Agro Meteoro Log I A

Carlos A.
Ortiz Solorio
elementos de
AGROMETEOROLOGÍA
cuantitativa
con aplicaciones en la república mexicana
EDICIÓN DEL AUTOR
Texcoco, Estado de México
2008
CONTENIDO
Capítulo Pág.
1. INTRODUCCIÓN 1
1.1 El Enfoque 1
1.2 Datos Meteorológicos 2
2. RADIACIÓN SOLAR 5
2.1 Generalidades 5
2.2 Características de la Radiación Solar 5
2.3 Constante Solar 6
2.4 Variación de la Radiación 9
2.5 Fotoperíodo 14
2.6 Estimación de la Radiación Solar 21
2.7 Estimación de la Radiación Solar en México 26
2.8 Distribución de la Radiación Solar en México 33
2.9 Utilización de la Radiación por los Cultivos 33
3. TEMPERATURA 39
3.1 Generalidades 39
3.2 Efectos de Altitud 40
3.3 Estimación de la Temperatura 46
3.4 Relaciones Temperatura – Cultivos 65
3.5 Estimación de Rendimientos Máximos 70
3.6 Índices Térmicos 79
3.7 Horas Frío 105
3.8 Período Libre de Heladas 108
4. PRECIPITACIÓN 116
4.2 Distribución de la Lluvia 116
4.3 La Precipitación y la Erosión Hídrica 121
4.4 Necesidades de Agua para Diferentes Cultivos 125
4.5 Relación Precipitación – Producción de Maíz 126
4.6 Probabilidades de Lluvia 127
4.7 Estimación de Datos de Precipitación 144
4.8 Sequía 148
5. EVAPOTRANSPIRACIÓN 155
5.2 Terminología 155
5.3 Estimación de la Evaporación 156
5.4 Métodos para Estimar a la Evapotranspiración Potencial 158
5.5 Evapotranspiración del Cultivo (ETc) 171
5.6 Índices de Humedad 177
5.7 Períodos de Crecimiento 179
5.8 Pronósticos Agrometeorológicos de Rendimientos 190
Capítulo Pág.
6. SISTEMA PAPADAKIS 193

6.2 Datos Iniciales e Índices 194
6.3 Diagnóstico Climático 203
6.4 Clasificación Climática 209
7. BIBLIOGRAFÍA 213
Introducción
CAPITULO 1
INTRODUCCION
1.1. El Enfoque
En México, la Agrometeorología ha adquirido gran importancia y en varias instituciones de

Enseñanza Agrícola Superior esta disciplina forma parte de sus planes de estudios. Tal es el caso
de la Universidad Autónoma Chapingo y más específicamente de la Especialidad de Suelos,
donde surgió la inquietud para elaborar una versión actualizada de la Agrometeorología
Cuantitativa.
La Agrometeorología, de acuerdo con Smith (1975), intenta poner a la Ciencia de la Meteorología

al servicio de la Agricultura en sus diversas formas y facetas, para mejorar el uso de las tierras,
ayudar a producir la máxima cantidad de alimentos para la humanidad y evitar el abuso
irreversible de los recursos terrestres.
El material y la información que aquí se presenta, constituyen la temática del curso sobre
Agrometeorología que se imparte en el Departamento de Suelos de la Universidad Autónoma
Chapingo, cuyo enfoque siempre ha sido el expresado por Smith, en el sentido de que, más que
aprender Meteorología se busca dar utilidad a los datos generados por las estaciones y
observatorios meteorológicos para la Agricultura. Es decir se discute y analiza la información
climática desde la perspectiva de los usuarios.
Sin embargo, es común apreciar en general la falta de datos meteorológicos en nuestro país como
son entre otros, la duración de la insolación, intensidad de la precipitación, diámetro de las gotas
de lluvia y la velocidad del viento. Lo cuál provoca, que muchas de las metodologías generadas
en otros medios no sean aplicables al nuestro, a pesar de ello, tal panorama nos ofrece la
alternativa de generar nuestros propios métodos bajo nuestras propias limitaciones. Situación que
resulta atractiva desde el punto de vista intelectual e inclusive podría considerarse como un reto a
nuestra creatividad y es esto lo que intentamos plasmar en estas notas.
Estos apuntes van dirigidos a los que se inician en el campo de la Agrometeorología y más que un
texto pretendemos que sea una motivación para el uso de esta disciplina en nuestro medio.
Las notas constan de cinco partes, en las cuatro primeras (Radiación Solar, Temperatura,
Precipitación y Evapotranspiración) se trata de mostrar a los métodos para la estimación de
variables meteorológicas y se dan algunas aplicaciones basadas en experiencias que han sido
generadas en nuestro medio, principalmente por estudiantes, o en otras partes del mundo, pero
que podemos implementarlas. La quinta parte busca introducir al estudiante a la zonificación de
1
Introducción
cultivos y al uso del sistema de clasificación de Papadakis, integrando diversas variables

climáticas.
1.2. Datos Meteorológicos
La principal fuente de datos meteorológicos, la constituye la información generada por el Servicio

Meteorológico Nacional (SMN), adscrito en la actualidad a la Comisión Nacional del Agua
(CNA), sobre todo se ha empleado la publicación conocida como “Normales Climatológicas”,
que compila datos promedios de varios de años para un gran número de lugares. Hasta la fecha se
han publicado las normales del período 1941 – 1970, con la información correspondiente a 56
Observatorios y 731 Estaciones meteorológicas (SMN, 1976); del período 1951 – 1980, con los
datos de 5300 Estaciones, de las cuales 72 eran Observatorios (Crespo, 2001); para el período
1961 – 1990, donde se publicaron 2992 estaciones (SMN, 2005); lo más reciente corresponde al
período 1971 - 2000, donde se reportan 3758 Estaciones (SMN, 2007), y; además, existe
información del período 1981 – 2000, para 72 Observatorios (CNA, 2007).
Los registros de Larga Duración al promediarse reciben el nombre de Normales, pero en México
para el período 1941 – 1970, se les clasificó por el número de años considerados como sigue: 1)
Normales Estándar cuando los datos cubrían más de 20 años; 2) Normales Ajustadas, cuando los
datos abarcaban de 10 a 20 años, y; 3) Normales Provisionales con menos de 10 años. Para las
normales del 90, 1961 – 1990 (SMN, 2005), la clasificación de las normales cambio a la forma
siguiente: a) Normales Estándar, con datos de 25 o más años y b) Normales Provisionales con
datos entre 10 y 24 años. En la actualidad para las normales del 2000, del período 1971 – 2000
(SMN, 2007), solo se indica el dato Normal, promedio, sin importar el número de años.
Hasta la fecha ha sido muy contrastante la información procedente de los Observatorios en

comparación con la de las Estaciones, tanto en calidad como en cantidad, siendo mejor y mayor
en los primeros y menor en las segundas, a manera de ilustración en el Cuadro 1.1, se reportan los
parámetros meteorológicos obtenidos en ellos.
Es conveniente mencionar, que de la información disponible para los 72 observatorios durante el

período 1981 – 2000 (SMN, 2007), resulta muy relevante la presencia de la velocidad del viento,
la presión media y la humedad relativa que hace apenas unos años no eran disponibles. Ya que
junto con la insolación y la nubosidad, será posible aplicar un mayor número de procedimientos y
verificar sus resultados en México.
Además, a la fecha existen 94 Estaciones Meteorológica Automáticas (EMA’s), distribuidas por

toda la República (SMN, 2005), que comenzaron a funcionar a diferentes tiempos a partir de
1999. Estas estaciones generan información cada minuto para nueve variables meteorológicas,
que se muestran en el Cuadro 1.2 y la reportan en diferentes períodos: cada 10 minutos para los
últimos 7 días, cada hora para los últimos 9 días y por día para los últimos 90 días.
Sobre datos de largos períodos en la actualidad se dispone del sistema ERIC III (Extractor Rápido
de Información Climática, en su versión 3.0), generado por el Instituto Mexicano de Tecnología
del Agua (IMTA, 2006), donde se pueden obtener para más de 4000 estaciones, datos diarios y
2
Introducción
Cuadro 1.1. Información Meteorológica reportada en las Estaciones Normales de 1971 – 2000 y en
Observatorios de 1981 – 2000 (SMN, 2007).
ESTACIÓN OBSERVATORIO
Temperatura Máxima Temperaturas
- Normal - Máxima Extrema
- Máxima Mensual - Promedio de Máxima
- Año de Máxima - Media
- Máxima Diaria - Promedio de Mínima
- Fecha Máxima Diaria - Mínima Extrema
- Años con Datos - Oscilación
Temperatura Media - Total de Horas de Insolación
- Normal Humedad
- Años con Datos - Temperatura Bulbo Húmedo
Temperatura Mínima - Humedad Relativa Media
- Normal - Evaporación
- Mínima Mensual Precipitación
- Año de Mínima - Total
- Mínima Diaria - Máxima
- Fecha Mínima Diaria - Máxima en 24 Hrs.
- Años con Datos - Máxima en 1Hr.
Precipitación Presión
- Normal - Media de la estación
- Máxima Mensual Viento Máximo Diario
- Año de Máxima - Magnitud media
-Máxima Diaria Fenómenos Especiales
-Fecha Máxima Diaria - Num. Días con Lluvia Aprec.
Años com Datos - Num. Días Despejados
Evaporación Total - Num. Días Medio Nublados
- Normal Estándar o Provisional - Num. Días Nublados / cerrados
-Años con Datos - Num. Días con Granizo
Número de Días con Lluvia - Num. Días con Heladas
- Número - Num. Días con Torm. Elec.
- Años con Datos - Num. Días con Niebla
Niebla
- Número de Días
-Años con Datos
Granizo
- Número de Días
-Años con Datos
Tormenta Eléctrica
- Número de Días
-Años con Datos
3
Introducción
Cuadro 1.2. Variables medidas en las Estaciones Meteorológicas Automáticas en México (SMN, 2005).
No. Variable Meteorológica Abreviatura

1 Dirección del Viento DIRS
2 Dirección del Viento de Ráfaga DIRR
3 Velocidad del Viento VELS
4 Velocidad del Viento de Ráfaga VELR
5 Temperatura Promedio TEMP
6 Humedad Relativa HR
7 Presión Barométrica PB
8 Precipitación PREC
9 Radiación Solar RSOL
mensuales año por año o promedios con sus desviaciones, de nueve variables que se reportan en
el Cuadro 1.3.
Cuadro 1.3. Variables reportadas en el Sistema ERIC III (IMTA, 2006).
No. Variable Meteorológica

1 Temperatura observada
2 Temperatura Máxima
3 Temperatura Mínima
4 Precipitación
5 Evaporación
6 Tormentas eléctricas
7 Granizo
8 Niebla
9 Días nublados
Como podrá notarse, la información climatológica cubre diferentes intervalos de tiempo,

originando consecuentemente diferentes niveles de detalle en los estudios agroclimáticos. En el
pasado se tuvo la intención de mostrar sólo alternativas metodológicas al nivel más general, pero
en la actualidad al contar con el auxilio de las microcomputadoras resulta atractivo el realizar
estudios a mayor profundidad.
4
Radiación Solar
CAPITULO 2
RADIACION SOLAR
2.1. Generalidades
La fuente de energía de todos los procesos físicos y biológicos que ocurren sobre la superficie terrestre
proviene del Sol. Monteith (1958) mencionó que la agricultura era una explotación de la energía solar,
hecha posible por un adecuado suministro de agua y nutrientes para mantener el desarrollo de las
plantas.
De acuerdo con la Termodinámica se conoce que la energía se transforma pero no se pierde y el

ejemplo tal vez, más significativo en la agricultura es la fotosíntesis, cuya ecuación química en su
forma más simple es:
CO2 + H2O + energía  (CH2O) + O2 - 112,000 calorías
en la que la energía proviene del sol.
Best (1962) clasificó a los efectos de la radiación solar sobre las plantas verdes en dos tipos de
procesos, de la siguiente forma:
I. Procesos Foto-energéticos: como la Fotosíntesis

II. Procesos Foto-estimulantes:
A. Procesos de Movimiento: como el Fototropismo
B. Procesos Formativos: como Elongación de Estomas, Expansión de las
Hojas, Formación de Pigmentos, etc.
Según Brown y Escombe, citados por Demolon (1966), sí la energía incidente fuera descompuesta
porcentualmente, su distribución seria la siguiente:
Energía Consumida por la Fotosíntesis 0.66 %

