Вы находитесь на странице: 1из 254

UNIVERSIDAD DE ALMERA

ESCUELA POLITCNICA SUPERIOR


Departamento de Ingeniera Rural

TESIS DOCTORAL

CONTROL JERRQUICO MULTIOBJETIVO DE


CRECIMIENTO DE CULTIVOS BAJO
INVERNADERO

Jos Armando Ramrez Arias

Dirigida por los Doctores


Francisco Rodrguez Daz, Manuel Berenguel Soria y Diego Luis Valera
Martnez

Almera, julio de 2005


2
TESIS DOCTORAL

CONTROL JERRQUICO MULTIOBJETIVO DE


CRECIMIENTO DE CULTIVOS BAJO
INVERNADERO
por
Jos Armando Ramrez Arias

Presentada en el

Departamento de Ingeniera Rural


Escuela Politcnica Superior
de la
Universidad de Almera

Para la obtencin del

Grado de Doctor Ingeniero Agrnomo

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.

A la Universidad Autnoma Chapingo por el apoyo institucional.

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 Antonio Fernndez Fernndez por su incondicional ayuda para realizar ensayos


experimentales en su invernadero.

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 Allain Baille y Mara Milagros Gonzlez Real de la Universidad de Cartagena, Pilar


Lorenzo del CIFA La Mojonera, Cees Sonneveld de la Estacin Experimental de
Naaldwij, Holanda, Ep Heuvelink y Cecilia Stanghellini de la Universidad de Wageningen
Holanda, por su apoyo cuando ste fue necesario.

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 Paco Garca y Antonio Gil por el apoyo constante en el invernadero.

A los compaeros de los Departamentos de Lenguajes y Computacin e Ingeniera Rural


de la Universidad de Almera, en especial a: Francisco Guil, Joaqun Caadas, Antonio
Becerra, David Lacasa, Daniel Landa, Samuel Tnez y Julin Snchez Hermosilla.

A la raza de la Universidad Autnoma Chapingo, por su apoyo para hacer posible mi


estancia doctoral fuera de Mxico. En especial a: Aurelio, David, Ignacio, Gil, Juan H.,
Juan M. y Romel por su constante intercambio de ideas y apoyo.

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.

A Carmen, Paco, Richard y doa Conchita, por su incondicional y permanente apoyo.

I
A Irineo Lpez con quien el recorrido por nuevos horizontes de la tecnologa ha sido
interesante.

En el proceso de elaboracin de este trabajo muchas personas han contribuido para


alcanzar los objetivos del mismo, a todos ellos mi agradecimiento.

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.

Los modelos de crecimiento en tomate Tomgro simplicado y Tomsim fueron modificados,


implementados, calibrados y validados para las condiciones locales de produccin
utilizando datos de cuatro ensayos experimentales de cultivo de tomate, dos de los cuales
fueron desarrollados en otoo-invierno y los otros dos en invierno-primavera; un ensayo
experimental fue realizado en invernadero de produccin comercial. Los modelos han sido
adaptados para simular rendimiento fresco de frutos incluyendo el efecto de salinidad y
dficit hdrico.

En la misma lnea se ha modificado, implementado, calibrado y validado un modelo


genrico de balance hdrico para simular el agua en el continuo substrato-suelo-atmsfera.
El modelo estima los flujos y las reservas de agua en el sustrato, la raz y el dosel y ha sido
evaluado con cultivo de tomate desarrollado en un sistema de cultivo sin suelo, sin
recirculacin y con substrato de lana de roca. Las modificaciones y la estimacin de
parmetros posibilitan la estimacin de la dinmica del agua en el sistema.

Para la prediccin de temperatura en el invernadero se ha utilizado un modelo simple que


permite estimar la cantidad de energa que es necesario suministrar al sistema cuando se
requiere activar el sistema de calefaccin en el proceso de optimizacin, para un desarrollo
ptimo del cultivo. La radiacin fotosinttica activa y el dixido de carbono son
considerados como perturbaciones al sistema.

El proceso de optimizacin multiobjetivo ha sido incorporado en una estructura jerrquica


de tres niveles: capa superior de control de crecimiento de cultivo (escala de tiempo de
meses), capa intermedia de adaptacin de consignas (escala de tiempo de das) y capa
inferior de control de clima y nutricin (escala de tiempo de minutos). En la capa superior
se lleva a cabo una prediccin de variables climticas con horizonte de meses (hasta la
fecha en que est previsto que finalice la campaa), utilizando una herramienta software
que ejecuta una bsqueda de patrones climticos y en base a ello realiza las predicciones.
Con los datos pronosticados, los modelos de crecimiento de cultivo, de nutricin y clima
(de estado estacionario) y los objetivos proporcionados por el usuario, se lleva a cabo el
proceso de optimizacin, que genera trayectorias de referencia en temperatura y
conductividad elctrica para el resto de la campaa, que son enviadas a la capa intermedia,
donde se comprueba que son alcanzables al menos en un periodo especificado de corto
plazo, utilizando una prediccin de variables climticas para el intervalo de optimizacin y

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.

Tambin se ha trabajado en el control de bajo nivel (capa inferior de la arquitectura


jerrquica), utilizando tcnicas de control predictivo generalizado para controlar la
temperatura nocturna del invernadero mediante calefaccin por aire caliente. Los
resultados han mostrado que se puede ahorrar un 20% de combustible con estas tcnicas
respecto al control todo-nada que implementan estas mquinas. El aporte de agua al cultivo
se ha realizado utilizando un controlador basado en un modelo de transpiracin,
demostrando ser una tcnica factible de utilizar para el suministro de riego.

La arquitectura completa de control ptimo multiobjetivo ha proporcionado resultados muy


satisfactorios y constituye una herramienta potente para la toma de decisiones,
encontrndose en la actualidad en proceso de validacin sistemtica en condiciones de
produccin real.

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

Tabla 2.1 Datos generales y climticos de los ensayos ___________________________ 14


Tabla 2.2 Nmero de muestreos de biomasa por ensayo __________________________ 15
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 ________________________________________________________ 20
Tabla 2.4 Caractersticas del agua de riego y concentracin de la disolucin nutritiva
aportada en las diferentes fases de cultivo. Invernadero produccin comercial ____ 20
Tabla 2.5 Caractersticas de los sensores climticos y de lana de roca utilizados _______ 22
Tabla 3.1 Valores de la funcin fN(Xta) para la estimacin de nodos _________________ 44
Tabla 3.2 Parmetros estimados de XIAF _______________________________________ 45
Tabla 3.3 Valores para el parmetro Nb en funcin de temperatura__________________ 45
Tabla 3.4 Distribucin a frutos en funcin de temperatura promedio diaria ___________ 45
Tabla 3.5 Desarrollo de fruto como funcin de temperatura promedio diaria __________ 45
Tabla 3.6 Parmetros estimados para Tomgro modelo reducido ____________________ 47
Tabla 3.7 Sensibilidad relativa del modelo al cambio en los parmetros de las variables de
estado (ndice de rea foliar, biomasa total y peso seco de frutos) ______________ 48
Tabla 3.8 Raz del error cuadrtico medio en el modelo Tomgro ___________________ 50
Tabla 3.9 Error absoluto promedio y mximo en la estimacin de las variables ________ 53
Tabla 3.10 Parmetros estimados para el modelo Tomsim_________________________ 59
Tabla 3.11 Cantidad de muestreos en la estimacin de parmetros estadsticos ________ 60
Tabla 3.12 Raz del error cuadrtico medio en modelo Tomsim ____________________ 61
Tabla 3.13 Error absoluto medio y mximo en la estimacin Tomsim _______________ 62
Tabla 3.14 Conductividad elctrica indicada por diferentes autores en relacin a
rendimiento de frutos en tomate _________________________________________ 70
Tabla 4.1 Potencial hdrico, potencial osmtico y presin de turgencia en hojas de plantas
desarrolladas en medios salinos _________________________________________ 83
Tabla 4.2 Transpiracin en cultivos desarrollados en invernadero __________________ 88
Tabla 4.3 Eficiencia en el uso de agua para algunos cultivos ______________________ 97
Tabla 4.4 Expresiones obtenidas para la estimacin de rea foliar de hojas. N=206____ 102
Tabla 4.5 Errores de transpiracin estimada por el modelo respecto a transpiracin medida
_________________________________________________________________ 102
Tabla 4.6 Parmetros estimados y otros parmetros utilizados en el modelo _________ 112
Tabla 4.7 Estadsticas de error en la estimacin de contenido de humedad___________ 113
Tabla 5.1 Estrategias de control de temperatura nocturna usando calefaccin ________ 128
Tabla 6.1 Mtodos aplicados en control de invernaderos, objetivo principal y variables
controladas ________________________________________________________ 153
Tabla 6.2 Conductividad elctrica y su relacin con algunos indicadores de calidad en
tomate ____________________________________________________________ 159
Tabla 6.3 Dficit hdrico y su relacin con slidos solubles y acidez en tomate _______ 161
Tabla 6.4 Relacin entre la humedad del suelo y slidos solubles y acidez valorable en
tomate ____________________________________________________________ 162
Tabla 6.5 Relacin de conductividad elctrica y el consumo hdrico _______________ 163
Tabla 6.6 Valoracin de criterios de calidad __________________________________ 183
Tabla 6.7 Soluciones de compromiso del problema multiobjetivo _________________ 186
Tabla 6.8 Ponderacin de cada objetivo y valores obtenidos. La misma solucin es
alcanzada con diferente ponderacin ____________________________________ 189

XV
XVI
Nomenclatura
Notacin

Dada la cantidad de smbolos utilizados en las frmulas desarrolladas en la tesis, se han


incluido en este apartado unas tablas que clarifican la notacin utilizada. Dicha notacin ha
seguido los convencionalismos de las publicaciones internacionales de referencia que se
han usado a lo largo del desarrollo de la tesis. Se han incluido tambin las unidades del
Sistema Internacional de las distintas variables o constantes1, usando a veces mltiplos y
submltiplos en funcin de las escalas de las magnitudes fsicas consideradas.

Variables de estado

Smbolo Descripcin Unidades


XAG,d Cantidad de agua en el dosel kg agua m-2
XAG,r Cantidad de agua en la raz kg agua m-2
XAG,s Cantidad de agua en el substrato kg agua m-2
XCE Conductividad elctrica en el substrato mS cm-1
XF Materia seca de frutos g m-2
XFFT Peso fresco de frutos kg m-2
XIAF ndice de rea foliar m2 m-2
XM Materia seca de frutos maduros g m-2
XN Cantidad de nodos nodo
XNR Cantidad de racimos racimo
XPS Materia seca total g m-2
Xobs Vector de datos medidos de la variable X -
XPS,h Materia seca de hojas g m-2
XPS,r Materia seca de races g m-2
XPS,t Materia seca de tallo g m-2
Xsim Vector de estimaciones de la variable X -
Xta Temperatura del aire de invernadero C

Variables y parmetros de modelos

Smbolo Descripcin Unidades


Eficiencia fotoqumica de la radiacin. mol (CO2) mol-1
fotn absorbido
F Mxima distribucin de crecimiento a fruto Fraccin d-1
Coeficiente en ecuacin de ndice de rea foliar nodo-1
ag Contenido promedio de vapor de agua en el invernadero o kg m-3
humedad absoluta
ag
* Contenido de vapor de agua en condiciones de saturacin kg m-3
ef Contenido efectivo de vapor de agua en el dosel kg m-3
Mxima expansin de rea foliar por nodo m2 (hoja) nodo-1
Asub Volumen de agua que se suministra para incrementar el m3 m-2
contenido de humedad en el substrato
c Ponderacin que penaliza error de control -

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

1.1 Complejidad del sistema invernadero

El invernadero es un recinto cerrado en el que se busca producir la mxima cantidad de un


producto, con la mayor calidad, al coste mnimo posible. Las variables climticas, de
nutricin, biticas y de manejo cultural influyen en el crecimiento y desarrollo del cultivo
y, la gestin adecuada de stas permite maximizar la diferencia entre los ingresos por venta
de la produccin y los costes asociados, evaluando a la vez los posibles riesgos a lo largo
del ciclo de cultivo. Por tanto definir las consignas de manejo del invernadero constituye
un tpico problema de control ptimo.

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

Fe2+,Zn2+, Na+ Mg2+ Ca2+ H2PO4- NO3- Entradas


Agua Mo2+, Mn2+, K+ NH4+ SO42- Cl-
Cu2+,H2BO3
Nutrientes (XCE)
Entrada
Entradas

Figura 1.1 Diagrama conceptual de la produccin en invernadero

En el presente trabajo se aborda la resolucin del problema de produccin ptima en


invernadero desde un enfoque que incluye los elementos clima, agua y nutricin
considerando este ltimo como la sntesis de los elementos nutritivos expresada en su
conductividad elctrica.

1.2 Naturaleza del problema de control ptimo en invernaderos

En la actualidad existe un gran inters en la introduccin de tecnologa no slo en las fases


del proceso productivo, sino tambin en la cadena de comercializacin agrcola, (desde la
germinacin de las semillas hasta la venta al consumidor). Evidentemente, la fase de
produccin es fundamental ya que en ella se definen las caractersticas del producto, por lo
que es necesario realizar los mayores esfuerzos a fin de mejorar tanto la cantidad como la
calidad. Debido a que el crecimiento de un cultivo se encuentra fundamentalmente
determinado por las variables climticas del entorno en el que se encuentra, por el
adecuado suministro de agua y nutrientes y por el control oportuno de plagas y
enfermedades, controlando estas variables se podr controlar en gran medida su
crecimiento. Por esta razn, un invernadero es ideal para cultivar, pues se pueden manejar
estas variables para alcanzar un crecimiento y desarrollo ptimo de las plantas.

La introduccin de computadores en este mbito ha significado la posibilidad de controlar


las variables y de adaptar los parmetros de control de forma automatizada. No obstante,
en la mayora de los casos el computador se emplea como un operador que trata con los
actuadores, mientras que las estrategias de control son fundamentalmente empricas y
reflejan los mtodos clsicos utilizados por los agricultores para manejar los actuadores
[Bak95].

2
Introduccin

Los sistemas comerciales ms avanzados de control climtico que se implantan en la


actualidad, contienen muchas reglas heursticas y en muchos casos varios cientos de
parmetros a definir, relacionados con las trayectorias de clima y con los actuadores. Los
principales problemas detectados en este tipo de controladores consisten en que [Tap00]:

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.

Las trayectorias de las variables de clima no estn definidas de manera cientfica


respecto al comportamiento del cultivo, por lo que se presenta el problema de
ineficiencia en la utilizacin de la energa.

El nmero de parmetros y reglas de decisin de los controladores es tan grande que el


sistema no es transparente y por tanto los efectos sobre la eficiencia de energa o el
rendimiento de los actuadores no son fciles de discernir.

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.

En sistemas de control ms avanzados, que son objeto de investigacin en la actualidad, el


control se realiza basndose en modelos matemticos, como ocurre generalmente en la
industria de procesos. A partir de una funcin objetivo, con el uso de modelos del clima y
del cultivo, y la utilizacin de tcnicas de optimizacin, se determinan las trayectorias
ptimas a seguir por los controladores durante el ciclo de cultivo [Hen94], [Tap00],
[Rod02], [Ios02], [Lop03]. Existen pocos trabajos publicados con resultados
experimentales, habindose simulado en la mayora las trayectorias ptimas de las
variables climticas [Hen94], [Tap00], [Rod02], [Ios02]. En los trabajos de campo donde
se han aplicado estas tcnicas a la produccin en invernaderos se han obtenido ahorros en
los costes de energa [Tap00]. Aunque en estas experiencias preliminares se han obtenido
resultados aceptables, los efectos econmicos son difciles de evaluar con los pocos
ensayos realizados, y slo se puede probar su validez con una extensiva aplicacin de estas
tcnicas en instalaciones comerciales reales [Str00].

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

En una primera aproximacin, el sistema de produccin se puede jerarquizar en los


siguientes niveles: una capa inferior de control de clima y suministro de agua y nutrientes
(con escala de tiempo de minutos), una capa media correspondiente al cultivo, (con escala
de tiempo de das) y una capa superior relacionada con el mercado (con escala de tiempo
de meses) [Tan93], [Rod02], [Rod03]. Cada una de las capas opera de la siguiente manera
[Tan93], [Rod02]:

Capa superior: mercado. En funcin de unas condiciones iniciales estratgicas, como


fecha de recoleccin o produccin esperada, y de cmo evolucione el mercado durante
la campaa agrcola, se determina la trayectoria de crecimiento que debe seguir el
cultivo para optimizar el beneficio. Se le denomina control tctico y sera conveniente
disponer de modelos de mercado que puedan predecir la demanda de los productos y
otra serie de parmetros econmicos de inters.

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.

Capa inferior: invernadero. En base a las consignas recibidas de la capa intermedia,


debe calcular el estado en el que deben encontrarse los sistemas de actuacin instalados
para modificar las condiciones climticas, de riego y nutricin, de forma que se alcance
el estado deseado del cultivo que optimice los objetivos establecidos. En este nivel,
tambin es aconsejable la utilizacin de modelos para el diseo e implementacin de los
controladores.

En la mayora de los trabajos recientes de investigacin sobre control ptimo de la


produccin de cultivos en invernaderos, el problema se ha abordado desde el punto de vista
de la optimizacin de un nico objetivo, que consiste generalmente en la obtencin de
mximos beneficios por parte del agricultor [Hen94], [Tap00], [Rod02], o bien en algn
otro criterio como la minimizacin de la cantidad de nitratos en el tejido de la planta
[Ios02], [Lop03].

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].

Aunque hasta el momento ha predominado el criterio de maximizar beneficios en el


sistema de produccin en invernadero [Hen94], [Tap00], [Rod02], estn surgiendo otras
necesidades imperativas relacionadas con la bsqueda de calidad [Caj04], [Uff00], la
reduccin de contaminantes al ambiente [Sta03a], [Sid98] o la eficiencia en el uso de agua,
fundamentalmente en regiones donde es un recurso escaso [Sta03a], [Pas04].

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].

El problema de la produccin desde el punto de vista del control ptimo jerrquico se


resuelve, por tanto, de forma ms completa cuando se tienen en consideracin los distintos
objetivos, pero a la vez se complica, porque la consecucin de dichos objetivos puede
establecer relaciones en conflicto, como son la bsqueda simultnea de la mxima calidad
y rendimientos, o la reduccin de costes y los mximos rendimientos [Son00], [Li01b],
[Mag03], [Cha93].

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.

1.3 Principales tendencias relacionadas con la calidad en el


proceso productivo de hortalizas

La produccin en invernadero ha sido caracterizada por ser una produccin intensiva


[Bak95], que permite altos rendimientos y calidad en la produccin. Es posible controlar el
ambiente con dixido de carbono (con aplicacin de CO2 puro o de combustin de gases),
regular la temperatura (utilizando sistemas de calefaccin, ventilacin, o enfriamiento
evaporativo) o el dficit de presin de vapor de agua (por medio de calefaccin,
ventilacin o humidificacin), controlar la radiacin (con iluminacin artificial y pantallas
de sombra), controlar el ambiente de la raz (temperatura, contenido de agua,
concentracin de iones) en cultivos sin suelo y aplicar de manera ms efectiva control
qumico, biolgico o integrado en la proteccin contra plagas y enfermedades [Bak95],
[Heu96a]. Para lograr la implantacin de algunas de las alternativas mencionadas, en la
actualidad se utilizan una considerable diversidad de ambientes protegidos, que van desde
pequeos tneles de plstico o invernaderos sin calefaccin con cubierta de plstico, hasta
invernaderos que cuentan con varios de los sistemas descritos en el prrafo anterior. En la
cuenca del Mediterrneo los invernaderos instalados se caracterizan por contar con
estructuras metlicas o de madera cubiertas con plstico, careciendo muchos de ellos de
sistemas de calefaccin (en Grecia ms de un 60%, en Italia el 70% [Els00] y en el sudeste
de Espaa ms del 90% [Cua01]). En el sudeste de Espaa el invernadero tipo parral en
sus diferentes variantes predomina sobre otro tipo de estructuras [Cua01]. Lo anterior ha
sido atribuido fundamentalmente a las benignas caractersticas climticas que permiten
produccin en invierno [Bai94a].

Adems de la implantacin de estructuras adecuadas para el control ambiental, el


conocimiento de las tendencias del mercado de frutas y hortalizas es de capital importancia
en la produccin en invernadero, ya que define en gran medida la demanda futura de uno u
otro producto, o bien las caractersticas del producto requeridas por los consumidores.
Estos aspectos ejercen un relevante impacto sobre los precios en determinados momentos.
Las principales tendencias observadas en los ltimos aos indican que la demanda se
concentra en un nmero cada vez ms reducido de cadenas minoristas, que se consolidan
progresivamente las marcas y que se incrementa la demanda de los alimentos funcionales
[Caj04]:

5
Introduccin

Las diez principales empresas de distribucin en el mercado minorista en Europa han


mantenido un incremento constante en su cuota de mercado: de un 27% en 1992 han
llegado a alcanzar el 41% en 2002. La tendencia a la concentracin es tal que en
algunos pases, los cinco primeros grupos de comercializacin agrupan ms del 90% de
las ventas de productos agroalimentarios.

Se ha desarrollado una implantacin progresiva de las marcas comerciales en el sector


hortofrutcola. Algunas de las principales empresas estn demostrando que el esfuerzo
continuo de posicionamiento de sus marcas, acompaado de alta calidad en sus
productos, permite establecer resultados positivos a medio y largo plazo.

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.

En el mbito productivo, Espaa se ha constituido en los ltimos aos en uno de los


principales pases exportadores de hortalizas a la Unin Europea durante los meses
comprendidos entre diciembre y abril, y abastece en un 30% el mercado de hortalizas de
Europa, destacando la provincia de Almera como la principal productora de hortalizas en
Espaa [Caj04]. Durante los ltimos 10 aos se ha destinado ms del 50% del volumen de
produccin a la exportacin, siendo Alemania, Francia, Holanda y Reino Unido los pases
a los que se destina en conjunto aproximadamente el 73% de las exportaciones.

Las tendencias de mercado y el destino de la produccin hacia la exportacin indican de


manera clara que adems de importante, es improrrogable abordar el tema de calidad tanto
del producto como del proceso de produccin, constituyendo un reto a lograr para que el
sector productivo presente la adecuada capacidad competitiva y pueda alcanzar a la vez
que altos rendimientos, hortalizas de calidad y eficiencia en el uso de bienes escasos a
travs de procesos de produccin cada vez ms respetuosos con el ambiente.

6
Introduccin

1.4 Objetivos de la investigacin

Los dos principales objetivos que se han establecido en la tesis doctoral han sido los
siguientes:

Desarrollar un marco de referencia de control con mltiples objetivos de la produccin


en el agrosistema invernadero dentro de una estructura de control ptimo jerrquico.

Implementar y resolver el problema multiobjetivo de produccin en invernadero,


tomando como caso el cultivo de tomate, en el que se maximicen los siguientes
objetivos: beneficios econmicos, calidad en el fruto y eficiencia en el uso del agua.

Para la consecucin de esos objetivos ha sido preciso el establecimiento y cumplimiento de


los siguientes sub-objetivos:

Implementar, calibrar y validar modelos de crecimiento y desarrollo en tomate que


puedan ser utilizados en sistemas de control automtico en lnea y en optimizacin
multiobjetivo.

Integrar el efecto de elementos relacionados con el agua y la salinidad que permitan el


modelado de rendimiento en fresco de tomate, lo que proporciona una visin ms
cercana a la realidad respecto al clsico modelado de materia seca.

Adecuar, implementar, calibrar y validar un modelo dinmico de balance hdrico


acoplado a modelos de crecimiento, tomando como caso el cultivo de tomate
desarrollado en sistema de cultivo sin suelo utilizando substrato de lana de roca.

Implementar y validar nuevas tcnicas de control de calefaccin por aire caliente en


invernadero para un control que posibilite el ahorro de energa.

Implementar y validar tcnicas de riego basadas en modelos asociados a la demanda de


las plantas, que permitan el suministro oportuno de riego en la cantidad deseada.

1.5 Principales contribuciones

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

Se ha propuesto un esquema de control con mltiples objetivos que trasciende la


optimizacin tradicional, que se basa en un solo objetivo. La dinmica de la produccin
en el agrosistema invernadero enfrenta cada da al agricultor o al administrador de la
finca al problema de encontrar un balance entre diferentes objetivos, por lo que el
esquema planteado se encuentra muy cerca de la realidad diaria y construye un lazo
entre la toma de decisiones y el control en lnea con varios objetivos.

Se ha resuelto el problema multiobjetivo, tomando como caso el cultivo de tomate en


invernadero, en el que se han encontrado las soluciones que constituyen un conjunto de
soluciones de compromiso. El problema se ha planteado y resuelto a travs de la
maximizacin de tres objetivos: beneficios econmicos, calidad de fruto y eficiencia en
el uso del agua. Los costes considerados en la maximizacin de beneficios son: costes
de combustible, energa elctrica, agua y fertilizantes. La calidad del fruto incluye
elementos organolpticos como sabor (caracterizado por cantidad de azcares y acidez
valorable), firmeza y tamao de fruto.

La solucin del problema de optimizacin multiobjetivo en el marco de una estructura


de control ptimo jerrquico con horizonte deslizante, permite la actualizacin diaria
de las diferentes variables de estado del cultivo o de la prediccin del clima de corto
plazo. Con ello se refrescan las variables de estado a partir de datos medidos, lo que
posibilita la adaptacin del sistema a la situacin en curso y la utilizacin del mismo en
situaciones de produccin real en constante interaccin con quien toma las decisiones.

Se han modificado, implementado, calibrado y validado dos modelos de crecimiento y


desarrollo en tomate para las condiciones locales de produccin, basndose en las
ecuaciones de los modelos Tomgro [Jon97], [Jon99] y Tomsim [Heu96a], [Heu96b],
[Heu99]. El modelado con el modelo reducido Tomgro permite la simulacin del
nmero de nodos, ndice de rea foliar, materia seca total, materia seca de frutos y
materia seca de frutos maduros. Por otra parte, en el modelado con Tomsim se simula la
materia seca total, la materia seca de frutos y el desarrollo de racimos.

El efecto de salinidad en el rendimiento de frutos ha sido integrado en el modelado de


rendimiento, as como el efecto de dficit hdrico y de dficit de presin de vapor de
agua, lo que constituye un paso importante en la integracin de los elementos que
influyen en la determinacin de la dinmica de crecimiento, desarrollo y rendimiento
de cultivos en ambientes de invernadero.

La adaptacin e integracin de un modelo dinmico de balance hdrico a un modelo de


crecimiento de cultivo, constituye un paso importante para entender la dinmica del
flujo del agua en el sistema, permitiendo conocer el estado hdrico en las diferentes
partes del sistema substrato-raz-dosel. Adems, es la base para la integracin de un
modelo que permita acoplar el flujo de agua al flujo de nutrientes desde una
perspectiva dinmica y explicativa.

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

Como complemento al problema de control multiobjetivo, se han implementado y


puesto a punto tcnicas de control de calefaccin que permiten el ahorro de
combustible y por tanto optimizar beneficios. Estas tcnicas han sido incorporadas al
sistema de control de clima del invernadero y ensayadas en condiciones reales con
resultados aceptables.

El desarrollo de un simulador de crecimiento orientado a constituirse en un sistema de


ayuda a la toma de decisiones basado en modelos de crecimiento para tomate, es una
aportacin ms del presente trabajo de investigacin. El software desarrollado
constituye un desarrollo tecnolgico que permite al tcnico de campo, al administrador,
al acadmico o al estudiante, plantear escenarios de produccin con gran flexibilidad,
ya que en l es posible cambiar parmetros fisiolgicos del cultivo, introducir sus
propios datos climticos, o utilizar series histricas ya existentes. Las simulaciones
correspondientes permiten conocer el efecto de distintas variables y parmetros en el
crecimiento, desarrollo y rendimiento del cultivo.

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.

1.6 Contexto de la investigacin

La investigacin desarrollada se ha llevado a cabo fundamentalmente en el contexto de tres


proyectos de investigacin, en los que ha participado como investigador el autor de la tesis:

Control ptimo jerrquico de crecimiento de cultivos bajo invernadero basado en


variables climticas y de fertirrigacin. Proyecto financiado por el Convenio
Universidad de Almera-Cajamar-CR-UAL-0206 y liderado por el Dr. Francisco
Rodrguez Daz.
Control predictivo para procesos con incertidumbres acotadas. Proyecto financiado
por la Comisin Interministerial de Ciencia y Tecnologa CICYT-DPI-2002-04375-
C03-03 y liderado por el Dr. Manuel Berenguel Soria.
Control predictivo jerrquico de procesos en operacin semicontinua. Proyecto
financiado por la Comisin Interministerial de Ciencia y Tecnologa CICYT-DPI-
2004-07444-C04-04 y liderado por el Dr. Manuel Berenguel Soria.

En estos proyectos se abord el estudio de tcnicas de modelado y control ptimo


jerrquico y predictivo para diversas plantas industriales, entre las que se encuentra el
sistema productivo estudiado en esta tesis.

9
Introduccin

1.7 Estructura de la tesis

El captulo 2 describe los materiales y mtodos empleados. En concreto, se explican los


ensayos realizados, los sensores y el equipo de laboratorio utilizado en las mediciones de
las diferentes variables. Tambin, se describe el sistema de adquisicin de datos y control
del invernadero as como los actuadores utilizados. Un aspecto de inters que tambin se
trata son las herramientas metodolgicas y los entornos de desarrollo de software utilizados
para la implementacin de modelos.

El captulo 3 est dedicado al modelado de crecimiento y desarrollo en tomate. Se describe


en primer lugar un marco de referencia que permite conocer los efectos de las variables
ambientales sobre los procesos fisiolgicos de las plantas. Posteriormente, se describen los
modelos utilizados Tomgro modelo reducido [Jon97], [Jon99] y Tomsim [Heu96a],
[Heu96b], [Heu99]. Se desarrolla el proceso de estimacin de parmetros para adaptarlos a
las condiciones experimentales del presente trabajo, se analiza la sensibilidad de los
modelos a los parmetros y se lleva a cabo la validacin de los modelos. En este captulo
tambin se incluye el efecto de la salinidad, dficit hdrico y dficit de presin de vapor de
agua sobre el rendimiento.

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.

El control de calefaccin y riego se abordan en el captulo 5, como herramientas bsicas


necesarias para la consecucin de los objetivos del problema global de optimizacin. Se
describen en principio los principales enfoques utilizados para el control de temperatura
nocturna, desarrollando a continuacin un algoritmo de control predictivo basado en
modelo que no requiere de la modificacin de los sistemas clsicos de calefaccin pero que
facilita el ahorro energtico mediante la implementacin de un programa de computador.
Las prestaciones del algoritmo desarrollado han sido demostradas en condiciones de
produccin real, mostrndose algunos resultados representativos. Otra parte de este
captulo describe los mtodos de riego utilizados en invernadero y los resultados obtenidos
al aplicar control de riego utilizando el modelo de transpiracin desarrollado.

El capitulo 6 plantea de forma genrica los distintos enfoques de control de la produccin


en invernadero aplicados durante los ltimos aos. Se formula un problema de control
desde un enfoque multiobjetivo, que incluye maximizacin de beneficios, calidad de frutos
y eficiencia en el uso del agua. Se plantean distintas alternativas en la resolucin del
problema multiobjetivo, mostrando los resultados alcanzados con la alternativa
seleccionada y que conforman el conjunto factible y de soluciones no dominadas.

Finalmente, en el captulo 7 se indican las conclusiones finales y las recomendaciones de


trabajos futuros de investigacin. No obstante, cada captulo sealan en su apartado final
las conclusiones especficas.

10
Material y mtodos

2.1 Localizacin y descripcin de invernaderos

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.

2.1.1 Invernadero Estacin Experimental Las Palmerillas

Se trata de un invernadero con orientacin este-oeste y superficie de 877 m2. Su permetro


est construido con hileras de seccin transversal tipo I cuyos postes estn instalados en
zapatas de hormign cada 2 m e inclinados 65, con el extremo superior unido por
miembros horizontales con seccin tipo L. Las paredes laterales estn formadas por cables
y barras verticales ancladas al suelo y unidas a los miembros horizontales. Las partes
superiores de las barras verticales y los postes inclinados estn unidos a cables tensados
que forman parte de una malla de 2x2 m. La parte superior del invernadero est soportada
por postes verticales con zapatas de hormign distribuidos a distancias de 8x2 m entre ellos
[Per04].

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.

El sistema de ventilacin natural consta de ventanas laterales y cenitales. Las ventanas


laterales estn colocadas en los lados norte y sur, accionndose mediante un sistema de eje
activado por un motor de corriente alterna, sobre el cual se enrolla el plstico al abrir y se
desenrolla para cerrar.

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.

2.1.2 Invernadero comercial

Es del mismo tipo que el invernadero descrito anteriormente en cuanto a estructura y


cubierta, pero con una superficie de 10000 m2, dedicando una seccin de 1200 m2 en el
experimento. Las ventanas laterales y cenitales son manuales y no dispone de instalaciones
de calefaccin. Las figuras 2.1B, 2.2B y 2.3B muestran imgenes del invernadero y sus
ventanas cenitales y laterales respectivamente.

2.2 Ensayos realizados


2.2.1 Ensayos para la validacin de los modelos de crecimiento y
desarrollo de cultivo de tomate

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

A) Invernadero EEP B) Invernadero comercial


Figura 2.1 Vista general de los invernaderos

A) Invernadero EEP B) Invernadero comercial


Figura 2.2 Ventilacin cenital

A) Invernadero EEP B) Invernadero comercial


Figura 2.3 Ventilacin lateral

13
Material y mtodos

Tabla 2.1 Datos generales y climticos de los ensayos


Densidad Temperatura Mxima Mnima Radiacin PAR
Ensayo Campaa Das Fecha de Fecha final Variedad plantas promedio Temperatura Temperatura promedio
trasplante (m-2) diaria (C) promedio promedio diaria mol m-2 d-1
diaria (C) C
1 Primavera 143 10-Ene-2003 1 -Jun-2003 Belle 2.01 17.5 23.4 9.8 11.47
2003
2 Otoo 146 21-Ago-2003 13-Ene-2004 Boludo 2.0 19.5 25.7 13.7 14.56
2003
3 Primavera 171 19-Ene-2004 7-Jul-2004 Boludo 2.0 19.3 27.4 12.1 14.25
2004
4 Otoo 146 27-Ago-2004 19-Ene-2005 Boludo 2.0 19.5 33.4 12.2 13.08
2004
5 Primavera 98 11-Mar-1999 16-Jun-1999 Ramy 3.04 20.1 24.8 14.6 11.53
1999
6 Primavera 98 11-Mar-1999 16-Jun-1999 Ramy 4.02 20.1 24.8 14.6 11.53
1999

14
Material y mtodos

A) Mquina de calefaccin B) Ventilador de distribucin de aire


Figura 2.4 Sistema de calefaccin

2.2.2 Mediciones realizadas


2.2.2.1 Fenologa

En ocho plantas distribuidas aleatoriamente en el invernadero se realizaron mediciones del


nmero de nodos, nmero de nodos a primer racimo, aparicin de flores, cuajado de frutos,
nmero de nodos cuando aparece primer fruto y nmero de nodos cuando ocurre la
maduracin de primer fruto. Estas observaciones fueron tomadas con una frecuencia de
ocho das.

2.2.2.2 Biomasa

En todos los ensayos se realiz la determinacin de biomasa inicial en la fecha de


trasplante y posteriormente cada cierto periodo de tiempo durante el ciclo de cultivo se
hicieron muestreos destructivos con la finalidad de evaluar biomasa. La tabla 2.2 resume la
cantidad de muestreos que se realizaron en cada ensayo. En cada uno de ellos se
seleccionaron seis plantas, las cuales fueron separadas por rganos (hojas, tallo, frutos),
pesadas en fresco y llevadas a estufa de secado donde se mantuvieron entre 60 y 70 C
hasta que el peso fue constante, pesndose nuevamente en una balanza con resolucin 0.1
g. Cuando se realizaron destallados o podas, la materia seca fue determinada y considerada
para la calcular la materia seca total. La figura 2.5 muestra el equipo de laboratorio
utilizado en la medicin de biomasa.

Tabla 2.2 Nmero de muestreos de biomasa por ensayo


Ensayo Nmero de muestreos Plantas por muestreo Promedio de intervalo de das
entre muestreos
1 6 6 27
2 10 6 20
3 9 6 22
4 8 6 23

2.2.2.3 ndice de rea foliar

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

A) Estufa de secado B) Balanza digital


Figura 2.5 Equipo de laboratorio para mediciones de biomasa

2.2.2.4 Mediciones para calcular rea foliar especfica

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).

2.2.2.5 Medicin de dinmica de frutos

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).

2.3 Sustrato y sistema de riego y nutricin

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.

El sistema de distribucin de fertirriego es por goteo con ramales portagoteros separados


1.8 m, con un gotero por cada taco de lana de roca. El caudal de los goteros fue de 2 l h-1 a
una presin de 1 kg cm-2. El coeficiente de uniformidad del sistema fue de 94% en el
invernadero de la EEP y de 90% en el invernadero comercial.

En las instalaciones de la EEP el agua de riego es de buena calidad y sus caractersticas y


las concentraciones de la disolucin nutritiva aportada se indican en la tabla 2.3; para las
condiciones de produccin comercial las caractersticas del agua y disolucin nutritiva
aportada se indican en la tabla 2.4, donde se puede apreciar que el agua es de menor
calidad.

Para el desarrollo de la tesis tambin se acondicion un sistema de suministro de


disolucin nutritiva, diferente al sistema normal de riego, que permitiese efectuar ensayos
de control de riego basados en modelos de transpiracin. Este sistema est constituido por
un depsito de disolucin nutritiva, vlvulas y tuberas de distribucin que se acoplan al
sistema de distribucin normal de riego.

2.4 Sistema de medida y control


2.4.1 Mediciones de las variables climticas en el interior y el exterior
del invernadero

En el exterior del invernadero se midieron las siguientes variables: temperatura ambiente,


humedad relativa, radiacin global, radiacin fotosinttica activa (PAR), presencia de
lluvia, velocidad y direccin del viento y temperatura en la cara exterior de la cubierta del
invernadero. Los sensores de temperatura de cubierta se ubicaron en las caras orientadas al
este (dos sensores) y al oeste (dos sensores); el resto de los sensores se ubicaron en la parte
superior del invernadero, como se puede apreciar en la figura 2.1.

En el interior se han tomado medidas de las variables que se describen a continuacin,


indicndose entre parntesis la cantidad de sensores que se han utilizado: temperatura
ambiente (1), humedad relativa (1), temperatura de suelo a 40 y 1 cm de profundidad (1 en
cada capa de suelo), temperatura de la malla que cubre el suelo (2), temperatura de la
cubierta del invernadero en su cara interior (4), temperatura de hoja de las plantas (4),
radiacin PAR (1), radiacin global (1), concentracin de dixido de carbono (1) y
velocidad de viento (1). Los sensores de temperatura, humedad relativa del ambiente y
dixido de carbono, se ubicaron a 2.5 m del suelo, mientras que los de radiacin PAR y
radiacin global se instalaron a 3.5 m del suelo. El sensor de velocidad de viento interior

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.

A) Temperatura y humedad relativa B) Temperatura de hoja

C) Velocidad de aire en el interior y sensor de D) Temperatura de cubierta


dixido de carbono
Figura 2.6 Sensores utilizados en la medicin de variables climticas

18
Material y mtodos

A) Medidor de dixido de carbono B) Radiacin global y radiacin PAR

C) Temperatura de suelo D) Temperatura de malla de suelo


Figura 2.7 Sensores utilizados en la medicin de variables climticas

A) Computador y software de control B) Sistema de potencia para dispositivos de


actuacin
Figura 2.8 Sistema de control de invernadero

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

AR- Agua de riego C- Crecimiento F- Floracin P- Produccin CE- Conductividad elctrica

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.

2.4.2 Mediciones para la evaluacin del balance hdrico

Con la finalidad de evaluar el balance hdrico en el sistema de cultivo sin suelo, se


realizaron mediciones de transpiracin mediante una balanza-lismetro. Este sistema est
formado por una estructura metlica que soporta un bloque de lana de roca, sobre el cual se
desarrollan las plantas de las que se mide la transpiracin; la estructura se monta sobre la
plataforma de la balanza, de manera que cualquier cambio en peso de las plantas o del
contenido de agua del bloque de lana de roca es registrado por el software de la balanza. La
balanza tiene capacidad de 60 kg (mxima de 135 kg), resolucin de 1 gr, plataforma de
500x400 mm, (modelo QA60FEG-S, Sartorius); los drenajes del sistema fueron conducidos
para su medida a un recipiente colocado sobre una balanza (CW1P1-15DC, Sartorius) con
capacidad de 15 kg, resolucin de 1 gr, plataforma de 320x240 mm y puerto de
comunicacin RS-232C.

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.

En el sistema de nutricin y riego de las plantas tambin se realizaron mediciones de:


potencial de hidrgeno (pH), conductividad elctrica (XCE), tanto en la disolucin nutritiva
de aporte como en los drenajes y de volumen de la solucin nutritiva aportada y volumen
de drenaje. El volumen de aporte y de drenaje fue medido en dos escalas de tiempo:
medidas automatizadas cada minuto y mediante recogida de aporte y drenaje diario; en
estas muestras se hicieron mediciones de pH y XCE, utilizadas para el manejo de consignas
del sistema de fertirriego.

21
Material y mtodos

Tabla 2.5 Caractersticas de los sensores climticos y de lana de roca utilizados


Variable Fabricante Rango Precisin Sensor Modelo
Dixido de Telaire 0 3000 ppm 50 infrarrojo 2001VTC
Carbono Siemens 0 3000 ppm 30 infrarrojo ZPF-DZ

Radiacin ITC 0 700 W m-2 10 W m-2 fotodiodo MRG-1P


PAR
Radiacin ITC 0 3000 W m-2 10 W m-2 termopila MRP-1P
Global
Velocidad de Young 0 50 m s-1 1 m s-1 codificador 03102
viento (*)
Direccin de Young 0 360 1 potenci- 03202
viento metro
Velocidad de 0 10 m s-1 0.1 m s-1 hilo caliente
viento (**)

Drenajes Thies 0 - 100 mm 0.1 mm ultrasonido U.Evapora-


transmitter
Humedad ITC 0 - 100 5% Estado slido ITC-HR
relativa
Temperatura:
Aire ITC - 20 80 C 0.1 C PT-100 ITC-P01
Hojas, malla ITC -20 80 C 0.1 C Estado slido ITC-P02
de piso y
cubierta.
Sustrato y ITC -20 80 C 0.1 C Pt-100 ITC-S01
suelo a 40 cm
En sustrato:
Temperatura Cultilene- -5 50 C 1.5 C semiconduct Spider-Wet
Delta-T or
Contenido de Cultilene- 20 90 % 5% FDR Spider-Wet
Humedad Delt-T
CE Cultilene- 0 30 1.5 FDR Spider-Wet
Delta-T mS cm-1
En aporte y
drenajes:
pH Hanna 0 14 pH 0.5 % HI-1090B/6
CE Hanna 0- 10 mS cm-1 2 % HI-7637

FDR Respuesta en el dominio de la frecuencia. * exterior ** interior

22
Material y mtodos

A) Detalle de balanza-lismetro B) Balanza para medicin de drenajes

C) Conductividad elctrica en drenaje D) Conductividad elctrica, temperatura y contenido


de humedad en lana de roca

E) Medicin diaria de drenajes F) Medicin de volumen, pH y conductividad


elctrica de la disolucin nutritiva de aporte
Figura 2.9 Sensores utilizados en la medicin del balance hdrico

2.5 Herramientas estadsticas y de ajuste de parmetros


2.5.1 Herramientas estadsticas

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

El mtodo de mnimos cuadrados se ha utilizado en la estimacin de las combinaciones de


parmetros para ajustar los modelos, considerando lo establecido en [Cre94] y [Koc87].
Concretamente, se ha implementado la tcnica que minimiza el criterio de mnimos
cuadrados ponderados establecido mediante la siguiente ecuacin:

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.

