Академический Документы
Профессиональный Документы
Культура Документы
TESIS DOCTORAL
Presentada en el
Directores Autor
Dr. Francisco Dr. Manuel Dr. Diego Luis Jos Armando Ramrez
Rodrguez Daz Berenguel Soria Valera Martnez Arias
4
A Carmen
A mi madre
6
Agradecimientos
Al programa SUPERA de la Asociacin Nacional de Universidades e Institutos de
Enseanza Superior (ANUIES), Mxico, por su apoyo financiero mediante una beca al
autor de la presente tesis.
Mencin especial merecen Manuel Berenguel Soria y Francisco Rodrguez Daz, quienes
con sus conocimientos, observaciones, trabajo, dedicacin y confianza han contribuido de
manera fundamental en el desarrollo de este trabajo.
De manera importante a Diego Valera por su apoyo moral y las facilidades brindadas.
A Jos Luis Guzmn por las horas dedicadas para desarrollar los programas
computacionales.
A Jernimo Prez, Juan Carlos Lpez, Juan Carlos Gzquez, David Meca, Corpus Garca,
Javier Cabrera, Esteban Baeza, Antonio Cspedes, Juan Hueso, Guillermo Zaragoza,
Cristina Segovia, Francisco Bretones y a todo el personal de la Estacin Experimental Las
Palmerillas, por su constante apoyo en el desarrollo de los ensayos de campo. Mencin
especial a Juan Jos Magn y Mara Dolores Fernndez por compartir sus conocimientos
sobre los temas relacionados con los cultivos sin suelo y el riego.
A Mari Carmen Salas y Miguel Urrestarazu por su respaldo en la resolucin de las dudas
que surgieron durante el desarrollo de la tesis.
A doa Senorina y sus hijos, mis hermanos: Gaby, Male, Marco, Mirna y Oscar, porque
aunque lejos siempre estn presentes. A Jorge porque su huella es camino a seguir.
I
A Irineo Lpez con quien el recorrido por nuevos horizontes de la tecnologa ha sido
interesante.
A las manos annimas que con su trabajo diario transforman energa en alimentos.
II
Resumen
En la produccin en invernadero se han utilizado tcnicas de control ptimo considerando
como objetivo fundamental del agricultor la optimizacin de beneficios. Sin embargo, la
problemtica asociada a este tipo de produccin trasciende la optimizacin de un nico
objetivo, siendo posible abordarla desde un punto de vista de optimizacin multiobjetivo.
Este ha sido el enfoque utilizado en esta tesis, permitiendo incluir varios objetivos en la
produccin de cultivo de tomate, como son la maximizacin de beneficios, de calidad de
frutos y de eficiencia en el uso de agua. El problema ha sido planteado, desarrollado,
implementado y resuelto utilizando una tcnica de control ptimo multiobjetivo de
horizonte deslizante, que proporciona en cada periodo de optimizacin un conjunto de
soluciones de compromiso (consignas ptimas), de entre las cuales quin tome las
decisiones seleccionar la que finalmente se aplique al sistema. Para optimizar los
objetivos previamente mencionados se requiere de modelos explicativos para crecimiento
de cultivo, consumo de agua y clima del invernadero.
III
periodo de muestreo seleccionados, realizando ajustes en caso contrario. Las consignas
finalmente calculadas en la capa intermedia para el prximo intervalo de optimizacin son
aplicadas en la capa inferior, donde los sistemas de control de clima y nutricin se
encargan de enviar las seales de control adecuadas a los actuadores para que las variables
climticas y de nutricin alcancen las consignas previstas. Siguiendo una estrategia de
horizonte deslizante, todo el proceso descrito se repite de nuevo cada intervalo de
optimizacin, que suele ser de un da, aprovechando la informacin suministrada por las
nuevas medidas.
Los modelos de cultivo, agua y clima mencionados han sido acoplados en la optimizacin
de los objetivos indicados en el primer prrafo, en los cuales se han estimado los beneficios
econmicos a partir de los costos de combustible, energa elctrica, agua y fertilizantes
consumidos y los ingresos a travs del rendimiento de frutos en fresco. La calidad fue
determinada considerando caractersticas organolpticas, firmeza y tamao de fruto. Para
estimar la eficiencia en el uso del agua se consider la transpiracin, la fraccin de drenaje
y el crecimiento del cultivo, que determinan el consumo de agua, y por otro lado el
rendimiento en fresco, pues la relacin de estas variables es un indicador de la eficiencia.
La temperatura en el invernadero y la conductividad elctrica de la disolucin nutritiva son
las trayectorias generadas en el proceso de optimizacin.
IV
Abstract
Optimal control techniques have been used in greenhouse crop production to maximize
profit as the main objective of the grower. However, the problem associated to greenhouse
management is more than to optimize a single objective, therefore a different approach can
be used: multiobjective optimization. This is the approach used in this thesis, allowing the
inclusion of several objectives in tomato crop production, namely to maximize profits, fruit
quality and water use efficiency. The problem has been addressed, developed,
implemented and solved using a receding horizon multiobjective optimal control approach,
that produces a set of compromise solutions (optimal setpoints) each optimizing period,
and just one of them can be selected to satisfy the maker decision criteria. In order to
optimize the mentioned objectives in the greenhouse crop production, mechanistic models
for crop growth, water consumption and greenhouse climate are necessary.
The simplified Tomgro and Tomsim tomato crop growth models have been modified,
implemented, calibrated and validated for local conditions using four data sets
corresponding to four experiments for tomato crop growth, two of them were grown in
autumn-winter and two in winter-spring; one data set was taken from commercial
greenhouse production. The models have been adapted to simulate fresh fruit yield in
which the salinity and water deficit effect were included.
Following the same approach, a generic water model has been modified, implemented,
calibrated and evaluated to simulate the water in the substrate-plant-atmosphere
continuum. The model estimates fluxes and pool water in the substrate, root and shoot. A
crop soilless system with run and waste technique and rockwool as substrate were used to
adapt the model, which was tested on tomato crop. The modifications and the estimation of
the parameters of the model enable to estimate the dynamics of the water in the system.
A simple climate model has been used to predict the greenhouse temperature to estimate
the amount of energy to be supplied from the heater when necessary for the optimal crop
growth. Carbon dioxide and photosyntethically active radiation were accounted as
disturbances.
The multiobjective optimization process has been incorporated into a hierarchical structure
with three levels: upper layer of crop growth control (time scale of months), intermediate
layer for setpoint modification (time scale of days) and lower layer for climate and
nutrition control (time scale of minutes). A prediction of climate variables using a horizon
of months (until the end of the crop season) is carried out in the upper layer, using a
software tool developed to perform climate patterns search. The predicted data, crop
growth, nutrition and climate (steady state) models, and the objectives given by the user,
are used in conjunction to begin the optimization process, generating reference trajectories
of temperature and electrical conductivity for the rest of the season, that are then sent to the
intermediate layer, where it is verified that they are achievable at least for a specific short
term period, using a prediction of climate variables for the selected optimization interval
and sample time; adjustments are performed if necessary. The resulting setpoints for the
next optimization interval are sent to the lower layer, where the climate and nutrition
control systems generate the adequate control signals for the actuators to let the climate
and nutrition variables reach the prescribed setpoints. Following a receding horizon
strategy, the explained process is then repeated each optimization interval, typically each
day, using the information provided by the new measurements.
V
The mentioned crop, water and climate models were used in the multiobjective
optimization process with the objectives mentioned in the first paragraph, where the
economical profit has been estimated with the costs of fuel and electrical energy, water and
amount of fertilizers used, and incomes have been calculated from the sale of the fresh fruit
yield. Organoleptic properties, firmness and size of the fruit were the features included to
estimate fruit quality. Water use efficiency was estimated from the relationship between
water consumption and fresh fruit yield. The water consumption was estimated by the
addition of transpiration, leaching fraction and fresh crop growth. The trajectories
calculated by the process are inside air temperature and electrical conductivity of the
nutrient solution.
Low level controllers (lower layer in the hierarchical control architecture) have been also
developed. Generalized predictive control techniques have been used to control the
greenhouse temperature during the night. The results have shown that up to 20% fuel
savings can be obtained using this technique in comparison with an on-off control strategy.
Water supply to the crop based on transpiration models has been also tested in
experiments, constituting an alternative option to irrigation management.
The full multiobjective optimal control architecture has provided acceptable results,
constituting a powerful tool for decision support that is currently being systematically
tested in real production.
VI
ndice
Agradecimientos _______________________________________________________ I
Resumen _____________________________________________________________ III
Abstract ______________________________________________________________ V
ndice________________________________________________________________ VII
Lista de figuras________________________________________________________ XI
Lista de tablas _______________________________________________________ XV
Nomenclatura _______________________________________________________XVII
Notacin ___________________________________________________________XVII
Variables de estado_________________________________________________XVII
Variables y parmetros de modelos ____________________________________XVII
Notacin matemtica en optimizacin y control __________________________XXV
Introduccin ___________________________________________________________ 1
1.1 Complejidad del sistema invernadero_____________________________________ 1
1.2 Naturaleza del problema de control ptimo en invernaderos ___________________ 2
1.3 Principales tendencias relacionadas con la calidad en el proceso productivo de
hortalizas______________________________________________________________ 5
1.4 Objetivos de la investigacin ___________________________________________ 7
1.5 Principales contribuciones _____________________________________________ 7
1.6 Contexto de la investigacin____________________________________________ 9
1.7 Estructura de la tesis _________________________________________________ 10
Material y mtodos ____________________________________________________ 11
2.1 Localizacin y descripcin de invernaderos_______________________________ 11
2.1.1 Invernadero Estacin Experimental Las Palmerillas ___________________ 11
2.1.2 Invernadero comercial ____________________________________________ 12
2.2 Ensayos realizados __________________________________________________ 12
2.2.1 Ensayos para la validacin de los modelos de crecimiento y desarrollo de cultivo
de tomate __________________________________________________________ 12
2.2.2 Mediciones realizadas ____________________________________________ 15
2.2.2.1 Fenologa __________________________________________________ 15
2.2.2.2 Biomasa ___________________________________________________ 15
2.2.2.3 ndice de rea foliar __________________________________________ 15
2.2.2.4 Mediciones para calcular rea foliar especfica _____________________ 16
2.2.2.5 Medicin de dinmica de frutos _________________________________ 16
2.3 Sustrato y sistema de riego y nutricin___________________________________ 16
2.4 Sistema de medida y control___________________________________________ 17
2.4.1 Mediciones de las variables climticas en el interior y el exterior del invernadero
__________________________________________________________________ 17
2.4.2 Mediciones para la evaluacin del balance hdrico ______________________ 21
2.5 Herramientas estadsticas y de ajuste de parmetros ________________________ 23
2.5.1 Herramientas estadsticas _________________________________________ 23
2.5.2 Anlisis de sensibilidad ___________________________________________ 24
2.6 Herramientas de modelado y simulacin _________________________________ 25
Modelos de crecimiento y desarrollo de tomate__________________________ 27
3.1 El ambiente y su relacin con los procesos fisiolgicos, el crecimiento y el desarrollo
de las plantas__________________________________________________________ 27
3.1.1 Radiacin fotosinttica activa ______________________________________ 28
3.1.2 Dixido de Carbono (CO2) ________________________________________ 29
VII
3.1.3 Temperatura ___________________________________________________ 31
3.1.4 Humedad relativa _______________________________________________ 33
3.1.5 Distribucin de fotoasimilados_____________________________________ 34
3.2 Modelado de cultivos _______________________________________________ 35
3.2.1 Importancia y clasificacin de modelos de cultivos_____________________ 35
3.2.2 Modelos de crecimiento de cultivos en invernadero: el caso del tomate _____ 37
3.3 Los modelos dinmicos de crecimiento y desarrollo en tomate utilizados _______ 39
3.3.1 El modelo simplificado Tomgro____________________________________ 39
3.3.1.1 Descripcin del modelo_______________________________________ 39
3.3.1.2 Estimacin de parmetros del modelo Tomgro reducido _____________ 43
3.3.1.3 Anlisis de sensibilidad en el modelo Tomgro _____________________ 46
3.3.1.4 Validacin del modelo Tomgro_________________________________ 49
3.3.2 El modelo Tomsim ______________________________________________ 54
3.3.2.1 Ecuaciones del modelo _______________________________________ 54
3.3.2.2 Obtencin de parmetros y calibracin___________________________ 59
3.3.2.3 Anlisis de sensibilidad_______________________________________ 60
3.3.2.4 Validacin del modelo _______________________________________ 60
3.4 Marco conceptual para el modelado de crecimiento y el efecto de salinidad, dficit
hdrico y dficit de presin de vapor de agua en el rendimiento__________________ 66
3.4.1 Salinidad______________________________________________________ 67
3.4.2 Dficit hdrico _________________________________________________ 71
3.4.3 Dficit de presin de vapor en el ambiente ___________________________ 72
3.5 La integracin de un simulador de crecimiento ___________________________ 73
3.6 Discusin y conclusiones ____________________________________________ 75
3.6.1 Sobre los modelos de crecimiento y desarrollo ________________________ 75
3.6.2 Sobre el efecto de salinidad, dficit hdrico y dficit de presin de vapor en el
modelado de crecimiento _____________________________________________ 77
3.6.3 Conclusiones __________________________________________________ 77
3.6.4 Trabajos futuros ________________________________________________ 78
Modelado de balance hdrico en sustratos artificiales ___________________ 79
4.1 La dinmica del agua en las plantas ____________________________________ 79
4.1.1 Dinmica del agua en el sustrato ___________________________________ 80
4.1.2 Absorcin de agua por la planta____________________________________ 81
4.1.2.1 El flujo de agua hacia la raz ___________________________________ 81
4.1.2.2 Potencial hdrico en raz y hojas ________________________________ 82
4.1.2.3 Conductividad hidrulica de las races ___________________________ 83
4.1.3 Transpiracin __________________________________________________ 84
4.1.3.1 Los factores que influyen en la transpiracin ______________________ 85
4.1.3.2 Algunos estudios realizados en hortalizas y ornamentales ____________ 86
4.1.3.3 Los modelos de transpiracin __________________________________ 86
4.1.3.4 Modelo Penman-Monteith modificado por Stanghellini______________ 91
4.1.3.5 Determinacin de las variables importantes que permiten estimar la
transpiracin _____________________________________________________ 92
4.1.4 Transporte de agua ______________________________________________ 95
4.1.5 Eficiencia en el uso de agua _______________________________________ 96
4.2 Modelo de la dinmica del agua en el cultivo: un enfoque integrador __________ 97
4.3 Estimacin de parmetros, comportamiento y simulacin de la dinmica del agua101
4.3.1 Modelado de transpiracin _______________________________________ 102
4.3.2 Dinmica de agua en el substrato__________________________________ 105
4.3.3 Modelo de balance hdrico _______________________________________ 107
VIII
4.3.3.1 Potenciales hdricos _________________________________________ 108
4.3.3.2 Anlisis de sensibilidad y valor de los parmetros obtenidos _________ 109
4.4 Discusin y conclusiones ____________________________________________ 114
4.4.1 Sobre la sensibilidad de los modelos a los parmetros, condiciones iniciales y
variables de entrada _________________________________________________ 114
4.4.2 Sobre el modelo de balance hdrico_________________________________ 115
4.4.3 Conclusiones __________________________________________________ 117
4.4.4 Trabajos futuros________________________________________________ 117
Esquemas de control de temperatura nocturna y riego basados en modelos
_____________________________________________________________________ 119
5.1 Control de temperatura nocturna usando calefaccin_______________________ 119
5.1.1 Introduccin___________________________________________________ 119
5.1.2 Sistemas de calefaccin __________________________________________ 120
5.1.3 Sistemas de control de temperatura nocturna usando calefaccin _________ 121
5.1.4 Resultados ilustrativos___________________________________________ 125
5.2 Control de riego ___________________________________________________ 131
5.2.1 Introduccin___________________________________________________ 131
5.2.2 Mtodos de riego _______________________________________________ 131
5.2.2.1 En base a humedad en el suelo o substrato________________________ 132
5.2.2.2 En base a la evapotranspiracin ________________________________ 133
5.2.2.3 Asociados a medidas directas de la planta ________________________ 133
5.2.2.4 Asociados a la radiacin solar _________________________________ 134
5.2.2.5 Asociados al sistema de riego__________________________________ 134
5.2.2.6 Mtodos integrados _________________________________________ 134
5.2.3 Control de riego basado en transpiracin y humedad del substrato ________ 135
5.2.3.1 Tcnicas de control__________________________________________ 135
5.2.4 Resultados ilustrativos de control de riego ___________________________ 136
5.2.4.1 Algoritmo y ensayos realizados en campo ________________________ 136
5.2.4.2 Simulacin de control de riego en base al contenido de humedad en el
substrato ________________________________________________________ 140
5.3 Discusin y conclusiones ____________________________________________ 141
5.3.1 Sobre control de calefaccin ______________________________________ 141
5.3.2 Sobre control de riego ___________________________________________ 143
5.3.3 Conclusiones __________________________________________________ 143
5.3.4 Trabajos futuros________________________________________________ 143
Control multiobjetivo de la produccin en invernadero __________________ 145
6.1 Paradigmas utilizados en el control de la produccin en invernaderos _________ 145
6.1.1 Control en invernaderos mediante optimizacin matemtica _____________ 147
6.1.2 Control en invernaderos con mtodos de inteligencia artificial ___________ 151
6.2 Un enfoque diferente para la optimizacin de la produccin en invernadero ____ 154
6.2.1 La produccin en el agrosistema invernadero como problema multiobjetivo_ 154
6.2.2 Optimizacin multiobjetivo en invernadero: la importancia de la calidad y la
eficiencia en el uso de agua ___________________________________________ 156
6.2.2.1 Conceptos y elementos que definen la calidad en hortalizas __________ 156
6.2.2.2 Factores que influyen en la calidad del producto ___________________ 157
6.2.2.3 La eficiencia en el uso de agua_________________________________ 162
6.3 Optimizacin multiobjetivo. Elementos conceptuales y tcnicas de optimizacin 163
6.3.1 Elementos conceptuales__________________________________________ 163
6.3.2 Mtodos de optimizacin ________________________________________ 165
6.3.2.1 Mtodo de ponderacin simple ________________________________ 166
IX
6.3.2.2 Mtodo minimax ___________________________________________ 167
6.3.2.3 Programacin por metas _____________________________________ 168
6.3.2.4 Alcance de metas___________________________________________ 168
6.3.2.5 Mtodo de restricciones- ____________________________________ 169
6.3.2.6 Mtodo de ordenacin lexicogrfica ____________________________ 169
6.3.2.7 Algoritmos evolutivos _______________________________________ 170
6.3.2.8 Mtodos interactivos ________________________________________ 170
6.4 Optimizacin de la produccin en invernadero: un enfoque multiobjetivo _____ 171
6.4.1 Objetivos y variables que determinan el problema ____________________ 171
6.4.1.1 Maximizacin de beneficios __________________________________ 172
6.4.1.2 Maximizacin de calidad ____________________________________ 174
6.4.1.3 Maximizacin de eficiencia en el uso del agua____________________ 175
6.4.2 La arquitectura utilizada y el proceso de optimizacin _________________ 175
6.4.2.1 Arquitectura de control jerrquico multicapa _____________________ 175
6.4.2.2 Funcionamiento de la arquitectura utilizada ______________________ 177
6.4.3 Algoritmo y tcnica de optimizacin utilizada _______________________ 178
6.4.4 Resultados del proceso de optimizacin multiobjetivo _________________ 180
6.4.4.1 Escalas de tiempo, modelos y predicciones de perturbaciones en el proceso
de optimizacin __________________________________________________ 180
6.4.4.2 Optimizacin multiobjetivo___________________________________ 182
6.5 Discusin y conclusiones ___________________________________________ 190
Conclusiones________________________________________________________ 193
Anexo 1. Croquis de ubicacin y plano del invernadero ________________ 195
Referencias bibliogrficas ____________________________________________ 197
X
Lista de figuras
Figura 1.1 Diagrama conceptual de la produccin en invernadero ___________________ 2
Figura 2.1 Vista general de los invernaderos ___________________________________ 13
Figura 2.2 Ventilacin cenital ______________________________________________ 13
Figura 2.3 Ventilacin lateral _______________________________________________ 13
Figura 2.4 Sistema de calefaccin ___________________________________________ 15
Figura 2.5 Equipo de laboratorio para mediciones de biomasa _____________________ 16
Figura 2.6 Sensores utilizados en la medicin de variables climticas _______________ 18
Figura 2.7 Sensores utilizados en la medicin de variables climticas _______________ 19
Figura 2.8 Sistema de control de invernadero __________________________________ 19
Figura 2.9 Sensores utilizados en la medicin del balance hdrico __________________ 23
Figura 2.10 Fases en el proceso de modelado __________________________________ 26
Figura 3.1 Evolucin de la raz del error cuadrtico medio en diferentes iteraciones para
estimar parmetros de ndice de rea foliar (XIAF) ___________________________ 43
Figura 3.2 Funciones modificadas en el modelo Tomgro _________________________ 44
Figura 3.3 Sensibilidad de los parmetros, expresada en error absoluto. A) Sobre peso seco
total. B) Sobre IAF. C) Sobre peso seco de frutos. D) Sobre peso seco de frutos
maduros ___________________________________________________________ 46
Figura 3.4 Efecto de parmetros sobre variables de estado: A) sobre ndice de rea foliar.
B) Eficiencia en uso de la luz () sobre materia seca total. C) Temperatura crtica
sobre peso seco de frutos. D) Mxima distribucin a frutos sobre peso seco de frutos
__________________________________________________________________ 49
Figura 3.5 Simulacin y datos medidos durante la campaa primavera de 2003. A)
Cantidad de nodos. B) ndice de rea foliar, XIAF-a sin ajuste por conductividad
elctrica, XIAF-b ajustada por conductividad elctrica. C) Peso seco total. D) Peso seco
de frutos y de frutos maduros (ddt - das despus de trasplante) ________________ 51
Figura 3.6 Simulacin y datos medidos en la campaa primavera de 2004. A) Nmero de
nodos. B) ndice de rea foliar. C) Peso seco total. D) Peso seco de frutos y de frutos
maduros. ___________________________________________________________ 52
Figura 3.7 Simulacin y datos medidos en la campaa otoo de 2004. A) Nmero de
nodos. B) ndice de rea foliar. C) Peso seco total. D) Peso seco de frutos y de frutos
maduros ___________________________________________________________ 52
Figura 3.8 Simulacin y datos medidos en la campaa primavera de 1999. A) Nmero de
nodos. B) ndice de rea foliar. C) Peso seco total. D) Peso seco de frutos________ 53
Figura 3.9 XIAF interpolado en base a valores medidos y XIAF estimado por Tomsim
completo ___________________________________________________________ 60
Figura 3.10. A) Sensibilidad del modelo a los parmetros: eficiencia fotoqumica en
ausencia de oxgeno (o), coeficiente de extincin de radiacin (CK) y parmetro de
respiracin (cfr). Efecto de parmetros sobre peso seco total durante el ciclo de
cultivo: B) o; C) CK; D) cfr. ____________________________________________ 61
Figura 3.11 Dinmica de las variables durante la campaa primavera de 2003. A) Cantidad
de racimos. B) Peso seco total. C) Peso seco de frutos. D) Racimos _____________ 62
Figura 3.12 Simulacin y datos medidos durante la campaa otoo de 2003. A) Cantidad
de racimos. B) Peso seco total. C) Peso seco de frutos. D) Crecimiento de racimos.
Racimos medidos: 2, 5 y 6 _____________________________________________ 63
Figura 3.13 Simulacin y datos medidos durante la campaa primavera de 2004. A)
Cantidad de racimos. B) Peso seco total. C) Peso seco de frutos. D) Racimos 1, 3 y 5
__________________________________________________________________ 63
XI
Figura 3.14 Simulacin y datos medidos durante la campaa otoo de 2004. A) Cantidad
de racimos. B) Peso seco total. C) Peso seco de frutos. D) Racimos 1, 3 y 5______ 64
Figura 3.15 Variables intermedias del modelo Tomsim. A) Crecimiento potencial de
racimos. B) Estado de desarrollo de racimos. C) Crecimiento potencial total (racimos
y unidades vegetativas) por da. D) Racimos completos _____________________ 65
Figura 3.16 Diagrama de crecimiento de cultivo en invernadero ___________________ 67
Figura 3.17 Efecto de la salinidad mS cm-1 en el rendimiento en fresco de tomate. A)
Rendimiento relativo respecto a conductividad elctrica. B) Rendimiento con
conductividad elctrica entre 0.3 y 1.5 mS cm-1. C) Rendimiento con conductividad
elctrica entre 2.5 y 9.5 mS cm-1, estimado con valores promedio de la tabla 3.11. D)
Rendimiento con conductividad elctrica entre 2.5 y 9.5 mS cm-1, estimado con
valores de trabajos en la Pennsula Ibrica ________________________________ 69
Figura 3.18 Efecto de dficit hdrico en el rendimiento. A) En base a ecuacin de Stewart,
Cky=0.68. B) Ecuacin lineal 3.43. C) Ecuacin de Stewart, Cky=1.0. D) Ecuacin de
Stewart, Cky =1.1 ____________________________________________________ 72
Figura 3.19 Dficit de presin de vapor y su efecto en el rendimiento. A) Funcin de
disminucin de rendimiento por dficit de presin de vapor. B) Efecto DPV en
rendimiento (0.1, 0.3 y 0.5 kPa). C) Efecto de DPV por encima del ptimo en
rendimiento (1.6, 1.8, 2.0 y 2.2 kPa)_____________________________________ 73
Figura 3.20 Interfaz de definicin del experimento de la herramienta de simulacin de
crecimiento de tomate ________________________________________________ 74
Figura 3.21 Interfaz grfica de simulacin de cultivo en el simulador de crecimiento __ 74
Figura 4.1 A) Sensibilidad del modelo al ndice de rea foliar (XIAF), resistencia de capa
lmite (rcl) y resistencia interna (rh). B) Transpiracin medida y simulada. XIAF =0.7 103
Figura 4.2 Transpiracin medida y simulada con diferente ndice de rea foliar. A)
XIAF=1.3. B) XIAF =2.3. C) XIAF =3.5. D) Detalle para un da nublado XIAF =3.3 __ 104
Figura 4.3 Transpiracin y variables relacionadas para su estimacin: A) Resistencia de
capa lmite (rcl) e interna (rh). B) Temperatura de aire de invernadero (Xta),
temperatura de hojas (Th) y temperatura de malla cubre suelo (Tcss). C) Radiacin
solar global (Rg) y dficit de presin de vapor (DPV). D) Transpiracin________ 104
Figura 4.4 A) Relacin transpiracin radiacin solar. B). Relacin dficit de presin de
vapor radiacin solar. Marzo 26 de 2004. XIAF =2.5 m2 m-2 ________________ 105
Figura 4.5 A) Relacin transpiracin radiacin solar. B). Relacin dficit de presin de
vapor radiacin solar. Octubre 26 de 2004. XIAF =3.4 m2 m-2 _______________ 105
Figura 4.6 Dinmica de agua en el sustrato. A) Contenido de humedad en 15 das ciclo
primavera-verano 2004. B) Riegos, contenido de humedad y drenajes durante dos
das, XIAF=3.5. C) Detalle durante las primeras horas del da. D) Detalle durante las
horas centrales del da _______________________________________________ 107
Figura 4.7 A) Curva de retencin de agua en lana de roca respecto a la humedad efectiva
del substrato. B) Conductividad hidrulica en funcin de humedad efectiva _____ 108
Figura 4.8 Potencial hdrico en lana de roca y variables relacionadas durante dos das. A)
Potencial hdrico en el substrato. B) Radiacin en el interior del invernadero. C)
Conductividad elctrica en el substrato (XCE), en la disolucin nutritiva (Cea), seal
de riego (ur). D) Temperatura de lana de roca (Ts) y del aire de invernadero (Xta) _ 109
Figura 4.9 Potenciales hdricos en la planta. A) Potencial de presin (p,r) y osmtico
(os,r) en la raz. B) Potencial de presin (p,d ) y osmtico (os,d) en el dosel. C)
Potencial hdrico en la raz. D) Potencial hdrico en el dosel _________________ 110
Figura 4.10 A) Radiacin global en el interior del invernadero y potencial hdrico en el
dosel. B) Potenciales hdricos en: el substrato (h,s), la raz (h,r) y el dosel (h,d)
_________________________________________________________________ 111
XII
Figura 4.11 A) Sensibilidad a los parmetros del modelo. B) Sensibilidad a las condiciones
iniciales. C) Efecto del parmetro de resistencia suelo-raz (Ckrhr) introducido al
modelo sobre el contenido de agua en el substrato _________________________ 111
Figura 4.12 Contenido de humedad en lana de roca simulada y medida. A) Diferentes
etapas y condiciones. B) Detalle de un da. C) Detalle de dos das _____________ 113
Figura 4.13 Reserva de agua simulada en: A) El dosel. B) La raz. C) El substrato. D)
Simulacin de reserva de agua en el substrato al cambiar condiciones iniciales de
masa de agua en el dosel en un 10% ____________________________________ 115
Figura 5.1 Diagrama esquemtico del sistema de calefaccin por ventilacin forzada __ 121
Figura 5.2 Tcnica de ramificacin y poda con MPC ___________________________ 125
Figura 5.3 Respuesta del controlador todo-nada con zona muerta__________________ 126
Figura 5.4 Resultados con el controlador GPC-PWM. A) Evolucin de la temperatura
interior. B) Seal de control continua. C) Seal de control discreta ____________ 127
Figura 5.5 Resultados de control de riego por transpiracin durante dos das. A)
Transpiracin del cultivo. B) Contenido de humedad en el substrato y seal de
control. C) Dficit de presin de vapor de agua y radiacin global en el invernadero
_________________________________________________________________ 138
Figura 5.6 Variables asociadas a control de riego por transpiracin. A) Dinmica de
drenaje. B) Conductividad elctrica en el substrato. C) Humedad relativa y
temperatura del aire en el invernadero ___________________________________ 138
Figura 5.7 Control de riego por bandeja de demanda. A) Transpiracin del cultivo. B)
Contenido de humedad en el substrato y seal de control. C) Dficit de presin de
vapor de agua y radiacin global en el invernadero _________________________ 139
Figura 5.8 Variables asociadas al riego. A) Drenajes. B) Conductividad elctrica en el
substrato. C) Humedad relativa y temperatura del aire en el invernadero ________ 139
Figura 5.9 Fraccin de volumen de drenaje durante el ciclo de cultivo, aplicando riego con
bandeja de demanda _________________________________________________ 140
Figura 5.10 Control de riego en base contenido de humedad en el substrato, y otras
variables del modelo de balance hdrico. A) Control todo-nada. B) Control
proporcional. C) Materia seca estructural en la raz D) Materia seca estructural en el
dosel. E) Masa de agua en la raz. F) Masa de agua en el dosel. G) Temperatura del
substrato. H) Transpiracin ___________________________________________ 142
Figura 6.1 Efecto de la conductividad elctrica (XCE) del substrato (mS cm-1) en el
rendimiento del fruto (g m-2) y la presencia de slidos solubles (%). A) XCE=2. B)
XCE=3. C) XCE =5. D) XCE=7___________________________________________ 160
Figura 6.2 Efecto de la conductividad elctrica (XCE) del substrato (mS cm-1) en el grado de
acidez y rendimiento del fruto (g m-2). A) XCE=2. B) XCE=4. C) XCE =5. D) XCE=8 160
Figura 6.3 Diagrama de la arquitectura de control jerrquico multicapa. Modificada de
[Rod02]___________________________________________________________ 176
Figura 6.4 Comparacin de modelos de crecimiento de cultivo: dinmico y en rgimen
permanente. A) ndice de rea foliar. B) Biomasa total. C) Nmero de nodos. D)
Biomasa de frutos ___________________________________________________ 181
Figura 6.5 Variables de relacin noche-da. A) Duracin del da (horas con luz) durante el
ao, tiempo en minutos hasta el amanecer y tiempo en minutos hasta el ocaso. B)
Duracin de la noche y del da para 232 intervalos da-noche_________________ 181
Figura 6.6 Variables climticas pronosticadas y medidas. A) Temperatura exterior. B)
Radiacin solar _____________________________________________________ 182
Figura 6.7 Prediccin y datos medidos de variables climticas con un horizonte de 61 das.
A) temperatura promedio. B) Temperatura mnima. C) Temperatura mxima. D)
Radiacin solar _____________________________________________________ 182
XIII
Figura 6.8 Soluciones en el espacio posible (cada punto marcado es una solucin) ___ 184
Figura 6.9 Superficie de soluciones indicando el frente de soluciones no dominadas en el
espacio tridimensional_______________________________________________ 185
Figura 6.10 Trayectorias de temperatura (C) y conductividad elctrica (mS cm-1) en el
problema multiobjetivo, priorizando un objetivo. A) Mximos beneficios. B) Mxima
calidad. C) Mxima eficiencia en el uso del agua. D) Una solucin no dominada sin
objetivo prioritario (td - temperatura en el da, tn - temperatura en la noche, ce -
conductividad elctrica) _____________________________________________ 186
Figura 6.11 Trayectorias de temperatura y conductividad elctrica de soluciones no
dominadas. A) y B) para soluciones del frente de Pareto ms cercanas a mxima
calidad. C) y D) para soluciones del frente de Pareto ms cercanas a mximos
beneficios ________________________________________________________ 188
Figura 6.12 Trayectorias para horizonte de 116 das (232 intervalos). A) Objetivo
prioritario: mximos beneficios. B) Objetivo prioritario: calidad. C) Objetivo
prioritario eficiencia en el uso de agua. D) No hay objetivo prioritario, solucin
dominada _________________________________________________________ 189
Figura 6.13 Punto ideal y posible mtrica (Ld) a las soluciones no dominadas _______ 191
XIV
Lista de tablas
XV
XVI
Nomenclatura
Notacin
Variables de estado
1
En algunas grficas del texto no se han utilizado las unidades bsicas del sistema internacional (por
ejemplo, grados Centgrados [C] en vez de Kelvin [K]) para facilitar la interpretacin de los resultados.