Energía Consumida por la Transpiración 48.39 %
Energía Transmitida por las Hojas 31.40 %
Energía Perdida por Irradiación 19.55 %
De lo anterior se puede inferir la significación del estudio de la Radiación Solar.
2.2. Características de la Radiación Solar
La radiación solar recibida en la superficie de la tierra, es el origen de casi todos los fenómenos
meteorológicos y de sus variaciones en el curso de los días y de los años.
5
Radiación Solar
La radiación es un proceso físico por medio del cual se transmite energía en forma de ondas
electromagnéticas.
La radiación solar que llega del limite superior de la atmósfera está formada por rayos de diferentes
longitudes de onda, principalmente por:
a) Rayos Luminosos, que son visibles y su longitud de onda varía entre 0.36 a 0.76 micrones
(1 mm = 1000 micrones);
b) Rayos Ultravioleta o Químicos, no son visibles y su longitud de onda es pequeña, menor
de 0.36 micrones; y
c) Rayos Infrarrojos o Caloríficos, tampoco son visibles y su longitud de onda es mayor a
0.76 micrones.
Los rayos ultravioleta causan efectos detrimentales o germicidas sobre las plantas, los rayos luminosos
intervienen en muchos procesos metabólicos, principalmente en el fototropismo (0.36 a 0.49) y la
fotosíntesis (0.49 a 0.76) y sobre los rayos infrarrojos no se conocen efectos específicos sobre las
plantas, aparentemente son absorbidos y transformados en calor sin interferir con los procesos
bioquímicos.
2.3. Constante Solar
La Constante Solar se define como el flujo de energía proveniente del sol, que incide en una superficie
perpendicular a la dirección de propagación de la radiación solar, fuera de la atmósfera terrestre y a una
distancia media de la tierra al sol.
La tierra gira alrededor del sol en una órbita elíptica y el sol esta ubicado en un foco, como se ilustra en
la Figura 2.1.
152 x 106 km
147 x 106
km
Figura 2.1. Distancia de la Tierra al Sol.
6
Radiación Solar
La distancia más cercana de la tierra al sol es de 147 millones de Km y ocurre aproximadamente el día
3 de enero, conocida como PERIHELIO y como AFELIO a la distancia más lejana, que ocurre el 4 de
julio y tiene un valor de 152 millones de Km. La distancia promedio que más se usa es la de 149.6
millones de km.
Es posible estimar la distancia de la tierra al sol, para cualquier día del año, a través de diferentes
fórmulas, de las más comunes, se han escogido a las siguientes:
2 2
 dm    360 
   1  0.0167  cos  n 
 d    365 
ó
2
 dm   360 
   1  0.033  cos  n
 d   365 
En ambas los ángulos son medidos en grados a diferencia de:
 2
2
 dm  
   1  0.033  cos  n
 d   365 
cuyo ángulo se expresa en radianes.
En las tres fórmulas dm representa a la distancia media de la tierra al sol, 149.6 millones de km, d es la
distancia real y n es el día del año codificado de 1 (para enero 1) a 365 (para diciembre 31). Esta
codificación también es conocida como día juliano. Para establecer el valor de n, existen ecuaciones
como las reportadas en el Cuadro 2.1 o a través de valores directos como se muestran en el Cuadro 2.2.
Si se tuviera el interés de calcular la distancia de la tierra al sol para el día 4 de julio, n tendría el valor
del día 185 del año, 181 + 4, y si se empleara a la última de las fórmulas, el procedimiento sería:
 2
2
 dm  
   1  0.033  cos  n
 d   365 
2
 dm   2  3.1416 
   1  0.033  cos  185 
 d   365 
 1  0.033  cos3.1846
7
Radiación Solar
Cuadro 2.1. Ecuaciones para convertir el día del mes en el

número del día del año
Mes n para el i-ésimo
día del mes
Enero i
Febrero 31 + i
Marzo 59 + i
Abril 90 + i
Mayo 120 + i
Junio 151 + i
Julio 181 + i
Agosto 212 + i
Septiembre 243 + i
Octubre 273 + i
Noviembre 304 + i
Diciembre 334 + i
2
 dm  d
   0.9670  m  0.9670  0.9834
 d  d
y
dm 149.6
d   152.1
0.9834 0.9834
entonces:
d = 152.1 millones de km
Con lo anterior es posible inferir que si la Constante Solar se calculó con la distancia media, dm,
2
 dm 
entonces, la   influirá en aumentar o disminuir su valor.
 d 
Durante mucho tiempo el valor de la constante solar fue estimado como 1.94 Langleys/min (1.94
cal/cm2/min), sobre la base de las mediciones del Instituto Smithsoniano. Posteriormente Johnson
(1954) estableció el valor de 2.0 cal/cm2/min (2 Langleys/min o 2 Ly/min), el mayor valor resultó por
la consideración de la parte ultravioleta del espectro. Otro dato es el reportado por Sellers (1965), con
un valor de 1.974 Ly/min y el más reciente por Driessen y Konijn (1992) de 1.9328 Ly/min.
Actualmente las unidades que se emplean para reportar a la radiación son J/m2/s; para transformar
Ly/min en J/m2/s, se multiplica a los Ly/min por 700. Así 1.9328 Ly/min multiplicado por 700 resulta
1353 J/m2/s.
8
Radiación Solar
Cuadro 2.2. Calendario Juliano
Día ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
1 1 32 60 91 121 152 182 213 244 274 305 335
2 2 33 61 92 122 153 183 214 245 275 306 336
3 3 34 62 93 123 154 184 215 246 276 307 337
4 4 35 63 94 124 155 185 216 247 277 308 338
5 5 36 64 95 125 156 186 217 248 278 309 339
6 6 37 65 96 126 157 187 218 249 279 310 340
7 7 38 66 97 127 158 188 219 250 280 311 341
8 8 39 67 98 128 159 189 220 251 281 312 342
9 9 40 68 99 129 160 190 221 252 282 313 343
10 10 41 69 100 130 161 191 222 253 283 314 344
11 11 42 70 101 131 162 192 223 254 284 315 345
12 12 43 71 102 132 163 193 224 255 285 316 346
13 13 44 72 103 133 164 194 225 256 286 317 347
14 14 45 73 104 134 165 195 226 257 287 318 348
15 15 46 74 105 135 166 196 227 258 288 319 349
16 16 47 75 106 136 167 197 228 259 289 320 350
17 17 48 76 107 137 168 198 229 260 290 321 351
18 18 49 77 108 138 169 199 230 261 291 322 352
19 19 50 78 109 139 170 200 231 262 292 323 353
20 20 51 79 110 140 171 201 232 263 293 324 354
21 21 52 80 111 141 172 202 233 264 294 325 355
22 22 53 81 112 142 173 203 234 265 295 326 356
23 23 54 82 113 143 174 204 235 266 296 327 357
24 24 55 83 114 144 175 205 236 267 297 328 358
25 25 56 84 115 145 176 206 237 268 298 329 359
26 26 57 85 116 146 177 207 238 269 299 330 360
27 27 58 86 117 147 178 208 239 270 300 331 361
28 28 59 87 118 148 179 209 240 271 301 332 362
29 29 ** 88 119 149 180 210 241 272 302 333 363
30 30 ** 89 120 150 181 211 242 273 303 334 364
31 31 ** 90 ** 151 ** 212 243 ** 304 ** 365
2.4. Variación de la Radiación
La superficie terrestre recibe en promedio 300 cal/cm2/día y fácilmente podemos inferir a través de la
constante solar que la energía recibida en la alta atmósfera es mucho mayor. Lo anterior nos indica la
existencia de pérdidas de energía al atravesar a la atmósfera, las cuales pueden atribuirse a fenómenos
como absorción, reflexión y dispersión.
La absorción de la radiación solar puede ser explicada por la Ley de Boliguer, que indica que la
intensidad calorífica de una radiación que atraviesa un medio transparente decrece en progresión
geométrica cuando la masa atravesada crece en progresión aritmética, por ejemplo (De Fina y Ravelo
1973):
Masas atravesadas 1, 2, 3, 4,.........,n

Intensidad de Radiación 1/3, 1/9, 1/27, 1/81,... ,1/3n
9
Radiación Solar
La reflexión varía considerablemente para las diferentes superficies, como se reporta a continuación:
Bosque 10 %
Océano 12 %
Campo arado 15 %
Arena seca 20 %
Pradera 25 %
Nubes 75 %
Nieve fresca 80 %
Estos valores son promedios.
La dispersión es un fenómeno similar a la reflexión, diferenciándose de ésta, en que la radiación

modifica sus caracteres al ser devuelta o desviada.
Más específicamente, ya sobre la tierra, la cantidad diaria de calor recibida por centímetro cuadrado de
suelo horizontal, varía según la época del año. Ello es debido a que:
a) Los rayos solares llegan a la superficie terrestre con distinta inclinación, según
la época del año.
b) La duración del día es diferente según las épocas del año.
c) Los días son más largos cuando los rayos solares son más perpendiculares.
Estos tres fenómenos son debidos a que el eje de rotación de la tierra forma un ángulo (de 23º 27’) con
la perpendicular, como se muestra en la Figura 2.2.
El Cenit, que es el día más largo, para los trópicos, corresponde a los solsticios, de verano (21 de junio)
para el Trópico de Cáncer y de invierno (21 de diciembre) para el Trópico de Capricornio. Los
equinoccios, de primavera (21 de marzo) y de otoño (23 de septiembre) son Cenit del Ecuador.
Gráficamente podemos expresar lo anterior en las Figuras 2.3 y 2.4.
Al analizar tres puntos sobre la superficie terrestre en función de la energía solar (R) a través del
tiempo, se obtendrían las gráficas de la Figura 2.5.
En el Cuadro 2.3 se reporta la duración astronómica de la insolación (N) que está en función de la
latitud.
La duración astronómica de la insolación (N) se considera como el tiempo en que habría luz solar en
un día promedio, suponiendo que la Tierra fuera plana. En cierta medida, como se analizará
posteriormente, la insolación se relaciona con la radiación solar y al graficar la N a la latitud de 10º y a
la latitud de 40º notaremos que a mayor latitud existe una época del año en la que se tiene un exceso de
energía (Figura 2.6).
10
Radiación Solar
 = 23o 27’
66o 33’ N
Eje de 23o 27’ N
Rotación 90o 0o
Clima Tórrido
Clima Polar 23 o 27’ S
Clima Templado
Clima Templado 66 o 33’ S
Clima Tórrido Clima Polar

90o
Figura 2.2. Clima Solar
Solsticio de Solsticio de
Invierno Verano
Figura 2.3. Cenit de los Trópicos
Figura 2.4. Cenit de los Trópicos
11
Radiación Solar
Figura 2.5. Variación de la Radiación Solar a diferentes Latitudes.
Cuadro 2.3. Duración Astronómica de la Insolación (N) Promedio Mensual, en Horas y Décimos de Hora.
LAT
N E F M A M J J A S O N D
40º 9.6 10.7 11.9 13.3 14.4 15.0 14.7 13.7 12.5 11.2 10.0 9.8
35 10.1 11.0 11.9 13.1 14.0 14.5 14.3 13.5 12.4 11.3 10.3 9.8
33 10.2 11.0 11.9 13.0 13.8 14.3 14.1 13.4 12.4 11.4 10.4 10.0
32 10.2 11.1 12.0 13.0 13.8 14.2 14.1 13.3 12.4 11.4 10.5 10.0
31 10.3 11.1 12.0 12.9 13.7 14.1 14.0 13.3 12.4 11.5 10.5 10.1
30 10.4 11.1 12.0 12.9 13.6 14.0 13.9 13.2 12.4 11.5 10.6 10.2
29 10.5 11.1 12.0 12.9 13.5 13.9 13.8 13.2 12.4 11.5 10.7 10.3
28 10.5 11.2 12.0 12.8 13.5 13.9 13.8 13.2 12.4 11.5 10.7 10.3
27 10.6 11.2 12.0 12.8 13.4 13.8 13.7 13.1 12.3 11.6 10.8 10.4
26 10.6 11.3 12.0 12.7 13.4 13.8 13.6 13.0 12.3 11.6 10.8 10.5
25 10.7 11.3 12.0 12.7 13.3 13.7 13.5 13.0 12.3 11.6 10.9 10.6
24 10.8 11.3 12.0 12.7 13.3 13.6 13.4 13.0 12.3 11.6 11.0 10.7
23 10.8 11.4 12.0 12.7 13.2 13.6 13.4 12.9 12.3 11.6 11.0 10.7
22 10.9 11.4 12.0 12.6 13.2 13.4 13.3 12.9 12.3 11.7 11.1 10.8
21 10.9 11.5 12.0 12.6 13.1 13.4 13.3 12.8 12.3 11.7 11.1 10.8
20 11.0 11.5 12.0 12.6 13.1 13.3 13.2 12.8 12.3 11.7 11.2 10.9
19 11.1 11.5 12.0 12.6 13.0 13.2 13.1 12.8 12.3 11.7 11.2 11.0
18 11.1 11.5 12.0 12.6 13.0 13.2 13.1 12.7 12.3 11.7 11.3 11.0
17 11.2 11.6 12.0 12.5 12.9 13.1 13.0 12.7 12.2 11.8 11.3 11.1
16 11.2 11.6 12.0 12.5 12.9 13.1 13.0 12.6 12.2 11.8 11.4 11.1
15 11.3 11.6 12.0 12.5 12.8 13.0 12.9 12.6 12.2 11.8 11.4 11.2
14 11.4 11.6 12.0 12.5 12.8 12.9 12.8 12.6 12.2 11.8 11.4 11.3
10 11.6 11.8 12.0 12.3 12.6 12.7 12.6 12.4 12.1 11.8 11.6 11.5
12
Radiación Solar
Figura 2.6. Duración Astronómica de la Insolación (N) a través del Año para dos Latitudes.
Dicho exceso de energía afecta la producción de cultivos, principalmente gramíneas. Un ejemplo es el