Los modelos presentan un comportamiento complejo y contienen una gran cantidad de


parmetros, por tanto la estimacin de la funcin propuesta en (2.1) no es sencilla
utilizando tcnicas clsicas de optimizacin no lineal y requiere de tcnicas de
optimizacin iterativas; en stas se desarrolla el siguiente proceso general: inicializacin,
ejecucin del algoritmo de bsqueda, revisin de un criterio de finalizacin, si ste se
cumple finaliza el proceso y si no, se ejecuta nuevamente el algoritmo de bsqueda
[Bla99].

En el proceso de optimizacin de la ecuacin (2.1) se utiliz el mtodo de bsqueda


secuencial directa. En el mismo se realiza bsqueda iterativa de los valores establecidos
entre los lmites inferior y superior, con un incremento establecido de forma que en cada
iteracin se obtiene un conjunto de parmetros que minimizan el criterio descrito mediante
(2.1). Los valores de los parmetros se van refinando y los lmites van cambiando en las
sucesivas iteraciones, de manera que disminuyen los lmites del intervalo de bsqueda y
tambin el incremento en la variacin de los parmetros. En el proceso se parte de
condiciones iniciales en las que se asume que el mnimo se encuentra en el intervalo de
bsqueda, por ello se definen lmites suficientemente amplios que aumentan la
probabilidad de contener el mnimo. El mtodo anterior presenta la ventaja de que con
incrementos grandes en el valor de los parmetros el costo computacional es bajo y se
aproxima una solucin. No obstante para refinar los valores al hacer menor el incremento
de bsqueda, el costo computacional incrementa.

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.

2.5.2 Anlisis de sensibilidad

En el proceso de calibracin y validacin de modelos el anlisis de sensibilidad constituye


una herramienta muy til porque hace posible conocer el comportamiento del modelo ante
variables y parmetros de entrada. Por ello en el contexto de la evaluacin de los modelos
que se abordan en esta tesis se ha realizado un proceso de anlisis de sensibilidad. Este tipo
de anlisis tiene importancia porque puede revelar el impacto de las variables de entrada,
las condiciones iniciales o los parmetros del modelo sobre la evolucin de las variables de
estado y es frecuentemente una herramienta que da luz sobre la estructura y el
comportamiento de los modelos complejos [Hen94].

24
Material y mtodos

Las simulaciones de un modelo dinmico estn determinadas fundamentalmente por los


siguientes elementos: la estructura matemtica del modelo, las entradas de control y las
perturbaciones, las condiciones iniciales y los parmetros del modelo [Hen94]. En un
contexto ms general, cuando se considera la sensibilidad con respecto a los factores, el
trmino factor se debe interpretar en un sentido muy amplio, es algo que puede ser
cambiado previo a la ejecucin del modelo, posiblemente desde una distribucin continua
o discreta, a priori o a posteriori [Sal04]. La sensibilidad de un modelo respecto a un
parmetro es el cambio que se produce en la variable de salida en respuesta a un cambio en
el valor del parmetro [Cam96].

El anlisis de sensibilidad frente a los parmetros o condiciones iniciales de los modelos se


ha realizado utilizando mtodos numricos [Cam96]. En este proceso, se calcula la funcin
de la ecuacin (2.1) del modelo correspondiente con cada uno de los parmetros estimados,
considerando un intervalo de variacin de 10% respecto al valor ptimo obtenido del
parmetro que se evala. Algunos autores indican que para calcular la sensibilidad de
salidas y parmetros, un 5 % de intervalo de variacin del parmetro es usualmente
suficiente [Tho00].

2.6 Herramientas de modelado y simulacin

En un contexto general el proceso de modelado incluye varias etapas: definicin de los


objetivos del modelo, definicin de la estructura del mismo, representacin matemtica del
modelo, solucin de las ecuaciones matemticas mediante un programa computacional y
simulacin e interpretacin de las simulaciones del modelo en relacin a los objetivos
planteados [Tho00].

En el contexto del presente trabajo se parte de las ecuaciones de los modelos y se


desarrolla un proceso especfico de modelado cuyo resultado final permite comparar la
bondad de los modelos respecto a las mediciones de los ensayos. La figura 2.10 muestra
las etapas del proceso. El concepto de validacin del modelo es un concepto cuestionado,
pues algunos autores consideran que un modelo difcilmente ser validado ya que a la luz
de los conocimientos actuales, en el mbito agronmico, se trabaja con hiptesis de trabajo
representadas en modelos y que por tanto ellas son superadas con cierta frecuencia por
otras mejores [Tho00]. No obstante, es un trmino ampliamente utilizado tanto en el
mbito de simulacin de sistemas, como en el agronmico [Whi86].

Las herramientas de software utilizadas son: Matlab [Mat98a], Simulink [Mat98b] y


Labview [Nin00]. Matlab es un entorno de programacin matemtica de alto nivel basado
en vectores y matrices, permite clculos numricos intensivos y la posibilidad de construir
grficos y visualizacin avanzada. Incluye una amplia coleccin de funciones matemticas
que facilitan el desarrollo de programas y la posibilidad de programacin simblica.

Simulink funciona con el enfoque orientado a bloques en el que los modelos se


implementan de forma jerrquica. Cada bloque del modelo se compone de un vector de
entrada, un vector de salida y un vector de estados continuos, discretos o la combinacin
de los dos. En el desarrollo de los modelos se ha utilizado Matlab ligado a Simulink que
funcionan en interaccin constante. La forma de interaccin entre estos dos entornos ha
sido descrita con amplitud y claridad en [Rod02].

25
Material y mtodos

E s tru ctu ra m a tem tic a


d el m o d e lo Labview es un entorno que se ha desarrollado para
adquisicin, registro, tratamiento y visualizacin de
seales, adems de control y automatizacin de
Im p lem en ta c i n
d e l m o d e lo
procesos. Hace posible realizar clculos complejos de
seales analgicas y digitales capturadas a travs de
tarjetas de adqusicin de datos, puertos serie y buses de
A n lis is d e intercambio de propsito general (GPIBs). Es un
s e n s ibilid a d p relim in a r entorno totalmente grfico que facilita el entendimiento
y manejo del entorno para el diseador y programador
de aplicaciones bajo el enfoque de adquisicin de datos
A ju s te y control supervisado (SCADA).
p a ra m tric o

A diferencia de los lenguajes clsicos de programacin


basados en texto, en Labview se trabaja con instancias
A n lis is d e
s e ns ib ilid a d fin a l de elementos grficos y la programacin se basa en
realizar el flujo de datos, donde son los datos los que
determinan la ejecucin del programa, en contraste con
V alid a c i n d e l aqullos, en donde las instrucciones determinan la
m o d e lo ejecucin del programa.
Figura 2.10 Fases en el proceso de
modelado

El entorno Labview en combinacin con Matlab y Simulink fueron utilizados para el


desarrollo de aplicaciones de monitorizacin y control de ventilacin, calefaccin, y riego
en invernadero.

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

El crecimiento puede ser definido como un incremento en biomasa o incremento de las


dimensiones de la planta, es decir, un cambio desde un punto de vista cuantitativo [Cha95],
o bien como un incremento en peso o altura de los rganos de la planta [Gou94].
Desarrollo es un concepto que indica un cambio o proceso organizado (aunque no siempre)
hacia un estado superior, ms ordenado o ms complejo [Bid74]. El desarrollo implica
aspectos cualitativos que no son solamente transiciones de fase como es el cambio de
estado juvenil a adulto, sino tambin formacin de nuevos rganos, el envejecimiento de
rganos de la planta [Cha95], o bien el inicio de establecimiento de frutos (cuajado), o
llenado de tubrculos, cambios en la apariencia de la planta que pueden ocurrir aunque no
haya incremento en peso [Gou94]. El desarrollo es un proceso irreversible de cambio en el
estado de un organismo, el cual generalmente progresa de acuerdo a un patrn ms o
menos fijo y especfico de la especie [Gou94].

Abordar el crecimiento y desarrollo de los cultivos es adentrarse, hasta donde los


conocimientos actuales lo permiten, en la comprensin de los procesos fisiolgicos que los
determinan. En las plantas los procesos fisiolgicos elementales son: fotosntesis,
respiracin, actividades metablicas, absorcin de agua y nutrientes, el transporte de agua
y nutrientes, transpiracin y la generacin de estructuras reproductivas. Muchos de estos
procesos tienen sus lmites determinados desde su potencial gentico, pero son el ambiente
microclimtico y los sustratos que los subyacen, la nutricin y enzimas especficas quienes
juegan un papel importante en ellos [Moh95].

La fotosntesis, como el proceso ms importante de los vegetales, permite la captura de


molculas de dixido de carbono para transformarlas en compuestos de carbono orgnico,
todo ello con la importante ayuda de la luz, que proporciona la energa necesaria para
realizar los procesos bioqumicos en las estructuras de los cloroplastos. Es pues este
proceso la base para explicar el crecimiento de las plantas.

El proceso de respiracin est involucrado en la generacin de energa necesaria para otros


procesos bsicos. Los procesos ms importantes identificados hasta la fecha (desde la
perspectiva del carbono y el balance de energa), que requieren de la respiracin son:
biosntesis de nueva masa estructural, translocacin de fotosintatos o asimilados desde las
fuentes hasta los lugares de demanda (sumideros), absorcin de iones de la solucin del
suelo (o substrato), asimilacin de nitrgeno y azufre en compuestos orgnicos,
construccin de protenas y mantenimiento del gradiente inico celular [Amt00].

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].

En el modelado de crecimiento y desarrollo de cultivos en invernadero, el microambiente


ha sido bastante estudiado por su gran importancia, ya que incluye los principales
elementos que tienen efecto sobre los procesos fisiolgicos de la planta: radiacin solar,
concentracin de CO2 y temperatura. La radiacin considerada es aqulla cuya longitud de
onda est en el rango utilizado por las plantas, es decir la luz fotosinttica activa. Hay otros
elementos limitantes que intervienen como la humedad del ambiente. Diversos autores
matizan la importancia de los elementos antes mencionados, as para Challa y
colaboradores [Cha95] los mayores factores del clima en el interior del invernadero son:
concentracin de CO2, temperatura del aire y presin de vapor de agua; la radiacin puede
ser considerada como una condicin de contorno ya que es impuesta por el clima exterior.
Se describen a continuacin estos elementos y su efecto en los procesos fisiolgicos y en el
crecimiento o desarrollo de los vegetales. Puesto que la bibliografa es muy extensa al
respecto, se citan los trabajos que se han considerado ms significativos.

3.1.1 Radiacin fotosinttica activa

La luz es una radiacin electromagntica emitida cuando un par de polos


electromagnticos, separados por una pequea distancia, oscilan y causan un cambio en el
campo de fuerzas [Law93]. La onda electromagntica est caracterizada por su longitud de
onda, que es la distancia entre mximos positivos o negativos de la onda senoidal, y por la
frecuencia, que es el nmero de oscilaciones por unidad de tiempo [Law93].

La luz es el elemento fundamental del ambiente que interviene en el proceso distintivo de


los vegetales que es la fotosntesis, en el que los pigmentos vegetales la absorben y la
convierten en energa estable y acumulable. Este proceso es manejado por radiacin de
400-800 nm de longitud de onda y el concepto radiacin fotosinttica activa (RFA
PAR) es aplicado a esa distribucin espectral [Law93].

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].

El nivel de radiacin es importante para el proceso fotosinttico; bajas intensidades de luz


causan estrs en las plantas y limitan la fotosntesis, altas intensidades de radiacin pueden
tambin originar estrs a las plantas y resultar en un dao al aparato fotosinttico,
permitiendo fotoinhibicin de larga duracin (das) e incluso en casos extremos trae
consigo la ruptura de molculas de clorofila [Lam98].

28
Modelos de crecimiento y desarrollo en tomate

No obstante, las plantas tienen capacidad de aclimatarse a altos o bajos niveles de


radiacin en una escala de varios das y en varios niveles de integracin: 1) pueden
cambiar la fraccin de biomasa invertida en hojas, tallos y races; 2) son capaces de
modular la superficie de la hoja por unidad de biomasa invertida en las hojas, mediante el
cambio de su anatoma; y 3) pueden cambiar la inversin relativa de nitrgeno entre los
componentes fotosintticos [Eva01].

La absorcin de radiacin es posible de modelar considerando el principio de que la


absorcin de cuantos luminosos aumenta en la medida que incrementa la superficie foliar,
pero el mutuo sombreo decrementa la intercepcin [Mar98], as la radiacin PAR
promedio decrece exponencialmente a travs del dosel vegetal, y la atenuacin de la luz
depende tanto de la cantidad como de la forma en que estn distribuidas las hojas [Lam98].
A nivel de hoja, la absorcin de radiacin fotosinttica activa es de aproximadamente 80-
85% [Heu96a], mientras que a nivel de dosel la absorcin resulta mayor, ya que la
radiacin es dispersada y las hojas tienen mltiples oportunidades para absorberla, (con un
ndice de rea foliar de 3 m2 m-2 se absorbe casi el 90% de radiacin PAR [Gij95].

La eficiencia en la transformacin de energa solar absorbida a materia seca est


caracterizada por la eficiencia de uso de radiacin, definida como la proporcin entre la
materia seca producida y la energa interceptada [Bon00]; cuando esta eficiencia es
expresada en trminos de CO2 fijado, se le conoce como eficiencia de radiacin o
rendimiento cuntico fotoelectroqumico, presentando valores tpicos alrededor de 0.06
mol-CO2 mol-1-fotn, en condiciones favorables y concentracin atmosfrica normal de
dixido de carbono [Lam98]; otros estudios indican valores de 0.078 mol-CO2 mol-1-fotn
para begonia [Gia95], para tomate se sealan valores de: 0.081, con un coeficiente de
absorbancia por las hojas de 0.062, a 350 mol mol-1 de concentracin de CO2 [Heu96a],
de 0.10 mol-CO2 mol-1-fotn en [Ned94]; para pepino de 0.09 a 0.11 y para pimiento de
0.08 a 0.098 en [Ned94]; o bien un promedio constante para especies C3 de 0.073 mol-CO2
mol-1-fotn como se indica en [Gia95], aunque otros autores indican para este tipo de
especies C3 un valor tpico de 0.05 mol CO2 mol-1 fotn [Law93].

3.1.2 Dixido de Carbono (CO2)

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].

La conductancia estomtica incrementa a altos niveles de intensidad lumnica y decrece a


altas concentraciones de CO2 ambiente. Algunos valores indicados para esta conductancia
son: de 0.4 mol m-2 s-1 (0.096 m s-1) en mediciones con estomas abiertos [Law93], 1 mol
m-2 s-1 (0.024 m s-1) en estomas abiertos y alta densidad de estomas [Lam98]; en estomas
cerrados de 0.01 mol m-2 s-1 (0.00024 m s-1) [Law93], en estudios realizados en tomate y
pepino fue muy baja y alcanz 0.02 a 0.025 mol m-2 s-1 (0.00048-0.0006 m s-1) [Ned93]; la
conductancia en la cutcula es muy baja, del orden de 0.005 mol m-2 s-1 (0.000012 m s-1) o
an de magnitud inferior [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].

La conductancia interna vara bastante entre especies y se correlaciona a la capacidad


fotosinttica de la hoja. Es posible separar la conductancia interna antes mencionada en
conductancia en el espacio intercelular y la conductancia del mesfilo, la primera depende
de la geometra de los espacios de aire del mesfilo, y sus valores fluctan entre 4 y 0.8
mol m-2 s-1, hojas con altas tasas fotosintticas tienen grandes espacios interiores [Law93],
mientras que la conductancia del mesfilo incluye una serie de resistencias en las fases
lquidas de la pared celular, membrana celular, hialoplasma, membranas del cloroplasto y
estroma hasta el sitio de la enzima activa [Law93]. Esta resistencia del mesfilo es dificil
de estimar porque la concentracin de CO2 en el sitio de la enzima es desconocida. Se
conoce, no obstante, que el contenido de CO2 en el cloroplasto es un 30% inferior respecto
al del espacio intercelular [Law93]; algunos autores asumen una conductancia del mesfilo
muy baja, del orden de 0.005 m s-1 [Heu96a].

Para analizar las limitaciones de la difusin de CO2 es conveniente utilizar el trmino


resistencia, ya que su propiedad aditiva permite obtener una resistencia total. Cuando se
consideran flujos, sin embargo, es ms conveniente utilizar el trmino conductancia,
inverso de la resistencia, porque el flujo vara en proporcin a la conductancia como se
seala en [Lam98].

30
Modelos de crecimiento y desarrollo en tomate

La eficiencia de conversin de luz se incrementa con la concentracin de CO2, por ejemplo


en berenjena se indican eficiencias mximas de 8.5, 11.4 y 12.0 g CO2 J-1 a 400, 800 y
1200 ppm de concentracin de CO2 respectivamente [Han93], en amaranto de 8.9 y 9.0 g
CO2 J-1 a 400 y 1200 ppm de CO2 respectivamente [Han93], en tomate fue 23% ms alta la
tasa de fotosntesis mxima a concentraciones de CO2 de 500 mol mol-1 respecto a 340
mol mol-1 [Heu96a]. Se ha indicado tambin mayor eficiencia de radiacin fotosinttica
en tomate de primavera, de 0.08 y 0.1 mol-CO2 mol-1-fotn en concentraciones de 350 y
1000 mol mol-1 CO2 respectivamente; y en pepino cultivado en otoo de 0.10 y 0.15 mol-
CO2 mol-1-fotn para concentraciones de 350 y 1000 mol mol-1 CO2 respectivamente en
estudios realizados en [Ned94], aunque en begonia la eficiencia de radiacin PAR a 900
mol mol-1 CO2 fue de 0.059 mol mol-1, menor que a 600 mol mol-1 CO2 que fue de 0.066
mol-CO2 mol-1-fotn [Gia95]. En Musa paradisiaca cultivada a 700 mol mol-1 de
concentracin de CO2, durante una semana, la fotosntesis neta fue 22.1% ms alta que a
concentracin ambiente, mientras que cuando la duracin fue de ocho semanas la
fotosntesis neta disminuy en 18.1% [Sun01]

La concentracin de CO2 sobre la fotosntesis muestra que a elevadas concentraciones (70


Pa de CO2) con exposiciones prolongadas hay una reduccin de la capacidad de
fotosntesis asociada a reducidos niveles de la enzima rubisco y nitrgeno orgnico por
unidad de rea foliar [Lam98]. Esta regulacin hacia abajo incrementa con la duracin de
exposicin de CO2 y es ms pronunciada en plantas cultivadas con bajo suministro de
nutrientes [Lam98]. Las plantas herbceas reducen consistentemente su conductancia
estomatal en respuesta a elevadas concentraciones de CO2, esto significa que la presin
intercelular no incrementa cuando se incrementa la concentracin de CO2 en el aire
[Lam98].

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].

A altas temperaturas la reaccin de oxigenacin de la enzima rubisco incrementa ms que


la reaccin de carboxilacin, y la fotorespiracin viene a ser proporcionalmente ms
importante. Esto es parcialmente causado porque la solubilidad del CO2 disminuye ms
acentuadamente que la solubilidad del O2, adems la temperatura ejerce efecto sobre las
propiedades cinticas de rubisco, por lo que la fotosntesis neta declina a altas temperaturas
[Law93], [Lam98]

En plantas capaces de tolerar fro, el crecimiento a bajas temperaturas incrementa el


contenido de clorofilas, carotenoides, plastoquinonas y citocromos, pero generalmente las
proporciones permanecen muy similares (esto es, la proporcin de complejos de captacin
de luz de fotosntesis respecto a los fotosistemas). Los lpidos de los tilacoides tambin
pueden alterarse con la temperatura a la cual ellos se desarrollan. Las enzimas de
fotosntesis pueden ser modificadas en hojas cultivadas a diferentes temperaturas [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].

En [Red98] se seala que en fotosntesis de algodn el enriquecimiento de CO2 a


temperaturas altas puede ser ms beneficioso que a regmenes de temperaturas bajas, la
tasa de fotosntesis neta se increment desde 24 mol CO2 m-2 s-1 con temperaturas da-
noche de 26-18 oC y 350 ppm de concentracin de CO2 hasta 41 mol CO2 m-2 s-1 en
temperaturas de 36-28 oC y 700 ppm de CO2 .

En tomate la temperatura de las primeras semanas de crecimiento de las plntulas


determina el nmero de hojas que se forman antes del primer racimo. El nmero se
incrementa por encima del mnimo de hojas usual (siete) en la medida en que la
temperatura se incrementa. La intensidad de la luz tambin afecta el nmero de hojas, pues
poca cantidad de luz induce alto nmero de hojas. En experimentos con alta temperatura y
baja cantidad de luz, result en una planta con 18 hojas antes del primer racimo [Kin73].

La temperatura tiene un efecto muy significativo de promover la velocidad de floracin y


sta puede ser modelada por una relacin cuadrtica con la temperatura promedio diaria
[Kon94]. Diferencias importantes de temperatura entre el da y la noche (27-19) indujeron
menor velocidad de floracin que la esperada a temperatura promedio de 24 h [Kon94]. El
establecimiento o cuajado de frutos muestra una alta correlacin con la temperatura [El-
Ahm79], [Kon94] con temperaturas ptimas entre 19 y 20 C [Kon94].

El efecto de temperatura en tomate en etapa de maduracin de fruto, comparando


diferentes temperaturas (14, 18, 22, 26 oC) di como resultado que las mejores
temperaturas fueron de 18 y 22 oC en cuanto a rendimiento, tasa de crecimiento y frutos
establecidos por racimo se refiere; el porcentaje de materia en fresco distribuida a frutos
fue de 47.8, 72, 75.1 y 44.6% para 14, 18, 22, 26 oC respectivamente, mientras que en
materia seca 44.4, 61.2, 61.8 y 29.1% en el mismo orden, con tiempos de maduracin de
frutos de 94.8, 64.5, 46.3 y 41.5 das para temperaturas de 14, 18, 22 y 26 oC
respectivamente [Ada01]. En experimentos con temperatura del ambiente de 20 oC y
racimos aislados a temperaturas de 15, 20 y 25 oC, el tiempo de maduracin fue de 97.4,
56.6 y 42.2 das respectivamente [Ada01].

Uno de los criterios utilizados para la estimacin de maduracin de frutos es la integral


trmica o tiempo trmico. Aikman trabajando con datos de Vertek para maduracin de
frutos en tomate concluye que hay un requerimiento de la integral de temperatura de 840
o
C-d con temperatura base de 3.5oC, mientras que estimando con datos de Hurd y Graves
estima una integral de 890oC-d [Aik96], con el mismo criterio se han estimado 812oC-d
para tomate cv Liberto por Adams y colaboradores [Ada01]; al respecto, de Koning
considera que este tipo de modelo no es apropiado, ya que los frutos de los primeros y los
ltimos racimos son ms sensibles [Kon94].

En crecimiento hay una marcada influencia de la temperatura sobre la planta, acentuado en


la diferencia entre la temperatura del da menos la temperatura de la noche, observndose
que hay un efecto significativo en longitud de nodos, altura de la planta, orientacin de la
planta, orientacin de la parte vegetativa, ramificacin lateral y elongacin de peciolos y

32
Modelos de crecimiento y desarrollo en tomate

flores, para plantas de maceta y hortalizas cultivadas en invernadero [Mys95]. La


elongacin del tallo en respuesta a temperatura se ha manifestado ms como efecto de
elongacin celular que como efecto de divisin celular [Mys95]. Los cambios a la
diferencia de temperatura pueden ser rpidos, respondiendo la mayora de las plantas
dentro las 24 horas posteriores [Mys95].

Como efecto de la disminucin de temperatura o tratamiento fro hay induccin de


floracin con efectividad de 100%, indicado en especies como Delphinium disminuyendo
de 15 oC a temperaturas entre 5 y 10 oC [Oga01]. Reduccin de temperatura durante
periodos cortos nocturnos (2 horas) indujo resistencia al fro en plantas de pepino a costo
de reduccin en produccin de biomasa, pero reducir la temperatura durante periodos de 12
h disminuye produccin de biomasa y decrementa resistencia a fro [Sys99].

La cada de temperatura incrementa la sacarosa y disminuye los almidones y el manitol en


las races, incrementa la acumulacin de materia seca en la raz y se disminuye la materia
seca en la parte vegetativa [Oga01]. Una disminucin o elevacin de temperatura en
periodos cortos durante el da (2-4 h) reducen o incrementan la altura de la planta y la
longitud entre nodo, siendo este efecto mayor en la ltima parte de la noche o primer
periodo del da [Mys95].

La alternancia de altas temperaturas da-noche de 26-21 C induce flores malformadas en


rosa, malformacin que es producto de mutaciones hometicas y en algunos casos es
cuatro veces superior que en flores desarrolladas a temperaturas de 21-15 oC [Chm01]. En
begonia con una alternancia da-noche de 14-24 oC y 18-24 oC la elongacin de tallo fue
inhibida, pero en alternancia de 24-14 oC y 26-17 oC la elongacin de peciolos y tallo fue
estimulada; sin embargo temperaturas constantes indujeron apertura floral y aparicin de
yemas florales respecto a alternancia de temperatura [Mys95].

3.1.4 Humedad relativa

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].

La humedad del ambiente tiene un efecto importante sobre la transpiracin de los


vegetales, aunque las respuestas difieren entre especies y variedades. Muy alta humedad en
el ambiente favorece la aparicin y reproduccin de enfermedades entre las que es comn
la casuada por Botrytis en tomate, y las flores y hojas pueden ser invadidas por
enfermedades fungosas reduciendo el valor de mercado de esos productos [Noo95].

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

Al estudiar el efecto de humedad en tomate se ha encontrado que comparando un dficit de


presin de vapor (DPV) bajo (1.28 kPa) con alto (1.95 kPa), no hay efecto en la
produccin de materia seca de la parte area de la planta, inducindose sin embargo un
incremento en el contenido de agua de las hojas y los frutos tratados con bajo DPV
[Gau01].

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].

3.1.5 Distribucin de fotoasimilados

Como se ha indicado la glucosa es el principal componente formado en el proceso de


fotosntesis, y es el punto de inicio y el principal substrato para los procesos de las plantas.
La glucosa es el soporte de tres funciones importantes: puede ser oxidada para proveer
energa (ATP) que maneja los procesos de sntesis y mantenimiento, puede ser oxidada
para proveer potencia de reduccin (NADPH) y cambiar as el nivel de reduccin de los
componentes y por ltimo provee los componentes bsicos de construccin de nuevo
material vegetal [Tho00].

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

3.2 Modelado de cultivos


3.2.1 Importancia y clasificacin de modelos de cultivos

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].

En la agronoma se distinguen dos grandes familias de modelos: descriptivos y


explicativos. Los modelos descriptivos engloban los estadsticos, de regresin, empricos o
de caja negra, son descripciones directas de datos e indican relaciones entre las variables
de un sistema, pero sin proporcionar ninguna explicacin de los mecanismos de esas
relaciones.

Los modelos explicativos o mecanicistas contienen submodelos con al menos un nivel


jerrquico de mayor profundidad que la respuesta que se describe [Lar90]. En un modelo
fisiolgico, cada nivel adicional de profundidad aumenta el poder explicativo del mismo.
El modelado mecanicista sigue el mtodo reduccionista tradicional que ha sido aplicado
con xito en las ciencias fsicas, biologa molecular y bioqumica [Tho0].

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].

La mayora de los modelos para prediccin de fechas de cosecha son descriptivos.


Tambin se han desarrollado muchos modelos descriptivos y explicativos para la
prediccin de materia seca.

La mayora de los modelos explicativos son modelos basados en fotosntesis. Los


componentes importantes de los modelos basados en fotosntesis son: desarrollo de rea
foliar, intercepcin de luz, fotosntesis y respiracin [Mar98].

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].

Desde el punto de vista tcnico, el desarrollo de modelos ha tenido un importante avance y


se ha constituido en una importante herramienta de investigacin en horticultura, as como
en otras reas de la produccin vegetal. Una razn para tal xito es la versatilidad de esta
tcnica, ya que ha permitido abordar marcos conceptuales y ha ofrecido estudios de caso
originales, por ejemplo la fotosntesis o la arquitectura de las plantas. Los ingenieros
requieren de procedimientos para solucionar problemas prcticos, y la horticultura es un
campo donde la prediccin de rendimientos, la evaluacin de polticas de accin o la
optimizacin de procesos puede ser muy importante [Gar98a].

Los modelos que predicen la produccin pueden constituirse en una herramienta de


importancia estratgica en las relaciones de productores y compradores. Los modelos
pueden ser utilizados como una herramienta para la estimacin de la produccin potencial
y para la identificacin de los factores principales limitantes en un rea de produccin. La
produccin en condiciones de invernadero es un sistema complejo y requiere de muchas
decisiones a diario. El entrenamiento de tcnicos y estudiantes puede ser ms rpido
usando simuladores que permitan al usuario comparar un nmero ilimitado de polticas
para el control del clima o el cultivo [Gar98a].

En la investigacin cientfica, un buen modelo debe auxiliar al investigador proveyndole


de direcciones inesperadas y perspectivas novedosas, por medio de la unificacin del
conocimiento y la explicacin de los fenmenos, y no debido sencillamente a la mera
recapitulacin o descripcin de los comportamientos biolgicos ya bien conocidos [Sal93].
Por sus caractersticas particulares, los cultivos de hortalizas pueden ser considerados
como herramientas de laboratorio para estudiar y modelar diferentes procesos de los
vegetales [Gar98a]. As pues, los modelos se constituyen como una herramienta muy
importante para el desarrollo de la investigacin postulando conceptos a partir de los datos
disponibles, desarrollando teoras y ponindolas a prueba por medio de la comparacin de
predicciones de la teora propuesta con el comportamiento de los sujetos bajo estudio
[Sal93], [Len98].

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].

3.2.2 Modelos de crecimiento de cultivos en invernadero: el caso del


tomate

En las ltimas dcadas los logros ms importantes en el modelado de cultivos se reflejan


en: 1) el significativo incremento de artculos publicados (en trminos de conceptos y
herramientas de modelado) en un campo donde la alta diversidad de especies y sistemas de
cultivos puede ser un obstculo [Gar98a], y 2) en la gran cantidad de sistemas de soporte
de decisiones para horticultura, desarrollados por institutos cientficos y por firmas
comerciales [Len98]. Los modelos de desarrollo y crecimiento de hortalizas explicativos
han llegado a tener como caractersticas fuertes la simulacin de intercepcin de radiacin
solar por el dosel y la simulacin de fotosntesis bruta [Mar98].

En trminos generales los modelos explicativos implementados han alcanzado un


desarrollo importante durante el ltimo cuarto del siglo pasado, segn algunos autores el
nmero de especies estudiadas hasta 1998 ascenda a 25 especies frutales, 23 especies
vegetales de campo, 20 ornamentales y 4 especies vegetales de invernadero; de stas
ltimas el tomate representaba la mitad de las referencias sobre vegetales modelados en
invernadero [Gar98a].

Marcelis y colaboradores [Mar98] mencionan una enorme cantidad de modelos de tipo


descriptivo para hortalizas y, por otro lado desde el punto de vista de los modelos
explicativos hay una importante cantidad de stos desarrollados para cultivos de hortalizas,
entre los cuales podemos mencionar los siguientes: pepino [Mar94]; lechuga [Hen94];
cebolla [Vis90]; tomate [Day93a], [Day93b], [Jon97], [Jon99], [Kon94], [Heu96a],
[Heu96b], [Heu99]; rosa [Koo96], [Day01], [Day02]. Heuvelink [Heu96a] cita adems
modelos para otras especies con sus respectivos autores: crisantemo [Kar85]; pepino
[Lie85], [Sch84]; lechuga [Swe81]; rosa [Lie91].

37
Modelos de crecimiento y desarrollo en tomate

Los modelos de crecimiento y desarrollo de tomate ms importantes son relativamente


recientes y son de tipo explicativo, es decir basados en procesos fisiolgicos; adems han
sido validados en diferente grado y diversas condiciones de cultivo. A pesar del avance en
este tipo de modelos hay an mucho por realizar y las debilidades ms importantes de los
modelos explicativos son: la simulacin de desarrollo de rea foliar, la respiracin de
mantenimiento, el aborto de rganos, el contenido de materia seca y la calidad de producto
[Mar98], [Heu04]. En [Heu04] se seala que en el modelado de calidad el contenido de
materia seca es un parmetro muy importante.

Tomgro es un modelo fisiolgico de desarrollo y rendimiento del cultivo de tomate, en el


que una serie de ecuaciones diferenciales representan los cambios en nmero y peso de
hojas, frutos y segmentos de tallo y en el rea de las hojas, as como nuevos rganos que
son iniciados, su edad y senescencia o aqullos que son podados. El modelo utiliza una
aproximacin fuente-demanda para distribucin de carbohidratos en el crecimiento de
diferentes rganos [Jon91a].

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].

Tomgro ha sido modificado para permitir la simulacin de crecimiento y desarrollo


individual de rganos, produciendo buenas simulaciones del nmero y peso de frutos por
racimo [Jon91a]. Tambin se le han hecho adecuaciones de interfase que permiten
establecer parmetros y condiciones iniciales antes de la simulacin [Gar95]. En la versin
ms reciente Tomgro consta de 574 variables de estado y simula con gran detalle el
desarrollo de frutos ya que cada fruto tiene posiciones especficas en cada racimo y
respecto al nmero de racimos [Ken97].

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].

De Koning [Kon94] desarroll un modelo para predecir la distribucin de materia seca de


tomate, el cual llega a tener 300 variables de estado. El nmero de rganos de crecimiento
es evaluado a travs de la prediccin de iniciacin, aborto y cosecha de rganos
individuales. Calcula la demanda de cada rgano a travs del potencial de crecimiento. Es
capaz de predecir de forma razonable la formacin de racimos, periodo de crecimiento del
fruto y la distribucin de materia seca, aunque la prediccin de frutos por racimo no
proporciona resultados muy aceptables.

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

El modelo Tomsim de produccin de materia seca y su distribucin a hojas, tallos y frutos,


fue validado con diferentes fechas de plantacin y densidad de plantas y fue
complementado con conjuntos de datos de invernaderos comerciales, lo cual es importante,
ya que este tipo de cultivos cubre una estacin completa de crecimiento, mientras que los
experimentos slo se evalan hasta 100 das despus de la plantacin. Adems permite el
anlisis de cultivo de tomate y puede contribuir significativamente como sistema de
soporte de manejo de cultivos [Heu96b].

El modelo Tompousse est destinado a simular la produccin semanal del cultivo de


tomate bajo invernadero a partir de informacin disponible dentro de las condiciones de
produccin. Las etapas clave de elaboracin de rendimiento son la transmisin promedio
de radiacin por el invernadero, la intercepcin de radiacin por la cubierta vegetal (que
depende del ndice de rea foliar), su conversin en materia seca (que depende en
particular de la cantidad de CO2 y de la distribucin de una fraccin de esta materia a los
frutos). El modelo permite simular bien las curvas de produccin en climas de tanto
contraste como son la Bretaa francesa y el Mediterrneo [Gar96].

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].

3.3 Los modelos dinmicos de crecimiento y desarrollo en tomate


utilizados
3.3.1 El modelo simplificado Tomgro
3.3.1.1 Descripcin del modelo

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).

Cantidad de nodos. La aparicin de nodos es modelada considerando la temperatura


como el elemento principal que la regula:

dX N
= Nm f N ( X ta ) (3.1)
dt

donde Nm es un coeficiente emprico que indica la velocidad de aparicin de nodos y


fN(Xta) es una funcin lineal a tramos que depende de la temperatura.

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].

ndice de rea foliar. El ndice de rea foliar es estimado por:

dX IAF exp [ ( X N N b ) ] dX N Si X IAF < C IAF,max


=
dt 1 + exp [ ( X N N b ] dt (3.3)
d ( X IAF ) Si X IAF C IAF,max
= 0.0
dt

Donde es la densidad de plantas, es un coeficiente emprico, es la mxima expansin


de rea foliar por nodo, Nb puede ser un parmetro constante o bien una funcin lineal a
tramos dependiente de la temperatura promedio diaria (Td), y tiene los siguientes valores:

46.5 Td < 8.5 C


46.5 4.0(T 8.5 ) 8.5 C Td < 12.5 C
d

30.5 2.0(Td 12.5 ) 12.5 C Td < 16.5 C



22.5 1.0(Td 16.5 ) 16.5 C Td < 20.5 C

N b = 18.5 0.5(Td 20.5) 20.5 C Td < 24.5 C (3.4)
16.5 0.25(T 24.5) 24.5 C Td < 28.5 C
d

15.5 0.125(Td 28.5) 28.5 C Td < 32.5 C



15.0 0.125(Td 32.5) 32.5 C Td < 40.5 C
14.0 Td 40.5 C

El parmetro Nb ha sido utilizado en diferentes adaptaciones del modelo reducido como un


parmetro constante [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:

CRn = C E ( FOTb Rm )(1 ( f R ( X N )) (3.6)

donde FOTb es fotosntesis, Rm respiracin, CE es la eficiencia de crecimiento, un


parmetro que expresa la conversin de carbohidratos a materia seca, y fR(XN) es la fraccin
de crecimiento distribuido a races y se considera como una funcin del nmero de nodos.
La fotosntesis est dada por la siguiente ecuacin:

Ccnvfot Fmax f tfot ( X ta ) (1 Cm ) Fmax + CK VRFA


FOTb = ln (3.7)
CK (1 Cm ) Fmax + CK VRFA exp(CK X IAF )

donde CK es el coeficiente de extincin de la luz a travs del dosel, Cm es el coeficiente de


transmisin de la luz por las hojas, VRFA es la radiacin fotosinttica activa, es la
eficiencia de aprovechamiento de la radiacin fotosinttica de la hoja, Ccnvfot es un
coeficiente para conversin de unidades de mol(CO2) m-2 s-1 a g(CH2O) m-2 min-1 , ftfot es
una funcin que modifica la fotosntesis para temperaturas subptimas a travs del da, y
Fmax calcula el efecto de CO2 de la siguiente manera:

Fmax = VCO 2 (3.8)

donde es un parmetro de eficiencia en la utilizacin de dixido de carbono y VCO2 es la


concentracin de CO2 en el interior del invernadero.

La funcin ftfot es lineal a tramos y tiene los siguientes valores:

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

La respiracin se expresa como:

tf

Rm = Q10( X ta 20 ) / 10 rm ( X PS X M )dt (3.10)


ti

donde Xta es la temperatura del aire, Q10 es la sensibilidad de respiracin a la temperatura y


rm es un coeficiente de respiracin de mantenimiento, ti es el tiempo inicial y tf es el tiempo
final. La respiracin es calculada actualizando en el tiempo la materia que se ha convertido
en frutos maduros, eso significa que en cuanto un fruto ha llegado a su madurez es
inmediatamente cosechado.

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

f R (X N ) = 0.15 0.0056 (X N 12) 12 < X N 21 (3.11)


0.10 0.0033 (X 21) 21 < X N < 30
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

Donde Cvmax es el mximo crecimiento de tejido vegetativo por nodo.

El crecimiento de la materia seca total ser el mnimo de las ecuaciones (3.5) y (3.12).

Materia seca de frutos. La materia seca de frutos es determinada por la siguiente


expresin:

dX F
dt
[ ( X N )
]
= CRn F f F (Td ) 1 e N f 1 g (Tdia ) (3.13)

Donde F es un parmetro que indica la mxima distribucin de crecimiento destinada a


frutos, Nf1 indica el nmero de nodos que tiene la planta cuando aparece el primer fruto,
es un coeficiente de transicin entre crecimiento vegetativo y fruto, la funcin fF(Td)
calcula el efecto de la temperatura promedio diaria sobre la distribucin entre crecimiento
vegetativo y reproductivo en condiciones de temperaturas bajas, mientras que la funcin
g(Tdia) modifica la distribucin a frutos en condiciones de das muy clidos, y se definen de
la siguiente manera:

0 Td 12.5 C
0.1(T 12.5 ) 12.5 C < Td 16.5 C
d

0.4 + 0.095(Td 16.5 ) 16.5 C < Td 20.5 C (3.14)


f F (Td ) =
0.78 + 0.055(Td 20.5 ) 20.5 C < Td 24.5 C
1.0-0.25(Td 24.5 ) 24.5 C < Td < 28.5 C

0 Td 28.5 C

g (Tdia ) = 1.0 0.154(Tdia Tcrit ) (3.15)

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

0.015 + 0.0058Td 15 C < Td 21 C (3.17)


DF (Td ) =
0.05 21 C < Td 35 C
0.05 0.0033Td 35C < Td 50C

0 Td > 50 C

3.3.1.2 Estimacin de parmetros del modelo Tomgro reducido

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.

0.8 Como se indic en el primer capitulo,


hay datos de seis ensayos con diferentes
0.7
pocas de trasplante. En cuatro de ellos
0.6
se cuenta con datos completos de la
dinmica de maduracin de los frutos,
0.5 variable importante en la estimacin de
peso seco total y por tanto de peso de
error

0.4 frutos, ya que la variable XM tiene efecto


sobre el proceso de respiracin, puesto
0.3
que al madurar los frutos son restados
0.2 en la estimacin de respiracin por tanto
habr ms fotoasimilados disponibles
0.1
0 500 1000 1500 2000 2500 3000
para formacin de nueva biomasa, tal
iteraciones como se describe en la ecuacin (3.10)
Figura 3.1 Evolucin de la raz del error de respiracin. Por lo anterior se
cuadrtico medio en diferentes iteraciones para consider realizar la estimacin de
estimar parmetros de ndice de rea foliar (XIAF) parmetros por separado para los
experimentos 1-4 y 5-6.

