. El uso de suelo para el cultivo de henequén es reemplazado por la producción de maíz con el sistema tradicional de roza, tumba y quema ~rtq). El maíz alcanza una producción de 1.5 t ha-1 con fertilizantes y 0.7 t ha· sin fertilizantes en el primer año, y de 0.75 a 0.5 t ha-1 en el segundo, lo que resulta insuficiente para el autoconsumo de las familias campesinas. Además, el uso agrícola de la escasa vegetación madura y de edad mediana ejerce una mayor presión sobre la vegetación, fauna silvestre y suelos de la selva baja caducifolia. En diversos foros, los ganaderos del estado han manifestado que en los pastizales se invierte una gran cantidad de esfuerzo y recursos económicos en el control de las arvenses, así como en la fertilización y riego. Estudios preliminares revelan que, a medida que avanza la degradación del suelo (compactación y pérdida de la fertilidad) la inversión es mayor. La degradación de los pastizales sólo se resuelve temporalmente, con su abandono y con la apertura de nuevas tierras (Bautista, 2007a).
Por otra parte, el gobierno del estado ha intensificado la prevención de los incendios forestales al regular el uso de la quema en la agricultura, pero esta medida aumentará el costo en el control de las arvenses, tanto a los productores milperos como a los ganaderos, por lo que se requiere generar opciones para cumplir los objetivos del uso del fuego en la agricultura.
Ambos problemas (degradación del suelo y control de arvenses) ocasionan que agricultores y ganaderos tengan la necesidad de abrir nuevas áreas de vegetación para cultivar milpas o pastos, según el caso, lo que a su vez provoca una fuerte presión sobre los recursos de la selva y el suelo (Bautista, 2007}.
El alto costo del mantenimiento de los sistemas monoespecíficos también los hace altamente dependientes de insumas y del mercado. Es por esto que, para seguir utilizando los henequenales, milpa de roza tumba y quema y pastizales, así como para el desarrollo de nuevos cultivos, se
1 El diagnóstico de la problemática fue tomada y modificada del proyecto "Bases de datos digitales para la creación de las zonas agroecológicas del estado de Yucatán" y que se publicó en: Bautista F. 2007. Información técnica para el desarrollo agropecuario y forestal del estado de Yucatán. Teoría y praxis. 4: 149-160
19
requiere mejorar los suelos, disminuir los costos de su conservación y mejorar la estabilidad del mercado.
La precaria situación de la agricultura del estado de Yucatán, aunada a la marginación de las comunidades rurales, intensifica los problemas de salud y sociales como: a) insuficiencia alimentaria (desnutrición); b) emigración de los varones en busca de trabajo; e) desintegración familiar, y d) pérdida de identidad, entre otros (Bautista, 2007).
Los tomadores de decisiones que participan en la administración del espacio físico del estado, así como los productores agrícolas, forestales y pecuarios, no han contado con información suficiente tanto en cantidad como en calidad, lo cual les impide tener los elementos de juicio para fundamentar sus resoluciones . Esta situación ocasiona la degradación de los recursos naturales, el fracaso de planes agrícolas, la fuga de capitales por compra de alimento y desempleo, entre otros problemas.
Las riquezas cultural y ecológica han hecho del turismo una de las actividades principales del estado de Yucatán, en la cual se invierten grandes cantidades del erario para su fortalecimiento y promoción. Una forma de mejorar e impulsar el turismo es mediante la generación de condiciones de estabilidad y seguridad social, a través del fortalecimiento de la identidad cultural; esto propicia una mejor y más amplia educación y promueve la generación de empleo bien remunerado, entre otros beneficios. La agricultura es una actividad de alta demanda de mano de obra, además de su importancia estratégica para la seguridad nacional (independencia alimentaria), por ambos motivos la mayoría de los países, por no decir que todos, subsidian la agricultura de muy diversas formas (Bautista, 2007).
La lamentable situación agrícola, los problemas sociales de las comunidades rurales y el fortalecimiento de las actividades turísticas (conservación de las riquezas cultural y ecológica) requieren, entre otras cosas, de un plan agrícola estatal de largo plazo, con base en información técnico-científica.
En el estado de Yucatán se han realizado mapas del relieve (Lugo & García, 1999), de suelos (INEGI, 1984}, de vegetación (Oimsted et al., 1999) y de clima (Orellana et al, 1999} de manera independiente, lo cual dificulta una visión integral de la interrelación entre estos elementos. De aquí surge la necesidad de analizar de manera integral estos elementos. Se planteó el proyecto "Base de datos digitales del medio físico para la creación de zonas agroecológicas en el estado de Yucatán" para integrar dichas variables y conformar las zonas agroecológicas a nivel del estado de Yucatán. El trabajo de investigación planteado en esta tesis atendió dos de los objetivos del mencionado proyecto: análisis del clima para fines agrícolas y calidad agrícola del agua subterránea.
20
Teóricamente se sabe que el clima es un factor formador de relieve y suelos en zonas de karst (Bautista 2003, 2005), así como de la cobertura vegetal. Por estas razones, es de suma importancia entender el clima también de una manera integral considerando índices que incluyan los elementos más importantes del clima como son la evapotranspiración y la precipitación.
El clima es muy importante para el desarrollo de los cultivos de temporal y de riego y una manera de considerarlo integralmente es mediante la duración del periodo de lluvias que es un índice que refleja el balance hídrico ya que es una relación entre la precipitación y la evapotranspiración.
El aprovechamiento del agua de lluvia y del agua subterránea son dos actividades que en la agricultura son muy importantes y para realizarlas de manera sustentable es necesario conocer la cantidad y calidad del agua con potencial de uso agrícola. Esto permitirá una mejor planeación de la agricultura de temporal y de la de riego.
Las preguntas fundamentales de trabajo son las siguientes:
1) ¿Es posible manejar los datos climáticos de manera tal que mediante la LPC se integren los diversos elementos del clima para poder expresar espacialmente la variación intra-anual?
El estado de Yucatán no cuenta con estudios climáticos con un enfoque agrícola que ayude a la planeación de actividades agrícolas de temporal. En los estudios existentes se consideran variables de precipitación y temperatura por separado y son a nivel de la Península de Yucatán, lo cual, no es suficiente para mostrar las zonas con la humedad adecuada para el desarrollo de los cultivos . Se requiere de una cartografía a una escala 1 :250 000 a nivel del Estado, de la duración del periodo de lluvias, que es un índice mensual que integra el balance de agua entre la precipitación y la evapotranspiración. Se podrán definir las diferentes zonas de aptitud agrícola con base al número de meses de duración del periodo de lluvias para la agricultura de temporal.
2) ¿En cuáles zonas del estado de Yucatán el agua subterránea posee la calidad adecuada para la instrumentación de planes agrícolas con objetivos de sustentabilidad?
Existen diversos estudios de la calidad del agua subterránea a nivel de la Península de Yucatán y del estado de Yucatán. Sin embargo, ninguno de ellos se ha realizado con fines agrícolas. Por ello, una zonificación de la calidad del agua subterránea con índices agrícolas permitirá definir las zonas con diferente aptitud y riesgos por las concentraciones salinas que pueden afectar a los suelos y cultivos.
21
22
OBJETIVOS
1) Elaborar una zonificación del estado de Yucatán a partir de la duración del periodo de lluvias para la planeación de las actividades agrícolas de temporal.
2) Elaborar una zonificación del agua subterránea en el estado de Yucatán considerando el grado de riesgo de salinidad y sus efectos en cultivos y en los suelos.
23
24
ESTRATEGIA DE ESTUDIO
Las etapas metodológicas para realizar el análisis climático son las siguientes:
1) Obtención de información primaria de datos de clima. La información climatológica primaria se obtuvo de la base de datos de la Unidad de Recursos Naturales del CICY, recopilada desde 1983. Se ha nutrido a partir de la información de la Comisión Nacional del Agua, el Servicio Meteorológico Nacional y el archivo de la sección de climatología del Instituto de Geografía de la UNAM. Esta base de datos fue computarizada cuando se realizó el trabajo de Orellana et al (1999} como parte del Atlas de Procesos territoriales de Yucatán y en estudios posteriores. El número de años de registró varió entre 13 y 41 años. Los parámetros utilizados fueron temperatura media, temperatura máxima, temperatura mínima mensuales y precipitación pluvial total mensual. Se obtuvo una base de datos "cruda" (Figura 6).
2) El análisis y evaluación de la calidad de los datos climáticos se hizo de acuerdo con Orellana & Hernández (2004) y se tomaron las siguientes consideraciones: 1) Los años con datos faltantes en más de seis meses se eliminaron. 2) Los espacios vacíos se rellenaron con el promedio de diez años del mismo mes, considerando cinco años antes y cinco después del dato faltante. Se obtuvo una base de datos "depurada" (Figura 6}.
3) La información climática de 65 estaciones meteorológicas, que abarcaron entre 13 y 41 años de registro, se capturó en el programa base de datos climáticos mensuales (CDBm) (De la Rosa et al., 1996}. Se obtuvo el cálculo de la evapotranspiración de acuerdo con Thornthwaite (1948) (Etp-MT} y con el método de Hargreaves et al (1985) (ETp-MH) y del índice de humedad (IH) (Figura 6).
4) Con los datos de la ETp-MT se definió la LPC a partir del método propuesto por la FAO (1996), el cual, estima la evapotranspiración potencial de acuerdo con Penman-Monteith (ETp-MP); pero, ante la carencia de datos para utilizarlo, se calculó con el ETp-MT. Para definir el inicio y final de la LPC en el climograma, se consideró el cruce de las curvas de precipitación (P) y la mitad de la ETp-MT a través del año. Se contó con un periodo de años de 1961-2003 y 40 estaciones meteorológicas.
La LPC se reconceptualizó como "duración del periodo de lluvias" (DPLL}. La evapotranspiración potencial se estimó a través del ETp-MH y se comparó con el ETp-MT. El inicio y final de la DPLL se delimitó con el IH a través del año. El índice de humedad es la relación P/ETp. Se usaron dos niveles del IH : mayor de 0.5 y mayor de 0.65. En este capítulo el registro
25
climático se aumentó tres años, de 1961-2006 y 25 estaciones meteorológicas siendo en total 65. Se conformó una base de datos georreferenciada de 40 estaciones meteorológicas con el número de meses de la LPC y otra con 65 estaciones y el número de meses de la DPLL.
5) Se real izó el análisis geoestadístico con variogramas isotrópicos considerados para la interpolación, la cual fue mediante el Kriging ordinario por puntos con el programa GS+ (Gamma Design Software, 2006). La evaluación de la estimación fue a partir del coeficiente de correlación ( r ) y el tamaño del error (RMSE) entre los valores reales y los estimados. La unidad de medición de la distancia fue de grados de latitud N y longitud W . Se obtuvieron los modelos de los semivariogramas así como de las estimaciones (Figura 6).
6) Por último, se manejaron los datos en un sistema de información geográfica con el programa ArcGis 9.0 (ESRI, 2004) para la elaboración de los mapas de la LPC y DPLL (Figura 6).
Esta información sirvió de base para la elaboración de dos artículos. i) "Zonificación agrocl imática del estado de Yucatán a partir de la Longitud del Periodo de Crecimiento"; ii) "Precisiones al concepto de la longitud del periodo de crecimiento".
26
ACTIVIDADES PRODUCTOS
1) Obtención de información ..... Base de datos primaria de datos de clima 1111""'" "cruda"
~ Js-..--2) Análisis y evaluación de la calidad de los datos
3) Captura de datos en el programa CDBm
Base de datos "depurada"
Estimación de la ETp-MT
:::=:1..._1 Estimación de la
I.!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!~~;;;~=~JII""': ET p-M H ~===:!In Estimación deiiH
4) Cálculo de la LPC y DPLL
5) Análisis geoestadístico de la LPC y DPLL
6) Manejo de datos en SIG
..._ Base de datos de la LPC
JI""" Base de datos de la DPLL
....... Obtención de modelos ..,..... de los semivariogramas y estimación de datos
......... Obtención de los mapas __,... de la LPC y de la DPLL
Figura 6. Etapas metodológicas para la conformación de zonas agroclimáticas
27
Las etapas metodológicas para realizar el análisis de la calidad agrícola del agua subterránea fueron las siguientes:
1) Obtención de información primaria de datos del agua subterránea. La información fue proporcionada por la Facultad de Ingeniería de la Universidad Autónoma de Yucatán, generada mediante el proyecto "Diagnóstico de la calidad del agua subterránea en los pozos de extracción de agua potable y evaluación de la infraestructura física de los sistemas de abastecimiento de las cabeceras municipales del estado de Yucatán (YUC-2002-C01-8721) (Pacheco et al., 2004). Los muestreos se realizaron durante los meses de julio, octubre, noviembre de 2003 y febrero de 2004. En los sistemas de abastecimiento la colecta de las muestras se realizaron antes de pasar por el sistema clorador, estando la bomba en operación y dejando fluir el agua con la finalidad de tener una muestra representativa del agua del acuífero. En cada sitio se determinaron la temperatura, pH, conductividad eléctrica y cloro residual con la finalidad de conocer las características del agua subterránea al momento del muestreo y la concentración de cloro a la salida del sistema. En el laboratorio, se realizaron los análisis químicos para las determinaciones de dureza total, dureza de calcio, dureza de magnesio, sodio, potasio, alcalinidad (carbonatos y bicarbonatos), cloruros, sulfatos, nitrógeno total Kjeldahl , nitrógeno amoniacal, nitrógeno de nitratos, nitrógeno de nitritos y los metales traza: arsénico, bario, cadmio, cobre, cromo, hierro, manganeso, plomo y zinc. Estas determinaciones analíticas se hicieron siguiendo las técnicas descritas en las Normas Oficiales Mexicanas (Pacheco et al., 2004) (Figura 7).
2} El control de calidad del agua subterránea de las mediciones hechas en campo se realizó mediante la calibración del potenciómetro y el conductímetro, de acuerdo con las técnicas descritas en el Standard Methods (APHA, AWWA, WPCF, 1989) y en los manuales de operación para cada uno de los equipos; para las determinaciones analíticas de los iones mayoritarios, se realizó mediante el cálculo del balance iónico (porcentaje de error), aceptando como máximo un valor de 5%. La fórmula para el cálculo del porcentaje de error en la determinación de iones mayoritarios en aguas naturales es la siguiente: Error(%)= 200 [{1: aniones) - {I:cationes) 1 (I: aniones) + {I:cationes)] . Para la aplicación de la fórmula anterior fue necesario expresar las unidades de concentración en miliequivalentes por litro (Pacheco et al., 2004). También se realizó una evaluación de la consistencia de los datos del agua subterránea mediante ecuaciones de regresión entre la suma de cationes y/o la de aniones con la conductividad eléctrica para detectar los valores extremos (Figura 7).
3) Se calcularon los índices de calidad del agua subterránea de acuerdo con Palacios & Aceves (1994); Richards (1958); Ayers & Wescot (1994); Sedeño-Díaz & López-López (2007). Se formó una base de datos
28
con los sitios de muestreo, sus coordenadas geográficas y los valores de los cationes y aniones, así como de la CE, y los índices de calidad agrícola: la relación adsorción de sodio (RAS}, salinidad potencial (SP) y salinidad efectiva (SE) (Figura 7).
4) Se realizó el análisis geoestadístico con variogramas isotrópicos considerados para la interpolación, la cual fue mediante el Kriging ordinario por puntos con el programa GS+ (Gamma Design Software, 2006). La evaluación de la estimación fue a partir del coeficiente de correlación ( r ) y el tamaño del error (RMSE) entre los valores reales y los estimados. La unidad de medición de la distancia fue de grados de latitud N y longitud W. Se obtuvieron los modelos de los semivariogramas así como las estimaciones (Figura 6).
5) Por último, se manejaron los datos en un sistema de información geográfica con el programa ArcGis 9 (ESRI, 2004) para la elaboración de los mapas de los iones y de los índices de la calidad agrícola del agua subterránea (Figura 6}.
Esta información sirvió de base para la elaboración del artículo: "Agricultura! quality of karstic groundwater: the case of Yucatan, Mexico".
29
ACTIVIDADES
1) Obtención de información primaria de datos de la calidad del agua subterránea
~ 2) Análisis y evaluación de la calidad de los datos
-=-
3) Cálculo de índices de la calidad agrícola del agua subterránea
4) Análisis geoestadístico de los parámetros e índices
5) Manejo de datos en SIG
1
..... 111""'
JI
..... ,...
PRODUCTOS
Base de datos "cruda"
_)J
Base de datos "depurada"
n
Obtención de la base de datos de los iones e índices de calidad agrícola del agua subterránea
Obtención de modelos de los semivariogramas y estimación de datos
...._ Obtención del mapa de la 111""' calidad agrícola del agua
subterránea
Figura 7. Etapas metodológicas para la conformación de zonas de calidad agrícola del agua subterránea
30
REFERENCIAS
Aceves, L. A. , J. F. Juárez, D. J: Palma,. R. López, B. Rivera, J. Rincón, R. Morales. y A. R. Hernández (2008a) . Zonificación del Cultivo de papaya (Carica papaya L.) en el estado de Tabasco. DEIDRUS-TAB. C.P. INIFAP. SAGARPA y GOBIERNO DEL ESTADO DE TABASCO. 31 p.
Aceves, L. A. , J. F. Juárez, D. J: Palma, R. López, B. Rivera, J. Rincón, R. Morales. y A. R. Hernández (2008b). Zonificación del Cultivo de naranja (Citrus sinensis L. Osbeck.) en el estado de Tabasco. DEIDRUS-TAB. C.P. INIFAP. SAGARPA y GOBIERNO DEL ESTADO DE TABASCO. 32 p.
Aguilar, S. G. (1995). Diferenciación agroclimática de la región QueréndaroMorelia, Michoacán, México. Serie varia del Instituto de Geografía 13, 1-70.
Amador-Ramírez, M.A. (2003). Labranza reducida y convencional en la distribución espacial de la maleza y rendimiento de frijol. Terra, 21 , 551 -560.
AAPHA, AWWA, WPCF (1989). Standard methods for examination of water and wastewater. 17th Ed. American Public Health Association . Washington OC.
Ayers, R. S. y D. W. Wescott (1994). Water quality for agriculture. FAO lrrigation and Drainage Paper 29. Rev. 1. Rome, ltaly.
Batllori, E. y J. L. Febles {2002). El agua subterránea en el desarrollo regional de la península de Yucatán. Avance y Perspectiva 21 , 67- 76.
Bautista, F., J. Jiménez, J. Navarro, A. Manu, y R. Lozano (2003). Microrrelieve y color del suelo como propiedades de diagnóstico en Leptosoles cársticos. Terra Latinoamericana, 21 , 1-11 .
Bautista, F., S. Díaz-Garrido, M. Castillo, y J. A. Zinck {2005). Spatial Heterogeneity of Soil Cover in the Yucatan Karst: Comparison of Mayan, WRB, and Numerical Classifications. Eurasian Soil Sci, 38, S1 :S81-S88.
Bautista, F. {2007). Información técnica para el desarrollo agropecuario y forestal del estado de Yucatán. Teoría y praxis 4, 149-160.
Burrough, P. A. y R. A. McDonnell (1998). Principies of Geographical lnformation Systems. Spatial lnformation Systems and Geostatistics. Oxford University Press. 330 p.
Burrough, P.A. (2001 ). GIS and geostatistics: Essential partners for spatial analysis. Environmental and Ecological Statistics, 8: 361-377.
CNA {2003). Programa Hidráulico Regional 2002-2006. Región XII Península de Yucatán. 173 p.
Coll de Hurtado, A. y M. L. Godínez (2003). La agricultura en México: un atlas en blanco y negro. Temas selectos de geografía de México. UNAM, México, D. F. 152 p.
De la Rosa, D., J. Barros, F. Mayal y J. Moreno (1996). Base de Datos Climáticos Mensuales (CDMm). Consejo Superior de Investigaciones
31
Científicas. Instituto de Recursos Naturales y Agrobiología. Sevilla, España. WWW MicroLEIS. 4.1 Software.
De la Rosa, D., F. Mayal, E. Díaz-Pereira, M. Fernández y D. de la Rosa Jr. (2003). A land evaluatíon decísíon support system (MícroLEIS DSS) for agricultura/ soíl protection. With special reference to the Mediterranean regían. Environmental Modelling & Software. 19, 929-942.
De la Rosa D. (2005). Soíl quality evaluation and monitoring based on Jand evaluation. Land Degrad. Develop, 16, 551-559.
Doehring, D. O y J. H. Butler {1974). Hydrogeologic constraints on Yucatán's development. Science, 186( 4164 ), 591-595.
Eastmond, A. (1999). "Agricultura y ganadería". (1999). En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A., J. Córdoba y Ordóñez y P. Chico Ponce de León (eds). UADY. Mérida, Yucatán. pp. 177-188.
ESRI (Environmental Systems Research lnstitute, lnc) (2004). Are GIS 9. Getting Started with ArcGIS. ESRI. Redlands. USA.
FAO (Food and Agriculture Organization) {1996). Agro-ecological zoning: Guidelines. FAO soils. Soíl Resources, Management and Conservation Servíce. FAO Land and Water Development Division. Bulletin 73. Rome, ltaly. 78 p.
García, E. (2004). Modificaciones al sistema de clasificación climática de Koppen. Serie Libros Núm. 6. Instituto de Geografía, Universidad Nacional Autónoma de México. 58
. Edición. 90 p. Granados, R., T. Reyna , J. Soria. y O. Y. Fernández (2004). Aptitud
agroclimática en la Mesa Central de Guanajuato, México. Boletín del Instituto de Geografía, UNAM, 54, 24-35.
GS+ (Gamma Desing Software) (2006). Geoestatistics for the Environmental Sciences. GS+ Users Guide. Versión 7. Plainwell, Michigan, USA. 160 p.
Hargreaves, D.A., G. H. Hargreaves y J. P: Riley (1985) . lrrigation water requirements for Senegal river basin. J. of lrrigation and Drainage Division, 3, 265-275.
Hernández-Stefanoni, J. L. y R. Ponce-Hernández (2006). Mapping the spatial variability of plant diversity in a tropical forest: comparison of spatial interpolation methods. Environmental Monitoring and Assessment, 117, 307-334.
Hernández-Stefanoni, J. L., C. Delgado. y C. Espadas. "Métodos de interpolación espacial y geoestadística". En: Técnicas de muestreo para manejadores de recursos naturales, Bautista F. y H. Delfín (eds). UNAM-UADY-CONACyT-INE. Cd. de México, D.F., México. Aceptado.
Hunter, R. D. y R. K. Meentemeyer (2005). Climatologically arded zapping of daily precipitation and temperature. Journal of applied meteorology, 44, 1501-151 O.
32
lsaaks, E.H., y R. M. Srivastava (1989}. An lntroductíon to Applíed Geostatístícs. Oxford Univ. Press, New York. 561 p.
Kang, M. S., S. W. Park, J. J: Lee, y K. H. Yoo (2006}. Applyíng SWAT for TMDL programs to a sma// watershed contaíníng rice paddy fíelds. Agriculture Water Management, 79, 72-92.
Lugo, J. y M. García (1999}. "Geomorfología de la Península de Yucatán". En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A., J. Córdoba y Ordóñez y P. Chico Ponce de León (eds). Universidad Autónoma de Yucatán. Mérida, Yucatán. pp. 156-162.
Marín, L. E., J. G. Pacheco y R. Méndez (2004). "Hidrogeología de la Península de Yucatán". En: El agua en México vista desde la academia. Jiménez B. y L. Marín (eds.). Academia Mexicana de Ciencias, México, D.F. pp. 159-176.
Moral, F.J. (2003). La representación gráfica de /as variables regíonalízadas. Geoestadística lineal. Servicio de Publicaciones de la Universidad de Extremadura, Badajoz, España.
Ninyerola, M., X. Pons y J. M. Roure (2007). Objetive aír temperature mappíng for the lberían Península. lnternational journal of climatology, 27, 1231-1242.
Olmsted, 1., J. A. González-lturbe, J. Granados, R. Durán y F. Tun (1999). "Vegetación". En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A., J. Córdoba y Ordóñez y P. Chico Ponce de León (eds). Universidad Autónoma de Yucatán. Mérida, Yucatán. pp. 282-293.
Orellana, R. , M. Balam, l. Bañuelos, E. García, J. González-lturbe, y F. J. Vida! (1999). "Evaluación climática". En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A., J. Córdoba y Ordóñez y P. Chico Ponce de León (eds). Universidad Autónoma de Yucatán. Mérida, Yucatán. pp. 163-177.
Orellana, R., G. lslebe y C. Espadas (2003). "Presente, pasado y futuro de los climas de la Península de Yucatán". En: Naturaleza y Sociedad en el Área Maya. Colunga P. y A. Larqué Saavedra (eds). Centro de Investigación Científica de Yucatán y Academia Mexicana de Ciencias. Yucatán, México. pp. 37-52.
Orellana, R. y E. Hernández (2004). "Clima". En: Técnicas de muestreo para manejadores de recursos naturales. Bautista F. y H. Delfín (eds). UNAM-UADY-CONACyT-INE. Cd. de México, D.F., México. pp. 145-181.
Pacheco, J. y A. Cabrera (1996). Efecto del uso de fertilizantes en la calidad del agua subterránea en el estado de Yucatán. Ingeniería Hidráulica en México, Xl(l), 53-60.
Pacheco, J., A. Cabrera y R. Pérez (2004). Diagnóstico de la calidad del agua subterránea en /os pozos de extracción de agua potable y evaluación de la infraestructura física de los sistemas de abastecimiento de /as cabeceras municipales del estado de Yucatán. Ingeniería, 8-2, 165-179.
33
Palacios, V. O. y N. E. Aceves (1994}. Instructivos para el muestreo, registro de datos e interpretación de la calidad del agua para riego agrícola. Centro de Hidrociencias. Colegio de Postgraduados. Montecillo, México. 49 p.
Perry, E., G. Velázquez-Oiimán y L. Marín (2002). The hydrogeochemistry of the karst aquifer system of the northern Yucatán Península, México. lnternational Geology Review, 44, 121-221 .
Perry, E., A. Paytan, B. Pedersen y G. Velázquez-Oiimán (2009}. Growndwater geochemistry of the Yucatan Península, Mexico: constraints on statigraphy and hydrogeology, 367, 27-40.
Richards, A. (1954). Diagnosis and lmprovement of Saline and Alkali Soils . Handbook, USDA 60 : Washington D.C., USA.
Robinson, T.P. y G. Metternicht (2006). Testing the perfonrmance of spatial interpolation techniques of maping soil properties. Computer and electronics in agriculture, 50, 97-108.
Sedeño-Díaz, J. E. y E. López-López (2007). Water Quality in the Río Lerma, Mexico: An Overview of the Last Quarter of the Twentieth Century. Water Resource Management, 21, 1797-1812.
Schmiter-Soto, J., E. Escobar-Briones, J. Alcocer, E. Suárez-Morales, M. Elías-Gutiérrez y L. Marín (2002). "Los cenotes de la península de Yucatán". En: Lagos y presas de México. Guadalupe de la Lanza Espino y José Luis García Calderón (com.). AGT editor, S.A, México, D.F. 337-381 pp.
SEMARNAT (2002). Informe de la situación del medio ambiente en México. Compendio de estadísticas ambientales. México, D.F. p.
Thornthwaite, C. W. (1948}. An approach toward a rational classification of climate. The Geography Review, 38, 55-94.
Webster, R. y M. A. Oliver (2001 ). Geostatistics for environmental science. John Wiley and Sons, L TD. Toronto, Ganada. 271 p.
Yuan, L. (2004}. Using spatial interpolation to estímate stressor levels in unsampled streams. Environmental Monitoring and Assessment, 84, 23-38.
34
Capítulo 11
Zonificación agroclimática del estado de Yucatán, México a partir de la longitud del periodo de crecimiento2
RESUMEN
La longitud del periodo de crecimiento (LPC) indica el tiempo continuo a través del año en el que se presentan las condiciones de humedad en relación con la temperatura, adecuadas para el desarrollo de cultivos de temporal. El objetivo fue la elaboración de un modelo cartográfico a escala 1 :250000 de la LPC de utilidad en la planeación de la agricultura de temporal del estado de Yucatán. Se util,izaron datos de 1961 a 2003 de 40 estaciones meteorológicas. Se utilizó el método gráfico para estimar las propiedades de la LPC mediante la precipitación mensual y la evapotranspiración potencial mensual. La clasificación de las estaciones meteorológicas disponibles se real izó a partir de las propiedades de la LPC utilizando árboles de decisión para clasificación. Se realizó un análisis geostadístico para la elaboración del mapa. Los climas, según su LPC, se clasifican como: muy bajos (1 y 2 meses), bajos (5 meses), medios (6 meses), altos (7 meses) y muy altos (8 a 10 meses). Los datos de la LPC se ajustaron a un semivariograma con un modelo esférico. La validación cruzada de la interpolación presentó una r= 0.81 y el valor de la raíz cuadrada del cuadrado del error medio igual a 1.11 , lo cual indica la validez de la interpolación y elaboración del mapa. La mayor superficie del Estado tiene una LPC mayor de siete meses.
Palabras clave: Agricultura de temporal, árboles de decisión, evapotranspiración, interpolación, precipitación, geoestadística .
2 Delgado-Carranza C. , R. Orellana, F. Bautista y H. Reyes. Zonificación
agroclimática del estado de Yucatán, México a partir de la longitud del periodo de crecimiento. Investigaciones geográficas. Enviado 26 de Junio de 2009
35
ABSTRACT
The length of the growth period (LPC) is the continuous time throughout the year setting out the conditions of moisture for crop rainfall development. The objective of this research was to develop a map with the LPC to scale 1 :250000 useful in planning for rainfed agriculture in the state of Yucatan. We used data from 1961 to 2003 from 40 meteorological stations. We used the graphical method for estimating the properties of the LPC through the monthly rainfall and monthly potential evapotranspiration. Classification of meteorological stations was done with the properties of the LPC using decision trees for classification. A geostatistical analysis was carried out. Climates, according to months of growing period, were classified as: very low (1 y 2 months), low (5 months), media (6 months), high (7 months) and very high (8 to 10 months). Data for length of the growing period were adjusted toa semivariograms with a spherical model. Cross validation of the interpolation has an r= 0.81 and RMSE= 1.11, which indicates the validity of the interpolation and mapping. The largest area of the state has a larger LPC for seven months.
Keywords: Rainfed agriculture, decision trees, evapotranspiration, interpolation, geostatistic.
36
INTRODUCCIÓN
El clima es un factor ambiental de gran relevancia en cuestiones agronómicas (Villa et al., 2001; Granados et al., 2004), ecológicas (Campo & Vázquez-Yanes, 2004) y riesgos ambientales (Jáuregui, 2003) entre otras. Sin embargo, en Latinoamérica las estaciones climatológicas son escasas o están distribuidas espacialmente de forma muy heterogénea, motivo por el cual la información climática y meteorológica es también escasa, irregular y discontinua.