trabajo de Chang (1981), en el que se analizó la producción promedio de maíz de tres años, 1975-
1977, para 98 países. En la Figura 2.7 se muestra la gráfica del rendimiento del maíz contra la latitud y
Figura 2.7. Rendimientos de Maíz como una función de la Latitud. (-----) Rendimiento Promedio para
cada 10º de latitud ( Chang, 1981)
13
Radiación Solar
en el Cuadro 2.4 un resumen de los datos. En sus conclusiones, Chang indica que la diferencia entre
los rendimientos de las zonas templadas respecto a las tropicales es de 4:1 y que con mejoramiento
tecnológico tal relación puede disminuir a 2.5:1, como lo sugiere el examen de los rendimientos
máximos experimentales.
Cuadro 2.4. Rendimientos Promedio de Maíz y Duración del Día durante el Ciclo por Fajas
Latitudinales de 10º (Chang, 1981).
FAJA No. de Rendimiento Duración del Día

LATITUDINAL Países Promedio de
Maíz (Kg./ha) Minutos Horas
5ºN - 5ºS 10 998 733 12.2
5º - 15º 27 1018 755 12.6
15º - 25º 23 1190 784 13.1
25º - 35º 15 1788 830 13.8
35º - 45º 12 3920 883 14.7
45º - 55º 11 4714 940 15.7
Sobre los rendimientos máximos experimentales para maíz, Chang (1981) reporta para Asia; 6,500
kg./ha para Filipinas (10º-20º N), 10,000 kg./ha para Pakistán (28º N) y 16,000 kg./ha para Corea del
Sur (36º N), indicando que‚ resultados similares se han encontrado en América. El récord mundial de
24,100 kg./ha de Maíz fue obtenido a una latitud de 42º N en Kalamazoo, Michigan.
2.5. Fotoperiodo
Durante los equinoccios, 21 de marzo y 21 de septiembre, la duración de los días y de las noches en
todas las latitudes es aproximadamente igual. Sin embargo durante el solsticio de verano, 21 de junio,
la duración del día en el ecuador es de 12 horas, a 40 de latitud norte es de 15, a los 60 de latitud norte
es de 19 y en el polo norte de 24 horas.
Esta diferencia en la duración del día y la noche, con respecto a la latitud, es un factor importante en la
distribución de las plantas (Allard, 1948 citado por Wilsie, 1966). La respuesta de las plantas a la
duración relativa del día y la noche es conocida como fotoperiodismo. Las plantas que se desarrollan y
reproducen normalmente cuando el fotoperíodo es mayor a un mínimo critico se les denomina de día
largo 1y las que se desarrollan con un fotoperíodo menor a un máximo critico reciben el nombre de día
corto.
Los primeros estudios que dieron origen a estos conceptos fueron los realizados por Garner y Allard en
1920 (citados por Wilsie, 1966), sobre tabaco y soya. Con la variedad de tabaco Maryland Mammoth,
se demostró, que cuando se cultivaba al aire libre en verano en Washington, D.C., solo crecía
vegetativamente, mientras que, durante el invierno con días cortos florecía espectacularmente, la soya
mostró un comportamiento semejante. Ambas fueron consideradas como plantas de día corto.
14
Radiación Solar
En investigaciones posteriores se propuso a un fotoperíodo crítico, comprendido entre 12 y 14 horas,

permitiendo la clasificación de las especies en dos grupos, de día largo y de día corto. También se
encontró que otras especies no eran afectadas por el fotoperíodo, denominándolas fotoneutras.
En el Cuadro 2.5 se muestra la respuesta al fotoperíodo de algunas especies cultivadas. El fotoperíodo

se ha usado como sinónimo de la duración astronómica de la insolación (N) o de la duración del día
(DUR o DL) por diferentes autores. Sus valores pueden obtenerse del Cuadro 2.3 o calcularse a través
de fórmulas.
Cuadro 2.5. Respuesta al Fotoperíodo durante la Floración de algunas Especies Cultivadas (Doorenbos y
Kassam, 1979)
Tipo de Fotoperíodo Tipo de Fotoperíodo

Cultivo para inducir la Cultivo para inducir la
Floración Floración
Alfalfa Neutros Maíz Neutros/Días cortos
Algodón Días cortos/ Neutros Papa Días Largos/ Neutros
Arroz Días cortos/ Neutros Pimentero Días Cortos/ Neutros
Cacahuate Neutros Plátano Neutros
Caña de Remolacha
azúcar Días cortos/ Neutros azucarera Días Largos
Cebolla Días Largos/ Neutros Sandía Neutros
Col Días Largos Sorgo Días cortos/ Neutros
Cítricos Neutros Soya Días cortos/ Neutros
Frijol Días cortos/ Neutros Tabaco Días cortos/ Neutros
Girasol Días cortos/ Neutros Tomate Neutros
Guisante Neutros Trigo Neutros /Días Largos
De las diferentes fórmulas que existen mencionaremos cuatro, la propuesta por De Witt, et al. (1978);
por Hardy (1990), por Charles-Edwards, et al. (1986) y por Stuff y Dale (1973), por ser contrastantes.
Procedimiento de De Witt, et al.
La duración del día (DL) es una función del día del año y la latitud del lugar (De Witt, et al. 1978). La
fórmula que emplea es:
DL = 12 * (PI + 2 * asen (SSCC))/PI

con:
SSCC = SSEN / CCOS
SSEN = sen(LAT * RAD) * sen(DEC * RAD)

CCOS = cos(LAT * RAD) * cos(DEC * RAD)
DEC = - 23.45 cos (2*PI*(DAY + 10)/365)

donde:
15
Radiación Solar
RAD = factor de conversión (grados a radianes;

RAD = PI/180);
LAT = Latitud, en grados;
DEC = Declinación solar, en grados;
DAY = Día Juliano en el Hemisferio Norte
Procedimiento de Hardy
La formula que emplea es:
DL = (24/) cos-1 (- tan  * tan )

donde:
DL = Duración del día en horas;

 = Latitud en radianes y
 = declinación solar en radianes
de acuerdo con Iqbal (1983) el cálculo de  basado en series de Fourier es:
 = 0.006918 - 0.399912 cos(día) + 0.070257 sen(día) - 0.006758 cos(2*día)

+ 0.000907 sen(2*día) - 0.002697 cos(3*día) + 0.00148 sen(3*día)
donde:
día = (2/365)(Dj - 1)
con:
Dj = día juliano.
Procedimiento de Charles-Edwards, et al.
Este procedimiento es diferente a los anteriores porque calcula la duración del día (h) en segundos, con
la fórmula:
h = 4.36 x 104 + hD * sen [2 (t + z)/365]
donde:
t = Día Juliano (Dj);
z = 283 para el hemisferio norte;
hD = Variación estacional, calculada como:
hD = exp(7.42 + 0.045 LAT) = e (7.42 +0.045 LAT)

para 10º < LAT < 55º .
Finalmente la duración del día (DL), se puede transformar en horas con:
DL = h / 3600
Los Días Julianos que se mencionan en los métodos de De Witt, como DAY, de Hardy, como
16
Radiación Solar
Dj, y de Charles-Edwards, como t, se obtienen numerando los días del año de 1 (para el 1 de enero) a
365 (para el 31 de diciembre), como se mostró en el Cuadro 2.2.
Método de Stuff y Dale
Este método emplea a la fórmula:
DL = 12.14 + 3.34* tan(LA)* cos(0.0172*CD - 1.95)

donde:
DL = Duración del día, en horas;

LA = Latitud, en Radianes
CD = Día climático, que se calcula como:
CD = ENTERO(30.6* mes + día del mes - 91.3)
que se interpreta como el número entero más cercano al valor obtenido dentro del paréntesis. con:
mes = número del mes en estudio (enero = 1, febrero = 2,
marzo = 3, ................), con una restricción;
Sí mes < 3, entonces, mes = mes + 12
Ejemplos de Cálculo:
Supongamos que se desea calcular la duración del día 3 de Septiembre y 12 de Febrero para el
observatorio de Chapingo, México, con los cuatro métodos indicados:
a) De Witt
Lo primero que se requiere en este procedimiento es el conocer el día juliano:
Para el 3 de Septiembre DAY = 246 con el cual se procede a calcular la declinación solar,
DEC = - 23.45 * cos[2*PI*(DAY + 10) / 365]
= - 23.45 * cos[2 * 3.1416(246 +10)/ 365]

= - 23.45 * cos(4.4068) = - 23.45 (- 0.3008)
= 7.0542
DEC * RAD = 7.0542* PI/180 = 7.0542*3.1416/180 = 0.1231
con la latitud:
LAT = 19º 30’ = 19 + (30 / 60) = 19.4833
y
LAT * RAD = 19.50 * PI/180 = 0.3403
17
Radiación Solar
con la latitud y la declinación se procede a calcular CCOS, SSEN y SSCC:
CCOS = cos(LAT*RAD)*cos(DEC*RAD)
= cos(0.3403)*cos(0.1231) = 0.9427 * 0.9924
= 0.9355
SSEN = sen(LAT*RAD)*sen(DEC*RAD)
= sen(0.3403)*sen(0.1231) = 0.3338 * 0.1228
= 0.0410
SSCC = SSEN / CCOS = 0.0410 / 0.9355 = 0.0438
y finalmente:
DL = 12 * [PI + 2 * asen(SSCC)]/ PI
es conveniente aclarar que asen = arc sen, por lo que:
DL = 12 * [PI + 2 * arc sen(0.0438)]/ PI

= 12.3344
esto es:
DL = 12.33
Aplicando el mismo procedimiento para el día 12 de Febrero se tiene:
DAY = 43
DEC = - 14.3487,
DEC*RAD = - 0.2504,
LAT*RAD = 0.3403,
CCOS = 0.9132,
SSEN = - 0.0827,
SSCC = - 0.0906
DL = 11.31
b) Hardy
Para las fechas indicadas se tiene:
FECHA 3 de Septiembre 12 de Febrero

Dj 246 43
día =(2/365)(Dj-1) 4.2175 0.7230

0.006918 0.006918 0.006918
18
Radiación Solar
-0.399912 cos(día) 0.189939 -0.299865

+0.070257 sen(día) -0.061827 0.046484
-0.006758 cos(2*día) 0.003709 -0.000841
+0.000907 sen(2*día) 0.000758 0.000899
-0.002697 cos(3*día) -0.002687 0.001518
+0.00148 sen(3*día) 0.000127 0.001223
= 0.1369 -0.2437
tan  0.1378 -0.2486
 0.3403 0.3403
tan  0.3541 0.3541
cos-1 (-tan  tan ) 1.5220 1.4827
DL=(24/ )cos-1 (-tan  tan )

12.37 11.33
c) Charles-Edwards
Los pasos necesarios son:
FECHA 3 de Septiembre 12 de Febrero

t = Dj 246 43
hD = exp(7.42 + 0.045 LAT)