43
Modelos de crecimiento y desarrollo en tomate

Parmetros de Nodos (XN). En la calibracin del parmetro Nm, la funcin de velocidad


de aparicin de nodos fue modificada para adaptarla a las condiciones locales ya que la
funcin original cuyos valores se muestran en la tabla 3.1 proporcionaba un error mayor
del 15% en la estimacin del nmero de nodos.

El proceso de estimacin de esta funcin y el parmetro antes mencionado fue el siguiente:


con datos de la campaa de primavera de 2004 se procedi a calibrar el parmetro Nm y
buscar los puntos de inflexin de la funcin para las temperaturas que estn en el rango de
temperatura de 14 y 20 C (rango de temperaturas que fue el predominante durante la etapa
de crecimiento vegetativo), posteriormente con datos de la campaa otoo de 2003 se
procedi a buscar los puntos de inflexin para las temperaturas en el rango de temperatura
entre 21 y 26 C, que fueron los lmites temperaturas promedio diarias durante el
crecimiento vegetativo. La funcin ha sido modificada y el resultado se muestra en la tabla
3.1 y la figura 3.2A.

Tabla 3.1 Valores de la funcin fN(Xta) para la estimacin de nodos


Xta 0 9 12 20 24 28 50
fN(Xta) [Jon99] 0 0 0.55 0.775 0.88 1.0 0
fN(Xta)modificada 0 0 0.50 0.75 1.0 0.85 0

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

A) Velocidad de aparicin de nodos B) Funcin del parmetro Nb


Figura 3.2 Funciones modificadas en el modelo Tomgro

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

Tabla 3.2 Parmetros estimados de XIAF


Nb
Otoo 2003 7 0.062 0.5
Primavera 2004 12 0.062 0.5

Tabla 3.3 Valores para el parmetro Nb en funcin de temperatura


Td 0 8.5 12.5 16.5 20 24.5 28.5 32.5 40.5 60
fNb(Td) [Jon99] 50 46.5 26.5 22.5 18.5 16.5 14.5 13.5 13 10
fNb(Td)modificada 30 23 13 11 9.8 8.2 7.2 6.8 6.5 5

En los experimentos realizados se llev a cabo la eliminacin del meristemo apical


(decapitado o despunte) y por tanto en la etapa posterior a ella el incremento del rea foliar
se debe a la expansin de las hojas en crecimiento o bien al desarrollo de los brotes que se
emiten en la parte apical decapitada y que los productores normalmente no eliminan; ello
implica una reduccin en la velocidad de crecimiento del rea foliar que fue parametrizada
como un factor de reduccin respecto del crecimiento normal de rea foliar, estimado en
0.25 mediante un proceso en el cual la raz del error cuadrado promedio fue de 0.091. Este
factor se considera en el modelado de XIAF posterior a la etapa de eliminacin del
meristemo apical.

Parmetros para la estimacin de frutos (XF). Se ha calibrado la funcin para modificar


la distribucin a frutos (fF(Td)), la funcin de velocidad de desarrollo del fruto DF(Td),
ambas en funcin de la temperatura. Las modificaciones a las funciones se muestran en las
tablas 3.4 y 3.5, los parmetros se indican en la tabla 3.6.

Tabla 3.4 Distribucin a frutos en funcin de temperatura promedio diaria


Td 8.5 12.5 16.5 20.5 24.5 28.5 32.5
fF(Td) [Jon97] 0 0 0.4 0.78 1.0 0 0
fF(Td) modificado 0 0 0.7 0.85 1.0 0 0

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.

Tabla 3.5 Desarrollo de fruto como funcin de temperatura promedio diaria


Td 0 9 15 21 28 35 50
DF(Td) [Jon97] 0 0 0.015 0.05 0.05 0.05 0
DF(Td) modificado 0 0 0.025 0.05 0.05 0.05 0

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

3.3.1.3 Anlisis de sensibilidad en el modelo Tomgro

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.

En la variable XIAF los parmetros y Nb, de la ecuacin expolineal son los ms


importantes (figura 3.3B). En la estimacin de peso seco de frutos la temperatura promedio
diaria por encima de la cual hay aborto de frutos (Tcrit) y la mxima distribucin a frutos
(F) son los parmetros ms importantes, seguidos de la funcin de distribucin a frutos en
funcin de temperatura (fF(Td)), aunque el parmetro de nmero de nodos a partir de los
cuales aparece el primer fruto tiene el efecto que tambin se observa en la figura 3.3C; en
ste caso fue un dato observado pero puede ser estimado como se ha hecho por Jones y
colaboradores [Jon99]. La influencia de la mxima velocidad de desarrollo de fruto en
funcin de la temperatura sobre frutos maduros se muestra en la figura 3.3D.

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

Tabla 3.6 Parmetros estimados para Tomgro modelo reducido


Parmetro Descripcin Valor Valor Valor Rango de Valores publicados Efecto sobre Variable
datos datos datos estimacin por otros autores la variable
1999 otoo primavera
2003 2004
Nm Mxima velocidad de nodos 0.495 0.57 0.57 0.1 0.9 0.50* +++ Nodos (XN)
Nb Parmetro en ecuacin expolineal 13 7 12 3 25 16* ++
Mxima expansin de rea foliar 0.041 0.062 0.062 0.01 0.1 0.030 +++ IAF
(XIAF)
Parmetro en ecuacin expolineal 0.22 0.5 0.5 0.06 0.7 0.169* +
Vmax Mximo Incremento por nodo 6 6 - 2 12 8* +
Eficiencia de uso de luz 0.09 0.09 - 0.01 - 0.5 0.0645** +++ Materia
Eficiencia de CO2 0.12 0.12 - 0.01 0.5 0.0693** + seca total
CK Coeficiente de extincin para radiacin 0.59 0.61 - 0.3 0.9 0.58** ++ (XPS)
CE Coeficiente de conversin a materia seca 0.74 0.74 - 0.5 0.9 0.7** +++
Tcrit Temperatura crtica 24 26 - 17 32 24.4* +++ Materia
F Mxima distribucin a frutos 0.95 0.95 - 0.1-0.95 0.95* +++ seca de
Transicin vegetativa-fruto 0.24 0.38 - 0.05 0.9 0.20* + fruto (XF)
*[Jon99]; **[Jon91a] +++ muy significativo; ++ significativo; +poco significativo

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

Es interesante observar el efecto de los parmetros ms importantes sobre las variables de


estado a travs del ciclo de cultivo al ser modificados en un 10% de su valor ptimo. La
figura 3.4 muestra el comportamiento de las variables de estado ante tal cambio en la
magnitud de los parmetros. El parmetro modifica en un 10% el ndice de rea foliar a
los 55 das, que al final de la campaa puede llegar ser del 18%. De la misma manera pero
en menor magnitud el parmetro de eficiencia en el uso de la luz ( ) puede tener un efecto
del 8.4% sobre el peso seco total al final de la campaa agrcola, mientras que la
temperatura crtica (Tcrit) y la mxima distribucin a frutos (F) inciden en modificaciones
del 10% y 5.4% respectivamente sobre el peso de los frutos al final del ciclo. Lo anterior
reafirma la importancia en la estimacin adecuada de los parmetros.

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

Algunas funciones de los parmetros de estimacin de frutos, principalmente Tcrit,


presentan cierta asimetra en su comportamiento debido la no linealidad de esos
parmetros, aunque en un rango de 10% se puede asumir que la linealizacin en torno al
valor ptimo es vlida (funcin de coste simtrica) por tanto la funcin de coste puede
considerarse cuadrtica en torno a ese valor ptimo.

3.3.1.4 Validacin del modelo Tomgro

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.

Debido a la importancia del parmetro Nb en la estimacin del ndice de rea foliar se ha


registrado por separado, por un lado como constante en funcin de si el trasplante fue
realizado en verano o en campaa de primavera, y por otro en funcin de la temperatura
promedio diaria f(Td). Se muestra el comportamiento de las variables al considerarlo de una
o de otra manera. La tabla 3.9 muestra el error absoluto promedio, el error mximo y el
nmero de muestras en las campaas en que se aplicaron los parmetros estimados.

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%.

Tabla 3.8 Raz del error cuadrtico medio en el modelo Tomgro


Campaa Nb Nodos n1 XIAF Peso n2 Peso Peso n3
Agrcola seco seco seco
total frutos frutos
maduros
Primavera 12 2.5 6 0.28 50.3 6 25.4 36.1 5
2003 fNb(Td) 2.5 6 0.28 51.3 6 25.3 35.9 5
Primavera 12 0.9 15 0.30 51.9 10 48.2 42.7 8
2004 fNb(Td) 0.9 15 0.32 41.6 10 44.3 40.2 8
Otoo 7 1.8 12 0.29 64.8 9 66.3 63.1 7
2004 fNb(Td) 1.8 12 0.30 63.9 9 65.9 62.7 7
Primavera 13 0.7 10 0.13 29.5 9 50.9 nd nd
1999
[Jon99] 16 nd nd 1.43 217.8 nd 72.5 73.7 9
nd dato no disponible n1: nmero de muestreos realizados en nodos. n2: nmero de muestreos realizados
en XIAF y peso seco total, n3: nmero de muestreos en frutos. En cada muestreo se midieron seis plantas.

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

El grfico 3.8 muestra el comportamiento de las variables al aplicar los parmetros


indicados en la tabla 3.6 a la campaa primavera de 1999 del ensayo 6. El error es bastante
aceptable como se ha corroborado en la tabla 3.9, ya que para todas las variables no supera
el 9%.

Tabla 3.9 Error absoluto promedio y mximo en la estimacin de las variables


Campaa Error Nodos XIAF Peso seco Peso seco Peso seco
Agrcola total frutos frutos
maduros
Primavera Promedio 1.9 0.18 37.2 19.9 44.1
2003 Mximo 4.2 0.60 87.4 44.8 62.4
n 6 6 6 5 4
Primavera Promedio 0.7 0.22 26.1 20.7 37.1
2004 Mximo 1.7 0.47 55.8 51.8 58.3
n 15 10 10 8 5
Otoo Promedio 1.8 0.24 44.4 39.2 44.9
2004 Mximo 1.8 0.57 98.4 154.1 94.4
n 12 9 9 7 5
Primavera Promedio 0.5 0.11 23.9 42.1 nd
1999 Mximo 1.6 0.21 52.0 80.4 nd
n 9 9 9 8 nd
nd- dato no disponible para calcular error. n- nmero de muestreos realizados. En cada muestreo se midieron
seis plantas.

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

3.3.2 El modelo Tomsim

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].

3.3.2.1 Ecuaciones del modelo

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

Donde CE es el coeficiente de conversin de fotoasimilados a materia seca, FOTb,d es la


velocidad de asimilacin bruta por da y Rm,d es respiracin de mantenimiento por da.

La estimacin de fotosntesis se basa en el modelo Sukam [Gij92] que considera


fotosntesis para hojas y lo extrapola a todo el dosel. El modelo incluye clculo de
absorcin de radiacin fotosinttica por estratos del dosel, radiacin fotosinttica activa
difusa y directa que llega a cada capa de hojas. La fotosntesis se calcula as:

tf
VRFA (3.19)
FOTb ,d = ( FOTb )dt ; FOTb = FOTb ,max 1 exp Ccnv ,sm

ti FOTb ,max

Donde FOTb,max es la fotosntesis en condiciones de saturacin de luz, VRFA es la radiacin


fotosinttica activa absorbida por el estrato de hoja, Ccnv,sm es un coeficiente de conversin
de segundo a minuto y es la eficiencia en la utilizacin de la luz, cumplindose que:

FOTb ,max = FOTn ,max + Ro ,Th (3.20)

Donde Ro,Th es la respiracin obscura de la hoja a temperatura de la hoja, FOTn,max es la


mxima fotosntesis neta que a su vez se estima del mnimo entre la capacidad mxima
fotosinttica endgena (FOTe,max) y la fotosntesis neta mxima limitada por dixido de
carbono (FOTnc,max):
FOTn ,max = min( FOTnc ,max , FOTe ,max ) (3.21)

54
Modelos de crecimiento y desarrollo en tomate

41.6(VCO 2 )
FOTnc ,max = (3.22)
crm + 1.36rcl + 1.6cre

Donde VCO2 es la concentracin de dixido de carbono en el ambiente, representa la


concentracin del punto de compensacin de CO2, crm la resistencia del mesfilo al paso
de dixido de carbono, rcl la resistencia de capa lmite y cre la resistencia estomtica.

La capacidad fotosinttica endgena es funcin de la temperatura de la hoja y adopta los


siguientes valores:

0 Th 5 C
4.3(T 5 ) 5 C < Th < 15 C
h

FOTe. max = 43 15 C Th 25 C (3.23)


43 2.86(T 25 ) 25C < Th 40C
h

0 Th > 40 C

La eficiencia fotoqumica () y el punto de compensacin se estiman as:

o (VCO 2 )
= (3.24)
VCO 2 + 2
= 42.7 + 1.68(Th 25) + 0.012(Th 25) 2 (3.25)

Donde o es la eficiencia fotoqumica en ausencia de oxgeno y Th es la temperatura de la


hoja.

La respiracin obscura se calcula de la siguiente manera:

Ro ,Th = Ro , 20Q100.1(Th 20) (3.26)

Ro,20 es la respiracin obscura a 20C y Q10 es la proporcin entre respiracin obscura a


Th+10 C y Th.

La respiracin de mantenimiento por da (Rm,d) se estima integrando la respiracin (Rm) y


sta considera el estado de los diferentes rganos y se estima de la siguiente manera:

tf

Rm, d = ( Rm )dt ; Rm = Rm' (1 e


c fr *VCR
) (3.27)
ti

donde Rm es la mxima respiracin de mantenimiento, cfr es un parmetro de regresin y


VCR es el crecimiento relativo promedio del cultivo en los ltimos cinco das, si el periodo
de simulacin es menor de cinco das VCR es estimado con el promedio del periodo actual.

Rm' = ( M h X PS ,h + M t X PS ,t + M r X PS ,r + M fr X F )Q10( 0.1( X ta Tr )) (3.28)

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

en: hojas, tallo, races y frutos respectivamente, Q10 es la sensibilidad de respiracin a la


temperatura, Tr es la temperatura de referencia, en nuestro caso 20 C y Xta la temperatura
actual.

El promedio de crecimiento relativo del cultivo se estima as:

ln( X PS ( t ) ) ln( X PS ( t 5) )
VCR( t ) = (3.29)
t (t 5)

Donde XPS(t) es la materia seca en el da t y XPS(t-5) es la materia seca en el da t-5.

El parmetro de eficiencia en la conversin de carbohidratos (CE) es estimado


dinmicamente, a diferencia de Tomgro en el cual es fijo, con la siguiente expresin:

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.

Estimacin de floracin. La funcin de aparicin de racimos por da en Tomsim (XNR) ha


sido desarrollada con datos de diferentes experimentos [Kon94], [Heu96a] y es una
funcin emprica que considera la temperatura como variable fundamental:

dX NR
= 0.2903 + 0.145 ln(Td ) (3.31)
dt

donde Td es la temperatura promedio diaria del invernadero.

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.

EDF( t ) = EDF(t 1) + VDF(t ) (3.32)

donde EDF(t-1) es el estado de desarrollo del fruto en el da anterior al da estimado y


VDF(t) es la velocidad de desarrollo del fruto en el ltimo da, estimndose as:

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.

Crecimiento potencial de racimo. El crecimiento potencial de cada racimo es el


crecimiento que el racimo puede llegar a alcanzar en condiciones ptimas, es modelado a
partir de diferentes parmetros obtenidos de manera emprica:

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.

Crecimiento potencial de unidades vegetativas. Este modelo tambin considera


crecimiento detallado de la parte vegetativa del cultivo, y la contabiliza por unidades
vegetativas; cada unidad vegetativa est constituida por el tallo y tres hojas que hay entre
dos racimos, aunque el nmero de hojas que hay antes del primer racimo es de 9 a 12 hojas
y por tanto se asume que la primera unidad vegetativa es 2.5 veces ms grande que las
restantes [Heu96a], [Heu96b].

El crecimiento potencial de las unidades vegetativas est en funcin de la temperatura


promedio diaria y del crecimiento potencial de un fruto del correspondiente racimo.

TCPUV( i ,t ) = 3.59e 0.168(Td 19 )TCPF( i ,t ) (3.35)

donde Td es la temperatura promedio diaria, TCPF(i,t) es el crecimiento potencial de un


fruto del racimo i correspondiente a la unidad vegetativa, en el da t, que se calcula de
manera similar a la estimacin de crecimiento potencial del racimo (TCPR) sin incluir el
parmetro Cnfr.

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].

La distribucin de materia seca. En este modelo la distribucin de materia seca es


regulada por las demandas o sumideros de fotoasimilados y estas demandas provienen de
los racimos, el tallo o las unidades vegetativas.

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.

La fuerza de demanda de las races se establece en 15% de la fuerza de demanda


vegetativa. La distribucin dentro de la parte vegetativa de la planta es: 7:3:1.5 para hojas,
tallo y races respectivamente [Heu99].

Otra forma de estimar distribucin a frutos es mediante la siguiente ecuacin:

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.

La cantidad de fotoasimilados disponibles cada da por planta (AScr) se estiman


distribuyendo la cantidad de fotoasimilados producida para ese da al nmero de plantas
por unidad de superficie. Con ello tenemos un almacn de fotoasimilados a ser distribuido
en funcin de la demanda de los racimos y las unidades vegetativas.

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.

El crecimiento de cada racimo o unidad vegetativa se obtiene con la expresin:

CRUV ,i = f od ,i AScr (3.39)

Cuando la cantidad de fotoasimilados disponibles es igual o mayor que la suma de las


demandas, cada rgano crecer a todo su potencial, en tal caso los fotoasimilados no
utilizados para crecimiento son utilizados como reservas. El siguiente da estas reservas
son sumadas a los fotoasimilados formados nuevamente [Heu96a], [Heu96b].

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.

X IAF = AFEX PS , h (3.40)

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

donde tj es el da juliano del ao.

3.3.2.2 Obtencin de parmetros y calibracin

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.

Tabla 3.10 Parmetros estimados para el modelo Tomsim


Parmetro Descripcin Valor Rango de Valores Variable
estimacin publicados en
[Heu96a]
cfr Parmetro de respiracin 10 1-50 33 Peso
CK Coeficiente de extincin de 0.712 0.5-0.9 0.72 seco
radiacin total
o Eficiencia fotoqumica en 0.084 0.05-0.10 0.084
ausencia de oxgeno

El modelo Tomsim ha tenido diferentes etapas de desarrollo, en algunas de ellas se ha


aplicado considerando XIAF como variable de entrada [Heu96a]. Es en las versiones ms
recientes, en lo que se ha denominado el modelo agregado, cuando se utiliza el modelo
completo y se aplica la ecuacin (3.40) conjuntamente con todas las ecuaciones propuestas
del modelo [Heu99]. No obstante en algunos de los resultados indicados en [Heu99] se
puede observar un error en la estimacin de XIAF de un poco ms de 1 m2 m-2; an ms, el
mismo autor reconoce que hay gran riesgo de propagacin de errores al utilizar el modelo
completo [Heu99]. Por lo anterior y considerando que algunas simulaciones preliminares
de ndice de rea foliar no proporcionaron resultados aceptables se decidi utilizar XIAF
como una variable medida.

59
Modelos de crecimiento y desarrollo en tomate

Una de las simulaciones preliminares se 3.5

realiz utilizando datos de la campaa de


otoo 2003, cuya dinmica se aprecia en la 3

X
XLAI interpolada
figura 3.9. Desde el primer da hay
IAF
2.5

diferencia en la estimacin de XIAF, por la 2


forma de estimarlo en Tomsim, y aunque el

m2 m-2
XLAI
X Toms im IAF

error en la estimacin en el ejemplo 1.5

mostrado no excede de 0.7 m2 m-2 la 1

posibilidad de incurrir en errores 0.5


acumulados justifica utilizar XIAF como una
variable de entrada, aunque con ello se 0
0 20 40 60 80 100 120 140

sacrifica la posibilidad de evaluar en todo su Tiem po (das)

potencial el modelo. Figura 3.9 XIAF interpolado en base a valores


medidos y XIAF estimado por Tomsim completo

3.3.2.3 Anlisis de sensibilidad

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.

3.3.2.4 Validacin del modelo

La simulacin del modelo con los parmetros estimados en el proceso de calibracin y su


comparacin con los datos medidos se ha realizado considerando los muestreos que se
realizaron durante los ensayos. La tabla 3.11 indica el nmero de muestreos que se
realizaron en los mismos. En el ensayo de primavera del 2003 realizado en invernadero
comercial los datos de la dinmica de racimos fueron estimados a partir de los datos
obtenidos al realizar las mediciones por mtodos destructivos, para estimar peso seco total,
de hojas, tallo y frutos. La estimacin de racimos se realiz hasta el quinto racimo,
mientras que en el resto de los ensayos los datos fueron obtenidos mediante mediciones
peridicas.

Tabla 3.11 Cantidad de muestreos en la estimacin de parmetros estadsticos


XNR XPS XF R-1 R-2 R-3 R-4 R-5 R-6 R-7
Primavera 2003 7 6 5 5 5 5 5 5
Otoo 2003 7 11 11 9 9 9 9 9 9 6
Primavera 2004 15 8 8 7 7 7 7 5 5 5
Otoo 2004 10 8 7 7 7 7 7 5 5 5
En cada muestreo se midieron 6 plantas. R-1, R-2, .. , R-7: Racimos del 1 al 7.

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)

1500 C CK*1.1 1500


1440

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.

Tabla 3.12 Raz del error cuadrtico medio en modelo Tomsim


XNR XPS XF R-1 R-2 R-3 R-4 R-5 R-6 R-7
Primavera 2003 0.50 29.44 13.28 4.0 5.4 2.7 9.9 3.4
Otoo 2003 0.62 44.84 23.65 2.7 2.6 3.5 5.7 7.8 1.9 4.9
Primavera 2004 0.58 57.70 34.42 1.6 4.4 2.0 4.2 5.2 6.0 5.1
Otoo 2004 0.68 59.87 33.84 2.4 2.7 4.1 3.3 2.3 5.4 3.3
R-1, R-2, .. , R-7: Racimos del 1 al 7.

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

Tabla 3.13 Error absoluto medio y mximo en la estimacin Tomsim


Primavera 20003 Otoo 2003 Primavera 2004 Otoo 2004
Medio Mximo Medio Mximo Medio Mximo Medio Mximo
XNR 0.41 0.90 0.55 1.05 0.43 1.09 0.59 1.21
XPS 21.6 56.2 39.94 81.38 48.89 118.21 52.31 96.74
XF 9.87 27.5 19.02 45.51 28.38 58.01 25.11 66.77
Racimo 1 3.21 6.87 1.99 5.36 1.53 1.76 1.94 4.04
Racimo 2 4.75 8.31 2.07 4.39 3.35 5.90 2.33 4.51
Racimo 3 1.87 5.65 2.73 7.32 1.57 3.55 2.86 8.10
Racimo 4 6.24 12.31 3.74 7.69 4.03 5.40 2.61 6.71
Racimo 5 2.46 6.11 6.46 7.08 4.23 7.22 1.68 3.80
Racimo 6 - - 1.38 4.68 5.32 7.71 4.76 7.73
Racimo 7 - - 4.33 4.82 4.41 7.33 2.85 4.87
Unidades: XNR en racimos, XPS y XF en g m-2, racimos en g,

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.

En la campaa de primavera de 2003 la dinmica de crecimiento de racimos (figura


3.11D), aunque no muestra los datos medidos, stos si se han considerado en los
estadsticos mostrados en las tablas 3.12 y 3.13. Las simulaciones de las variables XNR, XPS
y XF a travs del ciclo muestran un comportamiento que sigue adecuadamente la dinmica
de crecimiento de las mismas.

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.

En la figura 3.12D correspondiente a la campaa otoo de 2003 se muestran datos medidos


de los racimos 2, 5 y 6, as como la dinmica de crecimiento de los racimos. El
comportamiento del modelo indica una drstica reduccin en el crecimiento de racimos a
partir del da 60 en parte porque hay competencia por fotoasimilados por los racimos y por
las unidades vegetativas, as como por disminucin de crecimiento por descenso de
temperaturas. Al observar la figura antes mencionada es evidente que la tendencia del
modelo es a reducir el tamao de los racimos.

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

La estimacin de la dinmica de crecimiento de los racimos reside en la estimacin de


variables intermedias como aparicin de racimos, crecimiento potencial de fruto y
unidades vegetativas, estado de desarrollo de los mismos, distribucin de fotoasimilados a
los racimos y las unidades vegetativas.

64
Modelos de crecimiento y desarrollo en tomate

En la figura 3.15 es posible observar la dinmica de algunas de las variables mencionadas


en el prrafo anterior, en ella se aprecia la demanda de fotoasimilados por cada racimo
(figura 3.15A), mismos que sern proporcionados en base a la cantidad disponible para ese
da, si los hay en cantidad suficiente el racimo crece todo su potencial, si no, crecer solo
una fraccin de su demanda, el estado de desarrollo de cada racimo se observa en 3.15B, la
demanda total diaria de fotoasimilados se puede observar en 3.15C y la cantidad de
racimos a los que se le distribuyen fotoasimilados hasta que su estado de desarrollo alcanza
el valor de la unidad se puede observar en la figura 3.15D.

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

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

Los modelos de crecimiento descritos anteriormente estn orientados a la evaluacin de la


produccin de materia seca, no obstante el producto que el agricultor lleva al mercado es
producto fresco, con contenido de agua entre 93 y 95% [Ho96]. Es importante entonces
establecer un nexo entre la produccin de materia seca y el producto fresco de manera que
los modelos de simulacin proporcionen la posibilidad de conocer el rendimiento en
fresco, factible de ser comercializado. Lo anterior es posible conociendo la relacin peso
seco/peso fresco de frutos. En los ensayos realizados este porcentaje fue de: 5.1, 5.0, 5.6 y
5.6 en frutos maduros para los ciclos primavera de 2003, otoo 2003, primavera 2004 y
otoo 2004 respectivamente, mientras que en frutos verdes fue de 5.4, 5.7, 6.2, y 5.6 para
los mismos ciclos.

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.

En el diagrama relacional de la figura 3.16 se muestran los procesos necesarios para la


formacin de materia seca, el rendimiento en fresco y sus atributos de calidad, en la
produccin bajo invernadero. Incluye como factores las variables climticas, el agua, los
elementos nutritivos y los elementos de plagas y enfermedades (reductores de asimilacin,
reductores de poblacin, consumidores de fotoasimilados, consumidores de hojas o tejidos
y hurtadores de luz), clasificados en funcin del efecto que ejercen sobre los procesos o
sobre las variables de estado.

66
Modelos de crecimiento y desarrollo en tomate

Reductores de tasa Reductores Consumidores de


de asimilacin Temperatura de poblacin hoja/tejido

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

Figura 3.16 Diagrama4 de crecimiento de cultivo en invernadero

En los siguientes apartados se incluye el efecto de salinidad, dficit hdrico y dficit de


presin de vapor de agua sobre el rendimiento.

3.4.1 Salinidad

Se ha investigado y demostrado que la salinidad en el medio de la raz causa reduccin en


el rendimiento en peso fresco comercial de las hortalizas de fruto [Son91], [Sor98],
[Son00], [Li01b], [Elt02], [Stm03], [Cla05].

La tabla 3.14 indica la magnitud de disminucin de rendimiento con diferente salinidad


expresada como conductividad elctrica. En algunas condiciones no se ha encontrado
efecto, por ejemplo en [Son00] se indica que con una conductividad elctrica (XCE) de 2.9
mS cm-1 durante los primeros 90 das que fue incrementada a 5.0 mS cm-1 en un
tratamiento y a 6.8 en otro durante los das 91 al 130 no hubo diferencias significativas de
rendimiento respecto al tratamiento con 2.9 mS cm-1 durante todo el ciclo de cultivo, con
una variedad tipo ensalada desarrollada en otoo; mientras que cuando el incremento se
hizo a los 60 das si hubo una disminucin de 3.1% por cada mS cm-1 en que se increment
la conductividad elctrica.

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.

El enriquecimiento con CO2 en el ambiente del invernadero ha mostrado ser una


posibilidad para mantener el rendimiento sin disminucin de calidad [Li99], en donde
regando con agua de 7 mS cm-1 y 1200 ppm de CO2 el rendimiento fue incrementado y la
calidad fue conservada.

El umbral de disminucin de rendimiento parece ser entonces un umbral dinmico en


funcin de las condiciones ambientales, aunque bajo el conocimiento actual pareciera que
se requiere de mayor investigacin para establecer el umbral en funcin de las condiciones
ambientales de crecimiento. Sonneveld indica al respecto que los valores de 3 a 6 mS cm-1
sugeridos por Gale y Zeroni parecen tener una base realista en condiciones de clima
hmedo y fro, riego por goteo y enriquecimiento de CO2, similares a las que pueden ser
encontradas en el Noroeste de Europa desde otoo hasta inicios de primavera; sin embargo
para condiciones de verano los valores umbral estn entre 2.5 y 2.9 para tomate [Son00].

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].

Un enfoque diferente ha sido planteado y probado en [Cla05] quien concluy que el


contenido del aminocido prolina en las hojas es un indicador del estrs ambiental que
sufren las plantas, indicador que incorpora el efecto de salinidad y sus interacciones con la
radiacin y que puede ser importante en la determinacin de umbrales de productividad y
calidad.

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.

Si bien el incremento de salinidad por encima de un umbral causa disminucin de


rendimiento, cuando la concentracin de la disolucin nutritiva no es suficiente para que el
cultivo disponga de los nutrientes necesarios el rendimiento es muy bajo. En [Son00] se
propone una relacin entre conductividad elctrica en la rizsfera y el rendimiento, que se
describe con la figura 3.17A en la cual si la conductividad elctrica est por debajo de un
mnimo, o por encima de un lmite umbral, el rendimiento disminuye.

68
Modelos de crecimiento y desarrollo en tomate

Al utilizar el valor promedio de disminucin de rendimiento de la tabla 3.14 y los valores


proporcionados por [Son00] para cuando la conductividad elctrica est por debajo el
umbral ptimo, el rendimiento en frutos tiene un comportamiento como el que muestra la
figura 3.17B, o bien si sta variable se encuentra por encima del umbral, el rendimiento
disminuye, y se comporta como se observa en la figura 3.17C. Si consideramos el valor de
la pendiente de disminucin de rendimiento para condiciones de alta salinidad obtenidos en
los trabajos desarrollados en el sur-sudeste de la Pennsula Ibrica por [Sor98] y [Mag03]
indicados en la tabla 3.11, los resultados son los de la figura 3.17D. Las simulaciones
fueron desarrolladas con Tomgro para 146 das de cultivo en otoo.

Es notable el efecto cuando el valor de la concentracin inica de la disolucin nutritiva


expresada en XCE presenta valores inferiores al umbral. Tambin es de destacar la mayor
disminucin de rendimiento con los datos proporcionados por los ensayos experimentales
de la Pennsula Ibrica respecto al promedio de trabajos con salinidad.

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

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
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

3.4.2 Dficit hdrico

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

donde VR es el rendimiento obtenido con riego limitado, estimado en base a la


evapotranspiracin actual (ET), VRmax es el rendimiento obtenido en condiciones de
suministro no limitado de riego, equivalentes a la mxima evapotranspiracin (ETmax), y
Cky es un factor de sensibilidad al dficit de evapotranspiracin o factor de respuesta del
cultivo [Dor86].

En estudios recientes realizados en tomate en invernadero cultivado en suelo con riego


parcial deficitario se ha determinado Cky en 0.68 [Kir04].

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

Considerando las referencias antes mencionadas, y tambin que en los modelos de


crecimiento se asume que el cultivo est perfectamente irrigado con aplicacin de riegos
con mxima evapotranspiracin, se han desarrollado simulaciones para mostrar el efecto
que causara el suministro de riego en menor cantidad de la requerida. En la figura 3.18A
se muestran los resultados considerando la ecuacin de Stewart con parmetros obtenidos
por [Kir04], y en la figura 3.18B considerando la expresin lineal obtenida en [Ben03].
Mientras que en las figuras 3.18C y 3.18D se ha utilizado Cky con valor de 1.0 y 1.1
indicados en [Dor86] para el cultivo de tomate. Es claro que los resultados son diferentes
ya que las expresiones de efecto de agua fueron obtenidas para condiciones especficas en
las que se desarrollaron los experimentos, de manera que la aproximacin es indicativa del
importante efecto de dficit hdrico.

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

12000 1.0 12000


0.9 1.0
0.8
10000 10000 0.9
0.7
0.6 0.8
8000 0.5 8000
0.7

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

4000 4000 0.4

2000 2000

0 0
0 50 100 150 0 50 100 150
dias dias

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

3.4.3 Dficit de presin de vapor en el ambiente

El dficit de presin de vapor tambin ejerce efecto sobre el rendimiento, lo cual es


importante sobre todo en poca invernal en invernaderos pobremente ventilados o bien en
los meses ms calurosos del ao. Al estudiar el efecto de alto dficit de presin de vapor en
tomate [Ber00], se ha encontrado que hay una disminucin en el rendimiento total de un
16%, al comparar tratamientos con dficit de presin de vapor (DPV) de 2.2 kPa y 1.6 kPa,
calculados con las seis horas ms secas del da. En el polo opuesto, se ha informado de
disminucin de rendimiento en aproximadamente 30% al comparar tratamientos con DPV
de 0.5 kPa (control) respecto 0.1 kPa (hmedo) estimados como el promedio de las 24
horas del da [Mul01].

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

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)

3.5 La integracin de un simulador de crecimiento

Con los modelos evaluados se ha desarrollado un simulador de crecimiento en tomate


orientado a que el usuario desarrolle diversos escenarios que le permitan conocer el
crecimiento del cultivo y le ayuden a decidir sobre la gestin de clima en el invernadero.

El simulador desarrollado en el mbito de ste proyecto se ha implementado con el


enfoque de programacin orientado a objetos con interfaz grfica y amigable al usuario.
Los detalles de su implementacin han sido explicados en [Bon04].

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

Figura 3.20 Interfaz de definicin del experimento de la herramienta de simulacin de crecimiento


de tomate

Figura 3.21 Interfaz grfica de simulacin de cultivo en el simulador de crecimiento

74
Modelos de crecimiento y desarrollo en tomate

3.6 Discusin y conclusiones


3.6.1 Sobre los modelos de crecimiento y desarrollo

La necesidad de controlar el ambiente y las variables que intervienen en el crecimiento y


desarrollo de los cultivos requiere de modelos que permitan simular adecuadamente la
dinmica del cultivo. Los modelos adems deben tener la cualidad de ser robustos y
demandar poco tiempo de procesamiento, por tanto deben ajustarse lo mejor posible a las
condiciones locales en las que sern utilizados. A continuacin se destacan los aspectos
que se consideran ms importantes en la bsqueda de adaptar un modelo para ser utilizado
en el proceso de control planteado en el primer captulo.

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).

La prediccin de XIAF es aceptable, y el modelo tiene en ella la ms seria limitante, ya que


la estimacin del ndice de rea foliar es de por s compleja como lo han indicado diversos
autores [Mar98], [Heu96a] y su estimacin en el modelo reducido no sigue la filosofa del
modelo completo Tomgro, donde se estima de manera ms completa en base a procesos
fisiolgicos a partir de la distribucin de fotoasimilados [Ber98], [Jon97].

Del resto de parmetros estimados en Tomgro el ms importante es el parmetro de


eficiencia fotoqumica de la radiacin () al cual el modelo es sensible y tiene efecto
importante sobre la materia seca total y por tanto sobre la materia seca en frutos.

El proceso de calibracin se ha realizado adecuando parmetros y funciones a las


condiciones de produccin que pueden considerarse representativas del sudeste de la
Pennsula Ibrica, tanto en condiciones experimentales como con datos de produccin
comercial. Los parmetros obtenidos son factibles de ser utilizados para simular la
dinmica de produccin de tomate con un modelo relativamente simple que permite una
estimacin sin alto costo computacional como ha sido indicado en informes previos
[Ram04] y que por tanto puede ser utilizado en lnea en esquemas de control jerrquico de
crecimiento de cultivos en invernadero. El proceso de calibracin con parmetros fijos en
el tiempo ha mostrado resultados satisfactorios, aunque una posibilidad diferente es
realizarla con parmetros dinmicos, como se indica en [Lop04a].

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.

La diferencia entre la simulacin y los resultados observados en frutos para el ciclo de


otoo de 2004 se debe en gran medida al retraso en polinizacin y a la incidencia de frutos
no desarrollados (partenocrpicos algunos de ellos) del primero, segundo y tercer racimos,
lo cual ha sido explicado como efecto de altas temperaturas en [Sat01] ya que la
temperatura promedio diaria durante la fertilizacin de esos racimos oscil entre 24.9 y
26.5 C; e incluso como se informado en [Wil98] hay efectos de disminucin en nmero y
peso de frutos cuando las temperaturas nocturnas estn por encima de 21 C situacin que
se dio en este caso para esa etapa de los citados racimos.

Por otra parte, el modelo Tomsim proporciona resultados aceptables en la simulacin de


nmero de racimos, peso seco total y peso seco de frutos. Sin embargo es importante
reconocer que lo anterior es posible considerando el ndice de rea foliar como una
variable de entrada, cuya estimacin requiere de mayor esfuerzo de investigacin ya que en
las condiciones de los ensayos del presente trabajo presenta problemas su adecuada
prediccin.

La simulacin de la dinmica de crecimiento de racimos en Tomsim ha mostrado un


comportamiento aceptable fundamentalmente en el primer y segundo racimos, y en
algunos casos tambin en el tercer racimo, sin embargo en el resto se observaron
importantes diferencias entre las simulaciones y las datos observados. Esto puede tener su
explicacin en dos causas importantes: las condiciones en las que se desarrollaron los
ensayos, ya que no hubo la uniformidad deseable en cuanto a fechas de cuajado de
racimos, nmero de frutos cuajados por racimo y condiciones adversas de humedad y
temperatura durante los meses de agosto y septiembre de los ciclos de otoo. Por otro lado
el comportamiento del modelo en cuanto a crecimiento de racimos tiende disminuir
excesivamente el tamao de stos en la medida que aparecen ms rganos de demanda. Lo
anterior ha sido objeto de discusin ya que algunos autores han indicado la importancia del
efecto de la posicin de los racimos respecto al meristemo apical en el crecimiento de stos
[Sla77]; sin embargo [Heu96a] ha indicado que la distancia respecto al meristemo apical
no es importante.

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.

No obstante lo anterior, es importante mencionar que los modelos aqu descritos y


evaluados, aunque tienen su base en los procesos de fotosntesis y respiracin que les
confiere el carcter explicativo, requieren de un conjunto de funciones empricas y
parmetros que los asemeja a modelos de caja negra. Es posible que en el proceso de
estimacin de parmetros y funciones, la distancia entre el carcter explicativo y el
descriptivo sea muy estrecha ya que el proceso de estimacin de parmetros por medio de
mnimos cuadrados no se fundamenta en aspectos mecanicistas de los modelos.

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.

El problema de combinar el carcter explicativo basado en principios biolgicos, fsicos y


fsico-qumicos con la simplicidad de los modelos, para conseguir modelos robustos
capaces de resolver problemas especficos sigue siendo un reto vigente, tal como ha sido
reconocido por diversos autores [Gar98], [Ham98], [Mar98], [Str99b]. El presente trabajo
contribuye en la medida en que contina en la va de adaptar modelos de crecimiento a
condiciones locales y detecta aspectos en los que es necesario profundizar y realizar mayor
investigacin que posibilite la utilizacin de los mismos en aplicaciones tecnolgicas.

3.6.2 Sobre el efecto de salinidad, dficit hdrico y dficit de presin de


vapor en el modelado de crecimiento

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.

A pesar de que se ha simulado el efecto de dficit hdrico sobre el rendimiento, las


divergencias de los parmetros indican que los parmetros y mtodos de estimacin son
locales y responden a las condiciones locales en las que fueron estimados. Se necesita de
mayor informacin de ensayos, sobre todo en cultivos sin suelo, que permita incrementar
el potencial del modelo en relacin con esta variable.

El aspecto ms importante de la incorporacin del efecto de salinidad, dficit hdrico y


dficit de presin de vapor de agua en el rendimiento comercial o produccin de materia
seca de sistemas bajo invernadero, es la integracin de estos factores, ms que su efecto
aditivo, con otros aspectos como la nutricin en un marco explicativo que aunque ha
quedado fuera del marco del presente proyecto es importante resaltar ya que es una va
interesante que permite integrar modelos propios vlidos para condiciones locales de
produccin de hortalizas en invernadero, de manera similar a la que se propone en
Hortisim [Gij98] o se realiza en modelos de campo abierto que incluyen aspectos como
clima, nutricin y balance hdrico, por ejemplo Ceres-Wheat [Rit85], [Por93], Epic
[Will89], Sucros [Laa92] o que incluyen adems caractersticas genticas como en Ceres-
Maize [Jon86], [Jon03] entre otros.

3.6.3 Conclusiones

Se han modificado, implementado, calibrado y validado los modelos de crecimiento y


desarrollo en tomate Tomgro reducido y Tomsim para las condiciones de cultivo sin suelo
en invernaderos tipo parral en ensayos experimentales en condiciones con calefaccin, sin
calefaccin, con agua de riego de buena calidad, en los ensayos experimentales, y de
calidad moderada en invernadero comercial.

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.

El modelo Tomgro permite simulaciones satisfactorias de nmero de nodos, ndice de rea


foliar, materia seca total y materia seca de frutos y materia seca de frutos maduros. Por otra
parte el modelo Tomsim simula satisfactoriamente nmero de racimos, materia seca total y
materia seca de frutos.

Se ha propuesto una estructura que permite el modelado de crecimiento desde un enfoque


holstico, que integra al modelado del cultivo de tomate el efecto de salinidad, dficit
hdrico y dficit de presin de vapor de agua. La incorporacin de las variables
mencionadas permite la prediccin de rendimiento en peso fresco en diversas condiciones
de produccin y trasciende el supuesto bsico del modelado de crecimiento de asumir
perfectas condiciones de aporte hdrico y condiciones de nutricin.

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.

3.6.4 Trabajos futuros

Una lnea de de trabajo es la continuacin de evaluacin de los modelos en condiciones


experimentales controladas con diferentes rangos climticos, pero sobre todo en
condiciones de produccin real, incluyendo variables de manejo de salinidad que permita
una extensiva validacin de modelos integrados de prediccin no solo de materia seca, sino
de rendimiento comercial.

De particular importancia es la bsqueda de mtodos sencillos de estimacin de ndice de


rea foliar a partir de mediciones no destructivas que permitan obtener la evaluacin de
esta variable con mayor frecuencia (a ser posible cada da) ya que de su estimacin
adecuada depende una correcta estimacin de la materia seca en el modelado del modelo
reducido de Tomgro o en el modelado de Tomsim.