La interpretación de la información climática con fines agrícolas sustentables significa, entre otras cosas, usar de manera eficiente el agua de lluvia. La metodología FAO (1996) de la zonificación agroecológica consiste en definir zonas homogéneas de tierras en términos de clima, fisiografía y suelos, y usos de la tierra; el clima se incluye mediante el concepto de longitud o duración del período de crecimiento (LPC) que es el periodo continuo del año en que las condiciones de humedad y temperatura son idóneas para la producción de cultivos. La relación entre la precipitación y la evapotranspiración potencial (P/ETp) determina el inicio, duración, final y tipo de periodo de crecimiento (PC); se inicia cuando la P excede a la mitad de la ETp y finaliza cuando la P es menor a la mitad de la ETp. Las propiedades del PC se utilizan para conocer la distribución e intensidad de la lluvia a través del año, además, se pueden comparar con los requerimientos del agua de lluvia de cultivos de temporal , así como el comportamiento de la vegetación potencial natural; sin embargo, en Latinoamérica son escasos los estudios con estas propiedades del clima, como por ejemplo el trabajo de Aguilar (1995).
En Yucatán, México existe información cartográfica sobre el clima pero en un lenguaje taxonómico de gran utilidad científica pero de difícil uso en agronomía; además, no hay concordancia entre el mapa de climas con el de suelos ni con el de vegetación al menos al nivel de detalle que se requeriría (Orellana, 1999; Orellana et al. , 2002; Orellana et al. , 2003; Orellana et al., 2004).
En la elaboración de cartografía climática son escasos los estudios en los que se hace un análisis de los modelos de interpolación, generalmente solo se presentan los mapas quedando oculto el procedimiento de elaboración, situación que no constituye un problema cuando los mapas se publican a escalas mayores a 1:1000000 (Johnson & Murray, 2004); sin embargo, a escalas cartográficas menores a 1:250000 se requiere la validación matemática de las interpolaciones para una mayor precisión en el manejo de la información geográfica, por ejemplo, en los planes de ordenamiento ecológico del territorio que se han promovido en México, así como en las regionalizaciones agroecológicas que la FAO (1996) ha impulsado en todo el mundo.
37
La geoestadística incluye un conjunto de herramientas para analizar y predecir los valores de una variable que se distribuye en el espacio o en el tiempo de forma continua; y ayuda a decidir si el número de estaciones meteorológicas es suficiente para realizar cartografía climatológica a determinada escala. El semivariograma integra y expresa las similitudes entre los sitios muestreados en todas las posibles distancias y direcciones espaciales. La interpolación espacial con kriging permite hacer mapas con mayor precisión (Hunter & Meentemeyer, 2005; Hernández-Stefanoni & Ponce, 2006).
El propósito de este trabajo fue identificar la duración de la LPC en el estado de Yucatán con datos provenientes de 40 estaciones meteorológicas de Yucatán y sus alrededores, clasificar los PC con árboles de decisión y evaluar, mediante un análisis espacial , la posibilidad de utilizar la información para elaborar mapas a escala 1 :250000 que puedan ser de utilidad en agricultura.
MATERIALES Y MÉTODOS
ÁREA DE ESTUDIO
Yucatán se localiza al norte de la península de Yucatán (Figura 8); su geología corresponde a cal izas terciarias y cuaternarias en planicies y lamerías cársticos. La vegetación de la costa hacia el sur-sureste es de matorral costero, manglar, selva baja, pastizales, selva mediana subcaducifolia y selva mediana subperennifol ia (Oimsted et al., 1999).
38
2onas~
@ Estación _ meteorológica
- Carretera
GOLF
ChiCXUIUb -----Tetu-
em~~~no •• Zopota
Mirtd¡l ltetntt
llllrblde •
Ozan • ~utzcab
• Tekax
• Soluta
Peto
•
..
E
0ZI18S
• -• Cnanc/IOcnlmilo •
. ..... Figura 8. Area de estudio, el estado de Yucatán con 40 estaciones
meteorológicas.
Los factores que forman su clima son: 1) ausencia de elevaciones considerables; 2) marcado gradiente de presión atmosférica e influencia del Anticiclón Bermuda Azores del Atlántico, así como lay presencia estival de vientos alisios y ondas tropicales; 3) sequía intraestival ; 4) influencia de tormentas tropicales; 5) frentes fríos; 6) influencia de la corriente cálida del Canal de Yucatán (Orellana et al. , 1999). Como resultante, el clima en la franja del extremo noroeste entre Sisal y Progreso es muy cálido árido con lluvias en verano y alto porcentaje de lluvia invernal, BS0(h')w(x'}, circundado por el muy cálido semiárido con lluvias de verano, BS1(h ')w desde Celestún hasta Telchac. Al sur y hacia el Golfo de México, están los cálidos y muy cálidos, los más secos de los subhúmedos con lluvias en verano y alto porcentaje de lluvia invernal Aw0 y Aw0(x '), así como los cálidos y muy cálidos, los más secos de los subhúmedos con lluvias uniformemente repartidas, Ax 'w0 . Hacia el este, el cálido subhúmedo con régimen de lluvias intermedio y alto porcentaje de lluvia invernal, Ax 'w1(i') (García, 2004).
39
LONGITUD DEL PERIODO DE CRECIMIENTO
Se capturaron 26832 datos de precipitación total mensual (P) y temperatura media mensual (Tm) correspondientes a 40 estaciones climatológicas de Yucatán y de los estados vecinos con datos de 1961 a 2003, con ello la ETp mensual se calculó con el método de Thornthwaite en el software CDBm (De la Rosa et al., 1996). Los climogramas se realizaron con la P, la ETp y la mitad de la ETp; con ellos se calculó la LPC. El inicio se determinó cuando la P fue mayor que la mitad de la ETp y el término cuando la P fue menor que la mitad de la ETp (FAO, 1996). La unidad de contabilización de la LPC fue de meses. Se determinó el número de periodo de crecimiento (PC), tipo de PC (normales o intermedios), presencia y duración de periodo húmedo. A los PC se les asignaron niveles: muy bajo, bajo intermedio, bajo normal, medio, alto y muy alto.
La técnica Árboles de decisión para clasificación fue utilizada para identificar los atributos (propiedades) de la LPC que definen la estructura de la clasificación y su validación estadística. El proceso de asignación de las clases es una cadena de decisiones simples basada en el resultado de pruebas secuenciales simples hasta formar decisiones complejas. La secuencia de decisiones forma las ramas del árbol (niveles del atributo) con pruebas aplicadas a los nodos. La construcción de un árbol de decisión para clasificación incluye la separación de uno o más valores del conjunto con base en las pruebas aplicadas, así se va incrementando la homogeneidad de los nuevos grupos formados hasta llegar a formar las clases (hojas) (Mahesh & Mather, 2003).
Los atributos (nodos) considerados para la validación de las clases, fueron : 1 )inicio del PC; 2) final del PC; 3) número de PC; 4) tipo de PC; 5) meses de PC; 6) presencia de periodo húmedo; 7) meses de periodo húmedo, y 8) clases: muy bajo, bajo intermedio, bajo normal, medio, alto y muy alto. Se utilizó el algoritmo J48 y el coeficiente Kappa con el software Weka (Witten & Frank, 2005).
ANÁLISIS ESPACIAL
Se elaboró una matriz georreferenciada con el promedio de la LPC (1961-2003) de cada estación climatológica. El análisis espacial se realizó con el software GS+ (Gamma Design Software, 2006). Primero se elaboró el semivariograma experimental para seleccionar el mejor modelo teórico; luego se realizó la interpolación de puntos utilizando el método Kriging por puntos para generar un mapa a escala 1 :250000; posteriormente, se realizó la validación cruzada de la interpolación y los puntos medidos, se calculó la raíz del promedio del cuadrado del error (RMSE) (Hernández-Stefanoni & Ponce-Hernández, 2006; Kang et al. , 2006) y por último, la representación cartográfica mediante el software Are Gis 9.0 (ESRI, 2004), bajo la proyección UTM zona 16 y el elipsoide y datum horizontal del World
40
Geodetic System 84 (WGS84). El mapa final incluyó las siguientes categorías de LPC: menor de 3, 3-5, 5-6, 6-7, 7-8 y mayor de 8 meses.
RESULTADOS Y DISCUSIÓN
CLASIFICACIÓN CLIMÁTICA
La clasificación de las estaciones meteorológicas con las propiedades de las LPC de acuerdo con la validación cruzada, tuvo un 100% de casos bien asignados, así como un valor Kappa de 0.97, un valor del RMSE igual a 0.08 para un total de 40 estaciones. Las hojas del árbol de decisión para clasificación (rectángulos) incluyen la clase, el número de casos bien clasificados y los casos mal clasificados (Figura 9).
La primera ramificación que muestra el árbol de decisión se realizó entre las estaciones meteorológicas a partir del inicio de cada uno de los PC: en junio, jun-sep, y mayo.
El primer grupo con inicio de PC en junio se dividió en los que tuvieron duración de menor o igual a 5 meses y los de mayor a 5 meses. Los menores o iguales a 5 meses se subdividieron en intermedios y normales. Los intermedios se clasificaron como Bajo-Intermedio y fueron Celestún, Chunchucmil y Dzilám de Bravo, los que no presentaron periodo húmedo; los normales se clasificaron como Bajo-Normal y fueron Isla Arena, lzamal, Kinchil y Telchaquillo, presentaron periodo húmedo. Los mayores a 5 meses se clasificaron como Medios y fueron diez estaciones: Bolonchén, Buctzotz, Emiliano Zapata, Halachó, Mérida, Motul, Muna, Opichén, Oxkutzcab y Loche. La agricultura en estas zonas requiere riego o la selección de variedades de maíz con un tiempo de desarrollo menor al PC. En todas las estaciones meteorológicas la sequía intraestival no presenta valores de precipitación menores a 0.5 de la evapotranspiración.
41
"' Jun ·= Jun/Sep _ "' May
_/
>7
/ Tipo
A = Intermedio "' Normal
Figura 9. Estructura del árbol de decisión para clasificación con propiedades de la LPC
El segundo grupo de las estaciones con inicio de la LPC en jun-sep, se clasificaron como Muy bajos y fueron Sisal, Progreso, Chicxulub, Puerto, Telchac Puerto y Río Lagartos, ubicadas en la costa norte de Yucatán. Todos ellos presentaron LPC tipo intermedio con duraciones de 1 y 2 meses y con ausencia de periodos húmedos (Cuadro 1 ). La sequía intraestival presenta precipitaciones por debajo de 0.5 de la evapotranspiración. Bajo estas condiciones climáticas la agricultura de temporal es casi nula, de instrumentarse, se requeriría riego.
El tercer grupo de las estaciones con inicio de la LPC en mayo se subdividieron en menor o igual a 7 meses y mayor a 7 meses. Todos son de tipo normal con presencia de periodo húmedo. Los menores o iguales a 7 meses se clasificaron como Altos y fueron nueve las estaciones con estas características: Valladolid , Abalá, Dzan, Dzitas, Dzitbalché, lturbide, Peto, Sotuta y Tizimín. Estas estaciones meteorológicas, con inicio en mayo y terminación en noviembre, presentan condiciones climáticas suficientes para la agricultura de temporal. En todas las estaciones meteorológicas la sequía intraestival tiene valores de precipitación mayores a 0.5 de la evapotranspiración. El periodo húmedo varía de tres a cinco meses por lo que ya existiría riesgo de lavado de agroquímicos hacia el acuífero, por lo cual, se recomienda la aplicación de fertilizantes de manera fraccionada. En estas zonas es deseable contar con riego de auxilio sólo en aquellas zonas con suelos de escasa humedad residual.
42
El grupo de PC mayores a 7 meses se clasificaron como Muy Altos y fueron, Becanchén, Calkiní, Catmis, Chanchichimilá, Tekax, Tihosuco, Kantunilkin, La Presumida y Solferino. Inician en mayo y terminan de diciembre, enero y febrero. Presentan periodo húmedo de dos a seis meses. Estas zonas son las mejores para cultivos anuales. El periodo húmedo varía de dos a seis meses, siendo las mejores zonas las de dos meses, por el contrario, las zonas con periodo húmedo de 5 y 6 meses son las de mayor riesgo de contaminación del acuífero.
Cuadro 1. Propiedades de la longitud del periodo de crecimiento
Estaciones Inicio Final PC Tipo PC PH Clases {núm} {meses} {meses}
Chicxulub Jun- Jun- 2 1y2 o MB Sep Oct
Progreso Jun- Jun- 2 1y2 o MBo Sep Oct
Sisal Jun- Jun- 2 1y2 o MBo Sep Oct
Telchac- Jun- Jun- 2 1y2 o MB Puerto Sep Oct Río-lagartos Jun- Jun- 2 1 y 3 o MB
Sep Oct Celestún Jun Oct 1 1 5 o Bajo-1 Chunchucmil Jun Oct 1 1 5 o Bajo-1 Dzilám de B. Jun Oct 1 1 5 o Bajo-1 Isla-Arena Jun Oct 1 N 5 1y2 Baja-N lzamal Jun Oct 1 N 5 1 Bajo-N Kinchil Jun Oct 1 N 5 3 Bajo-N Telchaquillo Jun Oct 1 N 5 3 Bajo-N Bolonchén Jun Nov 1 N 6 1 Medio Buctzotz Jun Nov 1 N 6 4 Medio Emiliano Jun Nov 1 N 6 3 Medio Halachó Jun Nov 1 N 6 2 Medio Mérida Jun Nov 1 N 6 4 Medio Motul Jun Nov 1 N 6 4 Medio PC- periodo de crecimiento; PH - periodo húmedo; Tipo normal= N; Tipo intermedio- 1; Bajo-1 = Bajo intermedio; Bajo-N = Bajo normal; MB = Muy bajo; MA = Muy alto.
43
Cuadro 1. Propiedades de la longitud del periodo de crecimiento. Continuación
Estaciones Inicio Final PC (núm) Tipo PC meses PH
Muna Jun Opichén Jun Oxkutzcab Jun
Loché Jun Valladolid May Abalá May Dzan May Dzitas May Dzitbalché May lturbide May Peto May Sotuta May Tizimín May Becanchén May Calkiní May Catmís-Tz May Chanchichimilá May Tekax May Tihosuco May Kantunilkin May Presumida May Solferino May
Nov 1 Nov 1 Nov
Nov Nov 1 Nov 1 Nov 1 Nov 1 Nov 1 Nov 1 Nov 1 Nov 1 Nov 1 Die 1 Die 1 Die Die 1 Die 1 Die 1 Ene 1 Ene 1 Feb 1
N N N
NI N N N N N N N N N N N N N N N N N N
6 6 6
6 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 9 9 10
meses 2 4 4
5 4 4 5 4 4 4 3 4 4 2 4 2 5 4 3 5 6 5
Clases
Medio Medio Medio
Medio Alto Alto Alto Alto Alto Alto Alto Alto Alto MA MA MA MA MA MA MA MA MA
PC= periodo de crecimiento; PH =periodo húmedo; Tipo normal= N; Tipo intermedio= 1; Bajo-1 = Bajo intermedio; Bajo-N = Bajo normal; MB = Muy bajo; MA = Muy alto.
ANÁLISIS ESPACIAL
La variación espacial descrita por el semivariograma experimental de la LPC se ajustó a un modelo esférico con r2 igual a 0.95 (Figura 1 OA).
La varianza estructural que determina la varianza espacial, explicada por el modelo y calculada como [(varianza total-varianza nugget}'Varianza total] x 100, fue de 96%. Lo anterior indica que el 96% de la variabilidad espacial de la LPC se explica por este modelo. Esto se refuerza porque la varianza Nugget o varianza no estructural con un valor de 0.29 corresponde al 4% de la varianza total , lo cual hace suponer que la variabilidad es baja a distancias menores que la mínima encontrada en los
44
sitios. Es decir, la separación entre las estaciones climatológicas es adecuada y parece que, de incrementarse el número de estaciones, la varianza Nugget no será diferente. El Rango de influencia o la separación máxima en la cual existe autocorrelación fue de 3.0 grados e indica que más allá de esta separación la LPC no se explica con este modelo.
La precisión de la estimación fue evaluada por el coeficiente de correlación de Pearson entre los valores observados y los estimados por el modelo que fue igual a 0.81 (Figura 108), así como por el valor de la raíz del cuadrado del error medio (RMSE) igual a 1.11 .
IMPLICACIONES AGRÍCOLAS, ECOLÓGICAS Y AMBIENTALES
El mapa de la LPC es de mayor precisión que el de precipitación total ya que considera el tiempo de la temporada de lluvias; es de gran utilidad cuando se buscan explicaciones a la presencia de las comunidades vegetales e incluso con el relieve cárstico (Figura 11 ). Por ejemplo, la distribución espacial de la LPC coincide con los tipos de vegetación del estado de Yucatán, principalmente con el mapa de la vegetación potencial de Olmsted et al. (1999), son obvios los casos de la selva baja espinosa, que concuerda con la zona de LPC menor a 3 meses; la selva baja caducifolia con la LPC de hasta 5 y 7 meses y la selva mediana con la LPC mayor de 8 meses. De igual forma, existe concordancia con el mapa geomorfológico del estado de Yucatán de lhl et al., (2007) principalmente con las planicies de 10, 20 y 30 msnm, con LPC de 5 y 6, 7, y mayor de 7 meses, respectivamente.
45
8.20 o
ro 6.15 N e ro
· ¡:: ro
4.10 > .E Q)
(/)
2.05
0.00 0.00 1.02 2.05 3.07
Separación
r2 = 0.95 A
2 5 7 10
Valores estimados de LPC (meses)
r2 = 0.65 B
Figura 10. Análisis espacial de la Longitud del periodo de crecimiento. A. Semivariograma; B. Validación cruzada
En el caso particular de la zona con más de 7 meses de LPC, no es que la precipitación sea mayor, sino que es más prolongada la distribución a
46
lo largo del año. Por ejemplo, en la estación meteorológica de Mérida la precipitación anual es de 1016 mm y la LPC es de 6 meses, en comparación con la estación Catmis, Tzucacab en la cual la precipitación anual es de 1031 mm pero la LPC es de 8 meses
De esta forma, la integración del clima mediante la LPC, con el relieve y la vegetación potencial del estado de Yucatán será una herramienta valiosa para la realización del ordenamiento ecológico del territorio de Yucatán .
Figura 11. Mapa con la longitud del periodo de crecimiento
En cuestiones agrícolas los resultados del análisis de la LPC y su probabilidad de ocurrencia concuerdan con las visiones técnicas y campesinas (Bautista et al. , 2005). Desde el punto de vista técnico, aparentemente no existe limitación ya que el PC se presenta entre seis y diez meses, excepto en la franja norte más árida. El hecho de contar con un amplio territorio con suficiente longitud del periodo de crecimiento brinda la posibilidad de siembra de especies de ciclo mediano y largo o de secuencia de cultivos de ciclo corto y mediano (Cuadro 2).
47
Cuadro 2. Razas de maíz en Yucatán y los grupos de LPC concordantes con el tiempo de desarrollo del cultivo
Raza Nai-Tel
TsiitBacal
Variedad Nai-Tel
Xmeje-Nal
Xmje-Nal x Pix Cristo Tsiit-Bacal
Tuxpeño Xnuc-Nal
Xhe-Ub
Nai-Xoy
V527
V536
Días 50
75
90
105
120-150
120
Meses
2.5
3
3.5
4-5
4
Zonas con LPC Muy bajos con 2 y 3 meses Muy bajos con 2 y 3 meses Muy bajos con 2 y 3 meses Bajos-Intermedios con ~5 meses. Bajo-Normal con ~5 meses. Bajos-Intermedios con ~5 meses. Bajo-Normal con ~5 meses. Bajos-Intermedios con ~5 meses. Bajo-Normal con ~5 meses.
75-90 2.5-3 Muy bajos con 2 y 3 meses
105 3.5 Bajos-Intermedios con ~5
75 2.5
meses. Bajo-Normal con ~5 meses Muy bajos con 2 y 3 meses
{Terán & Rasmussen, 1994; Graefe, 2003}
La LPC en Yucatán puede ser utilizada en la planeación de la agricultura de temporal, por ejemplo, el caso de las variedades de maíz criollas con PC de siete semanas como el Na/-Te/, dos a tres meses como Xmejen-Nal, tres meses y medio como Tsiis-Baca/, de cuatro a cinco meses como el Xnuc-Nal (Tuxpeño), entre otras (Gaefe, 2003}. También hay gran diversidad de razas y variedades locales de frijoles y calabazas que acompañan en el cultivo de la milpa a los maíces a que se hace referencia y que tienen requerimientos similares (Terán y Rasmusen, 1995). Sin embargo, existen campesinos que actualmente solo siembran la variedad Xnuc-Nal de ciclo de 4 meses. Terán & Rasmusen (1995) comentan que se ha perdido la tradición de sembrar los de ciclo corto por tres causas: 1) son fuente de alimento para animales silvestres; 2} el
48
producto es robado por otras personas y 3} ocasionado por las dos anteriores causas, los campesinos no han conservado la semilla .
Las formas de manejo campesino del clima con fines agrícolas son: a) siembra en diversos lugares; b) siembras adelantadas y atrasadas; e) selección y siembra de variedades de ciclo corto, mediano y largo (Graefe, 2003; Bautista et al. , 2005). También, los campesinos y productores agropecuarios locales han generado estrategias de manejo del agua en la península de Yucatán, como p. e. captación y almacenamiento de agua de lluvia, riego localizado, riego suplementario, uso del agua residual en Vertisoles y Gleysoles, etc. , tal y como ha ocurrido en otros países (Stigter et al., 2005).
La definición de zonas con la LPC en el estado de Yucatán es un acercamiento al comportamiento intraanual de las condiciones propicias para la agricultura de temporal; sin embargo, debido a que la unidad de medición fue de meses, es necesario hacer la LPC con días, ya que por ejemplo, la sequía intraestival puede ser de días o meses, lo que para algunos cultivos es de mucha importancia.
CONCLUSIONES
Se identificaron cinco grupos de estaciones metereológicas, de acuerdo con la variación intra-anual de la relación precipitaciónevapotranspiración expresada en la LPC. La utilización de sistemas expertos permitió identificar la estructura de las características de la LPC, revelando que las propiedades utilizadas en la formación de los grupos fueron: inicio, duración y tipo de LPC, en ese orden.
Los datos de la LPC se ajustaron al modelo esférico. La validación cruzada, el índice de correlación de Pearson y el RMSE entre los datos medidos y los estimados indica que la LPC puede ser utilizada para representarse cartográficamente a una escala 1:250000 y utilizarse para la planeación agrícola. Se presentó una tendencia a aumentar la LPC de noreste a suroeste.
AGRADECIMIENTOS
A los Drs. E. Batllori, D. Palma y J. L. Hernández-Stefanoni por las observaciones al documento. A. Albornoz, Y. Aguilar, M. Bravo, J. Espinola, A. Barrera y J . Cerón por el apoyo técnico. A los fondos Mixtos Yucatán proyecto YUC-2003-C0-054 y al CONACyT por la beca de doctorado de Ma. del Carmen Delgado.
49
REFERENCIAS
Aguilar, S. , G. (1995). Diferenciación agroclimática de la región Queréndaro-Morelia, Michoacán México. Serie Varia 13. Instituto de Geografía, UNAM, México. 79 p.
Bautista, F. , J. García y A. Mizrahi (2005). Diagnóstico campesino de la situación agrícola en Hocabá, Yucatán. Terra Latinoamericana, 23(4), 571-580.
Campo, J. y C. Vázquez-Yanes (2004). Effects of nutrient limitation on aboveground carbon dynamics during tropical dry forest regeneration in Yucatán, Mexico. Ecosystems, 7, 311-319.
De la Rosa, D., J. Barros, F. Mayal, y J. Moreno (1996}. Base de datos climáticos mensuales (CDBm). Consejo Superior de Investigaciones Científicas. Instituto de Recursos Naturales y Agrobiología. Sevilla, España. WWW MicroLEIS. 4.1 Software.
ESRI (Environmental Systems Research lnstitute, lnc). (2004). Are GIS 9. Gettíng Started with ArcGIS. ESRI. Redlands. USA.
FAO (Food and Agriculture Organization) (1996}. Agro-ecological zoning: Guidelines. FAO soíls. Soíl Resources, Management and Conservation Service. FAO Land and Water Development Division. Bulletin 73. Rome, ltaly. 78 p.
Graefe, S. (2003}. Crop and soil variabílíty in tradicional and modern mayan maize cultivation of Yucatan, Mexico. Beihett Nr 75 ZU, Journal of agriculture and rural development in the tropicas and subtropicas. Kassel University Presss Gmbh. Germany. 72 p.
García, E. (2004}. Modificaciones al sistema de clasificación climática de Koppen. Serie Libros Núm. 6. Instituto de Geografía, Universidad Nacional Autónoma de México. 58
• Edición. 90 p. Granados, R., R. , T. Reyna T., J. Soria R. y Y. Fernández (2004}. Aptitud
agroclímática en la Mesa Central de Guanajuato, México. Investigaciones Geográficas, 54, 24-35.
GS+ (Gamma Design Software) (2006}. Geoestatistics for the Environmental Sciences. GS+ Users Guide. Versión 7. Plainwell, Michigan, USA. 160 p.
Hernández-Stefanoni, J. L. y R. Ponce-Hernández (2006). Mapping the spatial varíabílíty of plant diversity in a tropical forest: comparison of spatial interpolation methods. Environmental Monitoring and Assessment, 117, 307-334.
Hunter, R. D. , y R. K. Meentemeyer (2005). Climatologically aided mapping of daíly precípitation and temperature . Journal of Applied Meteorology, 44, 1501-1510.
50
lhl, T., Frausto, 0 ., Rojas, J. , Giese, S. , Goldacker, S., Bautista, F. y G. Boceo (2007}. ldentification of geodisasters in the state of Yucatan, Mexico. N. Jb. Geol. Palaont, 246, 299-311 .
Jáuregui, E. (2003). Climatology of /andfallíng hurricanes and tropical storms in Mexico. Atmósfera, 193-204.
Johnson, A. K. L. y A. E. Murray (2004). Modellíng the spatial and temporal distribution of rainfa/1: a case study in the wet and dry tropics of north east Australia. Australian Geographer, 35(1 ), 39-58.
Kang, M. S., S. W. Park, J. J: Lee, y K. H. Yoo (2006}. App/ying SWAT for TMDL programs to a sma/1 watershed containing rice paddy fields. Agriculture Water Management, 79, 72-92.
Mahesh, P. y P. Mather (2003). An assessment of the effectiveness of decision free methods for land cover c/assification. Remote Sensing of Environment, 86, 554-565.
Olmsted, 1. , J. A. González-lturbe, J. Granados, R. Durán, y F. Tun. (1999). "Vegetación". En: Atlas de Procesos Territoriales en Yucatán. García de Fuentes A., J. Córdoba y Ordóñez, y P. A. Chico Ponce de León (eds). Universidad Autónoma de Yucatán. Mérida, Yucatán, México. pp: 183-194.
Orellana, R., M. Balam, l. Bañuelos, E. García, J. Gonzalez-lturbe, y F. J. Vidal (1999}. "Evaluación climática". En: Atlas de Procesos Territoriales en Yucatán. García de Fuentes A. , J. Córdoba y Ordoñez, y P. A. Chico Ponce de León (eds) UADY. Mérida, Yucatán, México .. pp. 163-177.
Orellana, R. , C. Espadas y J. A. González-lturbe (2002). "Aplicaciones de los diagramas ombrotérmicos de Gaussen modificados, en la península de Yucatán". En: México en su unidad y diversidad territorial. Sánchez Crispín, A. (ed). Instituto nacional de geografía e informática (INEGI) y Sociedad mexicana de geografía y estadística. Aguascalientes. pp. 60-73.
Orellana, R. , G. lslebe y C. Espadas (2003}. "Presente, pasado y futuro de los climas de la Península de Yucatán". En: Naturaleza y Sociedad en el Área Maya. Colunga P. y A. Larqué Saavedra (eds). Centro de Investigación Científica de Yucatán y Academia Mexicana de Ciencias. Yucatán, México. pp. 37-52.
Orellana, R. y E. Hernández (2004). "Clima". En: Técnicas de muestreo para manejadores de recursos naturales. Bautista F. y H. Delfín (eds). UNAM-UADY-CONACyT-INE. Cd . de México, D.F., México. pp. 145-181.
Stigter, C. J., Z. Dawei, L. O. Z. Onyewotu, y M. Xurong (2005}. Using traditional methods and indigenous technologies for croping with clímate variability. Climate Change 70, 255-271.
51
Terán, S., y Ch. H. Rasmussen (1994). La Milpa de los Mayas. La Agricultura de los Mayas Prehispánicos y Actuales en el Noreste de Yucatán. DANIDA, Mérida, Yucatán. 322 p.
Villa , C. M. G., M. A. lnzunza y E. Catalán (2001 ). Zonificación agroecológica de hortalizas involucrando grados de riesgo. Terra, 19{1), 1-7.
W itten, l. H., y E. Frank (2005). Data Mining, practica/ machine /earning too/s and techniques. 2a Ed. Margan Kaufmann-Eisevier. USA. 525 p.
52
Capítulo 111
Precisiones al concepto de la longitud del periodo de . . t 3 crec1m1en o
RESUMEN
La definición de Longitud del periodo de crecimiento (LPC) es un tema insuficientemente estudiado. Los inconvenientes mayores para utilizar de manera general el concepto de la LPC son: a) Los criterios de inicio y término del periodo derivan de un método grafico, por lo mismo es en alguna medida subjetivo; b) Se recomienda el método Penman-Monteith para el cálculo de la evapotranspiración potencial (ETp), pero las estaciones meteorológicas no registran todos lo parámetros climatológicos requeridos; y e) Su no especificidad para los cultivos principales. En este trabajo se propone el uso del concepto "Duración del periodo de lluvias" (DPLL) para ser más explícitos y para definirlo se plantearon los objetivos siguientes: a) utilizar el índice de humedad {IH) mensual para identificar el inicio y término del periodo lluvioso usando los valores de ETp calculados con los modelos de Hargreaves (MH) y Thornthwaite (MT) con la finalidad de seleccionar el mejor método. Se utilizaron 65 estaciones meteorológicas con datos de 1961 a 2006. Se encontró que la ETp calculada con el MT es menor que la estimada con el MH y por lo tanto, el índice de humedad es mayor cuando proviene del MT. La DPLL es mayor cuando se calcula con los valores de la evapotranspiración calculada con el MT. El mejor modelo cartográfico se obtiene con el método del índice de humedad a partir de evapotranspiración calculada con el MT con un valor de definición de mes húmedo mayor de 0.65 {IH 0.65-MT). El modelo geoestadístico fue tipo Gaussiano con una r2= 0.98 y una C/[C0+C= 74%. La interpolación presentó una r= 0.63 y el RMSE= 1.34.
PALABRAS CLAVE: Duración del periodo de lluvias, evapotranspiración, interpolación, precipitación, semivariograma.
3 Delgado-Carranza C., R. Orellana, F. Bautista y H. Reyes. Precisiones al
concepto de la longitud del periodo de crecimiento.
53
INTRODUCCIÓN
La metodología adoptada por la FAO (1996) para el establecimiento de una zonificación agroecológica, consiste en definir áreas homogéneas de tierras en términos de una integración de clima, fisiografía, suelos, y usos de la tierra. El clima se incluye mediante el concepto de longitud del período de crecimiento (LPC). El concepto "longitud del periodo de crecimiento" es de tipo agronómico, se refiere el periodo continuo del año en que las condiciones de humedad y temperatura son las adecuadas para el crecimiento de los cultivos, principalmente en condiciones de temporal , o bien para saber cuándo sería necesario utilizar riego de auxilio en los periodos de sequía intraestival en las zonas en que sean afectadas por este fenómeno.