XVII
Smbolo Descripcin Unidades
XFM Incremento en volumen de la planta m3 m-2
o Eficiencia fotoqumica en ausencia de oxgeno mol (CO2) mol-1
fotn absorbido
Constante psicromtrica termodinmica Pa K-1
Punto de compensacin de CO2 mol mol-1
Calor latente de evaporacin J kg-1
g,s Potencial gravitacional en el substrato J (kg agua)-1
h,d Potencial hdrico en el dosel J (kg agua)-1
h,r Potencial hdrico en la raz J (kg agua)-1
h,s Potencial hdrico en el substrato J (kg agua)-1
m,s Potencial matricial en el substrato J (kg agua)-1
os,d Potencial osmtico en el dosel J (kg agua)-1
os,r Potencial osmtico en la raz J (kg agua)-1
os,s Potencial osmtico en el substrato J (kg agua)-1
pr,d Potencial de presin en el dosel J (kg agua)-1
pr,r Potencial de presin en la raz J (kg agua)-1
pr,s Potencial de presin en el substrato J (kg agua)-1
S Masa molal de almacenamiento kg mol-1
res Contenido de agua residual en substrato -
s Contenido relativo de agua en substrato -
s,max Contenido mximo de agua en substrato -
Densidad de plantas plantas m-2
r Densidad de races kg de materia seca (m3
suelo)-1
Constante de Stefan Boltzmann W m-2 K-4
Eficiencia en la utilizacin de dixido de carbono mol (CO2) m-2 s-1
[mol mol-1 (CO2)]-1
Coeficiente de transicin entre crecimiento vegetativo y nodo-1
fruto
cal,vap Parmetro de rugosidad para intercambio de calor y vapor -
mntn Parmetro de transporte turbulento -
Aabs Agua absorbida por el cultivo m3 m-2
Aap Agua aportada al cultivo m3 m-2
Ac Superficie de ventilacin perpendicular al flujo de aire m2
AF Superficie foliar m2
AFE rea foliar especfica g m-2 (hoja)
ah Ancho de hoja m
AScr Fotoasimilados disponibles para crecimiento g (CH2O) planta-1
ASf Requerimiento de fotoasimilados para formacin de frutos g CH2O g-1 materia
seca
ASh Requerimiento de fotoasimilados para formacin de hojas g CH2O g-1 materia
seca
ASr Requerimiento de fotoasimilados para formacin de races g CH2O g-1 materia
seca
ASt Requerimiento de fotoasimilados para formacin de tallo g CH2O g-1 materia
seca
Ca Densidad del agua kg m-3
Ca,is Concentracin de absorcin del in que determina la mmol l-1
salinidad
Cabs Concentracin de absorcin del in que determina la mmol l-1
salinidad
Cagm Parmetro de forma en la curva de retencin de agua -
XVIII
Smbolo Descripcin Unidades
Cagn Parmetro de forma en la curva de retencin de agua -
Cag Parmetro de forma de curva de retencin de agua en el -
sustrato
Can Ancho de la hilera del cultivo m
Carea,ss Superficie de invernadero m2
CAT Parmetro emprico para estimar transpiracin -
Cb Proporcin de apertura de ventanas cenital/lateral -
Cbs Parmetro de calibracin de potencial hdrico de suelo -
CBT Parmetro emprico de transpiracin kg m-2 h-1 kPa
Ccag Parmetro de conductividad de agua en la planta m-2 min
Ccal,ap Coeficiente de aporte de aporte de energa por el W m-2
calefactor
Ccal,i Parmetro de calidad del fruto -
Ccc,cal Coeficiente de consumo de combustible por unidad de kg min-1
tiempo
Cch Distancia entre ventana cenital y lateral m
Ccndag Parmetro de conductividad de agua m-2 d
Ccnv,cnd,a-e Coeficiente de conduccin-conveccin de energa hacia el W m-2 K-1
exterior
Ccnv,em Coeficiente de conversin de energa a masa W-1 kg s-1
Ccnv,sm Coeficiente de conversin de fotosntesis de segundo a s min-1
minuto
Ccnv,ss,a Coeficiente de conveccin de suelo-aire W m-2 C-1
Ccnvfot Coeficiente para conversin de mol de CO2 m-2 s-1 a g g CH2O min-1
CH2O m-2 min-1 (mol de CO2)-1 s
Ccsol Concentracin de la disolucin nutritiva mol m-3
Cd Mxima concentracin permitida en el drenaje mmol l-1
Cddt Das despus de trasplante d
Cden,a Densidad del aire kg m-3
Cdes Coeficiente de descarga en ventilacin -
cdias Nmero de das en el horizonte de planificacin d
CE Eficiencia de crecimiento g (materia seca) g -1
(CH2O)
Cee,cal Coeficiente de consumo de energa elctrica por unidad de kW min-1
tiempo
Cefi,cal Coeficiente de eficiencia en el aporte de energa -
Cesp,a Calor especifico del aire J C-1 kg-1
Cf Concentracin de iones suministrados por fertilizantes mmol l-1
cfa, cfb, cfc, Parmetros de crecimiento del racimo -
cfd
Cfa,d Fraccin almacenamiento osmtico/masa molal de (kg mol-1)-1
almacenamiento en dosel
Cfa,r Fraccin almacenamiento osmtico/masa molal de (kg mol-1)-1
almacenamiento en raz
Cfdr Fraccin de drenaje -
cfr Parmetro emprico para estimar respiracin -
Cg Aceleracin de la gravedad m s-2
Ch Altura de cultivo m
Chref Altura de cultivo a la que se toman medidas m
CIAF,max Mximo ndice de rea foliar m2 m-2
CK Coeficiente de extincin de radiacin -
XIX
Smbolo Descripcin Unidades
Ckcond Parmetro emprico para estimar conductancia de capa -
lmite
Ckf Constante de proporcionalidad en el flujo de agua -
Ckrhr Factor para modificar resistencia suelo-raz -
Ckwrsr Parmetro de resistencia suelo-raz kg materia seca
estructural (kg agua)-1
Cky Coeficiente de sensibilidad al dficit de riego -
Cm Coeficiente de transmisin de radiacin por las hojas -
Cm,inv Coeficiente de transmisividad de la cubierta del -
invernadero
Cn Coeficiente de reflexin de radiacin por las hojas -
Cnfr Nmero de frutos por racimo fruto
cni Concentracin del in i en la disolucin nutritiva mol m-3
Cp Distancia del pasillo sin tomar en cuenta el ancho de la m
hilera de cultivo
Cpr,d Parmetro del componente de presin en dosel kg materia seca
estructural (kg agua)-1
Cpr,r Parmetro del componente de presin en la raz kg materia seca
estructural (kg agua)-1
Cprag Coste del agua m-3
Cpree Precio de energa elctrica (kW)-1
Cprfer Coste de fertilizantes kg-1
Cprg Coste de combustible kg-1
Cr Concentracin inica del agua de riego mmol l-1
CR Constante universal de los gases J K-1mol-1
cre Resistencia estomtica s m-1
crm Resistencia del mesfilo s m-1
CRn Velocidad de crecimiento neto g m-2 min-1
Crsr Parmetro que afecta la resistencia suelo-raz m s-1
CRUV Crecimiento de racimo o unidad vegetativa g (materia seca) d-1
Csafi Coeficiente para incremento de firmeza -
Csafp Coeficiente de incremento de firmeza por unidad de -
decremento en Xta
Csava Coeficiente de incremento de acidez valorable -
Csavp Coeficiente de incremento en acidez valorable por unidad % (mS cm-1)-1
de incremento en XCE
Csors Parmetro que afecta la resistencia suelo-raz m2
Csraa Coeficiente de reduccin de absorcin de agua por unidad -
de conductividad elctrica
Csrap Umbral de conductividad elctrica por encima del cual mS cm-1
hay disminucin de absorcin de agua
Cssola Coeficiente de incremento en slidos solubles -
Cssolp Coeficiente de incremento en slidos solubles por unidad % (mS cm-1)-1
de incremento en XCE
Cstfr Coeficiente emprico para estimar tamao de fruto en -
funcin de salinidad
Cstfrpce Coeficiente de disminucin de tamao de fruto por unidad g (mS cm-1)-1
de incremento en XCE
Csuaa Umbral de conductividad elctrica por encima del cual mS cm-1
hay disminucin de absorcin de agua
Csuav Umbral de conductividad elctrica por encima del cual mS cm-1
hay incremento de acidez valorable
XX
Smbolo Descripcin Unidades
Csufi Umbral de temperatura por abajo del cual hay incremento C
de firmeza
Csusol Umbral de conductividad elctrica por encima del cual mS cm-1
hay incremento en slidos solubles
Csutfr Umbral de conductividad elctrica por encima del cual mS cm-1
hay decremento de tamao
Cvmax Mximo crecimiento de tejido vegetativo por nodo g (materia seca) nodo-1
Cvv Coeficiente emprico de velocidad de viento en -
ventilacin
Cz Nivel respecto a un punto de referencia m
C Parmetro de rigidez de la pared celular Pa
d Factor de desplazamiento -
DF(Td) Funcin de desarrollo de fruto respecto a temperatura min-1
promedio diaria
DFmax Mxima velocidad de desarrollo de frutos -
DPV Dficit de presin de vapor k Pa
Dr-ini Densidad inicial de races kg de materia seca (m3
suelo)-1
EDF Estado de desarrollo del fruto -
EDR Estado de desarrollo de racimo -
Eee Energa elctrica consumida por el sistema de calefaccin kW
ET Flujo de evapotranspiracin kg m-2 s-1
ETintv Transpiracin de cultivo por intervalo de optimizacin m3 m-2 intervalo-1
Euag Eficiencia en uso de agua kg fruto fresco m-3
Fa Flujo de aire de exterior a interior del invernadero m3 s-1
Fac Acidez del fruto %
fact,cal Funcin que detecta si es necesario aplicar calefaccin -
FAG,d-atm Flujo de agua del dosel a la atmsfera kg agua m-2 min-1
FAG,dr Flujo de agua de drenaje kg agua m-2 min-1
FAG,lluvia-atm Evaporacin de agua interceptada por el dosel kg agua m-2 min-1
Fag,r Suministro de agua de riego al cultivo kg m-2 min-1
FAG,r-d Flujo de agua de raz a dosel kg agua m-2 min-1
FAG,s Flujo de agua en el substrato kg agua m-2 min-1
FAG,s-r Flujo de agua de substrato a raz kg agua m-2 min-1
Fap Fertilizantes aportados al cultivo kg m-2
Fcm Cantidad de fertilizante que es necesario adicionar para kg mol-1
lograr una cantidad de deseada de concentracin (cni) del
in i
FDf Fuerza de demanda de fruto g d-1
FDo,i Fuerza de demanda de cada rgano de la planta g d-1
FDuv Fuerza de demanda de cada racimo o unidad vegetativa g d-1
Ff Fraccin de fotoasimilados distribuidos a frutos -
fF(Td) Funcin de distribucin de crecimiento vegetativo y -
reproductivo
Fh Fraccin de fotoasimilados distribuidos a hojas -
Fmax Mxima tasa de fotosntesis mol m-2 s-1
fN(Xta) Funcin que modifica aparicin de nodos por temperatura -
fneoa,d Fraccin no estructural osmticamente activa en el dosel -
fneoa,r Fraccin no estructural osmticamente activa en la raz -
fod,i Fraccin de fotoasimilados que se distribuye a un racimo -
o unidad vegetativa
FOTb Fotosntesis bruta del cultivo expresada como g (CH2O) m-2 min-1
fotoasimilados
XXI
Smbolo Descripcin Unidades
FOTb,d Integral de fotoasimilados g (CH2O) m-2 d-1
FOTb,max Mxima velocidad de fotosntesis bruta mol m-2 s-1
FOTe,max Mxima capacidad fotosinttica endgena mol m-2 s-1
FOTn,max Mxima fotosntesis neta mol m-2 s-1
FOTnc,max Fotosntesis neta mxima limitada por dixido de carbono mol m-2 s-1
Fr Fraccin de fotoasimilados distribuidos a raz -
fR(XN) Fraccin de crecimiento distribuido a races -
frna,d Fraccin de radiacin neta absorbida por el dosel
Fss Contenido de azcares en el fruto %
Ft Fraccin de fotoasimilados distribuidos a tallo -
ftfot Funcin que modifica la fotosntesis por temperatura -
g(Tdia) Funcin de distribucin a frutos en das muy clidos -
Gac Grado de aceptacin del consumidor -
gAG,r,d Conductancia hidrulica raz-dosel kg m4 min-1
gcl Conductancia de capa lmite m s-1
gd Conductancia de agua en el dosel m s-1
gtr Conductancia de transpiracin en modelo m s-1
Hcal Combustible consumido por calefaccin kg
KAG,rsr Parmetro que afecta la resistencia suelo raz kg materia seca
estructural m-2
KF Nmero de nodos desde que aparece el primer fruto hasta nodo
que madura
KrSe Conductividad hidrulica relativa del substrato kg m-3 s
Ks Conductividad hidrulica a saturacin kg m-3 s
KSe Conductividad hidrulica del substrato kg m-3 s
lch Longitud caracterstica de la hoja m
Lf Fraccin de drenaje -
lh Longitud de hoja m
MAGd-ini Cantidad inicial de agua en el dosel kg agua m-2
MAGr-ini Cantidad inicial de agua en la raz kg agua m-2
MAGs-ini Cantidad inicial de agua en el substrato kg agua m-2
Me,d Materia seca estructural en el dosel kg materia seca
estructural m-2
Me,r Materia seca estructural en la raz kg materia seca
estructural m-2
Mfr Velocidad de respiracin de mantenimiento en frutos g (CH2O) g-1 d-1
Mh Velocidad de respiracin de mantenimiento en hojas g (CH2O) g-1 d-1
Mne,d Materia seca no estructural en el dosel kg materia seca no
estructural m-2
Mne,r Materia seca no estructural en la raz kg materia seca no
estructural m-2
Mr Velocidad de respiracin de mantenimiento en races g (CH2O) g-1 d-1
Mt Velocidad de respiracin de mantenimiento en tallo g (CH2O) g-1 d-1
Nb Funcin lineal a tramos que depende de la temperatura -
Nf1 Nmero de nodos en la planta cuando aparece el primer nodo
fruto
Nm Coeficiente emprico que indica la velocidad de aparicin Nodo d-1
de nodos
Nod Cantidad de unidades de demanda de fotoasimilados -
Nui In i de la disolucin nutritiva -
p1 Prdida de materia seca por nodo despus de alcanzar g (hoja) nodo-1
mxima rea foliar
PFF Peso fresco de fruto individual g
XXII
Smbolo Descripcin Unidades
Q10 Coeficiente de sensibilidad a temperatura en respiracin -
Qcal Transferencia de calor aplicado por la mquina de W m-2
calefaccin,
Qcnv,a-ss Transferencia de calor por conveccin con la superficie W m-2
del suelo
Qcnv,cnd,a-e Transferencia de calor por conveccin y conduccin entre W m-2
el aire interior y exterior del invernadero
Qper,a-e Transferencia de calor con el aire exterior debido a W m-2
ventilacin natural
Qsol,a Radiacin solar que absorbe el aire del invernadero W m-2
Qtr,c Calor latente producido por el proceso de transpiracin W m-2
Qven,a-e Transferencia de calor con el aire exterior debido a W m-2
ventilacin natural
rAG,s-t Resistencia al flujo de agua suelo-raz kg-1 m4 s-1
rAGm,s-r Resistencia modificada al flujo de agua suelo-raz kg-1 m4 s-1
Rc Radiacin de onda corta en el interior del invernadero W m-2
rcl Resistencia de capa lmite s m-1
Rg Radiacin solar global en el exterior W m-2
rh Resistencia interna de la hoja s m-1
Rl Radiacin de onda larga en el interior del invernadero W m-2
rlluvia Precipitacin pluvial m
Rm Respiracin de mantenimiento g (CH2O) m-2 min-1
rm Coeficiente de respiracin de mantenimiento g (CH2O) g -1 (materia
seca) min-1
Rm,d Integral de respiracin de mantenimiento g (CH2O) m-2 d-1
rmin Resistencia estomtica mnima s m-1
Rn Radiacin neta W m-2
Rna,d Radiacin neta absorbida por el dosel J m-2 d-1
Ro,20 Respiracin obscura a 20C mol m-2 s-1
Ro,Th Respiracin obscura a temperatura variable mol m-2 s-1
s Pendiente de la curva de presin de vapor saturado -
Se Contenido efectivo de agua en substrato -
Slat Superficie de apertura de ventana lateral m2
ST Superficie de apertura de ventanas total m2
Suv Fuerza de demanda de unidad vegetativa g d-1
s Relacin presin de vapor/constante psicromtrica K Pa-1
Tcal Temperatura de tubera de calefaccin K
TCPF Tasa de crecimiento potencial de fruto g d-1
TCPR Tasa de crecimiento potencial de racimo g d-1
TCPUV Tasa de crecimiento potencial de unidad vegetativa g d-1
Tcrit Temperatura limite de reduccin de crecimiento del fruto C
Tcss Temperatura de la capa que cubre el suelo K
Td Temperatura promedio diaria C
Tdia Temperatura promedio de las horas con luz durante el da C
Te Temperatura del aire en el exterior C
tf Tiempo final de integracin -
Th Temperatura de la hoja C
ti Tiempo inicial de integracin -
Tintv Transpiracin del cultivo m3 m-2 invervalo-1
tj Da juliano -
Tr Temperatura de referencia en respiracin C
Ts Temperatura de substrato K
Tsc Temperatura de superficie de cubierta de invernadero K
XXIII
Smbolo Descripcin Unidades
Ucal Coeficiente de activacin del calefactor -
Vav Grado de acidez valorable del fruto %
Vav,n Indice de calidad de grado de acidez en el fruto -
VCO2 Concentracin de CO2 en el interior del invernadero mol mol-1
Vcos Costo de produccin m-2
VCR Velocidad de crecimiento relativo -
VDF Velocidad de desarrollo del fruto d-1
Vdint Duracin del intervalo de tiempo dentro del horizonte de s
planificacin
Vdr Volumen de agua de drenajes m3 m-2
Vfi Firmeza del fruto N mm-1
Vfi,n ndice de calidad de firmeza de fruto -
Ving Ingresos por venta de produccin m-2
Vk,rs Ganancia de relacin temperatura interior-radiacin solar C W m-2
Vperd Flujo por prdidas W m-2
Vpr Precio de tomate kg-1
VR Rendimiento obtenido en condiciones de dficit hdrico g m-2
VRFA Radiacin fotosinttica activa mol m-2 s-1
VRmax Rendimiento obtenido en condiciones no limitantes de g m-2
riego
VSSol Contenido de azcares en el fruto %
VSSol,n ndice de calidad de contenido de azcares en el fruto -
Vtf Tamao de fruto g
Vtf,n ndice de calidad de tamao de fruto -
Vvv Velocidad de viento en interior de invernadero m s-1
Vvvext Velocidad de viento en el exterior m s-1
V Parmetro para estimar el flujo de aire del exterior al -
interior de invernadero
W Factor de correccin de radiacin neta interceptada -
wav Ponderacin del parmetro acidez valorable -
wfi Ponderacin del parmetro firmeza de fruto -
wssol Ponderacin del parmetro slidos solubles -
wtfr Ponderacin del parmetro tamao de fruto -
XXIV
Notacin matemtica en optimizacin y control
Smbolo Significado
ci Multiplicador en optimizacin multiobjetivo
i Nivel de restriccin en optimizacin multiobjetivo
fi Funcin objetivo que se optimiza
u(t) Seal de control en el tiempo t
wi Ponderacin del objetivo i
x* Vector de soluciones optimas
x Vector de variables de decisin
Salida predicha del sistema
E{.} Esperanza matemtica de funcin objetivo
F Conjunto de soluciones factibles
F* Punto ideal en el conjunto de soluciones factibles
H1 Horizonte de prediccin mnimo en la funcin de coste del controlador predictivo
H2 Horizonte de prediccin mximo en la funcin de coste del controlador predictivo
Hu Horizonte de control en la funcin de coste del controlador predictivo
J Funcin objetivo que se optimiza
Mi i-sima meta en el proceso de optimizacin
o Variable escalar en optimizacin multiobjetivo
c Constante de sintonizacin
c(j) Secuencia de ponderacin que penalizan los errores de seguimiento
mmx Variable auxiliar de minimizacin
c(j) Secuencia de ponderacin que penaliza esfuerzos de control futuro
XXV
Introduccin
Los diversos elementos que lo componen y las mltiples relaciones que se establecen en el
invernadero hacen de l un sistema complejo, en el cual los flujos de energa, masa e
informacin (la inherente al material gentico de las plantas y la que el hombre
proporciona) son dinmicos y de diferente magnitud. El cultivo es su elemento central y
sobre ste actan variables como el clima (temperatura, humedad del ambiente, radiacin
fotosinttica activa y dixido de carbono), la nutricin (agua y nutrientes), biticas (plagas,
enfermedades, virus, bacterias y malas hierbas) y de manejo cultural (podas). Estas
variables establecen interacciones entre s de manera que su complejidad ha hecho
necesario que sean estudiadas en profundidad e identificadas en subsistemas. Para alcanzar
el conocimiento detallado de stos, los modelos han constituido una herramienta
importante de ayuda, lo que ha permitido explicar el comportamiento de los mismos. Los
subsistemas del invernadero han sido caracterizados de manera dinmica por diversos
autores, tanto a nivel de clima [Bot83], [Udi83], [Sta95], [Hen94], [Tap00], [Rod02],
[Gar05] comportamiento del agua en el suelo o substrato [Bai94], [Hei97], [Gie00],
[Sig01], nutricin [Hei97], [Son00] y plagas y enfermedades [Rab93], entre otros.
La figura 1.1 muestra los subsistemas, los procesos y las variables en su relacin con el
cultivo: las entradas son variables susceptibles de ser controladas (temperatura en el
interior, agua, nutrientes y otros), las perturbaciones son variables que no pueden
manipularse, pero si medirse para poder tener en cuenta su efecto sobre el sistema (por
ejemplo las condiciones climticas del exterior, plagas y enfermedades) y las salidas son
las variables que se pretende controlar, distinguindose dos tipos: aqullas que son el
objetivo de la produccin (frutos, hojas, tallos o races) y las de residuos contaminantes
(por ejemplo desechos de productos fitosanitarios). Adems, se indican elementos como el
mercado o las regulaciones ambientales que influyen en las decisiones de control sobre las
variables de entrada. La integracin de los elementos del sistema invernadero bajo una
perspectiva de conjunto constituye entonces un reto importante por el potencial no slo de
comprender las interacciones entre los diferentes elementos, sino por la posibilidad de
controlarlo.
1
Introduccin
Perturbaciones Perturbaciones
Plagas y enfermedades
Temperatura Humedad Velocidad Direccin Reductores de Reductores Consumidores Consumidores Hurtadores
exterior relativa viento de viento asimilacin de de de hoja/tejido de luz
poblacin asimilados
Entradas PAR
Ventilacin Clima Temp. aire
Calefaccin Conveccin Planta Salidas
CO2 Radiacin trmica Temp. cubierta Absorcin
Mallas Conduccin Transporte
Transpiracin Hojas
Pantalla trmica Temp. sup. suelo Fotosntesis
Humidificacin Condensacin Respiracin Tallo
Evaporacin Humedad Transpiracin
Races Cantidad
CO2 interior Actividades metablicas
Calidad
Almacenamiento
Flor
Radiacin Concentracin Temperatura
exterior CO2 exterior de suelo Fruto
a X profundidad Agua
Perturbaciones
Lluvia
Mercado Salidas
Eliminacin de
Normativa Infiltracin Residuos:
Suelo o substrato hojas o frutos
Percolacin Agua
ambiental Aplicacin de
Lixiviacin Iones plaguicidas
... Productos
fitosanitarios Labores culturales
2
Introduccin
El seguimiento de las consignas no es el ideal, ya que hay interacciones entre los bucles
de control y existen restricciones en los dispositivos de control.
A los problemas anteriores hay que aadir que en los sistemas instalados fuera de las
condiciones donde se desarrollaron se requiere de un proceso de adaptacin y refinamiento
de los diferentes parmetros operativos para conseguir resultados aceptables.
Abordar el problema del manejo del agrosistema invernadero desde el enfoque de control
ptimo no es un problema trivial [Hen94]. La naturaleza del sistema es tal que analizado
desde una perspectiva integral requiere del establecimiento de los nexos necesarios, que
van desde el manejo de fotosntesis o respiracin en el nivel ms detallado del sistema
hasta la prediccin de la tendencia de mercados del producto en cuestin. Ante la magnitud
y complejidad del problema, ste se ha sido tratado como un sistema de control jerrquico
[Cha93], [Tan93], [Hen94], [Tap00], [Rod02]. La suposicin fundamental para la
descomposicin del sistema es la existencia de distintas escalas de tiempo (adaptacin de
subsistemas a los tiempos de respuesta). Mientras que el clima del invernadero cambia en
cuestin de segundos o minutos, el cultivo desarrolla cambios despus de horas o das. Se
puede establecer entonces un sistema estructurado en capas que permite la interaccin
entre ellas de manera que las entradas a cada nivel inferior son las salidas del nivel superior
[Rod03].
3
Introduccin
Capa intermedia: cultivo. En base a las consignas recibidas de la capa superior, debe
determinar las trayectorias que deben seguir las variables climticas y de aporte de agua
y nutrientes implicadas en el crecimiento del cultivo. Como todo el sistema se basa en
predicciones a largo plazo, es necesaria la utilizacin de modelos de crecimiento y
desarrollo para poder conocer en qu estado se encontrar el cultivo en funcin de las
variables antes mencionadas.
Si bien los mtodos de control se han enfocado a la solucin de un nico objetivo, muchos
problemas de la naturaleza presentan la necesidad de optimizar varios objetivos a la vez,
muchas veces en conflicto entre ellos [Coe03]. Bajo este enfoque se requiere una nocin
diferente de ptimo, siendo la ms aceptada en el mbito de la optimizacin multiobjetivo
aqulla que permite encontrar soluciones de compromiso, en las que se puede satisfacer
gradualmente un objetivo a costa de otros [Coe03]. La meta en optimizacin multiobjetivo
es encontrar un conjunto de soluciones factibles que satisfacen los criterios establecidos
por quien toma las decisiones [Coe03].
4
Introduccin
Por el fuerte impacto que representa la emisin de contaminantes a los mantos acuferos en
la produccin en invernadero [Sid98], [Sta03a], el problema de reduccin de
contaminantes se ha incluido en las recientes directivas europeas sobre el ambiente
[Pas04].
De lo anterior se puede concluir que el problema del manejo del agrosistema invernadero
puede ser planteado como un problema de optimizacin desde un enfoque de mltiples
objetivos, con algunos de ellos en conflicto.
5
Introduccin
Los cambios en la sociedad se han traducido en una reduccin del tiempo destinado a
la compra, preparacin y consumo de alimentos. Ha adquirido importancia la
realizacin de una o varias comidas diarias fuera del hogar y la compra de alimentos
listos para el consumo, incluyendo las hortalizas. Se presta por tanto mayor atencin al
desarrollo de tecnologas tiles en la conservacin de alimentos y los tratamientos que
valorizan los atributos naturales y de salud de los alimentos.
Las tendencias que se prevn para el ao 2010 respecto al mercado son [Uff01]: la
globalizacin, la concentracin de mercado y la individualizacin e intensificacin de
productos. Como efecto de las tendencias, algunos pases de Europa del Norte han
planteado un enfoque orientado al mercado o bien hacia la produccin de aquellos
productos con las caractersticas que demandan los consumidores. Como resultado de ello
se plantea un sistema de manejo de calidad total a ser adoptado por los agricultores
[Uff00], [Uff01], [Uet00], que consta de cinco etapas a cumplir en base al punto de vista
del consumidor, considerando calidad en: 1) el producto, 2) el proceso, 3) el sistema, 4) la
cadena productor-distribuidor-consumidor y 5) el nivel social [Uff00]. El concepto busca
la excelencia en los diversos mbitos, desde el producto hasta la aceptacin social,
constituyendo un reto interesante de cambio del paradigma en la produccin de hortalizas.
Es claro entonces que la tendencia a lograr alimentos de alta calidad, que consideran no
slo el producto sino otros elementos en el proceso produccin-distribucin-consumo, se
ha puesto en marcha y avanza en las empresas de produccin de pases como Reino Unido
u Holanda.
6
Introduccin
Los dos principales objetivos que se han establecido en la tesis doctoral han sido los
siguientes:
Hasta hace pocos aos, en el sector agrcola del sudeste espaol no se haban desarrollado
tcnicas de control propias para el problema del control del crecimiento de un cultivo en
base a las condiciones climticas y de nutricin. Algunos trabajos previos haban abordado
la capa inferior de la estructura jerrquica o bien las capas de control de clima y control de
crecimiento desde un enfoque de optimizacin de beneficios actuando slo sobre el clima
del invernadero [Rod02]. En base a esta referencia, la presente tesis en s pretende ser una
aportacin, ya que no se haba realizado hasta el momento un trabajo adaptado a estas
caractersticas, que permita generar consignas ptimas de clima y conductividad elctrica
en la disolucin nutritiva en funcin de distintos objetivos en la produccin, como son la
maximizacin de beneficios, de calidad de los frutos y de eficiencia en el uso del agua.
Las principales contribuciones de la tesis, que se analizan en los siguientes captulos, son
las siguientes:
7
Introduccin
El modelado del flujo de agua abre diversas posibilidades para realizar control de
suministro de agua basado en modelos desde un enfoque integral que acople el estado
hdrico del substrato, de la planta y los objetivos de produccin, ya que el manejo en el
aporte de agua puede potenciarse como una estrategia para buscar otros objetivos como
calidad de fruto, ms que el mximo rendimiento.
8
Introduccin
El campo de estudio abarcado por esta tesis es muy amplio y el estudio profundo de cada
uno de los captulos propuestos y desarrollados podra constituir trabajos de investigacin
de entidad. Como se ha indicado anteriormente, el objetivo principal de la presente tesis ha
sido aportar una solucin integrada al problema del control multiobjetivo del crecimiento
de cultivos bajo invernadero, para lo cual ha sido preciso estudiar y desarrollar objetivos
parciales que pueden ser objeto de estudios futuros para ampliar los contenidos de esta
tesis o proponer soluciones alternativas a los mismos.
9
Introduccin
El captulo 4 est dedicado al estudio del balance hdrico aplicado al cultivo de tomate,
desarrollado en un cultivo sin suelo. Se describen los principales elementos que
contribuyen a explicar el flujo de agua en el sistema substrato-planta-atmsfera.
Posteriormente, se describe el modelo de base utilizado y las modificaciones al mismo.
Otra seccin de este capitulo aborda la estimacin de los parmetros y la validacin del
modelo.
10
Material y mtodos
En esta tesis se han realizado cuatro ensayos completos con cultivo de tomate en
invernaderos caractersticos de las condiciones de produccin de la provincia de Almera,
tipo parral raspa y amagado, durante los aos 2003, 2004 y 2005. Uno de los ensayos se ha
llevado a cabo en condiciones de produccin comercial, en un invernadero ubicado en el
paraje Los Llanos s/n, en el trmino municipal de El Ejido, Almera, latitud 36 42 N,
longitud 247 O y altitud de 40 m. El resto se han desarrollado en la Estacin
Experimental Las Palmerillas (EEP) latitud 36 48 N, longitud 243 O y altitud de 63
m.
En la parte central de la cubierta se forma una pequea depresin o valle entre los postes
colocados cada 8 m, donde la altura de los alambres a tensin es reducida por barras
verticales conectadas al piso cada 2 m. La altura mxima o de cumbrera de cada seccin
formada entre postes es de 4.4 m y la altura del piso al valle es de 3.6 m [Per04]. La
cubierta es de polietileno trmico de 0.18 mm (720 galgas de espesor) colocada entre dos
mallas de alambre galvanizado unidas al conjunto de cables a tensin mencionados
anteriormente.
Los laterales estn protegidos por una malla de 20x10 hilos cm-2 de densidad y por
plstico, al igual que las ventanas cenitales, con la finalidad de evitar la entrada de insectos
al invernadero. El anexo 1 muestra las dimensiones del invernadero y en la figura 2.1 se
puede ver una imagen del mismo.
11
Material y mtodos
Las ventanas cenitales estn colocadas en la cumbrera de cada seccin y abren hacia el
lado oeste en un ngulo mximo de 45, gobernadas tambin por un motor de corriente
alterna. No hay sensores de posicin angular instalados, por lo que la apertura de las
ventanas (laterales y cenitales) se estima calculando el tiempo que tarda en abrir (o cerrar)
hasta la posicin deseada. Los tiempos son diferentes en apertura o cierre por el efecto de
la gravedad. Las figuras 2.2A y 2.3A muestran el sistema de ventilacin del invernadero.
El sistema de calefaccin est constituido por un calefactor por aire caliente alimentado
con gasoil, un ventilador de distribucin de aire y un depsito de combustible. El calefactor
tiene una capacidad de aporte de 95000 kcal y el ventilador es de 70 cm de dimetro con
potencia de 0.39 kW. En la figura 2.4 se puede apreciar la mquina y el ventilador del
sistema de calefaccin.
La tabla 2.1 indica las caractersticas generales de los ensayos y las condiciones climticas
ms relevantes en que se desarrollaron. Se han plantado las variedades Belle y Boludo, las
dos son de hbito de crecimiento indeterminado2. La variedad Belle del ensayo 1 es un
tomate de tamao comprendido entre G-GG (grande y extragrande) y gran consistencia,
resistente al virus mosaico del tabaco, verticillium y fusarium 2 [Mar01]. La variedad
Boludo de los ensayos 2, 3 y 4 es de tipo redondo tamao grande, muy firme, de larga vida
de anaquel, resistente al virus mosaico del tabaco, verticillium, fusarium 2, virus
bronceado del tomate y virus de la cuchara [Mar01].
Considerando que los modelos deben ser validados con datos independientes de aquellos
utilizados para su desarrollo o calibracin, el ensayo 2 fue seleccionado para realizar la
estimacin de parmetros, y el resto de ensayos 1, 3 y 4 fueron utilizados para validar los
modelos aunque en el caso de cantidad de nodos e ndice de rea foliar tambin se
utilizaron datos del experimento 3 para adecuar algunos de los parmetros a diferentes
pocas de trasplante.
Los ensayos 5 y 6 indicados en la tabla 2.1 han sido descritos en [Rod02] y sus datos
fueron utilizados con fines comparativos.
2
En las plantas con hbito de crecimiento indeterminado el tallo crece de manera indefinida durante todo su
ciclo de vida, a diferencia del crecimiento determinado en el que el tallo termina en una inflorescencia.
12
Material y mtodos
13
Material y mtodos
14
Material y mtodos
2.2.2.2 Biomasa
La evolucin del ndice de rea foliar se determin mediante las mediciones de rea foliar
de cada planta eliminada para biomasa. El rea foliar fue medida con un planmetro
electrnico (Delta-T Devices Ltd).
15
Material y mtodos
El rea foliar especfica es la relacin que hay entre el rea de la hoja y el peso seco de la
misma. En dos de las plantas utilizadas para determinar biomasa se realiz una separacin
de hojas por unidades simpodiales3. De cada unidad simpodial se hicieron mediciones de
rea foliar, peso fresco y peso seco, que permitieron determinar el rea foliar especfica
(AFE).
Una vez cuajados los frutos, se llev a cabo registro de su crecimiento mediante medidas
en ocho plantas del dimetro de cada fruto de cada racimo. El dimetro de los frutos se
midi cada cuatro das en el segundo ensayo y cada ocho das en los ensayos tercero y
cuarto, hasta que su crecimiento se detuvo. Las mediciones fueron realizadas con vernier
digital (Mitutoyo Inc.).
Despus de cosechados, los frutos maduros fueron llevados a estufa de secado hasta peso
constante para determinar as la biomasa y la relacin peso seco/peso fresco. Para
establecer una correlacin entre biomasa de fruto y dimetro del mismo se tomaron
muestras de frutos de diferentes dimetros (de 0.6 cm hasta ms de 9 cm) seleccionando
varios frutos de cada clase, realizndose medidas de dimetro, peso fresco y peso seco
(usando estufa de secado).
El sustrato utilizado en los ensayos fue lana de roca con bloques de dimensiones de
100x20x7.5 cm, colocados sobre un canal construido con poliestireno que permite la
recoleccin de los drenajes, aunque stos no fueron reutilizados. Las caractersticas de la
lana de roca dadas por el fabricante son: 93% de porosidad total, capacidad de aireacin de
26%, densidad de 0.075 kg dm-3 y sin capacidad de intercambio catinico.
3
Se consider unidad simpodial aqulla que consta de dos hojas debajo de cada racimo y una hoja en la parte
superior a ese racimo.
16
Material y mtodos
Las instalaciones de riego son similares en los dos lugares donde se realizaron los ensayos,
describindose a continuacin las caractersticas ms importantes.
La instalacin posee cinco tanques de polietileno con capacidad de 1000 l cada uno, un
depsito de 500 l para cidos y un depsito adicional de 100 l para microelementos. Cada
tanque contiene nitratos, fosfatos y sulfatos. La solucin se concentr 200 veces y fue
diluida en el agua de riego mediante sistema de inyeccin por venturis controlado por
electrovlvulas. El sistema consta de sondas de conductividad elctrica y pH que permiten
la regulacin de la disolucin nutritiva aportada.
17
Material y mtodos
fue ubicado a 2.8 m del suelo; los sensores de cubierta se instalaron sobre las caras
orientadas al este y oeste respectivamente. En la tabla 2.5 se indican las principales
caractersticas de los sensores. Las figuras 2.6 y 2.7 muestran algunos de los sensores
utilizados.
El sistema de adquisicin de datos utilizado est compuesto por un bus de campo con
capacidad de conexin de 80 estaciones remotas usando el protocolo RS-485, tarjeta de
control central de comunicaciones que enlaza las estaciones y el computador personal, va
puerto serie, mediante el protocolo RS-232 y software para computador personal. Cada
estacin remota puede gestionar sensores o sistemas de actuacin. El hardware ha sido
desarrollado por la empresa Industria de Telecomunicacin y Control (ITC-Espaa)
mientras que el software ha sido desarrollado por el grupo de investigacin Automtica,
Electrnica y Robtica TEP-197 de la Universidad de Almera. La figura 2.8 muestra
imgenes del sistema de control.
18
Material y mtodos
19
Material y mtodos
Tabla 2.3 Caractersticas del agua de riego y concentracin de la disolucin nutritiva aportada en las diferentes fases de cultivo. Invernadero
Estacin Experimental Las Palmerillas
Macroelementos Microelementos
mmol L-1 mol L-1
CE pH NO3- NH4+ H2PO4 -
K+
Ca2+ Mg2+ SO42- HCO3 - Fe+ Mn -
Zn+ B- Cu Na+ Cl-
+
AR 0.4 7.9 - - - 0.12 0.58 1.26 0.24 2.80 - - 0.02 0.02 - 0.60 0.57
C 2.2 6.2 13.0 2.30 1.5 6.00 4.50 2.00 3.00 2.80 1.0 0.7 0.46 0.25 - 0.66 0.57
F 2.3 6.4 9.1 2.50 1.4 6.5 4.50 2.30 5.20 1.00 1.7 1.0 0.30 0.41 - 1.43 1.73
P 2.2 6.2 11.5 1.50 1.0 4.0 5.50 1.51 1.00 0.50 1.1 0.7 0.50 0.30 - 0.66 0.62
Tabla 2.4 Caractersticas del agua de riego y concentracin de la disolucin nutritiva aportada en las diferentes fases de cultivo. Invernadero
produccin comercial
Macroelementos Microelementos
-1
mmol L mol L-1
CE pH NO3- NH4+ H2PO4- K+ Ca2+ Mg2+ SO42- HCO3 - Fe+ Mn- Zn+ B- Cu+ Na+ Cl-
AR 1.4 7.7 - 0.04 3.79 0.22 1.26 1.3 0.75 0.0 - - 0.02 0.02 - 8.09 8.34
C 3.5 6.0 14.1 0.64 2.2 8.7 4.1 3.2 3.2 1.3 1.05 0.7 0.46 0.25 - 9.1 9.2
F 3.2 6.4 13.9 0.55 1.8 8.5 4.4 2.9 2.6 1.5 0.75 0.5 0.33 0.18 - 10.4 11.7
P 3.3 6.1 15.7 0.80 1.0 7.6 4.7 2.1 1.9 1.3 1.10 0.70 0.50 0.30 - 8.8 9.11
AR- Agua de riego C- Crecimiento F- Floracin P- Produccin CE-Conductividad elctrica
20
Material y mtodos
La frecuencia de toma de datos fue de un minuto en todas las variables climticas medidas.
Los sistemas de control para ventilacin, calefaccin y riego fueron acondicionados para
que la seal de control pudiese ser gestionada desde un computador personal, de modo que
el control se realiz utilizando el sistema anteriormente descrito, el cual permite gran
flexibilidad para la incorporacin de diferentes algoritmos de control, a diferencia de los
sistemas de control comerciales.
El registro de datos de las dos balanzas se realiz cada minuto. El sistema de balanza-
lismetro puede observarse en la figura 2.9, donde tambin se puede apreciar el dispositivo
utilizado para medicin de temperatura, contenido de humedad y conductividad elctrica
insertados en la tabla de lana de roca utilizando sensores Wet-sensor (Delta-T Devices
Ltd.), cuyas caractersticas se indican en la tabla 2.5; el registro de datos de stas variables
fue realizado mediante el software comercial Grow-Lab con una frecuencia de cuatro
minutos.
21
Material y mtodos
22
Material y mtodos
Los indicadores estadsticos que se utilizaron son: media, desviacin estndar y raz del
error cuadrtico medio. Todos ellos para analizar el comportamiento de los datos medidos
respecto a los valores generados por los modelos. La estimacin de los indicadores antes
mencionados se ha realizado siguiendo los criterios descritos en [Sne84] y [Cre94].
23
Material y mtodos
n
= ( X obs X sim ) 2
2
J = X obs X sim (2.1)
i =1
donde Xobs=(Xobs,1,, Xobs,n) es el vector de medidas con tamao n de la variable (X) que se
evala y Xsim=(Xsim,1,, Xsim,n) es el vector de estimaciones del modelo con la misma
dimensin.
Aunque existen otros mtodos heursticos como algoritmos evolutivos o revenido simulado
que convergen en soluciones que minimizan la ecuacin (2.1), se ha considerado que en el
mbito del presente trabajo el mtodo descrito anteriormente es suficiente para encontrar
las soluciones buscadas.
24
Material y mtodos
25
Material y mtodos
26
Modelos de crecimiento y desarrollo de
tomate
3.1 El ambiente y su relacin con los procesos fisiolgicos, el
crecimiento y el desarrollo de las plantas
27
Modelos de crecimiento y desarrollo en tomate
Una gran parte de los asimilados de cada da son utilizados en respiracin en el mismo
periodo. La respiracin obscura es necesaria para la produccin de energa y de esqueletos
de carbono para sostener el crecimiento de la planta. La utilizacin de los fotosintatos en
las plantas depende del suministro de nutrientes, en condiciones de amplia disponibilidad
de stos el crecimiento de la parte vegetativa puede utilizar el 40-57% de los asimilados, el
crecimiento de raz un 17-18%, la respiracin de partes vegetativas un 17-24 %, la
respiracin de races un 8-19% (respiracin de crecimiento 3.5-4.6%, de mantenimiento
0.6-2.6%, adquisicin de iones 4-13%) [Lam98]. Para condiciones de limitacin en cuanto
al suministro de nutrientes el crecimiento vegetativo utiliza el 15-27%, el crecimiento de
raz un 33-35%, la respiracin vegetativa el 19-20% y la respiracin de races el 6-9%, de
los fotosintatos disponibles [Lam98].