Desde el punto de vista del entendimiento de la dinmica de crecimiento de racimos y


frutos es importante el modelado de crecimiento de los mismos considerando diferentes
variedades (tipo redondo tamao normal o bien de tipo ensalada tamao grande), cantidad
de frutos por racimo, relaciones fuente-demanda, que posibiliten profundizar la integracin
a los modelos actuales y permita mayor sustento en la prediccin de rendimiento
comercial.

Con la informacin existente de diversos ensayos realizados por las instituciones de


investigacin agrcola del sudeste espaol es posible incluir otros modelos en el simulador
de crecimiento desarrollado para el cultivo de tomate, de forma que se constituya en una
herramienta que simule los cultivos ms importantes y ayude a la toma de decisiones.

78
Modelado de balance hdrico en sustratos
artificiales

En este captulo se exponen los elementos bsicos que facilitan el entendimiento de la


dinmica del agua en los cultivos, partiendo de un estudio bibliogrfico de las
aproximaciones de distintos autores y abordando fundamentalmente los conocimientos y
elementos necesarios que ayudan a la construccin de modelos dinmicos y su
comprensin. A partir de dichos estudios, se propone un modelo dinmico de balance
hdrico para un cultivo de tomate desarrollado en sustratos artificiales, que constituye una
herramienta fundamental tanto para simular la dinmica del agua en las plantas como para
tomar decisiones sobre su aporte. Este modelo ha sido calibrado y validado utilizando
datos reales de un invernadero y su integracin proporciona resultados que se ajustan
aceptablemente a los datos medidos.

4.1 La dinmica del agua en las plantas

La importancia del agua en las plantas se manifiesta en los siguientes aspectos: es


constituyente de los tejidos vegetales, es solvente, reactante, mantiene la turgencia celular
[Kra95], [Moh95], [Tai98] y es un excelente medio para la regulacin trmica [Moh95].

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.

4.1.1 Dinmica del agua en el sustrato

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].

La energa potencial por unidad de masa (o volumen) de agua es el potencial hdrico, y en


un punto del sustrato recibe contribuciones diversas debidas a varios factores como son el
campo gravitatorio, la influencia de los iones disueltos, y la presin local [Bur97], [Kra95].
Por tanto el potencial hdrico en el sustrato (h,s) es la suma de potenciales que pueden
medirse de forma independiente [Bur97]:

h , s = pr , s + g , s + os , s (4.1)

donde pr,s es el potencial de presin, g,s es el potencial gravitacional y os,s es el


potencial osmtico. El potencial de presin a su vez se compone de potencial matricial
(m,s), potencial neumtico (ne,s) y potencial envolvente (e,s) [Bur97]. El potencial
gravitacional puede expresarse en trminos de diferencias de altura entre el punto
considerado y el de referencia:

g ,s = C a C g C z (4.2)

donde Ca es la densidad de agua, Cg es la aceleracin de la gravedad y Cz es el nivel


respecto al punto de referencia. El potencial osmtico viene dado por la presin osmtica
de la solucin del sustrato, y se puede determinar a partir de la ecuacin de estado de los
gases perfectos:

os ,s = Ccsol C RTs (4.3)

donde Ccsol es la concentracin de solutos, CR es la constante universal de los gases y Ts es


la temperatura absoluta. El potencial de presin depende del contenido local de agua y para
fines prcticos se considera que el nico contribuyente al potencial de presin es el
potencial matricial [Bur97], que se puede entender como la fuerza de succin que debe
ejercer la planta para extraer el agua retenida por el sustrato [Ans94], [Kra95].

Considerando entonces dos puntos en el sustrato a distancia dx con sus respectivos


potenciales hdricos, la ecuacin bsica que describe el flujo de agua viene dada por:

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 agua retenida en el sustrato expresada como su contenido de humedad sigue una


relacin no lineal con el potencial matricial y adems presenta el fenmeno de histresis,
es decir, que es diferente si el sustrato est en proceso de secado que si se est
humedeciendo [Bur97]. El conocimiento de esta relacin ha sido objeto de muchos
estudios [Sil95], [Bur97] y es de gran utilidad para formular modelos de balance hdrico.

4.1.2 Absorcin de agua por la planta


4.1.2.1 El flujo de agua hacia la raz

Las estructuras ms importantes en el sistema radicular son la epidermis y los pelos


absorbentes, porque hacen contacto directo con el suelo y son las superficies a travs de las
cuales entra la mayor parte del agua y los minerales. La epidermis est compuesta de
paredes celulares relativamente delgadas y clulas alargadas, las cuales producen
protuberancias llamadas pelos absorbentes que aumentan considerablemente la superficie
de la raz en contacto con el suelo y disminuyen la distancia que los iones y el agua deben
recorrer para alcanzar la superficie de la raz [Kra95]. La cantidad de pelos radiculares
vara desde 20 a 500 por cm2 en rboles, hasta 2500 por cm2 en pastizal de invierno
[Kra95]. Una raz generalmente tiene acceso a toda el agua disponible en un entorno de
aproximadamente 6 mm alrededor de la raz. A medida que el suelo (sustrato) se seca,
debido al efecto de las fuerzas matriciales el movimiento de agua a travs del suelo se
ralentiza [Lam98].

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

El flujo de agua transcelular y simplstico ocurre principalmente a travs de aquaporinas,


que son protenas de transporte pertenecientes a un grupo altamente conservado de
protenas denominado protenas de membrana integral, caracterizadas por ser muy
hidrofbicas [Ste00]. Estos canales de agua contribuyen de manera importante a la
conductividad hidrulica de las membranas celulares [Tye99].

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].

4.1.2.2 Potencial hdrico en raz y hojas

En la seccin anterior se han comentado las condiciones que determinan el potencial


hdrico en el sustrato; de manera similar, en las clulas vegetales hay un potencial hdrico
que est determinado por el potencial de presin, el potencial osmtico debido a los solutos
y el potencial matricial, aunque el potencial matricial puede considerarse despreciable
[Tho00]. La medicin del potencial hdrico en las races es difcil y los mtodos
comnmente utilizados no son del todo adecuados, ya que al utilizar races cortadas las
condiciones son muy diferentes de aqullas en una planta intacta [Zhu01].

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].

La salinidad induce disminucin del potencial hdrico en la planta (comnmente medida en


las hojas) [Car98], [San98] [Rom01], [Mar04a], y la respuesta es diferente en funcin de
las especies y el grado de salinidad, como se seala en la tabla 4.1, donde se muestran
ejemplos para hortalizas y una planta nativa de la costa del Mediterrneo.

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

4.1.2.3 Conductividad hidrulica de las races

La conductividad hidrulica es una propiedad que se le atribuye a las races y expresa la


pendiente de la relacin del flujo de agua entre el gradiente de potencial hdrico [Rie99].La
conductancia o resistencia hidrulica en las races es de diferente magnitud si se trata de
flujo radial a travs del cilindro de la raz o axial a lo largo del xilema, siendo esta ltima
mucho ms pequea [Ste98]. Su comportamiento es variable con la edad de la raz, y
puede variar en respuesta a las condiciones externas (salinidad o dficit hdrico) o factores
internos (estado nutricional o demanda de agua por la planta) [Ste00]. En diferentes
estudios se sugiere que la conductancia hidrulica depende del metabolismo de las races,
desde inhibidores de crecimiento y hormonas tales como cido abcisico y cinetinas que
reducen la conductividad hidrulica. Otros estudios indican que depende de la velocidad de
flujo, que es mayor cuanto ms flujo hay a travs de las races, como se comenta en
trabajos de Steudle y Brickmann (1989) y Passioura (1988), citados en [Zhu01], [Jon98b].

En otros trabajos se indica que la resistencia hidrulica dentro de la planta es independiente


del flujo de agua por transpiracin, y que hay una relacin lineal entre transpiracin y los
gradientes de potencial hdrico de la disolucin nutritiva respecto al tallo y del tallo
respecto a las hojas [Li04].

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 conductividad hidrulica aumenta conforme la velocidad de transpiracin se incrementa


[Ste98], [Jon98b], mientras que disminuye cuando las plantas se inundan al inicio de la
maana, coincidiendo con el inicio del fotoperiodo, y esto puede ser originado por la
disminucin de O2 en la zona de races [Del01].

La magnitud de la conductividad hidrulica en las races para diferentes especies es muy


variable y oscila entre 0.810-8 y 7.910-8 m s-1 MPa-1 en soja, melocotn, esprrago
[Rie99]; 0.510-8 y 6.110-8 m s-1 MPa-1 en frijol, haba, maz, girasol y tomate (Newman,
1973, citado por [Rie99]); 1010-8 y 2310-8 m s-1 MPa-1 en algodn (Raden y Eidenbock,
1984 citados por [Rie99]). En [Kra95] se indica que tiene valores entre 10-6 y 10-8 m s-1
MPa-1 para clulas vegetales y en [Zhu01] se estima a partir de una funcin lineal dada por
k10-6 cuando k toma valores entre 0.1 y 1, y depende de las condiciones ambientales.

Algunos modelos incluyen la conductancia hidrulica en dos trminos: uno que


corresponde a la conductividad radial para el flujo de agua del suelo o sustrato al xilema de
la raz, y otro considerado como conductividad axial para el flujo de agua a travs del
xilema [Dou98a]. Se indica tambin que una conductancia constante en el sistema de races
no puede reproducir los perfiles de flujo observados, es decir, que la conductancia cambia
con la edad de la raz, lo cual tambin ha sido observado por [Mar04a]. Para ajustar los
perfiles de flujo es necesario pues hacer una distribucin de conductancia a lo largo de la
raz. Se ha analizado en [Dou98b] que durante la maduracin del tejido de raz, la
conductancia radial disminuye en un orden de magnitud mientras que la conductancia axial
incrementa en tres rdenes de magnitud.

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

Al realizar anlisis de sensibilidad sobre conductancia estomtica [Oob03], se ha sugerido


que el efecto de una respuesta asimtrica de la conductancia estomtica es ms fuerte sobre
la conservacin del agua que sobre la ganancia de carbono. Otra caracterstica es que la
respuesta de velocidad de conductancia estomtica a la intensidad de luz cambia con el
grado de estrs hdrico en plantas tropicales [All00]. Las citas anteriores refuerzan la
hiptesis de que los estomas reaccionan de manera importante para conservar su estatus
hdrico, ms que para optimizar la absorcin de dixido de carbono.

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].

4.1.3.1 Los factores que influyen en la transpiracin

Los cambios en la turgencia de las clulas guarda involucradas en la apertura y cierre de


estomas dependen de factores ambientales como la luz, concentracin de dixido de
carbono, humedad y temperatura, y de factores internos como el estado de agua en el tejido
vegetal y el nivel de reguladores de crecimiento como cido abcsico y citocininas [Kra95].

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.

En [Sta87] se concluye que para una estimacin razonable de transpiracin y temperatura


del cultivo en invernadero, son ocho los parmetros que tienen que ser monitorizados
continuamente (radiacin de onda corta, temperaturas de suelo, cubierta, tuberas de
calefaccin y del aire, velocidad de aire interior, concentracin de dixido de carbono y
presin parcial de vapor de agua) y pueden ser reducidos a seis ya que la velocidad de aire
y la concentracin de CO2 pueden ser estimados sin mucha prdida de precisin.

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].

En aos recientes se ha propuesto una clasificacin de plantas en funcin del


comportamiento de sus estomas en relacin con el agua en el suelo o sustrato,
distinguindose entre plantas isohdricas y anisohdricas. Las plantas isohdricas controlan
el intercambio gaseoso de manera que el estado hdrico de las hojas durante el da no se ve
afectado por el dficit hdrico en el suelo, mientras que en las anisohdricas el potencial
hdrico de las hojas y la conductancia estomtica si son influenciados por el potencial
hdrico del suelo o sustrato [Tar98]. La respuesta estomtica es muy compleja y sigue
mecanismos que an no han sido totalmente explicados [Jon98b].

85
Modelado de balance hdrico en sustratos artificiales

En [Oob03] la respuesta de los estomas a un cambio en la densidad de flujo de fotones ha


sido modelada por un sistema de retardo de primer orden y presenta histresis de manera
que es diferente cuando la entrada se incrementa que cuando se decrementa.

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].

En un estudio realizado en seis especies de plantas forestales para observar el


comportamiento de la conductancia estomtica en relacin a la radiacin neta, el dficit de
presin de vapor y el agua extrable del suelo [Pat03] se concluy que el dficit de presin
de vapor influy fuertemente en la conductancia del dosel en todas las especies, la
radiacin neta tuvo mayor influencia en especies a la sombra (L. styraciflua) que en las
otras especies estudiadas, y la disminucin de humedad en el suelo caus disminucin de
conductancia estomtica del dosel solamente en una especie (L. tulipifera) y en las otras
especies caus senescencia precoz.

4.1.3.2 Algunos estudios realizados en hortalizas y ornamentales

En el estudio realizado en [Sta87] sobre transpiracin en tomate se indica que la


contribucin de la irradiacin de onda corta es relevante slo en das soleados. Se deduce
por tanto que la fuerte relacin frecuentemente observada entre radiacin y transpiracin
en invernaderos no es tanto la resultante de la relacin entre radiacin y dficit de
saturacin, sino debida a la relacin inversa entre la resistencia interna y la radiacin
[Sta87].

En estudios de transpiracin en geranio en [Mon01], concluyeron que el trmino radiativo


tiene ms influencia que el dficit de presin de vapor en la transpiracin, contabilizando
aproximadamente un 80% de la misma, decreciendo su importancia en la tarde.

En [Bou00] se sostiene que debido a la pobre ventilacin en invernaderos del norte de


Europa con estructuras de cristal durante gran parte de la estacin de crecimiento, la
conductancia de la capa lmite tiende a ser mucho menor de lo que podra esperarse para
cultivos similares en campo abierto. En esas condiciones se plantea la hiptesis de que la
velocidad de transpiracin se ajusta hasta que alcanza el equilibrio, controlada
principalmente por la radiacin neta, mientras que en condiciones del Mediterrneo la
transpiracin es ms dependiente de la conveccin en el invernadero [Bou00].

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.

4.1.3.3 Los modelos de transpiracin

El principal problema para representar el comportamiento fsico de los procesos de


intercambio de calor y masa en el dosel de los cultivos es su complejidad [Sta87].

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].

La mayora de los modelos se basan en la ecuacin de Penman-Monteith, y difieren


principalmente en el mtodo para calcular la radiacin neta, conductancia aerodinmica y
conductancia estomtica [Jol94]. Dicha ecuacin est basada en principios fsicos y el
enfoque es visto como una interfase entre estudios de fisiologa vegetal y fsica del
ambiente [Tho00].

El enfoque de Penman-Monteith esencialmente combina la ecuacin para transferencia de


calor entre el cultivo y la masa de aire a su alrededor, que resulta de la diferencia de sus
temperaturas, con la ecuacin de evaporacin en relacin a la diferencia en concentracin
de vapor entre la superficie de evaporacin y la masa de aire [Tho00].

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].

Si se considera como regla heurstica que la transpiracin durante el da en un invernadero


puede ser fcilmente deducida teniendo en cuenta los siguientes factores [Sta87]:

La relacin entre curva de presin de vapor saturado y el parmetro psicromtrico es


aproximadamente igual a 2.5.
La resistencia interna es aproximadamente igual a la externa y de valor 200 s m-1.
La radiacin neta tiene el mismo orden de magnitud que la radiacin global de onda
corta.
La proporcin dficit de presin de vapor de agua/constante psicromtrica
normalmente est contenida entre 10 y 20 K. La transpiracin (ET) viene dada por:

ET (0.35Rc + 30)C cnv ,em (4.5)

donde Rc es la radiacin de onda corta en el invernadero, Ccnv,em es un coeficiente de


conversin de energa a masa.

En trabajos en nueve especies ornamentales [Bai94b], la estimacin de transpiracin se ha


realizado simplificando la ecuacin de Penman-Monteith en la siguiente expresin:

ET = C AT (1 exp(CKX LAI ) Rc + C BT ( X LAI ) DPV ) (4.6)

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

Tabla 4.2 Transpiracin en cultivos desarrollados en invernadero


Cultivo Objetivo del estudio Modelo Variables climticas Condiciones experimentales Principales resultados Referencia
utilizado medidas y pas
Evaluacin y medicin de Penman- Temperatura de aire, Mediciones durante uno, dos o Simulacin de transpiracin [Sta87]
transpiracin. Monteith cubierta, suelo y cultivo, tres das, cuatro plantas, cada 3 con 8 parmetros medidos en
Tomate modificado humedad, radiacin solar, 5 min. Precisin de balanza de continuo, simplificacin de
CO2 y velocidad de aire 0.3 g/60kg. i.e. precisin de 1% ecuaciones para la estimacin
interior. en el da y 10% en la noche. No de transpiracin.
se hizo correccin de datos por
Holanda. temperatura.
Modelo simple para HORTITRANS Humedad, transpiracin, No especificadas. Modelo simple para estimar
predecir transpiracin, Modelo lineal agua condensada y humedad, transpiracin, agua [Jol94]
Tomate condensacin y ventilacin temperatura de cubierta. condensada y temperatura de
desde el clima exterior. cubierta con diferencias de 8%
Estiman tambin el agua o Reino Unido. respecto a mediciones.
energa para lograr valores
de referencia (consigna) de
humedad o transpiracin.
Estimar transpiracin desde Penman- Velocidad de viento, Mediciones de cuatro plantas Valida modelo de [Bou00]
condiciones climticas del Monteith temperatura de bulbo seco y cada minuto y promedios cada transpiracin con variables de
Tomate exterior. modificado hmedo exterior e interior y hora. Balanza con precisin de clima exterior en dos tipos de
radiacin global. 10 g. Las variables climticas condiciones: verano cuando
fueron medidas cada hora. hay acoplamiento entre el
Francia invernadero y el clima exterior
e invierno cuando el aire del
invernadero est confinado. El
modelo puede ser utilizado
para determinar la temperatura
y humedad dentro del
invernadero.
Evaluar transpiracin de Penman- Temperatura de bulbo Balanza lismetro de precisin Estimacin de parmetros [Med05]
pepino en cultivo sin suelo Monteith hmedo y seco, radiacin 1 g, soportando seis o cuatro diferentes para condiciones de
Pepino en diferentes estados de simplificado solar y radiacin PAR. plantas en sustrato de perlita. da y de noche, evaluacin
crecimiento. Datos registrados cada 10 min. estacional de la transpiracin y
Espaa. a travs del desarrollo de
cultivo.

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

En [Mon01] se ha desarrollado un modelo simplificado para estimar transpiracin en


geranio y poder ser aplicado a sistemas de riego utilizando las expresiones siguientes:

ET = 0.560(1 exp(0.6 X IAF ) Rc + 12.5DPVX IAF )Ccnv,em (4.7)

ET = (0.485(1 exp(0.027Cddt ))Rc + 12.5DPVCddt )Ccnv,em (4.8)

donde en la segunda expresin se ha relacionado el ndice de rea foliar con el nmero de


das transcurridos despus del transplante (Cddt).

4.1.3.4 Modelo Penman-Monteith modificado por Stanghellini

El modelo de transpiracin en [Sta95] se basa en la Ecuacin de Penman-Monteith bajo la


consideracin de que el piso del cultivo es acolchado y que se desarrolla en sistema sin
suelo por tanto considera que la evaporacin es muy baja y por tanto despreciable,
proporcionando una ecuacin para la transpiracin dada por:

s rcl Rn
2 X IAF ( a* a ) (4.9)
ET = +
(1 + s )rcl + rh (1 + s )rcl + rh

donde ET es la evapotranspiracin, s es la velocidad de cambio de contenido de calor


latente respecto al contenido de calor sensible, rcl y rh son la resistencia de capa lmite y la
resistencia interna de la hoja, respectivamente, Rn es la radiacin neta disponible para el
dosel, es el calor latente de evaporacin, ag es el contenido promedio de vapor de agua
en el invernadero o humedad absoluta y ag *
es el contenido de vapor de agua en
condiciones de saturacin. El trmino s es s / donde s es la pendiente de la curva de
presin de vapor saturado y es la constante psicromtrica termodinmica.

La anterior ecuacin puede ser reescrita como sigue [Sta95]:

ET = g tr ( ef ag ) (4.10)

donde se incluye una conductancia de transpiracin (gtr) y una concentracin efectiva de


vapor de agua en la superficie del conjunto de hojas o de la gran hoja ef :

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

4.1.3.5 Determinacin de las variables importantes que permiten estimar la


transpiracin

Radiacin neta: En el modelo utilizado por Stanghellini, se parte de que la radiacin


resultante de la absorcin y emisin por las hojas, radiacin neta (Rn) es:

Rn = (1 C m C n ) Rc + Rl Th4 (4.13)

donde Cm es el coeficiente de transmitancia de la hoja, Cn es el coeficiente de reflectancia


de hoja, es la constante de Stefan-Boltzmann, Rc es la radiacin de onda corta
considerada en un rango de 400 a 2800 nm, Rl es la radiacin de onda larga (entre 2800 a
40000 nm), y Th es la temperatura de la hoja [Sta87]. Tras una serie de experimentos y
anlisis sobre el comportamiento de radiacin neta en cultivo de tomate [Sta87], se obtuvo
la siguiente expresin:

Rn = (1 + 0.58e 0.48 X IAF )(0.88 e 0.48 X IAF + 0.12e 0.64 X IAF ) Rc +


(4.14)
+ (1 e 0.64 X IAF )(Tsc4 + 0.07Tcal4 + 0.93Tcss4 2(Th + 273.15) 4 )

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:

W = 0.83(1 0.7e 0.24 X IAF ) (4.16)

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

Cn y Cm son coeficientes de reflexin y transmisin, respectivamente y CK el coeficiente


de extincin de la luz [Tho00]. La radiacin de onda larga transmitida por el dosel (Rl) en
das sin nubosidad puede alcanzar valores de 100 W m-2 y en das nublados de 10 W m-2
[Tho00].

92
Modelado de balance hdrico en sustratos artificiales

En el modelo propuesto en [Tho96] se utiliza la radiacin PAR y la relacin entre


radiacin neta instantnea incidente en el dosel (Rn,i) con la radiacin PAR, asumiendo que
la radiacin neta es 0.68Rc y que la radiacin PAR es 0.5Rc, permitiendo que
Rn = 1.34 PAR [Tho96]. La radiacin absorbida por el dosel (Rna,d) es:

Rna ,d = f rna ,d Rn (4.18)

donde:

1 Cn Cm CK X IAF
f rna ,d = (1 e ) (4.19)
1 Cm

Conductancia estomtica: La conductancia estomtica es la inversa de la resistencia


estomtica. En [Bou91] se determin una relacin emprica en base a la radiacin global,
dada por la expresin (4.21):

1
rs = 200(1 + (4.20)
exp(0.05(Cm ,inv Rg 50))

donde Cm,inv es la transmisividad de la cubierta del invernadero y Rg la radiacin global


exterior. Se ha sugerido tambin que esta resistencia es funcin exponencial de la radiacin
global del interior del invernadero, la temperatura y la humedad [Bou00].

En [Sta87] se cuestiona que se identifique la resistencia interna en las hojas con la


resistencia estomtica. La hoja transpira por los dos lados, cada uno caracterizado por una
cutcula ms o menos flexible, perforada por estomas. La cantidad de estomas depende de
las condiciones de crecimiento, variando entre 2 y 28 mm-2 en la superficie superior y entre
83 y 105 mm-2 en la superficie inferior de la hoja. Por otro lado, la resistencia cuticular, no
es infinita y es comparable con la resistencia de los estomas cerrados [Sta87].

Se considera que el trmino correcto para este tipo de resistencia (o conductancia) es


resistencia interna, que puede estar compuesta por cutcula, antecmara estomatica, poro
estomtico, cavidad subestomtica y pared celular hacia el interior de la interfase. Aunque
en este trabajo se acepta que la resistencia interna est influenciada por factores
fisiolgicos y ambientales, slo considera los ambientales y a partir de una ecuacin
propuesta por Jarvis en 1976 tiene en cuenta los siguientes factores: radiacin de onda
corta, temperatura de la hoja, diferencia de presin de vapor de hoja-aire y concentracin
de CO2 en el aire. En [Sta95] se plantea la siguiente ecuacin para la resistencia interna, en
la que se ignora la influencia del CO2:
w
R + 430 e 0.3Th + 258
rh = rmin w c 0.3Th [
4 10 3 + e
0.73( ef ag )
]
1 / 4
(4.21)
Rc + 0.54 e + 27

La mnima resistencia estomtica (rmin) fue determinada en 82 s m-1 y la radiacin


w
promedio de onda corta ( Rc ) viene dada por la siguiente expresin:

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

Conductancia o resistencia de capa lmite: Si se considera que la fuerza de turbulencia


puede ser despreciada con respecto a la fuerza del viento [Bou00], la resistencia de capa
lmite o aerodinmica (rcl) puede ser expresada directamente en funcin de la velocidad del
interior del invernadero:

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.

Otra ecuacin fue determinada en [Sta87], donde se realizaron simulaciones y


experimentos para determinar la resistencia de capa lmite en condiciones de rgimen de
conveccin mixto:
0.5
1174lch (4.24)
rcl = 2
(lch | Th X ta | +207Vvv ) 0.25

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 )

donde lh es la longitud de la hoja y ah es el ancho de la hoja.

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

siendo Fa el flujo del exterior al interior del invernadero, y Ac la superficie de ventana


perpendicular al flujo de ventilacin.

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

donde ST es la superficie total de ventanas abiertas, Cg es la constante de gravedad, Te es la


temperatura exterior, Cch es la altura vertical entre las ventanas cenital y lateral, Cdes es un
coeficiente emprico de descarga, Cvv es un coeficiente emprico por efecto de viento, Vvvext
es la velocidad de viento exterior. El trmino V se estima de la siguiente manera:

94
Modelado de balance hdrico en sustratos artificiales

2(2Cb ) 0.5
V = 2
(4.28)
(1 + Cb )(1 + Cb ) 0.5

donde Cb es la relacin Scen/Slat,, Scen es la superficie de apertura cenital y Slat es la


superficie de apertura lateral.

Cuando la velocidad es mayor que 2 m s-1 posible utilizar la expresin indicada en


[Bou95]:

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 )

donde: cal ,vap = 0.026Ch mntm = 0.013Ch d = 0.77Ch

4.1.4 Transporte de agua

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]:

Las traqueidas, que son clulas de hasta 5 mm de longitud y 30 m de dimetro.

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.

En plantas herbceas el sistema de conduccin es frecuentemente ms complicado, donde


hay una compleja ramificacin de haces vasculares que tienen numerosas interconexiones,
de manera que un dao local no necesariamente produce un bloqueo serio al movimiento
del agua [Kra95]. Se dice que hay una alta resistencia al flujo de agua en las hojas por la
reduccin en nmero y tamao de los vasos vasculares en las vas de la hoja y peciolos.

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

La transpiracin originalmente causa la disminucin del potencial hdrico en las clulas de


la hoja y origina la demanda de agua hacia las superficies de evaporacin. Este flujo
contina mientras hay gradientes, los cuales son establecidos paso a paso a travs del
sistema planta-suelo, y son adecuados para causar la velocidad de flujo de agua a la hoja
[Kra95], [Zhu01].

La transpiracin excede frecuentemente la absorcin de agua durante el da, resultando en


curvas de transpiracin y absorcin que estn desfasadas. Esta diferencia de fase resulta en
lo que usualmente se conoce como retardo de absorcin. Esto resulta en una disminucin
temporal en el contenido de agua de hojas y tallo y del dimetro de tallos y el espesor de
las hojas [Kra95].

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].

En [Zim94], [Zim00] se midieron tensiones o presiones negativas ms bajas que aqullas


obtenidas por el mtodo de la cmara de presin y son demasiado bajas para soportar la
teora de la cohesin, por lo que concluyeron que varios procesos estn involucrados en el
ascenso de savia, incluyendo fuerzas capilares e interfaciales, y un termino que se acua
como conveccin Maragoni, el cual est relacionado a la presencia de delgadas burbujas de
gas sobre las paredes de los vasos del xilema.

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.

4.1.5 Eficiencia en el uso de agua

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

Tabla 4.3 Eficiencia en el uso de agua para algunos cultivos


Cultivo Condiciones Eficiencia en el uso de agua Referencia
(ml g-1)
Alfalfa No disponibles. 657- 1068 [Kra95]
Cebada No disponibles. 443 664 [Kra95]
Maz No disponibles. 394 639 [Kra95]
Trigo No disponibles. 280 - 495 [Kra95]
Algodn No disponibles. CO2 Eficiencia [Hsi00]
360 268
Se hicieron pruebas con
diferentes condiciones de CO2 540 194
1000 140
Cmara de crecimiento, 12 h CO2 Eficiencia [Mag02]
Tomate luz 12 h oscuridad; PPFD = 400 333- 500
450 mol m-2 s-1. Temperatura:
940 100 - 250
25 C, cv. Heinz.
Invernadero, cultivo en mM NaCl Eficiencia
Tomate recipientes de 3.3 l. 0 559 [Rom01]
Temperatura: 18 28 C. 35 559
Mnima HR: 50 %. 70 581
Campo abierto, suelo arcillo- Alto N [Hum00]
Trigo de limoso.
primavera Densidad: 109-194 plantas/m2. Control 813
Alto N: 350 kg /Ha. Bajo N: 70
kg/Ha. CO2 : CO2 ambiente +
200 ppm. CO2 682
(rendimiento de grano)
Campo abierto, suelo arcillo Riegos Eficiencia [Zha98]
Trigo de limosos, densidad de siembra: No riego 961
invierno 600 semilla/m2. 1 662
4 869
(rendimiento de grano)
Sistemas sin suelo diferentes Sistema Eficiencia [Rav01]
Rosa condiciones. Abierto: Abierto 1428
Mediterrneo. Recirculado:
Canad. Recirculado 556

Se ha publicado que en ambientes limitados por agua la productividad del cultivo es


determinada por la cantidad de agua disponible y la eficiencia en el uso del agua del
cultivo [Hsi00].

4.2 Modelo de la dinmica del agua en el cultivo: un enfoque


integrador

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

El modelo propuesto es un modelo genrico que considera el balance hdrico desde un


punto de vista integral, como un submodelo adaptable para hacer interfase con un modelo
explicativo de crecimiento de cultivo y ecosistema vegetal. Es dinmico, explicativo y
simple. Tiene en cuenta la cantidad de agua en tres almacenes o reservas: el substrato, la
raz y la parte area de la planta o dosel (que incluye hojas, tallos y frutos). El modelo
original se combina con uno de crecimiento propuesto para un ecosistema de pastizal,
donde la masa vegetal est distribuida en biomasa estructural y no estructural (de
almacenamiento), mientras que el suelo se considera compuesto por una sola capa. Las
variables de estado son la masa de agua en el substrato, masa de agua en la raz y masa de
agua en la parte area, tiene 30 parmetros, seis de los cuales son factibles de ser
cambiados [Tho96] para acomodarlo a distintas condiciones.

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):

FAG ,s = C a rlluvia FAG ,lluviaatm FAG ,s r (4.34)


60( h ,s h ,r )
FAG ,s r = (4.35)
rAG ,s r
FAG ,r , d = g AG ,r ,d ( h,r h,d ) (4.36)
FAG ,dr = FAG ,s (4.37)

donde: Ca es la densidad de agua, rlluvia es la cantidad de precipitacin pluvial, FAG,lluvia-atm


es la evaporacin del agua de lluvia interceptada por el dosel, h,s , h,r y h,d son los
potenciales hdricos en el suelo, raz y parte area de la planta o dosel respectivamente,
rAG,s-r es la resistencia al flujo del suelo a la raz, y gAG,r-d es la conductividad al flujo de la
raz al dosel. Los potenciales hdricos, estn definidos de la siguiente forma:

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:

C R ( X ta + 273.15) f neoa ,d M ne,d


os ,d = (4.43)
S M AG ,d
C pr ,d M AG ,d
pr ,d = C 1 C a (4.44)
M e ,d
donde Mne,d es la materia seca no estructural en el dosel, Me,d es la materia seca estructural
en el dosel y fneoa,d es la fraccin de almacenamiento osmticamente activa 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.

Csors r Crsr M e ,r + Ckwrsr


rAG ,s r = + ( ) (4.45)
K so M e ,r r M e ,r

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 ))

Al modelo anteriormente descrito se le han hecho las siguientes modificaciones:

1) La lluvia ha sido sustituida por el suministro de riego, que en condiciones de cultivo


sin suelo es de alta frecuencia. De manera que el flujo de agua en el suelo se modifica:

FAG , s = Fag ,r FAG , s r (4.48)

2) La evaporacin fue eliminada ya que el cultivo ha sido desarrollado en bolsas de lana


de roca y se puede considerar una evaporacin despreciable.

3) Para el modelo de transpiracin se ha utilizado la ecuacin propuesta para cultivo de


tomate en invernadero desarrollada por Stanghellini [Sta87], la cual ha sido
ampliamente validada en cultivos de invernadero como elemento para realizar control
climtico [Sta92], [Sta95]. En la misma fue anulada Tcal ya que no existe calefaccin
por tubera en el piso en las instalaciones experimentales.

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:

h,s = os, s + m, s (4.49)

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

donde Se es el contenido de agua efectivo en el substrato o saturacin efectiva


( 0 Se 1) , Cag, Cagm y Cagn son parmetros de forma en la curva de retencin de
agua. El contenido efectivo de agua es funcin del contenido relativo de agua ( s ), el
contenido mximo de humedad ( s ,max ) y del contenido residual de humedad en el
sustrato ( res ).

S e = ( s res ) /( s ,max res ) (4.51)

100
Modelado de balance hdrico en sustratos artificiales

5) La conductividad hidrulica del substrato ha sido calculada a partir de la ecuacin


propuesta en [Mua76]:

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)

7) Considerando que la resistencia hidrulica de la raz es variable y que a altas


cantidades de transpiracin dicha resistencia disminuye permitiendo una rpida
absorcin de agua [Ste98], [Rug99], se ha incluido el factor (Ckrhr) en el cual la
resistencia al flujo de agua del suelo a la raz se modifica en funcin de la transpiracin
mediante una funcin exponencial:

rAGm,sr = rAG,sr (eCkrhrET ) (4.55)

8) El modelo ha sido acoplado a un modelo de cultivo de tomate (Tomgro) de cinco


variables de estado [Jon99] el cual ha sido previamente calibrado y validado para las
condiciones de produccin del sudeste espaol, cuyos resultados parciales se han
publicado en [Ram04] y se ha detallado con amplitud en el captulo 3. Este modelo ha
sido ajustado para estimar materia seca estructural y no estructural utilizando para ello
los resultados obtenidos por [Pre97] en cultivo de tomate.

9) La escala de tiempo ha sido cambiada de un da a un minuto.

4.3 Estimacin de parmetros, comportamiento y simulacin de


la dinmica del agua

En este apartado se analiza en primer lugar la transpiracin y el comportamiento del


modelo de Stanghellini utilizado para su estimacin; posteriormente se describe el
comportamiento de la dinmica del agua en el substrato para las condiciones
experimentales realizadas, estudiando a continuacin el comportamiento de las variables
utilizadas en el modelo de balance hdrico, los parmetros obtenidos, su sensibilidad y,
finalmente, se muestran simulaciones del modelo completo y se comparan con las
mediciones realizadas. Las variables medidas fueron: transpiracin, contenido de humedad

101
Modelado de balance hdrico en sustratos artificiales

en el substrato, drenajes, temperatura de la hoja, el substrato y el aire, y humedad relativa


en el ambiente.

4.3.1 Modelado de transpiracin

Como se ha comentado en el captulo 2, se realizaron ensayos con la finalidad de evaluar el


proceso de transpiracin, lo que permitir conocer una importante parte del balance
hdrico.

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.

En la figura 4.1A se muestra la sensibilidad del modelo a la resistencia interna, resistencia


de capa lmite e ndice de rea foliar. La grafica indica que es el ndice de rea foliar la
variable ms sensible seguida por la resistencia de capa lmite.

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.

Para ejemplificar el comportamiento de transpiracin y su relacin con las variables


relacionadas en la estimacin de la misma, la figura 4.3 muestra el curso de transpiracin
durante dos das del mes de septiembre con un ndice de rea foliar de 1.8 m2 m-2. Es
posible apreciar el efecto de la temperatura de hoja, radiacin solar y dficit de presin de
vapor de agua en el ambiente sobre la resistencia interna, y de la temperatura de hoja sobre
la resistencia de capa lmite, aunque esta ltima es determinada tambin por la dimensin
de las hojas y la velocidad interior del viento, que para esos das tuvo valores que
fluctuaron entre 0.02 y 0.12 m s-1. La resistencia de capa lmite muestra un
comportamiento bastante estable a travs del da (figura 4.3A), y esa estabilidad tambin
fue observada para el conjunto de los datos.

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

__ medida --- simulada


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
6000 40
A B Tcss
35 ts
4000 rirh ti
Xta
30
s m-1

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

La figuras 4.4 y 4.5 muestran la transpiracin en relacin a la radiacin solar incidente en


el invernadero por encima del dosel. Es evidente que se presenta un fenmeno de histresis
cuando la radiacin solar es menor que 300 W m-2 en la cual, para la misma radiacin, la
transpiracin es mayor en la tarde que en la maana. La misma relacin se observa al
mostrar la relacin que establecen el dficit de presin de vapor respecto a la radiacin.

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

4.3.2 Dinmica de agua en el substrato

El modelo de balance hdrico ha sido enfocado principalmente a conocer la dinmica en la


masa de agua (kg m-2 suelo) o contenido de humedad (% en volumen) del substrato, ya que
es en esa variable de estado donde se cuenta con datos con frecuencia cada cuatro minutos
que fueron interpolados a una frecuencia de un minuto, aunque como se ha indicado en la
descripcin del modelo ste tambin proporciona como variables de salida la masa de agua
en la raz y en el dosel. El substrato presenta fluctuaciones rpidas de incremento y
disminucin de contenido de agua ya que la capacidad de los contenedores es reducida con
lo cual se conforma un sistema inestable que se encuentra sujeto a los cambios en las

105
Modelado de balance hdrico en sustratos artificiales

condiciones ambientales del invernadero, a las decisiones en el manejo de la nutricin del


cultivo y al comportamiento del sistema de riego.
Los cambios en el contenido de humedad del substrato a travs del ciclo de cultivo
fluctan entre condiciones con contenido de humedad mnimo puede estar entre 50 y 60 %
hasta aquellas en las que se mantiene contenido de humedad por encima del 70%. La
condicin de bajo contenido de humedad se induce en la etapa en la cual se requiere que el
cultivo incremente la cantidad de races por lo cual una prctica comnmente aplicada
consiste en la aplicacin de dficit hdrico. Cuando el cultivo est en plena produccin y
hay altas tasas de absorcin de agua por las plantas, el contenido de humedad puede ser
mayor que 70%. Los valores indicados estn en funcin del cultivo, la poca del ao y los
objetivos de la produccin.

La figura 4.6 muestra la dinmica de contenido de humedad en el substrato, pudindose


observar su comportamiento en diferentes periodos de tiempo, que comprenden varios
das, un da e intervalos durante cada da. Las condiciones en que es posible observar esta
dinmica son las siguientes:

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.

Dinmica del contenido de agua en el substrato, aplicacin de riegos y presencia de


drenajes en intervalos diarios. El contenido de humedad disminuye continuamente
durante la noche, alcanzando el mnimo momentos antes del primer riego.
Posteriormente se tienen sucesivos periodos de incremento y disminucin rpida del
contenido de humedad en funcin de la cantidad y frecuencia de los riegos y de las
condiciones de la planta. La Figura 4.6B muestra dos das en los que el volumen de
agua aplicado en cada riego fue de 50 ml m-2 min-1.

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.

4.3.3 Modelo de balance hdrico

Se ha comentado previamente que el flujo de agua responde fundamentalmente al estado


de energa en el continuum susbtrato-planta-atmsfera, de manera que el contenido de
humedad del substrato es la resultante del movimiento de agua en el mismo, que est
basado fundamentalmente en los gradientes de energa o de potencial hdrico.

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.

La relacin entre la conductividad hidrulica del substrato y el contenido efectivo de


humedad se puede observar en la figura 4.7B.

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

4.3.3.1 Potenciales hdricos

El potencial hdrico del substrato en condiciones de produccin flucta a lo largo del da en


funcin de las variables enunciadas en la descripcin del modelo. La descripcin de su
evolucin se llevar a cabo tomando como base un ejemplo tpico representado en la figura
4.8, en la que se puede observar el potencial hdrico en el substrato (Figura 4.8A) en
relacin a las condiciones de radiacin global en el interior del invernadero (Fig 4.8B), de
conductividad elctrica del substrato y de la disolucin nutritiva (Figura 4.8C) y de
temperatura (Figura 4.8D).

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.

El efecto de la conductividad elctrica del substrato sobre el potencial hdrico es evidente


en una relacin inversa, que es posible apreciar al observar las figuras 4.8A y 4.8C, siendo
de mayor importancia respecto al efecto que ejerce la temperatura del substrato, que es la
otra variable que interviene en la estimacin del potencial hdrico del substrato. Las
condiciones de radiacin solar, temperatura de substrato y de aire se pueden analizar en
4.8B y 4.8D para el caso considerado. El potencial matricial observado en las condiciones
en que se desarrollaron los ensayos fue poco negativo con fluctuaciones entre 0.0001 y
0.006 MPa, como resultado del alto contenido de humedad en el substrato.

Los potenciales hdricos en la raz y el dosel cambian durante el da y son el resultado de la


suma algebraica del potencial de presin y del potencial osmtico. La grafica 4.9 muestra
los resultados de simulacin en la evolucin de los mismos durante cuatro das (96 horas)
en un cultivo plenamente desarrollado, con ndice de rea foliar de 3.1 m2 m-2. Las figuras
4.9A y 4.9B indican la evolucin de los potenciales de presin y osmtico en la raz y el

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)

4.3.3.2 Anlisis de sensibilidad y valor de los parmetros obtenidos

El modelo contempla un conjunto de parmetros, algunos de los cuales pueden ser


ajustables [Tho96]. Siguiendo la indicacin del mismo autor se han estimado los
parmetros susceptibles de calibrar y se han agrupado los parmetros correspondientes a la
fraccin de almacenamiento osmoticamente activa fneoa,r y la masa molal de
almacenamiento (S) como un solo parmetro en raz (Cfa,r) ( C fa , r = f neoa , r / s ) y en dosel

109
Modelado de balance hdrico en sustratos artificiales

(Cfa,d) ( C fa , d = f neoa , d / s ). La estimacin se ha realizado mediante el mtodo de mnimos


cuadrados descrito en el captulo 2.