Los inconvenientes mayores para utilizar el concepto de longitud del periodo de crecimiento son los siguientes:
a) Utiliza originalmente la evapotranspiración potencial (ETp) con el método de Penman-Monteith (AIIen et al., 1998) el cual requiere de los siguientes parámetros meteorológicos: temperatura del aire, humedad relativa, radiación neta y velocidad del viento. Sin embargo, en la mayoría de las estaciones meteorológicas de Latinoamérica y otras partes del mundo no se registra humedad relativa in situ. La Etp es posible estimarla sólo con los modelos de Thornthwaite (Thornthwaite, 1948) y Hargreaves (Hargreaves et al., 1985) ya que utilizan datos disponibles, por lo que se necesita probar cuál de los dos es el más adecuado de acuerdo con cada caso en particular.
b) Los criterios de inicio y término del periodo de crecimiento de los cultivos derivan de un método gráfico e impreciso, son determinados por la relación entre la precipitación y la mitad de la ETp. El inicio se presenta cuando la curva de la precipitación pluvial se intersecta con la curva de la mitad de la ETp, su duración lo define la línea de la precipitación pluvial por arriba de la mitad de la ETp y finaliza cuando vuelven a intersectarse estas líneas, es decir, cuando la línea de la precipitación pluvial está por debajo de la línea de la mitad de la ETp. Esta deficiencia puede ser atendida y remediada utilizando el índice de humedad mensual (IH) propuesto por De la Rosa (2008) para definir de manera matemática el inicio y final de la LPC.
e) La falta de especificidad para los cultivos, se debe considerar que hay una gran cantidad de cultivos de los cuales se desconoce su uso consuntivo, principalmente variedades y razas locales de maíces y frijoles, por mencionar algunos y que son parte de la dieta tradicional de los agricultores.
A pesar de estos inconvenientes, el concepto de LPC es útil para explicar diversos procesos ecofisiológicos (relación suelo-planta, animal-
54
clima, fenología, etc.), y en cuestiones ambientales (erosión, contaminación de aguas subterráneas, etc.) (White et al. , 2001; Holden & Brereton, 2004; Kruska, 2006). Por lo que una primera precisión será nombrar a este periodo como "duración del periodo de lluvias" (DPLL), el cual ha sido insuficientemente estudiado en el país.
Para mejorar el concepto de la DPLL los objetivos de este trabajo ha sido: utilizar el índice de humedad mensual para identificar el inicio y término del periodo lluvioso usando los valores de ETp calculadas con los modelos de Thornthwaite y Hargreaves con la finalidad de compararlo con el método FAO y seleccionar el mejor método.
En Yucatán, México, se dedican 785600 ha para actividades agrícolas, el 5% de esta superficie está cultivada bajo riego y el 95% es de temporal (SAGARPA, 2004). El cultivo de maíz ocupa 161014 ha, es mínima la superficie bajo riego y se utiliza una gran cantidad de variedades y razas de maíz y frijol , por lo que la definición espacial del periodo de lluvias sería de gran utilidad en la planificación de las actividades agrícolas. Teniendo en cuenta lo anterior, el propósito del presente trabajo es probar bajo qué método es más precisa la evaluación espacial del periodo de crecimiento y/o la duración del periodo de lluvias para la agricultura de temporal.
MATERIALES Y MÉTODOS AREA DE ESTUDIO
El estado de Yucatán se localiza al norte de la Península que lleva el mismo nombre (Figura 12); Las formaciones geológicas corresponden a calizas del terciario en las planicies y lamerías cársticos, en la costa se localizan las planicies con sedimentos del cuaternario (Lugo y García, 1999. La vegetación, desde la costa hacia el sur-sureste es de matorral de dunas costeras; manglar rodeando sistemas lagunares, selva baja caducifolia, pastizales, selva mediana subcaducifolia y subperennifolia (Oimsted et al. , 1999).
55
Estación OLFv DE D Zonas urbanas
_ meteorológica
- Carretera
"
Figura 12. Area de estudio, el estado de Yucatán con 65 estaciones meteorológicas.
Los factores que conforman su clima son: 1) ausencia de elevaciones considerables; 2) estar rodeada por mares cálidos en sus tres flancos 3) marcado gradiente de presión atmosférica e influencia del Anticiclón Bermuda Azores del Atlántico y presencia estival de vientos alisios y ondas tropicales; 4) recurrencia del fenómeno de sequía intraestival ; 5) influencia de tormentas tropicales; 6) frentes fríos que atraviesan el estado en períodos invernales; 7) influencia de la corriente cálida del Canal de Yucatán (Orellana et al., 1999). Como resultante, el clima en la franja del extremo noroeste entre Sisal y Progreso presenta los siguientes subtipos climáticos; es muy cálido árido con lluvias en verano y alto porcentaje de lluvia invernal , BS0(h ')w(x"), circundado por el muy cálido semiárido con lluvias de verano, BS1(h")w desde Celestún hasta Telchac. Al sur y hacia el Golfo de México, están los cálidos y muy cálidos, los más secos de los subhúmedos con lluvias en verano con mediano y alto porcentaje de lluvia invernal Aw0 y Aw0(x') , así como los cálidos y muy cálidos, los más secos de los subhúmedos con lluvias uniformemente repartidas, Ax 'w0. Hacia el este, el cálido subhúmedo con régimen de lluvias intermedio y alto porcentaje de lluvia invernal, Ax"w1(i") (García, 2004).
56
BASE DE DATOS
Se elaboró una base de información en la que se capturaron y transformaron 88000 datos de precipitación total mensual (P), temperatura media mensual (Tm), temperatura mensual mínima y temperatura mensual máxima; registrados en 65 estaciones meteorológicas del estado de Yucatán y alrededores correspondientes a los estados de Campeche y Quintana Roo (Figura 12} con información comprendida entre 1961 y 2006. Esta información básica fue requerida para calcular la ETp mensual con los métodos de Thornthwaite (ETp-MT} y Hargreaves (ETp-MH) utilizando el software CDBm (De la Rosa et al., 1996}.
ESTIMACIÓN DE LA EVAPOTRANSPIRACIÓN POTENCIAL POR DOS MÉTODOS
MÉTODO DE THORNTHWAITE (1948)
La evapotranspiración potencial de acuerdo con el método Thornthwaite (ETp-MT) se estimó con la siguiente ecuación:
ETp = 16 x Nm(10 x Tm/l)a
Donde;
ETp, es la evapotranspiración potencial mensual (mm);
Nm, es el factor de corrección de la duración del día a partir de la latitud;
Tm, es la temperatura media mensual;
1, es el índice de calor anual= Lene-die (Tm/5)1'514
; y
a, es un exponente en función del índice de calor anual = [(6. 75*1 o-7) (13
)]
[(7. 71 *1 o-5)(12)]+[( 1. 792*1 o-2}(1*0.49239)]
MÉTODO HARGREAVES (Hargreaves et al., 1985)
La evapotranspiración potencial calculada con el método de Hargreaves (ETp-MH) se estimó con la siguiente ecuación:
ETp = C¡ (T med + 17.78} (T max-T min}0'5 Ra
Donde;
ETp, es la evapotranspiración potencial (mm d-1);
T max. T min y T med· son la temperatura diaria máxima, mínima y media (°C), respectivamente;
57
C¡, es la constante empírica propuesta por Hargreaves y Samani (1985)= 0.0023; y
Ra, es el equivalente en agua de la radiación extraterrestre (mm d-1)
Mediante el software CDBm (De la Rosa et al., 1996), se calculó la ETp-MT y ETp-MH para cada estación meteorológica y cada mes de cada año, así como para el promedio de los años de registro. De esta manera, se obtuvieron los valores de la evapotranspiración mensual promedio de los años de registro para cada una de las estaciones meteorológicas.
DURACIÓN DEL PERIODO DE LLUVIAS
Para la determinación del periodo de lluvias se utilizó el método FAO así como una propuesta de un nuevo método (IH-M) que utiliza el índice de humedad mensual. En ambos métodos la evapotranspiración potencial se calculó con los métodos de Thornthwaite y Hargreaves.
METODO FAO
La duración del periodo de lluvias de acuerdo con la FAO se calcula de la manera siguiente:
DPLL= P/(Etp/2)
Donde;
DPLL= Duración del periodo de lluvias
P= precipitación pluvial y
ETp= Evapotranspiración potencial calculada con los modelos ETp-MT y/o ETp-MH.
El inicio de la DPLL es cuando la precipitación pluvial excede a la mitad de la ETp, y finaliza cuando la precipitación pluvial es menor a la mitad de la ETp.
La DPLL se calculó con los dos métodos de estimación de la evapotranspiración potencial : 1) ETp-MT y 2) ETp-MH. De esta manera, se obtuvieron dos mediciones de la duración del periodo de lluvias:
1) duración del periodo de lluvias con el método FAO a partir del cálculo de la evapotranspiración potencial con el método de Thornthwaite (FAO-MT); y
2) duración del periodo de lluvias con el método FAO a partir del cálculo de la evapotranspiración potencial con el método de Hargreaves (FAOMH).
58
PROPUESTA DEL MÉTODO DEL ÍNDICE DE HUMEDAD
El método que se propone para calcular la DPLL es mediante la utilización del índice de humedad {IH} mensual, con el cual se estima, de una forma general, el agua disponible para las plantas y/o para prever las necesidades de riego artificial en una zona (De la Rosa, 2008}. Se calcula de la siguiente ~orma:
IH = P/ETp
Donde: P =precipitación pluvial total anual (mm)
ETp = evapotranspiración potencial (mm) calculada con los modelos ETpMTy ETp-MH . .
Este índice es ampliamente utilizado para datos anuales. Los intervalos del IH son: menor a 0.05 {hiperárido), de 0.05 a 0.20 (árido), de 0.20 a 0.50 (semiárido), de 0.50 a 0.65 (subhúmedo seco), de 0.65 a 1 (subhúmedo húmedo) y mayor a 1 {húmedo) (Lobo et al., 2004; De la Rosa, 2008}.
En este estudio. se utilizaron como valores de referencia, para definir como mes húmedo, el IH mayor de 0.5 y el IH mayor de 0.65. La DPLL se expresa en meses húmedos consecutivos, de esta manera, al estimar la DPLL se obtuvieron cuatro mediciones, considerando los dos métodos de estimación de la evapotranspiración potencial y se definieron con las siguientes siglas:
1) IH 0.5-MT= duración del periodo de lluvias con el IH mayor de 0.5, a partir de la evapotranspiración potencial con el método de Thornthwaite;
2) IH 0.5-MH= duración del periodo de lluvias con el IH mayor de 0.5, a partir del cálculo de la evapotranspiración potencial con el método de Hargreaves;
3) IH 0.65-MT= duración del periodo de lluvias con el IH mayor de 0.65, a partir de la evapotranspiración potencial con el método de Thornthwaite; y
4) IH 0.5-MH= duración del periodo de lluvias con el IH mayor de 0.65, a partir de la evapotranspiración potencial con el método de Hargreaves.
59
ANÁLISIS ESPACIAL
Se formó una base de datos georreferenciada de las estaciones meteorológicas y el número de meses de la DPLL resultantes de las seis combinaciones antes mencionadas: FAO-MT, FAO-MH, IH 0.5-MT, IH 0.5 MH, IH 0.65 MT e IH 0.65 MT.
El análisis espacial se realizó con el software GS+ (Gamma Design Software, 2006). Primero se elaboró el semivariograma experimental para seleccionar el mejor modelo teórico; luego se realizó la interpolación de puntos no medidos utilizando el método Kriging por puntos; posteriormente, se realizó la validación cruzada de los puntos estimados y los puntos medidos, se calculó la raíz del cuadrado del error medio (RMSE) (Hernández-Stefanoni & Ponce-Hernández, 2006; Kang et al. , 2006) y por último, la representación cartográfica mediante el software Are Gis 9.0 (ESRI, 2004), bajo la proyección UTM zona 16 y el elipsoide y datum horizontal del World Geodetic System 84 (WGS84).
RESULTADOS
EVAPOTRANSPIRACIÓN POTENCIAL
Al comparar los métodos de estimación de la ETp mediante el total anual, se observó que la ETp-MT es menor que la ETp-MH en la gran mayoría de las estaciones meteorológicas. Las diferencias son menores entre algunas estaciones costeras, incluso en la estación Progreso no se observaron diferencias (Figura 13).
60
2500
E 2000
.§. e
•O 1500 ·¡:; E ·a en e E 1000 -o c. ca > w 500
o
Estaciones meteorológicas
Figura 13. Evapotranspiración potencial anual con los métodos de Thornthwaite y Hargreaves
Cuando analizamos el comportamiento mensual de la ETp a través del año, observamos lo siguiente: La ETp-MT, en general, fue menor que la ETp-MH. Sin embargo, las diferencias encontradas fueron mayores durante la época seca, en la época de lluvias disminuyeron y durante el otoñoinvierno fueron mínimas (Figura 14). Cuando separamos las estaciones costeras de las de tierra adentro, se observó que las diferencias observadas anteriormente son menores, incluso, en otoño-invierno llegan a solaparse y en algunas estaciones la ETp-MT es mayor que la ETp-MH, al contrario de lo que sucedió cuando se consideraron todas las estaciones. Es de suponer que el efecto marino tiende a homogeneizar la evapotranspiración en las estaciones costeras (Figura 14 ).
61
250 r---------------------------------------------------~
e .§. e
200
-o 150 ·;:; ~ ·a. U) e ~ 100 o Q.
"' > w
50
E F M
-- Etp-MH Estaciones tierra adentro
- Etp-MT Estaciones costeras
- Etp-MH Estaciones costeras
A M A S o
Figura 14. Evapotranspiración potencial mensual con los métodos de Thornthwaite y Hargreaves
Debido a que el índice de humedad (IH) es igual a la relación precipitación/evapotranspiración, cuando se calculó con la ETp-MT su valor fue mayor que cuando se estimó con la ETp-MH. Las estaciones costeras tuvieron los valores menores del IH y las ubicadas al sur y sureste tuvieron los valores mayores. Se observó que las diferencias entre ambos métodos son mayores en las estaciones tierra adentro que en las costeras (Figura 15).
62
1.2
E .§. 'O 0.8 ns
'O Gl E 0.6 :S .e Gl 'O Gl 0.4 o :S • .E
0.2
o
Estaciones meteorológicas
Figura 15. fndíce de humedad anual calculado con la evapotranspíracíón potencial de Thornthwaíte y Hargreaves
DURACIÓN DEL PERIODO DE LLUVIAS
El resumen estadístico de los diferentes métodos de cálculo de la duración del periodo de lluvias (DPLL) se muestra en el Cuadro 3. La DPLL que presentó el valor promedio más alto (7 meses) fue IH 05-MT. La moda fue de cinco excepto en FAO-MT. La mediana presentó valores iguales al promedio, excepto en FAO-MT; el valor mínimo fue de O meses (IH 0.65-MT y el máximo fue de 11 meses en el método IH 0.5-MT. La desviación estándar, varianza y el coeficiente de variación son mayores en los métodos calculados con la evapotranspiración estimada con el método de Thornthwaite (Cuadro 3).
63
Cuadro 3. Resumen estadístico de los diferentes métodos de cálculo de la DPLL
Estaciones FAO-MT FAO-MH IH 0.5-MT IH 0.5-MH IH 0.65-MT IH 0.65-MH
Meses Promedio 6 5 7 5 5 5 Moda 7 5 5 5 5 5 Mediana 7 5 7 5 5 5 Mínimo 2 2 2 2 o 1 Máximo 11 9 11 8 9 8 Intervalo 9 7 7 6 9 7 Desviación estándar 2 2 1 2 1 Varianza 4 2 4 2 3 2 Coeficiente de variación 31 26 32 26 33 28 FAO-MT - Método FAO y evapotranspiración de acuerdo con Thornthwaite; FAO-MH - Método FAO y la evapotranspiración de acuerdo con Hargreaves; IH 0.5-MT = Método índice de humedad mayor de 0.5 y evapotranspiración de acuerdo con Thornthwaite; IH 0.5-MH = Método índice de humedad mayor de 0.5 y la evapotranspiración de acuerdo con Hargreaves; IH 0.5-MT = Método índice de humedad mayor de 0.65 y evapotranspiración de acuerdo con Thornthwaite; IH 0.65-MH = Método índice de humedad mayor de 0.65 y la evapotranspiración de acuerdo con Hargreaves.
Todos modelos de la DPLL tuvieron valores de r2 mayores de 0.8. El modelo que tuvo la r2 más alta fue con el método IH 0.65-MT= 0.98. En todos los métodos la varianza estructural (C/[C0+C] fue mayor del 74%, lo cual indica que estos modelos explican adecuadamente la existencia de una alta dependencia espacial. Los modelos que tuvieron los valores menores de C0 y de la RSS, fueron los provenientes del método ETp-MH. Con respecto a la interpolación existe una mayor correlación entre los valores observados y los estimados en los modelos provenientes del ETp-MT. El RMSE muestra que el tamaño del error fue mayor en los modelos provenientes de usar el método ETp-MT (Cuadro 4).
64
Cuadro 4. Resumen geoestadístico de los diferentes métodos de cálculo de la DPLL
Parámetros de la autocorrelación espacial Métodos Modelo del ~ (C/[C0+C]*1 00 Ao Ca RSS
variograma (%) FAO-MT Esférico 0.88 80 1.51 20 2.27 FAO-MH Gaussiano 0.91 74 1.54 36 0.41 IH 0.5-MT Gaussiano 0.88 74 1.33 36 1.72 IH 0.5-MH Exponencial 0.9 92 1.7 8 0.38 IH 0.65- Gaussiano 0.98 74 1.35 36 0.72 MT IH 0.65- Exponencial 0.9 99 1.53 1 0.24 MH
Parámetros de la interpolación r" r RMSE
FAO-MT 0.39 0.63 1.59 FAO-MH 0.37 0.61 1.17 IH 0.5-MT 0.42 0.65 1.67 IH 0.5-MH 0.36 0.6 1.14 IH 0.65- 0.4 0.63 1.34 MT IH 0.65- 0.26 0.51 1.06 MH A>= D1stanaa: RSS= suma del error al cuadrado; Co= varianza aleatoria; (C/[Co+C]= varianza con dependencia espacial ; RMSE= raíz del cuadrado del error medio.
DURACIÓN DEL PERIODO DE LLUVIAS CON EL MÉTODO FAO-MT Y SU REPRESENTACIÓN ESPACIAL
La DPLL en las estaciones meteorológicas a partir del método FAOMT presentó un promedio de 6 meses, la desviación estándar fue de 2 y el coeficiente de variación fue de 31. El intervalo de DPLL fue de 9 meses (Cuadro 3); la mayoría de las estaciones presentaron de 5 a 7 meses, las costeras tuvieron valores de 2 meses y la de mayor valor fue Kantunilkín, de 11 meses (Figura 16).
65
12
U) 11 1• DPLL (FAO-MT) 1 Cl) Cl) 10 Cl)
.§. 9 _J _J 8 a. e 7
6
5
4
3
2
o
Figura 16. Duración del periodo de lluvias calculado con el método FAO-MT
La DPLL calculada con el método FAO-MT presentó las siguientes características: 37 (56.9%) estaciones meteorológicas registraron el inicio del periodo de lluvias en mayo; 27 (41.5%) estaciones iniciaron en junio y sólo una (1 .5%), Calotmul, en abril. Con relación al final del periodo, 31 estaciones terminaron en octubre, 12 en noviembre, 11 en diciembre y 11 entre enero y marzo. Cinco estaciones costeras presentaron sequía intraestival con merma de la lluvia en dos meses Uulio y agosto), sólo Sisal la presentó de un mes (agosto) (Apéndice 1).
Los parámetros geoestadísticos para la elaboración de la cartografía de la DPLL según el método FAO-MT, mostraron lo siguiente: el semivariograma estuvo representado por un modelo esférico con una r
2 =
0.88 y la varianza estructural correspondió al 80%. Existió una correlación de 0.63 entre los valores reales y los estimados y el RMSE igual a 1.59 (Cuadro 4).
En el mapa se definieron 7 niveles: de 3 a 4, de 4 a 5, de 5 a 6, de 6 a 7, de 7 a 8, de 8 a 9 y de 9 a 10 meses Las estaciones de menor duración fueron las que se ubican al noroeste del estado y aumenta su duración hacia el sureste (Figura 17).
66
o . CAMPECHE
QUINTANA ROO
"
Curación del periodo de lluv ia (mtsts)
- 9a 10
- 8a9 ., .. •.. , • ••• D "'
3 ..
Figura 17. Mapa con la duración del periodo de lluvias a partir del método FAO-MT
DURACIÓN DEL PERIODO DE LLUVIAS CON EL MÉTODO FAO-MH Y SU REPRESENTACIÓN ESPACIAL
La DPLL en las estaciones meteorológicas a partir del método FAOMH presentó un promedio de 5 meses, la desviación estándar de 1 y el coeficiente de variación de 26. El intervalo de DPLL fue de 7 meses (Cuadro 3); la mayoría de las estaciones presentaron de 5 a 6 meses, las costeras tuvieron valores de 2 y la de mayor valor fue Xhualtez con 9 meses (Figura 18).
67
Cñ 5l ! .J .J o. e
10
1 ¡;:¡ DPLL (FAO-MH) 1
Figura 18. Duración del periodo de lluvias calculado con el método FAO-MH
La DPLL calculada con el método FAO-MH presentó las siguientes características: 20 estaciones meteorológicas registran el inicio del periodo de lluvias en mayo; 43 estaciones iniciaron en junio y sólo dos, Sisal y Telchac Puerto, en septiembre. Con relación al final del periodo, 51 estaciones terminaron en octubre, 7 en noviembre y 6 en diciembre. Tres estaciones costeras, Chicxulub Puerto, Progreso y Río Lagartos, presentaron sequía intraestival con merma en la lluvia de dos meses Uulio y agosto) (Apéndice 2).
Los parámetros geoestadísticos para la elaboración de la cartografía de la DPLL a partir del método FAO-MH, mostraron lo siguiente: el semivariograma estuvo representado por un modelo Gaussiano con una r = 0.91 y la varianza estructural correspondió al 74%. Existió una correlación de 0.61 entre los valores reales y los estimados y el RMSE igual a 1.17 (Cuadro 4).
En el mapa se definieron 5 niveles: de 2 a 3, de 3 a 4, de 4 a 5, de 5 a 6 y de 6 a 7 meses de DPLL. Las estaciones de menor duración fueron las que se ubican al noroeste del estado y aumenta su duración hacia el sureste (Figura 19).
68
. •
CAMPECHE
QUINTANA ROO
"
Ouracl6n de l periodo de lluvias (meses} •.. , - ·-· - ·-· ., ..
02-3
Figura 19. Mapa de la duración del periodo de lluvias a partir del método FAO-MH
DURACIÓN DEL PERIODO DE LLUVIAS CON EL MÉTODO IH 0.5-MT Y SU REPRESENTACIÓN ESPACIAL
La DPLL en las estaciones meteorológicas a partir del método IH 0.5-MT presentó un promedio de 7 meses, la desviación estándar de 2 y el coeficiente de variación de 32. El intervalo de DPLL fue de 7 meses (Cuadro 3); la mayoría de las estaciones presentaron de 5 a 7 meses de duración, las costeras tienen valores de 2 y la de mayor valor es Kantunilkín con 11 meses (Figura 20).
69
12
U) 11 l• DPLL (IH 0.5-MT ) 1 41 11) 41 10 .§. ...J 9 ...J D. 8 e
7
6
5
4
3
2
o
Figura 20. Duración del período de lluvia calculado con el método deiiH 0.5-MT
La DPLL calculada con el método del IH 0.5-MT presentó las siguientes características: 36 estaciones meteorológicas registraron el inicio del periodo de lluvias en mayo; 27 estaciones iniciaron en junio y sólo dos, Calotmul y Teabo, en abril. Con relación al final del periodo, 30 estaciones terminaron en octubre, 12 en noviembre, 1 O en diciembre y 13 de enero a marzo. Cinco estaciones costeras, presentaron sequía intraestival con merma de la lluvia de dos meses Uulio y agosto), sólo en Sisal fue de un mes (agosto) (Apéndice 3).
Los parámetros geoestadísticos para la elaboración de la cartografía de la DPLL según el método IH 0.5-MT, mostraron lo siguiente: el semivariograma estuvo representado por un modelo Gaussiano con una r2 = 0.88 y la varianza estructural correspondió al 74%. Existió una correlación de 0.65 entre los valores reales y los estimados con un RMSE igual 1.67 (Cuadro 4).
En el mapa que corresponde a la DPLL con el método IH 0.5-MT, se definieron 7 niveles: de 3 a 4, de 4 a 5, de 5 a 6, de 6 a 7, de 7 a 8, de 8 a 9
70
y de 9 a 1 O. Se observa un gradiente de menor a mayor número de meses de DPLL, del NW a SE (Figura 21 ).
o o
CAMPECHE
"
QUINTANA ROO
.. ,,. ..
Duración del periodo de lluvia (meses)
- 9a10 -... 7 oS
- 607
••• D •••
304
Figura 21. Mapa de la duración del periodo de lluvias a partir del método IH 0.5-MT
DURACIÓN DEL PERIODO DE LLUVIAS CON EL MÉTODO IH 0.5-MH Y SU REPRESNTACIÓN ESPACIAL
La DPLL en las estaciones meteorológicas a partir del método IH 0.5-MH presentó un promedio de 5 meses, la desviación estándar de 1 y el coeficiente de variación de 26. El intervalo de DPLL fue de 6 meses (Cuadro 3) ; la mayoría de las estaciones presentaron de 5 a 6 meses, las costeras tuvieron valores de 2 y las de valor mayor fueron de 8 meses (Figura 22).
71
9
Cñ Q)
8 l i~DPLL (IH 0.5-MH) I en Q)
.§. 7
..J
..J D. 6 e
5
4
3
2
Figura 22. Duración del periodo de lluvias calculado con el método del IH 0.5-MH
La DPLL calculada con el método del IH 0.5-MH presentó las siguientes características: 23 estaciones meteorológicas registraron el inicio del periodo de lluvias en Mayo; 40 estaciones iniciaron en junio y sólo dos, Sisal y Telchac Puerto, en septiembre. Con relación al final del periodo, una estación terminó en septiembre, 52 en octubre, 6 en noviembre y 6 en diciembre. Tres estaciones costeras, presentaron sequía intraestival con merma de lluvia de dos meses Uulio y agosto) (Apéndice 4).
Los parámetros geoestadísticos para la elaboración de la cartografía de la DPLL a partir del método del IH 0.5-MH mostraron lo siguiente: el semivarioprama estuvo representado por un modelo Exponencial, con una r = 0.9, la varianza estructural corresponde a un 92%, y la varianza al azar un 8%. Existe una correlación de 0.60 entre los valores reales y los estimados con un RMSE de 1.14 (Cuadro 4 ).
En el mapa que correspondió a la DPLL con el método IH 0.5-MH, se definieron 6 niveles: de 2 a 3, de 3 a 4, de 4 a 5, 5 a 6, 6 a 7 y 7 a 8. Se observó un gradiente de menor a mayor número de meses de DPLL, del NW a SE (Figura 23). .
72
. . CAMPECHE
QUINTANA ROO
Duración del periodo de lluvias (meses) ., .. ... , • ··· • ··· D•·•
Figura 23. Mapa de la duración del Periodo de lluvias a partir del método IH 0.5-MH
DURACIÓN DEL PERIODO DE LLUVIAS CON EL MÉTODO IH 0.65-MT Y SU REPRESENTACIÓN ESPACIAL
La DPLL en las estaciones meteorológicas a partir del método IH 0.65-MT presentó un promedio de 5 meses, la desviación estándar de 2 y el coeficiente de variación de 33. El intervalo de DPLL fue de 9 meses (Cuadro 3) ; la mayoría de las estaciones presentaron de 5 a 6 meses, algunas costeras tuvieron valores de O y las de valor mayor fueron de 9 meses (Figura 24).
73
10
U) 9 Q)
Ul 1 rn DPLL (IH 0.65-MT) 1 Q)
E 8 ...... _. _. ll.
7
e 6
5
4
3
2
o~~~~~~~~~~~~~~~~~~~~~~~~~~
~# .,,#~~~~~~~~~~~~.~~,&~ .,_o"" ,::,tlf ~~ ~~ ~~ 'i" §''1> .¡;> ~oo 0<::-o ~v ·.§' <$'0-s O'o ~v ,::,v '-'i" ~'0-::: ;¡;-v ~ ~~::' ~,::,0 ~~ ~ ~ ~#~~~~ ## ~d~c;
~<::-e; v~ .,_e;'~>' 0'<::-v Q'V ~o .,_0''~> ~ ~ ~
Estaciones meteorológicas
Figura 24. Duración del periodo de lluvias calculado con el método del IH 0.65-MT
La DPLL calculada con el método del IH 0.65-MT presentó las siguientes características: 22 estaciones meteorológicas registraron el inicio del periodo de lluvias en mayo; 39 estaciones iniciaron en junio y 3 en septiembre (Sisal, Telchac Puerto, Río Lagartos). Con relación al final del periodo, 6 estaciones terminaron en septiembre, 46 en octubre, 7 en noviembre y 5 en diciembre-enero. 2 estaciones costeras, presentaron sequía intraestival: Chicxulub puerto de dos meses Uulio y agosto) y Dzilam de Bravo de un mes en agosto (Apéndice 5).
Los parámetros geoestadísticos para la elaboración de la cartografía de la DPLL de acuerdo con el método del IH 0.65-MT, mostraron lo siguiente: el semivariograma estuvo representado por un modelo Gaussiano con una ~ = 0.98 y la varianza estructural corresponde a un 74%. Existió una correlación de 0.63 entre los valores reales y los estimados y un RMSE igual a 1.34 (Cuadro 4).
En el mapa que corresponde a la DPLL, calculada con el método IH 0.65-MT, se definieron 5 niveles; de 3 a 4, de 4 a 5, de 5 a 6, de 6 a 7 y de 7 a 8. Se observó un gradiente de menor a mayor número de meses de DPLL, del NW a SE (Figura 25).
74
1 Leyenda 1
-Ciudad CJ División estatal
Duración período de lluvia (meses)
1-3 3-4
- 4-5
5-6 6 - 7 7·8
Figura 25. Mapa con la Duración del Periodo de lluvias a partir del método IH 0.65-MT
DURACIÓN DEL PERIODO DE LLUVIAS CON EL MÉTODO IH 0.65-MH Y SU REPRESENTACIÓN ESPACIAL
La DPLL en las estaciones meteorológicas a partir del método IH 0.65-MH presentó un promedio de 5 meses, la desviación estándar de 1 y el coeficiente de variación de 28. El intervalo de DPLL fue de 7 meses (Cuadro 3) ; la mayoría de las estaciones presentaron 5 meses, algunas costeras tuvieron valores de 2 y 1 y la de valor mayor fue de 8 meses (Figura 26).