Los cuantos luminosos son capturados por el sistema de captacin de luz ubicado en los
cloroplastos y transformados en energa qumica en un conjunto de procesos primarios de
la fotosntesis [Law93].
28
Modelos de crecimiento y desarrollo en tomate
El 40% de la materia seca de las plantas es carbono y ste proviene del CO2 absorbido
durante la fotosntesis [Lam98]. En la atmsfera el O2 est 600 veces ms concentrado que
el CO2, lo cual favorece siempre las ineficientes reacciones de oxigenacin; las plantas
deben acumular CO2 desde una concentracin muy diluida y, al mismo tiempo, funcionar a
alta concentracin de O2 con enormes gradientes de presin de vapor de agua entre la hoja
y la atmsfera [Law93]. Como ejemplo, una hoja a 23oC con aire interno saturado de vapor
de agua (100% de humedad relativa) tiene una presin de vapor de agua de
aproximadamente 2.8 kPa comparado con 1.5 kPa del aire a 25oC y 50% de humedad
relativa, as, las hojas deben absorber CO2 mientras limitan la prdida de vapor de agua, y
son los estomas quienes regulan este conflicto [Law93].
Una vez situado en la hoja, el CO2 se difunde de los espacios de aire intercelulares a los
sitios de carboxilacin en el cloroplasto (especies C3) o en el hialoplasma o porcin fluida
del citoplasma (especies C4 y CAM) [Lam98], [Gij95]. Considerando el flujo de CO2 en el
camino al estroma del cloroplasto donde la enzima rubisco est activa, el CO2 tiene que
difundirse del aire alrededor de la hoja a la cavidad estomatal [Gij95].
29
Modelos de crecimiento y desarrollo en tomate
Dos barreras tienen que ser superadas en el flujo descrito anteriormente, que pueden ser
caracterizadas por sus diferentes conductancias: la conductancia de capa lmite y la
conductancia estomtica [Gij95], aunque tambin puede incluirse la conductancia de la
cutcula [Law93]. Se desarrolla entonces un gradiente de CO2 a travs de la envoltura del
cloroplasto, el hialoplasma, la membrana y pared celular a los espacios intercelulares, va
que va desde el estoma al aire del ambiente [Law93].
La capa lmite es la capa de aire adyacente a la hoja que es modificada por la hoja; su
umbral est comnmente definido como el punto en el cual las propiedades del aire estn
en el 99% de los valores del aire ambiente [Lam98]. La velocidad del aire en el interior del
invernadero genera gruesas capas de aire alrededor de la hoja y en consecuencia baja
conductancia de capa lmite, fluctuando sus valores entre 0.01 m s-1 en cultivo de tomate
[Sta87] y 0.025-0.05 m s-1 en cultivos de campo abierto [Tho00]; tambin se sealan
valores de 10 mol m-2 s-1 (0.24 m s-1) a velocidades de viento de 5 m s-1 [Lam98]; o valores
de 0.2 a 4 mol m-2 s-1 (0.0048 0.01 m s-1) a velocidades entre 0.5 y 2 m s-1 [Law93].
Para el transporte del CO2 desde la cavidad subestomatal hasta el cloroplasto tambin hay
una resistencia interna o conductancia interna, como consecuencia de ello, la presin
parcial del CO2 dentro el cloroplasto es menor que la presin del CO2 intercelular
Lamb98]. La proporcin de concentracin de CO2 intercelular a concentracin de CO2
ambiente tiende a conservarse constante a completa luz del sol en valores de 0.7 0.8
[Gij95].
30
Modelos de crecimiento y desarrollo en tomate
3.1.3 Temperatura
Las respuestas de las plantas a la temperatura son muy dependientes de las especies y las
condiciones de crecimiento. La capacidad de las plantas para funcionar a temperaturas
extremas est correlacionada con su capacidad de fotosntesis a esas temperaturas [Law93],
[Lam98], [Moh95]. Generalmente, la fotosntesis es lenta a temperaturas bajas,
incrementando a un mximo (que puede ser amplio o estrecho) conforme la temperatura
aumenta y entonces a temperaturas ms altas, cae abruptamente a un punto en el cual el
tejido muere [Law93].
31
Modelos de crecimiento y desarrollo en tomate
En plantas subtropicales y tropicales hay dao causado por fro, el cual ocurre a
temperaturas entre 10 y 20 oC, y ese dao est asociado con la disminucin en la fluidez de
la membrana, cambios en la actividad de la membrana asociados con enzimas y procesos,
tales como el transporte fotosinttico de electrones y prdida de actividad de las enzimas
sensibles al fro [Lam98].
32
Modelos de crecimiento y desarrollo en tomate
El contenido relativo de vapor del agua o humedad del ambiente est determinado por
muchos factores, de los cuales la transpiracin, la condensacin en la superficie de la
cubierta y la ventilacin son los principales. A su vez, la transpiracin y la fotosntesis son
afectadas por la humedad ambiental [Sta95].
Cuando el dficit de presin de vapor (DPV) es bajo, la transpiracin ser baja y las clulas
vegetales pueden mantener alta turgencia y alcanzar mximo tamao. Plantas desarrolladas
con alta humedad tienden a tener hojas grandes, aunque en ciertas ocasiones es deseable
restringir el crecimiento y la transpiracin estimulada puede resultar en mejor calidad del
producto [Noo95]. Es deseable evitar cambios repentinos de transpiracin, ya que causan
perturbaciones en el balance entre la absorcin de agua y transpiracin, resultando en
grandes variaciones en el contenido de agua del cultivo. Estimular la transpiracin
reduciendo humedad relativa incrementa el transporte de calcio a las hojas, lo cual reduce
el riesgo de problemas como pudricin apical en lechuga o en tomate [Noo95].
33
Modelos de crecimiento y desarrollo en tomate
Otros estudios han demostrado que con bajo DPV se atena la disminucin estacional en
rendimiento fresco y disminuye la aparicin de podredumbre apical (blossom end rot)
cuando las plantas tienen baja carga de frutos pero se promueve la ruptura de frutos
[Ber00]. Con bajo DPV y baja carga de tomate (3 frutos) se incrementa la velocidad de
crecimiento del fruto [Gau01]. El incremento de DPV produce significativa reduccin en
peso fresco de fruto, contenido de agua de frutos y la variabilidad en el peso de los frutos
es ms alta [Leo00a].
Una vez que se han formado fotoasimilados es importante su distribucin, sin embargo, no
hay concordancia perfecta entre el tiempo de adquisicin de estos carbohidratos y su
utilizacin para crecimiento y respiracin, y as ellos deben ser almacenados
temporalmente. Si se siguen los cursos diarios de los flujos, es preciso distinguir el
depsito de carbohidratos como almacn de corto plazo separado de la biomasa estructural.
Si no hay inters en ello, se pueden agrupar los dos juntos como biomasa total de la planta
[Gou94].
La respiracin de mantenimiento ha sido abordada como una prdida diaria de materia seca
total. Para compensar esta prdida, se introduce una velocidad de crecimiento bruto ms
alta que aqulla utilizada previamente. Un anlisis ms preciso de ganancias y prdidas de
materia seca permitir la simulacin separada de asimilacin (por fotosntesis) y
desasimilacin (por prdidas respiratorias) de CO2. Por la dinmica diaria de radiacin, se
produce una separacin temporal de asimilacin y desasimilacin, la cual es
fisiolgicamente posible por el almacenamiento de fotoasimilados en un depsito. La
fotosntesis no tiene lugar durante la noche, pero la respiracin prosigue, resultando en una
prdida nocturna de la materia seca bruta total. Al mismo tiempo, el proceso de
crecimiento contina y as se hace la conversin de la asimilacin almacenada en biomasa
estructural. La prdida de fotoasimilados se reestablece durante el da, permitiendo la
continuacin de produccin de material estructural durante la siguiente noche [Gou94].
34
Modelos de crecimiento y desarrollo en tomate
Los modelos como abstraccin de la realidad constituyen una herramienta que el ser
humano ha desarrollado en mltiples disciplinas y tambin, aunque con cierto retraso, en el
mbito de la produccin de alimentos. Es en la industria donde los modelos han tenido
enorme desarrollo, sobre todo si se les compara con la agricultura; as a principios de los
aos 70 del siglo pasado la percepcin que se tena en cuanto al desarrollo de modelos en
agronoma puede ser sintetizada de la siguiente manera: Un ingeniero qumico no
diseara una planta qumica, ni sus procesos de control, sin tener primero como base para
su diseo a un modelo del proceso qumico por realizarse en tal planta. Sin embargo el
ingeniero agrcola, cuyo quehacer es el diseo de los sistemas ambientales para la fbrica
qumica ms grande del mundo (la transformacin de la energa de la luz y otros procesos
qumicos en alimento), no cuenta con un modelo adecuado del sistema con el cual trabaja
[Cur71].
Esta situacin ha cambiado como se detalla ms adelante, sin embargo sigue siendo la
agricultura un campo en el que el tiempo transcurrido entre la generacin de una nueva
tecnologa y su aplicacin es mayor que el suele tardar en la industria o los servicios
[Ram98].
Los modelos empricos son descripciones esencialmente directas de los datos observados,
que en ciertas circunstancias pueden ser de gran utilidad [Tho00]. En un modelo emprico
cualquier relacin matemtica propuesta no est restringida por leyes fsicas tal como la
conservacin de la energa, o las leyes de termodinmica, o bien por informacin biolgica
o por cualquier conocimiento de la estructura del sistema [Tho00].
Otra perspectiva de modelado lo constituyen los modelos teleonmicos, los cuales son
formulados explcitamente en trminos de metas [Tho00]. Aunque esta perspectiva ha sido
cuestionada, algunos autores sostienen su importancia para modelar los procesos de los
seres vivos e indican que los procesos orientados con un objetivo son inherentes a la vida
misma y ellos no existen en los seres inertes [Pro02], por tanto este tipo de modelos
pueden ser tiles como enlace entre modelos empricos y modelos explicativos [Tho00] y
han sido aplicados en muchos aspectos, entre ellos la distribucin de materia seca entre
raz y parte area [Vin96] y a nivel de modelado celular [Ji03].
35
Modelos de crecimiento y desarrollo en tomate
Las limitantes de los modelos descriptivos pueden sintetizarse en que: 1) los anlisis de
regresin pueden reflejar relaciones equvocas de causa y efecto entre las variables
estudiadas; 2) los modelos de regresin pueden ser muy subjetivos, producto de las
variables que el modelador seleccione para incluir en su modelo; 3) las predicciones
basadas sobre los anlisis de regresin son vlidas tan slo dentro de la gama de
condiciones temporales, fsicas y de manejo [Sal93].
Los modelos de cultivos permiten diversas aplicaciones, es posible utilizarlos en: sistemas
de ayuda para la toma de decisiones en la produccin agrcola, la investigacin cientfica,
la definicin de polticas de desarrollo agrcola, la enseanza de la agronoma [Gar98a] y
en control climtico de invernaderos [Tap00], [Rod03], [Str99a], [Str99b].
36
Modelos de crecimiento y desarrollo en tomate
En la enseanza puede ser muy til el uso de modelos que permitan ensear la respuesta de
los vegetales al ambiente y al manejo del cultivo, as como las diferencias entre especies de
hortalizas. Pueden ayudar tambin en la demostracin de las interacciones entre procesos o
componentes de los sistemas de produccin de cultivos [Gar98a]. El modelo Simulserre
[Gar98b] es un claro ejemplo de esto, ste simulador permite que el usuario defina estudios
de caso tales como costos y beneficios en el uso de enriquecimiento con CO2, podas de
racimos, nmero de frutos, tamao de frutos y otras variables. Los estudiantes exploran el
problema y derivan conclusiones a partir del anlisis de varias simulaciones.
El simulador Simulserre contiene dos grandes mdulos: uno que implementa el modelo
fsico del invernadero y otro que describe el modelo del cultivo. El modelo del invernadero
permite simular el comportamiento del clima dentro del invernadero y las estrategias para
alcanzar los puntos de referencia deseados. El modelo del invernadero contiene balances
estticos de energa y CO2. Los principales flujos considerados son intercambios de
energa debidos a la ventilacin, intercambios a travs de la cubierta, intercambio de
energa del aire y suelo, el flujo de calor producido por la radiacin solar, el suministro
artificial de calor y el calor latente generado por la transpiracin del cultivo. Se asume que
las consignas deseadas pueden ser alcanzadas con los dispositivos de control disponibles
[Gar98b].
37
Modelos de crecimiento y desarrollo en tomate
Este modelo es tanto esquemtico como modular, lo que significa que puede ser adaptado
fcilmente y sus sub-programas pueden ser reemplazadas por otras y puede ser combinado
con modelos ms comprensibles de invernadero y tambin ser utilizado en procedimientos
de optimizacin econmica [Day93a]. Fue calibrado y validado con datos adquiridos en
condiciones controladas para variedades de crecimiento indeterminado [Jon91a],
[Day93b].
Con la finalidad de adaptarlo a control climtico Tomgro ha sido reducido a cinco variables
de estado buscando conservar sus principales elementos que le permiten ser un modelo
explicativo [Jon99].
Tomsim [Heu93], [Heu96a], [Heu96b], [Heu99], es otro modelo desarrollado para tomate,
de tipo explicativo con estructura modular, el cual simula crecimiento y desarrollo del
tomate. La produccin de materia seca en este sistema se predice por un modelo general de
crecimiento para cultivos de invernadero, que tiene como fundamento la estimacin de
fotosntesis propuesta en [Gij92], que fue validada en [Heu96a]. Las funciones de
desarrollo de frutos fueron adaptadas del modelo desarrollado por de Koning [Kon94].
38
Modelos de crecimiento y desarrollo en tomate
Hortisim, fue construido a partir de modelos existentes, desarrollados por varios grupos de
investigacin, donde diferentes aspectos del crecimiento de cultivo y clima de invernadero
han sido integrados. Hortisim contiene 7 submodelos (clima, clima del invernadero, suelo,
cultivo, manejo del invernadero, manejo del suelo y manejo del cultivo) ms un motor de
simulacin. Las condiciones del clima dentro del invernadero pueden ser calculadas a
partir del clima externo y se puede cuantificar el uso de energa, CO2 y agua. Tambin
pueden simularse la fotosntesis de cultivo, la produccin de materia seca, distribucin de
materia seca y el crecimiento individual de frutos en cultivos vegetales [Gij98].
El modelo simplificado Tomgro surge como una opcin para eliminar la complejidad del
modelo completo Tomgro [Jon91a] y posibilitar su uso en sistemas de control en lnea
conservando sus caractersticas fisiolgicas [Jon99]. Las variables de estado que contiene
son: nmero de nodos (XN), ndice de rea foliar (XIAF), peso seco total (XPS), materia seca
de frutos (XF) y materia seca de frutos maduros (XM).
dX N
= Nm f N ( X ta ) (3.1)
dt
39
Modelos de crecimiento y desarrollo en tomate
0 Xta < 9 C
0.1833(Xta 9 ) 9 C Xta < 12 C
f N ( X ta ) = 0.028125(Xta 12 ) + 0.55 12 C Xta < 28 C (3.2)
1.0 0.4545(Xta 28 ) 28 C Xta < 50 C
0 Xta 50 C
Esta variable de estado es calculada de la misma manera en todas las versiones de Tomgro
[Jon99].
Cuando el conjunto de hojas en la planta alcanza su mximo, stas sern podadas o bien
entrarn en estado de senescencia, y es en ese momento cuando se define CIAF,max.
Materia seca total. La tasa de cambio de materia seca total de la planta, sin incluir materia
seca de races, tiene la siguiente expresin:
dX PS dX
= CRn p1 ( N ) (3.5)
dt dt
40
Modelos de crecimiento y desarrollo en tomate
donde p1 es un parmetro que pondera la prdida de materia seca por nodo despus que se
alcanza el mximo de rea foliar (CIAF,max), CRn es una funcin que expresa el crecimiento
de la planta y se define as:
0 Xta < 0 C
0.0744 Xta 0C Xta < 9.0C
0.67 + 0.11(Xta 9 ) 9.0 C Xta 12.0 C
f tfot =
1.0 12.0 C < Xta 28.0 C (3.9)
1.0 0.1429( Xta 28) 28.0 C < Xta < 35.0 C
0 Xta 35.0 C
tf
41
Modelos de crecimiento y desarrollo en tomate
La funcin fR(XN) es una funcin lineal a tramos con los siguientes valores:
0.2 XN = 1
0.2 0.0045 (X 1) 1 < X N 12
N
0.07 X N 30
En condiciones de climas clidos el crecimiento de los frutos puede llegar a ser muy bajo
debido a altas temperaturas, por tanto habr exceso de carbohidratos. Este modelo no
incluye el clculo de demanda por frutos y por tanto se asume que hay un mximo
crecimiento vegetativo por nodo y que el incremento de materia seca total puede estar
restringido por este lmite, modelndolo mediante la siguiente ecuacin:
dX PS dX F dX N
( ) max = + (Cvmax p1 ) (3.12)
dt dt dt
El crecimiento de la materia seca total ser el mnimo de las ecuaciones (3.5) y (3.12).
dX F
dt
[ ( X N )
]
= CRn F f F (Td ) 1 e N f 1 g (Tdia ) (3.13)
0 Td 12.5 C
0.1(T 12.5 ) 12.5 C < Td 16.5 C
d
donde Tdia es la temperatura promedio de las horas con luz durante el da y Tcrit es la
temperatura por encima de la cual el crecimiento del fruto se reduce.
42
Modelos de crecimiento y desarrollo en tomate
Materia seca de frutos maduros. La dinmica de frutos maduros est basada en el efecto
de la temperatura sobre la maduracin de frutos y se estima as:
dX M
= DF (Td )( X F X M ) Si X N > ( N f 1 + K F ) (3.16)
dt
donde KF indica el nmero de nodos desde que aparece el primer fruto hasta que madura,
Nf1 indica el nmero de nodos cuando aparece el primer fruto y DF(Td) es una funcin
lineal a tramos con los siguientes valores:
0 Td 9 C
0.0025T 9 C < Td 15 C
d
El modelo Tomgro con cinco variables requiere de un proceso de ajuste de parmetros, que
aparecen en las ecuaciones diferenciales y algebraicas que describen la dinmica de las
principales variables de estado: nmero de nodos (XN), ndice de rea foliar (XIAF), biomasa
de frutos (XF), materia seca de frutos maduros (XM) y materia seca total (XPS). El clculo de
las variables de estado se realiz cada minuto, de manera que coincide con la dinmica de
cambios climticos en el interior del invernadero. El mtodo utilizado para la estimacin
fue por mnimos cuadrados buscando el mnimo valor de la raz del error cuadrtico medio,
probando secuencialmente diferentes valores en cada iteracin. Como ejemplo la grfica
3.1 muestra el error obtenido para diferentes iteraciones en el proceso de calibracin de los
parmetros del ndice de rea foliar, que se explicar en una seccin posterior.
43
Modelos de crecimiento y desarrollo en tomate
1 50
A
0.9 B
45
0.8 40
0.7
35
0.6
30
fNb(Td)
fN(X ta)
0.5
25
0.4
20
0.3
15
0.2
10
0.1
0 5
0 5 10 15 20 25 30 35 40 45 50 0 10 20 30 40 50 60
Temperatura Temperatura
Parmetros de IAF (XIAF). El parmetro Nb para estimar el ndice de rea foliar se indica
como parmetro constante [Jon99] y su valor fue estimado con datos de otoo 2003, al
aplicarlo a datos de primavera del 2004 el error resultante fue grande, razn por la cual se
estim tambin un valor para primavera, los resultados del proceso anterior se indican en la
tabla 3.2. Como se ha enunciado en la explicacin del modelo, ste parmetro (Nb) puede
ser variable en funcin de la temperatura y se considera como una funcin lineal a tramos
[Jon97], dicha funcin tambin ha sido ajustada en el proceso de calibracin y los
resultados se resumen en la tabla 3.3 y la figura 3.2B, lo cual nos permite utilizarlo en
forma constante o en funcin de la temperatura. El mismo procedimiento fue utilizado para
los parmetros de mxima expansin de rea foliar por nodo ( ) y el parmetro de
ecuacin expolineal ( ) y los resultados que se indican en la tabla 3.2 muestran que no
hubo diferencias en funcin del ciclo.
44
Modelos de crecimiento y desarrollo en tomate
Parmetros para la estimacin de frutos maduros (XM). Para la estimacin del peso de
frutos maduros se indica por Jones y colaboradores [Jon99] que los parmetros factibles de
ser modificados son el nmero de nodos que hay desde que aparece el primer fruto hasta
que madura (KF) y la mxima velocidad de desarrollo de frutos en funcin de la
temperatura diaria promedio (DFmax). El parmetro KF fue considerado como dato
observado en los ensayos 1-4 y tomado de literatura para los ensayos 5-6, mientras que el
valor de DFmax fue el mismo que se propone en el modelo y su valor es de 0.05.
Parmetros de estimacin de peso seco total (XPS). Los parmetros estimados para el
clculo de peso seco total se indican en la tabla 3.6 y como se puede apreciar los valores
son los mismos para todos los conjuntos de datos. Los valores de los parmetros de esta
variable han sido tomados de la calibracin de otoo 2003 siendo los mismos que se han
aplicado a los datos de primavera 2003, primavera 2004 y otoo 2004.
45
Modelos de crecimiento y desarrollo en tomate
La figura 3.3 muestra la sensibilidad de los parmetros sobre las variables de estado XIAF,
XPS, XF y XM; en ella se puede apreciar que la eficiencia en el uso de la luz () y el
coeficiente de conversin a materia seca (CE) son los que tienen mayor efecto sobre la
estimacin de materia seca, sigue en importancia el coeficiente de extincin de luz (CK) y
el coeficiente de utilizacin de CO2 () en la estimacin de esa variable, figura 3.3A,
mientras que el efecto del parmetro Cvmax es mnimo.
60 0.25
A B
50
CE
Error
Error
40 0.2
30 CK Nb
Cv m ax
20 0.15
-10 -5 0 5 10 -10 -5 0 5 10
% de v ariac in % de v ariac in
100 37
C D
80 T c rit
36.5 D F m ax
Error
Error
60 F
36
40 N ff
fT d
20 35.5
-10 -5 0 5 10 -10 -5 0 5 10
% de v ariac in % de v ariac in
Figura 3.3 Sensibilidad de los parmetros, expresada en error absoluto. A) Sobre peso seco total.
B) Sobre IAF. C) Sobre peso seco de frutos. D) Sobre peso seco de frutos maduros
46
Modelos de crecimiento y desarrollo en tomate
47
Modelos de crecimiento y desarrollo en tomate
La tabla 3.7 indica la sensibilidad relativa de los parmetros sobre las variables de estado.
Al cambiar en un -5, -10, 5 y 10% cada parmetro de entrada se estim el cambio en la
variable de salida; los valores mostrados son el promedio del cambio en el valor de las
variables al cambiar los parmetros en los porcentajes anteriormente indicados. Del cuadro
citado resulta obvia la correspondencia de los parmetros con los resultados mostrados en
la figura 3.3. Tambin se puede apreciar en el mismo la importancia del parmetro de
temperatura crtica, no slo sobre la produccin de frutos, sino tambin su efecto en la
materia seca total. Hay que destacar el reducido efecto de , Cvmax y v sobre su
correspondiente variable de estado. La sensibilidad relativa de la tabla 3.7 indica que
cuando su valor es la unidad un cambio en un porcentaje en el parmetro de entrada induce
un cambio de igual proporcin en la variable de salida. De esta manera para tener una idea
ms completa se han clasificado los parmetros en tres clases: de efecto muy significativo,
cuando la sensibilidad relativa es mayor de 0.5; de efecto significativo, cuando la
sensibilidad relativa es mayor que 0.2 y menor que 0.5 y de efecto poco significativo
cuando el valor es menor que 0.2. De lo anterior resulta claro que en el modelo se pueden
considerar seis parmetros con efecto muy significativo, cuatro con efecto significativo y
el resto con efecto poco significativo.
Tabla 3.7 Sensibilidad relativa del modelo al cambio en los parmetros de las variables de
estado (ndice de rea foliar, materia seca total y peso seco de frutos)
Parmetro (XN) (XIAF) (XPS) (XF) Efecto
Nm 0.9 +++
0.99 +++
Nb 0.22 ++
0.01 +
0.72 0.74 +++
CE 0.68 0.65 +++
0.29 0.28 ++
CK 0.24 0.21 ++
Cvmax 0.016 0.016 +
Tcrit 0.15 1.05 +++
F 0.13 1.10 +++
Nf1 0.12 0.39 ++
KF 0.10 0.11 +
fF(Td) 0.002 0.11 +
0.10 0.05 +
Valor de referencia 33.9 3.322 1098.5 642.5
+++ muy significativo; ++ significativo; +poco significativo
48
Modelos de crecimiento y desarrollo en tomate
5 1200
A *1.1
4 1000 B
*1.1 800
m-2 m-2
3 *0.9
g m-2
600
2
*0.9 400
1 200
0 0
0 50 100 150 0 50 100 150
Tiempo (dias Tiempo (dias)
800 C 800 D
Tcrit*1.1 F*1.1
600 600 F
g m-2
Tcrit
g m-2
F*0.9
400 Tcrit*0.9 400
200 200
0 0
0 50 100 150 0 50 100 150
Tiempo (dias) Tiempo (dias)
Figura 3.4 Efecto de parmetros sobre variables de estado: A) sobre ndice de rea foliar. B)
Eficiencia en uso de la luz () sobre materia seca total. C) Temperatura crtica sobre peso seco de
frutos. D) Mxima distribucin a frutos sobre peso seco de frutos
La tabla 3.8 es un cuadro comparativo de las cinco variables de estado al aplicar los
parmetros obtenidos a los conjuntos de datos de diferentes campaas, sin incluir por
supuesto la campaa otoo 2003, cuyos datos se utilizaron en el proceso de calibracin.
49
Modelos de crecimiento y desarrollo en tomate
Las simulaciones a travs del ciclo de cultivo y su comparacin con los datos medidos se
muestran en las figuras 3.5, 3.6, 3.7 y 3.8, en las que se puede observar la dinmica de las
variables a travs de los das desde la fecha de trasplante hasta el final del ciclo (ddt). Es
notorio que el nmero de nodos se estim peor en el experimento desarrollado en
condiciones de produccin comercial de la campaa de primavera 2003, cuya variedad fue
de tomate tipo ensalada y en condiciones de agua de riego de alta conductividad elctrica
(1.4 mS cm-1); la simulacin sobreestima el nmero de nodos (ver figura 3.5). En la
campaa de otoo 2004, la simulacin puede considerarse bastante aceptable, no obstante
en las dos campaas agrcolas el error promedio es inferior al 10%.
El ndice de rea foliar fue estimado de manera aceptable, aunque es la variable de estado
cuyo error relativo es el ms alto de estas y flucta entre 5 y 15%. En la figura 3.5B se
indica la simulacin de ndice de rea foliar (XIAF) sin correccin por conductividad
elctrica (XIAF-a) considerando agua de buena calidad y conductividad elctrica en un rango
aceptable de 2.0 a 2.7 mS cm-1; sin embargo, la conductividad elctrica en el sustrato
durante la campaa fluctu entre 4.0 y 7.0 por lo cual se hizo el ajuste correspondiente en
la simulacin de dicha variable. Estudios sobre este tema indican que hay disminucin de
ndice de rea foliar en plantas desarrolladas en medios salinos [Mag03] y que ste es
disminuido un 6.5% por cada unidad de XCE por encima del valor umbral 2.7 mS cm-1. La
curva XIAF-b de la figura 3.5B incluye la correccin por salinidad y muestra la dinmica del
ndice de rea foliar; evidentemente el comportamiento en la simulacin de esta variable
est ms prximo a los datos medidos y la simulacin mejora considerablemente.
En las figuras 3.6B y 3.7B tambin se puede apreciar el comportamiento del ndice de rea
foliar para campaas de primavera 2004 y otoo 2004, en las cuales se observa el efecto de
las podas de hojas a travs del ciclo y la practica de eliminacin del meristemo apical
varias semanas antes del final del cultivo, la dinmica de XIAF en estas dos campaas es
simulada satisfactoriamente como se corrobora en la tabla 3.8 que muestra que la raz del
error cuadrtico medio para sta variable no excede de 0.32.
50
Modelos de crecimiento y desarrollo en tomate
60 5
A B
4 LAI-a
XIAF-a
XLAI-a
40
3
m2 m-2
nodos
2 XLAI-b
20 LAI-b
XIAF-b
0 0
0 50 100 150 0 50 100 150
ddt ddt
1000 800
C D
800
600
600
g m-2
g m-2
400
400
200
200
0 0
0 50 100 150 0 50 100 150
ddt ddt
Figura 3.5 Simulacin y datos medidos durante la campaa primavera de 2003. A) Cantidad de
nodos. B) ndice de rea foliar, XIAF-a sin ajuste por conductividad elctrica, XIAF-b ajustada por
conductividad elctrica. C) Peso seco total. D) Peso seco de frutos y de frutos maduros (ddt - das
despus de trasplante)
Para la variable peso seco total el error flucta entre 29.5 y 64.8 g m-2 presentando el error
ms alto la campaa otoo 2004, en la cual se presentaron temperaturas altas en el inicio
del cultivo lo que indujo algunos problemas de polinizacin y cuajado de frutos. Aunque el
error es de magnitud considerable es menor que el indicado por [Jon99] para datos
experimentales de diferente localizacin respecto al lugar donde se realiz la calibracin
del modelo.
El error en la estimacin de peso seco de frutos flucta entre 25.3 y 66.3 g m-2 mientras que
en la variable de frutos maduros va en el orden de 35.9 a 63.1 g m-2. Cabe resaltar que las
simulaciones para las campaas de primavera 2003 y primavera 2004 son en conjunto
bastante aceptables como se demuestra en las tablas 3.8 y se observa en los grficos 3.5 y
3.6; sin embargo en el ciclo de otoo 2004 muestra un comportamiento diferente, el
nmero de nodos y el ndice de rea foliar son simulados de manera satisfactoria, el peso
seco de frutos y de frutos maduros son variables en las cuales el error es mayor, por los
problemas antes mencionados, lo cual se expone ms ampliamente en la seccin de
discusin de resultados.
51
Modelos de crecimiento y desarrollo en tomate
80 5
A B
4
60
3
m2 m-2
nodos
40
2
20
1
0 0
0 50 100 150 200 0 50 100 150 200
ddt ddt
1000
C D
1500 800
1000 600
g m-2
g m-2
400
500
200
0 0
0 50 100 150 200 0 50 100 150 200
ddt ddt
Figura 3.6 Simulacin y datos medidos en la campaa primavera de 2004. A) Nmero de nodos.
B) ndice de rea foliar. C) Peso seco total. D) Peso seco de frutos y de frutos maduros.
80 5
A B
4
60
3
m2 m-2
nodos
40
2
20
1
0 0
0 50 100 150 0 50 100 150
ddt ddt
1500 800
C D
600
1000
g m-2
g m-2
400
500
200
0 0
0 50 100 150 0 50 100 150
ddt ddt
Figura 3.7 Simulacin y datos medidos en la campaa otoo de 2004. A) Nmero de nodos. B)
ndice de rea foliar. C) Peso seco total. D) Peso seco de frutos y de frutos maduros
52
Modelos de crecimiento y desarrollo en tomate
50 6
A B
40
4
m2 m-2
nodos
30
2
20
10 0
0 50 100 0 50 100
ddt ddt
1200 600
C D
1000
800 400
g m-2
g m-2
600
400 200
200
0 0
0 50 100 0 50 100
ddt ddt
Figura 3.8 Simulacin y datos medidos en la campaa primavera de 1999. A) Nmero de nodos.
B) ndice de rea foliar. C) Peso seco total. D) Peso seco de frutos
53
Modelos de crecimiento y desarrollo en tomate
El modelo Tomsim [Heu96a], [Heu96b], [Heu99] est orientado a conocer la dinmica del
cultivo de tomate a partir de la etapa de floracin. Es un modelo basado en fotosntesis y
permite conocer en gran detalle la aparicin de racimos, el crecimiento de la parte
vegetativa entre racimo y racimo (denominada unidad vegetativa), y el crecimiento de cada
racimo. La distribucin de materia seca es regulada por los rganos de demanda [Heu96b],
Heu99] y es independiente de la produccin de materia seca [Heu99]. Se requieren datos
climticos de 24 h, temperatura, intensidad de luz y concentracin de dixido de carbono.
Los fotoasimilados son distribuidos cada da entre cada rgano de demanda de acuerdo a
una fuerza relativa de demanda calculada respecto a la suma de todas las demandas
[Heu96a], Heu96b], Heu99]. Este modelo utiliza trabajos previos realizados en [Gij92]
para la simulacin fotosntesis y produccin de materia seca. La ecuacin de fotosntesis
que utiliza fue validada en diferentes experimentos realizados con este objetivo en
diferentes rangos de concentracin de CO2 y de radiacin PAR [Heu96a].
Estimacin de materia seca. La materia seca o biomasa total es calculada con la siguiente
ecuacin:
dX PS
= C E ( FOTb ,d Rm ,d ) (3.18)
dt
tf
VRFA (3.19)
FOTb ,d = ( FOTb )dt ; FOTb = FOTb ,max 1 exp Ccnv ,sm
ti FOTb ,max
54
Modelos de crecimiento y desarrollo en tomate
41.6(VCO 2 )
FOTnc ,max = (3.22)
crm + 1.36rcl + 1.6cre
0 Th 5 C
4.3(T 5 ) 5 C < Th < 15 C
h
0 Th > 40 C
o (VCO 2 )
= (3.24)
VCO 2 + 2
= 42.7 + 1.68(Th 25) + 0.012(Th 25) 2 (3.25)
tf
donde XPS,h es materia seca de hojas, XPS,t materia seca de tallo, XPS,r materia seca de races,
XF materia seca de frutos, Mh, Mt, Mr y Mfr son velocidad de respiracin de mantenimiento
55
Modelos de crecimiento y desarrollo en tomate
ln( X PS ( t ) ) ln( X PS ( t 5) )
VCR( t ) = (3.29)
t (t 5)
C E = 1 /( AS h Fh + AS t Ft + AS r Fr + AS f F f ) (3.30)
donde ASh, ASt, ASr y ASf son requerimientos de fotoasimilados para hojas, tallo, races y
frutos respectivamente y Fh, Ft, Fr y Ff son las fracciones de fotoasimilados que se
distribuyen a cada rgano: hojas, tallo, races y frutos respectivamente.
dX NR
= 0.2903 + 0.145 ln(Td ) (3.31)
dt
El nmero de frutospor racimo (Cnfr) no es modelado y se considera como una entrada del
usuario, de forma que se pueden dar diferentes valores para diferentes racimos [Heu96a].
Desarrollo del racimo. Los racimos son cosechados despus de un periodo de crecimiento
desde la antesis hasta que los frutos han madurado. Este periodo de crecimiento disminuye
con la temperatura, pero la magnitud de esta disminucin es diferente de acuerdo al estado
de desarrollo del fruto (EDF) [Heu96a]. El modelo estima cada da el estado de desarrollo
del fruto que tiene valores en el intervalo 0-1, cuando el estado de desarrollo de fruto
alcanza el valor de uno ha llegado a madurez y debe ser cosechado.
Td (3.33)
)(0.0392 0.213EDF(t 1) + 0.451EDF( t 1) 0.240 EDF(t 1) )
2 3
VDF(t ) = 0.0181 + ln(
20
56
Modelos de crecimiento y desarrollo en tomate
El estado de desarrollo del racimo (EDR) se define como el estado de desarrollo del fruto
(Cnfr/2) de ese racimo, as para ramilletes con ocho frutos el estado de desarrollo del
ramillete lo define el desarrollo del cuarto fruto del racimo.
1
cf b ( EDR( t ) cf c ) 1 cf d
C nfr cf a cf b (1 + e ) (3.34)
TCPR( t ) = cf b ( EDR( t ) cf c )
(cf d 1)(e + 1)
donde Cnfr es el nmero de frutos del racimo, EDR(t) es el estado de desarrollo del racimo
en el dia t, cfa, cfb, cfc y cfd son parmetros de crecimiento del racimo.
Una unidad vegetativa inicia su crecimiento aproximadamente tres semanas antes del
correspondiente racimo, por ejemplo a antesis del segundo racimo, empieza a crecer la
quinta unidad vegetativa, la ecuacin 3.35 expresa la relacin entre temperatura y
crecimiento potencial [Heu96b]. Una unidad vegetativa detiene su crecimiento cuando su
estado de desarrollo excede la unidad, el estado de desarrollo de cada unidad vegetativa es
considerado el mismo que el del fruto de su racimo correspondiente.
El crecimiento potencial de la suma de todas las unidades vegetativas tambin puede ser
establecido como constante, con valores de 2.8 o 3.0 g d-1 planta-1 sin modificar
significativamente el modelado de crecimiento del cultivo [Heu96a], [Heu96b].
57
Modelos de crecimiento y desarrollo en tomate
Los fotoasimilados disponibles cada da expresados como g de CH2O por planta son
distribuidos entre el nmero total de demandas por planta de acuerdo a su fuerza de
demanda (FDo,i), la fuerza de demanda se estima con las expresiones de crecimiento
potencial de racimos o unidades vegetativas comentadas anteriormente. Para calcular la
fraccin de fotoasimilados que se distribuye a cada racimo o unidad vegetativa (fod,i) se
utiliza la siguiente expresin:
FDo ,i
f od ,i = Nod
(3.36)
FD
i =1
o ,i
donde FDo,i es la fuerza de demanda del rgano en cuestin o sea el crecimiento potencial
que puede alcanzar y Nod es la cantidad de unidades de demanda.
C nfr
Ff = (3.37)
C nfr + FDuv / FD f
donde Cnfr es el nmero de frutos por racimo, FDuv es la fuerza de demanda por unidad
vegetativa y FDf es la fuerza de demanda de un fruto.
FOTb ,d Rm ,d
AS cr = (3.38)
donde FOTb,d son fotoasimilados producidos cada da, Rm,d son aquellos que se consumen
por la respiracin y es la densidad de plantas por unidad de superficie.
58
Modelos de crecimiento y desarrollo en tomate
ndice de rea foliar. El rea foliar es simulada en base a la materia seca del rea foliar
(XPS,h) y el rea foliar especifica (AFE) simuladas. El modelo considera que las hojas son
eliminadas cuando el estado de desarrollo de su racimo correspondiente alcanza un valor
de 0.9; a 20 C los racimos crecen por 60 das, as las hojas se podan 6 das antes de que el
racimo correspondiente est maduro para ser cosechado [Heu99]. Para las condiciones
locales sta prctica no se realiza de esa manera, as que se considera como una entrada por
el usuario cuando ste realiza la poda de hojas.
