COLABORADORES

No todos los datos meteorológicos son iguales. A escala mundial, regional, nacional, urbana o dentro de un campo específico, el alcance y la precisión de las fuentes de datos meteorológicos varían tanto como los proyectos que las utilizan. Las fuentes disponibles incluyen estaciones meteorológicas de investigación, estaciones meteorológicas de consumo, datos virtuales, datos por satélite y mucho más. Es importante para la validez de sus datos y la conservación de su tiempo comprender las diferentes opciones para los cultivadores y saber cómo elegir la mejor fuente de datos para determinar los grados-día de cultivo, la evapotranspiración, etc.

El tipo de datos que necesita depende de cómo piense utilizarlos. La gestión integrada de plagas, los modelos de cultivo, el riego, las heladas, la deriva de pesticidas y la gestión del trabajo basada en el estrés térmico de los empleados tienen requisitos de datos únicos. Del mismo modo, el tipo de cultivo con el que trabaje puede cambiar drásticamente los datos necesarios. En este artículo, comparamos varios tipos de fuentes de datos meteorológicos y lo que pueden ofrecer a los agricultores.

Modelos mundiales

Los modelos globales integran datos de satélite, algunas mediciones en tierra y globos meteorológicos para predecir lo que ocurre en todas las capas de la atmósfera. Muchos de los servicios meteorológicos a disposición de los agricultores se basan en modelos globales. A menudo denominados "estaciones meteorológicas virtuales", estos modelos no se basan en un sitio u otro, sino en una red que se ha establecido en todo el planeta. Los modelos suponen que el tiempo actual es T-0 y proporcionan previsiones para el futuro. Las estaciones meteorológicas virtuales suelen ser gestionadas por organismos gubernamentales, ya que su instalación y funcionamiento requieren muchos recursos. Los servicios meteorológicos disponibles en tu teléfono suelen basarse en la combinación de varios modelos globales con una interpolación estadística de los datos obtenidos de estos modelos para proporcionar una previsión "local".

Redes de estaciones meteorológicas

Las redes regionales de estaciones meteorológicas, también conocidas como mesonets, suelen funcionar en todo el estado. Constan de una amplia variedad de instrumentos, entre los que se incluyen ATMOS 41 y ATMOS 41W de METER o MetPRO y MesoPRO de Campbell Scientific. Estas estaciones meteorológicas se colocan en zonas abiertas, llanas, sin obstáculos y cubiertas de hierba para proporcionar una representación regional neutra. El objetivo de las Mesonets es establecer un registro a largo plazo de mediciones de alta calidad mediante la aplicación de una configuración estándar y el mantenimiento regular de la instrumentación. Aunque son excelentes para comprender los patrones atmosféricos a escala estatal o regional, estas redes no están pensadas para vigilar los microclimas.

Estaciones específicas

Por eso, muchos agricultores optan por colocar estaciones meteorológicas en sus huertos y campos para conocer el microclima específico que experimentan sus cultivos y poder gestionar los recursos y tomar decisiones. En el pasado, las estaciones específicas para cada lugar eran difíciles de mantener y requerían más tiempo y conocimientos de los que muchos agricultores disponían. Sin embargo, los avances tecnológicos han hecho que las estaciones meteorológicas de investigación sean más económicas y fáciles de usar, por lo que la mayoría de los agricultores pueden acceder a mediciones de alta calidad.

Las estaciones meteorológicas específicas para cada lugar pueden instalarse en dos ubicaciones. Pueden colocarse fuera de la cubierta para captar el microclima en el que crece el cultivo. O pueden instalarse dentro de la cubierta para captar tanto el microclima como los efectos de la gestión, incluida la evaporación, el enfriamiento y las corrientes de viento dentro del cultivo.

Existe una gran diferencia entre las mediciones realizadas fuera de la cubierta y las realizadas dentro de ella, especialmente en cultivos como los frutales. En un estudio sobre manzanos financiado por la Comisión de Investigación de Árboles Frutales de Washington, los investigadores colocaron estaciones meteorológicas tanto dentro como fuera de la copa para comparar la diferencia en las lecturas. Como muestra la Fig. X, en la temporada en la que los árboles tienen hojas, hace mucho más frío dentro de la copa que fuera de ella. Este resultado tiene sentido debido a que la evapotranspiración y el riego provocan un enfriamiento por evaporación. El aire frío quedó atrapado en el huerto por la noche, por lo que las condiciones se volvieron aún más frías durante las horas vespertinas, cuando se produjeron inversiones más fuertes.

La figura 2 muestra los datos del verano de 2020, cuando la temperatura se desplazó una media de 2°F. 2021 resultó ser un verano más caluroso, con un efecto neto de 4 °F. Las mediciones de humedad también reflejan esta gran diferencia, mostrando que era más húmedo dentro de la cubierta que fuera de ella. El viento dentro del dosel también fue drásticamente inferior al viento fuera del dosel, con una única excepción notable debida a las máquinas de viento utilizadas para proteger de las heladas. Estas diferencias afectan en gran medida a sus modelos de cultivo, floración, plagas y enfermedades. Si sólo puede medir fuera de la cubierta, debe tener en cuenta estas posibles diferencias, pero le recomendamos encarecidamente que realice mediciones adicionales dentro de la cubierta, si es posible.

Dicho esto, METER recomienda situar la estación meteorológica principal fuera de la cubierta para cumplir las normativas sobre deriva, que exigen mediciones del viento fuera de la cubierta, y para calcular la evapotranspiración a fin de captar el efecto total de ese entorno en la cubierta. Una estación meteorológica fuera de la cubierta también sufrirá menos desgaste porque no corre el riesgo de interactuar con la cubierta. A efectos de gestión, es necesario poder comparar las mediciones realizadas en el interior de la cubierta con un valor de referencia. Las mediciones fuera de la cubierta proporcionan una referencia para esas comparaciones. Por último, es posible elaborar previsiones específicas para cada lugar, pero para ello se necesitan mediciones que no estén contaminadas por la gestión.

Comparación de los grados-día de crecimiento

La mejor forma de comprender la diferencia entre las fuentes de datos es comparar simultáneamente todas las fuentes posibles de una misma ubicación y evaluar los resultados. El gráfico de la Fig. 3 muestra ese escenario para un huerto. En este lugar, pudimos comparar los grados-día de crecimiento (GDD) calculados con datos de cinco fuentes: una estación meteorológica dentro de la cubierta, una estación meteorológica fuera de la cubierta, el tiempo virtual de una aplicación meteorológica que ya no funciona llamada DarkSky, y dos ubicaciones de datos de mesonet de AgWeatherNetwork al sur (Pasco) y al noroeste (Ringold) del lugar.

La línea óptima en este análisis es la línea verde que representa la estación meteorológica dentro del dosel. El emplazamiento de AgWeatherNetwork (AWN) en Ringold coincide estrechamente con las mediciones dentro de la cubierta porque esa zona suele ser más fría de lo que suele ser el emplazamiento de Fir Road, pero, como ya se ha mencionado, las condiciones dentro de la cubierta suelen ser más frías que las de la zona que rodea el cultivo. Aunque esta información coincide, no se puede suponer con exactitud que el emplazamiento de Ringold sea una representación fiable de las mediciones en el dosel. La DDG calculada con los datos AWN de Pasco se alejó 15 días de las mediciones en el dosel, los datos meteorológicos virtuales se alejaron ocho días y la estación meteorológica situada fuera del dosel se alejó cinco días. La estación meteorológica situada en el exterior de la cubierta puede producir datos más cálidos o más fríos que los de la cubierta, pero normalmente difieren sistemáticamente, mientras que las estaciones de mesonet tendrán una correlación menos precisa y la meteorología virtual no tiene una correlación predecible a lo largo del tiempo.

Estaciones virtuales frente a reales

En 2012-2020 AgWeatherNet inició un estudio para comparar DarkSky con los datos que estaban midiendo con sus estaciones meteorológicas. Se eligió DarkSky porque en aquel momento era una de las mejores fuentes de datos virtuales. Las temperaturas máximas y mínimas diarias se recopilaron a través de 156 estaciones meteorológicas diarias con sensores de temperatura del aire duplicados, lo que dio como resultado algo menos de medio millón de comparaciones diarias.

La Fig. 4 muestra la distribución de errores para las temperaturas mínimas y máximas de los datos virtuales en relación con la verdad sobre el terreno de las estaciones meteorológicas. Las temperaturas máximas se encuentran en su mayoría dentro de la desviación estándar de 1,1°C (2°F), equivalente a una estación meteorológica de consumo de baja calidad. A título comparativo, la desviación típica de la temperatura del aire de ATMOS 41 es de 0,25°C (0,45°F). Incluso con la mayoría de las mediciones dentro de la desviación estándar, sigue habiendo un número significativo de lecturas por encima de ese umbral. La variación de la precisión es aún mayor cuando se miden temperaturas bajas.