75
U) 9 Q) 1• DPLL (IH 0.65-MH) 1 Cl) Q)
.§. 8
..J
..J 7 0.. e
6
5
4
3
2
Figura 26. Duración del periodo de lluvias calculado con el método deiiH O. 65-MH
La DPLL calculada con el método del IH 0.65-MH presentó las siguientes características: 2 estaciones meteorológicas registraron el inicio del periodo de lluvias en mayo; 56 estaciones iniciaron en junio, 2 en julio y 5 en septiembre (Sisal , Telchac Puerto, Chicxulub Puerto, Dzilam de Bravo y Río Lagartos). Con relación al final del periodo, 7 estaciones terminaron en septiembre, 56 en octubre, 1 en noviembre y 1 en diciembre. Las estaciones que presentaron sequía intraestival fueron Dzonot Ake en agosto, Nohalal en julio y progreso en agosto (Apéndice 6).
Los parámetros geoestadísticos para la elaboración de la cartografía de la DPLL según el método del IH 0.65-MH muestran lo siguiente: el semivariograma estuvo representado por un modelo Exponencial, con una r2 = 0.9 y la varianza estructural corresponde a un 99%. Existió una correlación entre los valores reales y los estimados de 0.51 y un RMSE igual a 1.06 Cuadro 4).
En el mapa que corresponde a la DPLL con el método IH 0.65-MH, se definieron 6 niveles; de 2 a 3, de 3 a 4, de 4 a 5, de 5 a 6, de 6 a 7 y de 7 a 8 meses. Aquí no se observa el gradiente de menor a mayor duración del
76
periodo de lluvias, sólo en el NW se percibe un ligero incremento (Figura 27).
. •
CAMPECHE
QUINTANA ROO
60 100 Km
Duración del periodo de lluvias (meses)
• ··· •.. , • ··· • ··· . ,.. 0 2·>
Figura 27. Mapa con la duración del periodo de lluvias a partir deiiH 0.65-MH
DETERMINACIÓN DEL INICIO Y FINAL DEL PERIODO DE LLUVIAS
Un resumen del inicio y final del periodo de lluvias con los diferentes métodos se presenta en el Cuadro 5. Se observó lo siguiente:
Las diferencias entre los métodos FAO-MT y FAO-MH fueron : en el primero, la mayoría de las estaciones iniciaron la DPLL en mayo, en el segundo, inició en junio. Con ambos métodos la DPLL finalizó en octubre. El método Thornthwaite de estimación de la evapotranspiración proporcionó mediciones de la DPLL más grandes que el método Hargreaves.
Las diferencias entre los métodos IH 0.5-MT e IH 0.5-MH son: en el primero, la mayoría de las estaciones iniciaron la DPLL en mayo, en el segundo, iniciaron en junio. Con ambos métodos la DPLL finalizó en
77
octubre. El método Thornthwaite de estimación de la evapotranspiración proporcionó mediciones de la DPLL más grandes que el método Hargreaves.
Los métodos IH 0.65-MT e IH 0.65-MH son parecidos, ya que la mayoría de las estaciones presentaron el inicio de la DPLL en junio; sin embargo, en el primero es el 60% de las estaciones, mientras que en el segundo es el 86%. Con ambos métodos la DPLL termina en octubre. El método Thornthwaite de estimación de la evapotranspiración no produjo mediciones más grandes que con el método Hargreaves.
Los métodos FAO-MT e IH 0.5-MT fueron muy parecidos en el inicio de la DPLL, tanto en mayo, como en junio, en las mismas proporciones; es decir, tuvieron el mayor número de estaciones que iniciaron temprano, en mayo, y terminan tarde, en enero, en una fue en marzo, aunque la mayoría terminó en octubre. También tuvieron el mismo número de estaciones (5) que tuvieron sequía intraestival. Al calcular la DPLL con los métodos FAOMT e IH 0.5-MT no se encontraron diferencias entre usar el 0.5 de la ETp, como lo propone la FAO, y el usar 0.5 del IH como se sugiere en este estudio.
Los métodos FAO-MH e IH 0.5-MH fueron muy parecidos en el inicio de la DPLL, tanto en mayo, como en junio, y en las mismas proporciones. La mayoría de las estaciones terminaron en octubre y tuvieron el mismo número de estaciones (3) con sequía intraestival. Para calcular la DPLL no existieron diferencias entre usar el 0.5 de la ETp, como lo propone la FAO y el usar 0.5 deiiH como se sugiere en este estudio.
Cuadro 5 Número de estaciones con el inicio y final de la duración del periodo de lluvias calculado con los diferentes métodos
Métodos Inicio Final Abr M ay Jun Jul Sep Sep Oct Nov Die Ene
FAO-MT 37 27 31 12 11 11 FAO·MH 20 43 2* 51 7 5 IH 0.5-MT 2 36 27 30 12 10 13 IH 0.5-MH 23 40 2* 1 52 6 6 6 IH 0.65-MT 22 39 3* 6 46 7 5 IH0.65-MH 2 56 2* 5* 7 56 1 1
" * Estac1ones costeras; FAO-MT - Metodo FAO y evapotransp1rac1on de acuerdo con Thornthwaite; FAO-MH =Método FAO y la evapotranspiración de acuerdo con Hargreaves; IH 0.5-MT = Método índice de humedad mayor de 0.5 y evapotranspiración de acuerdo con Thornthwaite; IH 0.5-MH =Método índice de humedad mayor de 0.5 y la evapotranspiración de acuerdo con Hargreaves; IH 0.5-MT = Método índice de humedad mayor de 0.65 y evapotranspiración de acuerdo con Thornthwaite; IH 0.65-MH =Método índice de humedad mayor de 0.65 y la evapotranspiración de acuerdo con Hargreaves
78
DISCUSIÓN
Es relevante realizar el tipo de evaluación sobre la eficiencia del agua de lluvia, la evaporación, la evapotranspiración y la duración del régimen de lluvia a lo largo del año, ya que la agricultura de temporal puede establecerse en zonas de riesgo a la sequía estacional, o con alta variabilidad interanual.
COMPARACIÓN HARGREAVES POTENCIAL
ENTRE PARA
LOS MODELOS THORNTHWAITE Y ESTIMAR LA EVAPOTRANSPIRACIÓN
Los modelos de Thornthwaite (MT) y Hargreaves (MH) presentaron grandes diferencias en la estimación de la evapotranspiración potencial en la época seca y menores en la época lluviosa. Un análisis de datos preeliminar y sólo para los observatorios meteorológicos (Mérida y Progreso), reveló que al comparar los métodos de Penman-Monteith (MP) recomendado por la FAO, con MT y MH, este último se acercó más a los valores obtenidos con el MP durante la época seca. Sin embargo, en la época de lluvias los tres métodos dieron resultados más semejantes, aún cuando el MT tuvo los valores menores. Al parecer, no es adecuado el uso del MT para el cálculo de la ETP en los meses de la época seca, ni para el total anual, pero sí para la época lluviosa.
Lo anterior condujo a pensar que ante la carencia de datos meteorológicos requeridos para utilizar el método Penman-Monteith (AIIen et al., 1998), se necesitan hacer las calibraciones o ajustes de los métodos Thornthwaite y Hargreaves a partir del método de Penman-Monteith para utilizarlos con más confiabilidad en la región yucateca. En varias regiones se han realizado estos ajustes con fines de planeación agrícola de temporal y riego, por ejemplo: en zonas semiáridas de España se hicieron ajustes al MH a partir del MPM (Martínez & Tejero, 2004; Gavilán et al., 2006); en Brasil se compararon varios métodos, entre ellos los MT y MT con respecto al MP (Borges y Mendiondo, 2007).
COMPARACIÓN DE LOS MÉTODOS DE CÁLCULO DE LA DURACIÓN DEL PERIODO DE LLUVIAS
El mapa de la DPLL, calculada con el método FAO-MT, presentó niveles mayores de 7 meses, que parecen ser muy altos respecto del tipo de vegetación que allí se reporta, de selva mediana subcaducifolia (Oimsted et al., 1999), sin embargo, el efecto sinérgico con los suelos podría explicar la presencia de esta vegetación. Además, se presentó un área de alta DPLL (9 meses) al oriente del estado, dentro de uno de menor duración, lo cual no se explica con el tipo de vegetación. No obstante, esta área podría explicarse porque es una zona donde hay alta incidencia de paso de
79
huracanes (Orellana et al., 1999). Desde el punto de vista geoestadístico el modelo es adecuado. Sin embargo el número de meses de DPLL es muy alto para explicar la vegetación potencial presente en el estado.
El mapa de la DPLL, calculada con el método FAO-MH, desde el punto de vista geoestadístico es adecuado. Las áreas formadas parecen corresponderse con la vegetación potencial; sin embargo, al observar a detalle el número de meses en cada nivel, llama la atención que el tercer nivel (de 4 meses) no se corresponde con el tipo de vegetación potencial de selva mediana subcaducifolia presente, sobre todo en el sur del Estado.
De acuerdo con el análisis geoestadístico el modelo del mapa de la DPLL, calculada con el método IH 0.5-MT, es adecuado. Sin embargo, los niveles mayores de 7 meses parecen ser muy altos respecto del tipo de vegetación que allí se reporta, de selva mediana subcaducifolia (Oimsted et al., 1999).
El modelo del mapa de la DPLL, calculada con el IH 0.5-MH, es adecuado desde el punto de vista geoestadístico; Sin embargo, los niveles mayores de 7 meses parecen ser muy altos respecto del tipo de vegetación que allí se reporta, de selva mediana subcaducifolia (Oimsted et al., 1999}. Además, se presenta un área de alta DPLL (8 meses) al oriente del Estado, dentro de uno de menor duración, que interrumpe el gradiente NW-SE, y no se explica con el tipo de vegetación. No obstante, la presencia de esta área podría explicarse porque es una zona por donde hay alta incidencia de paso de huracanes (Orellana et al., 1999).
Desde el punto de vista de la geoestadística, el modelo de la DPLL calculado con el método IH 0.65-MT es adecuado. En este mapa el nivel de hasta 3 meses se corresponde con la vegetación de manglar, selva baja inundable y una porción de la selva baja caducifolia; en los niveles de 4 y 5 meses se ubica la vegetación de selva baja caducifolia; en el nivel de 6 meses se presenta selva mediana subcaducifolia ; y en el nivel de 7 meses se encuentra parte de la selva mediana subperennifolia (Oimsted, et al., 1999). Este mapa es el que mejor se corresponde con la vegetación potencial presente en el Estado.
A partir del análisis geoestadístico, el mapa que corresponde a la DPLL con el método IH 0.65-MH, es adecuado. Sin embargo, al tratar de validar las diferentes zonas con los tipos de vegetación potencial , solo en la parte NW se ve un gradiente de menor a mayor duración del periodo de lluvias. En dirección al SE no se mantiene ese gradiente, lo cual no permite encontrar alguna relación con los tipos de vegetación reportada por Olmsted et al (1999).
80
DEFINICIÓN DEL INICIO Y FINAL DE LA DURACIÓN DEL PERIODO DE LLUVIAS
Al comparar los resultados de calcular la DPLL con los métodos FAO-MT y FAO-MH se encontró que el método FAO-MT genera DPLL más grandes que con el FAO-MH. Lo mismo se encontró cuando se compararon los métodos IH 0.5-MT e IH 0.5-MH. Es el método de estimación de la evapotranspiración y no el nivel del IH lo que definió las diferencias. Sin embargo, el método del IH, por ser numérico, favorece la contabilización de la DPLL ya que es más rápido y preciso que el método FAO.
Al comparar los métodos IH 0.65-MT e IH 0.65-MH se encontró que el mapa diseñado con el modelo del IH 0.65-MT conformó áreas más acordes con el mapa de la vegetación potencial del estado.
Al calcular la DPLL con los métodos FAO-MT e IH 0.5-MT no se encontraron diferencias entre usar el 0.5 de la ETp, como lo propone la FAO, y el usar 0.5 del IH como lo sugerimos en este estudio. Ambos mapas presentan áreas con niveles muy altos de DPLL, hasta de 1 O meses, situación que no puede ser explicada por la conformación de las áreas que proporciona la vegetación potencial.
Los métodos FAO-MH e IH 0.5-MH son muy parecidos lo que significa que para calcular la DPLL no existen diferencias entre usar el 0.5 de la ETp, como lo propone la FAO y el usar 0.5 del IH como se sugiere en este estudio.
Con este análisis se puede concluir que para determinar el inicio y final de la DPLL, el método de Thornthwaite con el IH mayor de 0.65 es el más indicado.
CONCLUSIONES
Los modelos de Thornthwaite y Hargreaves presentan grandes diferencias en la estimación de la evapotranspiración potencial en la época seca y menores en la época lluviosa. Al parecer no es adecuado el uso del método de Thornthwaite para la época seca, ni para el total anual, pero sí para la época lluviosa al menos para el caso del estado de Yucatán.
El valor de 0.65 del índice de humedad, calculado con el método de Thornthwaite para la estimación de la ETP, fue el adecuado para definir a los meses húmedos y de esta manera definir la duración del periodo de lluvia.
En el caso del estado de Yucatán se encontraron cinco intervalos que abarcan desde 1 a 8 meses. Los que comprenden mayor superficie y que por lo tanto pueden ser de mayor interés agrícola son cuatro: menor de
81
4 meses; de 4 a 5 meses; de 5 a 6 meses; y mayor de 6 meses. Todos estos son adecuados para cultivos que tengan un ciclo de desarrollo en esos periodos de tiempo, tales como maíz, frijol , chile y calabaza.
AGRADECIMIENTOS
A los fondos Mixtos Yucatán proyecto YUC-2003-C02-054 y al CONACyT por la beca de doctorado de CDC.
REFERENCIAS
Allen, R., L. S. Pereira, D. Raes, y M. Smith (1998). Crop evapotranspiration: guidelines for computing crop water requirements. FAO lrrigation and Drainage, Paper No 56, Rome, ltaly. 300 p.
Borges, A. C. y E. M. Mendiondo {2007). Comparaqao entre equaqóes empíricas para estimativa da evapotranspiraqao de referf!mcia na Bacía do Río Jacupiranga. Rev. Bras. Eng. Agríe. Ambient, 11 , 293-300.
De la Rosa, D., J . Barros, F. Mayol , y J . Moreno {1996). Base de datos climáticos mensuales (CDBm). Consejo Superior de Investigaciones Científicas. Instituto de Recursos Naturales y Agrobiología . Sevilla, España. WWW MicroLEIS. 4.1 Software.
De la Rosa, D. 2008. Evaluación agro-ecológica de suelos para un desarrollo rural sostenible. Ediciones Mundi-Prensa. Madrid. 404 p
ESRI (Environmental Systems Research lnstitute, lnc) (2004). Are GIS 9. Getting Started with ArcGIS. ESRI. Redlands. USA ..
FAO (Food and Agriculture Organization) (1996). Agro-ecological zoning: Guidelines. FAO Soils Bulletin 73. Soil Resources, Management and Conservation Service, FAO Land and Water Development Division. Ro me, ltaly. 78 p.
García, E. 2004. Modificaciones al sistema de clasificación climática de Koppen. Serie Libros Núm. 6. Instituto de Geografía, Universidad Nacional Autónoma de México. 58
• Edición . 90 p. Gavilán, P. , l. J. Lorite, S. Tornero y J . Berenjena. 2006. Regional calibration
of Hargreaves equation for estimating reference ET in a semiarid environment. Agricultura! Water Management, 81 , 257-281 .
GS+ (Gamma Design Software) (2006). Geoestatistics for the Environmental Sciences. GS+ User's Guide. Versión 7. Plainwell , Michigan, USA. 160 p.
Hargreaves, D.A. , G. H. Hargreaves y J. P: Riley (1985). lrrigation water requirements for Senegal river basin. J. of lrrigation and Drainage Division, 3, 265-275.
Hernández-Stefanoni, J. L. y R. Ponce-Hernández (2006). Mapping the spatial variability of plant diversity in a tropical forest: comparison of
82
spatia/ interpolation methods. Environmental Monitoring and Assessment, 117, 307-334.
Holden, N. M: y A. J. Brereton {2004). Definition of agroclimátic regions in lreland usig hydro-thermal and crop yield data . Agricultura! and Forest Meteorology, 122, 175-191 .
Kang, M. S., S. W. Park, J . J : Lee, y K. H. Yoo (2006). Applying SWAT for TMDL programs to a sma/1 watershed containing rice paddy fields. Agricultura Water Management, 79, 72-92.
Krusa, R. {2006). "A dynamic livestock production system classification scheme, ien Global mapping of agricultura/ production systems, Robinson R. y P. Thornton (compiladores) FAO a living from livestock PPLPI, Meeting report4-6 abril. pp.11-16.
Lugo, J. y M. García {1999). "Geomorfología de la Península de Yucatán". En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A., J. Córdoba y Ordóñez y P. Chico Ponce de León (eds). Universidad Autónoma de Yucatán. Mérida, Yucatán. pp. 156-162.
Martínez, A. y M. Tejero {2004). A wind-based qua/itative calibration of the Hargreaves ETo estimation equation in semiarid regions. Agricultura/ Water Management, 64, 251-264.
Olmsted, 1., J . A. González-lturbe, J. Granados, R. Durán y F. Tun (1999). "Vegetación" . En: Atlas de Procesos territoriales en Yucatán. García de Fuentes, A., J . Córdoba y Ordóñez y P. Chico Ponce de León {eds). Universidad Autónoma de Yucatán. Mérida, Yucatán. pp. 282-293.
Orellana, R., M. Balam, l. Bañuelos, E. García, J. González-lturbe, F. Herrera y J. Vidal {1999). "Evaluación climática". En: Atlas de Procesos Territoriales en Yucatán. García de Fuentes A., J. Córdoba y Ordoñez, y P. A. Chico Ponce de León {eds) UADY. Mérida, Yucatán, México. 1999. pp: 163-177.
SAGARPA {2004). Anuario estadístico de la producción agrícola. Secretaría de Agricultura, Ganadería, Desarrollo Rural , Pesca y Alimentación. Disponible en: http://www.siap.sagarpa.gob.mx
Thornthwaite, C.W. (1948). An approach toward a rational classification of climate. Geogrphy Review, 38, 55-94.
White, D. , G. Lubulwa y K. Menz (2001) Agroclimatic classification Systems for estimating the global distribution of livestock numbers and commodities, Environment lnternational , 27, 181-187.
83
84
Capítulo IV
Quality of groundwater for irrigation in tropical karst environment: the case of Yucatan, México4
ABSTRACT
The Yucatan península is the largest reserve of water in Mexico. lt is generally believed that the groundwater is of good quality. However, in the state of Yucatán, the agricultura! quality of groundwater has been poorly studied. The aims were to identify and characterize zones with distinctive groundwater qualities for agricultura! use in Yucatan, Mexico. Water samples were collected at 113 supply wells. The concentrations of Ca2+, Mg2+, Na+, K+, HC03-, so/-. N03-, Cl" and the electric conductivity (EC) values were determined. Sodium adsorption ratio (SAR). potential salinity (PS) and effective salinity (ES) indexes were calculated. A geostatistical analyses by kriging interpolation was performed. The Na+, EC, cr, SO/", and Ca2+ parameters, as well as the ES, PS and SAR indexes were selected in accordance to the r2 coefficient and RMSE (root mean square error) criteria in arder to make maps. Six zones were identified: 1) Zone 1, the water quality was not recommended by EC and ES; 2) Zone 11, the water quality was not recommended by EC, chlorides, PS and ES; 3) Zone 111, the water quality was not recommended by EC and ES; 4) Zone IV, the water quality was conditional by ES, but not recommended by EC; the values of chlorides classified as slight to moderate and PS as conditional and good; 5) Zone V, the water quality was not recommended by EC+SAR, slight to moderate by Chlorides, conditional by PS and ES; 6) Zone VI, the water quality was classified as C3S1, the values of chlorides, PS and ES classified as good. This information will be relevant in decision-making for the government's agricultura! and environmental planning.
Keywords: Karstic aquifer, salinity, sodium content, geostatistics, kriging, se m ivariogram.
4 Delgado C. C., Pacheco A J., Cabrera S. A , Batllori S. E, Bautista Z. F y Orellana R. Agricultura! quality ofkarstic underground water: the case ofYucatan, Mexico. Agricultura/ Water Management. Enviado 12 de enero de 2009
85
INTRODUCTION
In regions with karstic landscapes, as the Yucatan Península (Mexico), superficial bodies of water and running water are scarce or absent. Because of this, groundwater is the main source for human consumption, industrial and agricultura! activities (Doehring & Butler, 1974; Escolero et al. , 2000; Escolero et al., 2002; Perry et al., 2002; Perry et al., 2009). In Yucatán, the agriculture of slash and burn, cover a big surface, but the modern agriculture (irrigation, chemical fertilizers and pesticides) is beginning to developed in the south and the east of Yucatan and will require water for irrigation, specially in areas where rainfall regimes are shorter than 4 months or have very long drought periods (FAO, 1996).
A large amount of karstic zones present a considerable spatial heterogeneity in soil groups, such as Leptosol and Cambisol that domínate the landscape; however, these are very shallow soils with low regeneration capabilities in response to human activities (Bautista et al., 2003; Bautista et al., 2005). An important synergy has been observed between water quality, soil heterogeneity and human intervention in areas destined to agricultura! use. Karstic areas in Yucatan are characterized as very permeable and thus, highly susceptible to aquifer contamination (Doehring & Butler, 1974; Marín & Perry, 1994; Pacheco & Cabrera, 1996; Pacheco et al. , 2000; Escolero et al., 2002). Based on the fact that deforestation and overgrazing are the main factors causing land degradation (Bot et al. , 2000), agricultura! management of soils and water becomes essential in order to achieve a more effective conservation of both natural resources, and thus, of the entire managed system.
In the state of Yucatan (Mexico), severa! studies have been conducted to evaluate groundwater quality, examples of which are: research from an hydrogeological standpoint (Perry et al., 2002; Marín et al. , 2004; Perry et al., 2009); human health hazards studying nitrate concentration, fecal and total bacteria! content (Pacheco et al., 2000; Escolero et al., 2002); flux direction, water permeability, and hazards of saline intrusion from the sea (Marín , 1995; Marín & Perry, 1994; Steinich & Marín, 1997; Escolero et al. , 2000; Escolero et al., 2002); and contamination due to municipal , industrial and agricultura! residues (Pacheco & Cabrera, 1996; Marín et al., 2000). Nevertheless, studies focused on the distribution of groundwater quality from an agricultura! perspective are scarce. Furthermore, spatial analyses of these resources have not yet been conducted in Yucatan and their implementation would lead to a better use of water and to a decrease of soil degradation hazard.
The characteristics of the rocks in contact with groundwater are of great interest for the spatial analysis of groundwater quality, as they influence to a great extent the quality of the aquifer. However, the available
86
maps of the geology and lithology of Yucatan does not have enough resolution for certain applications (lsphording, 1975). Thus, there exists a necessity to develop maps with higher resolution for planning agricultura! purposes. On the other hand, geostatistics is a methodological tool that allows for the analyses and prediction of the values of continuous variables that are distributed in space or time (lsaaks & Srivastava, 1989; Webster & Oliver, 1990); therefore, such an approach could substitute, or compensate, for the lack of resolution in the current maps (Burrough, 2001) thus making possible the spatial analysis of groundwater quality.
In order to foresee and achieve the modernization process of agricultura! activities in the state of Yucatan, which would necessarily involve an irrigation alternative, it is essential to evaluate the current state of water quality (Ayers & Wescot, 1994; Richards, 1954; Castellanos et al., 2002).
Seasonal agriculture has so far had a very low productivity, and in severa! regions, it barely provides enough produce for subsistence. The evaluation of water quality represents a fundamental aspect in order to implement landscape management projects at state level (some of which are already begining to be developed). The present study, considers chemical parameters that explain variations in water salinity and hardness because both conditions are important limiting factors for crops that are commonly grown in the region, such as maize, beans, grasslands, fruit trees (mainly citruses) and other produces for human consumption.
The main purpose of the current study was to identify and characterize zones in the state of Yucatan with distinctive groundwater qualities for agricultura! use, based on the geostatistical validation of agricultura! parameters.
MATERIALS ANO METHODS
AREA OF STUDY
The state of Yucatan is located in the north of the Yucatan Peninsula, southeast Mexico. Yucatan is limited, to the southwest, by the state of Campeche and the Gulf of Mexico, by the Yucatan channel to the north, and by the state of Quintana Roo to the east. The geological formations in the state of Yucatan are made up of limestones from the Tertiary period, which are distributed in a sequence from the earlier in the north (Piiocene-Miocene) to the older in the south (Eocene) (Figure 28). The main soil groups in the southern portion of the state of Yucatan are Cambisol, Luvisol, Vertisol and Leptosol, overlaid by sediments of the Pliocene epoch that constitute karstic plains and hills, made mainly of Cambisols and Leptosols. The coastal zone is constituted by plains of sediments from the Quaternary period, mainly with Arenosols, Solonchaks,
87
Gleysols and Histosols (from the Pleistocene and Holocene epochs) (Lugo & García, 1999; Bautista et al., 2007).
21 °0'0"N 0 0'0"N
'N --, . o 40 80 160 Kilo meters
Q, Recen! CJPiiocene-Miocene - Eocene
• Sampli ng V\ell s - Fractures - Sinkholes, Cenote ring
Figure. 28. Geographicallocation of sampling wells and geology of Yucatan .
Yucatan is characterized by "warm" and "very warm climate", and there is a gradient of average annual precipitation ranging from 200-400 mm in the northwest to 1 000-1200 mm in the southeast (Bautista et al. , 2009; SE DUMA, 201 O) (Fig . 2). The cl imate in Yucatan , based on Koppen's classification modified by García (2004), is of the following subtypes: BS0 wh, corresponding to the driest of the semiarid climates with summer rains; BS1x'(w)h , the least dry of the warm semiarid climates, without a definite rainy season (irregular) ; Aw0 , the driest of the sub humid, warm and very warm climates with summer rains; and Aw1, with an intermediate humidity among the warm sub humid climates with summer rains (Orellana et al.,
88
2009). Considering the climate of the region is important because the water supply of the aquifer comes from the rainfall ; however, the main aquifer recharges enter from the wettest zones in the southern portion of the Yucatan Peninsula, with over 1200 mm of annual precipitation, beyond the limits of the state of Yucatan. The distribution of the vegetation is a consequence of the climatic zones and of the rainfall regime. The types of vegetation present in Yucatan are: coastal dune scrub, mangrove swamp, thorn forest, deciduous seasonal forest (most common type) , savannah, semi-evergreen seasonal forest and, in a small extension, evergreen seasonal forest.
OO"'"O'W 89"0'0"'W 88"0"0'W
22"0'0"N
21"0"0"N 21"0'0"N
N
-{--20"0'0"N 20"0"0"N
o 35 70
SIJ"O'O"W 89"0'0'W 88"0'0'W
• 200-400 D 4oo-ooo ooo-1ooo D 1ooo-2ooo
Figure 29. More frequent rainfa/1 (mode in mm)
CHEMICAL ANAL YSES
One hundred thirteen water samples were collected at supply wells; the deep sampling was to 20 m below the water table. Each sample point corresponds to a municipality in the state of Yucatan. Samplings took place during July to November of 2003. Before each sampling event, 1 L and two news polyethylene bottles of 250 ml were rinsed with distilled water and used for groundwater samples collection. A global positioning system receiver (GPS) was used to locate each of the sampled wells, locations that
89
were recorded in Universal Transversal Mercator units {UTM) with the Datum WGS84 (Figure 28).
The 1 L bottle samples were for chemical analysis of cations and anions except sodium, potassium and nitrates; one of bottles of 250 mL was used for sodium and potassium after filtering through 0.45 mm Millipore filters and the other 250 mL bottle was for nitrate sample which was acidified to pH<2.0 using concentrated sulphuric acid.
The field determinations were: electrical conductivity was measure with HACH analyzer (model HQ), and the alkalinity, expressed as bicarbonate, was quantified with a digital auto-titrator with 1.6 N H2S04, and Bromocresol Green-Methyl Red lndicator Powder. In the laboratory, the parameters were determined following the standard protocols (APHA, AWWA, WEF, 1998). Sodium and potassium were determined by atomic absorption spectrometry (Perkin Elmer model AAnalist 400b); calcium and magnesium through the total and calcium hardness determinations using EDTA Titrimetric method. The anions such as sulphate and nitrate were analyzed by Spectrophotometric method and chloride by Argentometric method. The analytical data quality was ensured through careful standarization, procedural blank measurements and duplicate samples.
The quality control of the results from the analytic ion determinations was performed through the ionic balance equation, tolerating a maximum error value of 5%.
GROUNDWATER AGRICULTURAL QUALITY
Water quality indexes are intended as a simple, readily understandable tool for managers and decision makers to transmit information on the quality and potential uses of a given water body, based on various criteria (Sedeño-Díaz & López-Lopez, 2007) were used EC, SAR, RSC, PS and ES because these indexes are of very common use in agronomy.
Electric conductivity (EC) is an indirect measurement of the content of dissolved salts in the water. The total concentration of soluble salts is expressed in dS m-1 at 25° C. Based on the EC values, water for agricultura! purposes was classified as: C1) low salinity (O - 0.250 dS m·\ can be used in most crops and soil types, with a low hazard of salinization; C2) medium salinity (0.250 - 0.750 dS m·\ can be used moderately for crops that are moderately salt tolerant; C3) high salinity (0.750 - 2.250 dS m·\ cannot be used in areas with deficient drainage, making necessary to select crops that are considerably tolerant to salts, even under good drainage conditions; and C4) very high salinity {>2.250 dS m·\ not appropriate for irrigation of common crops but can be used based on a previous selection of crops in
90
highly permeable, well drained soils (Palacios & Aceves, 1970; Richards, 1954).
The sodium adsorption ratio (SAR) takes into account the relative concentration of sodium in relation to the concentrations of calcium and magnesium .
SAR = Na+/[(Mg2++Ca2+)/2]112•
Water quality based on SAR can be classified in four classes: S1) low (O - 1 0), can be used in most soils that have low possibilities of reaching elevated concentrations of exchangeable sodium; S2) medium (10 -18), can represent a problem when rinsing is not possible, as well as in fine-texture soils that do not contain gypsum and have an elevated cation exchange capacity; S3) high (18 - 26), irrigated soils can reach the limit of toxicity for exchangeable sodium, and thus, good drainage, intense rinsing, and the addition of organic matter become necessary (in soils with high gypsum content the hazard is lower); S4) very high (>26), soils inadequate for irrigation, except under conditions of low or medium salinity, or using gypsum as soil amendment. The values based on this classification differ to sorne extent from those based on EC, thus, 16 categories have been defined based on the combination of EC and hazard of sodium increase. Water was characterized in accordance to the diagram for the classification of irrigation waters based on EC and SAR values (Richards, 1954).
When the EC value was greater than 0.250 dS m·1, we used the potential salinity (PS) and effective salinity (ES) indexes (Palacios & Aceves, 1970).
The potential salinity (PS) index estimates the hazard of high salt concentrations due to cr and so/-, which can increase the osmotic potential of the soil solution when the usable humidity in the soil is lower than 50%. Water based on this index can be classified in three types: good (<3 mmolc L-\ conditional (3 - 15 mmolc L-1) and not recommended (>15 mmolc L-1).
PS = cr + Yz so/-The index of effective salinity (ES) provides a more accurate
estimation of the hazard of increase in osmotic pressure in the soil solution, when carbonate and bicarbonate are high. Under this situation, calcium and magnesium carbonates and calcium sulfate precipitate, thus ceasing to participate in the osmotic pressure elevation in the solution. Calculations are as follows:
lf Ca2+> (C032-+HC03-+S042
-) ,
91
then: ES= I: cations * - (COt+ HC03- + SO/")
then: ES= I: cations*- Ca2+
then: ES = I: cations*- (cot + HC03-)
then: ES = I: cations*- (Ca2+ + Mg2+)
*When the cation sum is less than the anion sum, then this formula should be applied.
The ES index classifies water in the same categories as does the PS index.
Chlorides can be a toxic element for plants (e.g., fruit trees) even in low quantities. Water toxicity due to chloride can be classified as: WR = without restriction (<4 mmol L-\ S-M = slight to moderate (4 - 9 mmol L"\ and S= severe (>9 mmol L"1)(Ayers & Wescot, 1994).
Sulfates in the water used for irrigation precipitate with the calcium in the soil , causing an increase in the relative concentrations of sodium, potassium and magnesium; which also ends up increasing the sodicity (Ayers & Wescot, 1994; Richards, 1954).
GEOEST ATISTICAL ANAL YSIS
A georeferenced data matrix based on salinity and sodium indexes and ion concentrations was constructed. Subsequently a geostatistical analysis using kriging interpolation was performed with the Gamma Design Software (GS+, 2006), following the sequence
1) An exploratory data analysis was carried out; the aim was analyzing the data samples of each one of the measured parameters and verifies the consistency of the values. The exploratory analysis consisted of: a) to make a statistical summary of the data (number of data, average, median, standard deviation, minimum and maximum values, lower and upper quartile) which allowed to detect atypical values; b) the distributions of the data were identified by means of frequency histograms, skewness and kurtosis, for example, the Na+ and so/- ions values were transformad with lognormal and N03- and K+ were transformad with Lognormal +1 because
92
the values were <1 ; and e) detection of mistakes of location of samples (GS+, 2006).
2) Spatial autocorrelation, consisting in the measuring of the similarity of a variable within a given area, which describes spatial continuity based on experimental semivariograms. The experimental semivariogram, defined as the arithmetic mean of all the squares of the differences between pairs of experimental values separated by a determined distance, is represented by:
l N(h)
y(h) = 2
N(h) fr (Z(xJ- Z(xi + h)}2
Where:
N(h) is the number of pairs separated by a distance h.
h is the distance between pairs .
Z(xJ and Z(x;+h) are the values of the variable in the points X; and x;+h.
X; are the georeferenced positions where the z(x;) values were measured.
The structural parameters of the semivariogram describing the model are: the nugget (C0 ) effect, which indicates the value from the ordinate point to the origin or the discontinuity in the origin (i.e., it is the variance due to randomness, sampling error and/or error in analytic determinations); the sill (C0 +C), which indicates the asymptote of the curve where the structural variance reaches its maximum values, because it remains constant; finally, the range indicates the distance value at which the maximum variance is reached, which defines the area of influence of the autocorrelation. The theoretical model which best adjusts to the experimental semivariogram is that with the lowest value of residual sum of square (RSS), and the largest determination coefficient (~) . Because of the number of samples used in this study was of 113, the most appropriate semivariogram was the isotropic semivariogram; anisotropic semivariograms require a much larger sample size (lsaacks & Srivastava, 1989; Webster & Oliver, 1990).
3) The estimation of the data was done using the kriging interpolation, which is a technique that provides the best unbiased linear estimator as well asan estimation error known as the kriging variance, which depends on the correlation structure chosen based on the theoretical model and on the locations of the original data. The interpolation attributes a weight to each observed value while considering the geometric characteristics of the data. By minimizing the estimation variance, the optimal use of the
93
available information is guaranteed (lsaacks & Srivastava, 1989; Webster & Oliver, 1990).
The accuracy of estimates was achieved through the use of the r2
coefficient and the RMSE between measured and estimated agricultura! water quality values The RMSE provides a measure of the error size that it is sensitive to outliers in the estimates. These statistics provide a comprehensive approach for the evaluation of kriging interpolations (Hernández-Stefanoni & Ponce-Hernández, 2006), in arder to select the best ions and agricultura! indexes for mapping the spatial variability of agricultura! groundwater quality.
The maps were edited with ArcGIS 9 software (ESRI, 2004). The map of the ES was selected to define the regions according to the agricultura! quality of the groundwater.
RESUL TS ANO DISCUSSION
CHEMICAL CHARACTERIZATION OF SAMPLES
The 71% of the water samples had electrical conductivity val u es between 0.5 and 1.5 dS m·1, 16% of the samples had values between 1.5 and 2 dS m·1
, and only 13% of the samples had values above 2 dS m·1• The
83% of the water samples had SAR values lower than 4 (S1 classification) and 17% of the samples had values higher 4 {S2 classification) (Fipure 30). Thirty-nine water samples had chloride values lower than 4 mmol L- (without agricultura! restriction); 55 water samples had chloride values between 4 and 9 mmol L-1 (slight to moderate agricultura! restrictions) and 20 water samples had chloride values higher than 9 mmol L-1 (severe agricultura! restrictions).
94
o 0: es N 4 J: ~
'J <t ::.:: ..J <t
:!E :::> o ~
' '::J: \:1 ~
' :i.
2 :::¡ Q N ... :1
31: ' o -..J
·C9.- S4
C3-S4
· ~ .... a. a: o (/)
o ·C 1
' 2 :> o
C2 - S2 o · (/)
(E:; x to'l AT zs• e
3 4
MEO tUM, HI G H VCRY HI G H
Figure 30. Groundwater qua/ity based on hazard of sodicity and sa/inity
The ions and indexes with standard deviation values higher than 1 were sod ium, chloride, SAR, PS and ES; the other ions had standard deviation values lower than 1 {Table 6).
95
Table 6. Descriptive statistic of ions, electrical conductivity and indexes of groundwater
Unit M Med M in Max SD S K CE dSm· 1.42 1.23 0.51 3.21 0.6 1.53 1.92 Ca2+ mmol L-1
2.75 2.75 1.00 5.07 0.8 0.56 0.72 Mg2+ mmol L-1
1.55 1.39 0.52 3.89 0.6 1.30 2.12 Na+ mmol L-1
5.75 4.53 1.42 18.08 3.8 1.67 2.21 K+ mmol L-1
0.16 0.16 0.05 0.46 0.0 2.46 12.75 HC03- mmol L-1
6.39 6.40 4.08 8.29 0.8 0.00 0.88 sot mmol L-1
0.74 0.28 0.06 6.71 1.1 3.07 10.69 Cl" mmol L-1
5.92 4.72 1.48 18.75 3.9 1.70 2.39 No3· mmoiL-1
0.37 0.26 0.04 1.55 0.3 1.80 3.68 SAR 2.69 2.26 0.76 6.90 1.4 1.35 1.33 PS mmolc L-1
6.66 5.11 1.58 22.65 4.6 1.75 2.62 ES mmolcL-1
8.13 6.32 2.82 24.44 5.1 1.65 1.98 EC- Electric conductivity (dS m·' ); ES- Effective Salinity; SAR = Sodium adsorption ratio; PS = Potential salinity; S = Skewness; K = Kurtosis; Min ==minimum; Max = Maximum; M = Mean; Med = Median; ST = Standard deviation
SPATIAL ANAL YSIS
The ion concentrations were represented by semivariograms with spherical and exponential models with r2 ranging from 0.68 to 0.99. The structural variance [C/(C0 +C)* 1 00] had val u es ranging from 64.9% to 100% {Table 7, Figures 31 , 32). In general , the nugget variance values were small in relation to the structural variance {Table 7), indicating that the number of sampling points were satisfactory for analyzing spatial distribution of the ions and indexes. Bicarbonates had nugget variance a value of 34%. The minar adjustments to the models were in potassium and nitrate, but the adjustment values are acceptable. In other words, the spatial distribution models for carbonates not fit properly; it will be needed-increase the number of sampling points to achieve a better spatial distribution model.
The agricultura! indexes were explained by spherical models with ~ ranging from 0.97 to 0.99. The structural variance had values ranging from 88.1% to 100% (Table 7).
96
Table 7. Characteristics of semivariogram models
lons, EC Model Nugget Total Range Relative Model and variance variance structural ~ indexes variance
(%)
ES Spherical 0.1 36.97 1.36 99.7 0.99
SAR Spherical 0.33 2.78 1.37 88.1 0.99
Ca2+ Spherical 0.506 2.81 0.74 82.0 0.99
cr Spherical 0.11 18.99 1.16 99.4 0.98
PS Spherical 0.01 27.85 1.20 100 0.97
EC Spherical 0.03 0.50 1.71 94.0 0.97
sol Spherical 0.001 0.51 1.63 99.8 0.96
Mg2+ Spherical 0.35 2.20 1.43 84.3 0.95
Na+ Spherical 0.05 0.54 1.9 90.0 0.94
HC03- Spherical 0.25 0.72 1.94 64.9 0.81
N03- Spherical 0.00001 0.028 0.14 100 0.80
K+ Exponential 1.1E- 9.6E- 0.29 99.0 0.68 005 004
EC = Electric conductivity (dS m·\ ES= Effective Salinity; SAR = Sodium adsorption ratio
The spatial variation described by the semivariogram models recognized a spatial structure for each of the agricultura! water parameters and indexes. Spherical and exponential models were found to fit well to the experimental semivariograms, and explain the spatial autocorrelation present in the agricultura! water quality variables (Figures 31 and 32).
The crossed validation of the interpolations indicated that ions had r2
coefficients between measured and estimated ion values ranging from 0.22 to 0.74 and RMSE ranging from 0.01 to 4.1 (Table 8}. The crossed validation of the interpolations indicated that agricultura! indexes had acceptable estimations with values of r2 coefficients between measured and estimated indexes val u es ranging from 0.63 to O. 7 4 and RMSE ranging from 0.15 to 1.48.
97
19.3
"' g 14.5 -~ .. .2: E "l
"' 0.541
~ 0.406 -~ -~ 0.270
Chlorides
0.47 0.93 1.40
Separation Distance (h)
o
Sulfates o
o
~ 0.135
0.000"-------0.00 0.73 1.47 2.20
0.602 ., ~ 0.452
·~ .~ 0.301 E "l 0.151
Separation Distance (h)
Sodium
0 .000'-------~--
0 .00 0.70 1.40 2.10
Separation Distance (h)
2.30
"' ~ 1.73 .. ·e: .~ 1.15 ~ U) 0.58
Magnesium o o
o
o
0.00'----------0.00 0.63 1.27 1.90
Separation Distance (h)
Calcium 2.88
~ e: 2.16 -~ ·~ 1.44
"l 0 .72
0 .00'--------0.00 0.43 0.87 1.30
0.791
"' ~ 0.593 .. ·e: .~ 0.396 ~
(J) 0 .198
Separation Distance (h)
Bicarbonates 0 oo
o
O.OOOl--------0.00 o. 76 1.51 2.27
Separation Distance (h)
Figure 31. Theoretical and experimental semivariograms for Chlorides, Magnesium, Sulfates, Calcium, Sodium and Bicarbonates in groundwater.
The EC, Cl", and Na+, parameters, as well as the ES, PS and SAR indexes were selected in accordance to the r2 coefficient (> 0.6) and RMSE (< 5) criteria (Table 8) in order to make maps (Figures 33 , 34). Values of r2
between 6 and 5 could be acceptable with restrictions as the cases of S04 2
-
and Ca2+. The maps of Mg2+, HC03-, K+ and N03- ions are not good (Table 8) (Kang et al., 2006) . Hernández-Stefanoni & Ponce-Hernández (2006) recommend selecting the maps with RMSE lower than 5.2. However, in all cases of this study, the ions and indexes of groundwater values had RMSE lower than 2. 7 4.
98
Potassium ,,,E-03L 4>
8.47BE-04 o oo 0 ...
e .. 't: .. 5.652E-04 .O!: E 4>
2.826E-04 V>
O.OOOE+OO 0.00 0.38 0.77 1.15
Separation Distance (h)
SAR 2.79
4> u 2.09 e
"' ·e
"' 1.40 .O!: E .,
0.70 V>
0.00 0.00 0.48 0.97 1.45
Separation Distance (h}
Effective Salinity 37.0
4>
g 27.7 ... ' t: ... .0!: E Jl
0.47 0.93 1.40
Separation Distance (h)
0.0299 4>
~ 0.0224 ·e: .~ 0.0149 E ~ 0.0075
Nitra tes
0.0000'-------0.00 0.20 0.40 0.60
"' u e:: "' ·e::
"' ,;;: E "!
"'
0.519
30.8
g 23.1 -~ "' -~ E "' (1.1
Separation Distance (h)
Electrical Conductivity
0.67 1.33 2.00
Separation Distance (h}
Potential Salinity o
o o
0.50 1.00 1.50
Separation Distance (h}
Figure 32. Theoretical and experimental semivariograms for Potassium, Nitrates, SAR, Electrical Conductivity, Effective Salinity and Potentia/ Salinity in groundwater.
The r2 indicates the percentage of the variation explained with the model, that is to say, the r2 indicates as a dependent variable (y) is explained by the independent variable (X) (estimated vs measured). The ~ is used for evaluating the precision of the estimations because it incorporates the systematic error. The RMSE is a measure both the systematic and random error between the estimated and measured data.
99
Table 8. Parameters of cross validation between measured and estimated val u es.
lons, EC and indexes RMSE
ES 0.74 2.61 Na+ 0.71 2.08 PS 0.65 2.74 SAR 0.63 0.87 EC 0.63 0.34 Cl" 0.62 2.4 SO/- 0.52 1.55
;:!+ Ca 0.51 1.09 Mg;~+ 0.32 1.03 HC03- 0.30 0.59 K+ 0.25 0.03 N03- 0.22 0.26
ES = effective Salinity; SAR = Sodium adsorption ratio; PS = Potential salinity; EC = Electric conductivity; RMSE = root mean square error coefficient
SPATIAL DISTRIBUTION OF GROUNDWATER AGRICUL TURAL QUALITY
The map of ES was selected for identified the zones of different agricultura! quality on groundwater because the ES had the best indicators in geostatistical spatial analysis, and because it includes, spatially, to other indexes and ions.
100
Figure 33. Maps of ions in groundwater
In the zone 1 and zone 111 , the number of samples is low, but the interpolation models are very good, for this reason , the map to state of Yucatan scale is good. However, for irrigation plans; a more detailed study with a more intensive sampling is necessary in each zone.
101
Figure 34. Maps of e/ectrical conductivity and indexes in groundwater
COASTAL ZONE.
In he map of the zones of different agricultura! quality of groundwater is important separate the coastal zone because is not adequate to agricultura! irrigation by two important reasons (Figure 35): a) the groundwater is shallow and intermittent; and b) the soils can be shallow (Leptosol) or sandy (Arenosols) or saline (Solonchaks) or flooded (Gieysols and Histosols). However, the coastal zone is very important in biological conservation, and in conservation of the ecological services as well as on tourism. The coastal zone occupied 588 km2 and corresponds to 16% of State of Yucatán.
102
90"0'0'W
21.0'0"N
20"0'0"N
o 35 70
go·o'O"W
89"0'0"W
140 Kilometers
89"0'0"W
Groundwater Zones
1
- 11 - 111 O IV D v 0 'v1
BB"''O'W
: . l
Jo: .. L_)
aa•o'O'W
Coastal Area
- Land
- Sea and lagoon
22"0'0"N
21"0'0"N
20"0'0"N
Figure 35. Zones with different agricultura! quality of groundwater
ZONEI
1) Zone 1, the water quality was not recommended by EC and ES. The range of chlorides was of 4 to 18 mmol L-1 (Figure 33a). The range of PS was of 6 to 22 mmolc L-1 (Fig. 34d). The sulfates concentration was of O to 2.5 mmol L-1 (Table 9, Figure 33c) . The Zone 1 cover 274 km2 and correspond to 7.4% of State of Yucatán.
The agricultura! use of groundwater is of hazard of toxicity for plants by chlorides and salinity (Richards, 1954).
The effect on soils could vary; for example, in Arenosols the sodicity effect can be low because: the soil structure is of simple grain, these soils have a low cation exchange capacity due to the sand content being above a 90%, and the sand particles are principally of calcium carbonate. However, Leptosols and Cambisols are susceptible of degradation by sodicity because
103
the sodium can dissolve the organic matter and after, the organic matter can be leaching.
On these soil groups farmers practice slash-and-burn agriculture and they are also used for establishing extensive grasslands for livestock grazing.
Nevertheless, in recent years the agricultura! land use has been intensive (Palacio et al. , 2000} so that it is possible that high levels of pumping water for use in irrigating g,rasslands, corn and orange trees in the northeastern can contribute to saline intrusion (Figure 35}.
ZONE 11
2) Zone 11 (Figure 35}, the water quality was not recommended by EC, chlorides, PS and ES {Table 9, Figure 34b). The water had the high hazard of toxicity for plants because high values of chlorides and salts. The range of sulfates concentration was O to 5 mmol L-1 (Figure 33c). For all these reasons, the water quality of the northwestern zone is classified as not recommended for agricultura! use. The Zone 11 covers 399 km 2 and corresponds to 10.8% of State of Yucatán.
In the northern part of zone 11, the main focus was the sisal crop under rainfed conditions, but in recent years the cultivation of orange trees under irrigation was prometed. In these circumstances it is necessary to monitoring the soil quality, groundwater quality and crop production to assess whether th is land use is appropriate.
In the southern part of zone 11 , the hazard of soil salinization will be higher and faster in Luvisols and Nitisols than in Cambisols and Leptosols. This area can be used in rainfed agricultura! projects because the Cambisols and Humic and Rendzic Leptosols are fertile and have good drainage; the rain period is more of five months by year with 800 to 1000 mm per year (Figure29). However, the agricultura! use of the groundwater should be making carefully and is only recommended by salt tolerant species. Also soil salinity should be monitoring .
ZONE 111
3) Zone 111 , the water quality was not recommended by EC and ES (Figure 35, Table 9) (Richards, 1954; Palacios & Aceves, 1970}. The values of chlorides were of 4 to 18 mmol L-1 ~Figure 33a and Table 9} and sulfates concentration was of 2.6 to 7 mmol L- (Fig. 33c and Table 9). The Zone 111 covers 320.8 km2 and corresponds to 8. 7% of S tate of Yucatán.
104
Table 9. Zones of groundwater agricultura! quality based on hazard of toxicity, salinity and sodicity
Para meter 1 11 111 IV V VI er 4-9 = 10-18 = 4-9 = 4-9 = 4-9 = <4 = (mmol L"1) S-M S S-M S-M S-M WR
10-8 = 10-18 = S S
PS 6-4 = 15-22 = 6-14 = 1-5 = 6-14 = 1-5 = (mmolc L"1) e N e G e G
15-22 = 15-22 =N 6-14 = N e
ES 15-24 = 15-24 = 15-24 =N 6-14 = 6-14 = 2-5 = (mmolc L-1} N N e e G SO/-(mmol L"11)
0-2.5 0-2.5 2.5-5 0-2.5 0-2.5 0-2.5
2.6-5 5.1-7 SAR 3-6.9 3-6.9 3-6.9 0.76-2 0.76-2 0.76-2
3-6.9 3-6.9 E e 0.75-2.2 2.2-3.2 0.75-2.2 0.75-2.2 0.75- 0.75-dS m-1 2.2 2.2
2.2-3.2 2.25-3.2 Ee +SAR e3S1 e4s2 e3S1 e3S1 e3s1 e3s1
e4s2 e4s2 e3s2 e3S2 . . .. WR - W1thout restnct1on; S-M = Sllght to moderate; S - Severe; G - Good; C - Cond1bonal; N = Not recommended; ES = effective Salinity; SAR = Sodium adsorption ratio; PS = Potential salinity; EC = Electric conductivity
105
Particularly in this zone, the water had the higher values of sulfates. The presence of sulfates, probably from the evaporite layer (Perry et al., 2002), could result in a further increase in sodium sulfates, considering their capacity to precipitate calcium and magnesium. The excessive use of this water for agriculture purposes could have an effect on: 1) soil structure and hydraulic conductivity, and 2) the formation of sub-superficial horizons with gypsum and problems for root growth (Szabolcs, 1989).
go·o·ow 89"0'0"W 88"0'0'W
22"0U"N
21•0'0"N 21"0U"N
2o·o·o·N N
,L 20"0U"N
•• • - 1 . _ , o 35 70 140 Kilometers
19"0U"N
oo•ou·w sg•ouw ss•ou·w
- Grassland - Com Orange trees
Figure 36. lrrigated crops on Yucatan
In this zone are the best soils for agricultura! activities, such as Vertisol, Luvisol, and Cambisol (Bautista et al. , 2007). Considering the soil properties and all soil profiles, it is possible to assume that the hazard of sodicity and salinity will agree with the sequence: Vertisol> Luvisol > Cambisol by the type and amount of clay.
In the south the agricultura! activities have increased, principally of fruit trees and pastures (Wyman et al. , 2007) but with irrigation occasional due to climate with more rain precipitation than evapotranspiration with more of seven months of rain and 800 to 1200 mm per year. For this reason the hazard of salinization of the soils is low. However is important consider to chlorides are toxic to orange trees. The opposite case appears in the
106
irrigation crops (horticultura! and maize) in Vertisols where the hazard of salinization and sodicity of soils are higher as indicate the calculated indexes in the maps (Figure 34).
ZONE IV
4) Zone IV, the water quality was not recommended by SAR + EC; conditional by ES (Figure 34c) and slight to moderate by chlorides (Figure 33a); the values of PS classified as conditional and good (Figure 34d, Table 9). The sulfates concentration was of O to 2.5 mmol L-1 (Figure 33c). The Zone IV covers 961 .6 km2 and corresponds to 26.1% of State of Yucatán.
Leptosols and Cambisols are the soils of majar extension in inland part (Bautista et al. , 2007), both have good drainage and with a long of rain period of 6 to 8 months and 800 to 1200 mm per year (Figure 29), for these reasons the soil salinization is nota danger but in the future, the soils can be degradad by dissolve and loss of organic matter for leaching caused by sodium and, indirectly, by sulfates.
ZONEV
5) Zone V, the water quality was classified as not recommended by EC + SAR, slight to moderate by Chlorides (Figure 33a) and conditional by PS and ES (Figure 34c and d, Table 9) The sulfates (Figure 33c) , and SAR values were of O to 2.5 m mol L-1, and O. 76 to 6.9 , respectively (Figure 34a). The Zone V covers 671 km2 and· corresponds to 18.2% of S tate of Yucatán.
In the southern part of zone V, the hazard of soil sodification and soil salinization is high in Vertisols, Gleysols and Luvisols. In the center part, the predominant soils are Leptosol and Cambisol, both, with very good drainage and saturated with calcium. In the north part, the Lithic Leptosols are not used in irrigated agricultura (Bautista et al. , 2007).
ZONEVI
6) Zone VI , the water quality was classified as good for agricultura! use by chlorides, PS and ES (Figure 33a, Figure 34c and d, Table 9). These values were the lowest in comparison with the 1, 11 , 111, IV and V zones. The Zone VI covers 1056.8 km 2 and corresponds to 28.7% of S tate of Yucatán.
The water in this zone is classified as good for agricultura! uses. However, it is recommended the soil salinity monitoring.
The zone with the best agricultura! groundwater is also the zone of majar: urban population, industrial development, pig farms, and so is the zone of majar hazards of pollution with lead, chromium, cadmium , arsenic, copper, zinc, nitrates, pesticidas and fecal pathogens that put in hazard the human health (Pachaco & Cabrera, 1996; Pachaco & Cabrera, 1997;
107
Graniel et al., 1999; Marín et al. , 2000; Pacheco et al., 2000; Pacheco et al., 2001; Escolero et al. , 2002; Pérez & Pacheco, 2004; Pacheco et al., 2004).
HYDROLOGICAL ASPECTS
The unconfined karstic aquifer in the State of Yucatán is a freshwater lens float above denser saline water that penetrates more than 40 km inland. The transmissivity of the aquifer is very high and the hydraulic gradient is very low, ranging from 7-10 mm/km through most of the northern (Marín et al., 1990; Graniel, 2001 ). Water table is directly related to sea level ; it is less than 3 m above sea level to 100 km inland;
The principal flows of the groundwater show themselves in the figure 1 O. The ring of cenotes functions as zone of preferential flow that leads the groundwater up to the coast and golf of México. The fractures of the south -northwest functions as a barrier that turns aside the flows of the groundwater and that it them leads towards the northwest of the state of Yucatan, sulfates show this distribution, comes from the south to the coast. The aquifer system receives ions from two major natural sources, dissolution of minerals and mixing with the seawater intrusion (Marin et al., 1990; Graniel , 2001; González-Herrera et al., 2002; Perry et al., 2002).
108
20"0'0"N
90"0'0"W 89"D'O"W 88"0'0"W
-~--o 25 50 100 Kilometers
9CJ•O'O"W 89"0'0"W 88"0'0"W
More frequent Dlrectlon of flows Rainfall (mm)
0 1000-1200
800-1000
o 400-SOO
• 200-400
+-- Saline intrusion
-Fractures
..,_ Preferencial f lows
Figure 37. Map showing the principa/s flows of groundwater
21"D'O"N
20"0'D"N
Since the groundwater flow toward to coastal zone and Gulf of Mexico, is necessary a suitable managing of fertilizers and pesticides inland it will avoid the pollution of the coastal ecosystems.
CONCLUSIONS
The semivariogram for effective salinity, adjusted to a spherical model, was the one that better explained the spatial distribution of groundwater ions in Yucatan. Based on chemical properties and indexes of agricultura! use, the agricultura! quality of karstic groundwater in the sate of Yucatan is not recommended in the Zones 1, 11 , and 111 ; in the zones IV and V the water is considered as conditional ; and in the matrix zone (VI) , water use in agriculture is considered as good. This information will be relevant in decision-making for the government's agricultura! and environmental planning.
109
ACKNOWLEDGEMENTS
We thank to: David Palma, José Luis Hernández-Stefanoni, Willy Dierickx, Eugene Perry and two anonymous referees for important comments on the manuscript. Finally, we thank CONACyT and the State Government of Yucatan for their financia! support through the projects YUC-2003-C02-054; YUC-2006-COS-66159 and CONACYT 090315.
REFERENCES
AAPHA, AWWA, WPCF (1989). Standard methods for examination of water and wastewater. 17th Ed. American Public Health Association. Washington DC.
Ayers, R. S. y D. W. Wescott (1994). Water qua/ity for agricu/ture. FAO lrrigation and Drainage Paper 29. Rev. 1. Rome, ltaly.
Bautista, F., J. Jiménez, J. Navarro, A. Manu y R. Lozano (2003). Microrrelieve y color del suelo como propiedades de diagnóstico en Leptoso/es cársticos. Terra Latinoamericana, 21, 1-11 .
Bautista, F., S. Díaz-Garrido, M. Castillo y A. Zinck (2005). Spatial Heterogeneity of Soi/ Cover in the Yucatan Karst: Comparison of Mayan, WRB, and Numerical C/assifications. Eurasian Soil Sci, 38, S1 :S81-S88.
Bautista, F., Y. Aguilar, H. Rivas y R. Páez (2007). "Los suelos del estado de Yucatán ", en Importancia del binomio suelo materia orgánica en el desarrollo sustentable, Cabañas D. y M. Sánchez (eds). CEBAS-CSIC, UADY y Ministerio de Asuntos Exteriores y de Cooperación. Murcia. España. pp. 11-42.
Bot, A. J., F. O. Nachtergaele y A. Young (2000). Land resource potential and constraints at regional and country levels. FAO. Paper 90. Rome, ltaly.
Burrough, P. A. (2001 ). GIS and geostatistics: Essential partners for spatial analysis. Environmental and Ecologycal Statistics, 8, 361-377.
Castellanos, J. Z., A. Ortega, O. A. Grajeda, A. Vázquez, S. Villalobos, J. Muñoz, B. Zamudio, J. Gutiérrez, B. Hurtado, P. Vargas y S. Enríquez (2002). Changes in the qua/ity of groundwater for agricultura/ use in Guanajuato. Terra Latinoaméricana, 20(2), 161-170.
Doehring, D. O. y J. H. Butler (1974). Hydrogeo/ogic constraints on Yucatán's development. Science, 186(4164), 591-595.
Escolero, O. A. , L. E. Marín, B. Steinich y J. Pacheco (2000). Delimitation of a hydrogeo/ogica/ reserve for a city within a karstic aquifer: the Merida, Yucatan example. Landscape Urban Plan, 51, 53-62.
Escolero, 0., L. E. Marín, B. Steinich, J. Pacheco, A. Cabrera y J. Alcocer (2002). Development of a protection strategy of karst limestone aquifers: The Mérida Yucatan, Mexico case study. Water Resource Management, 16, 351-367.
110
ESRI (Environmental Systems Research lnstitute, lnc) (2004). ArcGIS 9. Getting Started with ArcGIS. ESRI. Redlands.
FAO (Food and Agriculture Organization of the United Nations) (1996). Agro-ecological zoning: Guidelines. FAO Soils Bulletin 73. Rome, ltaly. 78 p.
García, E. (2004). Modificaciones al sistema de clasificación climática de Koppen. Serie Libros 6. Instituto de Geografía, UNAM. México.
González-Herrera, R. , l. Sánchez-y-Pinto y J. Gamboa-Vargas (2002). Groundwater-flow modeling in the Yucatan karstic aquifer, Mexico. Hydrogeological Journal, 1 O, 539-552.
Graniel, C. E. (2001 ). Determinación de los coeficientes de dispersividad longitudinal y transversal en un medio cárstico y su relación con la conductividad hidráulica. Ph. D. tesis, Posgrado en Ciencias de la Tierra, UNAM, México.
Graniel , C. E. , L. B. Morris y J. J. Carrillo-Rivera (1999). Effects of urbanization on groundwater resources of Merida, Yucatan, Mexico. Environmental. Geology, 37(4), 303-312.
GS+ (Gamma Design Software) (2006). Geoestatistics for the Environmental Sciences. GS+ Users Guide. Versión 7. Plainwell, Michigan, USA.
Hernández-Stefanoni, J. L. y R. Ponce-Hernández (2006). Mapping the spatial variabílity of plant diversity in a tropical forest: comparison of spatial interpolation methods. Environmental Monitoring and Assessment, 117, 307-334.
lsaaks, E. H. y R. M. Srivastava (1989). An introduction to applied geoestadistics. Oxford Univer. Press. New York, USA.561 p.
lsphording, W. (1975). The physical geology of Yucatán. Transactions-Gulf coast association of geological societies, 25, 231-262.
Kang, M. S., S. W. Park, J. J. Lee y K. H. Yoo (2006). Applying SWAT for TMDL programs to a sma/1 watershed containing rice paddy fields . Agricultura! Water Management, 79, 72-92.
Lugo, J. y M. García (1999). "Geomorfología de la Península de Yucatán", en Atlas de Procesos territoriales en Yucatán, García de Fuentes A., J. Córdoba y Ordóñez y P. Chico Ponce de León (eds.). UADY, Yucatán, México, pp. 156-162.
Marín, L. (1995). Técnicas para la simulación numérica de acuíferos costeros con intrusión salina. Ingeniería Hidráulica Méxicana, X(2), 39-44.