El rea foliar especfica expresada en [cm2 g-1] es modelado por Tomsim con una funcin
del da del ao:
2 (t j + 68)
AFE = 266 + 88sen (3.41)
365
De la misma manera que en el modelo Tomgro, con los datos de otoo de 2003 se ha
procedido a la estimacin de los parmetros de peso seco total, fundamentalmente aqullos
del proceso de fotosntesis o respiracin que se han indicado como importantes en la
determinacin del mismo [Ber93]. La tabla 3.10 muestra los resultados del proceso de
estimacin de parmetros, as como los valores de los mismos estimados en el trabajo de
[Heu96a]. Con excepcin del parmetro emprico de respiracin los restantes parmetros
tienen valores bastante similares a los indicados previamente.
59
Modelos de crecimiento y desarrollo en tomate
X
XLAI interpolada
figura 3.9. Desde el primer da hay
IAF
2.5
m2 m-2
XLAI
X Toms im IAF
La figura 3.10A muestra la sensibilidad del modelo a los parmetros antes mencionados. El
parmetro que ejerce mayor influencia en la estimacin de peso seco total es la eficiencia
fotoqumica en ausencia de oxgeno (o), seguido del coeficiente de extincin de radiacin
PAR (CK) y finalmente el parmetro de respiracin (cfr). De la misma manera se estim
que al cambiar en un 10% el primer parmetro respecto a su valor ptimo su efecto en la
materia seca total cambia un 7.7% al final del ciclo, mientras que un cambio de la misma
magnitud en los parmetros CK y cfr ejerce un cambio de 1.4 y 0.7% respectivamente, en el
tiempo final. El efecto de cambio en el valor de los parmetros antes descritos puede ser
observado en las figuras 3.10B para eficiencia fotoqumica en ausencia de oxgeno, en
3.10C y 3.10D para el coeficiente de extincin de radiacin y el parmetro de respiracin
respectivamente, en las cuales tambin se muestra un acercamiento en la etapa final del
ciclo de cultivo.
60
Modelos de crecimiento y desarrollo en tomate
500
1500 o*1.1
A B
400 o o
1000 o*0.9
g m-2
Error
300
CK 500
200
cfr
100 0
-10 -5 0 5 10 0 50 100 150
tiempo (das) tiempo (das)
1420
D
1440
1430 cfr*1.1
CK
1420
1400
1410
cfr
1380
1400
1360
1390
1340
1000 1000
1380
CK*0.9
1320
1370
132 133 134 135 136 137 138 139 140
122 124 126 128 130 132 134 136 138 140 142
g m-2
g m-2
cfr*0.9
500 500
0 0
0 50 100 150 0 50 100 150
tiempo (das) tiempo (das)
Figura 3.10. A) Sensibilidad del modelo a los parmetros: eficiencia fotoqumica en ausencia de
oxgeno (o), coeficiente de extincin de radiacin (CK) y parmetro de respiracin (cfr). Efecto de
parmetros sobre peso seco total durante el ciclo de cultivo: B) o; C) CK; D) cfr.
La tabla 3.12 muestra la raz del error cuadrtico medio de las diferentes variables al
realizar las simulaciones con el modelo Tomsim, mientras que la tabla 3.13 indica los
errores promedio y mximo absolutos para las variables estimadas. Es evidente que el
modelo proporciona estimaciones bastante aceptables en las variables de cantidad de
racimos (XNR), peso seco total (XPS) y peso seco de frutos (XF), en las cuales el porcentaje
del error relativo es inferior al 8% respecto a los datos medidos.
Las estimaciones de crecimiento de racimos son aceptables en los tres primeros racimos,
sin embargo a partir del cuarto racimo en todos los experimentos se pueden observar
errores de considerable magnitud, es decir que el comportamiento del modelo difiere de las
mediciones realizadas, lo cual se puede apreciar en las tablas 3.12 y 3.13. Las diferencias
en la estimacin de racimos en el experimento de primavera 2003 son los que alcanzan
mayor magnitud, aunque tambin en los experimentos de otoo 2003, primavera 2004 y
otoo 2004 el error relativo fue mayor al 10% para la mayora de los racimos y la
magnitud del error mximo absoluto lleg a alcanzar hasta un 21%.
61
Modelos de crecimiento y desarrollo en tomate
Las figuras 3.11, 3.12, 3.13 y 3.14 muestran el comportamiento del modelo respecto a los
datos observados en los diferentes ensayos. Las simulaciones inician a partir de que el
primer racimo alcanzaba el estado de apertura de la tercera o cuarta flor, que es el estado
de condiciones iniciales planteado en el modelo.
15 1000
A B
800
10
600
racimos
g m-2
400
5
200
0 0
0 50 100 0 50 100
Tiempo (das) Tiempo (das)
800 50
C D
40
600
30
g m-2
400
g
20
200
10
0 0
0 50 100 0 50 100
Tiempo (das) Tiempo (das)
Figura 3.11 Dinmica de las variables durante la campaa primavera de 2003. A) Cantidad de
racimos. B) Peso seco total. C) Peso seco de frutos. D) Racimos
62
Modelos de crecimiento y desarrollo en tomate
15 1200
A 1000 B
10 800
racimos
g m -2
600
5 400
200
0 0
0 50 100 0 50 100
Tiempo (das) Tiempo (das)
800 50
C D
40
600
30
-2
400
gm
gm
g 20
200
10
0 0
0 50 100 0 50 100
Tiempo (das) Tiempo (das)
Figura 3.12 Simulacin y datos medidos durante la campaa otoo de 2003. A) Cantidad de
racimos. B) Peso seco total. C) Peso seco de frutos. D) Crecimiento de racimos. Racimos medidos:
2, 5 y 6
15 1500
A B
10 1000
racimos
-2
gm
5 500
0 0
0 50 100 150 0 50 100 150
Tiempo (das) Tiempo (das)
1000 50
C D
800 40
+
600 30 +
g m-2
400 20 +
200 10
+
0 0 +
0 50 100 150 200 0 50 100 150
Tiempo (das) Tiempo (das)
Figura 3.13 Simulacin y datos medidos durante la campaa primavera de 2004. A) Cantidad de
racimos. B) Peso seco total. C) Peso seco de frutos. D) Racimos 1, 3 y 5
63
Modelos de crecimiento y desarrollo en tomate
La simulacin del peso seco total de los ensayos de primavera 2004 y otoo 2004 tiende a
sobreestimar ligeramente el peso seco total al comparar con los datos medidos, mientras
que la simulacin del peso seco de frutos mantiene una dinmica concordante con los datos
medidos.
Las figuras 3.12D, 3.13D y 3.14D muestran que la simulacin del primero, segundo y
tercer racimos siguen un comportamiento aceptable respecto a los datos medidos, sin
embargo el quinto y sexto racimos las diferencias son mayores, lo cual ha sido mostrado en
los estadsticos de las tablas 3.12 y 3.13.
15 1200
A B
1000
10 800
racimos
g m-2
600
5 400
200
0 0
0 50 100 0 50 100
Tiempo (das) Tiempo (das)
800 50
C D
40
600
30
g m-2
400
g
20
200
10
0 0
0 50 100 0 50 100 150
Tiempo (das) Tiempo (das)
Figura 3.14 Simulacin y datos medidos durante la campaa otoo de 2004. A) Cantidad de
racimos. B) Peso seco total. C) Peso seco de frutos. D) Racimos 1, 3 y 5
64
Modelos de crecimiento y desarrollo en tomate
1.5 1.5
A B
1 1
g d-1
0.5 0.5
0 0
0 50 100 150 0 50 100 150
Tiempo (das) Tiempo (das)
20 15
C D
15
10
racimos
g d-1
10
5
5
0 0
0 50 100 150 0 50 100 150
Tiempo (das) Tiempo (das)
Figura 3.15 Variables intermedias del modelo Tomsim. A) Crecimiento potencial de racimos. B)
Estado de desarrollo de racimos. C) Crecimiento potencial total (racimos y unidades vegetativas)
por da. D) Racimos completos
65
Modelos de crecimiento y desarrollo en tomate
En los procesos de modelado se asume que el cultivo est sujeto a un manejo con nutricin
ptima, agua suficiente y de buena calidad, no obstante las condiciones de produccin de
muchas reas del Mediterrneo son aquellas en las que hay carencia de agua o sta no es de
la calidad deseada ya que contienen alto contenido de sales [Pas04], de manera que no
siempre es posible proporcionar a las plantas la disolucin nutritiva ptima. En el sudeste
de la Pennsula Ibrica este problema es importante, un ejemplo de ello lo constituye el
agua utilizada en el invernadero de produccin comercial en la que el sodio alcanza una
concentracin de 8.09 mmol l-1, mientras que en aguas de calidad deseada este valor es
menor que un mmol l-1.
Para potenciar los modelos de crecimiento y desarrollo es importante que estos incluyan la
posibilidad de observar el efecto de salinidad, de dficit hdrico y otros factores que
influyan en la disminucin del producto comercial. Una propuesta sobre el modelado de
crecimiento de las plantas desde este enfoque se puede observar en la figura 3.16. En la
misma se utilizan diagramas relacionales por medio de los cuales es posible visualizar las
variables de estado, el cambio de stas, los lazos de realimentacin y de manera ms
general el conocimiento disponible acerca del sistema [Lef99]. En ella se ha incorporado la
clasificacin de plagas y enfermedades que se ha sugerido en [Rab93]. La figura 3.16 se
corresponde con la figura 1.1 en cuanto a las variables que intervienen en el sistema, con la
diferencia de que en la figura 3.16 se indica desde un punto de vista de la dinmica del
sistema.
66
Modelos de crecimiento y desarrollo en tomate
CO2
IAF AFE
Eliminacin
de hojas
Parmetros
de fotosntesis Respiracin
de mantenimiento
Consumidores de Hojas
fotoasimilados
Formacin de
Materia seca total
Tallo
calidad
Asimilados
Crecimiento
Fotosntesis
Races Calidad
de
Frutos producto
Cmsf
Respiracin
de crecimiento
Rendimiento
en fresco
Cosecha
-
NO3 K+ +
Mn2
+
Cu2
Elementos
nutritivos 2
H2PO4
Absorcin
Ca2
+
Fe2+ H2BO RFA - Radiacin fotosinttica activa
Cm,inv-Transmisividad de cubierta
RFA IAF - ndice de rea foliar
-
SO42 Mg2+ Zn2+ Mo2+ AFE - rea foliar especfica
Cmsf - Contenido de materia seca en fruto
Hurtadores Radiacin
Cm,inv
de luz externa Cl- Na+
H2O
3.4.1 Salinidad
4
En el diagrama las lneas contnuas representan flujo y direccin de una substancia, las lneas discontnuas
representan flujo de informacin, el smbolo de vlvula en el flujo indica una velocidad de cambio, los
crculos representan variables intermedias, los rectngulos variables de estado y la lnea con un punto central
son variables de entrada, parmetros o constantes.
67
Modelos de crecimiento y desarrollo en tomate
En experimentos realizados con XCE en un rango entre 2.0 a 5.6 no hubo reduccin de
rendimiento en frutos comerciales desarrollados en condiciones de luz artificial de 100
mol m-2 s-1, CO2 de 800200 ppm y temperaturas entre 17 y 21 C [Dor00]. De manera
similar Soneveld [Son00] indica que bajo condiciones deficientes en luz en estados
tempranos de crecimiento, altos valores de XCE no afectaron adversamente el rendimiento
de largo plazo, y que lo mismo fue observado con valores de alta XCE aplicada en estado
reproductivo cuando las condiciones de luz fueron bajas.
En otros trabajos se indica que a partir de 2.0 mS cm-1 disminuye el rendimiento de frutos
comerciales, tanto en tratamientos de alta transpiracin como en tratamientos de baja
transpiracin [Li01b].
A pesar del decremento en rendimiento en peso fresco causado por salinidad, no hay
disminucin en rendimiento de materia seca [Son00], [Li01b], sin embargo otros autores
informan que s hubo disminucin en la produccin de materia seca de frutos a partir de los
tratamientos de 5 mS cm-1 [Mag03], una tendencia similar de disminucin de materia seca
ha sido indicada por [Cla05] para cultivo de tomate desarrollado en verano, pero no para el
que se desarroll en otoo. En otros trabajos con incrementos de salinidad bajo sistema de
cultivo de pelcula nutritiva hay disminucin de materia seca, mientras que en el sistema de
lana de roca no la hay [Xu95]. De una u otra manera el decremento en peso fresco de
frutos es efecto de la disminucin en acumulacin de agua en ellos.
68
Modelos de crecimiento y desarrollo en tomate
14000
A B
1
12000 1.5
1.3
0.8 10000
1.1
rendimiento relativo
8000
0.6
0.9
g m-2
6000 0.7
0.4
4000 0.5
0.2 0.3
2000
0 0
0 1 2 3 4 5 6 7 8 9 10 0 50 100 150
mS cm-1 dias
14000 14000
C D
2.5
12000 12000
3.5 2.5
4.5 3.5
10000 10000
5.5
4.5
6.5
8000 7.5 8000 5.5
g m-2
g m-2
8.5 6.5
6000 9.5 6000
7.5
8.5
4000 4000
9.5
2000 2000
0 0
0 50 100 150 0 50 100 150
dias dias
69
Modelos de crecimiento y desarrollo en tomate
Tabla 3.14 Conductividad elctrica indicada por diferentes autores en relacin a rendimiento de frutos en tomate
Variedad Duracin aproximada del Umbral de Reduccin de rendimiento CE mnima y mxima del
ciclo de cultivo (meses) rendimiento comercial fresco ensayo experimental Referencias
(mS cm-1) (% por unidad de XCE) (mS cm-1)
Estafette 4 (otoo) 2.5 2.3 2.5 5.2 [Son91]
Turbo 8 (primavera verano) 2.9 7.2 2.5 5.2
Abunda, Angela, Calypso 4 (otoo) 2.4 5.2 2.4 4.6 [Son00]
4 (primavera) 2.6 7.0 2.6 3.5
Rambo, Daniela, Moneymaker 5 (invierno primavera) 2.7 9.8 2.7 13.0 [Sor98]
Daniela 5 (primavera) 3.79 8.7 2.72 7.84 [Mag03]
Chaser 5 (primavera DPV=0.49) 2.0 5.1 2.2 9.3 [Li01b]
5 (primavera DPV=0.30) 2.0 3.4 2.2 9.0
nd 8 (otoo invierno - 3.4 4.4 3.4 5.7 [Stm03]
primavera)
Gkce F1 4 (primavera) 1.9 8.3 2.8 6.2 [Elt02]
FA 361 6 (otoo) 1.9 9.1 2.3 5.8
Counter 3 (primavera) 3.0 5.7 1.0 11.0 * [Cla05]
3 (otoo) 3.0 1.5 1.0 11.0 *
Capello 6 (otoo) 2.5 3.7 2.5-5-5 [Xu95]
Blitz 2.6 5.1 [Dor00]
Elaborado con datos de las fuentes indicadas. nd no indicado * salinidad con disolucin nutritiva completa
70
Modelos de crecimiento y desarrollo en tomate
El efecto de la carencia de agua sobre el rendimiento de los cultivos ha sido muy estudiado
con la finalidad fundamental de desarrollar recomendaciones de riego [Dor86]. La
ecuacin de Stewart, que relaciona rendimiento respecto al suministro de agua, ha sido
evaluada en diversos cultivos, y se expresa as
VR ET
1 = C ky (1 ) (3.42)
V R max ETmax
Otros trabajos realizados en tomate cultivado en invernadero aplicando dficit hdrico han
desarrollado una expresin lineal de rendimiento en fruto fresco en funcin del riego
aplicado en base a evapotranspiracin [Ben03]:
ET
V R = 0.99V R max ( ) 0.14 (3.43)
ETmax
La ecuacin de Stewart muestra algunos inconvenientes entre los que destacan el que en los
intervalos de coeficiente de respuesta del cultivo indicados es muy amplio, con rango entre
0.8 y 1.5, lo que muestra la incertidumbre para establecer dichos valores y por otro lado
que las plantas sometidas a estrs hdrico se aclimatan al mismo, por tanto su respuesta
depende del estado de estrs anterior [Vil02].
Por lo anterior se han planteado otros mtodos para evaluar el efecto del dficit hdrico
como el que se propone en [Kat00] basado en potenciales hdricos al amanecer e ndice de
estrs hdrico diario. Este mtodo no se ha implementado en nuestro modelo por carecer de
los valores de los parmetros para ello.
71
Modelos de crecimiento y desarrollo en tomate
14000 14000
A B
g m -2
g m -2
0.4
0.6
6000 6000
0.5
4000 0.4
4000
2000 2000
0
0 0 50 100 150
0 50 100 150
dias
dias
14000 14000
C D
12000 1.0 12000 1.0
0.9
0.9
10000 10000
0.8 0.8
0.7
8000 8000 0.7
g m-2
0.6
g m-2
0.6
6000 0.5 6000
0.5
2000 2000
0 0
0 50 100 150 0 50 100 150
dias dias
Con los datos mencionados se ha elaborado una funcin continua a tramos cuyo resultado
se muestra en la figura 3.19A y se ha aplicado al modelo de crecimiento de cultivo de
otoo con un ciclo de 146 das. El efecto del dficit de presin de vapor se puede observar
en las figuras 3.19B y 3.19C, que corresponden a DPV menor que 0.5 kPa y mayor que 1.6
kPa respectivamente.
72
Modelos de crecimiento y desarrollo en tomate
1.1 14000
A B
1.05
12000
0.5
1
10000
0.95 0.3
Rendimiento relativo
0.9 8000
0.1
g m-2
0.85
6000
0.8
4000
0.75
0.7 2000
0.65
0
0 50 100 150
0.6
0 0.5 1 1.5 2 2.5 3 dias
kPa
14000
C
12000 1.6
1.8
2.0
10000
2.2
8000
g m-2
6000
4000
2000
0
0 50 100 150
dias
La herramienta permite al usuario utilizar datos histricos o bien introducir sus propios
datos, definir caractersticas del invernadero, de los actuadores instalados, del cultivo y
cambiar parmetros fisiolgicos. Las principales salidas de la herramienta son las variables
de estado de los modelos Tomgro y Tomsim.
Las figuras 3.20 y 3.21 muestran ejemplos de la herramienta. La interfaz de definicin del
experimento y la de simulacin de cultivo respectivamente.
73
Modelos de crecimiento y desarrollo en tomate
74
Modelos de crecimiento y desarrollo en tomate
Como se ha podido mostrar en la tabla 3.7 correspondiente a los parmetros del modelo
Tomgro, la importancia de los parmetros para estimar XIAF, en orden ascendente es:
parmetro de ecuacin expolineal (), parmetro Nb y parmetro de mxima expansin de
rea foliar (). Es ste ltimo el ms importante con diferencia respecto a los otros dos,
siendo su valor indiferente a la poca de trasplante, no se puede afirmar lo mismo del
parmetro Nb que es funcin de la temperatura promedio diaria. Aunque en la versin final
del modelo reducido [Jon99] ste parmetro (Nb) ha sido caracterizado y considerado como
un parmetro posible de cuantificar independientemente de la temperatura, nuestros
resultados indican que la mejor estimacin de XIAF es mediante la expresin del parmetro
Nb como funcin de la temperatura promedio diaria o bien la estimacin de un parmetro
diferente en funcin de la poca de trasplante, (en este caso Nb= 7 para trasplante en otoo
y Nb=12 para trasplante en invierno y desarrollo en primavera).
Los errores obtenidos en el proceso de validacin del modelo Tomgro son aceptables, para
los cuatro ciclos de cultivo con que se han probado, ya que en la mayora de los casos no
superan el 10% respecto a las variables medidas.
75
Modelos de crecimiento y desarrollo en tomate
La magnitud del error para cada variable est en un rango igual o menor al obtenido por
otros autores [Jon99] una vez que en los trabajos de stos los parmetros fueron ajustados a
diversos lugares con la finalidad de observar su comportamiento; la comparacin puede
constatarse en la tabla 3.8.
Los modelos Tomgro reducido y Tomsim tienen una de sus principales ventajas en que sin
contener demasiadas variables de estado (por ejemplo 574 en Tomgro v3) han realizado
una prediccin aceptable de la dinmica de los cultivos en los ensayos realizados en el
marco del presente trabajo y ello hace posible su utilizacin en esquemas de control
jerrquico de produccin en invernadero.
76
Modelos de crecimiento y desarrollo en tomate
El aspecto descrito en el prrafo anterior es una posible explicacin de porqu los modelos
no slo resultan muy sensibles a algunos parmetros como la eficiencia fotoqumica () en
Tomgro (o) en Tomsim, como se ha mostrado en la seccin correspondiente de este
trabajo, sino tambin que el mismo parmetro posibilita alta incertidumbre en la
estimacin de XIAF, XPS y XF como ha sido indicado en [Coo04] al analizar incertidumbre a
los parmetros en Tomgro.
La inclusin del efecto de salinidad en los modelos de cultivo ha sido posible con la
informacin disponible de diversos autores. Es evidente que el efecto de sta sobre el
rendimiento comercial ha sido probado en diferentes condiciones climticas y de manejo.
No obstante en aspectos en los que no hay concordancia entre los autores, como su efecto
sobre produccin de materia seca, se requiere de mayor informacin para proporcionar a
los modelos de mejores bases que les confiera mayor robustez.
3.6.3 Conclusiones
77
Modelos de crecimiento y desarrollo en tomate
Los modelos evaluados son factibles de ser utilizados en control climtico en lnea, ya que
el tiempo de simulacin permite su utilizacin sin problemas.
Se han establecido las bases para un simulador de cultivos en invernadero que incluye en
una primera etapa el modelado de crecimiento y desarrollo de tomate, con posibilidad de
plantear escenarios de produccin. Lo anterior hace posible su utilizacin como
herramienta de ayuda a la toma de decisiones.
78
Modelado de balance hdrico en sustratos
artificiales
El agua constituye entre un 80 y 90% del peso fresco de la mayora de las plantas
herbceas y de ms del 50% de las plantas leosas [Kra95], o entre el 35 y el 75% [Tai98].
Es parte importante del protoplasma, as como de las molculas de protenas y de lpidos.
Una reduccin del contenido relativo de agua a un 70-80% causa inhibicin de las
funciones metablicas [Moh95] y por debajo de un contenido crtico es acompaada de
cambios en la estructura y en ltima instancia de la muerte [Kra95], [Moh95]. La
disminucin en el contenido de agua est acompaada de una prdida de turgencia y
marchitamiento, cese de la elongacin celular, cierre de estomas, reduccin de la actividad
fotosinttica e interferencia con muchos otros procesos metablicos bsicos [Kra95],
[Tai98]. Una inadecuada cantidad de agua para mantener la turgencia resulta en una
inmediata reduccin del crecimiento vegetativo [Kra95], [Moh95], [Tai98].
El anlisis del balance hdrico en un cultivo es una tarea interesante en la medida que
permite entender la dinmica del continuum sustrato-planta-atmsfera y posibilita abordar
la tarea del manejo eficiente del recurso agua. Este anlisis se puede abordar de forma
aproximada teniendo en cuenta las siguientes secciones: el agua en el sustrato, la absorcin
del agua, el transporte de la raz a las hojas y el movimiento desde las hojas a la atmsfera.
79
Modelado de balance hdrico en sustratos artificiales
La divisin artificial antes mencionada facilita el anlisis, puesto que realmente existe una
estrecha interdependencia entre estos procesos.
El movimiento del agua ha sido estudiado y descrito en funcin del estado energtico del
agua, que permite describir ese flujo a travs de un sustrato [Bur97] o suelo, [Kra95]. En
este tipo de flujo se considera que la inercia en el movimiento del agua es despreciable,
siendo importante la energa potencial [Bur97].
Es posible definir una funcin potencial que toma valores en todos los puntos del sustrato,
tal que el flujo de agua en cada punto se dirige de potenciales mayores a menores y en la
direccin de mxima variacin del potencial [Bur97], aunque en [Kra95] se indica que hay
situaciones en las que no se sigue esta tendencia. La velocidad del agua es adems
proporcional al gradiente de dicho potencial [Bur97], siendo la constante de
proporcionalidad caracterstica del sustrato en cuestin, es decir, el mismo gradiente de
potencial producir un flujo diferente en diferentes sustratos [Bur97].
h , s = pr , s + g , s + os , s (4.1)
g ,s = C a C g C z (4.2)
80
Modelado de balance hdrico en sustratos artificiales
d
F = C kf (4.4)
dx
donde F es la densidad de flujo de agua, d la diferencia de potencial entre los dos puntos,
y Ckf es una constante de proporcionalidad [Jon98b]. Esta ecuacin se aplica generalmente
en su forma integrada (Ley de Ohm), constituyendo una sobre-simplificacin ya que asume
un flujo en estado estable y resistencia constante, condiciones que difcilmente el sistema
presenta [Kra95], [Ste98], [Ste00], [Zhu01].
Por otro lado, desde el punto de vista de la caracterizacin de sustratos, uno de sus aspectos
importantes es la capacidad de retencin de agua, en funcin de las caractersticas fsicas
de los mismos, de su porosidad, estructura, tamao de partculas y distribucin del tamao
de stas [Ans94], [Bur97]. Los sustratos con partculas de tamao entre 1 y 10 mm tienen
poca variacin en la cantidad de agua retenida, aumentando la capacidad de retencin de
agua cuando el tamao de partculas es inferior a un mm [Ans94]. Al contenido mximo de
agua en un sustrato se le conoce como capacidad de contenedor y es funcin de las
caractersticas del sustrato y de la altura del contenedor [Ans94], [Bur97].
El flujo de agua del suelo al interior de las races tiene lugar por diferentes vas,
clasificndose en apoplstico, simplstico y transcelular [Ste98]. El movimiento
apoplastico del agua se realiza a travs de los espacios intercelulares, mientras que en el
movimiento simplstico el agua fluye a travs del plasmodesmo de las clulas [Ste98],
[Ste00]. En la va transcelular, el agua se desplaza a travs de membranas para ir de una
clula a otra [Ste98], [Ste00].
81
Modelado de balance hdrico en sustratos artificiales
La absorcin de agua ocurre por gradientes de potencial del substrato a las races, mediante
dos mecanismos de absorcin, activo y pasivo. El primero, tambin llamado de absorcin
osmtica, ocurre en plantas que transpiran lentamente, donde las races se comportan como
osmmetros [Kra95], ms que como resistencias, pues en ausencia de transpiracin la
absorcin de iones nutritivos al xilema produce un flujo de naturaleza osmtica y por tanto
una presin a nivel de raz [Ste00]. La absorcin pasiva en plantas se da con alta
transpiracin donde el agua es succionada hacia las races [Kra95]. Hay evidencias de que
las fuerzas involucradas en la entrada de agua a travs de las races (en el proceso pasivo)
son causadas por la tensin creada a partir de la transpiracin desde el dosel y que se
extiende al xilema de las races [Ste00], [Lamb98], aunque hay autores que reconocen que
no est claro cmo puede estar relacionado el tiempo de respuesta de las plantas a su
estrategia de transpiracin [Eme97].
A efectos de modelado, las propiedades hidrulicas de las races pueden ser definidas por
dos parmetros: el gradiente mnimo de potencial hdrico para inducir flujo y la
conductividad hidrulica [Rie99]. El flujo de la solucin del suelo a la raz y de la raz al
dosel tiene lugar a travs de una estructura compleja con resistencias hidrulicas variables,
algunas de las cuales pueden ser consideradas en serie (por diferentes tejidos en el cilindro
de la raz) o bien en paralelo (diferentes caminos celulares para el agua) [Ste98].
Diferentes estudios de potencial hdrico en la races indican que ste viene influenciado por
factores climticos y de la propia planta. De esta manera se ha encontrado que el potencial
hdrico de las races, especficamente el potencial osmtico de la savia en las races,
disminuye con tratamientos de inundacin como causa de un incremento en la
osmolalidad5 [Jac96a]. Esta fuerza osmtica adicional explica una velocidad de flujo de
savia ms rpida a travs de races de tomate en plantas inundadas en un periodo de 24
horas comparadas con plantas bien drenadas a similar presin experimental aplicada
[Jac96a]. Otro efecto de inundar las races es el de extinguir la presencia de nitratos en la
savia del xilema de las races, mientras que el suministro de cido abcsico, iones
hidrgeno y aminocidos proteicos decrece en alta proporcin [Jac96a].
5
Osmolalidad: Concentracin de solutos en un kg de agua. Una solucin molal contiene una molcula gramo
disuelta en un kg de agua. Una solucin molar contiene una molcula del soluto disuelta en agua hasta
completar un litro.
82
Modelado de balance hdrico en sustratos artificiales
Al aplicar dficit hdrico severo tambin se ha observado disminucin del potencial hdrico
en las hojas, llegando a alcanzar valores de hasta 2.5 MPa, aunque posteriormente es
restablecido parcialmente una vez que el dficit deja de ser aplicado (-1.8 MPa) en
plntulas de Populus [Sie03]; en tomate fue de -1.65 y -0.40 MPa en el punto de mximo
estrs hdrico y cuando se reestableci el riego respectivamente [Tor95].
El gradiente mnimo de potencial hdrico para que haya flujo de agua al interior de las
races se ha establecido en un rango entre 0.08 y 0.49 MPa en estudios con plantas intactas,
y est asociado a la presencia de exodermis en la raz pero no est correlacionado con el
espesor del cortex o con el dimetro de la raz [Rie99].
Tabla 4.1 Potencial hdrico, potencial osmtico y presin de turgencia en hojas de plantas
desarrolladas en medios salinos
Especie Tratamiento Potencial Potencial Presin de Referencia
salino (mM hdrico* osmtico* turgencia**
de NaCl) (MPa) (MPa) (MPa)
S C S C S C
Tomate 70 0.12 0.08 0.99 0.68 0.87 0.59 [Rom01]
Tomate 60+ 1.25 0.75 1.70 1.05 0.45 0.30 [Car00]
Meln 60 0.55 0.24 0.80 0.53 0.25 0.29 [Car98]
Pimiento 60 0.23 0.17 2.40 1.70 2.17 1.53 [Mar04a]
Lotus 70 0.90 0.55 1.80 1.30 0.75 0.70 [San98]
Elaborado en base a referencias bibliogrficas.
*
Los potenciales son negativos; S Tratamiento salino; C Tratamiento de control
**
La presin de turgencia se considera equivalente al potencial hdrico de presin.
+
Combinado con la proporcin Ca:K:Mg = 7:9:2
83
Modelado de balance hdrico en sustratos artificiales
Algunos estudios sealan que la salinidad reduce la conductividad hidrulica de las races,
causada ms que por la concentracin osmtica por el efecto txico negativo de sales como
NaCl o KCl [Mar04a]. Tambin se ha documentado que est relacionada con la estructura
anatmica de la raz, especficamente con el ancho del cortex y la presencia o ausencia de
exodermis suberizada [Rie99].
La raz ofrece usualmente la ms baja conductancia al agua dentro del continuo suelo-
planta-atmsfera. Su influencia es compleja y depende de la estructura de la raz, de la
anatoma y del patrn por el cual diferentes partes de la raz contribuyen al transporte total
[Zhu01].
4.1.3 Transpiracin
Las hojas pierden agua a travs de sus poros estomticos como efecto de la actividad
fotosinttica de las clulas del mesfilo de las hojas [Lam98]. A esa prdida de agua se le
conoce como transpiracin, caracterizada por un proceso de intercambio gaseoso en el que
sale vapor de agua y entra CO2.
Un enfoque en relacin con este proceso plantea que la apertura de los estomas tiene como
objetivo minimizar la prdida de agua relativa respecto a una cantidad de absorcin de
dixido de carbono [Jon98a]; sin embargo, una de las debilidades de este enfoque es que
no provee una solucin explcita para la transpiracin ptima [Jon98a] y no toma en cuenta
de manera directa los efectos del dficit hdrico en la planta sobre los procesos fisiolgicos
como son transporte o el crecimiento [Jon98a]. Otro enfoque propone que el principal rol
de los estomas podra ser evitar daos en la planta por dficit hdrico [Jon91b].
84
Modelado de balance hdrico en sustratos artificiales
El proceso de transpiracin crea demanda de agua sobre la planta que es de hecho superior
a sus necesidades para el crecimiento y metabolismo. El agua que se pierde por
transpiracin puede causar humedad alta y variable en ambientes controlados, y desarrollo
diferencial de varias partes de la planta. En consecuencia se requiere el control de la
humedad con una larga capacidad de deshumidificacin para el crecimiento vegetal
reproductivo [Boy93].
Cultivos bien irrigados, de similar ndice de rea foliar y con la misma conductancia
estomtica, pero de diferente porte o altura, pueden transpirar diferentes cantidades
[Tho00]; este tipo de respuesta es muy difcil de explicar sin entender los procesos que
subyacen en el fenmeno.
La resistencia externa en cultivos como tomate, puede ser considerada como constante,
siempre que sus variaciones sean comparadas con la magnitud de la resistencia interna
[Sta87]. Se ha indicado que en condiciones de invernadero el control de prdida de agua es
de naturaleza interna, y que un modelo predictivo para transpiracin del dosel tiene que
estar basado en la parametrizacin fiable de la resistencia interna de las hojas [Sta87].
85
Modelado de balance hdrico en sustratos artificiales
El tiempo de retardo para la respuesta de los estomas a un incremento de densidad del flujo
de fotones es muy variable y va de 114 s a 840 s para plantas herbceas o arbustivas y de
180 s a 1578 s en rboles, mientras que la respuesta a un decremento de flujo de fotones
origina un retardo de 138 s a 558 s en herbceas y arbustivas y de 720 a 1878 s en rboles
[Oob03]. Se ha indicado que el retardo en la respuesta de apertura o cierre de los estomas
es afectado por la longitud del periodo nocturno, la longitud del periodo oscuro previo, la
temperatura del aire, humedad el aire y muchos otros factores [Oob03].
La tabla 4.2 sintetiza algunos de los estudios sobre transpiracin en especies desarrolladas
en invernadero, con excepcin del ensayo de transpiracin en soja desarrollado en campo
abierto.
86
Modelado de balance hdrico en sustratos artificiales
Los problemas para estimar transpiracin son de dos tipos, el primero es la inherente no
homogeneidad del follaje, y el segundo es la naturaleza turbulenta del flujo de aire dentro y
sobre el dosel del cultivo, implicando que la direccin y magnitud de los flujos antes
mencionados vare en cualquier momento y no puedan ser pronosticados exactamente
[Sta87].
En [Jol91] se concluye que el modelo de una capa propuesto en [Sta87] predice con
precisin la transpiracin en tomate, ya que considera el efecto tanto de la radiacin solar
como del dficit de presin de vapor para calcular la conductancia estomtica. Una de sus
limitantes es que utiliza la humedad en el interior del invernadero como un dato de entrada,
cuando en la prctica hay un efecto de realimentacin de la transpiracin sobre la humedad
interior [Jol94].
donde DPV es el dficit de presin de vapor, XIAF es el ndice de rea foliar, CAT y CBT son
parmetros empricos.
87
Modelado de balance hdrico en sustratos artificiales
88
Modelado de balance hdrico en sustratos artificiales
Cultivo Objetivo del estudio Modelo Variables climticas Condiciones experimentales Principales resultados Referencia
utilizado medidas y pas
Determinar Transferencia y Temperatura de bulbo seco y Cultivo en suelo. Datos medidos Modelo para determinar y [Pap94]
experimentalmente el balance de hmedo en interior y exterior cada minuto durante un corto parametrizar la resistencia
Tomate balance de energa de un energa del invernadero, radiacin periodo, IAF de 1.5, longitud interna de tomate en
cultivo de tomate, analizar solar global, reflejada y neta caracterstica de 0.32 m. invernadero basado en
la transpiracin del cultivo y temperatura de las hojas. temperatura del cultivo y
y la temperatura de la hoja variables ambientales. El
y desarrollar y verificar un Grecia. modelo tambin puede
modelo dinmico para calcular transpiracin.
transpiracin de tomate.
Nueve Validar modelo Lineal Temperatura de bulbo Cultivo en contenedores. Ocho a Determinan parmetros del Bai94b]
especies simplificado de hmedo y seco, radiacin diez plantas sobre un balanza modelo para el da y la noche.
ornamen- evapotranspiracin en: solar y radiacin neta total. electrnica de 25 kg, resolucin Los valores de los parmetros
tales Begonia, Cyclamen, de 1 g. Peso registrado cada 30 obtenidos sugieren que el
Gardenia, Gloxinia, Francia. min. Instalacin de dos efecto de sistemas de
Hibiscus, Impatiens, balanzas. humidificacin o pantalla de
Euphorbia, Pelargonium, y sombreo es diferente sobre
Schefflera. cada especie. El parmetro de
transpiracin para la noche
confirma una respuesta
diferente entre las especies.
Analizar la velocidad de Penman- Temperatura de bulbo seco y Ocho plantas sobre una balanza Determinan la resistencia de la [Mon01]
transpiracin y respuesta Monteith hmedo, temperatura de hoja electrnica de 300 kg, precisin hoja en funcin de la radiacin
Geranio estomtica de geranio y en seis puntos, radiacin de 0.2 g. Peso registrado cada PAR. La resistencia
desarrollar un modelo solar global y neta y minuto y promedios cada 30 estomtica en las condiciones
simplificado para resistencia estomtica. min. Temperatura mxima hasta del experimento es una
invernaderos en regiones de 36.5C, dficit de presin de funcin de la radiacin solar
clidas. Espaa. vapor hasta de 3.4 kPa. sin correccin por dficit de
presin de vapor o
temperatura del aire.
Determinan un modelo
simplificado para estimar
transpiracin en funcin de
radiacin solar, ndice de rea
foliar y dficit de presin de
vapor.
89
Modelado de balance hdrico en sustratos artificiales
Cultivo Objetivo del estudio Modelo Variables climticas Condiciones experimentales Principales resultados Referencia
utilizado medidas y pas
Proponer y evaluar un Modelo lineal Temperatura de fruto, de Mediciones de perdida de peso El modelo ms adecuado es el [Leo00b]
Tomate modelo de transpiracin en aire, radiacin global a nivel en 4 frutos en condiciones de de transpiracin en funcin de
(frutos) frutos de tomate en de frutos, presin de vapor sombreo y sin sombra. Balanza DPV fruto-aire. La
invernadero de aire. con precisin de 1 mg. conductancia cuticular dio
valores entre 0.03 y 0.12 mm
Francia. s-1.