LAT 19.50 19.50
hD 4010.81 4010.81
h = 4.36 x 104+ hD sen[2  (t + 283)/ 365]

h 44855.8147 41105. 0849
DL = h / 3600
DL 12.46 11.42
d) Stuff y Dale
La fórmula a aplicar es:
DL = 12.14 + 3.34* tan(LA)* cos(0.0172*CD - 1.95)
19
Radiación Solar
siendo CD la diferencia mayor con respecto a los otros métodos, ya que:
CD = Día climático, que se calcula como:

CD = ENTERO(30.6* mes + día del mes - 91.3)
Para septiembre 3, mes = 9 y día del mes = 3, por lo que:

CD = ENTERO (30.6* 9 + 3 - 91.3) = ENTERO (187.1) = 187
y
para febrero 12, como mes = 2 < 3, entonces mes = 2 + 12 = 14 y día del mes = 12, por lo que:
CD = ENTERO (30.6*14 + 12 - 91.3) = ENTERO (349.1) = 349
para ambas fechas la tan (LA) = 0.3541, por lo que, la fórmula:
DL = 12.14 + 3.34* tan(LA)* cos(0.0172*CD - 1.95)

queda
DL = 12.14 + 3.34* 0.3541* cos(0.0172*CD - 1.95)
faltando por sustituir al día climático, como sigue:
para septiembre 3:
DL = 12.14 + 3.34* 0.3541* cos(0.0172*187 - 1.95)
= 12.14 + 3.34* 0.3541* cos(1.2664) = 12.49
y para febrero 12:
DL = 12.14 + 3.34* 0.3541* cos(0.0172*349 - 1.95)
= 12.14 + 3.34* 0.3541* cos(4.0528) = 11.42
Una comparación de los resultados de los cuatro métodos se presenta en el Cuadro 2.6, en el cual
puede apreciarse que se obtienen diferentes valores, siendo el procedimiento de De Witt el que da los
más bajos y el de Stuff y Dale los más altos, la diferencia entre ellos es menor a 10 minutos.
Cuadro 2.6. Comparación de cuatro métodos para estimar la Duración del día en Chapingo, México para el
día 3 de Septiembre y el día 12 de Febrero.
Fecha De Witt Hardy Charles-Edwards Stuff y Dale

3 de Septiembre 12.33 12.37 12.46 12.49
12 de Febrero 11.31 11.33 11.42 11.42
Como podrá notarse con los procedimientos descritos y aplicados es posible calcular DL, N o DUR,
para cualquier día del año a diferencia de los valores reportados en tablas como en el Cuadro 2.3, que
corresponden al día 15 de cada mes.
También a partir de la duración del día se ha propuesto calcular la hora de salida y entrada del sol,
como sigue:
20
Radiación Solar
DL
SALIDA = 12 
2
DL
ENTRADA = 12 
2
Así para el día 3 de septiembre con una DL = 12.33 (Método de De Witt) tendríamos:
SALIDA = 12 – (12.33/2) = 12 – 6.165 = 5.84 ( 5 hr 50 min) y
ENTRADA = 12 + (12.33/2) = 12 + 6.165 = 18.17 (18hr 10 min).
A veces se reportan en los textos tablas, con la Duración Astronómica de la Insolación promedio
mensual, como la reportada en el Cuadro 2.3; el término promedio mensual en realidad corresponde al
día 15 de cada mes, es decir, para el Observatorio Chapingo, tendríamos los cálculos y resultados que
se muestran en el Cuadro 2.7.
Cuadro 2.7. Duración Astronómica de la Insolación promedio mensual,con dos métodos DeWitt y
Charles-Edwards para el Observatorio Chapingo, Estado de México.
Mes Dj DeWitt Charles-Edwards

ENE 15 15 10.94 11.09
FEB 15 46 11.36 11.46
MAR 15 74 11.86 11.95
ABR 15 105 12.44 12.54
MAY 15 135 12.92 12.99
JUN 15 166 13.17 13.22
JUL 15 196 13.07 13.14
AGO 15 227 12.67 12.79
SEP 15 258 12.11 12.24
OCT 15 288 11.55 11.68
NOV 15 319 11.06 11.22
DIC 15 349 10.83 11.01
2.6. Estimación de la Radiación Solar
La radiación solar recibida sobre la superficie terrestre consiste de dos partes: la radiación solar directa
y la radiación difusa en el cielo. La suma de estos dos componentes se les conoce como Radiación
Global (Rg).
Toda la superficie terrestre recibe anualmente 860 x 1018 Kcal de radiación global. Este valor
representa un millón de veces el total de energía producida por la industria eléctrica mundial (Schulze,
1970).
Griffiths (1978) indicaba que alrededor del mundo existían aproximadamente unas 600 estaciones
21
Radiación Solar
meteorológicas en las que se medían sobre una base continua a la radiación. Ubicadas principalmente
en Estados Unidos, algunos países de Europa y en la República de Sudáfrica. Sin embargo, esta
situación en la actualidad ha cambiado y ya se dispone de un gran número de estaciones que realizan
esta medición, por ejemplo para México se cuenta con 94 estaciones automáticas, que miden de hecho
cada minuto a la radiación solar (CNA, 2005).
En el pasado por la dificultad de obtener datos de radiación medidos en forma directa, diferentes
autores correlacionaban a la radiación global recibida en un lugar determinado con la duración de la
insolación o con el grado de nubosidad del cielo.
En los siguientes párrafos se describen los métodos empleados en México para estimar a la radiación.
a) Método de Ángstrom y Prescott
Uno de los primeros métodos en los que se buscó la relación Radiación Global - Insolación fue el de
Angström dado a conocer en 1924, quien propuso la fórmula siguiente:
Rg n
 a  b 
Rgo N
donde:
Rg, es la radiación global,
Rgo, es la radiación global de un día muy despejado,
n, es el número real de horas de insolación,
N, es la duración astronómica de la insolación, y
a y b, coeficientes de regresión, originalmente, a + b = 1.
Posteriormente, Prescott (1940), propuso una modificación a la fórmula de Angström, en la que se

usan los valores de Angot (RA) o radiación teórica, es decir, la que recibiría la superficie terrestre en
ausencia de atmósfera. Expresándose la fórmula modificada de la siguiente manera:
Rg n
 a  b 
RA N
además los coeficientes a y b al sumarse podrían tener un valor diferente de 1. Esta fórmula ha sido la
más ampliamente utilizada.
En el Cuadro 2.8 se reportan los valores de Angot (a partir de Torres, 1983). Al igual que para la
duración del día, existen fórmulas para su cálculo, como la propuesta por FAO (1992):
RA = 37.586*d*[Hs * sen(φ) * sen(δ) + cos(φ) * cos(δ) * sen(Hs)]
donde:
22
Radiación Solar
Cuadro 2.8. Valores Mensuales de la Radiación Solar Teórica, RA, en cal/cm2/día (Torres, 1983)
LAT ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
(N)
15 697 772 846 896 909 907 909 904 868 797 715 673
16 685 763 841 896 913 913 914 905 865 789 704 660
17 672 753 836 896 917 919 919 907 861 781 692 647
18 660 743 830 895 920 924 923 908 858 772 680 634
19 647 734 824 894 924 930 928 909 853 763 668 621
20 635 723 818 893 927 934 932 909 849 754 656 608
21 622 710 811 892 930 940 936 910 844 745 643 594
22 609 703 805 891 932 944 940 910 839 736 634 581
23 596 692 798 889 935 949 943 910 834 726 618 567
24 582 681 791 887 937 953 947 909 829 716 605 553
25 569 670 783 884 939 960 950 909 823 706 592 539
26 555 659 775 882 941 961 952 908 817 696 579 525
27 542 647 768 879 942 964 955 906 811 685 566 511
28 527 636 756 871 943 971 957 905 807 678 553 495
29 514 623 751 872 944 971 959 903 798 664 540 482
30 500 611 742 869 945 973 961 901 791 652 525 468
31 486 599 734 865 945 976 963 899 784 641 512 454
32 472 587 725 861 946 978 964 897 776 630 498 439
33 458 574 715 856 946 981 965 894 769 618 484 424
RA = Radiación Extraterrestre, MJ/m2*día;

φ = Latitud. radianes;
δ = Declinación Solar, radianes;
calculada por:
 2 
  0.4093  sen  Dj  1.405 
 360 
con Dj = Día Juliano;
Hs = Ángulo solar a la hora de salida, radianes

Hs = arc cos[- tan(φ)* tan(δ)]
d = Distancia relativa de la tierra al sol,

calculada por:
 2 
d  1  0.033  cos  Dj  con Dj = Día Juliano
 365 
Es conveniente mencionar que la distancia relativa d representa a (dm/d)2 referida con anterioridad al
tratar a la constante solar.
Por considerarlo de interés, en el Cuadro 2.9 se presenta una tabla para la conversión de las unidades
23
Radiación Solar
Cuadro 2.9. Tabla de Conversiones de Unidades de Energía.
Para convertir Multiplique

De A por
Cal/cm2/día mm/día 0.0171
Cal/cm2/día MJ/m2.día 0.0419
Cal/cm2/día W/m2 0.4846
mm/día Cal/cm2/día 58.508
mm/día MJ/m2.día 2.4497
mm/día W/m2 28.352
MJ/m2.día Cal/cm2/día 23.884
MJ/m2.día mm/día 0.4082
MJ/m2.día W/m2 11.574
W/m2 Cal/cm2/día 2.0636
W/m2 mm/día 0.0353
W/m2 MJ/m2.día 0.0864
de energía solar más empleadas.
Además, se han obtenido modelos relacionando la latitud con los valores de RA, como se muestran en
el Cuadro 2.10, con los cuales se facilita la interpolación.
Cuadro 2.10. Modelos Mensuales par Estimar RA, en cal/cm2/día, en función de la Latitud en Grados
(Ortiz, 2007)
MES MODELO R2
2
ENERO RA = 872.72 - 10.511 (L) - 0.0619 (L) 0.9999
FEBRERO RA = 899.602 - 6.59394 (L) - 0.0956439 (L)2 0.9999
2
MARZO RA = 911.156 - 1.74545 (L) - 0.119318 (L) 0.9999
ABRIL RA = 878.348 + 4.11212 (L) - 0.132576 (L)2 0.9994
MAYO RA = 827.229 + 8.13636 (L) - 0.125947 (L)2 0.9992
JUNIO RA = 795.826 + 9.75455 (L) - 0.116477 (L)2 0.9998
2
JULIO RA = 806.453 + 9.00909 (L) - 0.123106 (L) 0.9997
AGOSTO RA = 852.912 + 5.50303 (L) - 0.130682 (L)2 0.9976
SEPTIEMBRE RA = 892.229 + 0.136364 (L) - 0.125947 (L)2 0.9999
OCTUBRE RA = 898.73 - 5.78485 (L) - 0.09375 (L)2 0.9999
2
NOVIEMBRE RA = 874.644 - 10.0242 (L) - 0.0625 (L) 0.9999
DICVIEMBRE RA = 864.364 - 11.7909 (L) – 0.0454545 (L)2 0.9999
El problema en el uso de la fórmula de Angström, modificada por Prescott radicaba en la definición de

los valores de a y b. Para Europa, Penman (1948-1963) propuso los valores de 0.18 y 0.55,
respectivamente; mientras que Glover y MacCulloch (1958), a partir de sus estudios en las zonas
montañosas de África, consideran que:
a = 0.29 cos  y b = 0.52
24
Radiación Solar
donde  es la latitud del lugar, siendo uno de los procedimientos más empleados y difundidos. A pesar
de ello es conveniente indicar que existen en la literatura una gran diversidad de valores que se les
puede asignar a dichos coeficientes.
b) Método de Hargreaves y Samani
El método de Hargreaves y Samani fue propuesto por sus autores en 1982, el cuál calcula a la
radiación con la siguiente fórmula:
Rg = KT*RA*D1/2
donde:
Rg = Radiación global, cal/cm2/día;
RA = Radiación Astronómica, cal/cm2/día;
D = Oscilación Térmica = Tmax – Tmin;
KT = Coeficiente de calibración, con:
KT = 0.075 (S/D)1/2 y
S = Porcentaje de Insolación = (n/N)x 100
c) Método de Allen
Método propuesto en 1997, se indica que se partió del método anterior y la fórmula que emplea es:
Rg
 Kr  TM  Tm 
0.5
RA
donde:
Rg = Radiación global, cal/cm2/día;