Marín, L., E. L. Perry, E. C. Pope, K. O. Duller, C. E. Booth y C. J. Villasuso, (1990). "Hurricane Gilbert: its effects on the aquifer in northern Yucatan, Mexico", en Selected papers on hydrogeology, Simpson E. S. y J. M: Sharp. (eds.). 28th international geologic congress, 9-19 July 1990, at Washington DC, Hanover, Verlag Heinz Heise. lnternational Association of Hydrogeologists 1, 111-128.
111
Marín, L. y E. Perry (1994). The hydrogeology and contamination potential of northwestern Yucatán, México. Geofísica Internacional, 33(4), 619-623.
Marín, L. E. , B. Steinich, J. Pacheco y O. Escalera {2000). Hydrogeo/ogy of a contaminated sole-source karst aquifer, Merida, Yucatan, Mexico. Geofísica Internacional, 39{4), 359-365.
Marín, L. E., J. G. Pacheco y R. Méndez (2004). "Hidrogeología de la península de Yucatán", en El agua en México vista desde la academia, Jiménez B. y L. Marín (eds.). Academia Mexicana de Ciencias. México, pp. 159-176.
Orellana, R., C. Espadas, C. Conde y C. Gay {2009). Escenarios de cambio climático en la península de Yucatán. Centro de Investigación Científica de Yucatán. Yucatán, México.
Pacheco, J. y A. Cabrera (1996). Efecto del uso de fertilizantes en la calidad del agua subterránea en el estado de Yucatán. Ingeniería Hidráulica Méxicana, Xl{l), 53-60. ,
Pacheco, A. J. y S. A. Cabrera {1997). Groundwater contamination by nitrates in the Yucatan península, Mexico. Hydrogeology Journal , 2, 47-53.
Pacheco, J., A. Cabrera y L. Marín (2000). Bacteriologica/ contamination in the karstic aquifer of Yucatán, México. Geofísica Internacional, 39(3), 285-291 .
Pacheco, A. J., L. E. Marin, S. A. Cabrera, B. Steinich, O. A. Escolero (2001 ). Nitrate temporal and spatial pattern in twelve water supply wells, Yucatan, Mexico, Environmental Geology, 40(6), 708-715.
Pacheco, J., L. Calderón y A. Cabrera (2004). Delineación de la zona de protección hidrogeológica para el campo de pozos de la planta Mérida 1, en la ciudad de Mérida, Yucatán, México. Ingeniería, 8(1 ), 7-16.
Palacio, J. L. , G. Boceo, A. Velázquez, J. F. Mas, F. Takaki, A. Victoria, L. Luna, G. Gómez, J. López, M. Palma, l. Treja, A. Peralta, J. Prado, A. Rodríguez, R. Mayorga y F. González {2000). La condición actual de /os recursos forestales en México: resultados del Inventario Nacional Forestal 2000. Investigaciones Geográficas, 43, 183-203.
Palacios, V. O. y N. E. Aceves (1970). Instructivos para el muestreo, registro de datos e interpretación de la calidad del agua para riego agrícola. Colegio de Postgraduados. Chapingo, México.
Pérez, R. y J. Pacheco {2004). Vulnerabilidad del agua subterránea a la contaminación de nitratos en el estado de Yucatán. Ingeniería, 8(1), 33-42
Perry, E. , G. Velázquez-Oiimán y L. Marín {2002). The hydrogeochemistry of the karst aquifer system of the northern Yucatan península, México. lnt. Geol. Rev, 44, 121 -221 .
Richards, L. A. 1954. Diagnosis and lmprovement of Satine and Alkali Soils. Handbook, USDA 60. Washington D. C. , USA.
112
Sedeño-Díaz, J. E. y E. López-López (2007). Water Quality in the Río Lerma, Mexico: An Overview of the Last Quarter of the Twentieth Century. Water Resource Management, 21 , 1797-1812.
SEDUMA, Secretaría De desarrollo urbano y medio ambiente del estado de Yucatán. (201 O). Climas: precipitación más frecuente. http://www.seduma.yucatan.gob.mx/mapas-sig/index.php
Steinich, B. y L. E. Marín. Determination of f/ow characteristics in the aquifer of the Northwestern Península of Yucatán, Mexico. Journal Hydrology, 191 , 315-331 .
Szabolcs, l. 1989. SALT affected soil. CRC Press. Florida, U.S.A.
Webster, R. y M. A. Oliver {1990). Statistical methods in soil and land resource Survey. Oxford University Press, New York, U.S.A.
Wyman, M., Z. Gómez-Villegas e l. Miranda-Ojeda {2007). Land-Use 1 LandCover Change in Yucatan State, Mexico: An examination of political, socioeconomic, and biophysica/ drivers in Peto and Tzucacab. Ethnobotany Research & Applications, 5, 59-66.
113
114
Discusión general
El estado de Yucatán se encuentra bajo condiciones ambientales especiales y diferentes al resto de la República Mexicana, y compartidas con los estados vecinos: karst tropical {KT), macrorelieve poco pronunciado, con Leptosoles predominando en la mayor parte del territorio. Esta situación, en la que predominan rocas calcáreas fragmentadas con suelos someros y subtipos climáticos de semiáridos a cálidos subhúmedos, además de su cercanía al mar, ocasiona que el agua disponible para las actividades humanas se obtenga de la precipitación pluvial e indirectamente del agua subterránea.
Las fuentes de agua se encuentran amenazadas por: a) la intrusión de agua salina hacia tierras adentro que está regulada por la descarga de agua continental hacia el mar; b) la calidad del agua subterránea contaminada naturalmente por las rocas del tipo de las evaporitas, por las descargas urbanas al acuífero y por el transporte de contaminantes del suelo vía precipitación pluvial, y e) por el posible cambio climático global (disminución de la recarga e intrusión marina de grandes proporciones).
Este trabajo de tesis trató sobre 11as estimaciones de la cantidad de agua de lluvia entrante y la evapotranspiración saliente; y su periodicidad intra-anual, así como la calidad agrícola del agua subterránea, con la finalidad de hacer una zonificación que permita una mejor planeación de la agricultura de temporal y de riego en el estado de Yucatán, respectivamente. Esta información no existía y constituye el aporte técnicocientífico de esta tesis .
La duración del periodo de lluvias y la calidad agrícola del agua subterránea, unidos a la geomorfopedología del estado de Yucatán, servirá para poder definir las zonas agroecológicas del Estado.
LA DURACIÓN DE LA LONGITUD DEL PERIODO DE CRECIMIENTO O DURACIÓN DEL PERIODO DE LLUVIAS
El estudio de la longitud del periodo de crecimiento en este trabajo parte de los criterios propuestos por la FAO (FAO, 1996) que se basan conceptualmente en el balance de humedad mensual entre la precipitación pluvial y la evapotranspiración. Este modelo conceptual ha sido probado con éxito en otros ambientes por lo que se decidió aplicarlo para el estado de Yucatán.
La fortaleza de este modelo conceptual es: el establecimiento del balance hídrico integrado en la LPC o DPLL, el cual, servirá como base para
115
la planificación agrícola en general, ante la falta de estudios específicos de uso consuntivo de los cultivos comerciales y, principalmente, de los cultivos tradicionales en los que se utilizan razas y variedades criollas generadas por los campesinos yucatecos.
En este estudio detectamos que es posible el mejoramiento del modelo conceptual sobre la LPC al substituir la forma de decisión de clasificación de los meses húmedos, encontrando que en lugar de utilizar la mitad de la ETp con respecto a la precipitación pluvial (P) es más preciso utilizar el índice de humedad > 0.65 en las condiciones de KT en el estado de Yucatán. También se considera que es más preciso denominarle "duración del periodo de lluvia" (DPLL} al balance hídrico mensual al interior del año para su utilización en agricultura.
Con el mapa de la DPLL es posible identificar las zonas de recarga; estimar con mayor precisión la cantidad de agua que abastece al acuífero; identificar las zonas de mayor lavado de suelos y transporte de contaminantes; e identificar las zonas más adecuadas para la promoción de la agricultura de temporal (5 a 6 y 6 a 7 meses de DPLL) (Figura 25).
Los distritos de riego Tizimín, Valladolid y Ticul son los que se encuentran en las zonas de duración del periodo de lluvias entre 5 y 7 meses. El distrito de riego Mérida se encuentra principalmente entre las zonas de 4 a 5 meses de lluvia continua (Figura 25}. Si además de tener en cuenta la DPLL se considera la presencia de los grupos de suelo, entonces es posible mejorar las recomendaciones para la instrumentación de planes agrícolas de temporal.
LA CALIDAD AGRÍCOLA DEL AGUA SUBTERRÁNEA
La decisión para clasificar la calidad del agua con base en un parámetro o un índice no planea ningún desafío técnico, solo se deben definir los intervalos con base en el problema a tratar. Sin embargo, cuando se utilizan diversos parámetros o índices para definir la calidad agrícola del agua la situación ya es más compleja. En este trabajo, en el diseño del modelo conceptual de la identificación de la calidad agrícola del agua subterránea se utilizaron los índices e intervalos recomendados por Ayers y Wescott (1994) y Richards {1958), quienes desarrollaron la metodología para zonas áridas del oeste de los EUA. También se utilizaron los criterios reportados por Palacios y Aceves {1970) y Aguilera y Martínez {1996}, por lo que el modelo conceptual para identificar la calidad del agua subterránea es teóricamente sólido. La representación cartográfica se construyó mediante la selección del mejor modelo de interpolación, el cual fue tomado como mapa base.
116
El mapa de la calidad agrícola del agua subterránea indica que el distrito de riego (DR) Ticul corresponde espacialmente con la zona 111 y V, es decir de calidad no recomendada y condicionada, respectivamente. En este distrito de riego, el riesgo de salinización de los suelos es alto y aún es mayor si se tiene en cuenta que en esta zona los suelos son arcillosos y poco permeables de los grupos Luvisol, Vertisol , Gleysol y Stagnosol , los dos últimos son los de mayor riesgo de salinización ya que presentan drenaje impedido (Bautista et al. , 2007).
Al contrario, el distrito de riego que cuenta con la mejor calidad agrícola del agua subterránea es Valladol id, además de que la duración del periodo de lluvia es de los más altos. La calidad del a~ua para riego es buena por la baja concentración de cloruros (< 4 mmol L- ), por la salinidad potencial y salinidad efectiva, ambas contienen menos de 5 m mol L-1
; con relación a la sodicidad, tiene un riesgo bajo (relación adsorción de sodio de O. 76 - 2, y por la conductividad eléctrica es de riesgo alto de salinidad (0.75- 2.24 dS m·\ Las asociaciones edáficas que se presentan son las siguientes: hacia el norte Leptosol/ Cambisol y al este, Leptosol/ Cambisol/ Luvisol (Bautista et al. , 2007) por lo que el agua de riego aunque altamente salina, puede no presentar mayores problemas debido a que los suelos existentes tienen buen drenaje y la DPLL es de 6 a 8 meses. Esta situación garantiza que las sales se lixivien relativamente rápido durante la época de lluvias. No obstante, es recomendable seleccionar especies o variedades vegetales tolerantes a las sales.
La actividad productiva en esta zona es, en mayor medida, la maicera (García de Fuentes et al., 1999) con producción de frijol y calabaza (Eastmond, 1999). El maíz tiene una sensibilidad moderada a la sales, por ejemplo, su producción potencial de acuerdo a los valores de la conductividad eléctrica del agua de riego es el siguiente: hasta 1.1 dS m·1 es del 100%, hasta 1.7 dS m·1 es del 90%, hasta 2.5 dS m-1 es del 75%. El frijol es más sensible, por ejemplo, si la conductividad eléctrica del agua de riego es hasta 0.7 dS m-1 su rendimiento será del 100%, hasta 1 dS m-1 es del 90%, hasta 1.5 dS m·1 es del 75%. Sin embargo, las tolerancias absolutas o reales dependerán del clima, de las condiciones del suelo, de las variedades de los cultivos y de las prácticas agrícolas (Ayers y Wescott, 1994).
Los distritos de riego Mérida, Ticul y Tizimín enfrentan problemas diversos que deberán ser atendidos en el corto plazo. Por ejemplo, en el DR Tizimín debe atenderse y darle seguimiento a la calidad del agua subterránea ya que existe el peligro de la intrusión salina por los altos volúmenes de extracción de agua para el riego de pastizales; situación que se repite al oeste y norte del DR Mérida (Mejía et al. , 2002).
117
Para aquellos tipos de agricultura con riego, se requiere investigación agronómica para conocer el nivel de salinidad del agua que los cultivos pudieran tolerar, como por ejemplo de las razas locales de maíz y frijol. Lo anterior de acuerdo con los diversos niveles y tipos de salinidad del agua subterránea del estado de Yucatán, así como de los cultivos perennes, como son: henequén, cítricos, papaya, etc.
Por otro lado, el flujo del agua subterránea, a la escala del estado de Yucatán, presenta una dirección S-N. Sin embargo, por encontrarse en un acuífero cárstico con distintos canales de disolución, debido al diferente grado de maduración del proceso de carsticidad, la velocidad y dirección a escalas más pequeñas debe ser muy heterogéneo. En el anillo de cenotes, la dirección del flujo cambia de S-N a S-NW y S-NE y se afirma que en este sitio durante la época seca cambia completamente la dirección a N-S (Pacheco et al. , 2004). Sin embargo, el conocimiento de los flujos del agua subterránea son desconocidos a escalas mayores (1:50 000, 1:25 000, 1:10 000), es necesario conocer con mayor precisión los flujos del agua subterránea y darle seguimiento a la calidad del agua en las zonas agrícolas para hacer un manejo sustentable de las actividades agrícolas (GonzálezHerrera et al. , 2002; Escolero et al., 2002; Escolero et al. , 2007}.
EL ANÁLISIS ESPACIAL: SEMIVARIANZA
Los modelos cartográficos de la distribución de la LPC, DPLL y de la calidad agrícola del agua subterránea tienen su sustento teórico en las propiedades analizadas y su grado de precisión derivada del análisis geoestadístico para la estimación de los datos.
El tamaño de la muestra es muy importante en el anál isis geoestadístico. En este trabajo se pretendió una escala media (1 :250 000}, a nivel del estado de Yucatán. Los datos climatológicos, así como los del agua subterránea no son fáciles de obtener; los climáticos por el reducido número de estaciones meteorológicas y en muchas de ellas por el bajo número de años de registro, los de la calidad del agua por su alto costo, esfuerzo y tiempo.
No obstante, desde el punto de vista del análisis geoestadístico se encontró que, de acuerdo con los valores de la r2 de los semivariogramas, la mayoría de los parámetros de la calidad del agua
2 la LPC y la DPLL fueron
de muy buena calidad por tener valores de la r > 0.9 y por lo tanto los modelos explican más del 90% de variabilidad espacial ; un parámetro de la calidad del agua y otro de la DPLL fueron de buena calidad (~>0 .8) y en el caso de algunos de la cal idad del agua fueron de calidad regular (~ >0.6).
La varianza estructural, es decir la varianza dependiente del espacio fue mayor del 80% en los parámetros de la calidad del agua, excepto en los
118
bicarbonatos(< 65%); en la LPC fue mayor del 96% y en la DPLL calculada con el método Thorthwaite, fue del 74%, en tanto que la calculada con el método Hargreaves fue del 80 al 99%. Esto significa que los índices LPC, DPLL y de calidad del agua tienen una gran dependencia espacial y que su variabilidad es explicada o depende de otras variables ambientales existentes en ese mismo espacio y por lo tanto los semivariogramas podrían considerarse como buenos para realizar las interpolaciones.
El efecto nugget es la varianza no explicada por el modelo del semivariograma, puede deberse a que el patrón de distribución espacial se presenta a distancias más cortas que la de muestreo o a errores en el muestreo (lsaaks y Srivastava, 1989; Webster y Oliver, 1990). En estas investigaciones el efecto nugget presentó valores del 4% al 36%. Los valores bajos del efecto nugget nos indica dos cosas: que no hubo errores en el muestreo, o bien que no existe gran variabilidad en las distancias menores a la mínima distancia que existe en el muestreo. Pero en donde el efecto nugget fue mayor, por ejemplo, del 36% (en tres modelos de la DPLL y los bicarbonatos) indica que probablemente hubo error en la medición (lo cual se descarta) o captura de datos climáticos (dscartado) o en las determinaciones analíticas de los iones del agua (descartado), o bien que es necesario intensificar el muestreo a distancias más pequeñas que la mínima muestreada. En este estudio se revisó y garantizó la calidad de los datos, tanto climáticos, como de la calidad del agua con métodos validados en cada caso y reportados en cada apartado. Entonces, en los casos en donde el efecto nugget es grande, es de suponer que es debido a la falta de puntos de muestreo a distancias más cortas de la mínima realizada. En caso de incrementarse este muestreo, probablemente se disminuiría el efecto nugget y la calidad del semivariograma.
LA ESTIMACIÓN
La estimación con el Kriging ordinario generó modelos de distinta calidad de acuerdo con la r2 de la validación cruzada: calidad baja (r2< 0.5) para nitratos, potasio, bicarbonatos y magnesio y todos los de la DPLL. El coeficiente de determinación (r2
) de la estimación indica que el modelo de estimación no es confiable a partir de este estadístico. Los parámetros que tuvieron modelos regulares con r2 de 0.51 a 6 fueron sulfatos y calcio; los considerados como buenos, mayores de 6 y menores de 7 fueron los cloruros, conductividad eléctrica, salinidad potencial y SAR; los modelos muy buenos (~> 7 y < 8) fueron el sodio y salinidad efectiva; el modelo excelente(> 8) fue el de LPC.
El coeficiente de determinación (r2) de la estimación indica que
estos modelos son desde no aceptables hasta excelentes. Es recomendable utilizar también el coeficiente de correlación y la raíz del cuadrado del error
119
medio (RMSE) (Hernández-Stefanoni y Ponce-Hernández, 2006) para medir el grado de precisión de las estimaciones, ya que el coeficiente de determinación incorpora el error sistemático únicamente, el de correlación indica que tanto es la intensidad de la relación entre valores estimados y reales y en el RMSE se incorpora el error sistemático y el error al azar (Kang et al., 2006).
El coeficiente de correlación entre los valores estimados y medidos tuvo valores entre 0.47 a 0.57 para nitratos, potasio, bicarbonatos y magnesio. Los valores del RMSE fueron de 0.03 a 1.03; para calcio, sulfatos, cloruros, sodio, SAR, salinidad potencial y salinidad efectiva, la r fue de 0.71 a 0.86 y los valores del RMSE fueron de 0.34 a 2.7; la DPLL calculada con IH 0.65-MH tuvo una r igual a 0.51 y RMSE igual a 1.06; la mayoría de los modelos de la DPLL tuvieron un correlación de 0.6 a 0.65 y el RMSE fue de 1.14 a 1.67. Para la LPC, la r fue de 0.81 y el RMSE de 1.11 . Estos resultados nos indican que los mejores modelos de estimación fueron: LPC, salinidad potencial , salinidad efectiva, SAR, sodio, conductividad eléctrica, cloruros, tanto por la r2
, r y RMSE; los modelos de la DPLL, excepto el calculado con IH 0.65-MH, son aceptables por la r y RMSE; los modelos no aceptables de acuerdo a la r fueron los nitratos, potasio, bicarbonatos y magnesio, no obstante tuvieron valores de RMSE menores de 0.6.
Todos los modelos tuvieron una varianza máxima a una determinada distancia llamada Range o alcance, que fueron de 0.1 a 1.94 grados para los parámetros de la calidad del agua; de 1 .3 a 1. 7 para la DPLL y de 3 para la LPC. Esto nos indica la distancia hasta donde existe una dependencia espacial (lsaaks y Srivastava, 1989; Webster y Oliver, 1990).
La presencia de alguna tendencia o direccionalidad puede detectarse cuando se obtienen modelos de los semivariogramas tipo gaussiano (Webster y Burgess, 1980). En este caso, el modelo de la LPC fue esférico; el de la DPLL fueron tipo gaussiano y exponencial y los de la calidad del agua subterránea tipo esférico y exponencial.
En este trabajo se utilizó el Kriging ordinario (KO) para diseñar mapas que permitieran, en lo general, mostrar las diferentes zonas de cal idades del agua de riego, de la LPC y DPLL, ya que el uso del KO asume que no hay una deriva o tendencia en la distribución de los datos (Webster y Burgess, 1980). En algunos estudios de suelos y para determinadas variables se ha reportado como estimador confiable el uso del KO (Robinson y Metternicht, 2006).
No obstante es posible mejorar las estimaciones utilizando otros métodos geoestadísticos del mismo grupo del Kriging para precisar los
120
mapas, cada uno por separado, incorporando algunas de las variables auxil iares que podrían mejorar las estimaciones.
Las variables auxiliares de bajo costo y rápida obtención como la distancia a la costa, coordenadas geográficas, imágenes de satélite son algunos ejemplos.
Los métodos son varios, entre ellos están el Kriging estratificado para reducir la variabilidad en los estratos y mejorar la estimación (McBratney, 2003 Hernández-Stefanoni y Ponce-Hernández, 2006; Rivero et al. , 2007); Co-kriging en donde se utiliza otra variable medida en los mismos sitios y se hacen variogramas cruzados (Goovaerts, 1999; McBratney, 2003; Hernández-Stefanoni y Ponce-Hernández, 2006); el uso del Kriging con regresiones o también el Kriging con tendencia externa, o el Kriging universal, los cuales en general combinan un componente determinístico para modelar la tendencia o direccionalidad con una o más variables, hacen una autocorrelación de los residuales y por último la estimación con Kriging ord inario (Burrough y McDonnell , 1998; Goovaerts, 1999; Boer et al., 2001; McBratney, 2003; Lester, 2004; Simbahan et al., 2006; Gundogdu y Guney, 2007; Rivera et al., 2007; Rob et al., 2009).
LOS MODELOS CARTOGRÁFICOS
El índice de la salinidad efectiva fue el mejor modelo con el kriging ordinario (KO) y al cotejarlo con la realidad, muestra concordancia ya que al NW y NE las cuñas de alta salinidad seguramente se deben a la influencia del mar y en el sur a la influencia de la zona de evaporitas.
Los mapas de la LPC y DPLL, obtenidos a partir del uso KO al cotejarlos con la realidad tienen concordancia con relieve {lhl et al. , 2007), suelos (Bautista et al., 2007} y cubierta vegetal (Oimsted et al. , 1999) ya que se presenta un gradiente de menor a mayor número de meses húmedos del NW al SE, incluso existe mayor semejanza entre las franjas de humedad delineadas con las de la vegetación potencial (Oimsted et al. , 1999} que la concordancia entre los subtipos climáticos y la vegetación potencial, sobre todo en las regiones de mayor humedad.
121
122
Conclusiones generales
El estado de Yucatán requiere de una planeación de un desarrollo agrícola con carácter sustentable, es decir aprovechar los recursos naturales propios, como son el agua de lluvia y subterránea, tomando en cuenta las geoformas y suelos.
Existen muchos estudios sobre el clima y el agua subterránea pero no con un enfoque agrícola. Con esta investigación, se logró señalar las zonas de distinta humedad disponible, para que en un futuro se puedan seleccionar los cultivos más adecuados de acuerdo a sus requerimientos de humedad y de su ciclo de desarrollo. Por otro lado, se conocieron las zonas de calidad agrícola del agua subterránea para los cultivos de riego y evitar la extracción de agua salina en las zonas de baja calidad y prever los efectos en el cultivo y los suelos.
Los aportes científicos, con base en productos, son: 1) mapa con las zonas indicando el número de meses de humedad disponible para el desarrollo de cultivos de temporal; 2) mapa con las zonas de calidad agrícola del agua que indican el riesgo de salinidad en los suelos y toxicidad en cultivos potenciales.
De manera general puede concluirse lo siguiente:
Ahora se cuenta con el mapa de la duración del periodo de lluvia, este mapa es diferente a lo logrado hasta el momento porque incluye diversos elementos del clima (precipitación mensual, temperatura media mensual, temperatura mínima y máxima mensual, radiación solar y horas de sol), es decir, el índice de la duración del periodo de lluvia integra la variación mensual de diversos elementos del clima. Este índice es robusto, conceptual y metodológicamente, para identificar las zonas de mayor aptitud para la agricultura de temporal. Como son los municipios concentrados en los distritos de riego de Tizimín {Tizimín, Calotmul, Temozón, Espita, Dzitas, Q. Roo, Tunkas, Sucilá, Panabá, Río Lagartos y San Felipe) y Valladolid (Valladolid, Chemax, Chichimilá, Tixcacalcupul, Tekom, Cuncunul, Uaymá, Tinum,Kaua, Chankom, Chikindzonot, Yaxkabá, Sotuta, Cantamayec y Mayapan), así como en del distrito de riego de Ticul {Ticul, Peto, Tzucacab, Tekax, Oxkutzcab, Santa Elena, Muna, Sacalum, Chapoab, Dzan, Mama, Maní, Chumayel, Teabo, Tixmehuac, Chacsinkin y Tahdziu).
En la zonificación de la calidad agrícola del agua subterránea con fines de riego, se utilizaron diversos parámetros e índices de calidad del agua plenamente utilizados en la bibliografía internacional, como la conductividad eléctrica, el RAS, la salinidad efectiva y la salinidad potencial
123
que permitieron, mediante un análisis espacial , la identificación de las zonas de mayor riesgo de salinización y de sodificación de los suelos, no identificadas hasta el momento, lo cual permitirá la elaboración de planes de fomento agropecuario con mayores posibilidades de éxito en las zonas IV, V y VI. En las zonas 1, 11 y 111 debe elaborarse un plan de seguimiento de la calidad de los suelos que permita identificar los problemas de salinidad y sodicidad en etapas tempranas.
A continuación se mencionan las conclusiones por cada capítulo de la tesis.
LA LONGITUD DEL PERIODO DE CRECIMIENTO:
En el análisis geoestadístico aplicado a la longitud del periodo de crecimiento (LPC) se generó un semivariograma ajustado a un modelo esférico. La validación cruzada, el índice de correlación de Pearson y el RMSE entre los datos medidos y los estimados indica que la LPC puede ser utilizada para representarse cartográficamente a una escala 1:250000 y utilizarse para la planeación agrícola.
Se identificaron cinco grupos de estaciones climatológicas, de acuerdo con la variación intra-anual de la relación precipitaciónevapotranspiración expresada en la LPC.
La utilización de sistemas expertos permitió identificar la estructura de las características de la LPC, revelando que las propiedades utilizadas en la formación de los grupos fueron : inicio, duración y tipo de LPC, en ese orden.
PRECISIONES A LA LONGITUD DEL PERIODO DE CRECIMIENTO:
Los cálculos con los modelos de Thornthwaite y Hargreaves presentan grandes diferencias en la estimación de la evapotranspiración potencial en la época seca y menores en la época lluviosa. Al parecer no es adecuado el uso del método de Thornthwaite para la época seca, ni para el total anual, pero sí para la época lluviosa al menos para el caso del estado de Yucatán.
El valor de 0.65 del índice de humedad, calculado con el método de Thornthwaite para la estimación de la ETp, fue el seleccionado para definir a los meses húmedos y de esta manera definir la duración del periodo de lluvia.
En el caso del estado de Yucatán se encontraron cinco intervalos que abarcan desde 1 a 8 meses. Los que abarcan mayor superficie y que por lo tanto pueden ser de mayor interés agrícola son tres: de 4 a 5 meses; de 5 a 6 meses; y de 6 a 8 meses. Todos estos son adecuados para cultivos que tengan un ciclo de desarrollo en esos periodos de tiempo, tales como maíz, frijol , chile y calabaza.
124
LA CALIDAD AGRÍCOLA DEL AGUA SUBTERRÁNEA:
El análisis geoestadístico de la calidad agrícola del agua subterránea mostró que el semivariograma correspondiente a la salinidad efectiva se ajustó a un modelo esférico y fue el que mejor explica la distribución espacial de la composición iónica del acuífero en el estado de Yucatán.
Con base en las propiedades químicas e índices de la calidad agrícola del agua subterránea se obtuvieron seis zonas: Las zonas 1, 11 y 111 son clasificadas como no recomendables; las zonas IV y V son condicionadas al tipo de suelo; y la zona VI es de buena calidad. Por tanto, la zona VI es la susceptible a ser utilizada con agricultura de riego.
125
126
Perspectivas
ANÁLISIS GEOEST ADÍSTICO
En este estudio el análisis con KO permitió, en lo general, conocer la distribución de la LPC y DPLL y de los parámetros de la calidad agrícola. Sin embargo, se recomienda explorar el mejoramiento de la precisión de los mapas utilizando modelos con variables auxiliares que estén relacionadas con la variable de estudio y con otros métodos geoestadísticos del mismo grupo del Kriging y utilizar variables auxiliares de bajo costo y rápida obtención como la distancia a la costa, coordenadas geográficas. La estratificación es recomendable previa al análisis geoestadístico, siempre y cuando se consiguiera un mayor número de muestras.
Para los parámetros de calidad del agua podrían utilizarse variables que estén relacionadas, por ejemplo, la conductividad eléctrica y los cloruros, así como la conductividad eléctrica y el sodio que se ha observado una buena correlación. También podrían ser la profundidad del acuífero y la distancia al mar.
LONGITUD DEL PERIODO DE CRECIMIENTO Y/ O DURACIÓN DEL PERIODO DE LLUVIAS
Incluir la función de probabilidad de lluvia en el índice de humedad para, de esta manera, contar con al menos un 80% de precisión en la estimación deiiH.
ZONIFICACIÓN AGROCLIMÁTICA
Una vez conocida la distribución espacial de la duración del periodo de lluvia y la calidad agrícola del agua subterránea, es posible la definición de las zonas agroecológicas al interior del estado, tanto para la agricultura de temporal y agricultura de riego.
La elaboración de mapas en los que se integre la información climática con el mapa geopedológico para identificar las zonas de diversa aptitud para la agricultura de temporal
La elaboración de mapas en los que se integre la información de la calidad agrícola del agua subterránea con el mapa geopedológico para identificar las zonas de diversa aptitud para la agricultura de riego
127
128
, ·~w"~'"~ ~ t:: vlldfJIII!:JU. vlld¡JIII!:JU,
. Páez (2007) "Los suelos del estado de binomio suelo matena orgámca en el O y M. Sanchez (eds). CEBAS-CSIC,
; Exterrores y de Cooperación. Murcia.
-iartkamp (2001 ). Kriging and thin piafe )/es. JAG, 3(2), 146-154. ell ( 1998 ). Pnnciples of Geographical :ford Unrversity Press. 330 p.
y ganadería" en Atlas de Procesos de Fuentes A., J. Córdoba y Ordonez y JADY. Ménda Yucatán. pp. 177-188. ~h. J. Pacheco, A Cabrera y J Alcacer ;tion strategy of karst !tmestone aquifers: ;e study Water Resources Management,
guez-Mananr y S Torres-Onofre (2007). vater interface m a karstic aquifer under 'le Merida Yucatan case study. Enviran.
-y-Pinto y J Gamboa-Vargas (2002). the Yucatan karsflc aquifer, Mexico.