Parametrizar el modelo Shuttleworth- IAF, radiacin neta, Cultivo en campo abierto. La Obtienen parmetros para [Bri98]
resistivo de Shuttleworth- Wallace velocidad de viento y dficit evapotranspiracin fue medida poder utilizar el modelo de
Soja Wallace para estimar de presin de vapor. por un lismetro con mediciones Suttleworth-Wallace para
transpiracin mxima que cada hora durante 34 das. La determinar la transpiracin
tiene en cuenta flujos entre Francia. evaporacin fue medida con mxima con escala de tiempo
el suelo y el dosel. microlismetros de pvc. de un da. Los parmetros son
Estimaciones cada da. dependientes del cultivo y se
debe parametrizar para cada
especie.
Elaborado con datos de las fuentes indicadas. nd no indicado
90
Modelado de balance hdrico en sustratos artificiales
s rcl Rn
2 X IAF ( a* a ) (4.9)
ET = +
(1 + s )rcl + rh (1 + s )rcl + rh
ET = g tr ( ef ag ) (4.10)
2 X IAF (4.11)
g tr
(1 + s )rcl + rh
rcl Rn (4.12)
ef ag
*
+ s
2 X IAF
Por tanto, la concentracin de vapor de agua en el dosel es la suma de dos trminos: uno
que depende de la temperatura y el otro que depende de la radiacin.
91
Modelado de balance hdrico en sustratos artificiales
Rn = (1 C m C n ) Rc + Rl Th4 (4.13)
donde Rc fue medida en la parte superior del dosel, Th es la temperatura promedio del
cultivo Tsc, Tcal y Tcss son temperaturas de la superficie de cubierta del invernadero, de las
tuberas de calefaccin y de capa que cubre el suelo respectivamente, la emitancia de estas
cubiertas ha sido considerada igual a uno [Sta87]. La expresin anterior es para cultivos
con disposicin aleatoria de hojas, debiendo incluir un factor de correccin (W) que
multiplica al valor calculado en (4.14). Es menor que la unidad y en los casos de cultivos
agrcolas ordenados en filas se calcula as:
(Can + Can ) 2 2
W= ; Can = C p + Ch (C p + Ch )1 / 2 (4.15)
Can + C p
donde Can es ancho de la hilera(s) del cultivo, Cp es la distancia del pasillo sin tomar en
cuenta el ancho de la hilera, y Ch es altura del cultivo. Despus de realizar una serie de
experimentos [Sta87], se obtuvo una expresin simplificada:
Hay otros estudios como el desarrollado en [Tho00] donde se considera que la radiacin
neta en la superficie del dosel (Rn) es igual a la radiacin absorbida por el cultivo (Ra)
menos la radiacin neta de onda larga transmitida por el dosel (Rl), Rn = Rna ,d Rl , donde:
1 Cn Cm
Rna,d = Rc (1 e CK X IAF ) (4.17)
1 C m
92
Modelado de balance hdrico en sustratos artificiales
donde:
1 Cn Cm CK X IAF
f rna ,d = (1 e ) (4.19)
1 Cm
1
rs = 200(1 + (4.20)
exp(0.05(Cm ,inv Rg 50))
w
Rc = W (1 + 0.58e 0.48 X IAF )(0.88 e 0.48 X IAF + 0.12e 0.64 X IAF ) Rs / 2 X IAF (4.22)
93
Modelado de balance hdrico en sustratos artificiales
0.2
220lch (4.23)
rcl = 0.8
Vvv
donde lch es la longitud caracterstica de la hoja y Vvv es la velocidad promedio del viento
en el interior del invernadero.
siendo Xta la temperatura del aire. La longitud caracterstica de la hoja puede ser estimada
segn la ecuacin (4.28) [Mon01]:
2
lch = (4.25)
(1 / lh ) + (1 / ah )
Cuando el dato de velocidad del interior de viento no se puede medir, ste puede ser
calculado a partir de la siguiente expresin [Wan99a]:
Fa
Vvv = (4.26)
Ac
Para estimar el flujo de aire en [Dem01] se sugiere que es posible utilizar la expresin 4.27
cuando la velocidad de viento exterior es menor que 2 m s-1 o la expresin (4.29) cuando es
mayor que ese lmite.
El flujo puede ser estimado con la expresin propuesta en [Kit98] desarrollada para
invernaderos con ventilacin lateral y cenital:
C des S T T C ch
Fa = ( 2C gV 2 ( ) + C vvVvvext ) 0.5
2
(4.27)
2 Te 2
94
Modelado de balance hdrico en sustratos artificiales
2(2Cb ) 0.5
V = 2
(4.28)
(1 + Cb )(1 + Cb ) 0.5
ST
Fa = Vvvext Cdes Cvv (4.29)
2
En [Tho96] la conductancia de capa lmite (gcl) es funcin de la velocidad de viento (Vvv),
la altura del cultivo (Ch), y parmetros de rugosidad para intercambio de calor y vapor
(cal,vap) y (mntm), altura a la que se mide la velocidad de viento (Chref) y d que es un factor
de desplazamiento, la ecuacin para su clculo es:
2
C kcond Vvv (4.30)
g cl =
ln((C href + cal ,vap d ) / cal ,vap ) ln((C href + mntm d ) / mntm )
El xilema es reconocido como el principal camino para el movimiento del agua. Hay dos
clases de elementos conductores del agua en el xilema [Kra95]:
Los vasos vasculares, que son formados por la desintegracin de las paredes
celulares terminales de las clulas, formando estructuras parecidas a tubos que
presentan dimensiones en el rango de algunos centmetros a varios metros de
longitud y dimetro desde 20 a 700 m.
Una tcnica muy utilizada para conocer el transporte de agua, minerales y mensajes
qumicos es la de eliminar el dosel excepto el rea basal y colectar la savia, pero ello debe
ser realizado de manera que el flujo sea igual al de transpiracin de plantas intactas. Al
hacerlo en diferentes partes del dosel, eliminando hojas y aplicando potenciales hdricos
equivalentes al de hoja, se ha encontrado que el flujo en el xilema es mayor que el que
existe en plantas intactas por transpiracin y es debido a la eliminacin de resistencias, la
mayora de ellas localizadas en la lamina de hoja y en la unin tallo-peciolo [Tie00].
95
Modelado de balance hdrico en sustratos artificiales
El movimiento de agua desde las races hasta las partes superiores de las plantas ha sido
explicado mediante la teora de tensin-cohesin; no obstante hay an una viva discusin
acerca de lo idneo de la misma [Kra95], [Wei99], [Zim94], [Zim00].
El trabajo de [Zim94] fue criticado en [Wei99], sosteniendo que las tcnicas utilizadas en
las mediciones que dieron como resultado el cuestionamiento a la teora de tensin-
cohesin son cuestionables.
De todo lo anterior resulta que los elementos importantes para simular la dinmica del
movimiento de agua desde el suelo o substrato hasta la atmsfera pasando por la planta
son: los potenciales hdricos, la resistencia del substrato al paso de agua, la resistencia en
las races, la resistencia en los elementos de conduccin, la resistencia a la salida de agua a
la atmsfera y la arquitectura del sistema radicular de las planta.
La eficiencia en el uso del agua a nivel fisiolgico puede ser definida como la proporcin
entre fotosntesis y transpiracin, referida en la literatura como eficiencia de transpiracin.
En otro mbito tambin ha sido expresada como la proporcin de biomasa producida por
cantidad de agua consumida, referida como eficiencia de biomasa [Hsi00]. En [Kra95] se
indica como la cantidad de agua requerida para producir un gramo de materia seca. La
tabla 4.3 muestra algunos valores de eficiencia en el uso de agua para diversos cultivos
desarrolladas en diferentes condiciones.
Las plantas crasulceas son las ms eficientes fisiolgicamente para utilizar el agua ya que
sus hojas estn cutinizadas y sus estomas estn en estructuras profundas cubiertas por
pequeas pelos, que no abren hasta que empieza a anochecer. Como resultado de ello el
agave (Agave americana) utiliza solamente 50-55 ml de agua para producir 1 gr de materia
seca, mientras que otras herbceas utilizan cantidades mayores [Kra95].
96
Modelado de balance hdrico en sustratos artificiales
Aunque gran parte de los modelos que se pueden encontrar en la literatura especializada
han sido desarrollados y probados en cultivos que no son hortalizas, los principios bsicos
son vlidos tambin en hortalizas [Jon98b]. En ese sentido se ha utilizado en esta tesis el
modelo dinmico de balance hdrico propuesto por [Tho96] y se ha modificado para ser
aplicado a condiciones de produccin en invernadero y cultivo sin suelo.
97
Modelado de balance hdrico en sustratos artificiales
La dinmica de las variables de estado masa de agua en el dosel (XAG,d) y raz (XAG,r ),
vienen definidas por las ecuaciones (4.31) y (4.32).
dX AG ,d
= FAG ,r d FAG ,d atm (4.31)
dt
dX AG ,r
= FAG ,s r FAG ,r d (4.32)
dt
donde FAG,r-d es el flujo de agua de raz al dosel, FAG,d-atm es el flujo de agua del dosel a la
atmsfera y FAG,s-r es el flujo del suelo a la raz.
Cuando el contenido relativo de agua del suelo (s) es mayor o igual a la capacidad de
campo (s,max), el flujo de agua es un flujo de exceso, es decir, de drenaje (FAG,dr), y por
tanto la masa de agua en el suelo (XAG,s) no cambia; en otro caso se cumple que:
dX AG ,s
= FAG ,s (4.33)
dt
donde FAG,s es el flujo de agua en el suelo. Los flujos de agua se determinan segn (4.34)-
(4.37):
98
Modelado de balance hdrico en sustratos artificiales
Cbs
h ,s = s ,max s ,max (4.38)
s
h,r = os ,r + pr ,r (4.39)
h ,d = os ,d + pr ,d (4.40)
siendo Cbs es un parmetro de calibracin del modelo. Los potenciales en la raz y el dosel
estn definidos por un potencial osmtico ( os,r , os,d ) y un potencial de presin
( pr,r , pr,d ) en cada uno de ellos, que se determinan segn las expresiones (4.41) y (4.42).
C R ( X ta + 273.15) f neoa ,r M ne ,r
os ,r = (4.41)
S M AG ,r
C pr ,r M AG ,r
pr ,r = C 1 C a (4.42)
M e ,r
donde CR es la constante universal de los gases, Mne,r es la materia seca no estructural en la
raz, Me,r es la materia seca estructural en la raz, Xta es la temperatura del aire, fneoa,r es la
fraccin de almacenamiento osmoticamente activa en la raz , S es la masa molal de
almacenamiento, Cpr,r es un parmetro que afecta el componente de presin del potencial
hdrico en la raz y C es el parmetro de rigidez de la pared celular . De manera anloga se
definen los potenciales en el dosel:
La resistencia al paso del agua del suelo a la raz esta definida por la ecuacin (4.45), en la
que Csors y Crsr son parmetros que afectan la resistencia entre el suelo y la raz, Ckwrsr es un
parmetro que afecta la resistencia suelo raz, Kso es la conductividad hidrulica del suelo y
r es la densidad de races.
La conductividad hidrulica de raz a dosel viene determinada por la ecuacin (4.46) donde
Ccndag es un parmetro de conductividad de agua de la planta y el flujo de agua del dosel a
la atmsfera por la expresin (4.47), siendo Rna,d la radiacin neta absorbida por el dosel,
gcl y gd son conductancia de capa lmite y conductancia de agua en el dosel
respectivamente, a es la concentracin de vapor de agua actual y a* es la concentracin
de vapor de agua a saturacin y s la pendiente de la curva de presin de vapor de agua
saturado.
99
Modelado de balance hdrico en sustratos artificiales
X AG ,r X AG ,d
g AG ,r s = Ccndag (4.46)
X AG ,r + X AG ,d
sRna ,d + 60g cl ( a* a )
FAG ,d atm = (4.47)
( s + (1 + g cl / g d ))
4) El potencial hdrico en el substrato fue estimado considerando las ecuaciones que han
sido indicadas en el apartado 4.1 (ecuaciones 4.1 - 4.3). Tomando en cuenta que el
potencial matricial (m,s) es el ms importante contribuyente del potencial de presin
(pr,s), que el potencial gravitacional (g,s) para las condiciones del substrato puede ser
despreciable porque la altura en cualquier punto de ste es menor que 7 cm, el
potencial hdrico es funcin del potencial matricial y del potencial osmtico, la
expresin es:
Tambin se han tenido en cuenta las relaciones que se establecen entre el potencial
matricial y la curva caracterstica de retencin de agua utilizando la funcin propuesta
en [Gen80].
1
Se = (4.50)
(1+ | C ag m , s |
Cagn
)
Cagm
100
Modelado de balance hdrico en sustratos artificiales
1/ 2
(
KrSe = Se 1 (1 Se ) )
1/ Cagm Cagm 2
(4.52)
donde KrSe es la conductividad hidrulica relativa del sustrato es decir KrSe = KSe / Ks ,
donde Ks es la conductividad hidrulica a saturacin. Para su estimacin se han
asumido los parmetros que han sido obtenidos despus de detallados estudios en lana
de roca [Sil95].
6) El autor del modelo [Tho96] indica que con fines de adaptacin del modelo los
parmetros de fraccin de materia seca no estructural osmticamente activa en raz y
dosel (fneoa,r , fneoa,d ) y masa molal de almacenamiento (S) pueden ser considerados
como uno solo. De esta manera se ha establecido con fines de ajuste de parmetros la
relacin fraccin osmticamasa molal en raz (Cfa,r) y la relacin fraccin osmtica-
masa molal en dosel (Cfa,d):
C fa ,r = f neoa ,r / s (4.53)
C fa,d = f neoa,d / s (4.54)
101
Modelado de balance hdrico en sustratos artificiales
Ya que la determinacin del rea foliar por medidas no destructivas es posible mediante la
medicin las dimensiones de las hojas (longitud lh y/o ancho ah), se obtuvo una relacin de
polinomio cuadrtico como la ecuacin emprica que mejor ajusta el rea con el ancho de
la hoja, como puede observarse en la tabla 4.4.
Tabla 4.4 Expresiones obtenidas para la estimacin de rea foliar de hojas. N=206
Variables Expresin obtenida R2
Ancho AF = 28.54ah 422.3 0.82
Longitud AF = 35.3lh 688.4 0.63
Longitud y ancho AF = 2.8lh + 26.8ah 468.1 0.83
Ancho AF = 0.39ah2 + 32.6 0.84
Ancho AF = 0.33ah2 + 4.7ah 43.7 0.85
lh y ah en cm, AF en cm2
El modelo de transpiracin de [Sta87] ha sido evaluado para formar parte del modelo de
balance hdrico, por lo que fue evaluado en diferentes estados de desarrollo del cultivo con
distintos valores de ndice de rea foliar, con datos de 42 das de primavera-verano y
otoo-invierno. Los parmetros utilizados fueron aquellos indicados en la literatura
[Sta87], [Sta95].
Los resultados que se muestran en la tabla 4.5 indican las diferencias obtenidas por el
modelo respecto a la transpiracin medida. El modelo se comporta de manera satisfactoria
como lo muestra el error relativo promedio menor del 10%, que indica la bondad del
modelo en la estimacin de transpiracin. Adems el 80% de los datos present un error
absoluto menor que 0.34 gr m-2 min-1; no obstante, en la misma tabla se indica un error
absoluto mximo de considerable magnitud, el cual puede ser debido a errores de medicin
o a perturbaciones como apertura de puertas cuando hay alta velocidad de viento en el
exterior.
Tabla 4.5 Errores de transpiracin estimada por el modelo respecto a transpiracin medida
ndice de Error absoluto Error promedio Raz de error Error relativo
rea foliar mximo (gr m-2 min-1) cuadrtico medio %
(gr m-2 min-1) (gr m-2 min-1)
1-2 2.9 0.026 0.30 5.1
2-3 3.3 0.08 0.50 8.7
3-4 3.4 0.029 0.63 4.3
>4 2.02 0.0012 0.41 1.5
Todos 3.4 0.028 0.41 5.0
102
Modelado de balance hdrico en sustratos artificiales
La respuesta del modelo a las variables de entrada temperatura de la hoja, radiacin solar,
dficit de presin de vapor de aire, velocidad interior del aire, temperatura del suelo y de la
cubierta y dixido de carbono han sido analizada por [Sta87]. En las siguientes figuras se
van a analizar resultados similares para el modelo implementado y comparado con las
condiciones de desarrollo de los ensayos realizados en el presente proyecto de
investigacin. Como se ha indicado en los resultados de la tabla 4.5 el comportamiento del
modelo y los parmetros no hizo necesaria su modificacin.
0.35
2.5
A B
0.3
X 2
XIAFLAI
0.25
0.2 1.5
gr m -2 min-1
rrclb
rmse
0.15
1
rh
0.1 rl
0.5
0.05
0
-10 -8 -6 -4 -2 0 2 4 6 8 10 0
% variacion 0 1000 2000 3000 4000 5000 6000 7000 8000 9000
tiempo (min)
Figura 4.1 A) Sensibilidad del modelo al ndice de rea foliar (XIAF), resistencia de capa lmite (rcl)
y resistencia interna (rh). B) Transpiracin medida y simulada. XIAF =0.7
Las figuras 4.1B y 4.2 muestran ejemplos de transpiracin medida y estimada con diferente
ndice de rea foliar y condiciones ambientales. Como se puede observar la dinmica de
transpiracin es simulada de forma satisfactoria, sin embargo en algunas situaciones se
aprecia un efecto de retardo en la respuesta medida, sobre todo en das con baja radiacin
como se aprecia en la figura 4.2D.
Es evidente en la grfica 4.3B la diferencia entre temperatura de hoja, temperatura del aire
y temperatura de la malla que cubre el suelo durante las horas del da, diferencia que
disminuye en la noche, y que puede alcanzar valores de 5 a 9 C entre la temperatura de la
hoja respecto a la de la malla que cubre el suelo y de 2 a 5 C entre la temperatura de hoja
respecto a la temperatura del aire del invernadero en los datos del periodo analizado.
103
Modelado de balance hdrico en sustratos artificiales
8 8
A B
g m-2 min-1 6 6
g m-2 min-1
4 4
2 2
0 0
0 10 20 30 40 0 10 20 30 40
horas horas
8
C 1.5 D
6
g m-2 min-1
g m-2 min-1
1
4
0.5
2
0
0
0 10 20 30 40 10 15 20
horas horas
25 th
2000 Th
20
rre
cl
0 15
0 10 20 30 40 0 10 20 30 40
horas horas
2500
C 6 D
2000 dpv
DPV
g m-2 min-1
Wm-2 - Pa
1500 4
1000
rgg 2
500 R
0 0
0 10 20 30 40 0 10 20 30 40
horas horas
Figura 4.3 Transpiracin y variables relacionadas para su estimacin: A) Resistencia de capa
lmite (rcl) e interna (rh). B) Temperatura de aire de invernadero (Xta), temperatura de hojas (Th) y
temperatura de malla cubre suelo (Tcss). C) Radiacin solar global (Rg) y dficit de presin de
vapor (DPV). D) Transpiracin
104
Modelado de balance hdrico en sustratos artificiales
7 2500
A
6
A B
2000
1500
g m-2 min-1
Pa
3 1000
2
500
0
0 0 100 200 300 400 500 600 700 800
0 100 200 300 400 500 600 700 800 W m-2
W m-2
+ maana o tarde
Figura 4.4 A) Relacin transpiracin radiacin solar. B). Relacin dficit de presin de vapor
radiacin solar. Marzo 26 de 2004. XIAF =2.5 m2 m-2
9 2000
8 BA 1800 B
1600
7
1400
6
1200
g m-2 min-1
5
1000
Pa
4 800
3 600
2 400
200
1
0
0 0 100 200 300 400 500 600
0 100 200 300 400 500 600 W m-2
W m-2
+ maana o tarde
Figura 4.5 A) Relacin transpiracin radiacin solar. B). Relacin dficit de presin de vapor
radiacin solar. Octubre 26 de 2004. XIAF =3.4 m2 m-2
105
Modelado de balance hdrico en sustratos artificiales
Diferentes fechas durante el ciclo de cultivo. En este caso, para un cultivo de primavera
verano de 2004, se muestran 15 das en los que el suministro de agua fue variable:
desde uno hasta 12 riegos por da, presentando el contenido de humedad fluctuaciones
entre 55 y 68% (Figura 4.6A). Los primeros tres das corresponden a la etapa inicial de
un cultivo en los que la dotacin de agua era solamente de un riego. En los ltimos 6
das mostrados en la grfica corresponden con etapa de produccin en los que la
demanda es alta y la cantidad de riegos fue de 10 a 12 durante cada da.
El proceso de riego trae consigo la presencia de tres estados en la dinmica de agua del
sistema: aporte de agua, aporte de agua y lixiviado de manera simultnea, o nicamente
lixiviado. Es comn que en el primer riego y frecuentemente en el segundo riego no
haya flujo de agua por drenaje, ya que el sustrato est en proceso de recuperacin del
agua que ha sido absorbida durante la tarde y noche anterior. La figura 4.6C muestra en
detalle la dinmica de incremento de contenido de humedad asociado a los riegos,
llegando a alcanzar la primera cresta del da una vez que el sustrato ha superado un
nivel mnimo de contenido de humedad y es entonces cuando el agua excedente es
drenada. Es interesante hacer notar que en un lapso aproximado de 60 minutos fueron
necesarios 15 minutos de aplicacin de riego en las condiciones representadas por sta
figura.
En las horas centrales del da el sustrato entra en un ciclo de prdida de agua por
absorcin de las races y la recupera por aporte mediante el riego. La frecuencia est
determinada por las condiciones ya mencionadas anteriormente, pero se requiere que el
sustrato posea el agua necesaria para suplir los requerimientos del cultivo. Es evidente
106
Modelado de balance hdrico en sustratos artificiales
al observar la figura 4.6D que la mayor parte del tiempo el substrato se encuentra en
proceso de prdida de humedad respecto al tiempo de hidratacin del mismo.
Los componentes del potencial hdrico en el substrato han sido descritos en el apartado 4.1.
El potencial matricial del substrato se puede apreciar de manera grfica en la figura 4.7A,
que muestra su relacin con el contenido de agua efectiva. Se han utilizado los parmetros
indicados en [Sil95] y [Hei97] dados para el proceso en que el substrato est perdiendo
agua. Aunque se ha representado (siguiendo la prctica habitual) esta relacin
considerando el potencial como si fuese positivo, en el suelo o substrato estos potenciales
son negativos.
70 68
A B
68
66
66
64
64
m3 m-3
m3 m-3
62
62
60
60
58 58
56 56
0 2 4 6 8 10 12 14 16 0 500 1000 1500 2000 2500 3000
dias tiempo (min)
66 67
C Humedad del substrato
65 66 D
Humedad substrato
Riego
64 65
Riego
63 64
62 63
m3 m-3
m3 m-3
61 62
60 61
Lixiviado
Drenaje
59 60
Drenaje
Lixiviado
58 59
57 58
580 600 620 640 660 680 700 700 720 740 760 780 800 820
tiempo (min) tiempo (min)
Figura 4.6 Dinmica de agua en el sustrato. A) Contenido de humedad en 15 das ciclo primavera-
verano 2004. B) Riegos, contenido de humedad y drenajes durante dos das, XIAF=3.5. C) Detalle
durante las primeras horas del da. D) Detalle durante las horas centrales del da
107
Modelado de balance hdrico en sustratos artificiales
1
100 10
B
A
90 0
10
80
-1
10
70
-2
10
60
cm min-1
-3
50 10
cm
40 -4
10
30
-5
10
20
-6
10
10
-7
0 10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
humedad efectiva humedad efectiva
Figura 4.7 A) Curva de retencin de agua en lana de roca respecto a la humedad efectiva del
substrato. B) Conductividad hidrulica en funcin de humedad efectiva
La conductividad elctrica del substrato, que determina el potencial osmtico del mismo,
se incrementa gradualmente durante la noche hasta que el aporte de disolucin nutritiva
mediante el primer riego ejerce el efecto de una reduccin drstica (Figura 4.8C). A partir
de ese instante hay fluctuaciones en funcin de la frecuencia de riegos y el volumen
aportado en cada uno de ellos y la velocidad de absorcin de agua. Es notorio el descenso
de la conductividad elctrica del substrato durante el segundo da cuando la frecuencia de
riegos es ms alta (15 riegos) respecto al primer da (9 riegos), sin que la conductividad
elctrica en el aporte presente variacin substancial.
108
Modelado de balance hdrico en sustratos artificiales
dosel respectivamente, mientras que 4.9C y 4.9D muestran el potencial hdrico en la raz y
en el dosel respectivamente.
En las horas centrales del da, en torno al medioda, las plantas presentan los potenciales
ms negativos y es por tanto el periodo en que las plantas son ms susceptibles de sufrir
estrs hdrico en caso de que el agua no sea suficiente en el substrato. En el caso opuesto
los potenciales menos negativos se alcanzan al alba, como se puede apreciar con detalle en
la figura 4.10A que relaciona potencial hdrico en el dosel y radiacin solar. Es tambin en
esos momentos antes del amanecer cuando el sistema substrato-raz-dosel llega a alcanzar
puntos de equilibrio como se indica en la figura 4.10B.
Una vez descritos los principales elementos que constituyen las fuerzas para el movimiento
de agua, considerados en el modelo, se abordar la importancia de los parmetros en el
comportamiento de ste.
-0.08 500
A B
-0.1 400
-0.12 300
W m-2
MPa
-0.14 200
-0.16 100
-0.18 0
0 10 20 30 40 0 10 20 30 40
horas horas
5 25
C D
XCE
ces taX
ta
4 20
mS cm-1
ts
T
C
3 Cea 15
cea
2
urir 10
0 10 20 30 40 0 10 20 30 40
horas horas
Figura 4.8 Potencial hdrico en lana de roca y variables relacionadas durante dos das. A) Potencial
hdrico en el substrato. B) Radiacin en el interior del invernadero. C) Conductividad elctrica en
el substrato (XCE), en la disolucin nutritiva (Cea), seal de riego (ur). D) Temperatura de lana de
roca (Ts) y del aire de invernadero (Xta)
109
Modelado de balance hdrico en sustratos artificiales
1 4
A p,r B p,dpt
pt
0.5 2
MPa
MPa
0 0
-1 -4
0 50 100 0 50 100
horas horas
0 0
C D
-0.1 -0.1
-0.2 -0.2
MPa
Mpa
-0.3 -0.3
-0.4 -0.4
-0.5 -0.5
0 50 100 0 50 100
horas horas
Figura 4.9 Potenciales hdricos en la planta. A) Potencial de presin (p,r) y osmtico (os,r) en
la raz. B) Potencial de presin (p,d ) y osmtico (os,d) en el dosel. C) Potencial hdrico en la
raz. D) Potencial hdrico en el dosel
110
Modelado de balance hdrico en sustratos artificiales
400 -50
A B ps
h,s
300 -100
W m-2
200
-150
prh,r
100
-200
0 KPa
-250
-100
-300 h,d
-200 pd
KPa
-350
-300
-400 -400
-500 -450
0 1000 2000 3000 0 2000 4000 6000
minutos minutos
Figura 4.10 A) Radiacin global en el interior del invernadero y potencial hdrico en el dosel. B)
Potenciales hdricos en: el substrato (h,s), la raz (h,r) y el dosel (h,d)
-4
x 10
5.5 0.74
A Cprv .. sin Ckrhr
5 Cpr,d C
C - con Ckrhr
rmse (m3 m-3)
4.5 0.735
CFFv
Cfa,d
4 Cprr
Cpr,r
Ccndw
Ccndag 0.73
3.5 CFFr
Cfa,r
Ckrhr
Ckrhr
3 0.725
-10 -5 0 5 10
m3 m-3
% variacion 0.72
-3
x 10
3
B MWso-ini 0.715
2.5 XAGs-ini
MWsh-ini
rmse (m3 m-3)
XAGd-ini
2 MXWrt-ini 0.71
AGr-ini
1.5 DDrt-ini
r-ini
1 0.705
0.5
0.7
-10 -5 0 5 10 0 500 1000
% variacion Minutos
Figura 4.11 A) Sensibilidad a los parmetros del modelo. B) Sensibilidad a las condiciones
iniciales. C) Efecto del parmetro de resistencia suelo-raz (Ckrhr) introducido al modelo sobre el
contenido de agua en el substrato
111
Modelado de balance hdrico en sustratos artificiales
El efecto de la introduccin del parmetro que afecta la resistencia del flujo de agua suelo-
raz en funcin de la transpiracin que expresado en la ecuacin (4.54) es ilustrado en la
figura 4.11C y, aunque su impacto en el error total no es de magnitud considerable en el
anlisis de sensibilidad, si contribuye a mejorar el rendimiento del modelo en la simulacin
del proceso de prdida de agua del substrato durante las horas centrales del da.
En la tabla 4.6 se indican los valores obtenidos de los parmetros, el rango de estimacin y
los valores que han sido utilizados para el modelo aplicado a un ecosistema forestal o de
pastizal. Se indican tambin otros parmetros que no han sido estimados pero que han sido
obtenidos del modelo original o bien de otros autores como ya ha sido mencionado en la
descripcin del modelo.
112
Modelado de balance hdrico en sustratos artificiales
Aunque el error relativo promedio es bajo hubo algunos registros con error relativo del
orden del 11%. No obstante en el 84% de los datos el error absoluto fue inferior al 2% de
contenido de humedad expresado en volumen.
80
A
70
% en volumen
60
50
40
0 2 4 6 8 10 12 14 16 18
das
72 B 65 C
% en volumen
% en volumen
60
70
55
68
50
66 45
3.2 3.4 3.6 3.8 4 4.2 4.4 9.5 10 10.5 11 11.5
das das
113
Modelado de balance hdrico en sustratos artificiales
En el modelo original se utiliza la temperatura del aire para estimar potenciales osmticos
en la raz y dosel, en las simulaciones fue respetado este criterio y adems se realizaron
114
Modelado de balance hdrico en sustratos artificiales
simulaciones en las que esta temperatura fue cambiada por la temperatura de la hoja. Al
incluir la temperatura de hoja la diferencia en la estimacin del contenido de humedad en
el substrato no es significativa, ya que la raz del error cuadrtico medio fue de 0.02 % de
contenido de agua expresado volumen. Lo mismo sucede con el efecto de sustituir la
temperatura del substrato por la temperatura del aire en el invernadero ya que ese mismo
tipo de error es de 0.012 %.
10.55 1.1
A B
10.5 1.05
kg m-2
kg m-2
10.45 1
10.4 0.95
10.35 0.9
0 50 100 0 50 100
horas horas
5 5
C D
4.95 4.95
4.9 4.9
kg m-2
kg m-2
4.85 4.85
4.8 4.8
4.75 4.75
0 50 100 0 1000 2000 3000
horas minutos
Figura 4.13 Reserva de agua simulada en: A) El dosel. B) La raz. C) El substrato. D) Simulacin
de reserva de agua en el substrato al cambiar condiciones iniciales de masa de agua en el dosel en
un 10%
Aunque el modelo de resistencias para el flujo del agua, en que est basado el modelo aqu
utilizado, es simple y ha sido cuestionado desde hace tiempo [Ste98], Ste00] los nuevos
modelos propuestos requieren de muchos parmetros que los hacen complejos y menos
manejables [Rug99]. El modelo aqu tratado, que se ha modificado e implementado
permite predecir satisfactoriamente el flujo de agua conservando su simplicidad.
115
Modelado de balance hdrico en sustratos artificiales
A pesar de que el modelo de balance hdrico aqu desarrollado es satisfactorio, el nexo que
establece con la dinmica de crecimiento del cultivo a travs de las variables de materia
seca estructural y no estructural lo hacen sensible a los fallos posibles en la estimacin de
los mismos, sobre todo en estimaciones de largo plazo con periodos mayores de un mes. Se
podra conseguir un mejor comportamiento en predicciones del orden de una semana.
A pesar de la simplicidad del modelo, ste es capaz de simular de manera atenuada algunos
fenmenos en los que dadas determinadas condiciones de conductividad elctrica del
substrato moderadamente alta, bajo dficit de presin de vapor y baja temperatura en el
aire, inducen potenciales hdricos en el dosel y la raz menos negativos que en el substrato
momentos antes del amanecer. Por tanto, hay un fenmeno de flujo inverso que, aunque
aparece muy espordicamente durante das de invierno, se ha presentado en las
condiciones analizadas y ha sido simulado, si bien en menor magnitud que lo indicado en
las mediciones, lo cual es explicable considerando que el incremento de humedad en el
substrato pudo ser mayor por la condensacin de agua en los cubos de lana de roca sobre
los que se desarrolla la planta, permitiendo un humedecimiento gradual del substrato sobre
todo si estas condiciones tienen una duracin de muchas horas.
116
Modelado de balance hdrico en sustratos artificiales
4.4.3 Conclusiones
A partir del modelo bsico es posible completar las predicciones del mismo realizando las
evaluaciones correspondientes en la reserva de agua del dosel y de la raz. Dada la
dificultad de hacerlo con alta frecuencia, se requiere de muestreos que permitan su
determinacin en diferentes horas del da, al menos en tres momentos importantes: al alba,
al medioda solar y al obscurecer. Una variable importante que es posible incluir en el
modelo es la determinacin explcita del estado de estrs hdrico de la planta. La
estimacin de esta variable es de gran importancia en el manejo de los cultivos ya que
proporciona informacin sobre la necesidad de agua en el cultivo desde una perspectiva de
la planta, ms que del substrato. Lo anterior aumentara la capacidad de prediccin del
modelo para ser utilizado como simulador del agua en el sistema agua-planta-atmsfera.
117
Modelado de balance hdrico en sustratos artificiales
118
Esquemas de control de temperatura
nocturna y riego basados en modelos
119
Esquemas de control de temperatura nocturna y riego basado en modelos
En este caso, se ha aportado una solucin basada en modelos linealizados del sistema en
torno a determinados puntos de trabajo dada la sencillez asociada a su implementacin. En
[Ram05] se puede encontrar un anlisis similar para sistemas de calefaccin con tuberas
areas de agua caliente.
La regulacin de la temperatura interior del aire dentro del invernadero es importante tanto
para el crecimiento vegetativo como para la produccin de frutos. Para determinar los
requisitos de calefaccin, es esencial conocer los niveles mnimos de temperatura
soportables por el cultivo, la temperatura mnima exterior que cabe esperar y la superficie
total del invernadero, aunque para una determinacin ms precisa habra que tener tambin
en consideracin la velocidad de viento y localizacin del invernadero.
120
Esquemas de control de temperatura nocturna y riego basado en modelos
La principal ventaja de los sistemas por aire caliente frente a los otros comentados
previamente es su rpida respuesta a la seal de control, mientras que su inconveniente
fundamental es el consumo adicional de electricidad, que puede ser del orden del 10% de
la energa requerida para el calefactor. Resumiendo las caractersticas principales del
sistema utilizado, se trata de un generador de aire caliente de combustin indirecta.
Mediante un cambiador de calor, se separan los gases de combustin expulsndolos al
exterior, introduciendo nicamente aire caliente al invernadero. Dado que parte del calor es
expulsado con los gases de combustin, el rendimiento de estas mquinas suele estar entre
el 80% y el 90%. Est equipado con tres unidades:
Un ventilador para pulsar, entre los tubos del cambiador, el aire ambiente que se
calienta antes de pasar por el invernadero.
En este caso el cambiador separa el aire caliente de los gases de combustin (en general
derivados del azufre) que, debido a su fitotoxicidad, no pueden inyectarse directamente en
el invernadero y deben extraerse hacia el exterior a travs de una chimenea.
Extraccin de humos
Cambiador
Combustible Quemador de calor
Aire combustin
Aire ambiente
Aire ambiente
Figura 5.1 Diagrama esquemtico del sistema de calefaccin por ventilacin forzada
Una planta crece bajo la influencia de la luz, es decir, cuando realiza la fotosntesis,
requiriendo adems una temperatura relativamente alta. Durante la noche el cultivo
disminuye su actividad por lo que no es necesario mantenerlo a una temperatura elevada.
Por tanto, es conveniente una temperatura ms alta durante el da que durante la noche. Por
esta razn se definen dos consignas diarias: una para el periodo nocturno y otra ms alta
para el periodo diurno.
121
Esquemas de control de temperatura nocturna y riego basado en modelos
Debido a las favorables condiciones meteorolgicas del sudeste de Espaa, durante los
periodos diurnos, la energa necesaria para alcanzar la temperatura ptima la proporciona
el sol, no siendo necesario por tanto el aporte de energa suplementaria salvo en situaciones
extremas durante el invierno. El problema de control de la temperatura diurna radica en
evitar que la temperatura sea superior a ese ptimo, ya que su efecto es nocivo para el
cultivo. Para esto se utiliza la ventilacin natural, extractores de aire o enfriamiento
evaporativo; el primero es el sistema de actuacin ms implantado en los invernaderos de
la zona. Durante la noche, se determina una consigna menor que la del da pero apropiada
para las plantas y as se evita consumir energa, reduciendo el coste econmico (gasto del
combustible que utiliza la calefaccin). Mientras la temperatura se mantenga por encima
del valor de consigna nocturna el controlador no acta, activndose la calefaccin cuando
su valor sea inferior. La produccin de materia seca del cultivo no se ve afectada para el
cultivo de tomate siempre y cuando los valores lmite de temperatura nocturna se
mantengan por encima de los mnimos recomendables sin llegar al mnimo biolgico. Por
tanto, el problema de control de la temperatura nocturna consiste en evitar que sea inferior
a la consigna, sin importar que tome un valor superior [Rod02].
La tabla 5.1 muestra un resumen de distintos autores que han desarrollado estrategias de
control de la temperatura interior del invernadero usando calefaccin [Rod02].
122
Esquemas de control de temperatura nocturna y riego basado en modelos
Los sistemas de control comerciales de calefaccin que utilizan ventilacin forzada suelen
controlarse mediante algoritmos todo-nada con zona muerta, que no tienen por tanto en
cuenta ningn criterio de tipo econmico y que son sintonizados de forma heurstica para
conseguir una solucin de compromiso entre regulacin y nmero de conmutaciones.
Existen diversos motivos que justifican el uso de estrategias de control predictivo basado
en modelo (Model-based Predictive Control MPC) para controlar la temperatura usando
sistemas de calefaccin, puesto que el problema no es nicamente conseguir que la
temperatura se regule en torno (o sobre) una consigna definida, sino tambin intentar
minimizar los costes asociados a las acciones de control (consumo de combustible). En
este sentido, el uso de una funcin de coste como la utilizada en tcnicas MPC permite en
cierta medida penalizar los costes asociados en la accin de control en el diseo del
controlador. Aunque el retardo en este tipo de aplicaciones es del mismo orden de
magnitud que la constante de tiempo dominante del sistema, dicho retardo puede tener una
notable influencia en el consumo. Es ms, aunque existen numerosas estrategias de control
que tratan de una forma sistemtica el problema de rechazo de perturbaciones
(fundamentalmente cambios en la temperatura y viento exterior, puesto que por la noche
no existe efecto de la radiacin solar), las tcnicas MPC incorporan de forma directa el
control por prealimentacin, control de retardo y las restricciones que hay que tener en
consideracin en el proceso de diseo y optimizacin.