RA= Radiación Astronómica, cal/cm2/día;
TM = Temperatura media máxima;
Tm = Temperatura media mínima;
Kr = Coeficiente de calibración, con:
Kr = Kra (P/Po)0.5
Para Kra se han propuesto dos valores: 0.20 para las regiones costeras y 0.17 para las regiones del
interior, y; P = Presión atmosférica del sitio, en kPa, la cuál se puede calcular a partir de:
P = 101 – 0.0116 ELEV + 5.44 x 10-7(ELEV)2

donde:
ELEV = Elevación sobre el nivel del mar, en m, y
25
Radiación Solar
Po = Presión a nivel del mar = 101.3 kPa.
2.7. Estimación de la Radiación Solar en México
En México se reportan para el período 1981 – 2000 datos del Total de Horas de Insolación Mensuales
para 73 Observatorios, con lo que es posible estimar a la radiación global con los primeros dos
métodos.
Método de Angström-Prescott
En el Cuadro 2.11 se reportan los datos necesarios, para cuatro meses y los resultados de los cálculos
para obtener la radiación global para el Observatorio de Tacubaya, D.F. con el método de Angström y
Prescott.
Cuadro 2.11. Cálculo de la Radiación Global con la Fórmula de Ángstrom - Prescott para Cuatro Meses con
Datos del período 1981 – 2000 para el Observatorio de Tacubaya,D.F.
DATO ENERO ABRIL JULIO OCTUBRE

Total de Horas de Insolación 240 232 176 194
No. de Días del Mes 31 30 31 31
n 7.74 7.73 5.68 6.26
N (DL o DUR) 11.09 12.53 13.14 11.68
n/N 0.70 0.62 0.43 0.54
Rg/RA 0.64 0.59 0.50 0.55
RA (cal/ cm2/día) 645 908 935 751
Rg (cal/ cm2/día) 411 540 466 415
Dado que el Observatorio de Tacubaya, D.F, se localiza a una latitud de 19º 24’ 03”, al utilizar la
fórmula:
Rg n
 a  b 
RA N
lo primero que se puede calcular es el valor de la constante a, con la fórmula de Glover y MacCulloch
(1958), como sigue:
a = 0.29 cos  = 0.29 cos(19º 24’ 03”) = 0.29*cos (19.40361) = 0.2735
por lo que para Tacubaya, específicamente se tendría como fórmula a:
Rg n
 0.27  0.52 
RA N
26
Radiación Solar
Para obtener el valor de n, primero debemos entender que representa el valor promedio de un día de
las horas de insolación, en cada mes. Razón por la cual en el Cuadro 2.11, se presentan en primer
término dos hileras que corresponden al Total de Horas de Insolación mensuales como se reportan en
los Observatorios Normales (SMN, 2007) y al Número de días del mes, generándose n a través del
cociente de las dos anteriores, es decir:
n = (Total de Horas de Insolación) / (No. de días del mes)
Así para Enero, se tiene:
n = 240 / 31 = 7.74
El valor de N o DL, puede obtenerse por interpolación de los valores reportados en una tabla, como los
del Cuadro 2.3, para la latitud del lugar o bien, se puede aplicar uno de los procedimientos descritos
(De Witt, Hardy, Charles-Edwards o Stuff y Dale), en el ejemplo se reporta a N empleando el método
de Charles - Edwards. Para generar el cociente n/N.
En la fórmula específica de Tacubaya se sustituyen los valores de n/N y se obtienen los valores de
Rg/RA.
La hilera de RA se obtiene a partir de interpolación de la tabla reportada en el Cuadro 2.8 o por la

fórmula de FAO (1992) o de los modelos del Cuadro 2.10. Que multiplicados por (Rg/RA) generan los
valores de Rg.
Método de Angström – Prescott modificado
Se utiliza la misma fórmula y los mismos coeficientes específicos para el Observatorio de interés, en
nuestro caso Tacubaya. La modificación consiste en la forma como se estima a la insolación media
mensual (n), la cuál se basa en la fórmula propuesta por Vargas y Tejeda (1996) a partir de la
nubosidad, como sigue:
  x  0.5 x2 
n  N15 0.31  0.48 3 
 
 1 2
x x  x3 
donde:
n = insolación media mensual, en horas;
N15 = Duración Astronómica de la Insolación para el día 15
de cada mes, en horas;
x1 = No. de días del mes de nublados a cerrados;
x2 = No. de días del mes medio nublados;
x3 = No. de días del mes despejados.
Los autores del modelo indican que trabajaron con 672 datos de México, que obtuvieron una
correlación de 0.90 y que es válido para las latitudes de 14o < LAT < 33o.
27
Radiación Solar
Dado que el modelo también puede expresarse como:
n  x  0.5 x2 
 0.31  0.48 3 
N15 x 
 1 2x  x3 
Se decidió sustituir el valor de n/N en la fórmula de Angström por n/N15 de Vargas y Tejeda.
En el Cuadro 2.12 se reportan los datos, para los mismos cuatro meses y los resultados de los cálculos
para obtener la radiación global para el Observatorio de Tacubaya, con el método de Angström y
Prescott modificado con el modelo de Vargas y Tejeda.
Cuadro 2.12. Cálculo de la Radiación Global con el Método de Ángstrom - Prescott modificado con el modelo
de Vargas y Tejeda para Cuatro Meses con Datos del Periodo 1971-2000 para el Observatorio
de Tacubaya, D.F.

x3: No. de días despejados 11.2 4.6 0.8 3.3
x2. No. de días medio nublados 15.6 18.4 8.5 12.2
x1: No. de días de nublados a
cerrados 4.2 7.0 21.7 15.5
n/N 0.60 0.53 0.39 0.46
Rg/RA 0.59 0.55 0.48 0.51
RA (cal/ cm2/día) 645 908 935 751
Rg (cal/ cm2/día) 379 499 444 383
Nuevamente se utiliza a la fórmula específica para Tacubaya:
Rg n
 0.27  0.52 
RA N
Calculando el valor de n/N con los datos de nubosidad, que comúnmente se reportan al final de los
observatorios, bajo la denominación de Fenómenos Especiales. Una vez obtenido dicho cociente se
aplica el mismo procedimiento que en el método anterior.
Es evidente que al cambiar de método también cambien los valores.
Método de Hargreaves y Samani
En el Cuadro 2.13 se reportan los datos para cuatro meses y los resultados de los cálculos para obtener
la radiación global para el Observatorio de Tacubaya, con el método de Hargreaves y Samani.
Como se indicó la radiación global con el método de Hargreaves y Samani se calcula con la fórmula:
28
Radiación Solar
Cuadro 2.13. Cálculo de la Radiación Global con el Método de Hargreaves y Samani para Cuatro Meses con
Datos del período 1981 – 2000 para el Observatorio de Tacubaya,D.F.

D: Oscilación Térmica 14.3 14.5 11.3 11.7
S: Porcentaje de insolación 70 62 43 54
KT: Coeficiente de Calibración 0.1657 0.1547 0.1467 0.1605
RA (cal/ cm2/día) 645 908 935 751
Rg (cal/ cm2/día) 404 535 461 412
Rg = KT *RA *D1/2
La oscilación térmica (D), se puede obtener directamente de la información de la estación o calcularse

a través de la diferencia entre Tmax – Tmin , que son los valores normales de las temperaturas máxima y
mínima mensuales respectivamente.
El porcentaje de insolación (S), es el cociente n/N multiplicado por 100, por lo que resulta necesario
disponer de datos de insolación real (n) y calcular la insolación astronómica (N), con alguno de los
métodos ya indicados.
El coeficiente de calibración KT se calcula con:
KT = 0.075 (S/D)1/2
La RA como se mencionó con anterioridad se obtiene a partir de interpolación con los valores de la
tabla reportada en el Cuadro 2.8 o por la fórmula de la FAO (1992) o de los modelos del Cuadro 2.10.
Finalmente se multiplican los valores de la raíz cuadrada de D, la RA y del coeficiente de calibración
KT para obtener los valores de Rg.
Método de Hargreaves y Samani modificado con la Nubosidad
La diferencia con el método anterior radica en el cálculo de S, empleando la fórmula:
S = (n/N15)*100
Donde n/N15 se genera aplicando el modelo de Vargas y Tejeda (1996). En el Cuadro 2.14 se
muestran los resultados con tal modificación.
Método de Hargreaves y Samani Simplificado
Al reconocer que la disponibilidad de los datos meteorológicos en nuestro país es una limitante, y en
particular al no contar con datos de insolación y de nubosidad, para un buen número de estaciones, un
procedimiento que resulta útil es el propuesto por Ortiz y Pájaro (1993), que se basa en el trabajo de
Hargreaves y Samani (1982), es decir, parte también de la fórmula:
29
Radiación Solar
Cuadro 2.14. Cálculo de la Radiación Global con el Método de Hargreaves y Samanimodificado con el modelo
de Vargas y Tejeda, para Cuatro Meses con Datos del período 1981 - 2000 para el
Observatorio de Tacubaya, D. F.

S*: Porcentaje de insolación 60 53 39 46
RA (cal/ cm2/día) 645 908 935 751
Rg (cal/ cm2/día) 376 496 437 380
* Calculado como S = (n/N15)*100 y (n/N15) = 0.31 + 0.48  (x3 + 0.5 x2)/(x1 + x2 + x3)
Rg = KT RA D1/2
Desde un inicio se consideró que el problema para su aplicación en nuestro medio, era el valor de KT,
una serie de modelos fueron estimados a partir de la oscilación térmica y la precipitación, como
sustituto de la nubosidad, en el ámbito mensual como se muestran en el Cuadro 2.15, estos modelos se
generaron con los datos de 40 Observatorios y de las normales del período 1941 – 1970 (SMN, 1976).
Además, Ortiz y Pájaro (1993), en su trabajo indicaron los intervalos para la oscilación térmica y la
precipitación, donde los modelos son válidos, los cuales se reportan en el Cuadro 2.16.
Recomendando el procedimiento siguiente:
1. Comparar la información mensual de oscilación térmica y precipitación con el Cuadro 2.16, sí

se ubican dentro de los intervalos señalados, aplique los modelos del Cuadro 2.15, para
estimar a KT.
Cuadro 2.15. Modelos para Estimar Valores Mensuales de KT a partir de la Oscilación Térmica (D) y la
Precipitación (P).
MES MODELO R2
ENERO KT = 0.349276 - 0.020433 (D) + 0.000511 (D2) - 0.001063 (P) 0.8133
FEBRERO KT = 0.34827 - 0.018933 (D) + 0.000441 (D2) - 0.001361 (P) 0.8604
MARZO KT = 0.335301 - 0.018357 (D) + 0.000438 (D2) - 0.001174 (P) 0.8665
ABRIL KT = 0.329488 - 0.020221 (D) + 0.000530 (D2) - 0.000457 (P) 0.7756
MAYO KT = 0.367345 - 0.026878 (D) + 0.000796 (D2) - 0.000166 (P) 0.8006
JUNIO KT = 0.400671 - 0.032887 (D) + 0.001049 (D2) - 0.000102 (P) 0.8767
JULIO KT = 0.376354 - 0.029467 (D) + 0.000917 (D2) - 0.000072 (P) 0.8706
AGOSTO KT = 0.390603 - 0.030780 (D) + 0.000953 (D2) - 0.000064 (P) 0.8518
SEPTIEMBRE KT = 0.383426 - 0.032185 (D) + 0.001068 (D2) - 0.000071 (P) 0.8106
OCTUBRE KT = 0.389938 - 0.030368 (D) + 0.000957 (D2) - 0.000121 (P) 0.7921
NOVIEMBRE KT = 0.381204 - 0.025179 (D) + 0.000686 (D2) - 0.000573 (P) 0.7902
DICIEMBRE KT = 0.349787 - 0.021413 (D) + 0.000548 (D2) - 0.000893 (P) 0.8051
30
Radiación Solar
Cuadro 2.16. Intervalos de la Oscilación Térmica (D) y de la Precipitación (P) Mensuales para
los Modelos de KT.
Mes Intervalo para D Intervalo para P

ENERO 5.9 - 21.6 0.5 - 43.2
FEBRERO 6.1 - 22.4 0.9 - 46.1
MARZO 5.7 - 22.9 0.9 - 54.7
ABRIL 5.5 - 21.7 0.5 - 103.2
MAYO 5.5 - 18.9 0.2 - 293.0
JUNIO 4.4 - 16.9 1.9 - 325.8
JULIO 4.6 - 16.1 38.1 - 421.5
AGOSTO 5.0 - 15.5 43.7 - 353.5
SEPTIEMBRE 5.0 - 15.4 27.2 - 488.5
OCTUBRE 5.0 - 17.1 14.6 - 402.3
NOVIEMBRE 5.3 - 19.9 5.1 - 75.5
DICIEMBRE 5.7 - 20.8 0.0 - 46.4
2. Obtener los valores de RA para la estación de interés, por cualquiera de los procedimientos
previamente descritos.
3. Generar los valores de Rg, a partir de la fórmula de Hargreaves y Samani.
Al aplicar el procedimiento a los datos del Observatorio de Tacubaya, se genera el Cuadro 2.17.
Cuadro 2.17. Cálculo de la Radiación Global con el Método de Hargreaves y Samani simplificado por Ortiz y
Pájaro para Cuatro Meses con Datos del período 1981 – 2000 para el Observatorio de
Tacubaya,D.F.