52. Spat1al analyses of groundwater levels
:arth Systems, 116(1), 49-55. ;s in soil science: state-of-the-art and 5. ~-Hernández (2006). Mapping the spatial 3 tropical forest: companson of spatial renta! Monrtorrng and Assessment. 117,
e, S. Goldacker, F. Bautista y G. Boceo ers in the state of Yucatan, Mexico. N.
a (1 989). An introduction to applied ess. New York, USA.
129
REFERENCIAS
,- - ·-· -··· ·-~·-· ~- -· ........................... .... MéXICO. 156 p.
Bautrsta. F. Y. Agutlar, H. Rivas y R Yucatán", en Importancia del desarrollo sostenible, Cabañas UADY y Ministerio de Asunto!: España pp. 11-42.
Boer, E. K., M. de Beurs y A. D. 1 splines for mappin c!imate variat
Burrough, P. A. y R. A. McDon !nformation Systems. Oxford. o~
Eastmond, A. (1 999). "Agrrcultura territoriales en Yuca/2m. Garcí3 P. Chrco Ponce de León (eds). L
Escolero, 0., L E Marín, B. Sternrc (2002). Development of a protec The Ménda Yucatan. Mex1co ca~ 16. 351-367
Escolero. O , L. E. Marín, E. Domin Dynam1c of the freshwater-salt~ extraordinary recharge action: ti Geol. 51, 719-723.
González-Herrera. R., l. SánchezGroundwater-flow modeling m Hydrogeology Journal, 1 O, 539-5
Gundogdu, K. S. y l. Guney (2007). using universal kriging. Journal E
Gooaverts, P. (1 999). Geoestatistic perspectives. Geoderma, 89, 1-4
Hernández-Stefanoni, J. L., R. PoncE variability of plant diversity in ; interpolation methods. Environrr 307-334.
lhl, T., O. Frausto, J. Rojas, S. Gies 2007. ldentification of geodisast Jb. Geol. Palaont. 246, 299-311.
lsaaks, E. H. Y R. M. Srivastav geoestadistics. Oxford Unrver. Pr
Lester, L. Y. {2004). Using spatial interpo/ation to estímate stressor /evels in unsampled streams. Environmental Monitoring and Assessment, 94, 23-38.
Kang, M. S., S. W. Park, J . J. Lee y K. H. Yoo (2006) . Applying SWAT for TMDL programs to a small watershed containing rice paddy fields. Agricultura! Water Management, 79, 72-92.
McBratney, A. B., M. L. M. Santos y B. Minasny (2003). On digital soil mapping. Geoderma, 117, 3-52.
Olmsted, 1. , R. Durán, J. A. González-lturbe, J. Granados, y F. Tun (1999). "Vegetación", en Atlas de Procesos territoriales en Yucatán, García de Fuentes, A. , J. Córdoba y Ordóñez y P. Chico Ponce de León (eds). UADY. Mérida, Yucatán. pp. 183-194.
Palacios, V. O. y N. E. Aceves (1994). Instructivos para el muestreo, registro de datos e interpretación de la calidad del agua para riego agrícola. Centro de Hidrociencias. Colegio de Postgraduados. Montecillo, México. 49 p.
Richards, L. A. 1954. Diagnosis and lmprovement of Saline and Alkali Soils. Handbook, USDA 60. Washington D.C. , USA.
Rivera, R. G., S. Grunwald y G. L. Bruland 2007. lncorporation of spectral data into multivariate geostatistical models. Geoderma, 140, 428-443.
Rob, B. , G. Hoeka E. Pebesmab, D. Vienneaud, K. Hooghd y D. J. Briggsd (2009). Mapping of background air pollution ata fine spatial sea/e across the European Union. Science of the total Environment, 407, 1852-1867.
Robinson, T. P. y G. Metternicht (2006). Testing the performance of spatial interpo/ation techniques for mapping soil properties. Computers and electrics in agriculture, 50, 97-108.
Simbahan, G. C., A. Dobermann, P. Goovaerts, J. Ping y M. L. Haddix (2006). Fine-reso/ution mapping of soil organic carbon based on multivariate secondary data . Geoderma, 140, 428-443.
Webster, R. y T. M. Burgess (1980}. Optimum interpolation and isarithmic mapping of soil properties. 111. Changing drift and universal Kriging. Journal of Soil Science, 31 , 505-524.
Webster, R. y M. A. Oliver (1990}. Statistical methods in soil and land resource Surrey. Oxford University Press, New York, U. S. A.
130
Apéndices
131
Estaciones meteorológicas y tiempo de registro
ID Estación meteorológica Periodo Total de años
Abalá, Yuc. 1968-2006 39 2 Acanceh, Yuc. 1978-2006 29 3 Akil, Yuc. 1977-2005 23 4 Becanchén, Tekax, Yuc. 1961-2006 30 5 Buctzotz, Yuc. 1961-2006 44 6 Calotmul, Yuc. 1983-2005 23 7 Cantamayec, Yuc 1988-2005 18 8 Catmis, Tzucacab, Yuc. 1961-2006 40 9 Catzim Chemax, Yuc. 1988-2005 18 10 Celestún, Yuc. 1961-2006 44 11 Chancenote, Tizimín, Yuc. 1978-2005 28 12 Chanchichimilá, Yuc. 1961-2006 46 13 Chemax, Yuc. 1979-2005 27 14 Chicxulub Puerto, Yuc. 1963-2006 44 15 Chocholá, Yuc. 1985-2005 18
16 Chunchucmil, Maxcanu, Yuc. 1983-2006 23
17 Conkal , Yuc. 1993-2005 13
18 Cuzama, Yuc. 1986-2005 19
19 Dzan, Yuc. 1967-2006 40
20 Dzidzantun, Yuc. 1984-2005 22
21 Dzilam de Bravo, Yuc. 1961-2006 45
22 Dzitas, Yuc. 1961-2006 44
23 Dzonot Aké, Tizimin, Yuc. 1982-2005 23
24 Emiliano Zapata, Mérida, Yuc. 1986-2006 20
25 Halachó, Yuc. 1983-2006 15
26 Holea, Kantunil, Yuc. 1978-2005 28
27 lzamal, Yuc. 1961-2006 35
28 Kinchil, Yuc. 1966-2005 37
29 Kuxeb, Chemax, Yuc. 1982-2005 24
30 Loche, Panaba, Yuc. 1961-2006 44
31 Mayapán, Yuc. 1991-2005 15
32 Mérida, Yuc. 1961-2006 46
33 Mocochá, Yuc. 1977-2005 29
34 Motul, Yuc. 1961-2006 46 ID= Número de identificación de la estación meteorológica
132
Estaciones meteorológicas y tiempo de registro
Continuación
ID Estación meteorológica Periodo Total de años
35 Muna, Yuc. 1961-2006 42
36 Nohalal , Yuc. 1991-2005 15
37 Opichén, Yuc. 1987-2006 19
38 Oxkutzcab, Yuc. 1977-2006 25
39 Peto, Yuc. 1961-2006 45
40 Pisté, Tinum, Yuc. 1983-2002 14
41 Progreso, Yuc. 1961-2006 46
42 Río Lagartos, Yuc. 1962-2006 43
43 Sisal , Hunucma, Yuc. 1961-2005 44
44 Sotuta, Yuc. 1961-2006 45
45 Teabo, Yuc. 1980-2005 22
46 Tekax, Yuc. 1961-2005 44
47 Telchac Puerto, Yuc. 1961-2006 46
48 Telchaquillo, Yuc. 1961-2006 42
49 Temax, Yuc. 1990-2005 12
50 Ticul , Yuc. 1977-2005 26
51 Tixmehuac, Yuc. 1967-2005 38
52 Tizimin, Yuc. 1961-2006 44
53 Tzucacab, Yuc. 1986-2005 17
54 Valladolid , Yuc. 1961-2006 43
55 Xhualtez, Espita, Yuc. 1985-2005 21
56 Yalsihón, Panaba, Yuc. 1985-2005 16
57 Bolonchén de Rejón, Cam. 1961-2006 39
58 Calkini , Cam. 1961-2004 23
59 Dzibalché, Calkini , Cam. 1984-2003 15
60 Isla Arenas, Calkini, Cam. 1974-2005 31
61 lturbide, Holpechen, Cam. 1968-2005 33
62 Kantunilkin , a. Roo 1961-2006 45
63 La presumida, a. Roo 1966-2006 39
64 Solferino, a. Roo 1971-2006 35
65 Tihosuco, a. Roo 1967-2006 38 ID- Número de identificación de la estación meteorológica
133
Apéndice 1. Duración del periodo de lluvias a partir del método FAO-MT
· ID
1
2
3
E F M A M pp 33 27 32 24 96 ET/2 39 42 63 70 72 pp 25 32 25 32 65 ET/2 40 42 59 68 72 PP 27 26 40 54 100 ET/2 38 42 62 70 76
J JL A S o N D 150 173 181 200 115 39 41 72 70 70 68 62 49 40 147 140 131 167 94 59 35 68 70 68 68 62 48 42 159 162 173 195 131 58 37 74 72 70 70 68 52 42
4 pp 28 27 25 38 95 147 124 137 197 123 62 36 ET/2 36 37 67 72 74 72 70 70 70 62 46 39
5 pp 44 35 24 29 83 154 180 181 218 120 49 44 ET/2 38 41 62 70 74 74 70 72 70 67 49 41
6 pp 60 44 36 78 118 211 226 199 242 185 70 79 ET/2 43 46 61 68 72 72 70 70 70 68 53 46
7 pp 46 40 34 45 106 146 167 165 230 160 72 53 ET/2 50 56 67 70 72 70 70 70 70 68 61 47
8 pp 41 38 30 38 89 146 136 153 187 114 55 39 ET/2 36 41 63 70 74 72 70 70 70 64 46 38
9 pp 57 49 31 49 104 145 153 177 199 190 72 68 ET/2 39 46 57 67 70 70 70 70 68 59 48 42
10 pp 24 18 8 11 37 119 128 122 131 83 35 27 ET/2 42 42 61 70 74 72 70 70 70 68 55 46
11 pp 38 40 41 51 80 159 184 174 181 137 62 45 ET/2 44 46 62 70 74 74 74 74 72 70 59 45
12 pp 38 30 34 48 112 156 163 172 220 145 55 46 ET/2 41 42 60 68 72
13 pp 43 44 41 42 70 ET/2 43 42 60 68 72
14 pp 41 27 19 18 32 ET/2 40 40 56 68 74
15 pp 30 26 37 37 95 ET/2 43 49 68 74 76
16 pp 20 1 o 8 11 51
70 70 70 70 63 49 42 148 141 146 166 133 51 52 72 70 70 70 68 57 52 95 62 63 125 87 38 34 70 70 70 70 68 54 44 171 134 175 189 156 37 39
74 70 72 70 70 58 47 109 119 112 118 94 20 16
ET/2 63 61 70 72 72 72 74 72 72 70 70 70 ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P =Precipitación pluvial; ET = Evapotranspiración potencial ; FAO-MT = 0.5 de la ETp calculada con el método de Thornthwaite.
134
Apéndice 1. Duración del periodo de lluvias a partir del método FAO-MT. Continuación
ID 17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
pp
ET/2 pp
ET/2 pp
ET/2 pp
ET/2 pp
ET/2 pp
ET/2 pp ET/2 pp
ET/2 pp ET/2 PP ET/2 pp
ET/2 pp
ET/2 pp
ET/2 pp
ET/2 PP ET/2 pp
E F M A M J JL A S O N D
22 37 30 34 64 39 44 64 70 76 26 20 24 23 56 50 49 64 70 70 39 25 42 47 108 44 45 63 70 72 34 24 21 18 70
188 167 167 158 164 36 34 7 4 72 72 72 68 49 40 148 141 129 159 71 45 28 70 70 70 68 68 62 57 167 162 193 246 156 52 45 70 70 70 67 58 125 98 105 141 97
50 47 42 36
51 58 70 70 74 76 74 74 74 74 68 57 42 39 16 14 54 111 91 83 119 89 36 35 38 38 53 61 68 68 66 67 63 61 50 43 39 42 31 51 106 178 166 141 209 135 49 45 ~ « ~ ro ~ ~ n ~ n ~ ~ % 46 44 28 45 64 125 164 93 119 118 53 44 45 43 56 68 68 68 70 70 70 69 59 49 31 18 47 23 67 158 153 153 199 114 55 49 41 48 67 72 76 76 74 74 72 68 55 41 20 14 11 25 63 48 49 65 68 70 32 28 25 42 61 42 40 59 66 70 35 29 21 28 76
123 125 154 175 142 44 34 68 67 68 68 67 57 51 154 140 158 189 113 59 61 70 68 68 67 64 50 43 144 124 140 182 96 37 31
45 46 65 70 74 72 70 70 70 68 54 49 31 23 20 27 68 131 146 150 194 116 34 29 41 42 59 70 72 72 70 70 70 65 51 42 40 44 39 45 93 126 131 138 139 111 72 60 54 53 66 70 72 70 70 70 70 69 60 57 59 40 35 28 80 48 43 62 70 72 33 30 39 50 73
170 152 165 218 156 56 63 72 70 72 70 68 55 50 142 145 160 169 149 42 31
43 50 62 68 70 70 70 68 68 58 44 38 32 23 21 26 66 156 157 165 184 110 45 37
ET/2 42 44 64 70 74 72 70 70 70 65 51 44 ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P =Precipitación pluvial ; ET = Evapotranspiración potencial; FAO-MT = 0.5 de la ETp calculada con el método de Thornthwaite.
135
Apéndice 1. Duración del periodo de lluvias a partir del método FAO-MT. Continuación
ID E F M A M J JL A S O N D
33 pp 30 29 30 32 49 166 149 146 194 98 52 44 ET/2 35 40 56 69 72 70 70 70 68 59 45 40
34 pp 37 37 25 32 59 170 163 157 209 114 55 42 ET/2 38 40 62 70 74 72 70 70 70 64 48 40
35 pp 24 23 27 34 79 143 130 129 182 110 41 32 ET/2 37 40 59 68 70 70 68 68 68 55 42 37
36 pp 36 31 19 29 74 115 102 138 139 98 65 25 ET /2 35 42 65 68 68 68 73 72 63 56. 43 38
37 pp 26 28 30 41 80 207 184 214 195 143 61 39 ET/2 44 53 70 74 76 74 74 74 72 70 58 47
38 pp 30 24 42 47 82 185 156 195 230 124 53 45 ET/2 37 40 58 70 74 74 70 70 70 67 50 42
39 pp 34 32 29 47 102 142 138 156 196 118 55 36 ET/2 40 43 64 70 74 74 72 72 70 69 51 46
40 pp 37 46 38 51 100 180 168 173 191 119 63 41 ET/2 35 30 54 64 70 70 68 70 68 62 47 38
41 pp 22 19 12 12 28 89 57 55 83 71 28 23 ET/2 41 41 56 67 70 70 70 70 70 68 58 46
42 pp 52 29 31 19 48 88 66 65 112 89 47 40 ET/2 41 41 55 62 68 70 70 68 68 63 51 45
43 pp 20 18 10 10 32 77 75 57 102 69 27 30 ET/2 42 44 63 70 72 70 70 70 70 67 54 46
44 pp 35 30 33 51 99 174 164 171 237 132 47 49 ET/2 40 40 63 70 74 72 70 70 70 62 48 39
45 pp 50 38 44 67 99 206 157 189 252 125 75 42 ET/2 49 49 63 68 70 68 70 70 68 68 55 52
46 pp 35 30 35 39 91 159 143 147 209 116 59 40 ET/2 42 43 65 70 74 72 70 70 70 68 53 42
47 pp 29 24 14 13 35 85 63 63 112 71 25 29 ET/2 43 44 61 70 72 70 70 70 70 68 58 48
48 pp 28 22 19 39 77 142 154 148 168 104 38 33 ET/2 42 45 68 72 92 72 74 72 70 68 52 45
ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P =Precipitación pluvial; ET = Evapotranspiración potencial ; FAO-MT = 0.5 de la ETp calculada con el método de Thornthwaite.
136
Apéndice 1. Duración del periodo de lluvias a partir del método FAO-MT. Continuación
ID 49
50
pp
ET/2 pp
Eíl2
E F M A M J JL A S O N D
68 41 28 32 97 203 191 202 242 148 57 72 44 50 70 89 76 76 74 74 74 70 58 44 20 26 40 52 92 161 146 168 200 106 53 37
'37 44 S4 7() 7S 74 70 72 70 SS 52 42 51 pp 30 25 33 45 89 159 142 170 205 114 57 38
ET/2 35 37 59 70 92 70 70 70 68 59 47 36 52 pp 46 37 41 49 99 171 198 161 214 131 49 48
ET/2 36 37 54 68 70 70 70 70 68 60 46 38 53 pp 40 37 25 50 119 144 160 162 184 118 58 45
ET/2 39 44 60 68 70 68 68 68 68 61 49 42 54 pp 48 45 46 43 98 154 146 175 200 136 50 46
ET/2 44 43 62 70 72 72 70 70 68 67 50 44 55 pp 60 42 47 55 117 215 202 209 219 132 87 75
ET/2 48 47 61 60 68 68 63 63 61 56 49 47 56 pp 56 27 23 21 61 161 140 145 180 133 35 38
ET/2 36 41 63 70 74 74 70 70 70 67 54 41 57 pp 32 20 23 24 73 147 160 151 186 95 47 35
ET/2 38 43 67 72 74 74 70 91 68 87 49 38 58 pp 21 22 24 31 88 147 164 170 228 108 79 36
ET/2 42 48 70 74 78 76 74 70 70 67 52 44 59 pp 29 8 24 21 64 169 142 165 202 153 53 38
ET/2 44 48 68 70 70 70 68 70 67 66 57 54 60 pp 22 13 8 10 41 165 143 139 162 106 33 25
ET/2 49 48 63 70 72 72 70 70 70 70 61 51 61 PP 35 25 26 44 92 158 142 169 225 121 60 33
ET/2 39 45 58 70 70 70 70 70 70 63 46 41 62 PP 46 38 49 41 115 173 172 168 202 141 66 49
ET/2 35 36 47 56 72 70 68 68 67 61 46 40 63 pp 40 35 33 42 135 189 174 177 243 160 81 65
ET/2 36 40 60 70 74 72 70 70 70 66 47 40 64 pp 51 43 34 52 101 169 163 159 212 134 90 67
ET/2 35 34 46 56 68 70 68 68 68 62 46 39 65 pp 40 31 34 57 96 155 137 167 207 137 68 64
ET/2 44 42 59 65 70 70 70 70 68 68 53 46 ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P = Precipitación pluvial; ET = Evapotranspiración potencial
137
Apéndice 2. Duración del periodo de lluvias a partir del método FAO-MH.
ID E F M A M J JL A S O N D 1 pp 33 27 32
ET/2 63 78 97 2 pp 25 32 25
ET/2 60 74 91 3 pp 27 26 40
ET/2 60 74 92 4 pp 28 27 25
ET/2 71 81 94 5 pp 44 35 24
24 96 150 173 181 200 115 39 41 103 103 95 89 85 93 74 66 61 32 65 147 140 131 167 94 59 35 98 100 90 87 84 76 70 62 56 54 100 159 162 173 195 131 58 37 98 99 92 88 83 74 71 62 56 38 95 147 124 137 197 123 62 36 93 91 82 80 79 76 75 70 66 29 83 154 180 181 218 120 49 44
ET/2 61 73 90 96 96 89 84 81 73 70 62 58 6 pp 60 44 36 78
ET/2 60 73 89 94 7 pp 46 40 34 45
ET/2 50 56 67 70 8 pp 41 38 30 38
ET/2 69 80 91 93 9 pp 57 49 31 49
ET/2 61 72 89 95 1 o pp 24 18 8 11
ET/2 58 70 87 93 11 pp 38 40 41 51
ET/2 62 73 89 95 12 pp 38 30 34 48
ET/2 59 72 87 93 13 pp 43 44 41 42
ET/2 62 73 89 96 14 pp 41 27 19 18
ET/2 55 66 81 90 15 pp 30 26 37 37
ET/2 58 70 86 94 16 pp 20 1 o 8 11
118 211 226 199 242 185 70 79 96 94 91 87 79 73 64 59 106 146 167 165 230 160 72 53 72 70 70 70 70 68 61 47 89 146 136 153 187 114 55 39 90 82 79 80 75 74 69 67 104 145 153 177 199 190 72 68 96 91 91 89 79 73 63 58 37 119 128 122 131 83 35 27 95 88 83 80 71 66 57 54 80 159 184 174 181 137 62 45 95 89 88 86 77 72 64 57 112 156 163 172 220 145 55 46 95 87 83 79 72 69 58 55 70 148 141 146 166 133 51 52 96 92 88 85 76 72 64 59 32 95 62 63 125 87 38 34 91 83 79 76 71 63 56 52 95 171 134 175 189 156 37 39 88 84 81 77 68 63 57 55 51 109 119 112 118 94 20 16
ET/2 58 69 80 83 86 86 87 84 75 70 60 56 ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P = Precipitación pluvial; ET = Evapotranspiración potencial; FAO-MH = 0.5 de la ETp calculada con el método de Hargreaves.
138
Apéndice 2. Duración del periodo de lluvias a partir del método FAO-MH. Continuación
ID E F M A M J JL A S O N D
17 pp 22 37 30 ET/2 60 75 94
34 64 188 167 167 158 164 36 34 100 101 94 91 86 81 71 63 58
18 pp 26 20 24 23 ET/2 63 73 89 97
19 pp 39 25 42 4 7 ET/2 62 75 91 94
20 pp 34 24 21 18 ET/2 60 72 88 92
21 pp 42 39 16 14 ET/2 58 69 84 90
22 pp 39 42 31 51 ET/2 61 73 88 94
56 148 141 129 159 71 45 28 100 96 96 90 83 76 66 60 108 167 162 193 246 156 52 45 97 89 87 82 75 70 62 57 70 125 98 105 141 97 42 36 94 91 90 86 79 76 62 57 54 111 91 83 119 89 36 35 91 89 83 81 73 69 59 56 106 178 166 141 209 135 49 45 96 92 89 87 77 72 62 57
23 pp 46 44 28 45 64 125 164 93 119 118 53 44 ET/2 57 68 80 85 88 86 87 83 74 69 59 54
24 PP 31 18 4 7 23 ET/2 56 71 90 93
25 pp 20 14 11 25 ET/2 65 75 89 97
26 pp 32 28 25 42 ET/2 62 74 93 97
27 PP 35 29 21 28 ET/2 61 73 89 94
28 pp 31 23 20 27 ET/2 62 75 92 98
29 pp 40 44 39 45
67 158 153 153 199 114 55 49 97 92 87 83 74 70 59 54 63 123 125 154 175 142 44 34 102 96 92 89 82 73 66 63 61 154 140 158 189 113 59 61 98 96 92 87 81 74 65 59 76 144 124 140 182 96 37 31 95 90 84 81 76 71 60 57 68 131 146 150 194 116 34 29 99 91 87 82 77 71 64 58 93 126 131 138 139 111 72 60
ET/2 63 73 85 91 93 91 89 87 82 72 63 61 30 pp 59 40 35 28
ET/2 62 72 88 95 31 pp 33 30 39 50
ET/2 62 76 95 96 32 pp 32 23 21 26
ET/2 61 74 91 97
80 170 152 165 218 156 56 63 97 92 91 86 79 74 63 60 73 142 145 160 169 149 42 31 93 86 88 83 72 68 60 58 66 156 157 165 184 110 45 37 96 85 82 78 71 69 61 57
ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P = Precipitación pluvial; ET = Evapotranspiración potencial ; FAO-MH = 0.5 de la ETp calculada con el método de Hargreaves.
139
Apéndice 2. Duración del periodo de lluvias a partir del método FAO-MH. Continuación
ID E F M A M J JL A S O N D 33 pp 30 29 30
ET/2 62 75 93 34 pp 37 37 25
ET/2 61 74 93 35 pp 24 23 27
ET/2 61 75 91 36 pp 36 31 19
ET/2 71 80 92 37 pp 26 28 30
ET/2 62 76 93 38 pp 30 24 42
ET/2 62 76 94 39 pp 34 32 29
ET/2 63 76 93 40 pp 37 46 38
ET/2 59 69 86 41 pp 22 19 12
ET/2 48 60 73
32 49 100 98 32 59 99 99 34 79
166 149 146 194 98 52 44 91 87 81 76 71 63 59 170 163 157 209 114 55 42 91 86 83 76 71 63 57 143 130 129 182 110 41 32
96 99 95 91 86 79 71 62 56 29 74 115 102 138 139 98 65 25 97 95 87 85 86 84 81 73 69 41 80 207 184 214 195 143 61 39 101 100 96 90 86 76 73 64 58 47 82 185 156 195 230 124 53 45 100 102 94 89 86 76 72 64 59 47 102 142 138 156 196 118 55 36 98 99 91 88 86 78 74 64 59 51 100 180 168 173 191 119 63 41 92 12 76
92 86 84 78 73 68 28 89 57 55 83 71 75 68 63 59 57 52
59 57 28 23 48 46
42 pp 52 29 31 19 ET/2 54 64 78 86
43 pp 20 18 1 o 1 o ET/2 52 63 78 84
44 pp 35 30 33 51 ET/2 62 75 93 98
45 pp 50 38 44 67 ET/2 62 74 88 97
46 pp 35 30 35 39 ET/2 62 74 91 95
47 pp 29 24 14 13 ET/2 58 68 84 91
48 PP 28 22 19 39
48 88 66 65 112 89 47 40 84 77 80 76 68 62 55 52 32 77 75 57 102 69 27 30 87 81 76 72 66 60 52 49 99 174 164 171 237 132 47 49 100 89 86 81 74 71 63 58 99 206 157 189 252 125 75 42 96 92 90 68 80 74 65 59 91 159 143 147 209 116 59 40 98 94 88 86 79 73 63 58 35 85 63 63 112 71 25 29 91 89 83 79 73 66 56 53 77 142 154 148 168 104 38 33
ET/2 64 77 110 101 117 96 94 90 80 72 67 61 ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P = Precipitación pluvial ; ET = Evapotranspiración potencial ; FAO-MH = 0.5 de la ETp calculada con el método de Hargreaves.
140
Apéndice 2. Duración del periodo de lluvias a partir del método FAO-MH. Continuación
ID E F M A M J JL A S O N D 49 pp 68 41 28
ET/2 67 79 95 50 pp 20 26 40
ET/2 63 77 96 51 pp 30 25 33
ET/2 59 73 90 52 pp 46 37 41
ET/2 60 71 87 53 pp 40 37 25
ET/2 62 75 94 54 pp 48 45 46
ET/2 61 72 89 55 pp 60 42 47
ET/2 57 70 83 56 pp 56 27 23
32 97 203 191 202 . 242 148 57 72 114 101 96 91 87 79 77 68 64 52 92 161 146 168 200 106 53 37 103 102 94 89 86 77 72 64 58 45 89 159 142 170 205 114 57 38 95 130 88 86 79 74 69 59 56 49 99 171 198 161 214 131 49 48 95 95 86 82 79 73 68 61 55 50 119 144 160 162 184 118 58 45 98 97 92 91 87 77 74 63 60 43 98 154 146 175 200 136 50 46 93 95 87 83 81 72 69 61 56 55 117 215 202 209 219 132 87 75 88 89 87 84 82 75 70 60 54 21 61 161 140 145 180 133 35 38
ET/2 60 74 91 98 57 pp 32 20 23 24
ET/2 61 75 104 98 58 pp 21 22 24 31
101 90 87 82 75 72 65 58 73 147 160 151 186 95 47 35 97 89 106 79 72 80 62 58 88 147 164 170 228 108 79 36
ET/2 63 76 97 59 pp 29 8 24
ET/2 64 78 94 60 pp 22 13 8
ET/2 59 69 85 61 pp 35 25 26
ET/2 76 86 96 62 pp 46 38 49
ET/2 57 69 82 63 pp 40 35 33
ET/2 76 87 98 64 pp 51 43 34
ET/2 58 70 84 65 pp 40 31 34
ET/2 62 73 87
102 105 94 91 86 76 72 64 59 21 64 169 142 165 202 153 53 38 100 104 96 97 95 86 81 68 63 10 41 165 143 139 162 106 33 25 90 92 88 85 83 75 71 61 57 44 92 158 142 169 225 121 60 33 101 97 93 93 85 91 88 80 77 41 115 173 172 168 202 141 66 49 89 93 89 86 83 74 69 60 55 42 135 189 174 177 243 160 81 65 100 98 88 86 88 83 82 77 74 52 101 169 163 159 212 134 90 67 92 94 86 83 80 73 72 60 56 57 96 155 137 167 207 137 68 64 92 97 90 89 84 78 71 62 58
ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); P =Precipitación pluvial; ET = Evapotranspiración potencial
141
Apéndice 3. Duración del periodo de lluvias a partir del método del IH 0.5-MT
ID E F 1 0.4 0.3 2 0.3 0.4 3 0.4 0.3 4 0.4 0.4 5 0.6 0.4 6 0.7 0.5 7 <0.5 0.4 8 0.6 <0.5 9 0.7 0.5 10 0.3 0.2
M 0.2 0.2 0.3 0.2 0.2 0.3 0.3 0.2 0.3 0.1
A M 0.2 0.7 0.2 <0.5 0.4 0.7 0.3 0.6 0.2 0.6 0.6 0.8 0.3 0.7 0.3 0.6 0.4 0.7 0.1 0.3
J JL 1.0 1.2 1.1 1.0 1.1 1.1 1.0 0.9 1.0 1.3 1.5 1.6 1.0 1.2 1.0 1.0 1.0 1.1 0.8 0.9
A 1.3 1.0 1.2 1.0 1.3 1.4 1.2 1.1 1.3 0.9
S O 1.5 0.9 1.2 0.8 1.4 1.0 1.4 1.0 1.6 0.9 1.7 1.4 1.7 1.2 1.3 0.9 1.5 1.6 0.9 0.6
N D 0.4 <0.5 0.6 0.4 0.6 0.4 0.7 <0.5 0.5 0.5 0.7 0.9 0.6 0.6 0.6 0.5 0.8 0.8 0.3 0.3
11 0.4 0.4 0.3 0.4 0.5 1.1 12 <0.5 0.4 0.3 0.4 0.8 1.1
1.2 1.2 1.3 1.0 0.5 0.5 1.2 1.2 1.6 1.2 0.6 0.5
13 <0.5 <0.5 14 <0.5 0.3
15 0.3 0.3
0.3 0.3 <0.5 1.0 0.2 0.1 0.2 0.7
0.3 0.3 0.6 1.2
1.0 1.0 0.4 <0.5
1.0 1.2
1.2 0.9
1.4
1.0 0.6
1.1 16 0.2 0.1 0.1 0.1 0.4 0.8 0.8 0.8 0.8 0.7 17 0.3 0.4 0.2 0.2 0.4 1.3 1.2 1.2 1.1 1.2
0.4 <0.5 0.4 0.4
0.3 0.4 0.1 0.1 0.4 0.4 0.4 0.2 0.5 <0.5 0.3 0.3 0.4 0.4
18 0.3 0.2 0.2 19 0.4 0.3 0.3 20 0.3 0.2 0.2 21 <0.5 <0.5 0.1
0.2 0.4 1.1 0.3 0.7 1.2 0.1 <0.5 0.8 0.1 0.4 0.8
1.0 0.9 1.2 1.4 0.7 0.7 0.7 0.6
22 <0.5 <0.5 23 <0.5 <0.5 24 0.4 0.2 25 0.2 0.1 26 0.4 0.3 27 0.4 0.3 28 0.4 0.3 29 0.4 0.4 30 0.6 <0.5 31 0.4 0.3 32 0.4 0.3 33 0.4 0.4 34 <0.5 <0.5
0.2 0.4 0.7 1.2 1.2 0.3 0.3 <0.5 0.9 1.2 0.3 0.2 0.4 1.0 1.0 0.1 0.2 <0.5 0.9 0.9 0.2 0.3 0.4 1.1 1.0 0.2 0.2 0.5 1.0 0.9 0.2 0.2 <0.5 0.9 1.0 0.3 0.3 0.6 0.9 0.9 0.3 0.2 0.6 1.2 1.1 0.3 0.4 0.5 1.0 1.0 0.2 0.2 0.4 1.1 1.1 0.3 0.2 0.3 1.2 1.1 0.2 0.2 0.4 1.2 1.2
1.0 0.7 1.0 1.1 1.2 1.0 1.1 1.0 1.1 1.2 1.2 1.0 1.1
1.2 1.8 1.0 1.0
0.5 1.3 0.7 0.7
1.5 1.0 <0.5 <0.5 0.9 0.9 0.4 <0.5 1.4 0.8 0.5 0.6 1.3 1.1 0.4 0.3 1.4 0.9 0.6 0.7 1.3 0.7 0.3 0.3 1.4 0.9 0.3 0.4 1.0 0.8 0.6 0.5 1.6 1.2 0.5 0.6 1.3 1.3 <0.5 0.4 1.3 0.8 0.4 0.4 1.4 0.8 0.6 0.5 1.5 0.9 0.6 0.5
ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); IH 0.5-MT= fndice de humedad mayor de 0.5 y la ETp con el método Thorntwaite.