H2 Hu
J = E{ c ( j )[ y (t + j | t ) w(t + j )] + c ( j )[u(t + j 1)] }
2 2
(5.1)
j = H1 j =1
En esta funcin de coste, E{.} es la esperanza matemtica, (t+j|t) es una secuencia ptima
de salidas futuras que se calcula con datos conocidos hasta el instante t, u(t+j-1) es una
secuencia de incrementos de control futuros, obtenidos de la minimizacin de la funcin de
coste, H1 y H2 son los horizontes de prediccin mnimo y mximo respectivamente, Hu es
el horizonte de control y c(j) y c(j) son secuencias de ponderacin que penalizan los
errores de seguimiento y los esfuerzos de control futuros, respectivamente, a lo largo de los
horizontes. Los valores de los horizontes y de las secuencias de ponderacin son
parmetros de diseo del algoritmo. En este trabajo c se ha seleccionado igual a 1 y c es
123
Esquemas de control de temperatura nocturna y riego basado en modelos
Para controlar sistemas de calefaccin por aire con ventilacin forzada, debido a la
naturaleza discreta del actuador, se pueden realizar distintas aproximaciones a la hora de
implementar una estrategia de control predictivo generalizado. En este trabajo se han
estudiado dos posibilidades, que han proporcionado resultados similares (en ambos casos,
cuando el error de seguimiento es negativo, esto es, cuando la temperatura del invernadero
se encuentra por encima de la referencia, el control no acta):
H2 2 H 2
J = y (t + j t ) w(t + j ) + c ( j )[u (t + j 1)]
u
(5.2)
j = H1 j =1
124
Esquemas de control de temperatura nocturna y riego basado en modelos
(t+j/t)
tiempo
t H1 H2
horizonte de prediccin
(t) u(t+Hu-1)
u(t-1) u(t+1)
tiempo
t Hu
horizonte de control
(t+Hu/t)=0 (t+H2-1/t)=0
(t+Hu-1/t)=0 ...
...
(t+1/t)=0
(t+Hu/t)=1 ... (t+H2-1/t)=1
(t+Hu-1/t)=1
t t+1 t+2 ... t+Hu ... t+N2
125
Esquemas de control de temperatura nocturna y riego basado en modelos
Despus de realizar diversas simulaciones y varios ensayos en las instalaciones reales, los
valores finales que se han utilizando ha sido H2=10 y Hu=6, ya que no se observan mejoras
significativas cuando se incrementan estos valores. El valor de H2 es un compromiso entre
un seguimiento adecuado de consigna y el nmero de activaciones del controlador. Se han
obtenido modelos similares de las relaciones entre los cambios de la temperatura interior
respecto a cambios en la temperatura exterior y la velocidad media de viento exterior, que
han permitido la inclusin de las perturbaciones en la formulacin del controlador (de esta
forma, se puede ampliar ms la zona de operacin para la cual es vlido el controlador). La
forma en que se obtienen dichos modelos viene indicada en [Rod02]. La eleccin de dichos
modelos no ha modificado los valores de los horizontes escogidos de acuerdo a la seal de
control manipulable.
La figura 5.3 muestra un perfil tpico del control utilizando la solucin comercial basada en
un controlador todo-nada con zona muerta de 0.5C y un periodo de muestreo de 10 min.
Se llevaron a cabo muchas pruebas en el sistema comercial modificando el tiempo de
activacin al mnimo permitido por el sistema (4 min) y se obtuvieron similares resultados
en cuanto a nmero de conmutaciones y tiempos de activacin.
El menor tiempo entre conmutaciones en el controlador todo nada origina que la dinmica
de temperatura flucte con un gradiente mayor entre el valle y la cresta de cada ciclo
activado-desactivado. Mientas que el controlador GPC-PWM anticipa el comportamiento
de temperatura y al contabilizar en seal continua y posteriormente traducirla a una seal
de control discreta tiene como efecto un mayor nmero de conmutaciones como se puede
observar en la figura 5.4.
Como un ejemplo del desempeo de los controladores en una noche tpica de invierno el
controlador todo-nada mantuvo el sistema de calefaccin activado durante 221, mientras
que el controlador GPC en sistema de calefaccin estuvo activado durante 164 min.
26 1
A 0.9 B
24
0.8
22
0.7
Salida Todo/Nada(0-1)
Temperature (C)
0.6
(C)
20
Temperatura
0.5
18
0.4
0.3
16
0.2
14
0.1
12 0
0 500 1000 1500 0 500 1000 1500
time (min)
Tiempo (minutos) Tiempo (minutos)
126
Esquemas de control de temperatura nocturna y riego basado en modelos
32
30
A
17.4
28 17.2
temperature (C)(C)
17
26
16.8
Temperatura
24 16.6
16.4
22
16.2
20 16
18
16
14
0 500 1000 1500 2000 2500 3000
Tiempo
t i m e ( m i(min)
n)
70
B
signal (%)
60 0.9
C
(%)
0.8
control
50
(0/1)
0.7
GPC
Seal de control GPC
Moutput (0/1)
40
0.6
output
0.5
30
0.4
PW
PWM
20
0.3
10 0.2
0.1
0
0 500 1000 1500 2000 2500 3000
0
time (min) 0 500 1000 1500 2000 2500 3000
Tiempo (min) time (min)
Tiempo (min)
127
Esquemas de control de temperatura nocturna y riego basado en modelos
128
Esquemas de control de temperatura nocturna y riego basado en modelos
129
Esquemas de control de temperatura nocturna y riego basado en modelos
130
Esquemas de control de temperatura nocturna y riego basado en modelos
En el captulo anterior se ha descrito la importancia del agua en las plantas; en esta seccin
se describen los mtodos de riego utilizados para el suministro de agua a los cultivos
desarrollados en invernadero. Considerando que el campo de conocimiento es muy amplio,
slo se sealan algunos trabajos representativos de cada mtodo. En sistemas de cultivo sin
suelo es importante la definicin precisa de cundo y cunto regar, ya que son medios con
poca capacidad de volumen de agua que requieren alta frecuencia de riegos. Se aborda el
control de riego desde la perspectiva de dotacin de agua, sin considerar el elemento
nutricional que presenta una dinmica propia para un aporte adecuado de los nutrientes
requeridos por las plantas.
El aporte de agua y nutrientes a los cultivos, denominado fertirriego, tiene los siguientes
objetivos: suministrar la cantidad conveniente de cada nutriente, garantizar el adecuado
equilibrio nutricional (interaccin entre ellos) para favorecer el desarrollo de las plantas,
proporcionar buena aireacin para que las races realicen respiracin radical en perfectas
condiciones, mantener la temperatura dentro de los niveles propios de cada especie,
mantener las cantidades correctas de agua fcilmente disponible (tensiones de retencin
bajas) para facilitar la asimilacin de agua y mantener la uniformidad de los objetivos
anteriores en todo el volumen del recipiente donde se desarrollan las races [Sal00].
Los mtodos para el manejo de suministro de agua en sistemas de cultivo sin suelo buscan
la prediccin de absorcin por las plantas bajo diferentes enfoques [Kl01]:
Adicin de la cantidad de agua que se pronostica sea la absorbida por las plantas
(criterio de cantidad).
131
Esquemas de control de temperatura nocturna y riego basado en modelos
Est basado en la medida del contenido volumtrico de agua o del potencial matricial del
suelo o del substrato. En cultivos intensivos desarrollados en sistemas sin suelo el ambiente
de la raz es un medio altamente salino y por tanto su potencial osmtico contribuye
considerablemente al potencial hdrico total del substrato, por lo cual debe ser tomado en
cuenta en la determinacin de este indicador. Conociendo el contenido volumtrico de
agua deseado que debe mantener el sustrato o el potencial hdrico correspondiente a la
capacidad de reserva de agua del sustrato a la que se desea aportar la dosis de riego se
determina cundo iniciar el riego.
Los sensores basados en resistencia elctrica estn compuestos por dos electrodos, de
forma que la disolucin del substrato mantiene un equilibrio con la matriz del sensor. La
resistencia elctrica entre los electrodos es funcin del contenido de humedad, este tipo de
sensores requieren de calibracin, aunque son simples y fciles de instalar [Tho04].
Las clulas de carga son un tipo de lismetro por medio del cual se estima el contenido de
humedad en el substrato [Dor04]. Varias plataformas de peso sostienen las plantas y se
establece una correlacin especfica del cultivo y la edad del mismo con el contenido de
humedad en el substrato. El sistema enva la seal constantemente al controlador de riego
que es activado al llegar al lmite establecido por el usuario.
132
Esquemas de control de temperatura nocturna y riego basado en modelos
Una opcin dentro de este tipo de enfoque es el registro de las variaciones micromtricas
del dimetro de la planta, por medio de dendrmetros, que dependen del estado hdrico de
la planta; es posible utilizar este tipo de mediciones despus de un tratamiento de los datos
ya que las variaciones del dimetro tambin pueden ser causadas por crecimiento. Este tipo
de sensores se han utilizado en ensayos experimentales en tomate [Go89], [Bru92],
[Lee98], [Val05], ornamentales [Bai92], meln [Val05] y pimiento [Coh98], [Val05].
133
Esquemas de control de temperatura nocturna y riego basado en modelos
El flujo de savia es una tcnica directa de medir el flujo a travs de la planta. El sensor se
une al tallo y puede restringir el crecimiento o causar infecciones en el mismo en aquellos
sensores basados en calor [Ehr01]. Sin embargo se han desarrollado aplicaciones de riego
en plantas leosas utilizando este mtodo [Fer01], [Pat05].
134
Esquemas de control de temperatura nocturna y riego basado en modelos
Las tcnicas de control utilizadas en control de riego estn basadas en autmatas simples
de activacin-desactivacin del actuador, en este caso bomba y vlvulas de riego, o bien
utilizando computador por medio de control todo-nada establecido en base a un criterio
que puede ser un nivel de agua, cantidad de radiacin solar acumulada o cantidad de
transpiracin acumulada.
En los trabajos realizados para el suministro de agua se han indicado tcnicas de control
por adelanto [Kl97], [Sig01]. En [Gie00] se instrumenta control realimentado por
drenajes, mientras que la absorcin de agua es tratada como una perturbacin al sistema.
En [Zha96] y [Rui00] se implement control borroso, de modo que a partir de medidas de
humedad del substrato y cantidad de agua drenada se determina cundo y cunto regar. En
[Zha96] se desarroll e implement control borroso aplicado para el control de riego de
plantas ornamentales en invernadero desarrolladas en substrato de mezcla de turba y
corteza de pino. En [Rui00] las variables de entrada fueron el contenido de humedad del
substrato y la evapotranspiracin estimada a partir de datos climticos, con stas se
construyeron reglas de decisin para aplicacin de riego en tomate cultivado en arena.
135
Esquemas de control de temperatura nocturna y riego basado en modelos
En sistemas sin suelo, el control de riego de agua est estrechamente ligado al control de
suministro de nutrientes, de forma que muchos de los trabajos realizados estn
encaminados a lograr el control de agua y de nutrientes, como se menciona posteriormente.
La seal de riego se activa al acumular una cantidad de volumen establecida por el usuario,
realizndose un suministro de agua equivalente a la cantidad estimada de transpiracin, a la
cual se increment un porcentaje deseado de drenaje. El control de riego fue realizado
aplicando la tcnica de control todo-nada y el modelo de transpiracin utilizado fue el
136
Esquemas de control de temperatura nocturna y riego basado en modelos
La figura 5.5A muestra la transpiracin estimada del cultivo; se puede observar en ella que
durante el primer da fue de menor magnitud respecto al segundo. La seal de activacin
de riego y el contenido de agua en el substrato se observan en la figura 5.5B. El dficit de
presin de vapor y la radiacin global en el interior del invernadero se pueden observar en
la figura 5.5C. Las variables asociadas a la dinmica de aplicacin de riego (drenajes,
conductividad elctrica en el substrato, temperatura y humedad relativa en el invernadero)
se pueden observar en la figura 5.6.
La figura 5.7 muestra el comportamiento del sistema de riego por bandeja de demanda y
las variables asociadas con el mismo en el transcurso de un da, mientras que en la figura
5.8 se observa la dinmica de volumen de drenajes, conductividad elctrica en el substrato,
temperatura y humedad ambiental en el invernadero.
El sistema de riego utilizando bandeja de demanda aplica riegos durante las horas del da y
responde a la cantidad de agua que es absorbida por las plantas. El primer riego se
suministra a una hora fija y a partir de este riego la actuacin es determinada por un nivel
de agua en la bandeja que es detectado por un sensor.
137
Esquemas de control de temperatura nocturna y riego basado en modelos
8
A
6
-2 -1 -1
min
m-2mmin
4
gml
0
0 500 1000 1500 2000 2500
70 1
B
68 0.8
salida todo-nada
66 0.6
%
64 0.4
62 0.2
60 0
0 500 1000 1500 2000 2500
3 600
2.5 C 500
2 400
W m-2
kPa
1.5 300
1 200
0.5 100
0 0
0 500 1000 1500 2000 2500
Tiempo (min)
Figura 5.5 Resultados de control de riego por transpiracin durante dos das. A) Transpiracin del
cultivo. B) Contenido de humedad en el substrato y seal de control. C) Dficit de presin de vapor
de agua y radiacin global en el invernadero
15
A
m in1-1
-2 min
10
m-2
mgl m
0
500 1000 1500 2000 2500
6
B
5
m S cm-1
2
0 500 1000 1500 2000 2500
100 30
50 20
%
C
0 10
0 500 1000 1500 2000 2500
Tiempo (min)
Figura 5.6 Variables asociadas a control de riego por transpiracin. A) Dinmica de drenaje. B)
Conductividad elctrica en el substrato. C) Humedad relativa y temperatura del aire en el
invernadero
138
Esquemas de control de temperatura nocturna y riego basado en modelos
6
min-1
A
-1
m-2 min
4
gm -2
ml
0
0 500 1000 1500
80 1
B
salida de control
70 0.5
%
60 0
0 500 1000 1500
-3
x 10
2 1000
C
kPa
1 500
W m-2
0 0
0 500 1000 1500
Tiempo (min)
Figura 5.7 Control de riego por bandeja de demanda. A) Transpiracin del cultivo. B) Contenido de
humedad en el substrato y seal de control. C) Dficit de presin de vapor de agua y radiacin
global en el invernadero
15
A
ml m-2 min1
g m-2 min-1
10
0
200 400 600 800 1000 1200 1400
5
B
4
-1
mS cm
2
0 500 1000 1500
100 30
50 20
C
%
0 10
0 500 1000 1500
Tiem po (m in)
139
Esquemas de control de temperatura nocturna y riego basado en modelos
La dinmica del volumen de drenaje se aprecia en la figura 5.8A; durante los dos primeros
riegos no se hubo agua drenada y la fraccin de drenaje durante el da fue de 18%. A pesar
que la grfica de drenajes durante un da muestra cierta uniformidad, las variaciones en las
condiciones ambientales a travs del ciclo de cultivo causan que este sistema no se ajuste a
una fraccin establecida de drenajes y se hace difcil el control de los mismos como se
puede observar en la figura 5.9, que muestra la variacin en la fraccin de drenajes durante
varios meses utilizando el sistema de bandeja de demanda.
70
60
50
40
%
30
20
10
0
0 20 40 60 80 100 120 140
Tiempo (dias)
Figura 5.9 Fraccin de volumen de drenaje durante el ciclo de cultivo, aplicando riego con bandeja
de demanda
Las simulaciones con este modelo, durante un da, se realizaron utilizando tcnicas simples
de control: control todo-nada con banda muerta y control proporcional.
En la aplicacin de control todo-nada con banda muerta se establece el criterio de que los
riegos se aplican fundamentalmente en el da, establecindose una hora de inicio y una
hora final de aplicacin de riegos durante el da, periodo en el cual el contenido de
humedad se debe mantener entre los lmites de humedad mximo y mnimo definidos por
el usuario, que constituyen una zona neutra de control. El riego se activa al llegar al lmite
inferior y se desactiva al llegar al lmite superior; con esta estrategia se define cunto regar.
Cundo regar lo define el lmite inferior de la zona neutra. Durante la noche se desactiva el
control con esta estrategia, pero se define un lmite mnimo extremo que no debe ser
superado, de forma que si es alcanzado se debe aplicar riego.
140
Esquemas de control de temperatura nocturna y riego basado en modelos
La figura 5.10A muestra la simulacin de riegos con control todo-nada y se compara con la
estrategia de riego por bandeja de demanda. Es evidente que a pesar de la simplicidad del
controlador, el contenido de humedad es mantenido en el rango establecido por el usuario,
y durante la noche se evita que la cantidad de agua en el substrato disminuya por debajo
del umbral establecido, como se aprecia en la activacin del primer riego de la figura
5.10A. El controlador todo-nada permite un control ms adecuado de la humedad en el
substrato respecto a la bandeja de demanda, ya que la fluctuacin mxima en el contenido
de humedad es de 0.6% respecto a 3.3% de la bandeja de demanda.
A pesar del evidente mejor desempeo del controlador proporcional sobre el controlador
todo-nada, que permite mantener el contenido de humedad con variaciones pequeas del
orden del 0.05%, el primero es difcil de utilizar en los sistemas de riego por la dificultad
de llevarlo a la prctica. El problema de adaptar vlvulas y sobre todo bombas que
funcionen de forma diferencial en un rango amplio de posibilidades, suministrando dosis
graduales de agua y en estado continuo, probablemente puede ser resuelto pero a un coste
inadmisible.
Las figuras de materia seca estructural en la raz y en el dosel (5.10C y 5.10D) son tpicas
de la dinmica de un da, durante la noche predomina el proceso respiratorio y la materia
seca es simulada en descenso, mientras que durante las horas luz hay un fuerte incremento
a causa de la fotosntesis. Por otro lado la simulacin de agua en el dosel y en la raz
muestra una estrecha relacin entre el proceso de transpiracin y la cantidad de agua en el
dosel mediante una relacin inversa, la reserva de agua en el dosel disminuye al medio da
y se recupera durante la noche, mientras que la de la raz muestra un patrn de reserva
temporal con variaciones durante el da que se estabiliza en la noche (figuras 5.10E y
5.10F).
141
Esquemas de control de temperatura nocturna y riego basado en modelos
66
A
66 B control proporcional
64
64 todo-nada
62
62
% en volumen
60
% en volumen
60
58 bandeja de demanda
bandeja de demanda
58
seal de control
56 0.01
1.0
56 1.0
seal de control
seal de riego
seal de riego 54
54 0.5
0.005
0.5
52
52
50 0.0
50 0.0 0 200 400 600 800 1000 1200 1400
0 200 400 600 800 1000 1200 1400 tiempo (min)
tiempo (min)
0.61
C
0.0964 D
0.609
0.0962
0.608
0.096
k g m-2
-2
kg m
0.607
0.0958
0.606
0.0956
0.605
0.0954
E 8.96
1.26 F
8.94
1.24 8.92
8.9
1.22
-2
-2
kg m
8.88
kg m
1.2
8.86
1.18 8.84
8.82
1.16
8.8
0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400
tiem po (m in) tiem po (m in)
-3
x 10
19
G H
6
18
5
17
-1
4
k g m m in
C
16
-2
3
15
2
14
1
13
0
0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400
tiem po (m in) tiempo (min)
Figura 5.10 Control de riego en base contenido de humedad en el substrato, y otras variables del
modelo de balance hdrico. A) Control todo-nada. B) Control proporcional. C) Materia seca
estructural en la raz D) Materia seca estructural en el dosel. E) Masa de agua en la raz. F) Masa de
agua en el dosel. G) Temperatura del substrato. H) Transpiracin
142
Esquemas de control de temperatura nocturna y riego basado en modelos
5.3.3 Conclusiones
143
Esquemas de control de temperatura nocturna y riego basado en modelos
Por otro lado, el control de riego por este tipo de mtodos, utilizando modelos, permite
aplicar riegos deficitarios controlados si las necesidades del manejo de riego as lo
requieren, de forma que el dficit de riego sea gradual que permita a la planta aclimatarse
al mismo.
144
Control multiobjetivo de la produccin en
invernadero
Hasta la fecha, el enfoque predominante en optimizacin de produccin en invernadero ha
sido la optimizacin de un solo objetivo. Sin embargo, la naturaleza del manejo de la
produccin obliga a considerar ms de un objetivo y enfrenta al agricultor a la necesidad
de tomar decisiones, las cuales implican no solamente el control de clima, sino tambin
suministro de agua y nutrientes, manejo de plagas y enfermedades y buscar calidad en su
producto. Es importante por tanto explorar enfoques alternativos que permitan tratar el
problema a partir de la optimizacin de ms de un objetivo.
Los mtodos utilizados para generar las consignas de las variables a controlar. Se
sealan diferentes mtodos: heursticos, basados en tcnicas de inteligencia artificial y
optimizacin matemtica [Ram98].
145
Control multiobjetivo de la produccin en invernadero
2) Nivel medio (control del crecimiento del cultivo). En este nivel se controla el
crecimiento del cultivo, calculando las trayectorias diarias que sern enviadas al nivel
inferior. Se resuelve un problema de optimizacin en base a una funcin objetivo que
permita lograr la produccin esperada en el nivel superior y se deben conocer las
reacciones del cultivo a los cambios del ambiente. El horizonte de planificacin es de
das o semanas [Tan93].
Por otro lado, desde el punto de vista de los mtodos, stos se clasifican en:
146
Control multiobjetivo de la produccin en invernadero
El control ptimo para cultivos de invernadero puede ser entendido como el control que
satisface los objetivos establecidos por el productor [Cha93]. El planteamiento bsico de
este tipo de control consiste en: encontrar la secuencia de control que maximice la
diferencia entre los ingresos por los productos del cultivo y los costos asociados [Str99b].
Para su desarrollo se requiere de un modelo del sistema, una funcin objetivo, el
conocimiento perfecto de las entradas del ambiente futuro y un algoritmo de optimizacin
[Str99b]. Para la resolucin de este problema de control ptimo, se ha utilizado
fundamentalmente el Principio del Mximo de Pontryagin, cuyo elemento central es la
variable de coestado, que representa el costo de producir una unidad marginal de la
variable de estado.
Uno de los primeros trabajos fue la aplicacin al cultivo de lechuga, donde se utiliz un
modelo simple de crecimiento vegetativo para simular la acumulacin de materia seca,
junto a un modelo de clima en equilibrio esttico, de manera que las entradas de control
fueron resueltas utilizando multiplicadores de Lagrange fijos [Gal84]. En el mismo
cultivo, pero utilizando un modelo de crecimiento dinmico que toma en cuenta
materia seca estructural y no estructural, acoplado a un modelo dinmico del clima del
invernadero y mediante el Principio mximo de Pontryagin y una estructura jerrquica,
se obtuvieron las entradas de control de ventilacin, calefaccin y concentracin de
CO2 que maximizan un criterio de beneficio econmico [Hen94].
147
Control multiobjetivo de la produccin en invernadero
148
Control multiobjetivo de la produccin en invernadero
149
Control multiobjetivo de la produccin en invernadero
Por las referencias bibliogrficas expuestas anteriormente es evidente que el nivel superior
o tctico de la estructura de control jerrquico no ha sido tratado, probablemente debido a
la complejidad del mismo.
Por otro lado tambin resulta claro que el principal criterio para la estimacin de beneficios
es la bsqueda de trayectorias que incrementan fotoasimilados y/o disminuyen costos; eso
significa que en ltima instancia se trata de hacer eficiente el proceso fotosinttico del
cultivo.
150
Control multiobjetivo de la produccin en invernadero
Hashimoto [Has93] ha planteado una arquitectura conceptual donde existe una capa de
alto nivel que toma decisiones y que tiene en ella motores basados en sistemas
expertos, redes neuronales y lgica borrosa y un conjunto de procesadores en el bajo
nivel dedicados al control de procesos bsicos. Su arquitectura incluye el nexo entre los
sistemas expertos desarrollados para operacin en cultivo, para diagnstico de plagas y
enfermedades, y para ajuste de consignas de control. Como parte importante del
proceso de optimizacin relaciona las variables ambientales con las respuestas de las
plantas en lo que ha denominado como el enfoque de plant speaking approach
(plantas que hablan) [Has93]. En trabajos recientes, pero en la misma lnea que la
anterior, se precisa una arquitectura de dos capas en la que la capa superior contiene un
sistema experto que determina las consignas adecuadas a travs del largo plazo,
mientras en una capa inferior el optimizador (en el cual se incluyen tcnicas de redes
neuronales y algoritmos genticos) modifica las consignas en etapas crticas de
desarrollo basndose en la respuesta de las plantas [Mor00]. Una de las aplicaciones ha
sido mantener el balance entre dos tipos de crecimiento: reproductivo y generativo;
cuando las plantas alcanzan un estado de crecimiento importante el optimizador
proporciona las consignas de concentracin de nutrientes para optimizar la relacin
longitud de la hoja/dimetro del tallo como indicador del crecimiento, midindose los
estados por medio de cmaras de manera constante. En otra aplicacin de los mismos
autores se busca la combinacin ptima de tiempo de aporte de nutrientes y drenaje en
series de 4 pasos, con el objetivo de maximizar fotosntesis neta, usando una
optimizacin basada en algoritmos genticos. La estimacin de la fotosntesis neta se
ejecuta con una red neuronal que tiene como entradas la cantidad de suministro de
nutrientes y lixiviados [Mor95].
Otras aproximaciones parten de la base de que se conocen las condiciones del clima y
se proponen futuras polticas razonables de control utilizando simulaciones con redes
neuronales, de manera que se prueban todas las polticas de control posibles y se
selecciona la que maximiza el criterio de mximas ganancias en tomate, considerando
costos de calefaccin, ventilacin y renta de invernadero [Seg93]. Se concluye que este
procedimiento genera trayectorias de consignas cercanas a lo ptimo. El complemento
de este trabajo incluye la posibilidad de incorporacin de las decisiones diarias de
control del agricultor de manera que sean incorporadas en una base de conocimiento
que puede usarse para entrenar una red neuronal, lo cual requiere de grandes cantidades
de datos, difciles de obtener, pero que pueden ser de utilidad a escala regional [Seg97].
151
Control multiobjetivo de la produccin en invernadero
En [Mar96] se indica una comparacin de los dos enfoques previamente descritos y que se
indica en la tabla 6.1, que ha sido completada con referencias sobre las variables
controladas en cada enfoque. La principal crtica hacia los mtodos de optimizacin
matemtica es que en ellos su objetivo ms importante es la maximizacin de produccin
de materia seca, pero ste no sintetiza los objetivos del productor completamente [Mar96].
Por otro lado, en la recopilacin bibliogrfica sobre modelado de procesos fisiolgicos de
los vegetales [Pee99], muestra que la mayora de dichos modelos no han sido validados
consistentemente, lo que puede constituir otro problema para los mtodos de optimizacin,
ya que en los modelos de cultivos subyacen modelos matemticos de dichos procesos.
152
Control multiobjetivo de la produccin en invernadero
153
Control multiobjetivo de la produccin en invernadero
En sntesis, y con lo explicado anteriormente, uno de los objetivos que pueden ser
incluidos de manera explicita en los procesos del manejo del invernadero es el de la
calidad del producto.
154
Control multiobjetivo de la produccin en invernadero
La produccin del sistema invernadero genera subproductos contaminantes, tales como los
residuos de pesticidas, fertilizantes y aditivos qumicos [Sta03a]. Este tipo de
contaminacin es un problema que cada da cobra ms importancia [Pas04], [Sta03a] y que
ha sido ya incluido en las nuevas polticas de la Unin Europea, que priman el logro de
objetivos de proteccin medioambiental [Pas04]. Por estos motivos, la minimizacin de la
contaminacin tambin podra o debera ser contemplada como un objetivo en los sistemas
de produccin, ya que no se toma en cuenta como parte importante en la produccin bajo
invernadero desde las perspectivas descritas en la seccin anterior.
De lo anteriormente expuesto hay que destacar que los objetivos del productor rebasan con
creces el de la optimizacin basada en produccin de materia seca como nico elemento
para lograr la maximizacin de beneficios. La realidad indica que hay otros objetivos que
debieran ser considerados de manera explcita como son: la calidad del producto, la
eficiencia en el uso del agua, la reduccin de contaminantes (modulados por los criterios
de mantenimiento de la capacidad productiva) y disminucin de riesgos de produccin
derivados del ataque de plagas y enfermedades [Cha93]. Es factible tratar el problema
desde una perspectiva de mltiples objetivos.
155
Control multiobjetivo de la produccin en invernadero
Incluir otros objetivos requiere el conocimiento de las variables que los determinan. Dada
la creciente importancia de la calidad de los productos [She99], [Aue99], [Lop04b] y del
uso eficiente del agua [Os99], [Sta03b], [Pas04], la siguiente seccin aborda algunos
elementos necesarios para establecer una formulacin de optimizacin de problema
multiobjetivo en la produccin bajo invernadero considerando estos aspectos.
El concepto de calidad se puede abordar tanto desde el punto de vista del producto como
desde el del consumidor [She99]. En el primer caso, la calidad se define como una serie de
atributos inherentes al producto, mientras que en el segundo se plantea como la percepcin
humana y el comportamiento del consumidor ante el producto [She99].
156
Control multiobjetivo de la produccin en invernadero
En tomate, los compuestos relacionados con los elementos de calidad ya descritos son
fructosa y glucosa y los cidos ctrico y mlico principalmente; en menores
concentraciones estn el cido oxlico, succnico [Lop04b] y ascrbico [Isl96]. El
contenido de azcares y cidos orgnicos depende de la variedad gentica [Ho96],
[Cua99], el sistema de cultivo, el estado de maduracin en la cosecha y los tratamientos
post-cosecha [Lop04b]. Entonces, a partir de cierto material gentico es posible
incrementar el contenido de los elementos antes mencionados mediante el manejo del
cultivo.
Sin pretender cubrir el extenso campo de estudios sobre calidad en hortalizas de frutos y
sus elementos relacionados, se indicarn algunos trabajos sobre los principales factores que
influyen en ella desde el manejo del cultivo, ya que como se ha indicado cada variedad
(con su inherente material gentico) posee diferente capacidad para almacenamiento de
azcares o grado de acidez. Por la misma razn las citas se refieren al efecto en tomate,
cultivo sobre el que se desarrolla la optimizacin de trayectorias en esta tesis. Los factores
que se abordan son: concentracin inica de la disolucin nutritiva, dficit hdrico, dficit
de presin de vapor de agua, temperatura, dixido de carbono y poda de hojas y frutos.
157
Control multiobjetivo de la produccin en invernadero
Los factores que tienen influencia en la determinacin de atributos de calidad han sido
estudiados usando diferentes variables como: manejo nutricional [Ho96], [Li01b],
[Mag03], [Son91], [Son00], [Stm03], suministro de agua [Gia88], [Kir04], [Zeg03], dficit
de presin de vapor [Leo00a], [Gui01], [Ber00], enriquecimiento de dixido de carbono
[Cra01] y prcticas culturales [Ho96], [Zap04].
En [Ho96] se indica que el incremento de materia seca, al que considera como indicador
indirecto de calidad en el fruto de tomate, es de 0.23% por cada unidad de incremento en la
concentracin de la solucin nutritiva, en un rango de 2.0 a 10 mS cm-1, para cultivos
desarrollados en un sistema de pelcula nutritiva (nutrient film technique).
De manera similar se ha propuesto una relacin lineal directa entre el grado de acidez del
fruto y la concentracin inica. Algunos trabajos al respecto se indican en la tabla 6.2.
158
Control multiobjetivo de la produccin en invernadero
De las grficas 6.1 y 6.2 se observa que el incremento en los principales componentes de
sabor mediante el manejo de concentracin en la disolucin nutritiva conlleva disminucin
en rendimiento.
159
Control multiobjetivo de la produccin en invernadero
12000 6 12000 6
10000 10000
8000 5 8000 5
g m-2
6000 6000
%
4000 4 4000 4
2000 2000
3 3
0 50 100 150 0 50 100 150
dias
das dias
das
12000 6 12000 6
10000 10000
8000 5 8000 5
g m-2
6000 6000
%
4000 4 4000 4
2000 2000
3 3
0 50 100 150 0 50 100 150
dias
das dias
das
Figura 6.1 Efecto de la conductividad elctrica (XCE) del substrato (mS cm-1) en el rendimiento del
fruto (g m-2) y la presencia de slidos solubles (%). A) XCE=2. B) XCE=3. C) XCE =5. D) XCE=7
6000 6000
4000 0.4 4000 0.4
2000 2000
0.3 0.3
0 50 100 150 0 50 100 150
das das
12000 0.6 12000 0.6
10000 C 10000 D
6000 6000
4000 0.4 4000 0.4
2000 2000
0.3 0.3
0 50 100 150 0 50 100 150
das das
Figura 6.2 Efecto de la conductividad elctrica (XCE) del substrato (mS cm-1) en el grado de acidez
y rendimiento del fruto (g m-2). A) XCE=2. B) XCE=4. C) XCE =5. D) XCE=8
160
Control multiobjetivo de la produccin en invernadero
Otro efecto sobre el peso fresco de fruto ha sido la reduccin de ste al incrementarse el
DPV. Se ha indicado disminucin entre un 9 y un 18% al comparar un tratamiento de 2.2
kPa respecto a otro de 1.6 kPa [Leo00a].
En trabajos similares y con tratamientos de 0.1 kPa frente a 0.5 kPa se ha demostrado que
en el tratamiento de muy bajo dficit hubo un 66% de frutos de primera calidad respecto al
aproximadamente 95% del tratamiento con 0.5 kPa [Mul01].
Dficit hdrico. El dficit hdrico que ocasiona estrs hdrico en las plantas tambin ha
sido relacionado con el incremento en slidos solubles como elemento indicador de
azcares en tomate [Gia88], [Shi95], [Kir04], [Zeg03] y tambin con un incremento en
acidez titulable [Gia88], [Shi95]. La tabla 6.3 muestra algunas referencias sobre el grado
en que estas variables son modificadas.
Tabla 6.3 Dficit hdrico y su relacin con slidos solubles y acidez en tomate
Dficit de riego Incremento Intervalo de Valor de la Variedad Referencias
(umbral) en slidos riego en el variable en el
% de humedad solubles (%) ensayo umbral
experimental
(%)
30 1.0 50 100 3.7 Fantastic [Kir04]
50 1.03
50 0.5 50 100 4.2 Petopride [Zeg03]
Acidez
valorable
30 0.06 50-100 0.36 Fantastic [Kir04]
50 0.06
Elaborada con datos de las referencias citadas.
161
Control multiobjetivo de la produccin en invernadero
Tabla 6.4 Relacin entre la humedad del suelo y slidos solubles y acidez valorable en
tomate
% humedad en el Rendimiento Slidos solubles % Acidez
suelo kg/planta valorable (%)
75-90 9.71 3.45 0.32
90-15 7.56 3.85 0.32
15 -90 4.12 4.50 0.39
30-15 1.21 6.10 0.53
Fuente: [Gia88]
La salinidad como uno de los factores que modifican la calidad de los frutos tambin altera
el consumo de agua, de manera que a mayor salinidad en la disolucin nutritiva menor es
el consumo hdrico [Sor98], [Car00], [Mag03]. La tabla 6.5 expresa algunas relaciones de
consumo de hdrico obtenidas a partir de las referencias citadas.
162
Control multiobjetivo de la produccin en invernadero
Cr + C f Ca ,is
Lf = (6.3)
Cd Ca ,is
163
Control multiobjetivo de la produccin en invernadero
gi ( x ) 0 i = 1,2,...,m (6.4)
p restricciones de igualdad:
hi ( x) = 0 i = 1,2,..., p (6.5)
y optimiza la funcin:
Las restricciones definidas en (6.4) y (6.5) definen la regin factible F y cualquier punto
x F define una solucin factible. La funcin f (x ) es una funcin que mapea el conjunto
F en el conjunto X, que representa todos los valores posibles de las funciones objetivo. Los
componentes k I representan los criterios que deben ser considerados; las restricciones
gi (x) y hi (x) representan las restricciones impuestas sobre las variables de decisin y el
vector x * denota las soluciones ptimas.
164
Control multiobjetivo de la produccin en invernadero
Los objetivos mltiples son comnmente no conmensurables6 y estn en conflicto unos con
otros. Esto significa que, en general, un problema de optimizacin multiobjetivo no tiene
una solucin nica que pueda optimizar todos los objetivos simultneamente. Por ello, la
optimizacin multiobjetivo no es la bsqueda de soluciones ptimas sino de soluciones
eficientes (no inferiores, no dominadas o Pareto-ptimas) que puedan obtener de la mejor
manera los objetivos mltiples priorizados [Liu01]. En lo que sigue se supondr que se
estn resolviendo problemas de minimizacin.
( f (x) = f (x
i i
*
)) donde es el operador and de un vector (6.7)
iI
fi ( x ) > fi ( x * ) (6.8)
6
Las funciones objetivo conmensurables se miden en las mismas unidades, las no conmensurables se miden
en diferentes unidades.
7
Desidere, el que toma las decisiones, equivalente a decision maker.
165
Control multiobjetivo de la produccin en invernadero
Una de las ventajas de los primeros mtodos es que no hay necesidad de construir una
funcin de utilidad de manera explcita o involucrar al tomador de decisiones en la
generacin de soluciones eficientes, ilustrando este tipo de mtodos la tcnica de sumas
ponderadas. En el segundo tipo se requiere de informacin de preferencia global.
Utilizando esa informacin de preferencia el problema se transforma en un problema de un
objetivo, la solucin del cual proporciona la mejor solucin de compromiso del problema
original. En el tercer tipo se requiere que quien toma las decisiones proporcione
informacin de preferencia local progresivamente y en un proceso de optimizacin
interactiva y anlisis de decisin [Liu01]. Las tcnicas especficas que se describen a
continuacin pueden adaptarse a los mtodos anteriormente mencionados.
k
min wi f i ( x ) (6.9)
i =1
Ya que los resultados del proceso de optimizacin con (6.9) pueden cambiar con los
coeficientes de ponderacin, y debido a que en principio no existe informacin acerca de
cmo seleccionar esos coeficientes, es necesario solucionar el mismo problema con valores
diferentes de wi [Coe00].
k
min wi f i ( x )ci (6.10)
i =1
166
Control multiobjetivo de la produccin en invernadero
En este mtodo se parte de que el punto ideal no es una solucin factible. La regla de
decisin del mtodo de punto ideal es que dado un conjunto de pesos o una ponderacin
para cada objetivo se debe seleccionar una solucin factible tal que la desviacin
combinada entre la solucin factible y la solucin ideal sea minimizada. Esto significa que
la mejor solucin compromiso es aqulla que se encuentra ms cercana al punto ideal en el
espacio de los objetivos [Liu01]. El procedimiento del mtodo es el siguiente:
wj
wj = (6.14)
f j f j (x l )
pe
min mmx
(6.15)
sujeto a w j ( f j ( x ) f j ( x l )) mmx , l=1,2,,k
xF
167
Control multiobjetivo de la produccin en invernadero
En este mtodo el que toma las decisiones debe asignar metas que desea lograr para cada
objetivo. Estos valores son incorporados en el problema como restricciones adicionales. La
funcin objetivo intentar minimizar las desviaciones absolutas de las metas de cada
objetivo. La forma ms simple de este mtodo puede ser formulada de la siguiente forma
[Liu01]:
k
min | f i ( x ) M i | (6.16)
i =1
sujeto a: x F
donde Mi denota la meta establecida por el que toma las decisiones para la i-sima funcin
objetivo f i ( x ) y F representa la regin de soluciones factibles. El criterio consiste en
minimizar la suma de los valores absolutos de las diferencias entre los valores de las metas
y los valores actualmente logrados.