P: Precipitación 7.6 22.5 189.5 72.4
RA (cal/ cm2/día) 645 908 935 751
Rg (cal/ cm2/día) 374 475 461 403
Método de Allen
Otro procedimiento que en la actualidad tiene grandes posibilidades de aplicación en México, es el

método de Allen (1997), que como se mencionó emplea la fórmula:
 Kr TM  Tm 
Rg 0.5
RA
De hecho la TM – Tm es equivalente a la oscilación térmica D. En realidad este método constituye otra
31
Radiación Solar
forma modificada del procedimiento de Hargreaves y Samani, para el cálculo de Rg.
Al aplicar el procedimiento al Observatorio de Tacubaya, por ser una región del interior su Kra = 0.17
y como su ELEV = 2309 m, genera una P = 77.416 kPa, por lo que tiene una
Kr = 0.17 (77.416/101.3)0.5 = 0.1311
En el Cuadro 2.18 se muestran los resultados. Que como era de esperarse varían con respecto al
método anterior.
Cuadro 2.18. Cálculo de la Radiación Global con el Método de Allen para Cuatro Meses con Datos del
período 1981 – 2000 para el Observatorio de Tacubaya,D.F.

D = (TM – Tm) 14.3 14.5 11.3 11.7
Rg/RA 0.50 0.50 0.44 0.45
RA (cal/ cm2/día) 645 908 935 751
Rg (cal/ cm2/día) 320 454 412 337
Rg a partir de Datos de Estaciones Meteorológicas
Datos de estaciones meteorológicas del país, se pueden obtener a partir de las Normales del
período 1971 – 2000, recurriendo al portal del Servicio Meteorológico Nacional, smn.cna.mx
(SMN, 2007) o a través del sistema ERIC III (IMTA, 2006).
La diferencia entre ambas fuentes es que con el sistema ERIC III es posible establecer datos de
nubosidad. Por ejemplo, para el observatorio Chapingo, Estado de México, la estadística histórica
para el % de días nublados arroja los datos del Cuadro 2.19.
Cuadro 2.19. Estadística Histórica para el % de Días Nublados generada con el Sistema
ERIC III para el Observatorio de Chapingo, México.
Dato ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Días 1457 1329 1457 1410 1488 1440 1457 1488 1440 1488 1440 1488
Años 47 47 47 47 48 48 47 48 48 48 48 48
MNub 47.3 50.7 52.5 61.1 61.0 56.9 59.1 61.4 58.2 55.7 56.3 54.2
Desv 25.6 23.9 26.9 28.4 29.6 26.6 27.1 29.4 25.2 24.9 24.0 23.6
Nubl 9.2 6.1 6.5 10.4 14.2 29.5 34.7 30.3 32.1 18.1 9.1 8.7
Desv 11.2 7.5 8.7 15.5 17.9 24.5 25.1 27.4 23.6 16.1 11.3 10.5
Con los datos del Cuadro 2.19 se genera la información del Cuadro 2.20, relativa al número de
días Nublados, Medio Nublados y Despejados para Chapingo. Para ello, se consideró al número
total de días del mes y los días Despejados se calcularon por diferencia.
Con los datos del Cuadro 2.20 se puede aplicar el procedimiento de Ángstrom – Prescott
modificado.
32
Radiación Solar
Cuadro 2.20. Número de Días Nublados, Medio Nublados y Despejados para el

Observatorio de Chapingo, México.
Días
Nublados 2.9 1.7 2.0 3.1 4.4 8.9 10.8 9.4 9.6 5.6 2.7 2.7
Días
MNublados 14.7 14.2 16.3 18.3 18.9 17.1 18.3 19.0 17.5 17.3 16.9 16.9
Días
Despejados 13.5 12.1 12.7 8.6 7.7 4.1 1.9 2.6 2.9 8.1 10.4 10.4
Además, con las dos fuentes se pueden obtener datos de Temperaturas Máxima y Mínima y
Precipitación, para con ellos aplicar los procedimientos de Hargreaves y Samani y el método de
Allen.
2.8. Distribución de la Radiación Solar en México
Se han realizado varios intentos para elaborar mapas mundiales de la distribución de la radiación solar.
Uno de los últimos es el elaborado por Landsberg (1961) quien utilizó más de 300 estaciones, su mapa
es muy generalizado y no considera variaciones mensuales. En este trabajo para México se reportan
tres isolíneas, la de 180 Kcal/cm2/año al Noroeste del país, la de 160 Kcal/cm2/año que pasa por los
limites de las Baja Californias, sigue por el Océano Pacífico y se introduce al territorio al sur de
Nayarit, baja a una latitud inferior a 20º y otra isolínea también de 160 Kcal/cm2/año que rodea al
estado de Chiapas.
Jen-hu Chang (l968) indica que los mapas de radiación son guías muy útiles para evaluar las
potencialidades agrícolas de diferentes regiones.
De Vries (1963) es de la opinión que, desde un punto de vista biológico, seria preferible utilizar a la
radiación solar como un factor climático fundamental en lugar de la temperatura del aire en la
clasificación de microambientes.
En la Figura 2.8 se muestra un mapa de la radiación global media anual para la República
Mexicana elaborada por estudiantes de la Universidad Autónoma Chapingo en el año de 1982.
2.9. Utilización de la Radiación por los Cultivos
En el campo, la eficiencia de la utilización de la radiación solar por los cultivos es baja y esto es debido
a dos razones: (1) la superficie del suelo no está completamente cubierta por el cultivo, desgastándose
una gran proporción de radiación, y (2) existen deficiencias variables en agua y nutrientes minerales,
daños de plagas y enfermedades y temperaturas desfavorables. Otro factor que contribuye a la aparente
baja eficiencia es la exclusión de información sobre el material radical, el cual puede ser más del 30%
del total de materia seca en datos de cosecha (Schuyrman y Makkink, l955).
33
Radiación Solar
Figura 2.8. Radiación Global Media Anual para la República Mexicana
La eficiencia de la utilización de la radiación puede ser calculada por comparación entre el valor
calórico de la materia orgánica producida por unidad de área cultivada y la radiación incidente en la
misma área durante el mismo período. Algunos datos de la eficiencia de la utilización de la radiación
se presentan en el Cuadro 2.21. Estos datos indican que ordinariamente un cultivo convierte menos del
1% de la radiación solar. Spoehr (1956) estimó que bajo condiciones óptimas, el maíz puede convertir
cerca del 1.5% de la radiación incidente en materia orgánica, durante un período de crecimiento de
cuatro meses.
En Hawaii, para Caña de Azúcar se ha generado un modelo que relaciona a las Toneladas de Azúcar
por acre (TSA) con la Radiación global (Rg), como sigue:
TSA = - 17.77 + 0.055 Rg
Ese modelo tiene un coeficiente de correlación de 0.80, que de acuerdo a las especificaciones para
considerar un buen modelo con datos de nuestro país no sería aceptable (R2 > 0.75). Sin embargo, dada
la alta confiabilidad de la información generada en ese lugar, se usa para predecir los rendimientos de
azúcar.
34
Radiación Solar
Cuadro 2.21. Producción de Materia Seca y Eficiencia de la Utilización de la Radiación para varios Cultivos
Agrícolas.
Período Vegetativo Producción Eficiencia

CULTIVO (ton/ha) (%)
Papa Abril - Agosto 9.60 0.50
Trigo de Invierno Noviembre - Marzo 10.45 0.52
Remolacha Azucarera Mayo - Octubre 16.00 0.90
Remolacha Forrajera Mayo - Octubre 16.00 0.90
Zanahorias Mayo - Octubre 6.86 0.39
Maíz Junio - Septiembre 15.52 1.05
Caña de Azúcar 22 meses 129.48 1.43
Otro uso que tiene el dato de Rg es el Índice de Productividad del IRRI (International Rice Research
Institute), que adoptó el modelo de Yoshida y Parao (citado por Murata, 1975), para predecir los
rendimientos máximos de arroz. Dicho modelo es:
Y = Rg (278 - 7.07 t) x 0.86 x 18.1 x 10-5
donde:
Y = Rendimiento Máximo Experimental, Ton/ha;
Rg = Radiación global, cal/cm2/día, durante los 25 días antes de la floración;
t = Temperatura en ºC, durante los 25 días antes de la floración;
0.86 = Porcentaje promedio de llenado de grano;
18.1 = Peso promedio de 1000 granos;
10-5 = Factor de corrección.
que es considerado como una modificación del modelo propuesto por Murata (1964):
Y = Rg {1.20 - 0.021(t - 21.5)2}
donde:
Y = rendimiento de grano en Kg./1000 m2 ;

Rg = Radiación solar (cal/cm2 /día) en Agosto y Septiembre y;
t = Temperatura media diaria (ºC), en Agosto y Septiembre.
Este tipo de modelos para caña de azúcar y para arroz pueden ser de interés en México y sería muy
recomendable su investigación con datos de nuestro medio.
Dentro de la metodología de Zonas Agroecológicas propuesta por la FAO (1978) para la estimación
de rendimientos de cultivos, se menciona la existencia de la Radiación Fotosintéticamente Activa
(RFA), cuyos valores han sido establecidos por De Witt para diferentes latitudes y días perfectamente
claros (Ac), que se reportan en el Cuadro 2.22. La RFA en un día totalmente cerrado es el 20% de
35
Radiación Solar
Cuadro 2.22. Radiación Fotosintéticamente Activa en días Muy Claros (Ac), en cal/cm2/día y Tasa de
Fotosíntesis Bruta diaria en Cultivos cerrados en días Muy Claros (bc) y en días Cerrados
(bo) en Kg./ha/día, para una Fotosíntesis Máxima (fm) de 20 Kg. de CH2O/ha/h (De Witt).
LAT ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
N
0º Ac 343 360 369 364 349 337 342 357 368 365 349 337
bc 413 424 429 426 417 410 413 422 429 427 418 410
bo 219 226 230 228 221 216 218 225 230 228 222 216
10º Ac 299 332 359 375 377 374 375 377 369 345 311 291
bc 376 401 422 437 440 440 440 439 431 411 385 370
bo 197 212 225 234 236 235 236 235 230 218 203 193
20º Ac 249 293 337 375 394 400 399 386 357 313 264 238
bc 334 371 407 439 460 468 465 451 425 387 348 325
bo 170 193 215 235 246 250 249 242 226 203 178 164
30º Ac 191 245 303 363 400 417 411 384 333 270 210 179
bc 281 333 385 437 471 489 483 456 412 356 299 269
bo 137 168 200 232 251 261 258 243 216 182 148 130
40º Ac 131 190 260 339 396 422 413 369 298 220 151 118
bc 218 283 353 327 480 506 497 455 390 314 241 204
bo 99 137 178 223 253 268 263 239 200 155 112 91
Ac y la RFA es el 50% de la Radiación Global (Rg). Entonces, la fracción del día-tiempo de desarrollo
cuando el cielo está cerrado (F), es:
Ac  0.5Rg
F
0.8 Ac
La tasa de producción máxima de biomasa bruta por cultivo esta caracterizada por un Índice de Área
Foliar máximo y puede calcularse para días perfectamente claros y para días totalmente cerrados (bc y
bo respectivamente). La tasa de producción máxima de biomasa bruta (bgm), es entonces calculada
como sigue:
bgm = F x bo + (1 - F) x bc
Los valores de bc y bo para diferentes latitudes, calculadas por De Witt, se reportan en el Cuadro 2.22,
con la aclaración de que estos datos corresponden a una Fotosíntesis Máxima (fm) de 20 Kg./ha/h. Las
modificaciones que se tienen que efectuar cuando se tiene un cultivo con una fm mayor o menor de 20
se explicaran en el tema sobre estimación de rendimientos.
También se han generado modelos para estimar los valores de Ac, bc y bo a partir de la RA, como se
reportan en el Cuadro 2.23.
36
Radiación Solar
Cuadro 2.23. Modelos para estimar a Ac, Radiación fotositéticamente activa en días despejados, en
cal/cm2/día, bc y bo, Tasas de Fotosíntesis bruta diaria en días despejados y días cerrados,
en Kg/ha/día, como función de la RA en cal/cm2/día.
MODELO R2
Ac = 0.4566 (RA) – 34.815 0.9921
Bc = 0.4051 (RA) + 80.334 0.9759
Bo = 0.2469 (RA) + 15.277 0.9896
Por la importancia que tiene la Radiación Fotosintéticamente Activa (RFA), a continuación se