142
Apéndice 3. Duración del periodo de lluvias a partir del método del IH 0.5-MT. Continuación
ID E F M A M
35 0.3 0.3 0.2 0.2 0.6 36 <0.5 0.4 0.1 0.2 0.5 37 0.3 0.3 0.2 0.3 0.5 38 0.4 0.3 0.4 0.3 0.6 39 0.4 0.4 0.2 0.3 0.7 40 0.5 0.8 41 0.3 0.2 42 0.6 0.4 43 0.2 0.2 44 0.4 0.4 45 <0.5 0.4 46 0.4 0.3 47 0.3 0.3 48 0.3 0.2 49 0.8 0.4 50 0.3 0.3
0.4 0.4 0.7 0.1 0.1 0.2 0.3 0.2 0.4 0.1 0.1 0.2 0.3 0.4 0.7 0.3 0.5 0.7 0.3 0.3 0.6 0.1 0.1 0.2 0.1 0.3 0.4 0.2 0.2 0.6 0.3 0.4 0.6
J JL A
1.0 1.0 0.9 0.7 1.4 1.2 1.3 1.1 1.0 1.0
1.0 1.0 1.4 1.4 1.1
1.3 1.2 1.2 0.6 0.4 0.4 0.6 <0.5 <0.5 0.6 0.5 0.4 1.2 1.2 1.2 1.5 1.1 1.4 1.1 1.0 1.1 0.6 <0.5 <0.5 1.0 1.0 1.0 1.3 1.3 1.4 1.1 1.0 1.2
S
1.3 1.1 1.4 1.6 1.4
o N D
1.0 <0.5 0.4 0.9 0.8 0.3 1.0 0.5 0.4 0.9 0.5 0.5 0.8 0.5 0.4
1.4 1.0 0.7 0.5 0.6 0.5 0.2 0.2 0.8 0.7 <0.5 0.4 0.7 0.5 0.3 0.3 1.7 . 1.1 <0.5 0.6 1.9 0.9 0.7 0.4 1.5 0.9 0.6 <0.5 0.8 0.5 0.2 0.3 1.2 0.8 0.4 0.4 1.6 1.1 <0.5 0.8 1.4 0.8 0.5 0.4
51 0.4 0.3 0.3 0.3 <0.5 1.1 1.0 1.2 1.5 1.0 0.6 0.5 52 0.6 0.5 0.4 0.4 0.7 1.2 1.4 1.2 1.6 1.1 0.5 0.6 53 54 55 56 57 58 59 60 61 62 63 64 65
0.5 0.4 0.5 0.5 0.6 0.4 0.8 0.3 0.4 0.2 0.2 0.2 0.3 0.1 0.2 0.1
0.2 0.4 0.9 0.4 0.3 0.7 0.4 <0.5 0.9 0.2 0.2 0.4 0.2 0.2 <0.5 0.2 0.2 0.6 0.2 0.1 <0.5 0.1 0.1 0.3
0.4 0.3 0.2 0.3 0.7 0.7 0.5 0.5 0.4 0.8 0.6 0.4 0.3 0.3 0.9 0.7 0.6 0.4 <0.5 0.7 0.4 0.4 0.3 0.4 0.7
1.1 1.1 1.6 1.1 1.0 1.0 1.2 1.1 1.1 1.2 1.3 1.2 1.1
1.2 1.0 1.6 1.0 1.1 1.1 1.1 1.0 1.0 1.3 1.2 1.2 1.0
1.2 1.3 1.7 1.0 0.8 1.2 1.2 1.0 1.2 1.2 1.3 1.2 1.2
1.4 1.5 1.8 1.3 1.4 1.6 1.5 1.2
1.0 0.6 <0.5 1.0 0.5 <0.5 1.2 0.9 0.8 1.0 0.3 <0.5 0.6 <0.5 <0.5 0.8 0.8 0.4 1.2 <0.5 0.4 0.8 0.3 0.3
1.6 1.0 1.5 1.2 1.7 1.2 1.6 1.1 1.5 1.0
0.6 0.4 0.7 0.6 0.9 0.8 1.0 0.9 0.6 0.7
ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); IH 0.5-MT= fndice de humedad mayor de 0.5 y la ETp con el método Thorntwaite.
143
Apéndice 4. Duración del periodo de lluvias a partir del método IH 0.5-MH.
ID E F M A M J JL A S O N D 1 2 3 4
0.3 0.2 0.2 0.1 <0 .5 0.8 1.0 1.1 1.1 0.2 0.2 0.1 0.2 0.3 0.8 0.8 0.8 1.1 0.2 0.2 0.2 0.3 0.5 0.9 0.9 1.0 1.3 0.2 0.2 0.1 0.2 0.5 0.9 0.8 0.9 1.3
0.8 0.3 0.3 0.7 <0.5 0.3 0.9 <0 .5 0.3 0.8 0.4 0.3
5 0.4 0.2 0.1 6 <0.5 0.3 0.2 7 0.3 0.2 0.2 8 0.3 0.2 0.2 9 <0.5 0.3 0.2 10 0.2 0.1 0.0 11 0.3 0.3 0.2
0.2 0.4 0.9 1.1 0.4 0.6 1.1 1.2 0.2 0.5 0.7 0.9 0.2 0.5 0.9 0.9 0.3 0.5 0.8 0.8 0.1 0.2 0.7 0.8 0.3 0.4 0.9 1.0
1.1 1.1 0.9 1.0 1.0 0.8 1.0
1.5 0.9 0.4 0.4 1.5 1.3 0.5 0.7 1.4 1.0 0.5 0.4 1.2 0.8 0.4 0.3 1.3 1.3 0.6 0.6 0.9 0.6 0.3 0.3 1.2 1.0 <0.5 0.4
12 0.3 0.2 0.2 0.3 0.6 0.9 1.0 1.1 1.5 13 0.3 0.3 0.2 0.2 0.4 0.8 0.8 0.9 1.1 14 0.4 0.2 0.1 0.1 0.2 0.6 0.4 0.4 0.9
1.1 <0.5 0.4 0.9 0.40 0.4 0.7 0.3 0.3
15 0.3 0.2 16 0.2 0.1 17 0.2 0.2 18 0.2 0.1 19 0.3 0.2 20 0.3 0.2 21 0.4 0.3
0.2 0.1 0.2 0.1 0.2 0.1 0.1
22 0.3 0.3 0.2 23 0.4 0.3 0.2 24 0.3 0.1 0.3 25 0.2 0.1 0.1 26 0.3 0.2 0.1 27 0.3 0.2 0.1 28 0.2 0.2 0.1 29 0.3 0.3 0.2 30 <0.5 0.3 0.2 31 0.3 0.2 0.2 32 0.3 0.2 0.1
0.2 0.5 1.0 0.8 0.1 0.3 0.6 0.7 0.2 0.3 1.0 0.9 0.1 0.3 0.8 0.7 0.2 0.6 0.9 0.9 0.1 0.4 0.7 0.5 0.1 0.3 0.6 0.5 0.3 0.6 0.3 0.4 0.1 0.3 0.1 0.3 0.2 0.3 0.1 0.4 0.1 0.3 0.2 0.5 0.1 0.4 0.3 0.4 0.1 0.3
1.0 0.7 0.9 0.6 0.8 0.8 0.7 0.7 0.9 0.8 0.9
0.9 0.9 0.9 0.7 0.8 0.7 0.8 0.7 0.8 0.8 1.0
1.1 1.4 0.7 0.8 1.0 1.0 0.7 1.0 1.2 1.6 0.6 0.9 0.5 0.8
1.2 0.3 0.7 0.2 1.2 0.3 <0.5 0.3 1.1 0.4 0.6 0.3 0.6 0.3
0.4 0.1 0.3 0.2 0.4 0.3 0.3
0.8 0.6 0.9 0.9 0.9 0.9 0.9 0.8 1.0 1.0 1.1
1.4 0.9 0.8 0.9 1.3 0.8 1.1 1.0 1.2 0.8 1.2 0.7 1.3 0.8 0.8 0.8 1.4 1.1 1.2 1.1 1.3 0.8
0.4 0.4 0.4 0.4 <0.5 <0 .5 0.3 0.3 <0.5 <0 .5 0.3 0.3 0.3 0.3 0.6 0.5 0.4 <0.5 0.4 0.3 0.4 0.3
33 0.2 0.2 0.2 0.2 0.2 0.9 0.9 0.9 1.3 0.7 0.4 0.4 34 0.3 0.3 0.1 0.2 0.3 0.9 0.9 0.9 1.4 0.8 0.4 0.4 ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); IH 0.5-MH= fndice de humedad mayor de 0.5 y la ETp con el método Hargreaves.
144
Apéndice 4. Duración del periodo de lluvias a partir del método IH 0.5-MH. Continuación .
ID E F M A M J JL A S O N D
35 0.2 0.2 0.1 0.2 0.4 0.8 0.7 0.8 1.2 0.8 0.3 0.3 36 0.3 0.2 0.1 0.2 0.4 37 0.2 0.2 0.2 0.2 0.4 38 0.2 0.2 0.2 0.2 0.4
0.7 0.6 0.8 1.1 1.0 1.2 1.0 0.9 1.1
0.8 1.3 1.5
39 0.3 0.2 0.2 40 0.3 0.3 0.2 41 0.2 0.2 0.1 42 <0 .5 0.2 0.2 43 0.2 0.1 0.1 44 0.3 0.2 0.2 45 0.4 0.3 0.2 46 0.3 0.2 0.2 47 0.3 0.2 0.1 48 0.2 0.1 0.1 49 <0.5 0.3 0.1 50 0.2 0.2 0.2 51 0.3 0.2 0.2 52 0.4 0.3 0.2 53 0.3 0.2 0.1 54 0.4 0.3 0.3
0.2 0.5 0.3 0.5 0.1 0.2 0.1 0.3 0.1 0.2 0.3 0.5 0.3 0.5
0.8 0.8 0.9 1.3 1.0 1.0 1.1 1.3 0.7 <0 .5 <0.5 0.7 0.6 0.4 0.4 0.8 <0.5 <0 .5 0.4 0.8 1.0 1.0 1.1 1.6 1.1 0.9 1.4 1.6
0.2 <0.5 0.8 0.8 0.9 0.1 0.2 <0.5 0.4 0.4 0.2 0.3 0.7 0.8 0.8 0.1 <0.5 1.1 1.1 1.2 0.3 0.4 0.9 0.8 1.0 0.2 0.3 0.9 0.8 1.1 0.3 0.5 1.0 1.2 1.0 0.3 0.6 0.8 0.9 0.9 0.2 0.5 0.9 0.9 1.1
1.3 0.8 1.0 1.5 1.3 1.4 1.5 1.2 1.4
55 <0.5 0.3 0.3 0.3 0.7 1.2 1.2 1.3 1.5 56 <0.5 0.2 0.1 0.1 0.3 0.9 0.8 0.9 1.2 57 0.3 0.1 0.1 0.1 0.4 0.8 0.8 1.0 1.3 58 0.2 0.1 0.1 0.2 0.4 0.8 0.9 1.0 1.5 59 0.2 0.0 0.1 0.1 0.3 0.9 0.7 0.9 1.2 60 0.2 0.1 0.0 0.1 0.2 0.9 0.8 0.8 1.1 61 0.2 0.1 0.1 0.2 <0.5 0.8 0.8 1.0 1.2 62 0.4 0.3 0.3 0.2 0.6 1.0 1.0 1.0 1.4
0.6 0.4 0.2 1.0 <0.5 0.3 0.9 0.4 0.4 0.8 0.4 0.9 0.5 0.7 0.3 0.7 0.4 0.6 0.3 0.9 0.4 0.8 0.6
0.3 0.4 0.3 0.4 0.3 0.4 0.4
0.8 <0.5 0.3 0.5 0.2 0.3 0.7 0.3 0.3 1.0 0.4 0.6 0.7 0.4 0.3 0.8 <0.5 0.3 1.0 0.4 0.4 0.8 0.5 0.4 1.0 0.4 0.4 0.9 0.7 0.7 0.9 0.3 0.3 0.6 0.4 0.3 0.8 0.6 0.3 0.9 0.4 0.3 0.7 0.3 0.2 0.7 0.4 0.2 1.0 0.6 0.4
63 0.3 0.2 0.2 0.2 0.7 1.1 1.0 1.0 1.5 1.0 0.5 0.4 64 0.4 0.3 0.2 0.3 0.5 1.0 1.0 1.0 1.4 0.9 0.8 0.6 65 0.3 0.2 0.2 0.3 0.5 0.9 0.8 1.0 1.3 1.0 0.5 0.5 ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en
negritas); IH 0.5-MH= fndice de humedad mayor de 0.5 y la ETp con el método Hargreaves.
145
Apéndice 5. Duración del periodo de lluvias a partir del método IH 0.65-MT
ID E F M A M J JL A S O N D
1 0.4 0.3 0.2 0.2 0.7 2 0.3 0.4 0.2 0.2 0.5 3 0.4 0.3 0.3 0.4 0.7 4 0.4 0.4 0.2 0.3 0.6 5 0.6 0.4 0.2 0.2 0.6 6 0.7 0.5 0.3 0.6 0.8
1.0 1.2 1.3 1.1 1.0 1.0 1.1 1.1 1.2 1.0 0.9 1.0 1.0 1.3 1.3 1.5 1.6 1.4
7 0.5 0.4 0.3 0.3 0.7 1.0 1.2 1.2 8 0.6 0.5 0.2 0.3 0.6 1.0 1.0 1.1 9 0.7 0.5 0.3 0.4 0.7 1.0 1.1 1.3 1 o 0.3 0.2 0.1 0.1 0.3 0.8 0.9 0.9 11 0.4 0.4 0.3 0.4 0.5 1.1 1.2 1.2 12 0.5 0.4 0.3 0.4 0.8 1.1 13 0.5 0.5 0.3 0.3 0.5 1.0 14 0.5 0.3 0.2 0.1 0.2 0.7
15 0.3 0.3 0.3 0.3 0.6 1.2 16 0.2 0.1 0.1 0.1 0.4 0.8
1.2 1.2 1.0 1.0 0.4 0.5 1.0 1.2 0.8 0.8
17 0.3 0.4 0.2 0.2 0.4 18 0.3 0.2 0.2 0.2 0.4 19 0.4 0.3 0.3 0.3 0.7 20 0.3 0.2 0.2 0.1 0.5 21 0.5 0.5 0.1 0.1 0.4
1.3 1.2 1.2 1.1 1.0 0.9 1.2 1.2 1.4 0.8 0.7 0.7 0.8 0.7 0.6
1.5 0.9 0.4 0.5 1.2 0.8 0.6 0.4 1.4 1.0 0.6 0.4 1.4 1.0 0.7 0.5 1.6 0.9 0.5 0.5 1.7 1.4 0.7 0.9 1.7 1.2 0.6 1.3 0.9 0.6 1.5 1.6 0.8 0.9 0.6 0.3 1.3 1.0 0.5 1.6 1.2 0.6 1.2 1.0 0.4 0.9 0.6 0.4
1.4 1.1 0.3 0.8 0.7 0.1 1.1 1.2 1.8 1.0 1.0
1.2 0.4 0.5 0.4 1.3 0.5 0.7 0.3 0.7 0.4
0.6 0.5 0.8 0.3 0.5 0.5 0.5 0.4
0.4 0.1 0.4 0.2 0.5 0.3 0.4
22 0.5 0.5 0.2 0.4 0.7 1.2 1.2 1.0 1.5 1.0 0.5 0.5 23 0.5 0.5 0.3 0.3 0.5 0.9 1.2 0.7 0.9 0.9 0.4 0.5 24 0.2 0.1 0.1 0.2 0.5 0.9 0.9 1.1 1.3 1.1 0.4 0.3 25 0.2 0.1 0.1 0.2 0.5 0.9 0.9 1.1 26 0.4 0.3 0.2 0.3 0.4 1.1 1.0 1.2 27 0.4 0.3 0.2 0.2 0.5 1.0 0.9 1.0 28 0.4 0.3 0.2 0.2 0.5 0.9 1.0 1.1 29 0.4 0.4 0.3 0.3 0.6 0.9 0.9 1.0 30 0.6 0.5 0.3 0.2 0.6 1.2 1.1 1.1 31 0.4 0.3 0.3 0.4 0.5 1.0 1.0 1.2 32 0.4 0.3 0.2 0.2 0.4 1.1 1.1 1.2
1.3 1.1 0.4 0.3 1.4 0.9 0.6 0.7 1.3 0.7 0.3 0.3 1.4 0.9 0.3 0.4 1.0 0.8 0.6 0.5 1.6 1.2 0.5 0.6 1.3 1.3 0.5 0.4 1.3 0.8 0.4 0.4
33 0.4 0.4 0.3 0.2 0.3 1.2 1.1 1.0 1.4 0.8 0.6 0.5 34 0.5 0.5 0.2 0.2 0.4 1.2 1.2 1.1 1.5 0.9 0.6 0.5 ID= Número de identificación de la estación meteorológica ; Duración del periodo de lluvias (en negri tas); IH 0.65-MT= fndice de humedad mayor de 0.65 y la ETp con el método Thorthwai te.
146
Apéndice 5. Duración del periodo de lluvias a partir del método del IH 0.65-MT. Continuación.
ID E F M A M J JL A S O N D
35 0.3 0.3 0.2 0.2 0.6 1.0 1.0 1.0 1.3 1.0 0.5 0.4 36 0.5 0.4 0.1 0.2 0.5 0.9 0.7 1.0 1.1 0.9 0.8 0.3 37 0.3 0.3 0.2 0.3 0.5 1.4 1.2 1.4 1.4 1.0 0.5 0.4 38 0.4 0.3 0.4 0.3 0.6 1.3 1.1 1.4 1.6 0.9 0.5 0.5 39 0.4 0.4 0.2 0.3 0.7 1.0 1.0 1.1 1.4 0.8 0.5 0.4 40 0.5 0.8 0.4 0.4 0.7 1.3 1.2 1.2 1.4 1.0 0.7 0.5 41 0.3 0.2 0.1 0.1 0.2 0.6 0.4 0.4 0.6 0.5 0.2 0.2 42 0.6 0.4 0.3 0.2 0.4 0.6 0.5 0.5 0.8 0.7 0.5 0.4 43 0.2 0.2 0.1 0.1 0.2 0.6 0.5 0.4 0.7 0.5 0.3 0.3 44 0.4 0.4 0.3 0.4 0.7 1.2 1.2 1.2 1.7 1.1 0.5 0.6 45 0.5 0.4 0.3 0.5 0.7 1.5 1.1 1.4 1.9 0.9 0.7 0.4 46 0.4 0.3 0.3 0.3 0.6 1.1 1.0 1.1 1.5 0.9 0.6 0.5 4 7 0.3 0.3 0.1 0.1 0.2 0.6 0.5 0.5 0.8 0.5 0.2 0.3 48 0.3 0.2 0.1 0.3 0.4 1.0 1.0 1.0 1.2 0.8 0.4 0.4 49 0.8 0.4 0.2 0.2 0.6 1.3 1.3 1.4 1.6 1.1 0.5 0.8 50 0.3 0.3 0.3 0.4 0.6 51 0.4 0.3 0.3 0.3 0.5 52 0.6 0.5 0.4 0.4 0.7 53 0.5 0.4 0.2 0.4 0.9 54 0.5 0.5 0.4 0.3 0.7 55 0.6 0.4 0.4 0.5 0.9 56 0.8 0.3 0.2 0.2 0.4 57 0.4 0.2 0.2 0.2 0.5 58 0.2 0.2 0.2 0.2 0.6 59 0.3 0.1 0.2 0.1 0.5 60 0.2 0.1 0.1 0.1 0.3 61 0.4 0.3 0.2 0.3 0.7 62 0.7 0.5 0.5 0.4 0.8 63 0.6 0.4 0.3 0.3 0.9 64 0.7 0.6 0.4 0.5 0.7 65 0.4 0.4 0.3 0.4 0.7
1.1 1.0 1.2 1.4 0.8 0.5 0.4 1.1 1.0 1.2 1.5 1.0 0.6 0.5 1.2 1.4 1.2 1.6 1.1 0.5 0.6 1.1 1.2 1.2 1.4 1.0 0.6 0.5 1.1 1.0 1.3 1.5 1.0 0.5 0.5 1.6 1.6 1.7 1.8 1.2 0.9 0.8 1.1 1.0 1.0 1.3 1.0 0.3 0.5 1.0 1.1 0.8 1.4 0.6 0.5 0.5 1.0 1.1 1.2 1.6 0.8 0.8 0.4 1.2 1.1 1.2 1.5 1.2 0.5 0.4 1.1 1.0 1.0 1.2 0.8 0.3 0.3 1.1 1.0 1.2 1.6 1.0 0.6 0.4 1.2 1.3 1.2 1.5 1.2 0.7 0.6 1.3 1.2 1.3 1.7 1.2 0.9 0.8 1.2 1.2 1.2 1.6 1.1 1.0 0.9 1.1 1.0 1.2 1.5 1.0 0.6 0.7
ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en negritas); IH 0.65-MT= lndice de humedad mayor de 0.65 y la ETp con el método Thorthwaite.
147
Apéndice 6. Duración del periodo de lluvias a partir del método IH 0.65-MH.
ID E 1 0.3 2 0.2 3 0.2 4 0.2 5 0.4 6 0.5 7 0.3 8 0.3 9 0.5 10 0.2 11 0.3 12 0.3 13 0.3 14 0.4 15 0.3 16 0.2 17 0.2 18 0.2 19 0.3 20 0.3 21 0.4 22 0.3 23 0.4 24 0.3 25 0.2 26 0.3 27 0.3 28 0.2 29 0.3 30 0.5 31 0.3 32 0.3 33 0.2 34 0.3
F M 0.2 0.2 0.2 0.1 0.2 0.2 0.2 0.1 0.2 0.1 0.3 0.2 0.2 0.2 0.2 0.2 0.3 0.2 0.1 0.0 0.3 0.2 0.2 0.2 0.3 0.2 0.2 0.1
0.2 0.2 0.1 0.1 0.2 0.2 0.1 0.1 0.2 0.2 0.2 0.1 0.3 0.1 0.3 0.2 0.3 0.2 0.1 0.3 0.1 0.1 0.2 0.1 0.2 0.1 0.2 0.1 0.3 0.2 0.3 0.2 0.2 0.2 0.2 0.1 0.2 0.2 0.3 0.1
A M J JL 0.1 0.5 0.8 1.0 0.2 0.3 0.8 0.8 0.3 0.5 0.9 0.9 0.2 0.5 0.9 0.8 0.2 0.4 0.9 1.1 0.4 0.6 1.1 1.2 0.2 0.5 0.7 0.9 0.2 0.5 0.9 0.9 0.3 0.5 0.8 0.8 0.1 0.2 0.7 0.8 0.3 0.4 0.9 1.0 0.3 0.6 0.9 1.0 0.2 0.4 0.8 0.8 0.1 0.2 0.6 0.4
0.2 0.5 1.0 0.8 0.1 0.3 0.6 0.7 0.2 0.3 1.0 0.9 0.1 0.3 0.8 0.7 0.2 0.6 0.9 0.9 0.1 0.4 0.7 0.5 0.1 0.3 0.6 0.5 0.3 0.6 1.0 0.9 0.3 0.4 0.7 0.9 0.1 0.3 0.9 0.9 0.1 0.3 0.6 0.7 0.2 0.3 0.8 0.8 0.1 0.4 0.8 0.7 0.1 0.3 0.7 0.8 0.2 0.5 0.7 0.7 0.1 0.4 0.9 0.8 0.3 0.4 0.8 0.8 0.1 0.3 0.9 1.0 0.2 0.2 0.9 0.9 0.2 0.3 0.9 0.9
A 1.1 0.8 1.0 0.9 1.1 1.1 0.9 1.0 1.0 0.8 1.0 1.1 0.9 0.4
1.1 0.7 1.0 0.7 1.2 0.6 0.5 0.8 0.6 0.9 0.9 0.9 0.9 0.9 0.8 1.0 1.0 1.1 0.9 0.9
S O 1.1 0.8 1.1 0.7 1.3 0.9 1.3 0.8 1.5 0.9 1.5 1.3 1.4 1.0 1.2 0.8 1.3 1.3 0.9 0.6 1.2 1.0 1.5 1.1 1.1 0.9 0.9 0.7
1.4 1.2 0.8 0.7 1.0 1.2 1.0 0.5 1.6 1.1 0.9 0.6 0.8 0.6 1.4 0.9 0.8 0.9 1.3 0.8 1.1 1.0 1.2 0.8 1.2 0.7 1.3 0.8 0.8 0.8 1.4 1.1 1.2 1.1 1.3 0.8 1.3 0.7 1.4 0.8
N 0.3 0.5 0.5 0.4 0.4 0.5 0.5 0.4 0.6 0.3 0.5 0.5 0.4 0.3
0.3 0.2 0.3 0.3 0.4 0.3 0.3 0.4 0.4 0.5 0.3 0.5 0.3 0.3 0.6 0.4 0.4 0.4 0.4 0.4
D 0.3 0.3 0.3 0.3 0.4 0.7 0.4 0.3 0.6 0.3 0.4 0.4 0.4 0.3
0.4 0.1 0.3 0.2 0.4 0.3 0.3 0.4 0.4 0.5 0.3 0.5 0.3 0.3 0.5 0.5 0.3 0.3 0.4 0.4
ID= Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en
negritas); IH 0.65-MH= fndice de humedad mayor de 0.65 y la ETp con el método Hargreaves.
148
Apéndice 6. Duración del periodo de lluvias a partir del método IH 0.65-MH. Continuación
ID E F M A M
35 0.2 0.2 0.1 0.2 0.4 36 0.3 0.2 0.1 0.2 0.4 37 0.2 0.2 0.2 0.2 0.4 38 0.2 0.2 0.2 0.2 0.4 39 0.3 0.2 0.2 0.2 0.5 40 0.3 0.3 0.2 0.3 0.5 41 0.2 0.2 0.1 0.1 0.2 42 0.5 0.2 0.2 0.1 0.3 43 0.2 0.1 0.1 0.1 0.2 44 0.3 0.2 0.2 0.3 0.5 45 0.4 0.3 0.2 0.3 0.5 46 0.3 0.2 0.2 0.2 0.5 47 0.3 0.2 0.1 0.1 0.2 48 0.2 0.1 0.1 0.2 0.3 49 0.5 0.3 0.1 0.1 0.5 50 0.2 0.2 0.2 0.3 0.4 51 0.3 0.2 0.2 0.2 0.3 52 0.4 0.3 0.2 0.3 0.5 53 0.3 0.2 0.1 0.3 0.6 54 0.4 0.3 0.3 0.2 0.5 55 0.5 0.3 0.3 0.3 0.7 56 0.5 0.2 0.1 0.1 0.3 57 0.3 0.1 0.1 0.1 0.4 58 0.2 0.1 0.1 0.2 0.4 59 0.2 0.0 0.1 0.1 0.3 60 0.2 0.1 0.0 0.1 0.2 61 0.2 0.1 0.1 0.2 0.5 62 0.4 0.3 0.3 0.2 0.6 63 0.3 0.2 0.2 0.2 0.7 64 0.4 0.3 0.2 0.3 0.5 65 0.3 0.2 0.2 0.3 0.5
J JL A
0.8 0.7 0.8 0.7 0.6 0.8 1.1 1.0 1.2 1.0 0.9 1.1 0.8 0.8 0.9 1.0 1.0 1.1 0.7 0.5 0.5 0.6 0.4 0.4 0.5 0.5 0.4 1.0 1.0 1.1 1.1 0.9 1.4 0.8 0.8 0.9 0.5 0.4 0.4 0.7 0.8 0.8 1.1 1.1 1.2 0.9 0.8 1.0 0.9 0.8 1.1 1.0 1.2 1.0 0.8 0.9 0.9 0.9 0.9 1.1 1.2 1.2 1.3 0.9 0.8 0.9 0.8 0.8 1.0 0.8 0.9 1.0 0.9 0.7 0.9 0.9 0.8 0.8 0.8 0.8 1.0 1.0 1.0 1.0 1.1 1.0 1.0 1.0 1.0 1.0 0.9 0.8 1.0
S O N
1.2 0.8 0.3 0.8 0.6 0.4 1.3 1.0 0.5 1.5 0.9 0.4 1.3 0.8 0.4 1.3 0.9 0.5 0.7 0.7 0.3 0.8 0.7 0.4 0.8 0.6 0.3 1.6 0.9 0.4 1.6 0.8 0.6 1.3 0.8 0.5 0.8 0.5 0.2 1.0 0.7 0.3 1.5 1.0 0.4 1.3 0.7 0.4 1.4 0.8 0.5 1.5 1.0 0.4 1.2 0.8 0.5 1.4 1.0 0.4 1.5 0.9 0.7 1.2 0.9 0.3 1.3 0.6 0.4 1.5 0.8 0.6 1.2 0.9 0.4 1.1 0.7 0.3 1.2 0.7 0.4 1.4 1.0 0.6 1.5 1.0 0.5 1.4 0.9 0.8 1.3 1.0 0.5
D
0.3 0.2 0.3 0.4 0.3 0.4 0.3 0.4 0.3 0.4 0.4 0.3 0.3 0.3 0.6 0.3 0.3 0.4 0.4 0.4 0.7 0.3 0.3 0.3 0.3 0.2 0.2 0.4 0.4 0.6 0.5
ID- Número de identificación de la estación meteorológica; Duración del periodo de lluvias (en
negritas); IH 0.5-MH= fndice de humedad mayor de 0.65 y la ETp con el método Hargreaves.
149