Puede ser una tcnica muy eficiente desde el punto de vista computacional si se conocen
las metas y stas se encuentran en la regin factible. Sin embargo quien toma las
decisiones debe aconsejar las prioridades o pesos adecuados de cada objetivo que eliminen
las caractersticas no conmensurables del problema, lo cual es muy difcil en la mayora de
los casos [Coe00].
mimizar o
(6.17)
sujeto a:
f i ( x ) wi o bi
gi ( x ) 0
donde o es un vector escalar no restringido en signo y los pesos (wi) son normalizados
para que:
k
| w | = 1
i =1
i (6.18)
168
Control multiobjetivo de la produccin en invernadero
Est basado en la minimizacin de una funcin objetivo, considera las otras funciones
objetivo como restricciones lmite con niveles permisibles i. Se minimiza la funcin
objetivo ms relevante, con restricciones sobre las otras funciones objetivo, y entonces los
niveles i son modificados para generar el conjunto completo de soluciones no dominadas.
Los pasos son los siguientes:
f j ( x * ) = min f j ( x ) (6.19)
xF
donde i son valores que se asumen de las funciones objetivo, los cuales no deben ser
superados.
Este mtodo sigue una serie de etapas que se pueden resumir en los siguientes pasos
bsicos.
3. El paso anterior se repite hasta que se encuentra una nica solucin que es la ptima.
169
Control multiobjetivo de la produccin en invernadero
Entre los mtodos de utilizan ste enfoque destacan los siguientes: vector evaluado de
algoritmo gentico (VEGA), algoritmos genticos multiobjetivo (MOGA), ordenacin no
dominada con algoritmos genticos (NSGA) y algoritmos genticos con nichos Pareto
(NPGA) [Coe00]. Una amplia compilacin de este enfoque ha sido realizada por [Coe00] y
otra de ellas se encuentra en [Fon98].
Son mtodos realimentados en los que la informacin obtenida en las soluciones permite
mejorar los criterios o preferencias sobre los cuales se basar la decisin final. Entre los
mtodos ms utilizados se encuentran: el mtodo de Geoffrion, el mtodo de bsqueda
interactiva dirigida (STEM), el mtodo de compromiso por pasos (ISTM) y el mtodo de
proyeccin de gradientes [Liu01].
No hay una formulacin nica sobre la forma en que debe realizarse el proceso interactivo,
pero algunos aspectos importantes a considerar son [Cru03]:
170
Control multiobjetivo de la produccin en invernadero
Se reconoce que no son los nicos objetivos posibles, pero si con los que, en el mbito de
esta tesis, se cuenta con la informacin necesaria para su solucin. Tambin es importante
hacer notar que son objetivos en conflicto y que no ser obtenida ninguna solucin que
logre el mximo de todos los objetivos, siendo la meta encontrar un conjunto de soluciones
no dominadas.
171
Control multiobjetivo de la produccin en invernadero
Vcos = C prg H cal + C pree Eee + C prag Aap + C prfer Fap (6.24)
donde Cprg es el coste de combustible, Cpree es el coste de energa elctrica, Cprfer el costo
de fertilizantes, Cprag es el costo del agua, Hcal es el combustible consumido por
calefaccin, Eee es la energa elctrica consumida por el sistema de calefaccin (calefactor
y ventilador de distribucin de aire caliente), Aap es el agua aportada y Fap son los
fertilizantes aportados.
donde Qsol,a es la radiacin solar que absorbe el aire del invernadero, Qcnv,a-ss es la
transferencia de calor por conveccin con la superficie del suelo, Qcal es la transferencia de
calor aplicado por la mquina de calefaccin, Qcnv,cnd,a-e es la transferencia de calor por
conveccin y conduccin entre el aire interior y exterior del invernadero, Qven,a-e es el
intercambio de calor con el aire exterior debido a ventilacin natural, Qper,a-e es el
intercambio de calor con el aire exterior por infiltracin y Qtra,c es el calor latente
producido por el proceso de transpiracin del cultivo.
Se asume que slo durante la noche se puede activar la calefaccin y que en ese periodo el
flujo de ventilacin es nulo ya que el invernadero est cerrado, adems de que no existe
flujo de energa por radiacin solar. Por tanto la ecuacin (6.25) se simplifica ya que, Qsol,a
y Qven,a-e son nulos. Los flujos de energa son estimados as:
172
Control multiobjetivo de la produccin en invernadero
donde Vperd es el flujo de energa por prdidas, Xta es la temperatura del aire, Tcss es la
temperatura de capa que cubre el suelo, Ccnv,ss,a es el coeficiente de conveccin de suelo-
aire, Ccal,ap es el coeficiente de aporte de energa por el calefactor, Cefi,ca es un coeficiente
de eficiencia en el aporte de energa por el calefactor ya que el rendimiento del sistema no
es del 100%, Ccnv,cnd,a-e es el coeficiente de conduccin-conveccin de aire hacia el
exterior, ET es la transpiracin del cultivo, Ucal es el coeficiente de activacin del
calefactor y es el calor latente de evaporacin.
U cal C cal ,ap C efi ,cal = Q cnv ,a , ss Q cnv ,cnd ,a e Q per ,a e Q tr ,c (6.31)
donde Aabs es el agua absorbida por la planta, Vdr es el volumen de agua de lixiviados y
Asub es el volumen de agua que se suministra para incrementar el contenido de humedad
en el substrato.
173
Control multiobjetivo de la produccin en invernadero
substrato, Csuaa es el umbral de conductividad elctrica por encima del cual hay
disminucin de absorcin de agua, Csraa es el coeficiente de reduccin de absorcin de
agua por unidad de conductividad elctrica. El incremento de volumen es un incremento
debido a la acumulacin de agua en la planta. La fraccin de lixiviados se ha indicado en la
ecuacin (6.3).
ne
Fap = ( ( cn i Nu i Fcm )) Aap (6.38)
i =1
Como se ha analizado en apartados previos, los criterios para determinar la calidad son
varios y complejos. En este apartado se ha partido del supuesto que stos deben incluir
aspectos que sean requeridos por el consumidor y otros que sean de importancia para el
agricultor, establecindose los siguientes: sabor, firmeza de fruto y tamao de fruto. El
primero est determinado por la cantidad de azcares y el grado de acidez, como ya ha sido
descrito en la seccin 6.2.2. La funcin objetivo propuesta es la siguiente:
tf
8
Las variables de calidad se han normalizado a una escala 50-100, de forma que el mnimo de la escala
corresponde con el mnimo permitido en la variable que determina ese criterio y el mximo con el mximo
determinado por la ecuacin correspondiente.
174
Control multiobjetivo de la produccin en invernadero
donde VSSol es el contenido en slidos solubles y Vav es el grado de acidez valorable, Cssola
es un coeficiente constante de incremento en slidos solubles, Cssolp es el coeficiente de
incremento en slidos solubles por unidad de incremento en XCE, Csusol es el umbral de
conductividad elctrica por encima del cual hay incremento en slidos solubles, Csava es un
coeficiente de incremento de acidez valorable, Csavp es el coeficiente de incremento en
acidez valorable por unidad de incremento en XCE y Csuav es el umbral de conductividad
elctrica por encima del cual hay incremento de acidez valorable.
Esta funcin objetivo ha sido definida como la relacin entre la produccin obtenida al
final del horizonte de tiempo de la optimizacin y la cantidad total de agua aportada al
sistema en ese lapso de tiempo:
tf
(6.44)
J 3 = X FFT (t f )
ti
Aap (t )dt
donde XFFT es la produccin de frutos obtenida en el tiempo final, Aap es el agua aportada
hasta el tiempo final tf , ti es el tiempo inicial.
175
Control multiobjetivo de la produccin en invernadero
El problema es encontrar las trayectorias de las variables que permiten el logro de los
objetivos planteados en el apartado 6.4.1, temperatura del invernadero y conductividad
elctrica del substrato. El rendimiento en fresco, los criterios de calidad y el uso de agua
estn directamente relacionados con las variables anteriores, por tanto los ingresos tambin
son funcin de esas variables.
Capa de control climtico y nutricin. Con las consignas de control climtico los
controladores calculan el estado que deben tener los sistemas de actuacin. Los algoritmos
de control incluyen una gama que va desde algoritmos PI por ajuste por tabla,
compensacin por adelanto y PWM.
Prediccin de
clima de corto
plazo (da) Prediccin de clima
Variables trayectorias
de largo plazo
(Estacin)
Temp. Tipo de estacin
Objetivos de Usuario
MODIFICACIN Cond. elctrica Fecha de cosecha
Corto plazo DE
Datos Econmicos
OPTIMIZACIN Objetivos de precios producto
CONSIGNAS costes energia
MULTIOBJETIVO largo plazo
Reglas de decisin
CONTROL DE CLIMA Algoritmos y criterios
de optimizacin Criterios de
Y NUTRICION
calidad
ENTRADAS Algoritmos de - Modelo de
DE CONTROL control crecimiento
de cultivo
Modelo de clima, agua
y nutricin del sistema CONDICIONES SALIDAS DE
SISTEMA CRECIMIENTO DE
Ventilacin Temperatura de aire CULTIVO
Calefaccin Humedad aire CULTIVO Peso seco total, frutos
INVERNADERO Radiacin PAR Nodos
Malla sombreo Concentracin de CO2 Indice rea foliar
Agua Cond. elctrica
Cond. elctrica Peso fresco frutos
Agua
PERTURBACIONES PERTURBACIONES
DE CLIMA DE CULTIVO
Figura 6.3 Diagrama de la arquitectura de control jerrquico multicapa. Modificada de [Rod02]
176
Control multiobjetivo de la produccin en invernadero
Definicin de restricciones. Se definen los lmites en los que deben mantenerse las
variables que se manejan.
177
Control multiobjetivo de la produccin en invernadero
n
1 n n
f ( x) = c j x j + c jk x j xk
j =1 2 j =1 k =1 (6.45)
c jk = ckj , k=1,2,,n
n
sujeto a: a
j =1
ij x j + bi 0 , i=1,2,,m
(6.46)
x j 0, j=1,2,,n
178
Control multiobjetivo de la produccin en invernadero
n m
c jk xk + aij yn+i + y j = c j , j=1,2,,n (6.47)
k =1 i =1
n
( aij x j + bi ) yn+i = 0 , i=1,2,,m (6.48)
j =1
x j y j = 0, j=1,2,,n
a x
j =1
ij j xn+i + bi = 0 , i=1,2,,m (6.49)
xj yj = 0 , j=1,2,,n+m (6.50)
xj 0 , yj 0 , j=1,2,,n+m (6.51)
n m
c jk xk + aij yn+i + y j + sgn(c j ) z j = c j , j=1,2,,n (6.52)
k =1 i =1
n
(6.57)
min ( z ) = z j
j =1
179
Control multiobjetivo de la produccin en invernadero
n m
(6.58)
sujeto a: c jk xk + aij yn+i + y j + sgn(c j ) z j = c j , j=1,2,, n
k =1 i =1
n
a x
j =1
ij j xn+i + bi = 0 , i=1,2,, m (6.59)
La solucin del programa lineal anterior debe satisfacer (6.50). Esto significa que cada j, xj,
yj no deben ser variables bsicas simultneamente. Si la solucin ptima del problema
(6.57) es ( x1* , x2* , x3* ,..., xn*+m , y1* , y2* ,..., yn*+m , z1* = 0, z 2* = 0,..., z n* ) , entonces ( x1* , x2* , x3* ,..., xn* ) es
la solucin ptima del problema cuadrtico original.
180
Control multiobjetivo de la produccin en invernadero
6 1200
A B
5 1000
4 800
m2 m-2
g m-2
3 600
2 400
1 200
0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
dias dias
40 350
D
C
35 300
30 250
25 200
m2 m-2
Nodos
20 150
15 100
10 50
5 0
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
dias dias
1200
900
A tiempo hasta el ocaso B
1100 duracion noche
850
1000
800
900
duracion del dia
800 750
Tiempo (min)
min
700
700
600
650
500
600
400 duracion dia
Figura 6.5 Variables de relacin noche-da. A) Duracin del da (horas con luz) durante el ao,
tiempo en minutos hasta el amanecer y tiempo en minutos hasta el ocaso. B) Duracin de la noche
y del da para 232 intervalos da-noche
181
Control multiobjetivo de la produccin en invernadero
14 600
A prediccin B
prediccin
medida
12 500 medida
10 400
W m-2
8
C
300
6 200
4 100
2 0
0 500 1000 1500 0 500 1000 1500
tiempo (min) tiempo (min)
22 18
A medida B
medida
20 16
prediccion prediccion
18 14
16 12
10
C
14
C
12 8
10 6
8 4
6 2
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
tiempo (dias) tiempo (dias)
26 8
C
24 7
medida
22
6
prediccion
20
5
kWh m-2 dia-1
18
4
C
16
3
14
2
12 medida
1
10 prediccion
8 0
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
tiempo (dias) tiempo (dias)
Figura 6.7 Prediccin y datos medidos de variables climticas con un horizonte de 61 das. A)
temperatura promedio. B) Temperatura mnima. C) Temperatura mxima. D) Radiacin solar
182
Control multiobjetivo de la produccin en invernadero
La ponderacin de los criterios de calidad es tan importante que debe ser determinada
mediante un proceso de optimizacin y prediccin en la capa superior de la arquitectura
planteada, en la que tambin se realiza el anlisis de tendencias de mercado. En el
problema que se resuelve en el presente trabajo solamente se han considerado como
elementos de partida y no se profundiza en ello, slo se resalta la importancia de la
ponderacin de los criterios de calidad as como de la prediccin de las tendencias de
precios.
183
Control multiobjetivo de la produccin en invernadero
En la figura 6.8A se muestran las soluciones desde una perspectiva que permite observar la
relacin eficiencia en el uso de agua (eua) y calidad del fruto. Es posible apreciar en esta
figura el frente de Pareto conformado por la curva que une los mximos de estas funciones.
184
Control multiobjetivo de la produccin en invernadero
La figura 6.8C muestra la relacin eficiencia en el uso de agua respecto a los beneficios; a
diferencia de las dos anteriores en este caso los resultados indican que no hay una relacin
que permita conformar un frente Pareto con estos dos objetivos, sino ms bien una relacin
proporcional.
Aunque los grficos de la figura 6.8 son ntidos en cuanto al comportamiento de las
variables, la visualizacin de los tres objetivos desde una perspectiva que permita apreciar
las soluciones no dominadas es importante.
La figura 6.9 muestra lo que puede considerarse el frente de Pareto visto desde el espacio
tridimensional. En ella se muestra que en la medida que incrementan los beneficios y la
eficiencia en el uso del agua la calidad disminuye, y tambin que es posible lograr
estrategias que hagan menos drstica la disminucin de calidad manteniendo niveles
aceptables de beneficios y de eficiencia en el uso del agua.
Las trayectorias de las variables. Una vez establecidas las soluciones es importante
conocer cules son las trayectorias que permiten alcanzar tales soluciones. Se presentarn
algunos casos que representan aspectos importantes en la bsqueda de alternativas de
manejo buscando cumplir alguno de los objetivos o bien buscando un equilibrio entre ellos.
La figura 6.10 muestra diferentes trayectorias en funcin del objetivo que se busca
cumplir.
185
Control multiobjetivo de la produccin en invernadero
25 A 25 B
td
td
20 20
15 tn 15 tn
mS cm-1
mS cm-1
C
10 10 ce
5 5
ce
0 0
0 50 100 150 0 50 100 150
interv alos interv alos
25 C 25 D
td td
20 20
tn tn
15 15
mS cm-1
mS cm-1
C
C
10 ce 10
ce
5 5
0 0
0 50 100 150 0 50 100 150
interv alos interv alos
Figura 6.10 Trayectorias de temperatura (C) y conductividad elctrica (mS cm-1) en el problema
multiobjetivo, priorizando un objetivo. A) Mximos beneficios. B) Mxima calidad. C) Mxima
eficiencia en el uso del agua. D) Una solucin no dominada sin objetivo prioritario (td -
temperatura en el da, tn - temperatura en la noche, ce - conductividad elctrica)
186
Control multiobjetivo de la produccin en invernadero
En el caso que el objetivo a cumplir sea la eficiencia en el uso de agua (Figura 6.10C), se
combinan temperaturas entre 24 y 17.5C durante el da y la noche respectivamente para
lograr mximo crecimiento en la primera etapa y posteriormente disminucin paulatina de
la temperatura en el da y la noche hasta llegar a los lmites inferiores permitidos. La
conductividad elctrica se ve incrementada al lmite mximo a partir de fructificacin
como respuesta a la disminucin de consumo de agua al incrementar la salinidad.
187
Control multiobjetivo de la produccin en invernadero
25 A 25 B
20 20
mS cm-1
mS cm-1
15 15
C
C
10 10
5 5
0 0
0 50 100 150 0 50 100 150
intervalos intervalos
25 C 25 D
20 mS cm-1 20
mS cm-1
15 C 15
C
10 10
5 5
0 0
0 50 100 150 0 50 100 150
intervalos intervalos
188
Control multiobjetivo de la produccin en invernadero
25 A 25 B
20 20
mS cm-1
mS cm-1
15 15
C
C
10 10
5 5
0 0
0 50 100 150 200 0 50 100 150 200
intervalos intervalos
25 C 25 D
20 20
mS cm-1
mS cm-1
15 15
C
C
10 10
5 5
0 0
0 50 100 150 200 0 50 100 150 200
intervalos intervalos
Figura 6.12 Trayectorias para horizonte de 116 das (232 intervalos). A) Objetivo prioritario:
mximos beneficios. B) Objetivo prioritario: calidad. C) Objetivo prioritario eficiencia en el uso
de agua. D) No hay objetivo prioritario, solucin dominada
189
Control multiobjetivo de la produccin en invernadero
La decisin final acerca de la mejor solucin dentro del conjunto de Pareto plantea un
problema muy importante, que puede ser resuelto aplicando el criterio del agricultor o bien
mediante otro proceso de optimizacin.
Cuando es el agricultor quien decide, ste puede establecer los lmites de los valores de
cada funcin objetivo y en base a ello tomar una decisin con fundamento en la
experiencia y en las condiciones prevalecientes en el momento en que decide (por ejemplo
las expectativas del cultivo y del mercado). No obstante, se puede indicar que de las
soluciones factibles obtenidas en este caso una de las que ha mantenido un mejor equilibrio
entre los objetivos planteados es aqulla en la cual se alcanza un 95% de mximos
beneficios, un 84% en calidad y un 95% de eficiencia en el uso del agua y cuyas
trayectorias se observan en la figura 6.10D.
190
Control multiobjetivo de la produccin en invernadero
Figura 6.13 Punto ideal y posible mtrica (Ld) a las soluciones no dominadas
Es obvio que las trayectorias responden a los objetivos que se desee priorizar, por tanto hay
un comportamiento claramente definido de las variables en funcin la etapa del cultivo,
vegetativa o reproductiva, siendo ms notoria la respuesta en la variable conductividad
elctrica, aunque la temperatura tambin manifiesta cambios importantes como se puede
apreciar en las figuras 6.10, 6.11 y 6.12.
Aunque la eficiencia en el uso de agua pareciera muy alta y e inclusive poco realista hay
trabajos que sustentan la posibilidad de hacer ms eficiente el uso de agua an en
condiciones de sistemas abiertos como el aqu planteado [Sta03b], o bien sealan alta
eficiencia en sistemas abiertos con ambientes controlados [Par04], premisas bsicas en el
191
Control multiobjetivo de la produccin en invernadero
trabajo que aqu se sustenta. Al respecto es importante sealar que la mejor estrategia de
incrementar eficiencia de uso de agua es por la va de incremento de rendimientos ms que
por aqulla de incremento en salinidad que tambin permite ahorro de agua.
Finalmente es necesario resaltar que el presente trabajo plantea una perspectiva poco
tratada en optimizacin de la produccin en invernadero, desde un enfoque de
optimizacin multiobjetivo, como parte de una arquitectura jerrquica y con posibilidad de
auxiliar en la toma de decisiones cada da. Lo anterior permite un avance importante en el
manejo de la produccin en sistemas intensivos, ya que integra aspectos econmicos y los
liga directamente al manejo en lnea del control de clima, agua y conductividad elctrica de
la disolucin nutritiva.
192
Conclusiones
En este captulo se exponen las conclusiones ms relevantes a las que se ha llegado en el
desarrollo de esta tesis, as como algunas de las futuras lneas de investigacin. En cada
uno de los captulos se han comentado las conclusiones relacionadas con los aspectos
particulares del problema que tratan, as como los futuros trabajos a realizar en cada uno de
esos campos.
193
Conclusiones
194
Anexo 1. Croquis de ubicacin y plano del
invernadero
2 3 ,0
0 ,8
1 1 ,9
3 ,6
3 ,7 8
4 ,4 7 ,56
2 ,8
4 ,1 7
1 2 ,54
Invernadero I-7
23 ,2
6 ,49
1,8 5 2 ,3
37 ,8
195
196
Referencias bibliogrficas
Referencias bibliogrficas
[Ada01] Adams K.E., Cockshull K.E., Cave R.J. 2001. Effect of temperature on the
growth and development of tomato fruits. Annals of Botany 88:869-877.
[Aik96] Aikman D.P. 1996. A procedure for optimizing carbon dioxide enrichment of a
glasshouse tomato crop. Journal of Agricultural Engineering Research 63:171-
184.
[Akr00] Akram A., Altman A., Heuer. 2000. Genotypic difference in salinity and water
stress tolerance of fresh market tomato cultivars. Plant Science 152: 59-65.
[Alb01] Albright L.D., Gates R.S., Arvanitis K.G., Drysdale A.E. 2001. Environmental
control for plants on earth and in space. IEEE Control Systems Magazine
21(5):28-47.
[Ale94] Alessandri A., Bini F., Parisini T., Torrini A. 1994. Neural approximation for
the optimal control of heating systems. 3rd IEEE Conference on Control
Applications. Glasgow, UK 3:1613-1618.
[All00] Allen M.T., Pearcy R.W., 2000. Stomatal behaviour and photosynthetic
performance under dynamic light regimes in a seasonally dry tropical rain
forest. Oecologia 122:470-478.
[All02] Allen Ch.M., Smith A.M., Clinton S.K., Schwartz S.J. 2002. Tomato
consumption increases lycopene isomer concentrations in breast milk and
plasma of lactating women. Journal American Dietetic Association 102:1257-
1262.
[Alt00] Alt C., Sttzel H., Kage H. 2000. Optimal nitrogen content and photosynthesis
in caulifower (Brassica oleracea L. botrytis.). Scalling up from a leaf to the
whole plant. Annals of Botany 85:779-787.
[Amt00] Amthor J.S. 2000. The McCree-de Wit-Penning de Vries-Thornley Respiration
Paradigms: 30 Years Later. Annals of Botany 86:1-20.
[Ana04] Anastaiou A., Ferentinos K.P., Arvantis K.G., Sigrimis N. 2004. DSS-Hortimed
for on-line management of hydroponic systems. Proceedings of Greensys.
Leuven, Belgium. 8 pp.
[Ans94] Ansorena M.J. 1994. Sustratos. Propiedades y caracterizacin. Mundi Prensa.
172 pp.
[Aue99] Auerswald H., Schwarz D., Kornelson C., Krumbein A., Brckner B. 1999.
Sensory analysis, sugar and acid content of tomato at different EC values of the
nutrient solution. Scientia Horticulturae 82:227-242.
[Azc93] Azcn-Bieto J., Taln M. 1993. Fisiologa y bioqumica vegetal. Mc Graw-Hill.
581 pp.
[Azo03] Azodanlou R., Darbellay Ch., Luisier J.L., Villettaz J.C., Amad R. 2003.
Development of a model for quality assessment of tomatoes and apricots.
Lebensmittel-Wissenchaft und-Technologie, 36:223-233.
[Bai75] Bailey B.J. 1975. The design of ducted-air heating systems. Acta Horticulturae
46:41-54.
197
Referencias bibliogrficas
[Bai88] Baille A., von Elsner, B. 1988. Low temperature heating systems. In: Energy
Conservation and Renewable Energies for Greenhouse Heating. Ed. von
Zabeltitz Chr. European Cooperative Networks and Rural Energy, CNRE
Guideline 2:149-167.
[Bai92] Baille M., Laury J.C., Baille A. 1992. Some comparative results on
evapotranspiration of greenhouse ornamental crops, using lysimeter,
greenhouse H2O balance and LVDT sensors. Acta Horticulturae 304:199-208.
[Bai94a] Baille A. 1994. Irrigation management strategy of greenhouse crops in
mediterranean countries. Acta Horticulturae 361:105-122.
[Bai94b] Baille M., Baille A., Laury J.C. 1994. A simplified model for predicting
evapotranspiration rate of nine ornamental species vs. climate factors and leaf
area. Scientia Horticulturae 59:217-232.
[Bak95] Bakker J.C., Challa H. 1995. Aim of the Greenhouse Climate Control. In:
Greenhouse Climate Control: An Integrated Approach. Eds. Bakker, J.C., Bot,
G.P.A., Challa, H., Van de Braak, N.J. Wageningen Press. p. 1-3.
[Bak98] Bakker E.J., van de Sanden P.A.C. 1998. Application of multiple criteria
decision making for the design and analysis of greenhouse cropping systems.
Acta Horticulturae 456:509-514.
[Bat93] Batchelor, W.D., Jones, J.W., Boote, K.J., Pinnschmidt, H.O. 1993. Extending
the use of crop models to study pest damage. Transactions of the ASAE 36:551-
558.
[Ben03] Ben-Gal A., Karlberg L., Jansson P.E., Shani U. 2003. Temporal robustness of
linear relationship between production and transpiration. Plant and Soil
251:211-218.
[Ber93] Bertin N., Heuvelink E. 1993. Dry-matter production in a tomato crop:
comparison of two simulation models. Journal of Horticultural Science 68:995-
1011.
[Ber98] Bertin N., Gary C. 1998. Short and long term fluctuation of the leaf mass per
area of tomato plants-implications for growth models. Annals of Botany 82:71-
81.
[Ber99] Bernard Th., Kuntze H.B. 1999. Multiobjective optimization of building
climate control systems using fuzzy logic. European Control Conference,
ECC99. Karlsruhe, Alemania. pp. 851-856.
[Ber00] Bertin N., Guichard S., Leonardi C., Longuenesse J.J., Langlois D., Navez B.
2000. Seasonal evolution of the quality of fresh glasshouse tomatoes under
Mediteranean conditions, as affected by air vapour pressure deficit and plant
fruit load. Annals of Botany 85:741-750.
[Ber01] Bernard T., Sajidman M., Kuntze H.B. 2001. A new fuzzy-based multiobjective
optimization concept for process control systems. In: Fuzzy days. Ed. Reusch B.
Springer Verlag. pp. 653-670
[Ber04] Berenguel M., Rodrguez F., Acin F.G., Garca J.L. 2004. Model predictive
control of pH in tubular photobioreactors. Journal of Process Control
14(4):377-387.
198
Referencias bibliogrficas
[Bid74] Bidwell R.G.S. 1974. Plant physiology. Macmillan Publishing Co. London. 643
pp.
[Bil99] Bilderback T.E., Warren S.L., Daniels J.H. 1999. Managing irrigation by
electrical conductivity. Acta Horticulturae 481:403-408.
[Bla96] Blaise P., Dietrich R., Jermini M. 1996. Coupling a disease epidemic model
with a crop model to simulate yield losses of grapevine due to Plasmopara
viticola. Acta Horticulturae 416:285-292.
[Bla99] Blasco F.X. 1999. Control predictivo basado en modelos mediante tcnicas de
optimizacin heurstica. Aplicacin a procesos no lineales y multivariables.
Tesis Doctoral. Universidad Politcnica de Valencia, Espaa. 334 pp.
[Bla01] Blasco X., Martnez M., Sanchis J., Senent J. 2001. Model based predictive
control using genetic algorithms. Application to greenhouse climate control. In:
Connectionist Models of Neurons, Learning Processes, and Artificial
Intelligence, 6th International Work Conference on Artificial and Natural
Neural Network IWANN2001, LNCS 2084, pp. 457-465, Granada, Spain, June
2001. Springer-Verlag.
[Boa97] Boaventura J., Couto C., Ruano A.E. 1997. Real-Time parameters estimation of
dynamic temperature models for greenhouse environmental control. Control
Engineering Practice 5(10):1473-1481.
[Bon00] Bonhomme R. 2000. Beware of comparing RUE values calculated from PAR
vs solar radiation or absorbed vs intercepted radiation. Field crops Research
68(3):247-252.
[Bon04] Bonilla C.J. 2004. Sistema de ayuda en la toma de decisiones en la gestin
climtica de un cultivo de tomate bajo invernadero. Proyecto fin de carrera.
Universidad de Almera. 179 pp.
[Boo93] Boote K.J., Batchelor W.D., Jones J.W., Pinnschmidt H., Bourgeois G. 1993.
Pest damage relations at the field level. In: Systems Approaches for Agricultural
Development. Eds. Penning de Vries F.W.T., Teng P., Metselaar K. Kluwer
Academic. pp. 227-296.
[Bot83] Bot G.P.A. 1983. Greenhouse climate: from physical process to a dynamic
model. Ph. D. Thesis. Wageningen University. The Netherlands. 239 pp.
[Bot01] Bot G.P.A. 2001. Developments in indoor sustainable plant production with
emphasis on energy saving. Computers and Electronics in Agriculture 30:151-
165.
[Bou95] Boulard T., Baille A. 1995. Modelling of air exchange rate in a greenhouse
equipped with continuous roof vents. Journal of Agricultural Engineering
Research 61:37-48.
[Bou00] Boulard T., Wang S. 2000. Greenhouse crop transpiration simulation from
external climate conditions. Agricultural and Forest Meteorology 100:25-34.
[Boy93] Boyer J. S., Nonami H. 1993. Physiological regulation of water transport in
controlled enviroments. In: The Computerized Greenhouse. Eds. Hashimoto Y.,
Bot G., Tantau H.J., Day W., Nonami H. Academic Press. pp. 267-301.
[Bra96] Brandelik A., Hbner C. 1996. Soil moisture determination-achurate, large and
deep. Physical and Chemical Earth 21(3):157-160.
199
Referencias bibliogrficas
[Bri98] Brisson N., Itier B., LHotel J.C., Lorendea J.Y. 1998. Parameterisation of the
Shutleworth-Wallace model to estimate daily maximum transpiration for use in
crop models. Ecological Modeling 107:159-169.
[Bru92] Brun R., Tournier J.P. 1992. Micrometric measurement of stem diameter
changes as a means to detect nutritional stress of tomato plants. Acta
Horticulturae 304:265-272.
[Bru02] Brummell D.A., Howie W.J., Ma C., Dunsmuir P. 2002. Postharvest fruit
quality of transgenic tomatoes suppresed in expression of a ripening-related
expansion. Postharvest Biology and Technology 25:209-220.
[Bru04] Brun R., Longuenesse J.J., Barthelemy L., Reich P. 2004. Distribution of water
in rockwool slabs. Proceedings of Greensys 2004. Leuven, Belgium. 8 pp.
[Buc99] Buckley T., Farquhar G., Mott K. 1999. Carbon-water balance and patchy
stomatal conductances. Oecologia 118:132-143.
[Bur97] Burs S. 1997. Sustratos. Agrotecnia S.L. 342 pp.
[Cad04] Cadet C., Bteau J.F., Hernndez C. 2004. Multicriteria control strategy for
cost/quality compromise in wastewater treatment plants. Control Engineering
Practice 12:335-347.
[Caj04] Cajamar 2004. Anlisis de la campaa hortofrutcola de Almera. Campaa
2003/2004. Informes y Monografa 5. 39 pp.
[Cal00] Calvet J.C. 2000. Investigating soil and atmospheric plant water use stress using
physiological and micrometeorological data. Agricultural and Forest
Meteorology 103:229-247.
[Cam96] Cameron R. 1996. Validacin de modelos. XVI Curso de automtica en la
industria. Cdiz, Espaa. 144 pp.
[Cam04] Camacho E.F., Bordons, C. 2004. Model Predictive Control. Springer-Verlag,
405 pp.
[Car98] Carvajal M., del Amor F., Fernndez-Ballester G., Martnez V., Cerd A. 1998.
Time course of solute accumulation and water relations in muskmelon plants
exponed to salt during different growth stages. Plant Science 138:103-112.
[Car00] Carvajal M., Cerd A., Martnez V. 2000. Modification of the response of
saline stressed tomato plants by the correction of cation disorders. Plant Growth
Regulation 30:37-47.
[Cau02] Causse M., Saliba-Colombiani V., Lecomte L., Duff P., Rouselle P., Buret M.
2002. QTL analysis of fruit quality in fresh market tomato: a few chromosome
regions control the variation of sensory and instrumental traits. Journal of
Experimental Botany 53:2089-2098.
[Cha93] Challa H., van Straten G. 1993. Optimal diurnal climate control in greenhouses
as related to greenhose management and crop requirements. In: The
computerized greenhouse. Eds. Hashimoto Y., Bot G., Tantau H.J., Day W.,
Nonami H. Academic Press pp. 119-137.
[Cha95] Challa H., Heuvelink E., van Meeteren U. 1995. Crop growth and development.
In: Greenhouse Climate Control: An Integrated Approach. Eds. Bakker, J.C.,
Bot, G.P.A., Challa, H., Van de Braak, N.J. Wageningen Press. pp. 62-84.
200
Referencias bibliogrficas
[Cha02a] Chalabi Z.S., Biro A., Bailey B.J., Aikman D.P., Cockshull K.E. 2002. Optimal
control strategies for carbon dioxide enrichment in greenhouse tomato crops.
Part I: Using pure carbon dioxide. Biosystems Engineering 81:421-431.
[Cha02b] Chalabi Z.S., Biro A., Bailey B.J., Aikman D.P., Cockshull K.E. 2002. Optimal
control strategies for carbon dioxide enrichment in greenhouse tomato crops.
Part II: Using exhaust gases of natural gas fired boilers. Biosystems Engineering
81:323-332.
[Chm01] Chmelnitsky I., Colauzzi M., Algom R., Zieslin N. 2001. Effects on phyllod
expresion and cytokinin content in floral organs of rose flowers. Plant growth
regulation 35:207-214.
[Cla87] Clarke D.W., Mohtadi C., Tuffs P.F. 1987. Generalized predictive control
parts I and II. Automatica 23(2):137-160.
[Cla05] Claussen W. 2005. Proline as a measure of stress in tomato plants. Plant
Science 168:241-248.
[Coe96] Coello C.A. 1996. An empirical study of evolutionary techniques for
multiobjective optimization in engineering design. Ph. D. Thesis. Tulane
University. 437 pp.
[Coe00] Coello C.A. 2000. An updated survey of GA-based multiobjective optimization
techniques. ACM Computing Surveys 32:110-143.
[Coe02] Coelho J.P., Moura P.B., Boaventura J. 2002. Greenhouse air temperature
control using the particle swarm optimization algorithm. 15th IFAC World
Congress. Barcelona, Spain.
[Coe03] Coello C.A. 2003. Guest Editorial: Special Issue on Evolutionary Multiobjetive
Optimization. IEEE Transactions on Evolutionary Computation 7(2):97-99.
[Coh98] Cohen M., Sav R., Biel C., Marf O. 1998. Simultaneuous measurements of
water stress with LVDT sensors and electrotensiometers: applications in pepper
plants grown in two types of perlites. Acta Horticulturae 421:193-199.
[Coo04] Cooman A., Schrevens E. 2004. The uncertainty on tomgro predictions caused
by variations on model parameters. Acta Horticulturae 654:155-162.
[Cor05] Corwin D.L., Lesch S.M. 2005. Applications of apparent soil electrical
conductivity measurements in agriculture. Computers and Electronics in
Agriculture 46(1-3):11-43.
[Cra01] Cramer M.D., Oberholzer J.A., Combrink N.J.J. 2001. The effect of
supplementation of root zone dissolved inorganic carbon on fruit yield and
quality of tomatoes (cv Daniella) grown with salinity. Scientia Horticulturae
89:269-289.
[Cre94] Creighton J.H.C. 1994. Probability models and statistical inference. Springer-
Verlag. 717 pp.
[Cru03] de la Cruz J.M. 2003. Optimizacin multiobjetivo con restricciones. IV Curso
de Especializacin en Automtica. Mlaga, Espaa. 88 pp.
[Cua99] Cuartero J., Fernndez-Muoz R. 1999. Tomato and salinity. Scientia
Horticulturae 78:83-125.
201
Referencias bibliogrficas
202
Referencias bibliogrficas
[Dre00] Dreccer M.F., Van Oijen M., Schapendonk H.C.M., Pot C.S. Rabbinge R. 2000.
Dynamics of vertical leaf nitrogen distribution in a vegetative wheat canopy.
Impact on canopy photosynthesis. Annals of Botany 86:821-831.
[Eit04] Eitzinger J., Trnka M., Hsch J., Zalud Z., Dubrosvsky M. 2004. Comparison
of CERES, WOFOST and SWAP models in simulating water content during
growing season under different soil conditions. Ecological Modelling
171(3):223-246.
[El-Ahm79] El Ahmadi A.B., Stevens M.A. 1979. Reproductive responses of heat-tolerant
tomatoes to high temperatures. Journal of the American Society of Horticultural
Science 104:686-691.
[El-Gho01] El Ghoumari M.Y., Megias D., Montero J.I., Serrano J. 2001. Model predictive
control of greenhouse climatic processes using on-line linearization. European
Control Conference, ECC01. Porto, Portugal. pp. 3452-3457.
[El-Gho02] El Ghoumari M.Y., Tantau H.J., Megas D., Serrano J. 2002. Real Time non
linear constrained model predictive control of a greenhouse. 15th IFAC World
Congress. Barcelona, Spain.
[Els00] Elsner von B., Briassoulis D., Waaijenberg D., Mistriotis A., Zbeltitz von Chr.,
Gratraud J., Russo G., Suay-Cortes R. 2000. Review of structural and
functional characteristics of greenhouses in European Union countries. Journal
of Agricultural Engineering Research 75:111-126.