menciona una fórmula para su cálculo, propuesta por Driessen y Konijn (1992):
La Radiación Fotosintéticamente Activa (RFA) en el extremo superior de la atmósfera se calcula por:
RFA = 0.5 * [CS * (1 + 0.033 * cos(2 * PI * DAY / 365))] * RDN
con:
RDN = SSEN + 24 * CCOS * (1 - (SSCC)2 )0.5 / (DL * PI)

donde:
RFA = Radiación Fotosintéticamente Activa, fuera de la atmósfera, J/m2/s;
CS = Constante Solar (CS = 1353 J/m2/s),
RDN = Fracción de la CS a la Latitud “LAT” y el día “DAY”.
Se recomienda al lector revisar dentro de este capítulo las definiciones de DL, SSCC, SSEN, CCOS,
LAT y DAY.
Ejemplo: Supongamos que para Chapingo, México, deseamos estimar la tasa de producción máxima
de biomasa bruta para el cultivo de maíz cuyo período vegetativo esta entre Mayo y Septiembre. Los
datos necesarios son la Radiación global (Rg), que puede ser estimada a partir de los métodos
señalados, particularmente en este caso, se empleo el método de Allen; los otros datos, Radiación
Fotosintéticamente Activa (Ac), la Tasa de Fotosíntesis en días muy claros (bc) y en días cerrados
(bo), se generan a través de interpolaciones del Cuadro 2.22, considerando la latitud de Chapingo (19º
30’) y los meses de interés. Resultando la tabla, reportada en el Cuadro 2.24.
Cálculo de F:
F = (Ac - 0.5 Rg)/ 0.8 Ac = (384 - 0.5 x 494)/ 0.8x384 = 137 / 307.2 = 0.45
Nótese que los cálculos se realizan con los valores promedio.
37
Radiación Solar
Cuadro 2.24. Datos necesarios para calcular la producción de biomasa bruta durante en ciclo del cultivo de
Maíz en Chapingo, México.
Dato Mayo Junio Julio Agosto Septiembre Promedio

Rg 537 508 490 484 450 494
Ac 390 396 394 386 354 384
bc 456 464 462 450 423 451
bo 244 248 247 242 224 241
Cálculo de bgm:
bgm = F x bo + (1 - F) x bc = 0.45 x 241 + (1-0.45) x 451
= 108.45 + 248.05 = 356.5 = 357 kg/ha/d
Es decir, se puede producir en promedio, entre Mayo y Septiembre, una biomasa bruta máxima de 357
kg/ha diariamente y como se explicará posteriormente, parte de esta biomasa se pierde por la
respiración y una parte proporcional se convierte en el producto aprovechable por el hombre.
38
Temperatura
CAPITULO 3
TEMPERATURA
3.1. Generalidades
A la temperatura clásicamente se le ha considerado como la esencia del clima. Siendo tal vez, el
elemento climático que más ha sido estudiado y al que mejor se le conocen sus relaciones con el
desarrollo de cultivos.
La mayoría de los procesos fisiológicos que se realizan para el crecimiento y desarrollo de las
plantas están fuertemente influenciados por la temperatura. En términos generales la temperatura
controla la proporción de reacciones químicas involucradas en varios procesos de crecimiento, la
solubilidad de minerales, la absorción de agua, nutrientes y gases y varios procesos de difusión.
La temperatura, además, afecta los mecanismos hormonales involucrados en la floración y

fructificación de las plantas. En algunas especies, las temperaturas bajas estimulan la floración,
mientras que en otras se requieren temperaturas relativamente altas antes de que la floración se
inicie.
Los requerimientos de dormancia de algunas plantas están directamente relacionados con la

temperatura. El durazno, por ejemplo, requiere un cierto número de horas con temperaturas abajo
de 7 ºC para completar su ciclo de desarrollo anual y producir frutos en la estación siguiente.
La temperatura es muy importante para establecer la distribución y adaptación de plantas.
Cuando se habla de temperatura en general se refiere a la medida al aire en una caseta

meteorológica de doble fondo a una altura de 2 m y orientada al Norte (Hemisferio Norte).
La temperatura se puede medir con termómetros, termopares (termocouples) y termisores. Los

dos últimos se fundamentan en medidas del potencial y resistencia eléctrica respectivamente, son
particularmente útiles para la determinación de temperaturas en espacios limitados. Para la
medida de las temperaturas del aire son satisfactorios los termómetros de mercurio normalizados.
Los termógrafos que registran las variaciones de temperatura en un tambor giratorio son
utilizados cuando se necesitan registros térmicos continuos. Los termómetros de máxima y
mínima son muy útiles y forman parte del equipo de una estación climatológica ordinaria.
Para determinar la temperatura media del aire de un día el United States Weather Bureau utiliza el
promedio de la máxima y la mínima de ese día, como sigue:
39
Temperatura
TMAX  TMIN
T
2
La distribución geográfica de la temperatura del aire es de gran importancia ecológica. Aunque

directamente relacionada con la latitud y altitud, la temperatura puede estar influenciada, en alto
grado, por la proximidad de grandes masas de agua y por la dirección de los vientos.
La temperatura media anual más alta reportada (Wilsie, 1966) fue de 35.5 ºC en Massawa, en
Eritrea, Africa, y la más baja de -25.5 ºC en la Antártida. Las temperaturas extremas registradas
(Wikipedia, 2005) son de: -89.2 ºC ocurrida en Vostock, Antártica, el 21 de Julio de 1983, le
continúa -69.8 ºC en Verkhoyansk, Siberia, Rusia, acontecida el 7 de Febrero de 1892 y –63.0 ºC
en Snag, Canadá el 3 de Febrero de 1947. En el otro extremo se tiene a +57.7 ºC en Al’Aziziyah,
Libia, sucedida el 13 de Septiembre de 1922, +56.7 ºC en Greenland Ranch, en el Valle de la
Muerte, California, presentada el 10 de Julio de 1913 y +53.9 ºC en Tirat Tsvi, Israel el 21 de
Junio de 1942.
En 1992, en nuestro país, se reportaron para el mes de junio en Reynosa, Tamps., temperaturas
máximas de 52 ºC, que son muy significativas.
La fluctuación anual de las temperaturas mensuales varía con la latitud. En la proximidad del
ecuador, la fluctuación de la temperatura media diaria del invierno al verano puede ser menor que
la diurna normal.
3.2. Efectos de la Altitud
Debido a que la temperatura varía con la elevación, los cambios en altitud son relativamente
comparables a los de la latitud. Es usual que se produzca un descenso de cerca de 1.66 ºC en la
temperatura media por cada 305 m de aumento de la altitud. Generalmente se distinguen dos tipos
de gradientes altotérmicos, el libre y en relieve. El gradiente alto térmico libre varía de 0.5 a 0.55
ºC/100 m, es decir, por cada 100 m de elevación en el aire la temperatura media disminuye 0.5
ºC. Por su parte el gradiente altotérmico en relieve varía de 0.6 a 0.65 ºC/100 m. Lo cual permite
explicar lo mencionado por Davis en 1948 (citado por Wilsie, 1966) quien indicó el sorprendente
ejemplo de Quito, Ecuador, situado a una altitud de 2850 m, que a pesar de encontrarse a
solamente 19 km del Ecuador su temperatura media era de 12.8 ºC. Por el contrario, en Belem,
Brasil, a una latitud similar, pero a una elevación de 10 m, la temperatura media era de 30 ºC.
Si la tierra fuera completamente plana la temperatura estaría gobernada exclusivamente por la

latitud. Sin embargo, lo anterior también está afectado por el gradiente altotérmico, es decir, por
la altura de los accidentes orográficos. Así por ejemplo, la temperatura media de Chapingo
corresponde a la de una latitud de una zona templada, siendo la altitud la responsable de este
efecto.
40
Temperatura
Con lo anterior es posible explicar por que encontramos las mismas especies vegetales en
diferentes lugares o de otra manera, podemos decir, que hay lugares que tienen la misma
temperatura a pesar de ubicarse en diferentes latitudes y en diferentes alturas. Esta relación se
ilustra en la Figura 3.1.
Altura
20o 10o
Latitud
Figura 3.1. Relación Latitud – Altitud y Temperatura
La altitud permite una verdadera zonificación de la temperatura, que a su vez es muy importante
para la distribución de especies vegetales naturales, así como la posibilidad de producir cosechas.
Varios investigadores han indicado que con el aumento de altitud se produce una fuerte reducción
del número de especies. En Escocia había 304 especies entre los 300-400 m y sólo 44 a 900-1000
m. En los Alpes se encontraron 604 especies a los 850-1200 m y solamente 51 especies por
encima de los 2850 m.
Uso del Gradiente Altotérmico Libre
En la metodología de Zonas Agroecológicas propuesta por la FAO (1978), aún vigente, se usa al
gardiente Altotérmico Libre para definir las DIVISIONES CLIMATICAS de un área. El
procedimiento consiste en reducir las temperaturas medias mensuales (TM) al nivel del mar (To),
como sigue:
To = TM + 0.005 (ALT)
donde: ALT es la altura en metros y el valor de 0.005 es el gradiente altotérmico en grados/metro

(no en 100 m), esto es:
0.5 / 100 = 0.005
Las Divisiones Climáticas propuestas por FAO (1978) se reportan en el Cuadro 3.1.
41
Temperatura
Cuadro 3.1. Divisiones Climáticas y sus Características (FAO, 1978)
DIVISIÓN CLIMÁTICA CARACTERÍSTICAS

TROPICAL Todos los meses con una temperatura media reducida a nivel del
mar > 18ºC
SUBTROPICAL Uno o más meses con una temperatura media reducida a nivel del
mar < 18ºC
TEMPLADA Uno o más meses con una temperatura media reducida a nivel del
mar < 5ºC
En el Cuadro 3.2, se presenta un ejemplo para Chapingo, México, reportándose las temperaturas
medias mensuales de las Normales Climatológicas 1971 – 2000 (SMN, 2007) y las reducidas a
nivel del mar, considerando su altura de 2250 m.
Cuadro 3.2. Temperaturas Medias Mensuales (TM) y sus Equivalentes a Nivel del Mar (To), para el
Observatorio de Chapingo, México.
TM 13.6 13.5 17.0 18.0 19.4 18.1 17.7 17.6 16.8 16.5 14.8 13.9
To 24.9 24.8 28.3 29.3 30.7 29.4 29.0 28.9 28.1 27.8 26.1 25.2
Específicamente para Chapingo, el modelo empleado para reducir las temperaturas a nivel del
mar, es:
To = TM + 0.005 (2250)
To = TM + 11.25
Es decir, a las temperaturas medias de cada mes se les aumenta el valor de 11.25 y se obtiene su
equivalente a nivel del mar.
Como todos los meses resultan superiores a 18 ºC, entonces se concluye que Chapingo, se ubica
dentro de la División Climática TROPICAL.
Gradiente Altotérmico en Relieve
El gradiente altotérmico en relieve a diferencia del libre puede ser calculado para un área, a través
de la relación entre la temperatura y la altura de varias estaciones meteorológicas.
La temperatura se estima a partir de la altura, esto es, T = f(h) donde h es la altura en m y T la

temperatura en ºC. El procedimiento consiste en obtener un modelo de regresión lineal simple, es
decir:
T = bo + b1 (h)
42
Temperatura
De esta forma podemos apreciar que los datos necesarios para generar la ecuación son los de
temperaturas y alturas. Sí la ecuación resulta adecuada se podrá con el auxilio de un mapa
topográfico convertir a las curvas de nivel o isohipsas (puntos de igual altura) en isotermas
(puntos de igual temperatura).
Para saber si una ecuación es adecuada es necesario obtener los valores del Coeficiente de
Determinación (R2), la Probabilidad de F y el Valor Absoluto del Error, que en cualquier libro de
Estadística están suficientemente explicados. Se consideran satisfactorios los siguientes valores:
R2 > 0.75 y Prob(F)< 0.05
Como ejemplo de trabajo, consideremos a 15 estaciones meteorológicas del país, cuyos datos
fueron obtenidos en las Normales Climatológicas 1971 – 2000 y que se reportan en el Cuadro 3.3.
Cuadro 3.3. Valores de Temperatura Media Anual (TMA), en ºC y de altura (h), en m, para 15 estaciones
meteorológicas de la República Mexicana.
ESTACIÓN h (m) TMA (ºC)