Al realizar el anlisis de sensibilidad que permitiese conocer los parmetros ms


importantes en el modelo se ha encontrado que en orden de importancia son: el
componente presin en el dosel (Cpr,d), la rigidez de pared celular (C), la proporcin
fraccin almacenamiento osmotico/masa molal de almacenamiento en dosel (Cfa,d ), el
componente de presin en la raz (Cpr,r), la conductividad del agua en la planta (Ccndag), la
proporcin fraccin almacenamiento osmotico/masa molal de almacenamiento en la raz
(Cfa,r ) y los de resistencia suelo raz (Ckrhr, Ckwrsr, Crsr, Csors). La figura 4.11A muestra la
magnitud del error cuadrtico medio al hacer un cambio de 10% respecto de los mejores
valores estimados de los parmetros.

1 4
A p,r B p,dpt
pt
0.5 2
MPa
MPa

0 0

-0.5 os,r -2 os,d


po
po

-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.

El anlisis de sensibilidad tambin indica que el modelo es sensible a las condiciones


iniciales. El orden de importancia de las condiciones iniciales es: masa inicial de agua en el
substrato (MAGs-ini) y la masa de agua en el dosel (MAGd-ini), finalmente y con muy poco
efecto estn la masa de agua en la raz (MAGr-ini) y la densidad inicial de las races (Dr-ini).
Lo anterior se puede corroborar en la figura 4.11B.

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.

Tabla 4.6 Parmetros estimados y otros parmetros utilizados en el modelo


Parmetro Descripcin Valor estimado Rango
C Parmetro de rigidez de la pared celular 10e+6 0.7e+6 1.5 e+6
Ccondag Conductividad de agua 0.010 0.001 0.200
Ckwrsr Resistencia suelo-raz 0.25 0.1 1.5
Crsr Resistencia suelo-raz 450000 200000 900000
Csors Resistencia suelo-raz 100 10 500
Cpr,r Componente de presin en la raz 0.20 0.05 0.9

Cpr,d Componente de presin en dosel 0.34 0.05 - 0.9


Cfa,r Relacin fraccin osmtica masa 50 5 200
molal en raz
Cfa,d Relacin fraccin osmtica masa 70 10 200
molal en dosel
Cmax,ag,s Mximo de agua en el sustrato o suelo 0.92 -
Ckrhr Resistencia suelo raz 600 -
Cag Parmetro de forma en la curva de 0.0873
retencin de agua en el sustrato
Ks Conductividad hidrulica a saturacin 0.00077*
Cagn Parmetro de forma en la curva de 3.904
retencin de agua
Cagm Parmetro de forma en la curva de 0.745
retencin de agua
res Agua residual en el substrato 0.0067
s ,max Contenido mximo de agua en el 0.924
substrato o suelo.
*
En m s-1. Un m s-1 es equivalente a 101.9 kg m-3 s.

La simulacin con el modelo mediante los parmetros obtenidos utilizando datos no


empleados en el proceso de estimacin de parmetros, presenta resultados satisfactorios en
trminos generales, ya que el modelo presenta un comportamiento aceptable en periodos
en los que el contenido de humedad tiene escasa variacin cada da, manifestando mayor
error, cuando hay cambios drsticos en el contenido de humedad. La tabla 4.7 contiene los
errores obtenidos entre las simulaciones y los datos medidos.

112
Modelado de balance hdrico en sustratos artificiales

Tabla 4.7 Estadsticas de error en la estimacin de contenido de humedad


N Error absoluto Error promedio Raz del error Error relativo
mximo (% en volumen) cuadrtico medio %
(% en volumen) (% en volumen)
25920 6.5 1.04 1.8 2.01

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.

La figura 4.12 muestra valores estimados y medidos de contenido de humedad bajo


diferentes condiciones de manejo de la misma. Al utilizar el modelo en la etapa de
crecimiento del cultivo, periodo crtico en el cual el contenido de humedad en el substrato
estuvo sujeto a ascenso continuo desde 50% hasta 70% durante un lapso de cuatro das, la
dinmica fue simulada de manera satisfactoria. En la misma figura se pueden apreciar
detalles de diferentes das.

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

medida --- simulada


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

Cuando el comportamiento del modelo no se acerca a los datos medidos, se debe


fundamentalmente a cambios en la frecuencia de riego que incrementa el contenido de
humedad del substrato. Sin embargo, el modelo se estabiliza en el siguiente da ya que es
regulado por el lmite que establece la capacidad del contenedor (que en el modelo original
se establece como capacidad de campo).

113
Modelado de balance hdrico en sustratos artificiales

4.4 Discusin y conclusiones

Se puede indicar que aunque el modelo de transpiracin se comporta de manera adecuada


es factible de ser mejorado ya que en la noche muestra una tendencia a subestimar la
transpiracin.

Si bien se ha considerado que la evaporacin no es importante considerando que en las


condiciones experimentales hubo el cuidado de cubrir los cubos de lana de roca (tacos)
donde se desarrolla la planta en semillero que es la principal rea por donde puede haber
evaporacin del substrato en el sistema utilizado, es posible que eso hay sido un factor de
prdida de agua no considerado en el presente trabajo y que debiera ser evaluado con
mayor precisin.

4.4.1 Sobre la sensibilidad de los modelos a los parmetros,


condiciones iniciales y variables de entrada

Como se ha indicado en el anlisis de sensibilidad del modelo de transpiracin, ste es


bastante sensible a la resistencia interna, aspecto que ha sido enfatizado por diferentes
autores [Sta87], [Pap94]. Se ha propuesto como una alternativa incluir las resistencias
interna (rh) y externa (rcl) como una proporcin (rh/rcl) en lugar de ser una suma de
resistencias, para disminuir el error en la estimacin de transpiracin [Pap94], [Kat01].

El ndice de rea foliar es otro de los elementos cuyo efecto en la transpiracin es de


capital importancia. La estimacin ms precisa posible desde un punto de vista explicativo
sigue siendo una cuestin pendiente [Mar98], como ya se ha indicado en el captulo 3. En
este mbito se pueden utilizar un modelo dinmico, como el descrito en el captulo 3, o
bien un modelo esttico, mediante las relaciones lineales establecidas en la tabla 4.4. La
bondad del modelo se reflejar en el comportamiento del modelo de transpiracin.

El fenmeno de histresis en la transpiracin mostrado en las figuras 4.4 y 4.5 ha sido


sealado previamente para cultivos de rosa [Kat01] y pepino [Med05]. La explicacin del
mismo se atribuye a la covarianza de la radiacin solar y el dficit de presin de vapor
sobre la respuesta estomtica, hecho que ha sido demostrado en caf por [Tak98] y en rosa
por [Kat01].

En el modelo de balance hdrico es necesario resaltar la sensibilidad del mismo a


parmetros relacionados con el dosel, lo cual es explicable, ya que de acuerdo a la
naturaleza simple pero mecanicista del mismo es en esta parte donde hay ms cambios por
su estrecha relacin con el ambiente exterior. Visto de manera simple, el flujo de agua es
manejado fundamentalmente por el gradiente establecido entre el dosel y el substrato,
modulado por las resistencias en el interior de la planta.

Se ha mostrado que el modelo es sensible a las condiciones iniciales, ya que la masa de


agua en el substrato, raz y dosel es dinmica a travs del da (figura 4.13). Por tanto, se
requiere de una cuidadosa medicin o clculo en las condiciones iniciales pues de otra
manera se puede inducir a errores durante las primeras horas de la simulacin, alcanzando
la estabilidad posteriormente como se puede observar en la figura 4.13D.

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%

4.4.2 Sobre el modelo de balance hdrico

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.

Una parte importante en el modelado de balance hdrico lo constituye la absorcin de agua


por la raz, proceso que ha sido modelado con ms detalle por [Dou98a], [Hom02], y para
su simulacin desde un punto de vista explicativo requiere de parmetros no disponibles
para las circunstancias en que se han desarrollado los cultivos tratados en esta tesis, por lo
que no estn en condiciones de ser aplicados al problema que aqu se trata. No obstante es
una lnea a seguir en el entendimiento de los procesos que subyacen en la dinmica del
agua.

115
Modelado de balance hdrico en sustratos artificiales

Un enfoque interesante y diferente para abordar la transferencia de masa de agua en el


sistema suelo-planta-atmsfera ha sido trabajado por [Jac96b] y [Cal00]. En su modelo se
establece el nexo entre la resistencia estomtica y se la relaciona con fotosntesis y
transpiracin y a partir de ellos se establece el efecto con la cantidad de agua extrable del
suelo, de manera que el agua que fluye a la planta no considera la actividad hidrulica.
Puede constituir una va interesante, dado que es un modelo simple con pocos parmetros
que permite simular conductancia estomtica, asimilacin neta, humedad del suelo y
eficiencia en el uso de agua y se constituye en una alternativa, aunque carece de la parte
explicativa que s posee el modelo que se ha utilizado en ste trabajo.

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.

A diferencia de los estudios en cultivos agrcolas o ecosistemas naturales donde se han


realizado mltiples modelos que integran la dinmica del agua, el desarrollo del cultivo y
la nutricin mineral, en hortalizas cultivadas en invernadero son pocos los modelos
[Jon98b]. Uno de ellos ha sido desarrollado para lechuga e integra balance hdrico y
nutricional con un modelo simple de crecimiento [Hei97]. Comparaciones interesantes de
modelos complejos de balance hdrico en campo abierto que incluyen simulacin de lluvia,
infiltracin, percolacin, redistribucin de aguas en la zona no saturada y crecimiento de
cultivo han sido descritas en [Weg00] y [Eit04]. La integracin que se ha realizado en el
presente trabajo del modelo de balance hdrico con el modelo de crecimiento de cultivo,
Tomgro explicado en el captulo 3, ha sido posible y permite abordar de manera integrada
al crecimiento de las plantas el flujo hdrico en las mismas.

La prediccin de transpiracin ha sido utilizada para control climtico de invernaderos


[Sta95]. El manejo de este proceso asociado al del crecimiento de cultivo y a la dinmica
de agua de manera integral, posibilita un control climtico con ms elementos de decisin
y puede ser menos costoso que la utilizacin de actuadores que consumen energa, como lo
es el enfriamiento evaporativo, esto ultimo ya indicado en [Kat01]. Uno de los posibles
usos del modelo es su aplicacin en el sistema de nutricin, ya que permite avanzar en la
misma direccin establecida por [Rav01] en el sentido de que solamente un sistema que
combine elementos del cultivo, meteorolgicos y del medio de la raz pueden proporcionar
respuestas satisfactorias al control de la irrigacin.

116
Modelado de balance hdrico en sustratos artificiales

4.4.3 Conclusiones

Se ha realizado la adaptacin de un modelo completo de balance hdrico que integra el


substrato, la planta en crecimiento y el ambiente.

Se ha realizado un proceso de calibracin y validacin del modelo de balance hdrico


propuesto, mismo que ha sido modificado para cultivo sin suelo en lana de roca y cultivo
de tomate desarrollado bajo invernadero.

El modelo de transpiracin de tomate para cultivo de invernadero adoptado permite una


estimacin aceptable de este proceso y puede ser utilizado como una parte de un modelo
ms general de balance hdrico.

El modelo de balance hdrico con las modificaciones propuestas permite la simulacin


adecuada de la dinmica en el contenido de humedad del substrato a partir de las
condiciones ambientales, temperatura del aire del invernadero, temperatura de substrato y
de manejo del sistema de nutricin (cantidad de agua suministrada y conductividad
elctrica en el sistema). Es importante sealar que los resultados sugieren que podra ser
posible utilizar la temperatura de aire en lugar de la temperatura de substrato sin
detrimento importante en la prediccin del modelo.

El conocimiento de la humedad del substrato permite incorporar esa variable como un


elemento ms a tener en cuenta para buscar un control eficiente en el suministro de agua al
cultivo. El contenido de humedad en el substrato puede ser manejado conjuntamente con la
dinmica de transpiracin y posibilita en principio conocer el efecto de las acciones de
control de riego sobre el sistema.

Otra de las aplicaciones que permite el modelo es un entendimiento mejor de la dinmica


del agua en las plantas y la posibilidad de efectuar acciones de control climtico, basados
la prediccin de los efectos combinados de control climtico y riego.

4.4.4 Trabajos futuros

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.

Con la finalidad de contar con un modelo integral de tipo explicativo, es factible la


inclusin de una parte que considere la nutricin del cultivo, de manera que forme parte del
complejo substrato-cultivo-atmsfera en el agrosistema invernadero, permitiendo su
simulacin y pudiendo constituirse en una herramienta importante en la toma de
decisiones.

117
Modelado de balance hdrico en sustratos artificiales

118
Esquemas de control de temperatura
nocturna y riego basados en modelos

Los invernaderos automatizados requieren de estructuras bsicas de control de clima y


riego que habitualmente se implementan haciendo uso de algoritmos heursticos basados
en la experiencia. En una estructura de control jerrquico de crecimiento de cultivos en
invernadero, donde se pretende la optimizacin del proceso productivo, tambin es preciso
un control automtico adecuado en los niveles inferiores de la jerarqua, pues las
decisiones que se tomen a bajo nivel van a influenciar en gran medida los resultados que se
obtengan en la implantacin de la arquitectura jerrquica. Por ese motivo, en este captulo
se plantean esquemas de control de la temperatura nocturna y de riego basados en modelos
estticos y dinmicos de las variables que influyen en esos bucles de control, con la
finalidad de conseguir un comportamiento eficiente y acorde a los requerimientos del
sistema de control jerrquico. No se ha tratado en esta tesis el problema del control de
ventilacin diurna por ser el que menos influye en los criterios multiobjetivo que se
plantean y por existir ya soluciones previas desarrolladas por miembros del grupo de
investigacin Automtica, Electrnica y Robtica que abordan dicha problemtica.

5.1 Control de temperatura nocturna usando calefaccin


5.1.1 Introduccin

El control de la temperatura interior de un invernadero es un problema prctico de


considerable inters, que tiene una relevante importancia econmica pues el objetivo
principal de un invernadero es poder producir en pocas diferentes a las de las campaas
clsicas de cultivo, representando los costes de calefaccin (basados en combustin de
combustible) alrededor del 30% de los costes totales de operacin en un invernadero en
pases del centro y norte de Europa. En el planteamiento de un esquema de control
jerrquico, donde uno de los objetivos que se busca es maximizar el beneficio obtenido por
el agricultor, los costes de calefaccin pueden llegar a ser muy significativos. Tiene por
tanto un gran inters aumentar la eficiencia de los sistemas comerciales para disminuir los
costes asociados a la calefaccin sin tener que realizar modificaciones estructurales a los
mismos. Tomando como base los sistemas basados en calefaccin por conveccin de aire
caliente con ventiladores comentados en el captulo de materiales y mtodos, se plantea en
este apartado el desarrollo de un esquema de control de la temperatura nocturna de
invernaderos basados en tcnicas de control predictivo basado en modelo, comparndolo
con los resultados alcanzados con el sistema comercial sobre el que se han implementado
las estrategias desarrolladas.

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.

5.1.2 Sistemas de calefaccin

Generalmente, los sistemas de calefaccin que se implantan en los invernaderos se basan


en tuberas areas de agua caliente o bien en sistemas de conveccin forzada de aire
caliente (con o sin conductos). En [Bai88] se presentan y discuten seis tipos de sistemas de
calefaccin:

1) Intercambiadores de calor dentro del suelo.

2) Intercambiadores de calor sobre el terreno.

3) Tuberas areas de agua caliente.

4) Calentadores por conveccin de aire caliente con ventiladores.

5) Sistemas de calefaccin sobre el techo.

6) Combinaciones de dos de ellos.

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.

Muchos cultivos crecen y se desarrollan en respuesta a la integral en el tiempo de la


temperatura a la que se encuentran durante un periodo de 24 h [Kon88], [Kon90]. Como se
indica en [Cha95], los requisitos de temperatura deben caracterizarse por una temperatura
media diurna y unos lmites mximos y mnimos de temperatura aceptables durante el da y
la noche. Sin embargo, la capacidad para actuar como integradores de temperatura difiere
entre plantas, y los cambios de temperatura a corto plazo pueden influir las reacciones de la
planta a largo plazo, pues la temperatura tiene un fuerte impacto sobre diversos procesos
fisiolgicos y morfolgicos, que tienen diferentes constantes y curvas de reaccin [Fin93].
Por tanto, las diferencias en la frecuencia de los ciclos de calentamiento, producto de los
diversos mtodos de distribucin del calor, pueden tener efectos en ciertos cultivos, siendo
ste un aspecto objeto de estudio en la actualidad y que por tanto no se tiene en
consideracin a la hora de desarrollar estrategias de control climtico de invernaderos.

Los sistemas de calefaccin ms utilizados en invernaderos en la zona Mediterrnea se


basan en aire caliente que se distribuye por el invernadero utilizando conductos de
polietileno [Bai75], [Tei99], aunque recientemente hay muchas iniciativas para instalar
sistemas de calefaccin basados en tuberas areas de agua caliente. En el caso tratado en
esta tesis, se han utilizado calentadores por conveccin de aire caliente con ventiladores.

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:

Una cmara de combustin, alimentada con fuel-oil.

Un cambiador de calor compuesto por una red de tubos metlicos.

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

Aire caliente Cmara Aire caliente


combustin

Cambiador
Combustible Quemador de calor

Aire combustin

Aire ambiente
Aire ambiente

Figura 5.1 Diagrama esquemtico del sistema de calefaccin por ventilacin forzada

5.1.3 Sistemas de control de temperatura nocturna usando calefaccin

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].

En la literatura existen diversos trabajos donde se aplican distintas tcnicas de control de la


temperatura utilizando calefaccin (fundamentalmente basada en tuberas areas con agua
caliente). En [Udi83] se evaluaron diversas estructuras de control PI y se compararon con
estrategias de control adaptativo por modelo de referencia en un invernadero Venlo con
cultivo de tomate, mostrando un buen comportamiento de estado estacionario pero con
grandes sobreoscilaciones y sin optimizar la eficiencia. En [Dav91] se introdujo un control
PI en cascada para el control de la calefaccin en un invernadero Venlo, mejorando los
resultados alcanzados con un control PI clsico. En [You01] se ensay un controlador PIP
con un modelo de un invernadero Venlo, mientras que en [Tan85b], [Tan93] y [El-Gho02]
se utilizaron controladores por adelanto y controladores predictivos extendidos linealizados
con buenos resultaos. En [Boa97] y [Coe02] se utilizaron controladores PID y GPC en un
invernadero tnel en Portugal, alcanzando mejores resultados con el controlador GPC, de
acuerdo con los resultados de [Nie96] en climas fros. Las experiencias ms importantes
con controladores ptimos de horizonte deslizante se han llevado a cabo en Wageningen
[Str99a], [Str00], [Str02], [Tap96a], [Tap96b], [Tap00], demostrando la factibilidad de
aplicacin y las caractersticas de esta tcnica de control en invernadero tipo Venlo. En
Israel [Gut93], [Ios96] estudiaron diferentes tcnicas usando programacin lineal y el
Principio de Pontryagin para minimizar los costes de calefaccin. En Espaa, [Rod03]
llev a cabo la integracin de un sistema de calefaccin dentro de un esquema de control
jerrquico, y en [Gar05] se indican evaluaciones de modelado y control de temperatura por
calefaccin de aire caliente y por calefaccin en el piso del invernadero. Muchos autores
han proporcionado resultados slo a nivel de simulacin, como los controladores de ajuste
por tabla de ganancias explicados en [Kam96], los controladores MPC descentralizados en
[Kyr02] y controladores predictivos con linealizacin por realimentacin y robustos en
[Pi02b]. En [Ale94] se aplicaron tcnicas de control predictivo no lineal y ptimo usando
redes neuronales artificiales. Como ha quedado de manifiesto, muchos autores han
seleccionado las tcnicas MPC para el control de los sistemas de la calefaccin, debido a
su capacidad para tener en consideracin los costes asociados a las seales de control,
adems de las caractersticas propias de este tipo de controladores.

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.

En este captulo se ha utilizado la estrategia MPC denominada Control Predictivo


Generalizado (Generalized Predictive Control GPC) [Cla87], [Cam04]. Mediante el uso
de un modelo (habitualmente lineal) del proceso, en cada periodo de muestreo, se predicen
las salidas futuras para un horizonte de prediccin dado ((t+k|t), k=1...H) y se sustituyen
en una funcin objetivo para poder calcular las acciones de control futuras (u(t+k|t),
k=0...H-1), teniendo en cuenta adems las restricciones del proceso. Siguiendo una
estrategia de horizonte deslizante, se aplica al proceso la primera seal de control calculada
(u(t|t)), se desplaza el horizonte un periodo de muestreo y se repite el procedimiento el
siguiente instante de muestreo una vez que se mide la nueva salida real del proceso
(actualizando todas las secuencias de entradas y salidas). Se utiliza un modelo CARIMA
del proceso [Cla87] obtenido a partir de funciones de transferencia calculadas por
linealizacin de un modelo no-lineal del sistema y a partir de ensayos con seales de
prueba [Rod02], que relacionan los cambios en la temperatura del invernadero con
cambios en el sistema de calefaccin y en las perturbaciones (fundamentalmente cambios
en la temperatura y velocidad de viento exteriores) cuando se opera en torno a un punto de
trabajo. Se ha utilizado la funcin de coste clsica del control GPC [Cla87], [Guz05].

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

una constante de sintonizacin que debe seleccionar el diseador. La trayectoria de


referencia w(t+j) puede ser la referencia o una aproximacin suave a la misma desde el
valor actual de la salida y(t) hasta la consigna, habitualmente implementada en forma de
filtro de primer orden. Si no se tienen en consideracin las restricciones, como el modelo
utilizado es lineal y el criterio de optimizacin es cuadrtico, se puede encontrar una
solucin explcita en forma de una ley de control lineal [Cam04]. En caso contrario, se
debe resolver un problema de programacin cuadrtica (quadratic programming QP)
[Cam04], [Guz05].

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):

Una estrategia basada en modulacin de ancho de pulso (pulse width modulation


PWM), que es una forma clsica de aproximar una seal continua a partir de un
actuador discreto, mediante una modulacin en el tiempo de la seal de control. En este
ltimo caso, la activacin del actuador se lleva a cabo entre los 4 min (1%) y 10 min
(100%) utilizando un periodo de control de 1 min, de tal manera que cuando la seal de
error es negativa el control se desactiva.

Una estrategia de ramificacin y poda (branch and bound), que ha proporcionado


resultados muy positivos en el mbito del control de fotobioreactores [Ber04]. La
figura 5.2 muestra la estrategia bsica MPC teniendo en consideracin la naturaleza
discreta de la seal de control en este problema. Las predicciones a lo largo del
horizonte de prediccin utilizando los valores posibles de la seal de control a lo largo
del horizonte de prediccin se calculan evaluando la siguiente funcin objetivo:

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

ymin y ymax; u {umin, umax}={0,1}; u {umin, umax}={0,1};


{0,1}:{apagado, encendido}

A partir de la minimizacin de la funcin de coste (5.2) teniendo en cuenta los valores


discretos de las seales de control futuras (y sus predicciones asociadas), se calcula y
aplica la seal de control actual u(t). En este caso, se puede apreciar cmo los valores
de las seales de control (ponderados con el factor de ponderacin del esfuerzo de
control c ), estn relacionadas directamente con los costes asociados al consumo de
combustible (cuanto ms se penalice el segundo trmino en (5.2), esto es, con mayores
valores de c, menores cambios se producen en la seal de control y por tanto menor
coste asociado, pudiendo permitir mayores errores de seguimiento de la consigna). La
figura 5.2 ilustra la idea bsica de esta tcnica cuando los valores de la seal de control
slo tienen dos alternativas (encendido y apagado) y se utiliza un horizonte de
prediccin mnimo H1=2.

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+1/t) (t+2/t) ... (t+Hu/t) ... (t+H2/t)

(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/t)=0 ... (t+Hu-1/t)=1


...
y(t) (t+1/t)=1 ...
...
(t+1/t)=0
(t+Hu/t)=0 (t+H2-1/t)=0
(t/t)=1 (t+Hu-1/t)=0 ...
...
(t+1/t)=1
(t+Hu/t)=1 ... (t+H2-1/t)=1

(t+Hu-1/t)=1
t t+1 t+2 ... t+Hu ... t+N2

Figura 5.2 Tcnica de ramificacin y poda con MPC

5.1.4 Resultados ilustrativos

Se muestran a continuacin algunos resultados ilustrativos de la aplicacin de la tcnica


desarrollada en este apartado. Los valores de sintonizacin del algoritmo GPC se
seleccionaron teniendo en consideracin las caractersticas dinmicas del sistema tomando
como salida la temperatura del invernadero y como entrada el % de apertura del sistema de
calefaccin (0% 100%) (ganancia esttica 0.04C%-1, constante de tiempo en torno a 15
min, retardo representativo de 2 min y tiempo de establecimiento de 30 min, con un
periodo de muestreo de 1 min): H1=3, H2=30 y Hu=30.

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.

La figura 5.4 muestra resultados representativos del controlador GPC-PWM (similares a


los que se obtienen con los algoritmos de ramificacin y poda). Este controlador permite
reducir del orden del 20% el consumo de combustible, aunque se ha observado que,
incluso utilizando diferentes parmetros de sintonizacin del control GPC, este controlador
provoca ms conmutaciones y menor consumo que el controlador todo-nada, estando el
nmero de conmutaciones en el rango permitido por el suministrador del sistema de
calefaccin comercial.

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)

B) Evolucin de la temperatura B) Acciones de control


Figura 5.3 Respuesta del controlador todo-nada con zona muerta

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

1400 1500 1600 1700 1800 1900

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)

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
Esquemas de control de temperatura nocturna y riego basado en modelos

Tabla 5.1 Estrategias de control de temperatura nocturna usando calefaccin


Perturbaciones Tcnicas de control Experiencias Resultados Referencias
consideradas
Temperatura exterior Diurno: Control P Invernadero Venlo No se indican resultados [Udi83]
Humedad exterior Nocturno: 224 m2 Cambios de carga:
Velocidad viento Control PI + anti-windup (Varias estructuras) Naaldwijk (Hol) - Comportamiento aceptable en permanente.
Direccin viento Control PID Tomate - Sobreoscilacin elevada
Radiacin exterior Control adaptativo con modelo de referencia No mejora control PI.
Mala poltica energtica
Radiacin exterior Control PI + bucle de realimentacin de la Invernadero Venlo Resultados obtenidos mejores que PI. [Dav91]
temperatura de tuberas 42.8 m2 Error cuadrtico medio menor de 0.39 K.
Bedford (U.K.) Mximo error de 1 K.
Tomate
Temperatura exterior Control PIP Invernadero Venlo Resultados de simulacin [You93a]
Radiacin solar Bedford (U.K.) Buenos resultados a: [You93b]
Tomate - Cambios de consigna [You01]
- Seguimiento trayectorias
Temperatura exterior Control PDF 1000 m2 Resultados de simulacin [Alb01]
Radiacin solar Buenos resultados a:
- Cambios de consigna
- Seguimiento trayectorias
Temperatura exterior Control por Adelanto Temperatura estable y cercana a la consigna [Tan85a]
Radiacin exterior [Tan85b]
[Tan93]
Temperatura exterior Temperatura y humedad: No se indican experiencias ni resultados [Kam96]
Humedad exterior Control por ajuste con tabla
Velocidad viento
Direccin viento Radiacin y CO2
Radiacin exterior Todo/nada con zona muerta
Lluvia
Temperatura exterior Control PID Invernadero tnel Problemas seguimiento de trayectorias [Boa97]
Radiacin exterior Control predictivo GPC 210 m2 Buenos resultados
Humedad interior Vila Real (Por) (error menor de 0.3 C)
Tomate

128
Esquemas de control de temperatura nocturna y riego basado en modelos

Perturbaciones Tcnicas de control Ensayos Resultados Referencias


consideradas
Temperatura exterior Control predictivo GPC Cubierta cristal Mejor comportamiento que un PID [Nie96]
Radiacin exterior 172 m2 (8 x 21.5)
Con cultivo
Arlsev (Din)
Temperatura exterior Control Predictivo basado en modelo Es una propuesta y no se indican experiencias ni resultados [Kyr02]
Radiacin exterior descentralizado (DMBPC)
Temperatura exterior Control predictivo MELPC Invernadero Venlo Resultados aceptables en seguimiento de [El-Gho02]
Humedad exterior 200 m2 trayectorias. [El-Gho01]
Velocidad viento Hannover (Ale) Mejor comportamiento que un PI adaptativo. [Meg99]
Radiacin exterior Sin cultivo
Temperatura exterior Control MBPC Se utilizan datos climticos Mejor comportamiento que un PID. [Pi02a]
Radiacin exterior de San Juan (Argentina) y Se requiere una accin de control agresivo que puede [Pi02b]
Temperatura suelo un modelo para simular el violar restricciones. [Pi01]
comportamiento de un Error cuadrtico medio =1.8 C.
invernadero Esfuerzo computacional =13 segundos.
Control MBPC+FL Salida y seal de control presentan comportamiento
similar a MBPC.
Error cuadrtico medio menor =1.5 C.
Esfuerzo computacional =0.006 segundos.
Control MBPC+ FL + LMI Respuesta muy similar a distintos tipos de
incertidumbres.
Control MBPC Planta piloto Resultado similar a los obtenidos con simulacin
2.28 m2
Con cultivo
Temperatura exterior Control predictivo basado en modelo utilizando Invernadero tnel Resultados de simulacin. [Coe02]
Radiacin exterior el algoritmo de optimizacin de partculas 210 m2 Buenos resultados en seguimiento de consignas.
Swarm y algoritmos genticos Vila Real (Por) Algoritmo de Swarm mejora en 40% al gentico
Tomate
Temperatura exterior Control predictivo basado en redes neuronales Se especifica una Resultados de simulacin. [Wan99b]
Humedad exterior para temperatura combinado con un sistema experiencia pero no se Buenos resultados.
Velocidad viento experto para la concentracin de CO2 describe
Direccin viento
Radiacin exterior

129
Esquemas de control de temperatura nocturna y riego basado en modelos

Perturbaciones Tcnicas de control Experiencias Resultados Referencias


consideradas
Temperatura exterior Control predictivo con capacidad de aprendizaje Se especifica una Resultados experimentales aceptables: Error medio [Inc81]
Humedad exterior experiencia pero no se Temperatura 0.9 C, error medio Humedad 8% [Inc79]
Velocidad viento describe.
Tomate.
Temperatura exterior Control predictivo basado en modelo RHOC. Invernadero Venlo Resultados de simulacin y experimentales. [Str02]
Humedad exterior 300 m2 Resultados aceptables. [Tap00]
Velocidad viento Wageningen (Hol) [Str99a]
Direccin viento Tomate, lechuga [Tap96a]
Radiacin exterior [Tap96b]
CO2 exterior Control ptimo aplicando el Principio de Resultados de simulacin y experimentales. [Hen94]
Pontryagin combinando realimentacin y control Resultados aceptables.
por adelanto
Temperatura exterior Control ptimo basado en redes neuronales, que No se indican Resultados de simulacin. [Ale94]
Radiacin exterior combina realimentacin y compensacin por Demuestran la viabilidad de la utilizacin de este
CO2 exterior adelanto tipo de tcnicas.
Temperatura exterior Control ptimo aplicando Programacin Lineal No se indican Demuestra la viabilidad de resolver el problema del [Gut93]
Radiacin exterior y el Principio de Pontryagin, para minimizar control del clima en un invernadero utilizando este
Velocidad viento consumo de calefaccin. tipo de tcnicas.
Temperatura exterior Control ptimo aplicando el Principio de No se indican Resultados de simulacin. [Ios96]
Radiacin exterior Pontryagin para minimizar el coste de Buen comportamiento
Velocidad viento calefaccin y ventilacin.
Ventilacin PI robusto con tcnica H No se indican Resultados de simulacin. [Sig99b]
Velocidad viento Presenta buenos resultados para grandes variaciones
de los parmetros.
Temperatura exterior Control borroso Invernadero cristal Resultados de simulacin. [Laf02]
Humedad exterior 40 m2 Se obtienen buenos resultados mejores que los
Velocidad viento Francia todo/nada comerciales
Radiacin exterior
Ale Alemania Din Dinamarca Hol Holanda Por Portugal U.K. Reino Unido

130
Esquemas de control de temperatura nocturna y riego basado en modelos

5.2 Control de riego


5.2.1 Introduccin

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.

5.2.2 Mtodos de riego

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).

Controlar el contenido de humedad y concentracin de nutrientes en el ambiente de la


raz, (concepto de concentracin).

Controlar el contenido de agua y concentracin de nutrientes de los tejidos de la planta


(concepto de speaking plant approach [Has93]).

En sistemas de cultivo sin suelo un aspecto relevante es la escasa capacidad de reserva de


agua y nutrientes en la zona de las races. Con un volumen de substrato entre 0.014 en lana
de roca) y 0.025 (en perlita) m3 m-2 de piso de invernadero, el contenido de agua en la zona
de la raz esta comprendido entre 0.010 y 0.012 m3 m-2 para lana de roca y perlita
respectivamente [Kl01]. Lo anterior indica la importancia de un suministro adecuado de
agua, en tiempo y frecuencia.

En la actualidad el control en el aporte de agua es realizado en base a diferentes criterios


especficos, asociados a: contenido de humedad del suelo o substrato, la estimacin de la
evapotranspiracin del cultivo, medidas de la planta, el sistema de riego y la integracin de
sistema planta-sustrato-clima.

131
Esquemas de control de temperatura nocturna y riego basado en modelos

5.2.2.1 En base a humedad en el suelo o substrato

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 que se utilizan en la determinacin del contenido de humedad provienen de


tecnologa basada en la medida de la constante dieltrica de la matriz del substrato, ya sea
de reflectometra con dominio magntico en el tiempo (TDR) [Cor05], [Bra96] o de
frecuencia (FDR) [Bra96]. Los primeros estn basados en el tiempo de transmisin de una
seal electromagntica a lo largo de una sonda metlica introducida en el substrato,
mientras que los segundos utilizan la capacitancia para medir la constante dieltrica
[Bra96].

Los tensimetros determinan el potencial matricial del substrato y en base al mismo se


establece la consigna de riego. El potencial matricial para cultivos sin suelo muestra
valores poco negativos, menores que -10 kPa. En cultivo de tomate se han indicado valores
de activacin de la seal de riego de -10 kPa para los primeros 139 das y de -4 kPa en el
periodo de 140 a 221 das despus de trasplante [Her03]; mientras que en pimiento se ha
recomendado un umbral de inicio de riego de -8 kPa [Pas98].

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.

En un estudio comparativo de diferentes mtodos de medicin de contenido volumtrico de


agua (TDR, tensimetros y clulas de carga) en el substrato con indicadores fisiolgicos de
la planta (fotosntesis y conductancia estomtica) se seala el limitado poder predictivo de
las clulas de carga para el manejo de agua en substrato de lana de roca y aserrn puro
[Dor04]. Las clulas de carga y TDR mostraron correlacin con conductividad estomtica
y flujo de savia en el substrato mezclado de aserrn ms 30% de fibras de madera [Dor04].

Un aspecto de importancia a considerar con este tipo de mediciones es la variacin del


contenido de humedad o del potencial hdrico en el substrato, puesto que no hay
uniformidad en su distribucin. En estudios con lana de roca se ha determinado que se
presenta mayor humedad en el nivel inferior del substrato situado junto al fondo del
contenedor y menor en la parte superior del mismo [Rij98], [Bru04].

132
Esquemas de control de temperatura nocturna y riego basado en modelos

Las diferencias en el contenido de humedad en substrato de lana de roca se deben a la


estructura en capas de los bloques y/o a la bolsa de polietileno que la contiene; tambin hay
un gradiente respecto a la distancia longitudinal y horizontal del gotero, los puntos ms
alejados del gotero presentan menor cantidad de agua [Rij98], [Bru04].

5.2.2.2 En base a la evapotranspiracin

En el captulo 4 se han descrito diversos trabajos sobre evapotranspiracin. La estimacin


de la prdida de agua es una forma de calcular la demanda de agua por la planta. La
estimacin de evapotranspiracin en diferentes especies cultivadas en invernadero se han
desarrollado por [Bai94b] en ornamentales, [Sta87], [Jem95], [Sta95] en tomate, [Mon01]
en geranio, [Med05] en pepino, entre otros. El manejo del riego se debe realizar con la
informacin que proviene de los sensores de clima y aqulla que es aportada por el usuario,
con la cual se estima la evapotranspiracin. Un dato importante en esta estrategia es la
estimacin del ndice de rea foliar, que puede ser un dato indicado por el usuario o
estimado por algn modelo. Otros parmetros son la dosis de riego y el nivel de drenaje
deseable; el computador calcula la tasa de transpiracin, acumula la cantidad de agua que
ha perdido la planta por evapotranspiracin desde el ltimo riego, la compara con la dosis
previamente fijada y cuando la suma de transpiracin es igual a la dosis fijada se activa el
riego.

Este tipo de estrategia se ha utilizado en sistemas de pelcula nutritiva [Ham98b] en cultivo


de tomate en el cual el modelo subestim la cantidad de agua requerida por el cultivo en un
10 a 31%. En substrato de lana de roca tambin fue utilizado y el modelo subestim el
agua requerida hasta en un 21% [Ham98b]. En [Gra98] se indica que se ha aplicado control
de riego utilizando modelo de transpiracin, en el cual se busca la transpiracin mnima en
cultivo de pepino.

5.2.2.3 Asociados a medidas directas de la planta

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].

La temperatura de la hoja tambin se ha utilizado para medir el estado hdrico de la planta


que determina un ndice de estrs hdrico, el cual es factible de ser utilizado para
programacin de riegos. Esta tcnica presenta el problema de ser un indicador tardo de
estrs hdrico ya que el incremento de temperatura ocurre cuando hay cierre parcial de
estomas lo cual tiene lugar posteriormente a la reduccin de otros procesos ms sensibles
como el crecimiento por expansin de la hoja [Gal03]. En [Sta94] se determin el ndice de
estrs hdrico de cultivo en una especie de gramneas (Lolium perenne), mediante
termometra infrarroja. En [Kac02] se determin el ndice de estrs hdrico en el cultivo de
Impatients con la finalidad de establecer un umbral para aplicacin de riego, se
determinaron valores lmite que permitieron detectar estrs hdrico con uno o dos das de
anticipacin respecto a los sntomas visuales.

133
Esquemas de control de temperatura nocturna y riego basado en modelos

El espesor de la hoja tambin ha sido utilizado en la programacin de riegos [Sha01]. El


sensor mide constantemente el espesor de la hoja con una precisin de 1 micra. Se basa
en el principio de que el espesor de la hoja se correlaciona con el potencial de turgencia de
la hoja y que si la planta se encuentra sujeta a estrs hdrico su turgencia disminuye. Se ha
evaluado en frutales para activar sistemas de riego en respuesta a las variaciones en el
espesor de la hoja, lo cual ha permitido riegos de alta frecuencia y bajo volumen que
permiti un ahorro de agua del 30% en ctricos en ensayos durante 6 aos, aguacate
durante 3 aos y en algodn durante una estacin [Sha01].

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].

Otro ejemplo de este tipo dispositivos lo constituye el desarrollo de un equipo integrado


para la medicin de las condiciones fisiolgicas de la planta que est ligado a un software
que presenta la informacin en trminos fisiolgicos y agronmicos, de forma que puede
alertar al agricultor sobre posibles problemas del cultivo [Ton01]. Permite medir clima
(radiacin solar, temperatura y humedad relativa), flujo de savia, dimetro de tallo,
dimetro de fruto, temperatura de la hoja, humedad y temperatura del suelo. Con este
sistema se pueden definir riegos y consignas de control climtico en el invernadero, por
medio de ensayos de prueba y error, y tambin ayuda en la toma de decisiones [Ton03].

5.2.2.4 Asociados a la radiacin solar

Un mtodo ampliamente utilizado en los sistemas de riego consiste en la aplicacin de


riego por mtodos empricos en la estimacin de demanda de agua en base a la radiacin
solar, se define un umbral de riego en base a la cantidad de radiacin acumulada. En
[Pas98] se indica que el riego fue aplicado cuando se alcanza un umbral de 7 MJ m-2 para
cultivo de pimiento. En cultivo de gerbera se estableci un umbral de 2 MJ m-2 para el
inicio de riego [Lab98].

5.2.2.5 Asociados al sistema de riego

En este tipo de sistema, en base al volumen de drenaje que se acumula en un recipiente, se


determina un nivel de aporte y cuando se alcanza ese nivel a travs del consumo de las
plantas, se activa el riego; se asume que el agua que se aporta es la que ha consumido la
planta. Es un mtodo ampliamente utilizado en los sistemas de cultivo sin suelo [Sal97].

Otro enfoque consiste en la medicin de la conductividad elctrica de los drenajes


obtenidos, se establecen relaciones de conductividad elctrica mxima y mnima y en
funcin de stas se activan los riegos [Bil99]. En [Gie04] se describe un mtodo que mide
el flujo de drenaje y el anlisis de iones por medio de sensores de iones selectivos, en base
al mismo se decide el riego y la concentracin de nutrientes a aplicar.

5.2.2.6 Mtodos integrados

El enfoque de control de suministro de riego y nutrientes con mtodos integrados y


utilizando modelos implica conocer de manera apropiada las interacciones del agua en la
planta [Jon98b].

134
Esquemas de control de temperatura nocturna y riego basado en modelos

La aplicacin de mtodos integrados requiere de modelos en tres niveles: absorcin de


agua, transporte de agua en las plantas y prdida de agua hacia la atmsfera. Los modelos
de todos estos procesos son esenciales para permitir la prediccin precisa de la dinmica
del estado hdrico de la planta y el desarrollo de sistemas prcticos de manejo del riego
[Jon98b].

En [Hei97] se describe el desarrollo de un modelo de flujo bidimensional de agua en el


substrato, se modela la absorcin de nutrientes acoplada a un modelo de crecimiento en
lechuga desarrollada en substrato de arena. El suministro de agua y nutrientes es realizado
mediante la estimacin de demanda por la planta. En [Hei02] se describe la absorcin de
agua y nutrientes a partir del modelado del crecimiento de tomate y del modelado de flujo
de agua y nutrientes en lana de roca.

Una aplicacin integrada tambin se desarrolla a partir de modelos de fotosntesis,


transpiracin y demanda de nutrientes; la cantidad requerida de agua y nutrientes por la
planta fue calculada en funcin del clima del invernadero y a partir de ello se fijaron las
consignas de riego y nutrientes. Lo anterior fue aplicado en tomate y pimiento [Kl97],
[Kl99a], [Kl99b].

Hortimed es una propuesta de sistema de ayuda a la decisin para el manejo de sistemas


hidropnicos [Ana04]. Consiste de dos partes: manejo en lnea y fuera de lnea, el sistema
en lnea opera como el supervisor de otros sistemas de control de riego e implementa el
mejor manejo basado en las condiciones del cultivo, el agua de riego, las condiciones
climticas y las caractersticas del equipo de riego. El mdulo fuera de lnea considera las
entradas de clima, equipo instalado, produccin de cultivo tolerancia a salinidad y recursos
de agua disponible para ayudar en la decisin acerca de las inversiones posibles referentes
a sistemas hidropnicos, de forma que el agricultor puede formular varios escenarios.