Históricamente, los modelos meteorológicos virtuales funcionan mal de noche porque no intentan captar los flujos de aire frío ni la topografía local. Al tratarse de modelos globales, no pueden incluir los detalles de su emplazamiento específico. Por estas razones, los modelos meteorológicos virtuales nunca deben utilizarse para tomar decisiones sobre heladas u otras decisiones de gestión que dependan de acumulaciones de datos a corto plazo, como un modelo de crecimiento del tubo polínico. El tiempo virtual es útil para parámetros que dependen de acumulaciones a largo plazo, ya que los errores se compensan, pero cualquier decisión que dependa de datos a corto plazo estará muy sesgada cuando se utilice esta fuente de datos.

El estudio también incluyó un análisis del sesgo sistemático de los emplazamientos, en el que se compararon los datos de los emplazamientos que mostraban un sesgo a lo largo de los 8 años del estudio. Como se muestra en la Fig. 5, el sesgo de los datos virtuales en comparación con las mediciones en tierra no fue lo suficientemente consistente en todas las ubicaciones como para realizar ajustes fiables, especialmente cuando se trabaja con temperaturas mínimas.

Cuando se compara la estabilidad del sesgo del emplazamiento con los datos de su propia ubicación, el estudio también mostró que el sesgo de cada estación variaba mucho de un año a otro, como se muestra en la Fig. 6.

Aunque los modelos globales se actualizan con el tiempo, no hay garantía de que mejoren los cálculos para su emplazamiento concreto. Su exactitud nunca podrá replicar la precisión que se obtiene con las mediciones realizadas en su emplazamiento. Si se utilizaran estas mediciones para cualquier modelo o cálculo como la GDD, los resultados podrían ser radicalmente incorrectos sin que hubiera forma de calibrarlos de forma fiable.

Los modelos fenológicos son un ejemplo de los casos en los que una DDG calculada incorrectamente puede tener un enorme impacto negativo. Las especies plaga que no pueden regular su propia temperatura internamente dependen de la temperatura ambiente para obtener la energía necesaria para crecer. Así pues, los días-grado de crecimiento se utilizan para predecir cuándo los organismos alcanzarán ciertos hitos dentro de su desarrollo y comprender cuándo un cultivador debe estar preparado para combatir sus efectos.

La Fig. 7 es un buen ejemplo de cómo los errores meteorológicos aumentan con el tiempo. Estos gráficos muestran los modelos de la polilla de la manzana a los 375 grados-día de crecimiento, que es al principio de la estación, y a los 1375 grados-día de crecimiento, que es a mediados de la estación. Estos datos son una suma de los datos meteorológicos virtuales de todas las estaciones a lo largo de los 8 años del estudio, lo que da como resultado 1248 estaciones-año representadas en los datos. Con 375 GDD, el 74% de todos los emplazamientos tuvieron lo que consideramos un mal año, con una diferencia de 5 o más días al menos una vez en los 8 años. Dado que cada año se producen desviaciones en distintos lugares, no es posible predecir ni ajustar estos errores. A mediados de temporada, los errores son tan grandes y generalizados que el tiempo virtual es inutilizable para este modelo.

Las estaciones meteorológicas en la práctica

La mayoría de los cultivadores saben que no deben confiar en el tiempo virtual para sus necesidades de cálculo. Cuando utilizan estaciones meteorológicas de una mesonet cercana, los cultivadores aprenden por experiencia cuánto tienen que deslizar la escala para su ubicación exacta, comprendiendo que su topografía y microclima específicos suelen estar desfasados unos días en cualquier dirección. La meteorología virtual no proporciona suficiente correlación para realizar ajustes fiables. Como en el juego de Marco Polo, puedes tener los ojos cerrados viajando en la dirección de tu amigo que grita "¡Polo!", acercándote cada vez más, cuando de repente nada bajo el agua, y el sonido viene de repente de una dirección diferente.

En definitiva, los modelos globales tienen mucho valor cuando se utilizan en combinación con estaciones meteorológicas y pueden ser una herramienta muy útil. Las redes regionales son útiles para los modelos a largo plazo que no se pueden conseguir con una estación propia del productor, que no lleva tanto tiempo funcionando. No hay que descartar ninguna de estas tres fuentes meteorológicas. Más bien, es importante conocer sus puntos fuertes y débiles para asegurarse de elegir la fuente de datos adecuada para cada aplicación.

¿Preguntas?

Nuestros científicos cuentan con décadas de experiencia ayudando a investigadores y cultivadores a medir el continuo suelo-planta-atmósfera.

• Hable con un experto
• Solicitar un cotización