Valle Nacional, Oaxaca 65 24.5
Acapulco, Guerrero 20 27.9
Morelia, Michoacán 1915 18.9
Agua Blanca, Quintana Roo 94 25.0
Guadalajara, Jalisco 1551 19.7
Mérida, Yucatán 22 26.5
Guanajuato, Guanajuato 1999 18.6
Jaumave, Tamaulipas 750 21.8
Pinos, Zacatecas 2476 16.0
Choix, Sinaloa 225 24.4
El Triunfo, B. C. Sur 432 21.6
Ceballos, Durango 1188 20.4
Monterrey, Nuevo León 495 22.3
Arizpe, Sonora 830 20.0
Nevado de Toluca, México 4110 3.8
Al estimar los valores de b0 y b1 de acuerdo al procedimiento indicado se tiene:
b0 = 25.8277 y b1 = - 0.0047
por lo que la ecuación resultante es:
T = 25.8277 - 0.0047 (h)
con un valor de R2 = 0.9165 y una Fc = 142.77. Además su gráfica se presenta en la Figura 3.2.
43
Temperatura
30
25
20
TM
15
10
0
0 1000 2000 3000 4000 5000
ALT
Figura 3.2. Relación Temperatura Media Anual (TM) y Altura (h) para 15 Estaciones
Meteorológicas de la República Mexicana.
Es conveniente indicar que tradicionalmente los valores de temperatura se reportan SOLO CON
UNA CIFRA DECIMAL, por lo que al hacer estimaciones no tiene caso escribir más decimales.
Es tal vez más importante recordar las reglas de redondeo de cantidades.
El modelo anterior, se puede considerar como nacional y como tal nos da una idea promedio de lo
que sucede en el país, esto es; se puede decir que la temperatura a nivel del mar promedio es de
25.8 ºC (valor de b0) y que se tiene un gradiente altotérmico en relieve, promedio nacional, de
0.47 ºC/100 m (valor de b1).
Sin embargo, para hacer estimaciones más locales el modelo puede subestimar o sobreestimar a la
temperatura en diferentes lugares.
Para demostrar lo anterior, se seleccionaron estaciones meteorológicas dentro del área de

influencia del antiguo Centro de Investigaciones Básicas (CIB) del Instituto Nacional de
Investigaciones Agrícolas (INIA), cuyos datos se reportan en el Cuadro 3.4, los cuales fueron
obtenidos de las Normales Climatológicas 1971 – 2000 (SMN, 2007) y la relación Temperatura –
Altura se muestra en la Figura 3.3.
El modelo que se obtiene con estos datos es:
T = 29.9639 - 0.006238 (h)
44
Temperatura
Cuadro 3.4. Valores de Temperatura Media Anual (TMA), en ºC y de altura (h), en m, de estaciones
meteorológicas en el área de influencia del ex - CIB / INIA.
ESTACIÓN h (m) TMA (ºC)

Chapingo, México 2250 16.4
Atlatlahuacán, Morelos 1600 20.3
Zacatepec, Morelos 910 23.6
Apan, Hidalgo 2496 13.9
Iguala, Guerrero 730 25.8
28
26
24
22
20
TM
18
16
14
12
10
0 500 1000 1500 2000 2500 3000
ALTURA
Figura 3.3. Relación Temperatura Media Anual (TM) y Altura (h) para 5 Estaciones
Meteorológicas en el área de influencia del Ex – CIB/INIA.
con una R2 = 0.9836 y una Fc = 240.96. Resultando que el gradiente altotérmico en relieve del
área de influencia del Ex – CIB es de 0.62 ºC/100 m (valor de b1), que es mayor al del modelo
nacional.
Como la altura mínima de las estaciones en esta área es de 730 m, no es válido comparar los
valores de b0. Es importante recordar que SOLO se pueden estimar valores DENTRO de los
límites de los datos empleados en la generación de un modelo.
También, a nivel estatal varios estudiantes con datos de las Normales Climatológicas 1961 –
1990 (SMN, 2005) generaron modelos para la temperatura media anual (Cuadro 3.5) y para
temperaturas mensuales (Cuadro 3.6), con datos de las Normales Climatológicas 1941 – 1970
(SMN, 1976).
A partir de los Cuadros 3.5 y 3.6, se puede concluir que el gradiente altotérmico en relieve varía
en el espacio y en el tiempo. Además, también es posible generar gradientes para temperaturas
máximas y para temperaturas mínimas.
45
Temperatura
Cuadro 3.5. Modelos de Regresión Lineal entre la Temperatura Media Anual (T), en ºC y la altura (h), en
m, para 4 Estados de la República Mexicana.
Estado y Autor Modelo R2 n

CHIAPAS
O. M. López J., 2005a T = 27.405 - 0.0056 (h) 0.8453 136
MICHOACÁN
J. Magaña G., 2005a T = 29.22 - 0.0062 (h) 0.8097 81
PUEBLA
V. H. Fernández U., 2005a T = 31.482 - 0.0073 (h) 0.9520 48
VERACRUZ
M. Peña D. 2005a T = 25.754 - 0.0054 (h) 0.8453 136
a. Estudiantes del Departamento de Suelos; UACh.
Cuadro 3.6. Modelos de Regresión Lineal entre la Temperatura Media (T) y la Altura (h), mensual y
anual, para el Estado de Oaxaca (A. Bustamante G., 1984)*.
MES MODELO R2 Fc n
Enero T = 23.3350 - 0.0041 (h) 0.7270 106.53 42
Febrero T = 23.7896 - 0.0038 (h) 0.6287 67.61 42
Marzo T = 25.8733 - 0.0039 (h) 0.7082 97.11 42
Abril T = 28.1626 - 0.0044 (h) 0.7768 139.24 42
Mayo T = 29.0451 - 0.0048 (h) 0.7986 158.68 42
Junio T = 28.0082 - 0.0039 (h) 0.7832 144.53 42
Julio T = 27.4657 - 0.0049 (h) 0.8338 200.76 42
Agosto T = 27.7185 - 0.0049 (h) 0.8325 198.88 42
Septiembre T = 27.2190 - 0.0047 (h) 0.8271 191.45 42
Octubre T = 26.2689 - 0.0046 (h) 0.8132 174.13 42
Noviembre T = 24.8625 - 0.0044 (h) 0.7799 141.74 42
Diciembre T = 23.4239 - 0.0049 (h) 0.8325 108.56 42
Anual T = 26.2777 - 0.0045 (h) 0.89669 42

*Estudiante del Departamento de Suelos de la UACh
3.3. Estimación de la Temperatura
Método de Charles-Edwards modificado
Además del método del gradiente altotérmico en relieve o método simple, existen otros
procedimientos para estimar la temperatura, uno de ellos es el propuesto por Ortiz (2007), basado
en los trabajos de Charles-Edwards et al. (1986).
46
Temperatura
Charles-Edwards et al. (1986), demostraron que en Australia la temperatura media anual (TM) y el
cociente TD/TM, donde TD es la variación estacional, definida posteriormente, eran una función de
la latitud, esto es:
TM = f(LAT) y (TD/TM) = f(LAT)
Además proponen, para calcular la temperatura media de cualquier día del año, a la fórmula:
T = TM + TD sen[2 (t + z - N/2)/ 365]
donde:
t = Día Juliano;
z = Día Juliano en el que ocurre el equinoccio de otoño;
N = Latitud
e indican que la temperatura decrece 0.6 ºC por cada 100 m de incremento en altura sobre el nivel
del mar.
Sí lo anterior fuera válido en México, entonces se podrían estimar las temperaturas diarias o al
menos las mensuales para cualquier lugar del territorio nacional, conociendo su latitud. Es decir,
con la latitud se estimaría la temperatura media anual (TM) y al cociente TD/TM y el producto de
ambos generaría la TD, para sustituirlos en la fórmula propuesta y estimar los datos deseados.
Con estas ideas, Ortiz (2007), desarrolla su trabajo tratando de generar los modelos que
relacionen a la latitud con TM y con TD/TM, a partir de datos nacionales de 197 estaciones,
publicados como las normales de 1971 – 2000 (SMN, 2007), las cuales se reportan en el Cuadro
3.7.
La TD, se calcula a través de la diferencia de temperaturas medias entre el mes más caliente y el
más frío, para Chapingo, México, el mes más caliente resultó Mayo con una temperatura media
de 19.4 ºC y el más frío, Febrero con 13.5 ºC, por lo que:
TD = 19.4 – 13.5 = 5.9
Al graficar la TM contra la Latitud (LAT), se detectó una baja relación, a diferencia de emplear a
la Altura (h), donde la relación es adecuada, como se muestra en las Figuras 3.4 y 3.5.
El mejor modelo para la estimación de la Temperatura Media Anual fue:
TM = 32.4053 – 0.004681 (h) – 0.28722 (LAT)
Con una R2 = 0.8254 (Ajustado) y una Fc = 464.39.
En relación a la Variación Estacional, TD, tuvo un buen ajuste con la Latitud (LAT), como se
puede apreciar en la Figura 3.6 y el modelo obtenido fue:
47
Temperatura
Cuadro 3.7. Estaciones Normales del Período 1971 – 2000 empleadas en la Estimación de la
Temperatura en México.
ESTADO Y ESTACIÓN ESTADO Y ESTACIÓN ESTADO Y ESTACIÓN ESTADO Y ESTACIÓN

BAJA CALIFORNIA 49. Cd. Lerdo QUERETARO VERACRUZ
1. Agua Caliente 50. El Salto 100. Jalpán 149. Chicontepec
BAJA CALIFORNIA SUR 51. Francisco I. Madero 101. Peñamiller 150. Catemaco
2. Todos Santos 52. Guanacevi 102. San Juan del Río 151. Cosamaloapán
SONORA 53. Rodeo 103. Mineral del Chico 152. Coscomatepec
3. Bavispe 54. San Pedro del Gallo HIDALGO 153. H. Alvarado
4. Imuris 55. Santa Bárbara 104. Ixmiquilpán 154. Maltrata
5. Mazatan 56. Santiago Papasquiaro 105. Mixquihuala 155. Nanchital
6. Minas Nuevas 57. Cañitas 106. Tenango de Doria 156. Pánuco
7. Mulatos ZACATECAS 107. Tezontepec 157. Playa Vicente
8. Nacozari 58. Chalchihuites 108. Tlanchinol 158. Tierra Blanca
9. Nuri 59. Pinos 109. Tula de A. 159. Tuxpam
10. La Angostura 60. Río Grande 110. Zacualtipán GUERRERO
11. Puerto Peñasco 61. Teul COLIMA 160. Alcozauca
12. Sahuaripa 62. Villa de Coss 111. Colima 161. Atoyac
13. San Bernardo 63. Villa García 112. Ixtlahuacán 162. Huitzuco
14. San Luís Río Colorado SAN LUIS POTOSI MICHOACÁN 163. Iguala
15. Santa Rosa 64. Agua Buena 113. Acuitzio 164. Taxco
16. Tonichi 65. Matehuala 114. Apatzingán 165. Tixtla
17. Ures (DGE) 66. Moctezuma 115. Arteaga OAXACA
18. Vicam NAYARIT 116. Cd. Hidalgo 166. Asunción
19. Yecora 67. Ixtlán del Río 117. Coalcomán 167, Cataluñia
CHIHUAHUA 68. San Blas 118. Etucuaro 168. Miahuatlán
20. Camargo 69. Tepic 119. Huetamo 169. San Juan B.
21. Cd. Delicias JALISCO 120. Tanhuato (DGE) Cuicatlán
22. Cd. Guerrero (DGE) 70. