STICS: un modelo genérico para simular cultivos y sus balances de agua y nitrógeno. II. Validación del modelo para trigo y maíz

Se presenta una evaluación del modelo genérico de cultivo STICS, descrito en detalle en Brisson et al. 11. Se basa en una base de datos agronómicas que reúne situaciones variadas de cultivo de trigo y maíz en Francia. Se hace hincapié en la necesidad de utilizar referencias estándar para el parametrización de las variedades, que se refiere principalmente a las etapas de desarrollo. La validación se realiza sobre las variables de salida del modelo, definidas como las variables finales de interés agronómico (rendimiento y componentes, biomasa aérea, fechas de floración y de madurez, contenidos de nitrógeno en la planta y en el grano, cantidad de agua y nitrógeno en el suelo) mediante varios criterios matemáticos (errores cuadráticos, desviaciones medias, eficiencia). Se concluye que el comportamiento de los dos cultivos es bastante cercano, con errores cuadráticos de 1,6 t.ha -1 para el rendimiento del trigo y de 2,4 t.ha -1 para el rendimiento del maíz. La simulación de los dos componentes del rendimiento: número de granos y peso del grano es peor, al igual que las simulaciones relacionadas con el nitrógeno tanto en la planta como en el suelo, que presentan un sesgo sistemático. Sin embargo, el agua en el suelo está correctamente simulada. El análisis de las cinéticas de evolución de variables de estado principales del sistema, como el índice foliar o el índice de nutrición nitrogenada, en algunos casos extraídos de la base de datos permite evidenciar los disfuncionamientos del modelo y proponer modificaciones para corregirlos. Se retendrá principalmente la introducción de una relación entre el número de granos y el peso máximo del grano, lo que hace que la variable «número de granos» dependa de la variedad, la consideración de la senescencia de las hojas relacionada con los estrés ambientales, la detención de la absorción de nitrógeno al inicio del llenado del grano. Estas modificaciones permiten mejorar los resultados de modelado en relación con los componentes del rendimiento y el balance de nitrógeno. Tienen poco efecto sobre la biomasa y el rendimiento, que permanecen en niveles de error del orden del 15%; esta incomprensibilidad del error sobre la biomasa y, por consiguiente, el rendimiento es una ilustración de la robustez del modelo.