5.2.3 Control de riego basado en transpiracin y humedad del


substrato
5.2.3.1 Tcnicas de control

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.

En [Kl97] se propone control por adelanto de la concentracin de la disolucin nutritiva,


utilizando modelos de fotosntesis, con absorcin de agua estimada por medio de un
modelo de transpiracin y asumiendo constante el contenido de elementos mayores de la
materia seca producida. Siguiendo en esa lnea de trabajo en [Kl99a] se indican resultados
en los que se sincroniz la demanda de agua y nutrientes con el suministro de los mismos
en funcin de parmetros climticos y en base a ello se determinaron consignas diarias de
concentracin en la disolucin nutritiva para cada da, basados en una estimacin emprica
de la proporcin entre demanda de agua y de nutrientes [Kl98]. Se indican resultados en
los que aplicaron control por adelanto y sealan que no fue necesario controlar por
realimentacin basada en la concentracin de lixiviados [Kl98]. Los ensayos los
realizaron en tomate y pimiento desarrollados en sistemas con reutilizacin del agua
drenada y fueron comparados con otros de concentracin constante en la disolucin
nutritiva; la ventaja del control por adelanto result en la reduccin de pudricin apical en
los frutos y en incremento de rendimiento en peso fresco de frutos [Kl99b].

En otros trabajos se ha sealado control de riego por adelanto utilizando identificacin de


sistemas en pelcula nutritiva (nutrient film technique NFT) y en susbstrato. La cantidad
de agua suministrada al sistema es una funcin directa de la radiacin solar y el control es
realizado con el objetivo de mantener constante el nivel del drenaje. Lo anterior fue
evaluado experimentalmente en un sistema sin plantas [Gie01].

En [Gie97] se ha utilizado control por adelanto multivariable en la aplicacin de agua y


ocho elementos de la disolucin nutritiva. En el trabajo se desarrollan simulaciones en las
que el controlador es capaz de alcanzar un nivel constante en el contenido de potasio en los
lixiviados.

En [Hon91] se proponen redes neuronales para controlar el suministro de agua y nutrientes,


aprovechando la pericia del agricultor. Las variables de entrada a la red son radiacin solar,
temperatura y humedad relativa del invernadero, temperatura del agua y concentracin de
dixido de carbono en el invernadero. Las variables de salida son la cantidad de agua y de
nutrientes que deben ser suministrados al sistema.

5.2.4 Resultados ilustrativos de control de riego


5.2.4.1 Algoritmo y ensayos realizados en campo

Se realizaron diversos ensayos de riego en base al modelado de transpiracin. Se describe a


continuacin uno de ellos que se considera representativo de los que se implementaron. La
programacin de riegos en funcin de transpiracin fue realizada de forma que despus del
primer riego inicial hubiese aportes de riego mediante la estimacin de la transpiracin del
cultivo a partir de los datos climticos registrados cada minuto.

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

propuesto en [Sta87] calibrado y validado en este trabajo, como se ha descrito en el


captulo 4.

La figura 5.5 muestra la dinmica de transpiracin y control de riego. El control fue


realizado durante dos das. El primer riego del primer da se realiz de forma manual hasta
lograr un drenaje de aproximadamente 10% que fue el porcentaje de drenaje buscado
durante ese da, mientras que en el segundo da el porcentaje deseado de drenaje fue de
20%. La dosis de riego fue establecida en 180 ml m-2 que fue el equivalente a un riego de
cuatro minutos, de acuerdo a las caractersticas del sistema de irrigacin.

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 dinmica de transpiracin present un importante incremento durante la noche del


primer da asociado fundamentalmente al bajo dficit de presin de vapor que mostr un
ascenso en la noche, explicado por las condiciones de temperatura y humedad ambiental.
En respuesta a este incremento de transpiracin el sistema aplic tres riegos durante la
noche del primer da (vanse figuras 5.5A y 5.5B).

Las condiciones ambientales del segundo da incrementaron la transpiracin y como efecto


de ello se aplicaron 13 riegos, a diferencia del primer da en el que se aplicaron nueve. La
dinmica del volumen de drenaje se aprecia en la figura 5.6A; en el primer da se obtuvo
un 8%, mientras que en el segundo da fue del 16%. Durante los tres primeros riegos del
segundo da la fraccin de drenaje fue nula, sin embargo en la medida que el contenido de
humedad del substrato se increment, la fraccin de volumen de agua drenada tambin
mantuvo una tendencia ascendente. El comportamiento de la conductividad elctrica en el
substrato se puede observar en la figura 5.6B; su tendencia es a decrecer en cada riego
aplicado por el sistema.

El resto de los ensayos mostr un comportamiento similar al descrito anteriormente, y la


fraccin de drenaje fue menor en un 4 a 10% al valor deseado por el usuario.

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)

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
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

5.2.4.2 Simulacin de control de riego en base al contenido de humedad en el


substrato

Una posibilidad adicional de control de riego es el control de riego en base al contenido de


humedad en el substrato. Desde este enfoque, se utiliza el modelado de balance hdrico
desarrollado en el captulo 4 para determinar el contenido de humedad en el substrato y
decidir cundo regar en funcin de un valor lmite o consigna proporcionada por el
usuario.

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.

Se ha simulado tambin el suministro de riegos aplicando un controlador proporcional en


el cual se establece una consigna de contenido de humedad a alcanzar. El criterio es similar
al controlador todo-nada en cuanto a que se define un periodo durante el da en el cual se
deben aplicar riegos. La simulacin aplicando esta tcnica de control se puede observar en
la figura 5.10B; en ella tambin se compara con el control por bandeja de demanda, y se
indica la seal de control. La figura 5.10 tambin incluye otras variables que se simulan
por medio del modelo de balance hdrico y que interactan con el sistema de control de
riego. Es posible observar la dinmica de materia seca estructural en la raz (figura 5.10C)
y en el dosel (figura 5.10D), la dinmica de reserva de agua en la raz y en el dosel, en las
figuras 5.10E y 5.10F respectivamente, la temperatura en el substrato (figura 5.10G) y la
transpiracin (figura 5.10H).

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).

5.3 Discusin y conclusiones


5.3.1 Sobre control de calefaccin

Los sistemas tradicionales de calefaccin por aerotermos en invernaderos se basan en


algoritmos de control todo-nada con zona neutra. La evaluacin de este tipo de sistemas ha
indicado que aunque la variable se controla de manera aceptable el consumo de
combustible es elevado. Con esta premisa se dise e implement un algoritmo de control
predictivo GPC-PWM que permite obtener mejores resultados reduciendo el consumo de
combustible.

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

200 400 600 800 1000 1200 1400


0 200 400 600 800 1000 1200 1400
tiem po (m in)
tiempo (min)

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

Otra posibilidad consiste en utilizar un control PI-PWM, que en ensayos simulados se ha


comportado de forma similar al GPC-PWM utilizado en los ensayos. Sin embargo se ha
optado por este ltimo, ya que presenta las ventajas adicionales de que considera de forma
explcita los costes asociados al consumo de combustible y tiene en cuenta las condiciones
climticas externas, que son la perturbacin ms importante de la temperatura dentro el
invernadero, aspecto que los sistemas tradicionales no consideran.

5.3.2 Sobre control de riego

Se han implementado, desarrollado y evaluado diversos esquemas de control de riego en


base al modelo de transpiracin y en los cuales no se alcanz el porcentaje de drenaje
establecido, probablemente como efecto de subestimar la cantidad de agua transpirada o
bien porque la dinmica de retencin de agua en el substrato obliga a que una porcin de
agua es mantenida ah y no se absorbe de inmediato, causando as un efecto de retardo. No
obstante, cabe destacar el suministro de agua basado en transpiracin como un mtodo
basado en modelos por medio del cual es factible el control de riego de forma que el agua
que se suministra es slo aqulla que la planta ha eliminado durante el proceso y ello
permite controlar de manera ms precisa la dinmica de agua en la planta, e inclusive
realizar interacciones con el control climtico del invernadero, ya que hay una estrecha
relacin de realimentacin entre los proceso de transpiracin y la dinmica de
comportamiento de humedad relativa y temperatura del aire del invernadero, como ha sido
indicado en [Bai92] y demostrado en [Sta92], [Sta95] y [Kat02].

Una mejora al mtodo implementado lo puede constituir la prediccin de transpiracin en


un horizonte de 30 o 40 minutos de forma que sea posible adecuar un modelo de control
predictivo en el cual se aporte el agua que se pronostica la planta perder por este proceso.
De esta manera el trabajo aqu realizado constituye la base para posteriores desarrollos en
esta direccin.

5.3.3 Conclusiones

Se ha propuesto e implementado un controlador predictivo generalizado GPC para el


control del sistema de calefaccin. La tcnica de control propuesta se ha implementado con
dos algoritmos, modulacin de ancho de pulso y ramificacin y poda, los cuales han sido
validados mostrando resultados similares y consiguiendo un ahorro de un 20% de
combustible cuando se comparan con un controlador todo-nada.

Se ha implementado y desarrollado un sistema de control de suministro de agua basado en


transpiracin, que permite realizar un aporte de agua utilizando los datos climticos del
invernadero.

5.3.4 Trabajos futuros

Un aspecto importante a tomar en cuenta para el control de riego en horticultura es decidir


si es ms conveniente o preciso para una situacin particular medir el estado hdrico del
substrato y su dinmica, o si se puede obtener mejor informacin desde los modelos. Por
tanto uno de los trabajos pendientes es la comparacin de control de riego por modelos
integrados de demanda de agua respecto al control por medio de la medicin del estado
hdrico en el substrato.

143
Esquemas de control de temperatura nocturna y riego basado en modelos

El control de riego aplicando otras tcnicas de control como control predictivo


generalizado es posible, de forma que el suministro de agua se anticipe en cierta medida a
la demanda de agua del cultivo, utilizando para ello el conocimiento sobre el estado de
agua en la planta, la dinmica de transpiracin y el estado de agua en el substrato, ya que
con ello se cubre el sistema de manera integrada. Parte importante en este aspecto lo
constituye la prediccin de la radiacin solar durante el da, ya que la transpiracin
responde de manera importante a este factor y el modelado de esta variable puede
constituir una base importante para la aplicacin de controladores predictivos.

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.

En este captulo se plantean los diferentes enfoques de control en invernadero utilizados


hasta ahora; se propone posteriormente un enfoque diferente desde la perspectiva de
control multiobjetivo, que requiere la integracin de un modelo que incluye crecimiento y
desarrollo en funcin de las condiciones climticas, salinidad y de suministro de riego. Una
vez planteado el problema se indican las principales alternativas para llevar a cabo la
optimizacin multiobjetivo, proponiendo una solucin al problema de optimizacin
multiobjetivo para la produccin de tomate en invernadero, que busca optimizar
beneficios, la eficiencia en el uso del agua y la calidad de los frutos. Se realiza finalmente
un anlisis de los resultados obtenidos que tienen un gran valor como herramienta de ayuda
a la toma de decisiones en la produccin.

6.1 Paradigmas utilizados en el control de la produccin en


invernaderos

Los enfoques ms utilizados en la actualidad en la bsqueda de proporcionar las mejores


condiciones de desarrollo del cultivo plantean la generacin de trayectorias de consigna de
las diferentes las variables ambientales durante el crecimiento y desarrollo del cultivo en
invernadero. El control de stas se ha clasificado desde diferentes puntos de vista,
destacando dos de ellos:

Las escalas de tiempo de respuesta del sistema. El sistema se considera un complejo


constituido por tres elementos: el clima, el cultivo y el mercado [Tan93], [Bot83],
[Rod02], en los que cada uno tiene diferentes horizontes de control: minutos, das y
meses respectivamente.

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

La primera clasificacin ha sido ampliamente utilizada y considera una arquitectura con


tres niveles [Tan93]:

1) Nivel inferior (control del clima y fertirriego). Es el nivel en el que se controla el


clima y la fertirrigacin, utilizando diferentes tcnicas de control que facilitan el
seguimiento de las trayectorias deseadas y definidas en un nivel de mayor jerarqua. Es
en este nivel en el que sea ha realizado ms investigacin en esquemas bsicos de
control y en el que hay disponibles controladores comerciales.

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].

3) Nivel superior (control tctico). Es un nivel de planificacin con un horizonte de


meses o un ao en el cual se optimiza en base a modelos simplificados de crecimiento,
condiciones promedio del clima y considerando tambin las expectativas de mercado
[Tan93].

Por otro lado, desde el punto de vista de los mtodos, stos se clasifican en:

1) Heursticos. Es el tipo de mtodos ms antiguo para obtener consignas por medio de


planes basados en experimentacin y pericia. Los patrones bsicos estacionales de
temperatura deseados del da y de la noche y los patrones de humedad y fertirriego
requeridos son fijados y aplicados a una estacin. El agricultor realiza ajustes haciendo
observaciones visuales de su cultivo. Se requiere el ajuste de un gran nmero de
parmetros, con el consecuente riesgo de errores y conflictos. El agricultor no recibe
informacin directa de las consecuencias esperadas de los parmetros establecidos para
su cultivo o para su consumo de energa [Tan93].

2) Basados en tcnicas de inteligencia artificial. La idea principal en este enfoque


consiste en utilizar conocimiento principalmente de naturaleza cualitativa para ayudar
al agricultor a encontrar puntos de consigna apropiados, e incorporarlos a sistemas que
ayudan a la toma de decisiones tales como sistemas expertos [Mar96], [Has93].

3) Basados en optimizacin matemtica. En investigacin se ha puesto mucha atencin


a la generacin automtica y ptima de consignas sobre la base de modelos de cultivo
ms que utilizando planes. Algunos ejemplos se presentan en [Cha93], [Seg93],
[Hen94], [Tap00], [Rod02]. El objetivo puede ser variado, desde la maximizacin de
los beneficios o la produccin hasta realizar un balance de los costes de energa. En
todos los casos se asume implcitamente que las trayectorias de consigna sern
realizadas inmediatamente por el controlador. Esta suposicin implica que la dinmica
del sistema invernadero-controlador puede ser ignorada en el nivel de optimizacin de
cultivo. Los costes de control pueden ser calculados bsicamente a partir del calor
aportado y el balance de CO2 en pseudo-equilibrio, para los problemas que abordan
control de temperatura y suministro de CO2 por ejemplo. Las ventajas sobre los de
planes previamente establecidos consiste en que se pueden realizar ajustes sobre la base
de datos observados en el invernadero y del clima. El agricultor tiene el papel

146
Control multiobjetivo de la produccin en invernadero

esencialmente reducido de supervisar las consignas generadas y hacer correcciones


sobre la base de las observaciones del cultivo.

Hay consenso en que el paradigma de varios niveles coordinados en una arquitectura


jerrquica es una va que permite automatizar el control de la produccin de ambientes
controlados, una de cuyas aplicaciones es la produccin en invernaderos [Mar93], [Mar96],
[Tan93], [Cha93]. Una detallada justificacin y descripcin de dicha arquitectura ha sido
tratada en [Rod02]. Tambin es importante indicar que una estructura jerrquica permite
incorporar en cada uno de sus niveles diferentes mtodos de solucin de sus respectivos
problemas. Se ha indicado que es el nivel inferior el nico realmente automatizado, pero
que para su manejo se requiere incluir varios cientos de parmetros o consignas,
relacionadas con las trayectorias de las variables, con las modificaciones a las trayectorias
como reaccin a las circunstancias actuales y con los parmetros que subyacen a los
controladores [Tap00]. Esto significa que la complejidad se incrementa para el productor y
por tanto es importante facilitar el clculo de las trayectorias del nivel medio [Tan93].

Se describirn a continuacin, brevemente, los enfoques mencionados, sus aportes y los


problemas especficos en los que se han aplicado en el control de la produccin en
invernadero.

6.1.1 Control en invernaderos mediante optimizacin matemtica

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.

A continuacin se describen algunos ejemplos de optimizacin matemtica:

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].

Con un enfoque de programacin lineal, en [Gut93] se plante una solucin para


minimizar el costo de calefaccin utilizando un horizonte de tiempo de varios das para
los cuales se dispone de una prediccin del clima. En la misma direccin de optimizar
beneficio econmico considerando venta de frutos de tomate y los costes asociados de
renta de invernadero, calefaccin y ventilacin, en [Seg93] se llevaron a cabo

147
Control multiobjetivo de la produccin en invernadero

simulaciones con optimizacin de temperatura del da (manteniendo constante la de la


noche), mediante el Principio del Mximo de Pontriagyn y tambin por bsqueda
secuencial. Las consignas fueron calculadas para clima fro y clima clido. Se
analizaron diferentes polticas de comportamiento del clima y de cambios de precios y
demostraron la validez de los mtodos utilizados en el proceso de optimizacin y la
posibilidad de reducir el modelo del cultivo, constituido por muchas variables de
estado, a un modelo ms simple.

En [Tch93] tambin se ha desarrollado un controlador ptimo aplicado a la produccin


de tomate, en el cual se busca la maximizacin de beneficios basado en un modelo
simplificado que describe el crecimiento del cultivo y los costos asociados a
calefaccin, enriquecimiento de CO2 y ventilacin. Aunque determinan las trayectorias,
consideran que sus simulaciones requieren incluir el importante efecto de la humedad
relativa y de predicciones fiables del clima.

En [Tap93] se plantea la optimizacin de beneficios considerando ingresos por la venta


de lechugas en la cosecha final y costes de inyeccin de dixido de carbono y por
calefaccin, obtienen como solucin del problema de optimizacin las trayectorias de
temperatura y dixido de carbono. Con las simulaciones realizadas concluyen que los
mejores resultados se obtienen en un escenario determinista, que supone el
conocimiento de las ecuaciones de estado y las perturbaciones. La optimalidad de los
controles se ve muy influenciada por la precisin con que se conozca la dinmica del
invernadero, la dinmica del cultivo y las predicciones del clima. Por tanto, si en la
optimizacin se considera la dinmica rpida (cambios en el clima) tambin son
necesarias predicciones del clima de corto plazo, lo cual abri una nueva lnea de
investigacin ya que previamente se consideraban slo predicciones de largo plazo
(dinmica lenta o del crecimiento del cultivo).

Siguiendo con la lnea previamente establecida en [Tap93], en [Tap96a] se plantea la


maximizacin de beneficios en ensayos experimentales en los que se aplica control
ptimo en el nivel operacional (nivel inferior en la estructura jerrquica). Se realizaron
experimentos con tomate comparando un manejo convencional que ejecuta el control
climtico comercial y el manejo de invernadero por un algoritmo de control ptimo con
horizonte deslizante, demostrando que ste es tcnicamente factible [Tap96a]. Este tipo
de optimizacin de horizonte deslizante con predicciones de corto plazo para la
dinmica rpida mediante la suposicin de que el clima es el mismo en el horizonte de
una hora (prediccin del lazy man) se ha aplicado tambin en optimizacin de
beneficios en lechuga [Tap96b].

En [Tap00] se concluye que al comparar resultados experimentales de control


convencional comercial frente a control ptimo en cultivo de tomate, ste ltimo puede
ser ms eficiente con un ahorro de 8% de energa y se comporta mucho mejor en el
horizonte de largo plazo (estacin de crecimiento). La optimizacin de beneficios se
realiz en dos escalas de tiempo y se controlaron la temperatura, la humedad relativa y
el suministro de dixido de carbono al invernadero. Es uno de los pocos trabajos que
presentan resultados experimentales en los cuales se liga la optimizacin en el largo
plazo (nivel medio en la descripcin previa) con el nivel inferior y en el cual se
controlan de manera simultnea las tres variables antes mencionadas. Las ventajas de
aplicar optimizacin con horizontes de control de una hora son resumidas as: 1) es
posible aplicar en control de tiempo real, 2) permite la realimentacin en el control y 3)

148
Control multiobjetivo de la produccin en invernadero

la aplicacin de predicciones de clima usando la tcnica del lazy man (hombre


perezoso), combinada con actualizaciones cada paso de control es mucho mejor que
usar clima fijo basado sobre predicciones comercialmente disponibles con
actualizaciones dos veces al da [Tap00]. En todos los trabajos realizados por Tap y
colaboradores los beneficios son estimados a partir de los ingresos calculados con el
peso de materia seca de los productos (tomate o lechuga) y los costes realizados para
ello.

Con un modelo de una variable de estado y dos estados de crecimiento, vegetativo y


reproductivo, cuyo paso de uno a otro se realiza de manera abrupta, se ha mostrado que
la poltica de control ptimo para ese modelo simple puede ser utilizada para obtener
soluciones subptimas de un modelo explicativo (por ejemplo Tomgro) y que el
modelo simple simula correctamente al modelo completo, de manera que la
maximizacin de ingresos obtenida en un horizonte de 240 das fue muy similar en
ambos modelos [Seg98].

En [Rod02], considerando ecuaciones en estado estacionario del clima, y un modelo de


cultivo de tres variables de estado en tomate, se ha abordado la optimizacin de
beneficios que incluye el costo de electricidad y combustible de calefaccin. Las
trayectorias de temperatura se obtienen como solucin de un problema de optimizacin
en una arquitectura jerrquica de dos niveles y se implementan siguiendo una estrategia
de horizonte deslizante. Se realizaron diversas simulaciones considerando cambios en
los costes de combustible, predicciones correctas y errneas del clima y diferentes
fechas de recoleccin adelantando o atrasando la fecha de recoleccin. Los resultados
obtenidos demostraron la importancia de utilizar el horizonte deslizante, la adaptacin
de las trayectorias generadas en funcin de los cambios introducidos y la importancia
de predicciones adecuadas de medio y largo plazo [Rod02].

Con la perspectiva de optimizar suministro de dixido de carbono se han buscado


alternativas que van desde la aplicacin de dixido de carbono puro [Cha02a] o bien
gases residuales producto de la combustin de gas natural [Cha02b]. Utilizan un
modelo de fotosntesis para la estimacin de frutos considerando tiempos de retraso y
factores que establecen el nexo entre fotosintatos producidos y el rendimiento en
frutos. En los dos casos se optimizan beneficios considerando como funcin objetivo la
utilidad financiera calculada a partir del valor anticipado de los fotoasimilados,
considerados como ingresos, y los costes incluyen CO2, gas natural utilizado en la
calefaccin y electricidad. Los resultados en simulacin mostraron que la estrategia
ptima de suministro de CO2 puro puede incrementar el margen anual en un 27%
(considerando costos de CO2 y calefaccin) comparada con la estrategia bsica de
suministro de 1000 ppm de CO2 cuando las ventanas estn abiertas al 5% y 350 ppm de
CO2 cuando estn totalmente abiertas [Cha02a]. Al utilizar combustin de gas natural
para generar CO2 y almacenar el calor producido como agua caliente, las simulaciones
mostraron que el control ptimo puede incrementar el margen financiero en un 24% y
en un 11% cuando el calor excedente en la generacin de CO2 no es almacenado
[Cha02b].

Las aplicaciones ms recientes de control ptimo han tenido lugar en un invernadero


solar [Oot03], [Oot04]. Este enfoque se ha aplicado con un horizonte de optimizacin
de mediano plazo de seis das, entradas de control cada 30 minutos y ventana del
horizonte deslizante de 10 minutos, en los cuales se calculan las trayectorias ptimas

149
Control multiobjetivo de la produccin en invernadero

para el control de temperatura y CO2 (apertura de ventanas, pantalla trmica,


posiciones de vlvulas para el suministro de CO2, malla inferior y superior, bomba de
calor e intercambiador de calor). El objetivo es maximizar beneficios obtenidos por la
produccin de materia seca, basndose en un modelo de fotosntesis. Los resultados
indicaron que el uso de gas como fuente de energa en el invernadero solar puede ser
reducido en un 77% respecto a un invernadero convencional donde se aplica control
ptimo [Oot04].

Otras aplicaciones al control ptimo de invernadero consideran restricciones en el


tiempo final, de manera que se alcance un estado deseado en una variable en ese
instante. El control de la concentracin de nitratos en lechuga ha sido una de las
aplicaciones que se han abordado con esta perspectiva. El control puede ser realizado
por el manejo del ambiente, ya sea por el incremento de concentracin de dixido de
carbono o de la luz, o por la disminucin de temperatura. En [Lop03] se utiliza un
algoritmo de control ajustable por variacin ponderada y se calculan las trayectorias
ptimas de radiacin fotosinttica activa, CO2 y temperatura, llegando a una
concentracin final de nitratos deseada y optimizando la integral de la luz, variable que
es considerada como la ms importante en la funcin de coste.

Al tratar el mismo problema y tomando en cuenta una funcin de minimizacin de


costos por calefaccin y alquiler del invernadero, se han calculado trayectorias de
temperatura y suministro de nitratos en el sistema de nutricin, con espaciamiento
constante entre plantas (sistema comnmente utilizado) o bien con espaciamiento
variable (plantas en macetas ubicadas en sistema de mesas deslizantes) [Ios02]. Se
concluye que la mejor opcin para sistemas de espaciamiento variable es independiente
de la edad del cultivo, la densidad de las plantas debe ser mantenida constante
incrementando continuamente el espaciamiento; mientras que si la temperatura mnima
no puede asegurar un nivel bajo de nitratos, el suministro debe reducirse. Por otro lado
en sistemas de espaciamiento constante lo ptimo es iniciar con las temperaturas ms
altas posibles y con abundante suministro de nitratos, a cierto punto bajar la
temperatura y finalmente buscar la temperatura ms baja posible [Ios02].

A pesar de la cantidad de resultados obtenidos en simulacin, la perspectiva de control


ptimo no es aceptada an por los agricultores [Str99b], ya que se considera que los
modelos, sobre todo los de cultivos, an no han madurado lo suficiente como para
adaptarse a diversos cultivos y niveles tecnolgicos de los agricultores. Por otro lado, la
realimentacin de los estados del cultivo es an un problema no resuelto.

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

6.1.2 Control en invernaderos con mtodos de inteligencia artificial

Con el uso de las tcnicas agrupadas en lo que se ha denominado inteligencia artificial, se


han desarrollado diferentes aplicaciones para control del invernadero, describindose las
ms relevantes a continuacin de forma somera:

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].

Con algoritmos evolutivos diferenciales se han estimado las trayectorias ptimas de


temperatura, radiacin fotosinttica activa y CO2 que minimizan costos, y se logra un
nivel de nitratos deseado en lechuga al tiempo de cosecha [Lop03]. Tambin utilizando
algoritmos evolutivos se han generado trayectorias de control de temperatura, humedad
ambiental y concentracin de dixido de carbono para cultivo de pimiento, en el que el
objetivo fue maximizar ingresos. Una de las ventajas importantes indicadas es que la
adaptacin a otros invernaderos u otros cultivos no es un problema, pero si lo es con las

151
Control multiobjetivo de la produccin en invernadero

tcnicas clsicas de optimizacin; sin embargo uno de sus problemas es el tiempo de


optimizacin, ya que este tuvo una duracin de 35 min, lo cual es importante con fines
de optimizacin en lnea [Poh99].

En [Mar93] y [Mar96] se presenta un sistema que toma decisiones cada da de las


consignas climticas para tres periodos diferentes: el da, la noche y el amanecer, e
intenta hacer planificacin de temperatura sobre el ciclo de produccin en tomate. La
toma de decisin sobre las consignas se lleva a cabo de acuerdo a un conjunto de
objetivos implcitos y otros que son establecidos de acuerdo a la situacin actual; por
ejemplo, la temperatura promedio se mantiene en funcin de la radiacin solar
pronosticada, aunque se permite que los agricultores puedan introducir otros objetivos.
El sistema permite entradas diarias de caractersticas cualitativas del cultivo (por
ejemplo, vigor o prediccin del clima). La determinacin de trayectorias es una
combinacin de conocimiento cientfico y conocimiento heurstico de expertos, y este
conocimiento est expresado en un conjunto de restricciones de variables numricas de
temperaturas promedio en diferentes periodos y diferentes consignas que corresponden
con las entradas requeridas por los computadores comerciales de control climtico. Las
variables se manejan aplicando lgica borrosa que le permite flexibilidad en el manejo
del conocimiento [Mar96]. Un prototipo fue probado inicialmente durante varios meses
y comparado con uno de manejo convencional, produciendo un ahorro de 10% de
energa y rendimientos similares [Mar96]. Posteriormente, se ha aplicado en diferentes
invernaderos y ha demostrado sus prestaciones para operar un invernadero tal como lo
hara un experto local, pero con ahorro en costos [Tch98].

En Espaa se han llevado a cabo aplicaciones que tratan de optimizar la produccin


usando tcnicas de visin artificial en la capa inferior de la arquitectura jerrquica,
fundamentalmente en el mbito del control simultneo de la temperatura y la humedad
en invernaderos con cultivos de rosas. En [Mar97], [Sen98], [Bla01] se lleva a cabo la
optimizacin del control de temperatura y humedad del invernadero utilizando modelos
no lineales basados en primeros principios, dentro de una estructura de control
predictivo basado en modelo similar a la expuesta en el captulo 5 para el caso del
control de la temperatura nocturna utilizando calefaccin. El problema de optimizacin
resultante es no lineal, por lo que emplean tcnicas de inteligencia artificial en la
optimizacin de la funcin de coste, tales como algoritmos genticos o enfriamiento
simulado. En [Her04] utilizan tcnicas similares en la calibracin de los parmetros de
los modelos no lineales que representan la evolucin en el tiempo de la temperatura y
humedad interiores del invernadero. En dicho trabajo se obtienen resultados similares a
los mostrados en [Rod02], donde se plantea una metodologa jerrquica en la
resolucin del problema de calibracin de parmetros y se emplean tcnicas de
optimizacin con algoritmos genticos en el problema de identificacin de parmetros.

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

Tabla 6.1 Mtodos aplicados en control de invernaderos, objetivo principal y variables


controladas
Paradigma de control con optimizacin matemtica
Ventajas Desventajas Objetivo Variables Referencia
controladas
Optimalidad terica Ningn modelo o Maximizar Temperatura [Seg93]
garantizada con funcin objetivo es beneficios [Gut93]
respecto a la funcin perfecto: la solucin es [Tch93]
objetivo seleccionada probablemente no [Rod02]
ptima
Capacidad de Maximizar Temperatura y [Hen94]
planificacin El mecanismo de beneficios CO2 [Tap96],
intrnsecamente resolucin puede ser [Str99b]
presente muy sensible a las [Tap00]
imprecisiones de los [Str02]
Capacidad para modelos
aprovechar Maximizar Temperatura, [Cha02a]
avanzados La dimensionalidad del beneficios CO2 [Cha02b]
conocimientos de los problema con respecto
procesos biofsicos al nmero de variables Temperatura, [Tap00]
de estado, el numero de humedad relativa [Oot03]
Capacidad intrnseca decisiones y el manejo y CO2 [Oot04]
de manejar objetivos de incertidumbre
conflictivos
Minimizar costos Temperatura [Lop03]
La dificultad en la
por suministro de CO2
representacin para
radiacin RFA y RFA
encontrar una funcin
con restriccin de
objetivo adecuada y
nitratos en el Temperatura y [Ios02]
para integrar cantidades
estado final. suministro de
no mensurables
Minimizar costes y nitratos en la
restriccin de nutricin
nitratos en estado
final
Paradigma de tcnicas de inteligencia artificial
Ventajas Desventajas Objetivo Variables Referencia
controladas
Las soluciones son No hay nocin de Optimizar Nutrientes y [Mor95]
racionales en el optimalidad respecto a nutrientes lixiviados [Mor00]
sentido del usuario los procesos Maximizar
El motor de beneficios Temperatura y [Poh99]
Apropiado para la planificacin debe ser CO2
generacin de metas definido, los existentes
no son capaces de Optimizar Temperatura [Lop03]
Capacidad de hacerlo integral de CO2
aprovechar La solucin de radiacin RFA RFA
conocimiento conflictos entre
prctico y cualitativo decisiones Generar trayectorias Temperatura [Mar93]
de los procesos inconsistentes requiere [Mar96]
de solucin basada en [Tch98]
casos [Seg93]
Representacin
explicita y entendible
del conocimiento
Elaborado en base a [Mar96] del que fueron incluidas ventajas y desventajas de los paradigmas.

153
Control multiobjetivo de la produccin en invernadero

De la revisin anterior resulta evidente que:

1) El planteamiento ms completo aborda el problema del invernadero como un sistema a


controlar de manera integrada, ya sea desde la perspectiva de optimizacin matemtica
o bien desde las tcnicas de inteligencia artificial.

2) La mayora de los esfuerzos encaminados hacia la perspectiva integradora antes


mencionada inciden en el control de las variables del microclima del invernadero y son
pocas las referencias que incluyen el control de otras variables.

3) Las funciones objetivo estn encaminadas a solucionar fundamentalmente un objetivo,


generalmente optimizar beneficios o bien algn otro objetivo especfico.

4) La arquitectura ms aceptada es la arquitectura en capas, utilizadas tanto en el mbito


de la optimizacin matemtica como en optimizacin con tcnicas de inteligencia
artificial, aunque el nivel superior de planificacin tctica ha sido escasamente
abordado en los trabajos de investigacin.

6.2 Un enfoque diferente para la optimizacin de la produccin en


invernadero
6.2.1 La produccin en el agrosistema invernadero como problema
multiobjetivo

La produccin en invernadero se ha orientado en muchas ocasiones hacia la determinacin


de acciones de control climtico. Este aspecto del manejo del cultivo debe ser integrado a
otros criterios de importancia para el agricultor, que no slo consisten en el incremento del
rendimiento fsico del cultivo, sino en la bsqueda de calidad del producto, el
mantenimiento de la capacidad productiva del cultivo, la bsqueda de fechas clave para
cosecha de producto (fundamental en cultivos de ornamentales que tienen su mayor
demanda en determinadas fechas del ao) y la disminucin de los costes y riesgos de
produccin [Cha95], por citar algunos. Estos criterios son tan importantes que bajo
determinadas circunstancias pueden constituirse en el principal objetivo.

Es necesario reconocer que en los paradigmas expuestos en la seccin anterior se considera


un enfoque basado en las cualidades del producto, pero que otra perspectiva la constituye
el enfoque del consumidor, que es quien en ltima instancia decide sobre los productos a
comprar, siendo la calidad uno de los aspectos importantes [She99]. En el caso de algunos
vegetales es tan relevante este aspecto que uno de los objetivos prioritarios es reducir la
cantidad de nitratos por el dao que pueden causar a la salud humana [Mor93], [Mor95b].
En la misma direccin, la calidad se ha sealado como un aspecto importante por las
posibilidades de producir alimentos con alto contenido de antioxidantes, como los
carotenos y licopeno en tomate, que son beneficiosos para la salud [All02], [Too05] y
ayudan en el tratamiento de enfermedades como el cncer [Gle02], [Stc05].

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.

No obstante, la incorporacin de varios objetivos plantea consideraciones importantes, ya


que a veces los objetivos son contrapuestos, como ocurre en el caso en que la bsqueda de
altos rendimientos pueda ir en detrimento de la calidad del producto, la reduccin de costes
pueda traer consigo la disminucin de la capacidad productiva de largo plazo en el cultivo,
o el incremento del contenido de azcares en hortalizas de fruto pueda ocasionar
disminucin de rendimiento fsico e incremento de contaminacin. En estos ejemplos se
plantea un problema que presenta objetivos en conflicto.

El reconocimiento de las ventajas e inconvenientes asociados a la inclusin de varios


objetivos plantea un cambio en la concepcin del problema. Desde la perspectiva de la
optimizacin no slo hay que conseguir hacer eficiente el proceso de fotosntesis, hay que
hacer eficiente tambin el uso del agua, es necesario reducir al mximo la contaminacin y
es fundamental generar productos de alta calidad, por citar slo algunas vertientes del
problema.

Precisamente, debido a que la dinmica de la produccin en invernadero es de naturaleza


multiobjetivo y trata elementos susceptibles de ser automatizados, se han realizado trabajos
buscando ahorro o suministro adecuado de agua [Gie01], [Sta03b], [Sig01], [Sav02],
[Os99], concentracin apropiada de la disolucin nutritiva [Kl99a], [Kl99b], [Kl01],
reduccin de contaminantes [Tou99], [Sta03a], apoyo al control de enfermedades mediante
control climtico [Kr04] e incremento de la calidad del producto [Ho96], [Ho99],
[Son00], [Ios02], [Lop03]. Estos ejemplos ilustrativos muestran la importancia de abordar
otros objetivos.

En conclusin, es posible establecer que la produccin en el agrosistema invernadero


debiera satisfacer varios objetivos, que stos pueden ser integrados de manera explcita en
los sistemas de control (como de manera incipiente se propone en los sistemas derivados
desde las tcnicas de inteligencia artificial) y que pueden ser jerarquizados segn las
prioridades del caso particular (que pueden cambiar a lo largo del ciclo del cultivo).

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.

6.2.2 Optimizacin multiobjetivo en invernadero: la importancia de la


calidad y la eficiencia en el uso de agua
6.2.2.1 Conceptos y elementos que definen la calidad en hortalizas

El concepto calidad puede ser entendido como la ausencia de defectos o la presencia de


cierto grado de excelencia [She99]. En el contexto de los alimentos, la calidad incluye
atributos sensoriales, que son percibidos por los sentidos humanos, y adems atributos
ocultos referidos al aspecto saludable y al contenido nutricional, que requieren de
complejos instrumentos para su evaluacin [She99]. Para otros autores, la calidad tiene
muchos aspectos ms all de los obvios como sabor, color, contenido nutricional y firmeza,
incluyen tambin la durabilidad antes de la venta, cualidades de procesamiento y
resistencia a patgenos pre y post cosecha [Bru02].

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].

Desde el punto de vista de la calidad percibida por los consumidores, la aceptacin de un


producto est basada en sus propiedades sensoriales [Aue99]. Los azucares, los cidos
orgnicos y los compuestos voltiles, as como el color, la forma y la textura son los
elementos que determinan las propiedades sensoriales de frutos y vegetales [Azo03],
[Cau02]. Una forma de conocer la relacin entre los parmetros enunciados en el prrafo
anterior y la opinin del consumidor es la evaluacin a travs de paneles de cata.

En el proceso de decisin sobre un producto, los consumidores realizan una evaluacin


inicial de los aspectos externos como color, ausencia de defectos y firmeza caractersticos
de la variedad y al consumir el producto detectan aspectos organolpticos como la textura
y el sabor, siendo stos ltimos muy importantes para una segunda adquisicin o bien para
optar por otro producto de la calidad deseada [Lop04b]. El sabor de los frutos de hortalizas
es el resultado de diversas variables como son el pH, las sales minerales, los azcares y los
cidos orgnicos, siendo estos dos ltimos factores los ms importantes. En tomate son las
concentraciones de glucosa y fructuosa o cidos como el mlico y ctrico los determinantes
de su sabor caracterstico entre dulce y agrio [Pet98].

Debido a la importancia de la apreciacin del consumidor, se han realizado estudios con


paneles de expertos para conocer la relacin entre los atributos del producto y la
aceptabilidad por el consumidor. En [Mal95] se ha desarrollado una expresin que
relaciona los atributos dulce y agrio del fruto con el grado de aceptacin por parte del
consumidor, suponiendo que el primer atributo est relacionado linealmente con el nivel de
azcares y el segundo linealmente con el nivel de acidez:

Gac = 5.43 + 0.51Fs + 2.46 Fa 9.0 Fa2 (6.1)

156
Control multiobjetivo de la produccin en invernadero

donde Gac es el grado de aceptacin por el consumidor, Fs es el grado de azucares en el


fruto y Fa es el grado de acidez en el fruto.

Sin embargo, cuando se ha considerado la proporcin azcares/cidos orgnicos se


concluye que sta tiene poca importancia en la valoracin de sabor en tomate, [Kad78]
citado en [Azo03], conclusin que tambin es sostenida en [Mal95]. En [Cau02] se
sostiene que el sabor (lo dulce y lo agrio) est bien descrito por el contenido de azcares y
la acidez valorable respectivamente, mientras que la prediccin de aroma y textura parecen
ser muy inciertas por la carencia de precisin instrumental y las interacciones en las
mediciones. En otros estudios sobre el mismo aspecto se ha encontrado que los
descriptores significativos de calidad en tomate fueron: aroma, dulzura, firmeza de la piel,
firmeza de la pulpa y jugosidad [Azo03] y que los azcares y la acidez total tuvieron una
relacin directa y lineal respecto a la apreciacin total de la calidad del fruto, previa
clasificacin hednica [Azo03]. En la misma direccin se han mostrado resultados en
[Aue99].

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.

Un elemento que cada da cobra ms importancia en la calidad es el valor nutritivo, que en


tomate cobra relevancia por su riqueza en vitaminas y su alto contenido en licopeno y
presencia de carotenos [Ho96].

De lo anterior, se puede concluir que en la actualidad se impone considerar la calidad de


frutos y vegetales desde un punto de vista del sistema productor-distribucin-consumidor.
Estn quedando atrs las pocas en que el concepto de calidad se restringa al logro de
parmetros externos como color o firmeza (para el caso de frutos), de manera que el
objetivo ms importante era aumentar la vida media durante la post-cosecha o bien
incrementar el tamao del fruto, primando los trabajos de investigacin en los que se
evaluaba la calidad a travs de la firmeza y el aspecto externo, en lugar de hacerlo
englobando todos los factores que la condicionan desde el punto de vista del consumidor
[Lop04b]. En especies como tomate son la dulzura, el grado de acidez, la firmeza, el aroma
y la ausencia de defectos los elementos ms relevantes de calidad.

6.2.2.2 Factores que influyen en la calidad del producto

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

De manera natural, cuando un fruto empieza el proceso de maduracin, disminuye su


grado de acidez e incrementa su cantidad de azcares; por tanto en los estudios
relacionados con calidad es muy importante buscar un grado de madurez equivalente en
todos los tratamientos [Pet98]. Por otra parte, aunque ha sido frecuente asociar los slidos
solubles con el nivel de azcares, algunos estudios han mostrado que la relacin no
siempre es fiable y que lo correcto es analizar los azcares especficos [Lop04b]. No
obstante, son pocos los estudios de campo que los analizan a ese detalle y predominan los
estudios en los que se consideran los slidos solubles como un indicador adecuado del
contenido de azcares.

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].

A continuacin se expone el efecto sobre la calidad de las variables indicadas


anteriormente.

Concentracin inica de la disolucin nutritiva. Son numerosos los trabajos que


relacionan un alto contenido de azcares con un incremento de concentracin de iones en
el agua de riego, sealado comnmente como salinidad [Cua99], [Elt02], [Li01a],
[Mag03], [Pet98], [Son91], [Son00], [Stm03]. Tambin hay efecto de esta variable sobre el
nivel de acidez valorable [Mag03], [Son91] y sobre el tamao de fruto [Son00], [Mag03].
Las relaciones establecidas con slidos solubles son lineales a partir de un umbral mnimo
de concentracin inica. La tabla 6.2 sintetiza algunos de los estudios que se han realizado
en tomate. Un indicador indirecto de calidad que ha sido asociado a la presencia de slidos
solubles es la conductividad elctrica del jugo del fruto y por ello se ha incluido tambin en
la misma tabla como se seala en [Dor00].

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).

El efecto de aumentar la concentracin de la disolucin nutritiva sobre los slidos solubles


presenta su contraparte en la disminucin del rendimiento. Los dos efectos son mostrados
en la figura 6.1 a diferente concentracin inica expresada como conductividad elctrica en
el substrato. En la figura 6.1A es posible observar la dinmica de rendimiento en peso
fresco de frutos y el porcentaje de slidos solubles cuando la conductividad elctrica (XCE)
es de 2.0 mS cm-1, de la misma manera en las figuras 6.1B, 6.1C y 6.1D en las que XCE es
de 3, 5 y 7 mS cm-1 respectivamente. Es evidente el incremento en slidos solubles y
disminucin de rendimiento cuando XCE es de 7 mS cm-1 (Figura 6.1D) respecto a XCE de 2
mS cm-1 (Figura 6.1A).

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.

La figura 6.2 muestra el efecto de salinidad respecto al grado de acidez expresado en


porcentaje de cido ctrico.

158
Control multiobjetivo de la produccin en invernadero

Tabla 6.2 Conductividad elctrica y su relacin con algunos indicadores de calidad en


tomate
Umbral de Calidad: Intervalo de XCE Valor de la Variedad Referencias
calidad Incremento en el ensayo variable en el
(mS cm-1) por unidad de experimental umbral
XCE (mS cm-1)
Slidos
solubles
2 0.37*** 2 14 4.6 Rambo, [Cua99]
Daniela
3 0.178* 3.2 9.2 3.6 Matador [Pet98]
2.2 0.19** 2.2 9.3 4.32 Chaser [Li01b]
2.3 0.14** 2.3 6.8 4.55
2.6 0.23** 2.6 7.7 4.45 Daniella [Mag04]
2.5 0.148*** 2.5 5.2 4.7 Turbo [Son91]
2.5 0.185*** 2.5 5.2 5.1 Estafette
3.4 0.3** 3.4 5.7 4.7 Nd [Stm03]
2.5 0.22*** 2.5 7.0 pv 5.5 Daniella [Cra01]
0.24*** 2.5 7.0 ot 4.0
2.8 0.24** 2.8 6.2 pv 3.65 Gkce F1 [Elt02]
2.3 0.10** 2.3 5.8 ot 4.60 FA 361
2.3 10 2.6 [Dor00]
4.5 21 5.1
Acidez
valorable
2 17.9 2 -14 75+ Rambo, [Cua99]
Daniella
3 0.016 3 10 0.435++++ Matador [Pet98]
2.5 2.2 2.5 5.2 68++ Turbo [Son91]
2.5 3.3 2.5 5.2 69++ Estafette
2.5 1.55 2.5 7.0 15+++ Daniela [Cra01]
Elaborado a partir de las fuentes consultadas.
* Slidos solubles en g por 100 g de fruto fresco; ** % de refraccin (Brix); *** % de azcares
+ meq l-1 ++ mmol kg-1 +++ ml NaOH ++++ g cido ctrico en 100 g de fruto fresco
pv ciclo de primavera ot ciclo de otoo
(slidos solubles, % de refraccin y % de azcares se consideran equivalentes)

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.

En relacin con el tamao de fruto, se ha mostrado que el incremento de conductividad


elctrica en el substrato disminuye el tamao de frutos [Son00], [Mag03], [Mag04]. En
[Mag03] se postula la siguiente expresin lineal para disminucin de tamao en frutos de
tomate, con la consiguiente disminucin en peso, en funcin de la conductividad elctrica
(XCE):
PFF = 8.46 X CE + 156 (6.2)

donde PFF es el peso fresco de fruto, indicando un umbral de 2.59 mS cm-1 de


conductividad elctrica.

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

12000 0.6 12000 0.6


A B
10000 10000
8000 0.5 8000 0.5
% acidez
g m-2

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

8000 0.5 8000 0.5


% acidez
g m-2

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

Dficit de presin de vapor de agua (DPV). El dficit de presin de vapor de agua ha


sido identificado como una variable que tiene influencia en algunos indicadores de calidad,
en contenido de azcares [Ber00], [Gui01], rajado de fruto [Ber00], presencia de pudricin
apical en el fruto [Ber00] y peso fresco de fruto [Leo00a]. En [Ber00] se pueden encontrar
ejemplos donde se documentan incrementos de 1.4% en contenido de azcares cuando se
comparan condiciones de dficit de presin de vapor alto (2.2 kPa) respecto a valores bajos
(1.6 kPa), con valores de concentracin de azcares totales del orden de 25-32 g l-1. En
[Leo00a] se indica que al comparar DPV de 2.2 kPa y 1.6 kPa, evaluados en las seis horas
ms secas del da, los slidos solubles fueron mayores en el tratamiento con mayor dficit
de presin de vapor, siendo la diferencia en slidos solubles expresados en % de 0.51% y
de 0.69% respectivamente.

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].

La influencia sobre pudricin apical en el fruto se resume en que a mayor DPV, se


incrementa la presencia de pudricin entre un 5 y un 24% [Ber00].

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.

Tambin se han sealado cambios en slidos solubles y acidez valorable en respuesta a


diferentes tratamientos de humedad en el suelo [Gia88], como se muestra en la tabla 6.4,
en los que se aplicaron riegos para inducir diferente humedad en el suelo durante dos
etapas del ciclo de cultivo, el contenido de humedad fue evaluado a una profundidad de 0 a
0.9 m.

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]

Dixido de carbono. El enriquecimiento con dixido de carbono (1200 ppm) en


combinacin con altos niveles de salinidad (XCE=7 mS cm-1) mantiene la calidad del fruto
en tomate en trminos de slidos solubles, cidos orgnicos y glucosa, sin reduccin de
rendimiento en peso seco y con incremento de rendimiento en peso fresco [Li99]. En el
trabajo de [Isl96] se indica que el suministro de CO2 (700-900 ppm) incrementa la
fructosa, glucosa y cido ascrbico, mientras que provoca un efecto de reduccin en cido
ctrico, mlico y oxlico.

Temperatura. La temperatura tiene un importante efecto en la firmeza del fruto y sobre la


maduracin no uniforme en el fruto. Se ha demostrado que la temperatura tiene efecto
sobre la firmeza del fruto desde la madurez fisiolgica con color verde hasta que ha
alcanzado 4/5 de color rojo [Mul03]. Tambin se ha demostrado que es suficiente con tres
das de temperatura alta (por encima de 20C de temperatura promedio diaria) para que la
firmeza disminuya, establecindose una relacin lineal entre la temperatura y la firmeza
del fruto, de forma que la firmeza decrece 0.07 N mm-1 por cada C que se incrementa la
temperatura [Mul03].

Radiacin solar. Se ha observado que un aumento de radiacin en invierno puede


incrementar la cantidad de materia seca (como indicador de slidos solubles) en el fruto
[Ho96].

Poda de hojas y frutos. El deshojado parcial en invierno disminuye la cantidad de materia


seca en el fruto [Ho96], mientras que la poda de frutos mantiene la uniformidad de los
mismos [Zap04]. En estudios realizados con diferentes variedades se ha concluido que el
nmero de frutos con el cual hubo mejor respuesta fue de seis frutos por racimo [Zap04].

6.2.2.3 La eficiencia en el uso de agua

El concepto de eficiencia en el uso del agua ha sido mencionado en el captulo 4, as que


slo se enfatizar en relacin con las variables que ejercen efecto sobre calidad, para
conocer en qu magnitud se ve modificado el uso del agua en relacin a esas variables.

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.

Sin embargo, al realizar evaluaciones de la eficiencia respecto a parmetros fisiolgicos y


productivos se ha sealado que no existe diferencia en la eficiencia en el uso de agua
respecto a la materia seca producida, en ensayos con conductividad elctrica de 2.2, 6.2 y
10.2 mS cm-1 en tomate cv Moneymaker, e igualmente se aprecia que la eficiencia de uso

162
Control multiobjetivo de la produccin en invernadero

de agua respecto a la capacidad fotosinttica tampoco disminuye [Rom01]. Con lo anterior


se podra concluir que en un medio salino la cantidad de agua absorbida por la planta
disminuye, pero que no hay efecto en la eficiencia respecto a su productividad expresada
en materia seca.

A diferencia de los cultivos en suelo, en los cultivos en substrato es importante establecer


una cantidad adicional de riego para evitar la acumulacin de sales en el ambiente de la
raz, estimndose dicha cantidad en funcin de la calidad del agua, la concentracin
mxima permitida en el substrato y la concentracin de absorcin. En [Son00] se propone
la siguiente expresin:

Cr + C f Ca ,is
Lf = (6.3)
Cd Ca ,is

donde Lf es la fraccin de drenaje, Cr es la concentracin del agua primaria de riego (mmol


l-1), Cf es la concentracin de iones suministrados por fertilizantes (mmol l-1), Ca,is es la
concentracin de absorcin del in que determina la salinidad (mmol l-1) y Cd es la mxima
concentracin permitida de ese ion en los lixiviados (mmol l-1).

Tabla 6.5 Relacin de conductividad elctrica y el consumo hdrico


Variedad Umbral Consumo relativo de agua con XCE Intervalo de Referencias
(mS cm-1) por encima del umbral XCE en el
experimento
(mS cm-1)
Rambo 2.7 Aabs = 1 0.074( X CE 2.7) 2.7 13.0 [Sor98]
Daniela
Moneymaker
Daniela 2.7 Aabs = 1 0.038( X CE 2.7) 2.7 7.8 [Mag03]
Daniela 1.98 Aabs = 1 0.061( X CE 1.98) * 1.98 7.68 [Car00]
2.86 2.86 8.3
Aabs = 1 0.067( X CE 2.86) **
Counter 1.0 Aabs = 1 0.05( X CE 1.0) 1.0 9.0 [Sch98]
Expresin de eficiencia en uso de
agua (g fruto fresco l-1)
Daniela 2.72 2
Euag = 0.70X CE + 5.99X CE + 26.9 2.72 7.84 [Mag03]
*proporcin Ca:K:Mg = 4:6:1; **proporcin Ca:K:Mg = 7:9:2

6.3 Optimizacin multiobjetivo. Elementos conceptuales y


tcnicas de optimizacin
6.3.1 Elementos conceptuales

En optimizacin multiobjetivo los principales conceptos que se manejan son atributo,


objetivo, meta y criterio, que se definen de la siguiente manera:

Atributo. Es un valor o conjunto de valores relacionados con la realidad; un atributo


puede ser expresado como una funcin de las variables de decisin [Rom03].

163
Control multiobjetivo de la produccin en invernadero

Objetivo. Representa las direcciones de desarrollo de uno o ms atributos, implicando


problemas de maximizacin o minimizacin. En algunos casos, un objetivo se deriva
de dos atributos [Rom03].
Meta. Es la combinacin de un nivel de aspiracin con un atributo. En general, toman
la forma f ( x) b o bien f ( x) b f ( x) = b , donde b representa el nivel de aspiracin o
el valor a lograr [Rom03].
Criterio. Son los atributos, objetivos y metas que se consideran relevantes para una
situacin de toma de decisiones [Rom03].
La optimizacin multiobjetivo, tambin denominada optimizacin de vectores, puede ser
definida como el problema de encontrar un vector de variables de decisin que satisface las
restricciones y optimiza funciones vectoriales cuyos elementos representan las funciones
objetivo; esas funciones forman una descripcin matemtica de criterios de desempeo, las
cuales comnmente estn en conflicto. Por tanto, el trmino optimizar desde un punto de
vista multiobjetivo significa encontrar soluciones que puedan proporcionar valores
aceptables de todas las funciones objetivo [Osy85]. Formalmente se puede establecer como
[ ]
'
el problema de encontrar el vector x * = x1* , x2* ,..., xn* que satisface m restricciones de
desigualdad:

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:

f (x) = [ f1 (x), f 2 (x),...,f k (x) ]' (6.6)

donde x = [x1 , x2 ,...,xn ] es el vector de variables de decisin [Liu01].


'

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.

En el mbito de optimizacin multiobjetivo, el trmino optimizar significa maximizar


todas las funciones objetivo, minimizar todas las funciones objetivo o minimizar algunas y
maximizar otras [Coe96]. Por cuestiones de simplificacin del problema, generalmente
todas las funciones son convertidas para resolver problemas de maximizacin o
minimizacin.

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.

Se dice que una solucin x * F es no dominada si para cada x F se cumple que:

( f (x) = f (x
i i
*
)) donde es el operador and de un vector (6.7)
iI

o bien que hay al menos un i I tal que:

fi ( x ) > fi ( x * ) (6.8)

Significa que x * es no dominado si no existe un vector factible x que disminuya en un


criterio sin causar incremento simultneo en otro. No dominancia significa que la mejora
de algn objetivo puede ser lograda solamente a expensas de otro de los objetivos [Liu01].

Una solucin x * F se llama dbilmente eficiente o dbilmente dominada si no existe


x F tal que f i ( x ) < f i ( x * ) para i = 1,2,..., k . Una solucin x * F es fuertemente no
dominada si no hay x F tal que f i ( x ) f i ( x * ) y f i ( x ) f i ( x * ) para i = 1,2,..., k y para
al menos un valor de i f i ( x ) < f i ( x * ) , donde fi son asuminidas a ser minimizadas [Coe96].

La condicin de dominancia o eficiencia dbil es ms fcil de satisfacer que la dominancia


fuerte. Se acepta que una solucin fuertemente no dominada sea nombrada simplemente
como no dominada [Coe96].

Al conjunto de todas las soluciones eficientes del problema de optimizacin multiobjetivo


se le denomina conjunto eficiente. La imagen del conjunto eficiente es aludida como la
frontera de soluciones eficientes, la superficie de compromiso [Liu01], frente o superficie
de Pareto [Coe96]. No es fcil encontrar una expresin analtica de la lnea de puntos
eficientes y el procedimiento normal es calcular los Fk puntos y sus correspondientes
funciones f(Fk). Cuando hay suficiente nmero de puntos se procede a seleccionar entre
ellos [Coe96].

6.3.2 Mtodos de optimizacin

Los mtodos estn basados en el principio de solucionar un nico objetivo de optimizacin


para generar las soluciones eficientes o las mejores soluciones de compromiso. Basndose
en las vas para obtener la informacin de preferencia de quien toma las decisiones
(desidere7) y utilizando el proceso de anlisis de toma de decisiones, los mtodos de

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

optimizacin de mltiples objetivos pueden ser divididos en tres clases: mtodos de


generacin de soluciones eficientes con preferencias despus del proceso de optimizacin,
mtodos para generar soluciones compromiso con preferencias a priori, y mtodos
interactivos con preferencias extradas progresivamente en el proceso de anlisis de
decisin [Liu01].

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.

En lo que sigue se explican someramente los fundamentos de las distintas tcnicas de


optimizacin multiobjetivo, proporcionando referencias bibliogrficas donde se estudian
en mayor detalle.

6.3.2.1 Mtodo de ponderacin simple

Consiste en agregar todas las funciones utilizando diferentes coeficientes de ponderacin


para cada una. Esto significa que el problema de optimizacin multiobjetivo se transforma
en un problema escalar de la forma:

k
min wi f i ( x ) (6.9)
i =1

donde wi 0 son los coeficientes de ponderacin y representan la importancia relativa de


los objetivos. Se asume que la suma de los coeficientes es igual a la unidad [Liu01].

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].

Los coeficientes de ponderacin no reflejan proporcionalidad en la importancia relativa de


los objetivos, constituyendo factores que van cambiando para localizar los puntos del
conjunto de soluciones eficientes. Si se desea reflejar la importancia relativa de cada
objetivo, todas las funciones deberan ser expresadas en unidades de aproximadamente el
mismo valor, transformando (6.9) a la forma [Coe00]:

k
min wi f i ( x )ci (6.10)
i =1

donde ci son multiplicadores constantes.

166
Control multiobjetivo de la produccin en invernadero

6.3.2.2 Mtodo minimax

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:

1) Se define el problema de minimizacin multiobjetivo:

min f ( x ) = [ f 1 ( x ), f 2 ( x ),..., f k ( x )] (6.11)


sujeto a: x F

2) Se resuelve cada uno de los problemas con un solo objetivo:

min f i ( x ) , i=1, 2, , k (6.12)


sujeto a: x F

asumiendo que la solucin ptima de (6.12) es x l y el valor de la funcin objetivo f j (x ) en


x l es f * = f j ( x l ) , se construye la tabla de compromiso como se indica en el siguiente
paso.

3) Se define el punto ideal en el espacio de objetivos y los factores de peso:

F* = [ f1(x), f2 (x),...,fk (x) ]


'
(6.13)

wj
wj = (6.14)
f j f j (x l )
pe

donde w j es el peso relativo de f j (x ) y f jpe es el peor valor de f j (x ) en la tabla de


compromiso.

4) Se formula y soluciona el siguiente problema para encontrar una solucin eficiente:

min mmx
(6.15)
sujeto a w j ( f j ( x ) f j ( x l )) mmx , l=1,2,,k
xF

5) Se asume que la solucin optima de (6.15) es x * . Si w j representa las preferencias


globales de quien toma las decisiones, x * puede ser registrada como la mejor solucin de
compromiso. En otro caso, debe ser probado un nuevo conjunto de pesos en otro proceso
minimax [Liu01].

167
Control multiobjetivo de la produccin en invernadero

6.3.2.3 Programacin por metas

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].

6.3.2.4 Alcance de metas

En este enfoque quien toma la decisin debe proporcionar un vector de ponderacin


w1 , w2 ,..., wk que relaciona la propiedad de sobre-alcance o sub-alcance de las metas
b1 , b2 ,..., bk deseadas, adems del vector de metas para las funciones objetivo f i , f 2 ,..., f k .
Para encontrar la mejor solucin compromiso x* , se soluciona el siguiente problema
[Liu01]:

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)

El conjunto de soluciones no dominadas puede ser generado modificando las


ponderaciones wi 0 . El vector b est representado por las metas proporcionadas por
quien toma las decisiones, que tambin decide la direccin de w . Los principales pasos del
mtodo pueden resumirse as:

Se define un problema de optimizacin multiobjetivo.

168
Control multiobjetivo de la produccin en invernadero

Se transforma el problema a uno de optimizacin de un solo objetivo, y se elabora una


tabla de soluciones de compromiso.

Se provee un valor de meta y un peso para cada objetivo. Entonces se construye un


problema minimax un problema de alcance de metas.

Se soluciona el problema de alcance de metas elaborado, resultando en la mejor


solucin compromiso.

6.3.2.5 Mtodo de restricciones-

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:

1. Encontrar el mnimo de la funcin objetivo j-sima, buscar x * tal que:

f j ( x * ) = min f j ( x ) (6.19)
xF

sujeto a restricciones adicionales de la forma:


f i ( x ) i para i = 1,2,,k e i j

donde i son valores que se asumen de las funciones objetivo, los cuales no deben ser
superados.

2. Repetir el paso anterior para diferentes valores de i. La informacin derivada de un


conjunto bien seleccionado de i puede ser til en la toma de decisin. La bsqueda se
detiene cuando quien toma las decisiones encuentra una solucin satisfactoria. Puede
ser necesario repetir el procedimiento anterior para diferentes ndices de j. Para obtener
valores i adecuados se utiliza optimizacin con un nico objetivo para cada funcin
objetivo [Coe00].

6.3.2.6 Mtodo de ordenacin lexicogrfica

Este mtodo sigue una serie de etapas que se pueden resumir en los siguientes pasos
bsicos.

1. El que decide establece un orden en las funciones objetivo de acuerdo con la


importancia que les asigna.

2. Se optimiza la funcin objetivo ms importante con las restricciones iniciales. Si el


problema tiene una nica solucin sta es la solucin al problema multiobjetivo. Si no,
se minimiza la segunda funcin objetivo aadiendo al conjunto de restricciones una
nueva para que la primera funcin objetivo mantenga su valor ptimo.

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

El mtodo de ordenacin lexicogrfica garantiza que la solucin al problema es ptima,


pero tiene complicaciones porque debe iniciar con funciones objetivo ordenadas, y por otro
lado puede ocurrir que se alcance una solucin ptima sin tener en cuenta algunas de las
funciones objetivo.

6.3.2.7 Algoritmos evolutivos

El enfoque evolutivo es una estrategia de bsqueda global que imita la evolucin de la


naturaleza [Liu01]. Derivados del enfoque basado en procesos evolutivos, se han
desarrollado una gran diversidad de mtodos para resolver el problema de optimizacin
multiobjetivo, cuya base son los algoritmos genticos.

El algoritmo gentico es un algoritmo matemtico paralelo que transforma un conjunto


poblacin de objetos matemticos individuales en una nueva generacin utilizando
operaciones derivadas del principio de Darwin de reproduccin y supervivencia del ms
apto y despus de la ocurrencia natural de operaciones genticas, fundamentalmente
recombinacin sexual [Coe96]. Los objetos matemticos individuales son tpicamente
cadenas de longitud fija y cada uno tiene un valor asociado de aptitud.

A partir de una poblacin inicial que representa un conjunto de soluciones se aplican


operadores de seleccin, cruce y mutacin y se evala la aptitud de cada solucin. Los
algoritmos genticos permiten optimizar una combinacin de los objetivos, teniendo la
ventaja de producir una solucin compromiso, porque no requieren de mayor interaccin
con quien decide [Liu01]. Sin embargo si la solucin no puede ser aceptada como una
buena solucin de compromiso, se requiere que se ejecute nuevamente el proceso hasta que
se encuentra una solucin adecuada [Liu01].

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].

6.3.2.8 Mtodos interactivos

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]:

Intervencin de ms de una persona en el proceso de anlisis y de toma de decisiones.

La informacin que se transmite entre ambos y la forma de presentacin de la misma.

Cantidad y calidad de la informacin que se debe transmitir, no es necesariamente


mejor transmitir mayor informacin.

170
Control multiobjetivo de la produccin en invernadero

Se debe conocer, aunque sea de manera implcita, de la existencia de una funcin de


valoracin.

Consistencia en el proceso: condiciones de inicio y modo de interaccin.

Conocimiento del proceso por parte de quien toma las decisiones.

Subyace en la toma de decisiones un proceso intuitivo difcilmente explicable.

6.4 Optimizacin de la produccin en invernadero: un enfoque


multiobjetivo
6.4.1 Objetivos y variables que determinan el problema

El problema a resolver desde la perspectiva multiobjetivo requiere de la definicin precisa


de los objetivos, la delimitacin de las variables que lo componen y el conjunto de tcnicas
que es posible utilizar para su solucin. Para abordar la optimizacin de varios objetivos es
muy importante disponer de la informacin suficiente sobre las relaciones causa efecto que
los determinan, ya que constituyen una limitacin para la incorporacin de mltiples
objetivos.

Como se ha indicado en la seccin 6.1, el objetivo ms utilizado es la optimizacin de


beneficios. Tambin ha quedado demostrado que la maximizacin de la calidad es tan
importante que puede ser considerada como otro objetivo. Por ltimo, se ha mostrado
tambin la estrecha relacin que ejercen las variables con el consumo hdrico, de manera
que buscar la eficiencia en el uso de agua puede ser contemplado como otro objetivo ms.
Los objetivos anteriores pueden ser planteados en primera instancia utilizando las
siguientes funciones objetivo:

J1 = f (Ving ,Vcos ) (6.20)


J 2 = f (Ccal ,1 , Ccal , 2 ,.., Ccal ,n ) (6.21)
J 3 = f ( Aap , X FFT ) (6.22)

donde J1 es la funcin objetivo que maximiza beneficios, J2 es la funcin objetivo de


maximizacin de calidad en frutos y J3 la de maximizacin de eficiencia en el uso del
agua; Ving son ingresos por venta de producto, Vcos son costos de produccin, Ccal,1,Ccal,2,,
Ccal,n son parmetros de calidad en fruto, Aap es el agua aportada al sistema, y XFFT el
rendimiento en fruto fresco.

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

6.4.1.1 Maximizacin de beneficios

La maximizacin de beneficios puede ser formalizada de manera completa con la siguiente


funcin objetivo:
tf
J1 = V pr (t f ) X FFT (t f ) Vcos (t ) dt (6.23)
ti

donde Vpr es el precio de frutos de tomate en kg-1 en el tiempo de recoleccin tf , XFFT es


el rendimiento en peso fresco por unidad de superficie en kg m-2, Vcos son costos en m-2
que incluyen costos de calefaccin, electricidad, fertilizantes y agua, desde el tiempo
inicial ti hasta el tiempo final, y t es el tiempo. Los costes se determinan mediante la
siguiente expresin:

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.

La estimacin del combustible es funcin de la temperatura del invernadero, por lo que se


utiliza como punto de partida un modelo simplificado basado en el balance de energa en
rgimen permanente, con la siguiente ecuacin:

0 = Qsol,a + Qcnv,ass Qcal Qcnv,cnd,ae Qven,ae Qper,ae Qtr,c (6.25)

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:

Qcnv,ass = Ccnv,ss,a ((Tcss 273) X ta ) (6.26)


Q cal = ( C cal ,ap C efi ,cal )U cal (6.27)
Q cnv ,cnd ,a e = C cnv ,cnd ,a e ( X ta Te ) (6.28)
Q perd = V perd (6.29)
Qtr ,c = ET (6.30)

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.

Para estimar el consumo de combustible se requiere conocer si la calefaccin se encuentra


o no activada. En base a la ecuacin (6.25) los aportes de energa deben ser iguales a las
prdidas. La calefaccin se debe utilizar cuando este balance sea negativo. Por tanto
siempre que la expresin (6.31) sea menor que cero (existen ms prdidas de energa que
aportes), se deber activar la calefaccin.

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)

de esta forma, el consumo de combustible y la energa elctrica en cada intervalo del


horizonte de planificacin se obtienen por:

H cal = U cal C cc ,cal V d int (6.32)


E ee = U cal C ee ,cal V d int (6.33)

donde Ccc,cal es un coeficiente de consumo de combustible por el calefactor, y Cee,cal es un


coeficiente de consumo de energa por el sistema calefactor y ventilador de distribucin de
aire caliente y Vdint es la duracin del intervalo.

La estimacin de volumen de agua aportada se define as:

Aap = Aabs + Vdr + Asub (6.34)

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.

La absorcin de agua se determina considerando la transpiracin de la planta, ms el agua


que se acumula en ella por crecimiento, modificados por el consumo relativo de agua en
funcin de la conductividad elctrica en el substrato ( 1 ( X CE C suaa )C sraa ), como se ha
expresado en la tabla 6.5. Se utilizan las siguientes expresiones:

Aabs = ( ETint v + X FM )(1 ( X CE C suaa )C sraa ) (6.35)


ETint v = ET (Vd int ) / C a (6.36)
Vdr = Aabs L f (6.37)

donde ETintv es la transpiracin del cultivo durante el intervalo de tiempo expresada en


volumen, Vdint es la duracin de cada intervalo de tiempo dentro del horizonte de
planificacin, Ca es la densidad del agua, X FM es el incremento en volumen de la planta
estimado a partir de su incremento en peso fresco, XCE es la conductividad elctrica en el

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).

Para la estimacin de fertilizantes aportados se parte de la premisa que se aplica una


solucin nutritiva base cuya conductividad elctrica es 2.0 mS cm-1. Si se requiere
incrementar la salinidad el aumento se logra por adicin de NaCl en lugar de hacerlo por
incremento de los macro elementos, ya que es la forma ms econmica de incrementar la
salinidad. Los fertilizantes aportados se estiman de la siguiente forma:

ne
Fap = ( ( cn i Nu i Fcm )) Aap (6.38)
i =1

donde Nui es el in i de la disolucin nutritiva, cni es la concentracin del in i en la


disolucin nutritiva y Fcm es la cantidad de fertilizantes en peso que es necesario adicionar
para lograr la cantidad de iones (cni) del in i, ne es la cantidad de iones diferentes que
contiene la disolucin nutritiva.

6.4.1.2 Maximizacin de calidad

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

J 2 = ( wssolVSSol ,n + wavVav ,n + w fiV fi ,n + wtf Vtf ,n ) (6.39)


ti

donde VSSol,n es el contenido de azcares en fruto normalizado, utilizando como indicador


para ello los slidos solubles presentes en el fruto, Vav,n , Vfi,n , Vtf,n , son el grado de acidez
valorable, firmeza y tamao de fruto respectivamente, normalizados8 a una escala de 50-
100, wssol, wav, wfi y wtf son criterios de ponderacin de azcares, acidez valorable, firmeza
y tamao de fruto respectivamente. Las variables anteriores son funciones normalizadas
del contenido en slidos solubles, del grado de acidez valorable, de la firmeza y del tamao
del fruto expresado en peso.

El grado de azcares y de acidez se ha establecido mediante los datos mostrados en la tabla


6.2, que generan las siguientes expresiones:

VSSol = Cssola + Cssolp ( X CE Csusol ) (6.40)

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

Vav = Csava + Csavp ( X CE Csuav ) (6.41)

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.

La firmeza Vfi se obtiene mediante la expresin:

V fi = Csafi + Csafp ( X ta Csufi ) (6.42)

donde Csafi es un coeficiente para incremento de firmeza, Csafp es el coeficiente de


incremento de firmeza por unidad de decremento en Xta, Csufi es el umbral de temperatura
por abajo del cual hay incremento de firmeza.

El tamao del fruto Vtf se obtiene por:

Vtf = C stfr + C stfrpce ( X CE C sutfr ) (6.43)

donde Cstfr es un coeficiente emprico de tamao de fruto, Cstfrpce es el coeficiente de


tamao por unidad de incremento en XCE, Csutfr es el umbral de conductividad elctrica por
encima del cual hay decremento de tamao.

6.4.1.3 Maximizacin de eficiencia en el uso del agua

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.

6.4.2 La arquitectura utilizada y el proceso de optimizacin


6.4.2.1 Arquitectura de control jerrquico multicapa

El problema multiobjetivo debe ser resuelto dentro de una estructura o arquitectura de


control. La arquitectura de control utilizada en el presente trabajo ha sido ampliamente
descrita en [Rod02] y [Rod03] como arquitectura de control jerrquico multicapa. Se
describen los conceptos ms importantes de la misma con las modificaciones que se le han
realizado. La figura 6.3 muestra la arquitectura propuesta, y es una modificacin de la que
ha sido diseada en [Rod02].

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.

En base a las condiciones iniciales, a criterios de ponderacin y a la prediccin de


perturbaciones climticas, se optimiza el beneficio econmico, la calidad y la eficiencia en
el uso del agua, obteniendo las trayectorias que debe seguir las variables a lo largo del
ciclo de cultivo.

Capa de control de crecimiento. En funcin de los objetivos de largo plazo definidos


(precios de mercado, fechas de recoleccin, calidad requerida) y de las predicciones de
largo plazo, del estado de crecimiento medido o estimado se optimiza y se calculan calcula
la trayectorias que debe seguir la temperatura interior del invernadero y la conductividad
elctrica en el substrato durante el horizonte de control planteado, varios meses.

Capa de modificacin de modificacin de consignas. En base en las trayectorias


generadas en la capa superior, en la prediccin climtica de corto plazo, un da, en el
estado actual del invernadero y en los objetivos de corto plazo del agricultor (considerando
su pericia y el estado del cultivo) se modifican las consignas que sern enviadas a la capa
inferior a ser logradas durante el siguiente da.

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.

CAPA INFERIOR CAPA MEDIA CAPA SUPERIOR


Control climtico y Adaptacin Control de crecimiento de cultivo
de nutricin de consignas (Escala temporal: meses)
(Escala temporal: minutos/seg) (Escala temporal: da)

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

6.4.2.2 Funcionamiento de la arquitectura utilizada

Con la arquitectura descrita brevemente, es necesario desarrollar su implementacin que


mantenga una coordinacin en los tiempos correspondientes entre las capas de la misma.

Se describirn los pasos generales para el funcionamiento de la estructura de control


planteada.

1) Definicin de parmetros iniciales. El usuario define un conjunto de parmetros


iniciales para iniciar el proceso de optimizacin y control. Los datos ms relevantes
son:

Ciclo de cultivo. Se define si el cultivo es de primavera u otoo y la fecha de inicio.


Importante para obtener los patrones de prediccin meteorolgica de largo plazo.

Fechas de recoleccin. Se indica la fecha de recoleccin, posiblemente buscando


mximos precios de mercado. Es importante para definir el horizonte de
optimizacin.

Criterios de calidad. Se jerarquizan los criterios de calidad. En base a los criterios


que se han establecido se especifica la ponderacin de cada uno de ellos (wssol, wav,
wfi y wtfr).

Estado inicial de cultivo. Se indica la cantidad de biomasa, ndice de rea foliar,


nmero de nodos, biomasa de frutos y de frutos maduros.

Definicin de restricciones. Se definen los lmites en los que deben mantenerse las
variables que se manejan.

Datos econmicos. Se establecen precios de comercializacin y costes de


electricidad, combustible y agua.

2) Determinacin de periodos en el horizonte de planificacin. En funcin de la fecha


de inicio y de la fecha de recoleccin se determina el horizonte de planificacin. Con
este horizonte se calculan 2cdias intervalos da/noche para los cuales se deben calcular
las consignas de temperatura y conductividad elctrica. Adems se calcula el tiempo de
duracin de cada intervalo en base al da del ao y datos astronmicos.

3) Prediccin meteorolgica de largo plazo. Por medio de la herramienta Agrimet, en


proceso de desarrollo por la Universidad de Almera [Pom04], se realiza una
prediccin meteorolgica para cada da del horizonte de planificacin.

4) Optimizacin multiobjetivo. Se estiman las trayectorias que optimizan los objetivos


establecidos previamente. Estas trayectorias corresponden a un conjunto de soluciones
no dominadas para el horizonte de planificacin definido.

5) Generacin de datos para la prediccin a corto plazo. Con la prediccin climtica


promedio diaria y haciendo uso de Agrimet se genera una prediccin para un da con
frecuencia de un minuto que es el periodo de medida y control.

177
Control multiobjetivo de la produccin en invernadero

6) Modificacin de consignas. En base a las trayectorias de largo plazo, y la prediccin


de corto plazo del siguiente da se simulan los procesos de forma que se pueda conocer
si el sistema es capaz de alcanzar la trayectoria deseada para el siguiente intervalo ya
sea da noche. En caso de que el sistema no alcance la trayectoria deseada, se repite
el proceso modificando las restricciones y regresando al paso 4. En otro caso, el
sistema envan las consignas a la capa inferior.

7) Modificacin de consignas por el usuario. En caso que el agricultor establezca algn


criterio prioritario de cambio de consigna o bien buscando un objetivo de corto plazo y
decida cambiar alguna consigna, es posible realizarlo en esta etapa, de forma que las
consignas sean ejecutadas en la capa inferior.

8) Repeticin del proceso. Momentos antes de finalizar el intervalo de tiempo en el que


se realizan las tareas de control se realiza una actualizacin de estados iniciales
relacionados con el estado del cultivo, y posteriormente se realiza el proceso
nuevamente a partir del paso 3. En esta etapa al usuario le es posible efectuar cambios
de otras condiciones como son los precios o costes.

6.4.3 Algoritmo y tcnica de optimizacin utilizada

El mtodo de optimizacin multiobjetivo que se ha utilizado es el de alcance de metas


descrito en el apartado 6.3.2. Este mtodo integra en su estructura algoritmos de
programacin secuencial cuadrtica, que se describen brevemente.

Un programa no lineal es denominado cuadrtico si su funcin objetivo es una funcin


cuadrtica y todas las funciones de restricciones son funciones de variables lineales
[Liu01]. La programacin secuencial cuadrtica consiste en reemplazar la solucin de un
programa no lineal por la solucin de una secuencia de programas cuadrticos que
aproximan el problema dado en el sentido que la funcin objetivo es aproximada por su
serie de Taylor de segundo orden y cada funcin de restriccin no lineal es aproximada por
su serie de Taylor de primer orden [Liu01].

El modelo de un problema de optimizacin cuadrtico puede ser representado as:

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

donde cj son parmetros, xj son variables, y como se observa el segundo trmino de la


funcin objetivo (6.45) es cuadrtico. Si la funcin objetivo cuadrtica es definida positiva
o semidefinida positiva, entonces la funcin es estrictamente convexa. Considerando que el
espacio de solucin factible de un problema es un conjunto convexo, un programa de
programacin cuadrtica es un problema convexo. Para este tipo de problemas, un ptimo
local tambin es un ptimo global y la condicin de Kuhn-Tucker no slo es condicin

178
Control multiobjetivo de la produccin en invernadero

necesaria sino tambin suficiente. Aplicando las condiciones de Kuhn-Tucker al problema


de optimizacin cuadrtico:

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

Adicionando variables a (6.46):

a x
j =1
ij j xn+i + bi = 0 , i=1,2,,m (6.49)

Multiplicando (6.49) por x n +i y considerando (6.47) y (6.48) resulta:

xj yj = 0 , j=1,2,,n+m (6.50)

xj 0 , yj 0 , j=1,2,,n+m (6.51)

Si la solucin de (6.47) y (6.49) tambin satisface (6.50) y (6.51), entonces es la solucin


del programa cuadrtico original. En (6.47) el parmetro c j puede ser positivo negativo.
Introduciendo la variable artificial z j ( z j 0) (6.47) puede ser escrito as:

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

donde sgn (c j ) =1 para c j 0 y sgn (c j ) =-1 para c j < 0 .

De lo anterior, se puede encontrar la siguiente solucin bsica:

z j = sgn(c j )c j , j=1,2,, n (6.53)


xn+i = bi , i=1,2,, m (6.54)
xj = 0, j=1,2,, n (6.55)
yj = 0, j=1,2,, n+m (6.56)

La solucin anterior no es un ptimo del cuadrtico original a menos que z j = 0 . Entonces


se formula el siguiente problema de programacin lineal:

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)

xj 0 , j=1,2,, n+m (6.60)


yj 0 , j=1,2,, n+m (6.61)
zj 0, j=1,2,, n (6.62)

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.

6.4.4 Resultados del proceso de optimizacin multiobjetivo


6.4.4.1 Escalas de tiempo, modelos y predicciones de perturbaciones en el proceso de
optimizacin

Se ha mencionado que la optimizacin debe ser realizada en un horizonte de planificacin


de meses, por lo que se han de obtener los datos promedio del da o de las noches
correspondientes a la prediccin meteorolgica. Los modelos de simulacin de crecimiento
de cultivo que han sido validados en el captulo 3 trabajan con una frecuencia de muestreo
de un minuto, por lo que hay que evaluar los resultados que proporcionan cuando se
evalan en estado estacionario con datos promedio del da y la noche. La figura 6.4
muestra la respuesta cuando se utilizan datos cada minuto y datos promedio. Las
diferencias no son relevantes y no superan en ningn caso el 7%.

Se ha descrito en el paso 2 del funcionamiento de la arquitectura de control que


previamente a la optimizacin multiobjetivo, se requiere de la determinacin de la
duracin en horas o minutos con luz durante el da y la duracin de la noche, instante del
alba y del ocaso. Auxiliados de datos astronmicos y de las coordenadas geogrficas del
lugar se han determinado dichas variables; la figura 6.5A muestra la evolucin de la
duracin del da a travs del ao, el tiempo (en minutos) desde el inicio del da (0:00 horas)
hasta el alba y el tiempo que transcurre hasta el ocaso. La figura 6.5B muestra un ejemplo
de la duracin del da y la noche para un ciclo del cultivo de otoo con un horizonte de
planificacin de 116 das (232 intervalos da-noche).

Otro aspecto importante en el funcionamiento de la arquitectura lo constituye la prediccin


de corto y de largo plazo. La grfica 6.6 muestra la prediccin y los datos medidos con
frecuencia de un minuto para un da de enero en las variables temperatura exterior y
radiacin global, mientras que la figura 6.7 muestra la prediccin de variables climticas
para un periodo de dos meses y comparadas con los datos medidos posteriormente. Como
puede observarse, tanto en el corto como en el largo plazo hay una aproximacin bastante
aceptable de la prediccin respecto a los datos medidos. En el caso de la prediccin de
largo plazo se observan mayores diferencias en los ltimos das del horizonte de
prediccin, por lo que adquiere mayor importancia la aplicacin del horizonte deslizante
incluido en el proceso de optimizacin que permite resolver los errores de prediccin ya
que cada da se soluciona el problema de optimizacin con horizonte de varios meses.

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

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

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

tiempo hasta el amancer


300 550
0 50 100 150 200 250
intervalos da-noche
200
0 50 100 150 200 250 300 350 400
Dia juliano

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)

Figura 6.6 Variables climticas pronosticadas y medidas. A) Temperatura exterior. B) Radiacin


solar

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

6.4.4.2 Optimizacin multiobjetivo

Premisas y condiciones iniciales. Se parte de un cultivo con ciclo de otoo, que es


trasplantado en la ltima semana de agosto, con una densidad de 2 plantas m-2, siendo una
variedad de tomate para consumo en fresco, tamao grande.

Se han establecido las siguientes restricciones:

182
Control multiobjetivo de la produccin en invernadero

La temperatura mnima en la noche no debe ser inferior de 15C y en el da debe


superar los 21C.

La temperatura mxima en la noche no debe exceder los 17C y en el da no debe


exceder los 26C.

El rango permisible de conductividad elctrica es de 2 a 9 mS cm-1.

Los precios de comercializacin se han considerado constantes a lo largo del horizonte de


planificacin, as como los costes de electricidad, combustible, agua y fertilizantes.
Tambin, se ha considerado que los frutos de menor tamao pero con mayor calidad
organolptica tienen igual precio que aquellos de mayor tamao y menor calidad
organolptica.

La ponderacin de los criterios de calidad se ha establecido en base a entrevistas a


consumidores, comercializadores, agricultores, tcnicos agrcolas y acadmicos, y se han
determinado los siguientes valores: azucares wssol=0.3, acidez valorable wav=0.3, firmeza
del fruto wfi=0.3 y tamao del fruto wtf=0.1. No obstante, esta distribucin de pesos es
bastante variable de acuerdo a las preferencias de cada elemento del proceso produccin-
distribucin-consumo y est sujeta a cambios. La tabla 6.6 ejemplifica las preferencias en
cuanto a los criterios de calidad mencionados anteriormente.

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.

Tabla 6.6 Valoracin de criterios de calidad


Criterio Valoracin Valoracin Valoracin Valoracin empresa produccin
Consumidor Productor Distribuidor semillas
Azcares 4 1 2 2
Acidez 4 1 1 1
Firmeza 2 4 4 3
Tamao 1 3 2 4
Elaboracin propia. 4 Mxima ponderacin 1- Mnima ponderacin

Se han definido dos horizontes de planificacin:

Un horizonte de 66 das que comprende la etapa vegetativa y una porcin de la etapa


reproductiva, en el cual se buscaron todas las soluciones posibles para determinar el
frente de soluciones no dominadas.

Un horizonte de 116 das que incluye periodo vegetativo y reproductivo, en el cual se


dio preferencia al logro de algn objetivo especfico que permita conocer si al cambiar
el plazo del horizonte cambian las trayectorias, y posibilita la comparacin con las
trayectorias con el horizonte de 66 das.

183
Control multiobjetivo de la produccin en invernadero

El conjunto factible de soluciones y las soluciones no dominadas. El conjunto de


soluciones factibles (F) es infinito, por lo que la bsqueda se perfila a partir de las mejores
soluciones. Se han obtenido 440 soluciones en el proceso de optimizacin multiobjetivo y
con ellas se ha realizado una interpolacin de forma que fuese posible representarlas en el
espacio tridimensional. Como es un problema con tres objetivos cada objetivo se
representa en un eje. La figura 6.8 muestra la superficie de soluciones del problema y los
puntos indican cada solucin obtenida.

Un conjunto de soluciones factibles del problema planteado es mostrado en la figura 6.8D,


que muestra la superficie de soluciones para los tres objetivos. Dada la complejidad de
visualizar el comportamiento de las soluciones en el espacio tridimensional (figura 6.8D)
se ha optado por mostrarlas en el espacio bidimensional.

A) Relacin eficiencia en el uso del agua- calidad de B) Relacin calidad de fruto-beneficios


fruto

C) Relacin eficiencia de uso de agua beneficios D) Superficie de soluciones en el espacio


tridimensional
Figura 6.8 Soluciones en el espacio posible (cada punto marcado es una solucin)

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.

La figura 6.8B muestra el comportamiento de la relacin calidad de fruto respecto a los


beneficios obtenidos; la maximizacin de calidad implica disminucin de beneficios y se

184
Control multiobjetivo de la produccin en invernadero

logra apreciar el frente de soluciones no dominadas o frente de Pareto desde esta


perspectiva considerando slo esos dos objetivos, igualmente conformada por la curva que
une los mximos.

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.

Figura 6.9 Superficie de soluciones indicando el frente de soluciones no dominadas en el espacio


tridimensional

La tabla 6.7 muestra las soluciones no dominadas del problema de maximizacin de


beneficios, calidad y eficiencia en el uso del agua. Los valores de calidad en ningn caso
alcanzan el mximo establecido en 100 puntos, y el rango de calidad est entre 68 y 96
puntos. Para el caso de beneficios stos fluctan entre 1.11 y 2.65 ( m-2), mientras que la
eficiencia en el uso de agua adquiere valores entre 26.5 y 50.8 (kg m-3).

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

Tabla 6.7 Soluciones de compromiso del problema multiobjetivo


Beneficios Eficiencia en uso de agua Calidad
( m-2) (kg m-3)
1.113 26.539 96.062
1.752 36.926 95.963
1.960 40.078 95.086
2.086 42.994 93.935
2.167 43.794 93.403
2.280 43.477 92.269
2.388 45.192 91.418
2.457 45.659 91.068
2.506 47.481 89.881
2.549 48.543 88.640
2.582 47.966 87.636
2.606 50.837 84.563
2.630 45.231 82.876
2.657 44.051 78.641
2.659 37.864 68.435

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)

Cuando el objetivo ms importante o prioritario es la obtencin de mximos beneficios


(Figura 6.10A) la temperatura en el da se mantiene entre 22 y 25C y a partir del cuajado
de frutos empieza a descender paulatinamente buscando las temperaturas idneas para el
desarrollo de frutos hacia temperaturas en las que la distribucin a stos es mayor (22-

186
Control multiobjetivo de la produccin en invernadero

24C). La trayectoria de temperatura durante la noche es establecida fija en 17C. La


conductividad elctrica se mantiene durante todo el horizonte en 2.0 mS cm-1, lo que no
permite disminucin de rendimiento por salinidad.

Si la prioridad es el objetivo de mxima calidad (Figura 6.10B), la trayectoria de


temperatura en el da indica temperaturas en el mnimo del rango permitido, 21C, durante
todo el horizonte, mientras que la temperatura nocturna arranca en el mximo permitido, y
a partir de la etapa de fructificacin las temperaturas nocturnas tambin son las mnimas
permitidas (15C), ya que esa poltica incrementa el atributo de firmeza en el fruto. La
trayectoria de conductividad elctrica incrementa hasta el lmite mximo para lograr la
mxima acumulacin de azcares y grado de acidez.

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.

En la figura 6.10D se muestran las trayectorias de una solucin no dominada en la que no


hay objetivo prioritario o meta a cumplir; en ella la temperatura del da se mantiene alta al
inicio del horizonte y disminuye al final del ciclo, mientras que la temperatura nocturna
mantiene en el lmite mximo y disminuye ligeramente al final del ciclo. La conductividad
elctrica es de 2.0 mS cm-1 en la primera etapa de crecimiento y en la etapa de
fructificacin y maduracin del fruto incrementa a 4.5- 5.0 mS cm-1 hasta el final del
horizonte. Esta trayectoria corresponde a una de las soluciones no dominadas en las que
hay un buen equilibrio entre los objetivos.

En la figura 6.11 se pueden observar las trayectorias de diferentes soluciones no


dominadas. Las trayectorias de 6.11A y 6.11B corresponden a soluciones en las que hay
ms proximidad hacia el objetivo de mxima calidad, lo que significa reduccin de
temperatura e incremento de conductividad elctrica en la etapa reproductiva, mientras que
en la primera etapa se mantienen temperaturas en torno a los 24C en el da y la mxima
posible en la noche, 17C, con conductividad elctrica mnima.

Las figuras 6.11C y 6.11D corresponden a trayectorias prximas al objetivo de


maximizacin de beneficios e implican diferentes posibilidades de manejo de temperatura
y conductividad elctrica. En la figura 6.11C se muestran altas temperaturas durante todo
el ciclo e incremento de stas durante el da para la etapa reproductiva, aparentemente
respondiendo a la bsqueda de mximo incremento en rendimiento por un lado y por otro
buscando eficiencia en el uso del agua e incremento de calidad en los criterios de azcares
y acidez valorable con conductividad elctrica alta. La trayectoria de la figura 6.11D sigue
una estrategia diferente, buscando mximo crecimiento en la primera etapa y, de manera
atenuada en la etapa reproductiva buscando calidad por medio de los criterios de firmeza y
tamao de fruto por un lado y sin disminucin de rendimientos manteniendo la
conductividad elctrica menor que 3.0..

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

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

Al aplicar optimizacin multiobjetivo con un horizonte de 116 das (equivalente a 232


intervalos da-noche) las trayectorias resultantes fueron similares a aqullas con horizonte
de 66 das. Lo anterior puede observarse en las figuras 6.12A y 6.12B que priorizan
beneficios y calidad respectivamente. En la figura 6.12C se observa la trayectoria cuando
se optimiza eficiencia de agua mediante reduccin de consumo de agua, reduciendo la
temperatura en la etapa reproductiva e incrementando la salinidad al mximo, aunque es
importante indicar que tambin las trayectorias de la figura 6.12A y 6.12D permiten alta
eficiencia en el uso del agua. La figura 6.12D muestra una trayectoria cercana a mximos
beneficios, en la cual la temperatura del da mantiene un gradual cambio en ascenso
durante la etapa vegetativa y un gradual descenso en la etapa reproductiva, mientras que la
temperatura nocturna y la conductividad elctrica se mantienen constantes, la primera en el
mximo permitido y la segunda en el mnimo, para garantizar que no haya disminucin de
rendimiento por salinidad.

Desde la perspectiva del mtodo de optimizacin utilizado, se ha encontrado que el mtodo


de alcance de metas utilizado en el presente trabajo aplica un vector de ponderacin
asignando pesos para alcanzar cada objetivo, si ste se acerca a cero el objetivo estar ms
prximo a ser alcanzado. En ese proceso se han generado soluciones con los mismos
valores para diferentes vectores de ponderacin, como se puede observar en la tabla 6.8,
requirindose estudios ms detallados aplicando diversas tcnicas que permitan realizar
una bsqueda eficiente de las soluciones no dominadas, constituyendo un tema de gran
inters en investigacin en la actualidad.

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

Tabla 6.8 Ponderacin de cada objetivo y valores obtenidos. La misma solucin es


alcanzada con diferente ponderacin
Beneficios Eficiencia en Calidad Peso Peso eficiencia uso Peso calidad
uso de agua beneficios de agua
2.659 37.864 68.435 0.04 0.17 0.78
2.659 37.864 68.435 0.08 0.16 0.75
2.659 37.864 68.435 0.05 0.47 0.48
2.659 37.864 68.435 0.13 0.22 0.65
2.659 37.864 68.435 0.15 0.12 0.70
2.659 37.864 68.435 0.16 0.10 0.72
1.912 34.471 86.332 0.12 0.36 0.52
1.912 34.471 86.332 0.09 0.37 0.54
1.912 34.471 86.332 0.13 0.42 0.45
1.912 34.471 86.332 0.16 0.40 0.44

189
Control multiobjetivo de la produccin en invernadero

6.5 Discusin y conclusiones

En este captulo se ha justificado, desarrollado y resuelto un problema multiobjetivo


aplicado a la produccin del sistema invernadero. A pesar de que el enfoque multiobjetivo
ha sido utilizado en muy diversos mbitos, como las aplicaciones en lnea para el control
de procesos industriales de manufactura de cristal [Ber01], control del clima en edificios
[Ber99], optimizacin de estructuras [Coe96], inversin de capitales [Doe04], tratamiento
de aguas residuales [Cad04], manejo de calidad de agua [Yan99], manejo de agua
subterrnea [Hel01], manejo de ecosistemas forestales [Oli03], por citar slo algunos
ejemplos, en los sistemas de produccin intensiva en invernadero no hay muchas
referencias sobre el tema (hasta donde nuestro conocimiento lo permite), con excepcin de
un esbozo general en [Bak98] en el que se delinea cmo podra ser la aplicacin de toma
de decisiones mediante programacin matemtica, y el enfoque ha sido el optimizar un
nico objetivo como ya se ha mostrado en las referencias bibliogrficas del presente
captulo.

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.

Desde el punto de vista de la optimizacin para seleccionar la mejor solucin, es posible


ponderar cada funcin objetivo, establecer una mtrica de evaluacin, por ejemplo la
distancia eucldea (Ld) establecida entre el punto ideal y cada solucin no dominada, como
se muestra en la figura 6.13, y resolver nuevamente buscando la menor distancia. Este tipo
de mtricas es muy comn en la solucin de problemas multiobjetivo que son tratados
desde el enfoque de computacin evolutiva [Coe96], [Coe00], [Fon98], en las que se
utiliza alguna de las siguientes propuestas: la distancia generacional, que representa qu
tan lejos est una solucin del frente de Pareto; la dispersin de puntos a lo largo del frente
de Pareto representada por una funcin de distribucin; o bien la porcin del frente de
Pareto cubierto por cada solucin no dominada [Coe00].

Desde el punto de vista de la interaccin entre los objetivos planteados ha resultado


evidente la conformacin de frentes de soluciones no dominadas entre los objetivos
beneficio-calidad de fruto y eficiencia en el uso del agua-calidad de fruto mientras que la
relacin beneficio-eficiencia en el uso de agua es proporcional, de manera que entre estos
no se conforma un frente de Pareto. Al evaluar los tres objetivos simultneamente el
problema se hace ms complejo y es necesario evaluar los objetivos con mayor detalle
auxiliados de la tabla 6.7 de soluciones no dominadas y del frente de Pareto que se
establece en el espacio tridimensional, como se observa en la figura 6.9.

190
Control multiobjetivo de la produccin en invernadero

Figura 6.13 Punto ideal y posible mtrica (Ld) a las soluciones no dominadas

Se ha obtenido un amplio espectro de soluciones de compromiso y, aunque se pueden


observar algunas que permiten alcanzar calidad del 90% con beneficios de
aproximadamente 85-87% y 88% de eficiencia en el uso del agua, es tarea de quien toma
las decisiones optar por una u otra estrategia auxiliado por esta herramienta de
optimizacin. Resulta claro tambin que adoptando correctas estrategias de manejo de
temperatura y conductividad elctrica es posible incrementar la calidad sin detrimento
drstico de los beneficios econmicos.

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.

La estructura de costes es ligeramente diferente en funcin del objetivo que se prioriza,


aunque siempre el costo de calefaccin es ms importante que los costes por agua y
fertilizantes. Cuando el objetivo prioritario es maximizar beneficios la participacin de
costes es: 82, 9.5 y 8.5 % para energa (combustibles y energa elctrica), fertilizantes y
agua respectivamente. Cuando el objetivo prioritario es la calidad del fruto los porcentajes
son: 80, 12 y 8 % para energa, fertilizantes y agua respectivamente, en un cultivo de
otoo-invierno. Es evidente de lo anterior la importancia de la variable temperatura por el
efecto que ejerce sobre los costes de produccin.

Considerando la dimensin de los horizontes, cuando se optimiza con un horizonte de 66


das las trayectorias generadas son bastante similares a las que se obtienen con horizonte de
116 das lo que sugiere que bajo las premisas establecidas es suficiente con el de 66 das
para optimizar adecuadamente, lo que hace posible un ahorro en tiempo de procesamiento
de mquina en optimizacin multiobjetivo.

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.

Una de las limitantes lo constituye la carencia de modelos de prediccin de precios del


producto y los componentes de los costes, de manera que fuese posible completar la
arquitectura en sus diferentes niveles o capas. Por tanto, un trabajo futuro debe suplir esa
carencia con modelos de prediccin de tendencias de precios de mercado. Por otro lado,
con el enfoque multiobjetivo se abre una diversidad de escenarios: agua de riego de
diferente calidad, precios con cambios frecuentes en los costes y en el producto, inclusin
de otros sistemas de actuacin, incluir otros objetivos como contaminacin al medio, etc.
Tambin la posibilidad de trabajar desde la perspectiva del proceso de optimizacin con
mltiples horizontes deslizantes y diversas tcnicas de optimizacin. Cada uno de los
aspectos mencionados requiere de informacin detallada y son en si mismos motivo de
relevantes proyectos especficos.

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.

Como se ha establecido en el transcurso de los captulos de sta tesis, el punto de partida


de la investigacin ha sido estudiar la factibilidad de tratar el manejo de la produccin en
invernadero como un problema de optimizacin multiobjetivo, ya que este enfoque permite
tratar la complejidad del problema de manera integrada y en el presente trabajo ha incluido
los subsistemas: clima, agua y nutricin. Tambin, se ha planteado demostrar la viabilidad
de optimizacin multiobjetivo y sus ventajas asociadas en el mbito de una estructura de
control jerrquico basada en modelos de los procesos que tienen lugar en la produccin en
invernadero.

El trabajo desarrollado en la tesis ha sido extenso, no se ha restringido al anlisis y


desarrollo de modelos conceptuales y algoritmos, sino que se ha llevado a cabo la
implementacin prctica de un sistema completo de optimizacin multiobjetivo que ha
demostrado ser una herramienta de utilidad como apoyo a la toma de decisiones, ya que
bajo este enfoque se generan diferentes soluciones no dominadas, de entre la cuales se
decide acerca de la ms idnea en funcin de las preferencias de quien toma las decisiones.
En esta tesis doctoral se han definido como objetivos la maximizacin de beneficios
econmicos, de la calidad de la produccin y de la eficiencia en el uso del agua, para los
cuales se han obtenido soluciones de compromiso o no dominadas. No obstante, se podran
incorporar nuevos objetivos o modificar los existentes, puesto que el fundamento de la
tcnica desarrollada sera el mismo y proporcionara flexibilidad en la optimizacin de los
recursos utilizados.

En cuanto al modelado de cultivos, se han modificado, implementado, calibrado y validado


los modelos Tomgro y Tomsim. Esto ha permitido su utilizacin para predecir el
crecimiento y desarrollo del cultivo de tomate en condiciones de invernaderos con
tecnologa media (cubierta de plstico, ausencia de actuadores activos de refrigeracin, con
calefaccin o sin ella) desarrollados en cultivo sin suelo. Los resultados obtenidos tras el
proceso de adaptacin han sido positivos, de modo que estos modelos pueden ser
incorporados en el control en lnea dentro de la arquitectura de control jerrquico con
optimizacin multiobjetivo. Las modificaciones realizadas permiten la prediccin de
rendimiento en fresco en respuesta a condiciones no ptimas de nutricin (XCE) y dficit
hdrico.

193
Conclusiones

Otro aspecto importante a destacar lo constituye el modelado de la dinmica del agua


acoplada a modelos de desarrollo de cultivo, que permite su integracin en esquemas
integrales de manejo del sistema invernadero y, el entendimiento de las relaciones que se
establecen entre el clima del invernadero, la planta y el ambiente de la raz. Adems, estos
modelos han permitido formular y desarrollar algoritmos de control del riego, (frecuencia y
cantidad de agua a aportar), que combinados con algoritmos eficientes de control ptimo
de la temperatura nocturna del invernadero ayudan a aumentar la eficiencia del proceso
productivo y a alcanzar los objetivos de alto nivel establecidos por la estrategia de
optimizacin multiobjetivo.

La propuesta de solucin integral del manejo del sistema invernadero se ha diseado,


desarrollado y aplicado en invernaderos reales para las condiciones del sector agrcola del
sudeste de la Pennsula Ibrica, considerando sus propias caractersticas tanto en las
condiciones climticas, en las estructuras de invernaderos utilizadas, en los sistemas de
actuacin que se suelen instalar y en las variedades de cultivo, como en las tcnicas
culturales propias de la zona. Actualmente, algunos de los resultados obtenidos se estn
aplicando en instalaciones reales de produccin.

Como futuras lneas generales de investigacin se puede destacar la validacin en


instalaciones comerciales de produccin de la arquitectura completa propuesta, as como la
ampliacin de la misma, incorporando otros objetivos y grados de libertad en el proceso de
optimizacin, como es el tratamiento de la nutricin del cultivo desde una perspectiva de
manejo de aniones y cationes, otra lo constituye el tratamiento de residuos contaminantes,
o bien el tratamiento de la incidencia y evolucin de plagas y enfermedades, entre otros.

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

[Cua01] Cuadrado G.M.I. 2001. Estudio de la demanda de inputs auxiliares:


Produccin y manipulacin en el sistema productivo almeriense. FIAPA 212
pp.
[Cur71] Curry R.B. 1971. Dynamic simulation of plant growth. Part I. Development of a
model. Transactions of the American Society of Agricultural Engineers 14:946-
959.
[Dav91] Davis, P.F., Hooper, A.W. 1991. Improvement of greenhouse heating control.
IEE Proceedings- Part D 138(39):249-255.
[Day93a] Dayan E., van Keulen H., Jones J.W., Zipori I., Simuel D., Challa H. 1993.
Development, calibration and validation of a greenhouse tomato growth model:
I. Description of the model. Agricultural Systems 43:145-163.
[Day93b] Dayan E., van Keulen H., Jones J.W., Zipori I., Shmuel D., Challa H. 1993.
Development, calibration and validation of a greenhouse tomato growth model:
II. Field calibration and validation. Agricultural Systems 43:165-183.
[Day01] Dayan E., Fuchs M., Plaut Z., Presnov E., Matan E., Dinar M., Solphoy A.,
Mugira E., Pines N., Ben-Asher J. 2001. A model to describe rose bush growth
based on the plants morphological parameters. Proceedings of the Fourth
International Symposium on Mathematical Modelling and Simulation in
Agricultural and Bio-Industries (M2SABI01). Haifa, Israel.
[Day02] Dayan E., Presnov E., Fuchs M., Ben-Asher J. 2002. Rose grow: a model to
describe greenhouse rose growth. Acta Horticulturae 593:63-70.
[Del01] DellAmico J., Torrecillas A., Rodrguez P., Morales D., Snchez-Blanco M.J.
2001. Differences in the effects of flooding the soil early and late in the
photoperiod on the water realtions of pot-grown tomato plants. Plant Science
160:481-487.
[Dem01] Demrati H., Boulard T., Bekkaoui A., Bouirden L. 2001. Natural ventilation
and microclimatic performance of a large sacele banana greenhouse. Journal of
Agricultural Engineering Research 80(3):261-271.
[Doe04] Doerner K.F., Gutjahr W.J., Hartl R.F., Strauss C., Stummer C. 2004. Pareto
ant colony optimization with ILP preprocessing in multiobjective project
portfolio selection. European Journal of Operational Research. En prensa.
[Dor86] Doorenbos J., Kassam A.H. 1986. Efectos del agua sobre el rendimiento de los
cultivos. Estudio FAO Riego y Drenaje 33. 212 pp.
[Dor00] Dorais M., Dorval R., Demers D.A., Micevic D., Turcott G., Hao X.,
Papadopoulos A., Ehret D.L., Goseelin A. 2000. Improving tomato fruit quality
by increasing salinity: effects on ion uptake, growth and yield. Acta
Horticulturae 511:185-195.
[Dou98a] Doussan C., Pages L., Vercambre G. 1998. Modelling of the hydraulic
architecture of root systems: an integrated approach to water absorption
model description. Annals of Botany 81:213-223.
[Dou98b] Doussan C., Vercambre G., Pages L. 1998. Modelling of the hydraulic
architecture of root systems: an integrated approach to water absorption
distribution of axial and radial conductances in maize. Annals of Botany
81:225-232.

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

[Hel01] Hellers P. 2001. Groundwater management for agriculture and nature: an


economic analysis. Ph. D. Thesis. Wageningen University. The Netherlands.
126 pp.
[Hen94] van Henten E.J. 1994. Greenhouse climate management: an optimal control
approach. Ph. D. Thesis. Wageningen Agricultural University. The
Netherlands. 329 pp.
[Her03] Hernndez A.S. Fernndez R.E.J., Fernndez V.J. 2003. El uso del laptmetro
como alternativa a la bandeja de demanda para el control del riego en sistemas
de cultivo sin suelo. En: Innovaciones Tecnolgicas en cultivos de Invernadero.
Ed. Fernndez E.J. pp. 97-120.
[Her04] Herrero J.M., Blasco X., Ramos C., Salcedo J.V. 2004. Identificacin robusta
mediante Gas en modelos no lineales. En: XXV Jornadas de Automtica.
Ciudad Real, Espaa. Septiembre 2004.
[Het98] Hetherington S., Smillie R.M., Davies W.J. 1998. Photosynthetic activities of
vegetative and fruiting tissues of tomato. Journal of Experimental Botany
49:1173-1181.
[Heu93] Heuvelink E. 1993. Dry matter production in a tomato crop: measurements and
simulation. Annals of Botany 73:369-379.
[Heu96a] Heuvelink E. 1996. Tomato growth and yield: quantitative analysis and
synthesis. Ph. D. Thesis. Wageningen University. The Netherlands. 326 pp.
[Heu96b] Heuvelink E. 1996. Dry matter partitioning in tomato: validation of a dynamic
simulation model. Annals of Botany 77:71-80.
[Heu99] Heuvelink E. 1999. Evaluation of a dynamic simulation model for tomato crop
growth and development. Annals of Botany 83:413-422.
[Hsi00] Hsiao T.C., Xu L.K. 2000. Predicting water use efficiency of crops. Acta
Horticulturae 537:199-206.
[Ho96] Ho L.C. 1996. Improving tomato fruit quality by cultivation. In: Genetic and
environment manipulation of horticultural crops. Eds. Cockshull K., Gray D.,
Seynor G., Thomas B., Cabi Pu. pp. 17-29.
[Ho99] Ho LC., Hand D.J., Fusell M. 1999. Improvement of tomato fruit quality by
calcium nutrition. Acta Horticulturae 481:463-468.
[Hom02] Homaee M., Dirksen C., Feddes R.A. 2002. Simulation of root water uptake. I.
Non uniform transient salinity using different macroscopic reduction functions.
Agricultural Water Management 57:89-109.
[Hon91] Honjo T., Takakura T. 1991. Identification of water and nutrient supply to
hydroponic tomato plants by using neural nets. In: Mathematical and Control
Applications in Agriculture and Horticulture. Eds. Hashimoto Y., Day W.
Pergamon Press pp. 285-288.
[Hum00] Humsaker D., Kimball B.A., Pinter P.J., Wall G.W., LaMore R.L., Adamsen
F.J., Leavit S.W., Thompson T.L., Mathias A.D., Brooks T.J. 2000. CO2
enrichment and soil nitrogen effects on wheat evapotranspiration and water use
efficiency. Agricultural and Forest Meteorology 104:83-105.

206
Referencias bibliogrficas

[Inc79] Incertis F. 1979. Diseo de sistemas de control operando en entornos


parcialmente definidos. Aplicacin a los problemas de control ambiental de
invernaderos. Convencin Informtica Latina. Barcelona, Espaa. pp. 784-791.
[Inc81] Incertis F. 1981. Control de invernaderos con computador. Mundo electrnico
113:59-113.
[Ios96] Ioslovich I., Gutman P.O., Seginer I. 1996. A non-linear optimal greenhouse
control problem with heating and ventilation. Optimal Control Applications and
Methods 17:157-169.
[Ios02] Ioslovich I., Seginer I. 2002. Acceptable nitrate concentration of greenhouse
lettuce: Two optimal control policies. Biosystems Engineering 83:199-215.
[Isl96] Islam S., Matsui T., Yoshida Y. 1996. Effect of carbon dioxide enrichment on
physico-chemical and enzymatic changes in tomato fruits at various stages of
maturity. Scientia Horticulturae 65:137-149.
[Jac96b] Jacobs C.M.J., van den Hurt, B.J.J., de Bruin H.A.R. 1996. Stomatal behaviour
and photosynthetic rate of unstressed grapevine in semi-arid conditions.
Agricultural Forest and Meteorology 80:111-134.
[Jac96a] Jackson M., Davies W., Else M. 1996. Pressure-flow relationships, xylem
solutes and root hydraulic conductance in flooded tomato plants. Annals of
Botany 77:17-24.
[Jaj01] Jajoo A., Bharti S., Mohannty P. 2001. Evaluation of the especific roles of
anions in electron transport and energy transfer reactions in photosynthesis.
Photosynthetica 39:321-337.
[Jem95] Jemaa R., Boulard T., Baille A. 1995. Some results on water and nutrient
consumption of a greenhouse tomato crop grown in rockwool. Acta
Horticulturae 408:137-146.
[Ji03] Ji S., Ciovanu G. 2003. Conformon-driven biopolymer shape changes in cell
modelling. BioSystems 70:165-181.
[Jol91] Jolliet O., Bayley B.J. 1991. The effect of climate on tomato transpiration in
greenhouses: measurements and models comparison. Agricultural Forestry and
Meteorology 58:43-62.
[Jol94] Jolliet O. 1994. HORTITRANS: a model for predicting and optimizing
humidity and transpiration in greenhouses. Journal of Agricultural Engineering
Research 57:23-37.
[Jon86] Jones C.A., Kiniry J.R. 1986. CERES-Maize: a simulation model of maize
growth and development. Texas A&M University Press. College Station, TX.
USA.
[Jon91a] Jones J.W., Dayan E., Allen L.H., van Keulen, H., Challa H. 1991. A dynamic
tomato growth and yield model (Tomgro). Transactions of ASAE 34:663-672.
[Jon91b] Jones H.G., Sutherland R.A. 1991. Stomatal control of xylem embolism. Plant
Cell and Environment 6:607-162.
[Jon97] Jones J.W., Hwang Y.K., Kenig A. 1997. Developing a simplified crop model.
Ch. III-6. 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.

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

[Mar98] Marcelis L.F.M., Heuvelink E., Goudriaan J. 1998. Modelling biomass


production and yield of horticultural crops: a review. Scientia Horticulturae
74:83-111.
[Mar01] Marn-Rodrguez J. 2001. Portograno. Vademcum de variedades hortcolas
2001. ECIR. Espaa. 383 pp.
[Mar04a] Martnez-Ballesta M., Martnez V., Carvajal M. 2004. Osmotic adjustment,
water relations and gas exchange in pepper plants grown under NaCl or KCl.
Environmental and Experimental Biology 52:161-174.
[Mar04b] Marcelis L.F.M. Brajeul E., Elling A., Garate A., Heuvelink E., de Visser
P.H.B. 2004. Modelling nutrient uptake of sweet pepper. Proceedings of
Greensys 2004. Leuven, Belgium. 9 pp.
[Mat98a] The Matworks Inc. 1998. Using Matlab. The Language of Technical
Computing. USA. 531 pp.
[Mat98b] The Matworks Inc. 1998. Using Simulink. Dynamic Systems Simulations for
Matlab. USA. 645 pp.
[Med05] Medrano E., Lorenzo P., Snchez Guerrero M.C., Montero J.I. 2005. Evaluation
and modelling of greenhouse cucumber crop transpiration under high and low
radiation conditions. Scientia Horticulturae. En prensa.
[Meg99] Megas D., El Ghoumari M.Y., Serrano J. 1999. Extended linearised predictive
control: practical control algorithms for non linear systems. European Control
Conference Karlsruhe, Alemania; pp. 791 (Abstract); 6 pp. (Versin completa).
[Moh95] Mohr H., Schopfer P. 1995. Plant Physiology. Springer-Verlag. 629 pp.
[Mon01] Montero J.I., Antn A., Muoz P., Lorenzo P. 2001. Transpiration from
geranium grown under high temperatures and low humidities in greenhouses.
Agricultural and Forest Meteorology 107:323-332.
[Mor93] Morales S.V.M., Llopis G.A., Tejerizo P.M.L., Ferrndiz F.J. 1993.
Concentration of nitrates in drinking water and its relationship with bladder
cancer. Journal of Environmental Pathology, Toxicology and Oncology
12(4):229-236.
[Mor95a] Morimoto T., Torii T., Hashimoto Y. 1995. Optimal control of physiological
processes of plants in green plant factory. Control Engineering Practice 4:505-
551.
[Mor95b] Morales S.V.M., Llopis G.M., Tejerizo P.M.L. 1995. Impact of nitrates in
drinking water on cancer mortality in Valencia, Spain. European Journal of
Epidemiology 11(1):15-21.
[Mor00] Morimoto T., Hashimoto Y. 2000. AI approaches to identification and control
of total plant production systems. Control Engineering Practice 8:555-567.
[Mua76] Mualem Y. 1976. A new model for predicting the hydraulic conductivity of
unsaturated porous media. Water Resources Research 12(3):513-522.
[Mul01] Mulholland B.J., Fusell M., Edmonson R.N., Basahm J., Mckee J.M. 2001.
Effects of vpd, K nutritition and root-zone temperature on leaf area
development, accumulation of Ca and K and yield in tomato. Journal of
Horticultural Science and Biotechnology 76(5):641-647.

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

[Par04] Pardossi A., Tognoni F., Incrocci L. 2004. Mediterranean greenhouse


technology. Chronica Horticulturae 44(2):28-34.
[Pas98] Paschold P.J., Zengerle K.H. 1998. Sweet pepper production in a closed system
in mound culture with special consideration to irrigation scheduling. Acta
Horticulturae 458:329-334.
[Pas04] de Pascale S., Maggio A. 2004. Sustainable protected cultivation at a
Mediterranean climate perspectives and challenges. Proceedings of Greensys
2004. Leuven, Belgium. 16 pp.
[Pat03] Pataki D.E., Oren R. 2003. Species differences in stomatal control of water loss
at the canopy scale in a mature bottomland deciduous forest. Advances in
Water Resources 26:1267-1278.
[Pat05] Patakas A., Noistakis B., Chouzouri A. 2005. Optimization of irrigation water
use in grapevine using the relationship between transpiration and plant water
status. Agriculture, Ecosystems and Environment 106(2-3):159-170.
[Pee99] van Pee M., Berckmans D. 1999. Quality of modeling plant responses for
environment control purposes. Computers and Electronics in Agriculture
22:209-219.
[Per04] Prez P.J., Baeza E., J.I. Montero, Bailey B. 2004. Natural ventilation of parral
greenhouses. Biosystems Engineering 87:355-366.
[Pet98] Petersen K., Willumsen J., Kaack K. 1998. Composition and taste of tomatoes
as affected by increased salinity and different salinity sources. Journal of
Horticultural Science and Biotechnology 73(2):205-215.
[Pi01] Pin S.M. 2001. Control predictivo basado en modelo para cultivos
protegidos. Ph. D. Thesis. Universidad de San Juan, Argentina. 199 pp.
[Pi02a] Pin S.M., Pea M., Camacho E.F. 2002. Control predictivo robusto:
aplicacin al control de temperatura de un invernadero. XXIII Jornadas de
Automtica, Tenerife, Espaa.
[Pi02b] Pin S.M., Camacho E.F., Kuchen, B. 2002. Constrained predictive control of
a greenhouse. 15th IFAC World Congress. Barcelona, Spain. 6 pp.
[Poh99] Pohleim H., Heibner A. 1999. Optimal control of greenhouse climate using
real-world weather data and evolutionary algorithms. Proceedings of Genetic
and Evolutionary Computation Conference, San Francisco Ca. USA pp. 1672-
1677.
[Pom04] Pomares L.M. 2004. Sistema de prediccin de condiciones climticas para
aplicaciones agrarias. Proyecto fin de carrera. Universidad de Almera. 163 pp.
[Por93] Porter J.R. 1993. Afrcwheat2: a model of the growth and development of wheat
incorporating responses to water and nitrogen. European Journal of Agronomy
2:69-82.
[Por01] Porporato A., Laio F., Ridolfi L., Rodrguez-Iturbe I. 2001. Plants in water-
controlled ecosystems: active role in hydrologic processes and response to
water stress. III. Vegetation water stress. Advances in Water Resources. 24:725-
744.

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

(SA) as optimizer of a multicriteria index. In: Tasks and Methods in Applied


Artificial Intelligence, 11th International Conference on Industrial and
Engineering Applications of Artificial Intelligence and Expert Systems pp. 271-
279. Benicassim, Spain. Springer.
[Sha01] Sharon Y., Bravdo B. 2001. A fully-automated orchard irrigation system based
on constinuous monitoring of turgor potential with a leaf sensor. Acta
Horticulturae 562:55-61.
[She99] Shewfelt R.L. 1999. What is quality? Postharvest Biology and Technology
15:197-200.
[Shi95] Shinohara Y., Akiba K., Mauro T., Ito T. 1995. Effect of water stress on the
fruit yield, quality and physiological condition of tomato plants using the gravel
culture. Acta Horticulturae 396:211-217.
[Sid98] Siddiqi M.Y., Kronzucker H.J., Britto D.T., Glass A.D.M. 1998. Growth of a
tomato crop at reduced nutrient concentrations as a strategy to limit
eutrophication. Journal of Plant Nutrition 21(9):1879-1895.
[Sie03] Siemens A., Zwiazek J.J. 2003. Effects of water deficit stress and recovery on
the root water relations of trembling aspen (Populus tremuloides) seedlings.
Plant Science 165:113-120.
[Sig99] Sigrimis N., Arvanitis K.G., Kookos I.K., Paraskevopoulos P.N. 1999. H-PI
Controller tuning for greenhouse temperature control. 14th IFAC World
Congress. Beijing, China. pp. 485-490.
[Sig01] Sigrimis N., Arvanitis K.G., Pasgianos G.D., Ferentios K. 2001. Hydroponics
water management using adaptive scheduling with an on-line optimizer.
Computers and Electronics in Agriculture 31(1):31-46.
[Sil95] da Silva F.F., Wallach R., Chen Y. 1995. Hydraulic properties of roockwool
slabs used as substrates in horticulture. Acta Hortiulturae 401:71-75.
[Sla77] Slack G., Calvert A. 1977. The effect of truss removal on the yield of early
sown tomatoes. Journal of Horticulutral Science 52:309-315.
[Son91] Sonneveld C., van der Burg A.M.N. 1991. Sodium chloride salinity in fruit
vegetable crops in soilless culture. Netherlands Journal of Agricultural Science
39:115-122.
[Son00] Sonneveld C. 2000. Effects of salinity on substrate grown vegetables and
ornamentals in greenhouse horticulture. Ph. D. Thesis. Wageningen University.
The Netherlands. 151 pp.
[Sor98] Soria T., Cuartero J. 1998. Tomato fruit yield and water consumption with salty
water irrigation. Acta Horticulturae 458:215-219.
[Sne84] Snedecor G.W., Cochran W.G. 1984. Mtodos estadsticos. CECSA Mxico.
703 pp.
[Sta87] Stanghellini C. 1987. Transpiration of greenhouse crops: An aid to climate
management. Ph. D. Thesis. Wageningen University. The Netherlands. 150 pp.
[Sta92] Stanghellini C., van Meurs Th.M. 1992. Environmental control of greenhouse
crop transpiration. Journal of Agricultural Engineering Research 51:297-311.

217
Referencias bibliogrficas

[Sta94] Stanghellini C., de Lorenzi F. 1994. A comparison of soil-and canopy


temperature based methods for early detection of water stress in a simulated
patch of pasture. Irrigation Science 14:141-146.
[Sta95] Stanghellini C. 1995. A model of humidity and its applications in a greenhouse.
Agricultural and Forest Meteorology 76:129-148.
[Sta03a] Stanghellini C., Kempkes F.L.K., Knies P. 2003. Enhancing environmental
quality in agricultural systems. Acta Horticulturae 609:277-283.
[Sta03b] Stanghellini C., Kempkes F., Heuvelink E., Bonasia A., Karas A. 2003. Water
and nutrient uptake of sweet pepper and tomato as (un)affected by watering
regime and salinity. Acta Horticulturae 614:691- 695.
[Stc05] Stacewicz-Sapuntzakis M., Bowen P.E. 2005. Role of tomato products in
prostate health. Biochimica et Biophisica Acta. En prensa.
[Ste98] Stedule E., Peterson C.A. 1998. How does water get through roots? Journal of
Experimental Botany 49:775-788.
[Ste00] Steudle E., 2000. Water uptake by plant roots: an integration of views. Plant
and Soil 226:45-56.
[Stm03] Stamatakis A., Papadantonakis N., Savvas D., Lidakis N., Kefalas P. 2003.
Effects of silicon and salinity on fruit yield and quality of tomato grown
hydroponically. Acta Horticulturae 609:141-147.
[Str99a] van Straten, G., Tap F., van Willengenburg L.G. 1999. Sensitivity of on-line
RHOC of greenhouse climate to adjoint variables for the crop. 14th IFAC World
Congress, Beijing, China. pp. 383-387.
[Str99b] van Straten G. 1999. Acceptance of optimal operation and control methods for
greenhouse cultivation. Annual Reviews in Control 23:83-90.
[Str00] van Straten G., Challa H., Buwalda F. 2000. Towards user accepted optimal
control of greenhouse climate. Computers and Electronics in Agriculture
26:221-238.
[Str02] van Straten G., van Willengenburg L.G., Tap F. 2002. The significance of crop
co-states for receding horizon optimal control of greenhouse climate. Control
Engineering Practice 10(6):625-632.
[Sun01] Sun G., Zhao P., Zeng X., Peng S. 2001. Influence of elevated atmosferic CO2
concentration on photosynthesis and leaf nitrogen partition in process of
photosynthetic carbon cycle in Musa paradisiaca. The Journal of Applied
Ecology 12:429-434.
[Swe81] Sweeney D.G., Hand D.W., Slack G., Thornley J.H.M. 1981. Modelling the
growth of winter lettuce. In: Mathematics and plant physiology. Eds. Rose
D.A., Charles-Edwards D.A. New York. Academic Press. pp. 217-229.
[Sys99] Sysoeva M.I., Markovskaya E.F., Kharhina T.G., Sherudilo E.G. 1999.
Temperature drop, dry matter accumulation and cold resistance of young
cucumber plants. Plant Growth Regulation 28:89-94.
[Tai98] Taiz L., Zeiger E. 1998. Plant Physiology. Sinauer Associates Pu. 792 pp.

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

[Tho00] Thornley J.H.M. 1976. Mathematical Models in Plant Physiology. A


quantitative approach to problems in Plant and Crop Physiology. Blackburn
Press, London 669 pp.
[Tho04] Thompsom R.D. 2004. Programacin de riegos mediante sensores de humedad
en suelo. Jornadas tcnicas de agricultura. Almera, Espaa. 7 pp.
[Tie00] Tiekstra A.E., Else M.A. Kackson M.B. 2000. External pressures based on leaf
water potentials do not induce xylem sap to flow at rates of whole plant
transpiration from roots of flooded or well drained tomato and maize plants.
Impact of shoot hydraulic resistances. Annals of Botany 86:665-674.
[Ton01] Ton Y., Nilov N., Kopyt M. 2001. Phytomonitoring: the new information
technology for improving crop production. Acta Horticulturae 562:257-262.
[Ton03] Ton Y., Kopyt M. 2003. Phytomonitoring: a bridge from sensors to information
technology for greenhouse control. Acta Horticulturae 614:639-644.
[Too05] Toot R.K., Savage G.P. 2005. Antioxidant activity in different fractions of
tomatoes. Food Research International 38:487-494.
[Tor95] Torrecillas A., Guillaume C., Alarcn J.J., Ruz-Snchez M.C. 1995. Water
relations of two tomato species under water stress and recovery. Plant Science
105:169-176.
[Tou99] de Tourdonnet S. 1999. Control of quality and N pollution in greenhouse lettuce
production. A modeling study. Acta Horticulturae 507:263-270.
[Tuz01] Tuzel I.H., Tuzel Y., Gul A., Meric M.K., Yavuz O., Eltez R.Z. 2001.
Comparison of open and closed of yied, water and nutrient comsumption and
their environment impact. Acta Horticulturae 554:221-228.
[Tye99] Tyerman S.D., Bohnert H.J., Maurel C., Steudle E., Smith A.C.J. 1999. Plant
aquaporins: their molecular biology, biophysics and significance for plant water
relations. Journal of Experimental Botany 50:1055-1077.
[Udi83] Udink ten Cate, A.J. 1983. Modeling and (adaptive) control of greenhouse
climates. Ph. D. Thesis. Agricultural University of Wageningen. The
Netherlands. 159 pp.
[Uet00] Uetrecht I. 2000. The costs of quality production in horticulture. Acta
Horticulturae 536:179-186.
[Uff00] van Uffelen R.L.M., van der Mass A.A., Vremeulen P.C.M., Ammerlaan J.C.J.
2000. TQM applied to the Dutch glasshouse industry: state of the art in 2000.
Acta Horticulturae 536:679-686.
[Uff01] van Uffelen R.L.M., Ammerlaan J.C.J. 2001. Management of the future: Ducth
glasshouse horticulture towards TQM. Acta Horticulturae 566:37-43.
[Val05] Valdz T.L.C. 2005. Medidas contnuas del estado hdrico de la planta y del
suelo para la programacin del riego en cultivos hortcolas de invernaderos.
Tesis Doctoral. Universidad de Almera. Espaa. 237 pp.
[Vin96] Vincent T.L.S., Vincent T. 1996. Using the ESS maximum principle to explore
root-shoot allocation, competition and coexistence. Journal of Theoretical
Biology 180:111-120.

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

Вам также может понравиться