[Elt02] Eltez R.Z., Tuzel Y., Gl A., Tuzel I.H., Duyar H. 2002. Effects of different EC
levels of nutrient solution on greenhouse tomato growing. Acta Horticulturae
573:443-448.
[Eme97] Emerman S.H., Dawson T.E. 1997. Experiments using split-root chambers on
water uptake from soil macropores by sunflowers. Plant and Soil 189:57-63.
[Ehr01] Ehret D., Lau A., Bittman S., Lin W., Shelford T. 2001. Automated monitoring
of greenhouse crops. Agronomie 21:403-414.
[Eva01] Evans J.R., Poorter H. 2001. Photosynthetic acclimation of plants to growth
irradiance: the relative importance of specific leaf area and nitrogen partitioning
in maximizing carbon gain. Plant, Cell and Environment 24:755-767.
[Fer01] Fernndez J.E., Palomo M.J., Diaz Espejo A., Clothier B.E., Green S.R., Girn
L.F., Moreno F. 2001. Heat pulse measurements of sap flow in olives for
automating irrigation: tests, root flow and diagnostics of water stress.
Agricultural Water Management 51:99-123.
[Fin93] Fink M. 1993. Effects of short-term temperature fluctuations on plant growth
and conclusions for short-term temperature optimization in greenhouses. Acta
Horticulturae 328:147-151.
[Fon98] Fonseca C.M., Flemming P.J. 1998. Multiobjective optimization and multiple
constraint handling with evolutionary algorithms. Part I: A unified formulation.
IEEE Transactions on Systems, Man and Cybernetics 28(1):26-47.
[Gal84] Gal S., Angel A., Seginer I. 1984. Optimal control of greenhouse climate:
methodology. European Journal of Operational Research. 17:45-56.
203
Referencias bibliogrficas
[Gal03] Gallardo M., Thompson R. 2003. Relaciones hdricas en suelo y planta. En:
Mejora de la eficiencia en el uso del agua en cultivos protegidos. Eds.
Fernndez F.M., Lorenzo M.P., Cuadrado G.M.I. Almeria, Espaa. pp. 71-93.
[Gar95] Gary C., Barczi J.F., Bertin N., Tchamitchian M. 1995. Simulation of individual
organ growth and development on a tomato plant: a model and a user-friendly
interface. Acta Horticulturae 399:199-205.
[Gar96] Gary C., Baille A., Navarrete M., Espanet R. 1996. Tompousse, un modele
simplifie de previous du rendement et du calibre de la tomate. Actes du
Seminaire de IAIP Serres.
[Gar98a] Gary C., Jones J.W., Tchamitchian M. 1998. Crop modeling in horticulture:
state of the art. Scientia Horticulturae 74:3-20.
[Gar98b] Gary C., Tchamitchian M., Bertin N., Boulard T., Baille A., Charasse L.,
Rebilard A., Cardi J.P. 1998. Simulserre: An educational software simulating
the greenhouse-crop system. Acta Horticulturae 456:451-458.
[Gar05] Garca J.L., Perdigones A., Pastor M., Benavente R.M., Luna L., Chaya C., de
la Plaza S. 2005. Effect of heating control strategies on greenhouse energy
efficiency: experimental results and modelling. Transactions of ASAE. En
prensa.
[Gau01] Gautier H., Guichard S., Thamitchian M. 2001. Modulation of competition
between fruits and leaves by flowers prunning and water fogging, and
consequences on tomato leaf and fruit growth. Annals of Botany 88:645-652.
[Gen80] van Genutchen M.T. 1980. A closed-form equation for predicting the hydraulic
conductivity of unsaturated soils. Soil Science Society of America Journal
44:892-898.
[Gia88] Giardiani L., Giovanardi R., Borin M. 1988. Water comsumption and yield
response of tomato in relation to water availability at different soil depths. Acta
Horticulturae 228:119-126.
[Gia95] Giaglaras P., Baille M., Baille A. 1995. Net photosynthesis response to light
and air CO2 concentration of Begonia xhiemalis: whole plant measurements and
modeling. Scientia Horticulturae 63:83-100.
[Gie97] Gieling Th.H., Bontsema J., Bouwmans T.W.B.M., Steeghs R.H. 1997.
Modelling and simulation for control of nutrient application in closed growing
systems. Netherlands Journal of Agricultural Science 45:127-142.
[Gie00] Gieling Th.H., Janssen H.J.J., van Straten G., Suurmond M. 2000. Identification
and simulated control of greenhouse closed water supply systems. Computers
and Electronics in Agriculture 26:361-374.
[Gie01] Gieling Th.H. 2001. Control of water supply and specific nutrient application
in closed growing systems. Ph. D. Thesis. Wageningen University. The
Netherlands. 176 pp.
[Gie04] Gieling Th.H., Corver F.J.M., Janssen H.J.J. 2004. Hydrion-line, towards a
closed system for water and nutrients: feedback control of water and nutrients
in the drain. Proceedings of Greensys 2004. Leuven, Belgium. 8 pp.
[Gij92] Gijzen H. 1992. Simulation of photosynthesis and dry matter production of
greenhouse crops. Simulation reports, CABOT No. 28. 69 pp.
204
Referencias bibliogrficas
[Gij95] Gijzen H. 1995. Short term crop responses. In: Greenhouse Climate control, an
Integrated Approach. Eds. Bakker, J.C., Bot G.P.A., Challa, H., van de Braak,
N.J., Wageningen Press. pp. 16-35.
[Gij98] Gijzen H., Heuvelink E., Challa H., Marcelis L.F.M., Dayan E., Cohen S.,
Fuchs M., 1998. Hortisim: A model for greenhouse crops and greenhouse
climate. Acta Horticulturae 456:441-450.
[Gle02] Glei M., Liegibel U.M., Ebert M.N., Bhm V., Pool-Zobel B.L. 2002. -
carotene reduces bleomycin-induced genetic damage in human lymphocytes.
Toxicology and Applied Pharmacology 179:65-73.
[Gra98] de Graaf R., Esmeijer M.H. 1998. Calculated and measured water comsumption
in a study of the (minimal) transpiration of cucumbers grown in rockwool. Acta
Horticulturae 458:103-112.
[Gou94] Goudrian J., van Laar H.H. 1994. Modelling potencial crop growth processes.
Kluwer Academic Publishers. 239 pp.
[Gua90] Guardiola Brcena J.L., Garca Luis. A. 1990. Fisiologa Vegetal I: Nutricin y
transporte. Sintesis. 440 pp.
[Gui01] Guichard S., Bertin N., Leonardi Ch., Gary Ch. 2001. Tomato fruit quality in
relation to water and carbon fluxes. Agronomie 21:385-392
[Go89] Gohler F., Heibner A., Schmeil H. 1989. Control of water and nutrient supply
in greenhouse vegetable production by means of hydroponic systems. Acta
Horticulturae 260:237-254.
[Gut93] Gutman P.O., Lindberg, O., Ioslovich, I., Seginer I. 1993. A non linear optimal
greenhouse control problem solved by linear programming. Journal of
Agricultural Engineering Research 55:335-351.
[Guz05] Guzmn J.L., Berenguel M., Dormido S. 2005. Interactive teaching of
constrained generalized predictive control. IEEE Control Systems Magazine
25(2):52-66.
[Ham98a] Hammer G.L. 1998. Crop modeling: current status and opportunities to
advance. Acta Horticulturae 456:27-36.
[Ham98b] Hamer J.C.P. 1998. Validation of a model used for irrigation control of a
greenhouse crop. Acta Horticulturae 458:75-82.
[Han93] Hand D.W., Warren W.J., Acock B. 1993. Effects of light and CO2 on net
photosynthetic rates of stands of aubergine and Amaranthus. Annals of Botany
71:209-216.
[Has93] Hashimoto Y. 1993. Computer integrated system for the cultivation process in
agriculture and horticulture. Approach to Intelligent Plant Factory. In: The
computerized greenhouse. Eds. Hashimoto Y., Bot G., Tantau H.J., Day W.,
Nonami H. Academic Press pp. 175-196.
[Hei97] Heinen M. 1997. Dynamics of water and nutrients in closed, recirculating
cropping systems in glasshouse horticulture. Ph. D. Thesis. Wageningen
University. The Netherlands. 270 pp.
[Hei02] Heinen M., Marcelis L.F.M., Elings A., Figueroa R., del Amor F.M. 2002.
Effects of EC and fertigation strategy on water and nutrient uptake of tomato
plants. Acta Horticulturae 593:101-107.
205
Referencias bibliogrficas
206
Referencias bibliogrficas
207
Referencias bibliogrficas
[Jon98a] Jones H.G. 1998. Stomatal control of photosynthesis and transpiration. Journal
of Experimental Botany 49:387-398.
[Jon98b] Jones H.G., Tardieu F. 1998. Modelling water relations of horticultural crops: a
review. Scientia Horticulturae 74:21-46.
[Jon99] Jones J.W., Kenig A., Vallejos C.E. 1999. Reduced state-variable tomato
growth model. Transactions of ASAE 42:255-265.
[Jon00] Jongebreuer A.A. 2000. Strategic themes in agricultural and bioresource
engineering in the 21st century. Journal of Agricultural Engineering Research
76:227-236.
[Jon03] Jones J.W., Hoogenboom G., Porter C.H., Boote K.J., Batchelor W.D., Hunt
L.A., Wilkens P.W., Singh U., Gijsman A.J., Tichie J.T. 2003. The DSSAT
cropping system model. European Journal of Agronomy 18:235-265.
[Kac02] Kacira M., Ling P.P., Short T.H. 2002. Machine vision extracted plant
movement for early detection of plant water stress. Transactions of ASAE
45(4):1147-1153.
[Kad78] Kader A.A., Morris L.L., Stevens M.A., Albright-Holten M.A. 1978.
Composition and flavour quality of fresh market tomatoes as influenced by
some postharvest handling procedures. Journal of the American Society of
Horticultural Science 103:6-13.
[Kam96] Kamp P.G.H., Timmerman G.J. 1996. Computerized environmental control in
greenhouses. IPC Plant, Ede. 273 pp.
[Kar85] Karlsson M.G., Heins R.D. 1985. Modelling of light and temperature effects on
Chrysanthemum morifolium. Acta Horticulturae 174:321-327.
[Kat00] Katerji N., van Hoorn J.W., Hamdy A., Mastrorilli M. 2000. Salt tolerance of
crops according to three classification methods and examination of some
hypothesis about salt tolerance. Agricultural Water Management 47:1-8.
[Kat01] Kastsoulas N., Baille A., Kittas C. 2001. Effect of misting on transpiration and
conductances of a greenhouse rose canopy. Agricultural Forest and
Meteorology 106:233-247.
[Kat02] Katsoulas N., Baille A., Kittas C. 2002. Influence of leaf area index on canopy
energy partitioning and greenhouse cooling requirements. Byosistems
Engineering 83(3):349-359.
[Ken97] Kenig A., Jones J.W. 1997. TOMGRO v3.0 A dynamic model of tomato
growth and yield. Ch. II-5 In: Optimal environmental control for indeterminate
greenhouse crops. Eds. Seginer I., Jones J.W., Gutman P., Vallejos C.E. BARD
Research Report No. IS-1995-91RC. Haifa, Israel.
[Kin73] Khingham H. G. 1973. The UK tomato manual. Ed. Grower Books. 223 pp.
[Kir04] Kirda C., Cetin M., Dasgan Y., Topcu S., Kaman H., Ekici B., Derici M.R.
Ozguven A.I. 2004. Yield response of greenhouse grown tomato to partial root
drying and conventional deficit irrigation. Agricultural Water Management
69:191-201.
[Kit98] Kittas C., Papadakis G., Giaglaras P. 1998. Heat and mass transfer processes in
the greenhouse ecosystem. EurAgEng Paper No. 98-B-02 AgEng98, Oslo,
Norway.
208
Referencias bibliogrficas
[Kl97] Klring H.P., Schwarz D., Heibner A. 1997. Control of nutrient solution
concentration in tomato crop using models of photosynthesis and transpiration-
a simulation study. Acta Horticulturae 450:329-334.
[Kl98] Klring H.P., Cierpinsky W. 1998. Control of nutrient solution concentration
depending on greenhouse climate in sweet pepper crop. Acta Horticulturae
458:141-146.
[Kl99a] Klring H.P., Schwarz D., Cierpinsky W. 1999. Control of concentration of
nutrient solution in soilless growing systems, depending on greenhouse climate:
advantages and limitations. Acta Horticulturae 507:133-140.
[Kl99b] Klring H.P., Schwarz D. 1999. Model based control of concentration of
nutrient solution in glasshouse tomato cultivation. Acta Horticulturae 507:127-
132.
[Kl01] Klring H.P. 2001. Strategies to control water and nutrient supplies to
greenhouse crops. A review. Agronomie 21:311-321.
[Koc87] Koch K.R. 1987. Parameter estimation and hypothesis testing in linear models.
Springer-Verlag. 378 pp.
[Kon88] de Koning A.N.M. 1988. The effect of different day/night temperature regimes
on growth, development and yield of glasshouse tomatoes. Journal of
Horticultural Science 63(3):465-471.
[Kon90] de Koning A.N.M. (1990). Long term temperature integration of tomato.
Growth and development under alternating temperature regimes. Scientia
Horticulturae 45:117-127.
[Kon94] de Koning A.N.M. 1994. Development and dry matter distribution in
glasshouse tomato: a quantitative approach. Ph. D. Thesis. Wageningen
Agricultural University. The Netherlands. 240 pp.
[Koo96] Kool M.T.N., de Koning J.C.M. 1996. Analysis of rose crop production. Acta
Horticulturae 424:79-86.
[Kr04] Krner O., Holst N. 2004. Model based humidity control of Botrytis in
greenhouses. Proceedings of Greensys 2004. Leuven, Belgium. 8 pp.
[Kra95] Kramer P., Boyer J. 1995. Water relations of plants and soils. Academic Press.
495 pp.
[Kro95] Kropff M.J., Teng P.S., Rabbinge R. 1995. The challenge of linking pest and
crop models. Agricultural Systems 49:413-434.
[Kyr02] Kyriannakis E.J., Arvanitis K.G., Sigrimis N. 2002. On-Line improvement for
the descentralized predictive control of the heat dynamics of a greenhouse. 15th
IFAC World Congress. Barcelona, Spain.
[Laa92] van Laar H.H., Goudrian J., van Keulen H. 1992. Simulation of crop growth for
potential and water limited production situations (as applied to spring).
Simulations reports. CABO-TT. 27-DLO/TPE-WAU. Wageningen, The
Netherlands. 78 pp.
[Lab98] van Labeke M.C., Dembre P. 1998. Gerbera cultivation on coir recirculation of
nutrient solution: A comparison with rockwool cultura. Acta Horticulturae
458:357-362.
209
Referencias bibliogrficas
[Laf02] Lafont F., Balmat J.F. 2002. Optimized fuzzy control of greenhouse. Fuzzy Sets
and Systems 128:47-59.
[Lam98] Lambers H., Chapin S., Pons T. 1998. Plant physiological ecology. Springer-
Verlag. 567 pp.
[Lar90] Larsen R.U. 1990. Plant grow modelling by light and temperature. Acta
Horticulturae 272:235-242.
[Law93] Lawlor D. 1993. Photosynthesis. Longman Scientific and Technical. 318 pp.
[Law02] Lawlor D. 2002. Carbon and nitrogen assimilation in relation to yield:
mechanisms are the key to understanding production systems. Journal of
Experimental Botany 53:773-787.
[LeB98] Le Bot J., Adamowicz S., Robin P. 1998. Modelling plant nutrition of
horticultural crops: a review. Scientia Horticulturae 74:47-82.
[Lee98] Lee B.W., Shin J.H. 1998. Optimal irrigation management system of
greenhouse tomato based on stem diameter and transpiration monitoring.
Agricultural Information Technology in Asia and Oceania 23:87-90.
[Lef99] Leffelaar P.A. 1999. On systems analysis and simulation of ecological
processes, with examples in CSMP, FST and FORTRAN. Kluwer Academic
Publishers. 318 pp.
[Len98] Lentz W. 1998. Model applications in horticulture: a review. Scientia
Horticulturae 74:151-174.
[Leo00a] Leonardi C., Guichard S., Bertin N. 2000. High vapour pressure deficit
influences growth, transpiration and quality of tomato fruits. Scientia
Horticulturae 84:285-296.
[Leo00b] Leonardi C., Baille A., Guichard S. 2000. Predicting transpiration of shaded
and non-shaded tomato fruits under greenhouse environments. Scientia
Horticulturae 84:297-307.
[Li99] Li J. H., Sagi M., Gale J. Volokita M., Novoplansky A. 1999. Response of
tomato plants to saline water as affected by carbon dioxide supplementation. I.
Growth, yield and fruit quality. Journal of Horticultural Science and
Biotechnology 74(2):232-237.
[Li01a] Li Y.L., Stanghellini C. 2001. Analysis of the effect of EC and potential
transpiration on vegetative growth of tomato Scientia Horticulturae 89:9-21.
[Li01b] Li Y.L., Stanghellini C., Challa H. 2001. Effect of electrical conductivity and
transpiration on production of greenhouse tomato (Lycopersicon esculentum
Mill). Scientia Horticulturae 88:11-29.
[Li04] Li Y.L., Marcelis L.F.M., Stanghellini C. 2004. Plant water relations as affected
by osmotic potential of the nurient solution and potential transpiration in tomato
(Lycopersicon esculentum Mill). Journal of Horticultural Science and
Biotechnology 79:211-218.
[Lie85] Liebig H.P. 1985. Model of cucumber rowth and yield II. Prediction of yields.
Acta Horticulturae 156:139-154.
[Lie91] Lieth J.H., Pasian C.C. 1991. A simulation model for the growth and
development of flowering rose shoots. Scientia Horticulturae 46:109-128.
210
Referencias bibliogrficas
[Liu01] Liu G.P., Yang J.B., Whidborne J.F. 2001. Multiobjective Optimization and
Control. Ed. Research Studies Press Ltd. Baldock, Hertfordshire, England. 320
pp.
[Lop03] Lpez-Cruz I., van Willigenburg L.G., van Straten G. 2003. Optimal control of
nitrate in lettuce by a hybrid approach: differential evolution and adjustable
control weight gradient algorithms. Computers and Electronics in Agriculture
40:179-197.
[Lop04a] Lpez-Cruz I., Ramrez-Arias A., Rojano-Aguilar A. 2004. Sensitivity analysis
of a dynamic growth model for greenhouse grown lettuce (Lactuca sativa L.).
Agrociencia 38(6):613-624.
[Lop04b] Lpez M.M.D. 2004. Evaluacin de parmetros fsico-qumicos de inters
funcional y organolptico en hortalizas. Tesis Doctoral. Universidad de
Almera, Espaa. 287 pp.
[Maa99] Maathuis F.J.M., Amtmann A. 1999. K+ nutrition and Na+ toxicity: The basis
of cellullar K+/Na+ ratios. Annals of Botany 84:124-133.
[Maf01] Marf O. 2001. Utilizacin eficiente de los fertilizantes en cultivo intensivo
hidropnico en circuito cerrado. IRTA informe interno. 15 pp.
[Mag02] Maggio A., Dalton F.N., Piccinni G. 2002. The effects of elevated carbon
dioxide on static and dynamic indices for tomato salt tolerance. European
Journal of Agronomy 16:197-206.
[Mag03] Magn C.J.J. 2003. Efectos de la salinidad sobre el tomate en cultivo en
sustrato en las condiciones del sudeste peninsular: resultados experimentales.
En: Mejora de la eficiencia en el uso del agua en cultivos protegidos. Eds.
Fernndez F.M., Lorenzo M.P., Cuadrado G.M.I. Almeria, Espaa. pp. 169-187.
[Mag04] Magn C.J.J., Moreno N., Meca D., Cnovas F. 2004. Response to salinty of a
tomato crop in Mediterranean greenhouse climate conditions. Acta
Horticulturae 644:479-484.
[Mal95] Malundo T.M.M., Shewfelt R.L., Scott J.W. 1995. Flavor quality of fresh
tomato (Lycopersicon esculentum Mill.) as affected by sugar and acid levels.
Postharvest Biology and Technology 6:103-110.
[Mar92] Marcelis L.F.M. 1992. The dynamics of growth and dry matter distribution in
cucumber. Annals of Botany 69:487-492.
[Mar93] Martin-Clouaire R. 1993. Determination of climate setpoints by satisfaction of
soft constraints. 12th IFAC World Congress. Sidney, Australia. 1:321-324.
[Mar94] Marcelis L.F.M. 1994. Simulation model for dry matter partitioning in
cucumber. Annals of Botany 74:43-52.
[Mar96] Martin-Clouaire R., Schotman P.J., Tchamitchian M. 1996. A survey of
computer-based approaches for greenhouse climate management. Acta
Horticulturae 406:409-423.
[Mar97] Martnez M., Senent J., Sanchis J., Blasco X. 1997. Control predictivo
multivariable de un invernadero optimizado mediante simulated annealing
(SA). En: XVII Jornadas de Automtica, Girona, Espaa. Septiembre 1997.
211
Referencias bibliogrficas
212
Referencias bibliogrficas
[Mul03] Mulholland B.J., Edmonson R.N., Fusell M., Basahm J., Ho L.C. 2003. Effects
of high temperature on tomato summer fruit quality. Journal of Horticultural
Science and Biotechnology 78(3):365-374.
[Mys95] Myster J., Moe R. 1995. Effect of diurnal temperature alternation on plant
morphology in some crops: a mini review. Scientia Horticulturae 62:205-215.
[Ned93] Nederhoff E.M., De Graaf R. 1993. Effects of CO2 on leaf conductance and
canopy transpiration rate of greenhouse grown cucumber and tomato. Journal
of Horticultural Science 68:925-937.
[Ned94] Nederhoff E.M., Vegter J.G. 1994. Canopy photosynthesis of tomato, cucumber
and sweet pepper in greeenhouses: measurements compared to models. Annals
of Botany 73:421-427.
[Nin00] National Instruments. 2000. Labview Programming Reference. 167 pp.
[Nie96] Nielsen B., Madsen H. 1996. Predictive control of air temperature in
greenhouses. 13th IFAC World Congress. San Francisco, USA. pp. 64-69.
[Noo95] von Noordegraaf C., Welles G.W.H. 1995. Product quality. In: Greenhouse
Climate Control: An Integrated Approach Eds. Bakker J.C., Bot G:P.A., Challa
H., Van de Braak N.J. Wageningen Press. pp. 93-97.
[Oga01] Ogasawara N., Hiramasu T., Ishiyama K., Fushimi H., Suzuki H., Takagi H.
2001. Effects of gibberellic acid and temperature on growth and root
carbohidrates of Delphinium seedlings. Plant Growth Regulation 33:181-187.
[Oli03] de Oliveira F., Patias N.M., Sanquetta C.R. 2003. Goal programming in a
planning problem. Applied Mathematics and Computation 140:165-178.
[Oob03] Ooba M., Takahashi H. 2003. Effect of asymmetric stomatal response on gas-
exchange dynamics. Ecological Modelling 164:65-82.
[Oot03] Ooteghem R.J.C., Stigter J.D., van Willigenurg L.G., van Straten G. 2003.
Optimal control of solar greenhouse. Proceedings of the European Control
Conference ECC-20003. Cambridge, U.K. 8 pp.
[Oot04] Ooteghem R.J.C., Stigter J.D., van Willigenurg L.G., van Straten G. 2004.
Receding horizon optimal control of a solar greenhouse. Proceedings of
Greensys 2004. Leuven, Belgium. 12 pp.
[Os99] van Os E. 1999. Closed soilless growing systems: a sustainable solution for
dutch greenhouse horticulture. Water of Science Technology 39(5):105-112
[Osa01] Osaki M. y Shinano T. 2001. Plant growth based on interrelation between
carbon and nitrogen translocation from leaves. Photosynthetica 39(2):197-203.
[Osy85] Osyczka A. 1985. Multicriteria optimization for engineering design. In: Design
Optimization. Gero J.S. Ed. Academic Press, New York. pp. 193-227.
[Pac94] Pachepsky L.B., Haskett J.D., Acock B. 1994. An adequate model of
photosynthesis I. Parametrization, validation and comparision of models.
Agricultural Systems 50:209-225.
[Pap94] Papadakis G., Frangoudakis A., Kyritsis S. 1994. Experimental investigation
and modelling of heat and mass transfer between a tomato crop and the
greenhouse environment. Journal of Agricultural Engineering Research
57:217-227.
213
Referencias bibliogrficas
214
Referencias bibliogrficas
[Pre97] Pressman E., Bar-Tal A., Shaked R., Rosenfeld K. 1997. The development of
tomato root system in relation to the carbohydrate status of the whole plant.
Annals of Botany 80:533-538.
[Pro02] Pross A. 2002. The driving force for lifes emergence: kinetic and
thermodynamic considerations. Journal of Theoretichal Biology 220:393-406.
[Rab93] Rabbinge R., Rossing, W.A.H., van der Werf, W. 1993. Systems approaches in
epidemiology and plant disease management. Netherlands Journal of Plant
Pathology 99(3):161-171.
[Ram98] Ramrez A. A. 1998. Control de calefaccin en invernadero. Tesis de Maestra
en Ciencias. Fundacin Arturo Rosenblueth. Mxico. 101 pp.
[Ram04] Ramrez A., Rodrguez F., Berenguel M., Heuvelink E. 2004. Calibration and
validation of complex and simplified tomato growth models for control
purposes in the Southeast of Spain. Acta Horticulturae 654:147-154.
[Ram05] Ramrez, A., Rodrguez, F., Guzmn, J.L., Arahal, M.R., Berenguel, M., Lpez,
J.C. 2005. Improving efficiency of greenhouse heating systems using model
predictive control. 16th IFAC World Congress, Prague, Czech Republic. 6 pp.
[Rav01] Raviv M., Blom T.J. 2001. The effect of water availability and quality on
photosynthesis and productivity of soilless-grown cut roses. Review. Scientia
Horticulturae 88:257-276.
[Red98] Reddy A.R., Reddy K.R., Hodges H.F. 1998. Interactive effects of elevated
carbon dioxide and growth temperature on photosynthesis in cotton leaves.
Plant Growth Regulation 26:33-40.
[Rie99] Rieger M., Litvin P. 1999. Root system hydraulic conductivity in species with
contrasting root anatomy. Journal of Experimental Botany 50:201-209.
[Rij98] de Rijck G., Schrevens E. 1998. Distribution of nutrients and water in rockwool
slabs. Scientia Horticulturae 72:277-285.
[Rit85] Ritchie J.T., Otter S. 1985. Description and performance of Ceres-wheat: a
user-oriented wheat yield model. US Department of Agriculture. ARS, 38:159-
175.
[Rod02] Rodrguez F. 2002. Modelado y control jerrquico de crecimiento de cultivos
en invernadero. Tesis Doctoral. Universidad de Almera, Espaa. 366 pp.
[Rod03] Rodrguez F., Berenguel, M., Arahal M.R. 2003. A hierarchical control system
for maximizing profit in greenhouse crop production. Proceedings of the
European Control Conference ECC-20003. Cambridge, U.K. 8 pp.
[Rom01] Romero-Aranda R., Soria T., Cuartero J. 2001. Tomato plant-water
relationships under saline growth conditions. Plant Science 160:265-272.
[Rom03] Romero C., Rehman T. 2003. Multiple Criteria Anlisis for Agricultural
Decisions. Elsevier. 186 pp.
[Ros93] Rossing W.A.H. 1993. On damage, uncertainty and risk in supervised control.
Ph. D. Thesis. Agricultural University Wageningen. The Netherlands.
[Rui00] Ruiz A., Ramrez-Arias A., Rojano-Aguilar A., Ojeda W. 2000. Amount of
water supply in soilless irrigation system with fuzzy logic. ASAE Annual
Meeting. Milwakee, U.S.A. 10 pp.
215
Referencias bibliogrficas
[Rug99] Ruggiero C., de Pascale S., Fagnano M. 1999. Plant and soil resistance to water
flow in faba bean (Vicia faba L. major). Plant and Soil 210:219-231.
[Sal93] Salvador R.J. 1993. Uso de la simulacin computarizada para avanzar la
investigacin agrcola en los pases en va de desarrollo. Eight International
Congress on Research in Electrical Sciences. Torren, Coahuila, Mxico.
[Sal97] Salas San Juan C., Urrestarazu G.M. 1997. Mtodos de riego y fertigacin en
cultivos sin suelo. En: Manual de cultivos sin suelo. Ed. Urrestarazu G.M.
Mundiprensa. pp. 186-243.
[Sal00] Salas San Juan C. 2000. Modelo de fertirrigacin para cultivo sin suelo para
tomate en invernadero. Tesis doctoral. Universidad de Almera, Espaa. 132
pp.
[Sal04] Saltelli A. 2004. Global sensitivity analysis: an introduction. Tutorial lecture
for the International Conference on Sensitivity Analysis. Santa Fe New Mexico.
4 pp.
[San92] de Santa O.F.M., de Juan V.A. 1992. Agronoma del Riego. Mundi Prensa. 732
pp.
[San98] Snchez-Blanco M.J., Morales M.A., Torrecillas A., Alarcn J.J. 1998. Diurnal
and seasonal osmotic potencial changes in Lotus creticus creticus plants grown
under saline stress. Plant Science 136:1:10
[Sas98] Sas L., Rengel Z., Tang C. 1998. Excess cation uptake, and extrusion of protons
and organic acid anions by Lupinus albus under phosphorus deficiency. Plant
Science 160:1191-1198.
[Sat01] Sato S., Pett M.M., Gardner R., 2001. Formation of parthenocarpic fruit,
undeveloped flowers and aborted flowers in tomato under moderately elevated
temperatures. Scientia Horticulturae 90:243-254.
[Sav02] Savvas D. 2002. Automated replenishment of recycled greenhouse effluents
with individual nutrients in hydroponics by means of two alternative models.
Biosystems Engineering 83(2):225-236.
[Sch84] Schapendok A.H.C.M., Gaastra P. 1984. Fruit grow of cucumber in relation to
assimilate supply and sink activity. Scientia Horticulturae 23:21-33.
[Sch98] Schwarz D., Kuchembuch R. 1998. Water uptake by tomato plants grown in
closed hydroponic systems dependent on the EC-level. Acta Horticulturae
458:323-328.
[Seg93] Seginer I., Sher A. 1993. Optimal greenhouse temperature trajectories for a
multi-state variable tomato model. In: The Computerized Greenhouse. Eds.
Hashimoto Y., Bot G., Tantau H.J., Day W., Nonami H. Academic Press pp.
153-172.
[Seg97] Seginer I. 1997. Some artificial neural network applications to greenhouse
environmental control. Computers and Electronics in Agriculture 18:167-186.
[Seg98] Seginer I., Ioslovich I. 1998. Seasonal optimization of the greenhouse
environment for a simple two-stage crop growth model. Journal of Agricultural
Engineering Research 70:145-155.
[Sen98] Senent J.S., Martnez M., Blasco X., Sanchis J. 1998. MIMO predictive control
of temperatura and humidity inside a greenhouse using simulated annealing
216
Referencias bibliogrficas
217
Referencias bibliogrficas
218
Referencias bibliogrficas
[Tak98] Takagi K., Tsuboya T., Takahashi H. 1998. Diurnal hystresis of stomatal and
bulk surface conductances in relation to vapour pressure deficit in a cool-
temperate wetland. Agricultural Forest and Meteorology 91:177-191.
[Tan90] Tanner W., Beevers H. 1990. Does transpiration have an essential function in
long distance ion transport in plants? Plant, Cell and environment 13:745-750.
[Tan85a] Tantau H.J. 1985. Analysis and synthesis of climate control algorithms. Acta
Horticulturae 174:375-380.
[Tan85b] Tantau H.J. 1985. Greenhouse climate control using mathematical models. Acta
Horticulturae 174:449-459.
[Tan93] Tantau H.J. 1993. Optimal control for plants production in greenhouses. In:
The Computerized Greenhouse. Eds. Hashimoto Y., Bot G., Tantau H.J., Day
W., Nonami H. Academic Press. California, USA. pp. 139-152.
[Tap93] Tap F., van Willigenburg L.G., van Straten G., van Henten E. 1993. Optimal
control of greenhouse climate: computation of the influence of fast and slow
dynamics. Proceedings of the 12th IFAC World Congress Control. Sydney,
Australia. 10:320-324.
[Tap96a] Tap F., van Willigenburg L.G., van Staten G. 1996. Experimental results of
receding horizon optimal control in greenhouse climate. Acta Horticulturae
406:229-238.
[Tap96b] Tap F., van Willigenburg L.G., van Staten G. 1996. Receding horizon optimal
control of greenhouses climate based on he lazy man weather prediction. 13th
IFAC World Congress. San Francisco, USA. 3:387-392.
[Tap00] Tap F. 2000. Economics-based optimal control of greenhouse tomato crop
production. Ph. D. Thesis. Wageningen University. The Netherlands. 127 pp.
[Tar98] Tardieu F., Simonneau T. 1998. Variability among species of stomatal control
under fluctuating soil water status and evaporative demand: modelling
isohydric and anisohydric behaviours. Journal of Experimental Botany 49:419-
432.
[Tch93] Tchamitchian M., van Willigenburg L.G., van Straten G. 1993. Optimal control
applied to tomato crop production in a greenhouse. European Control
Conference. Grooningen, The Netherlands. Vol. 3, pp. 318-324.
[Tch98] Tchamitchian M., Henry-Montbroussous B., Jeannequin B., Lagier J. 1998.
Serriste: Climate set-point determination for greenhouse tomatoes. Acta
Horticulturae 456:321-328.
[Tei99] Teitel M., Segal I., Shklyar A., Barak M. 1999. A comparison between pipe and
air heating methods for greenhouses. Journal of Agricultural Engineering
Research 72:259-273.
[Tho95] Thornley J.H.M. 1995. Shoot:root allocation with respect to C, N and P: an
investigation and comparison of resistance and teleonomic models. Annals of
Botany 75:391-405.
[Tho96] Thornley J.H.M. 1996. Modelling water in crops and plant ecosystems. Annals
of Botany 77:261-275.
219
Referencias bibliogrficas
220
Referencias bibliogrficas
[Vil02] Villalobos F.J., Mateos L., Orgaz F., Fereres E. 2002. Fitotecnia. Bases y
tecnologas de la produccin agrcola. Mundi Prensa. 496 pp.
[Vis90] de Visser C.L.M. 1990. Concept and development of a dynamic simulation
model for onion growth. Acta Horticulturae 267:401-409.
[Wan99a] Wang S., Boulard T., Haxaire R. 1999. Air speed profiles in a naturally ventiled
greenhouse with a tomato crop. Agricultural Forest and Meteorology 96:181-
188.
[Wan99b] Wan-Liang W., Qi-Di W. 1999. Neural network modelling and intelligence
control of the distributed parameter greenhouse climate. 14th IFAC World
Congress. Beijing, China. 1:479-484.
[Wan02] Wang Z., Zong Z., Li S., Chen B. 2002. Nitrate accumulation in vegetables and
its residual in vegetable fields. Huan Jing Ke Xue 23:79-83.
[Weg00] Wegehenkel M. 2000. Test of a modeling system for simulating water balances
and plant growth using various different complex approaches. Ecological
Modelling 129:39-64.
[Wei99] Wei Ch., Steudle E., Tyree M. 1999. Water ascent in plants: do ongoing
controversies have a sound basis? Trends in Plant Science 4(9):372-375.
[Whi86] Whisler F.D., Acock B., Baker D.N., Fye R.E. Hodges H.F., Lambert J.R.,
Lemmon H.E., McKinion J.M., Reddy V.R. 1986. Crop simulation models in
agronomic systems. Advances in Agronomy 40:141-207.
[Wil89] Williams J.R., Jones C.A., Kiniry J.R., Spanel D. 1989. The Epic crop growth
model. Transactions of ASAE 32(2):497-511.
[Wil98] Willits D. H., Peet M.M. 1998. The effect of greenhouse temperature on
greenhouse grown tomato yields in warm climates. Agricultural and Forest
Meteorology 92:191-202.
[Xu95] Xu H., Gauthier L., Gosselin A. 1995. Effects of fertigation management on
growth and photsynthesis of tomato plants grown in peat rockwool and NFT.
Scientia Horticulturae 63:11-20.
[Yan99] Yang J.B. 1999. Gradient projection and local region search for multiobjective
optimization. European Journal of Operacional Research 112:432:459
[You93a] Young P., Chotai A., Tych W. 1993. Identification, estimation and true digital
control of glasshouse system. The Computerized Greenhouse. Academic Press,
Inc. Londres. Reino Unido. pp. 3-50.
[You93b] Young P., Chotai A., Tych W. 1993. The modelling and multivariable control
of glasshouse system. 12th IFAC World Congress. Sidney, Australia. 10:313-
316.
[You01] Young P., A. Chotai 2001. Data-based mechanistic modeling, forecasting and
control. IEEE Control Systems Magazine 21(5):14-26.
[Zap04] Zapata N.F.R. 2004. Evaluacin de poda de racimos en el cultivo de tomate
(Lycopersicon esculentum Mill), sembrado bajo condiciones de invernadero,
para cosecha de ramilletes. Tesis Doctoral. Universidad de Almera. Espaa.
246 pp.
221
Referencias bibliogrficas
[Zek99] Zekki H., Gary C., Gosselin A., Gauthier L. 1999. Validation of a
photosynthesis model through the use of the CO2 balance of a greenhouse
tomato canopy. Annals of Botany 84: 591-598.
[Zeg03] Zegbe-Dominguez J.A., Behboudian M.H., Lang A., Clothier B.E. 2003.
Deficit irrigation and partial rootzone drying mantain fruit dry mass and
enhance fruit quality in Petopride processing tomato (Lycopersicon
esculentum Mill). Scientia Horticulturae 98:505-510.
[Zha96] Zhang Q., Wu C.H. 1996. Application of fuzzy logic in an irrigation control
system. Proc. of IEEE International Conference on Industrial Technology. pp.
593-597.
[Zha98] Zhang J., Sui X., Li B., Su B., Li J., Zhou D. 1998. An improved water-use
efficiency for winter wheat grown under reduced irrigation. Field Crop
Research. 59:91-98.
[Zhu01] Zhuang J., Nakayama K., Yu G.R., Urushisaki T. 2001. Estimation of root
water uptake of maize: an ecophysiological perspective. Field Crop Research
69:201-213.
[Zim94] Zimmerman U. 1994. Xylem water transport: is the available evidence
consistent with the cohesion-tension theory? Plant, Cell and Environment
17:1169-1181.
[Zim00] Zimmerman U., Wagner H.J., Schneider H., Rokitta M., Haase A., Bentrup
F.W. 2000. Water ascent in plants: the ongoing debate. Trends in Plant Science
5(4):145-146.
222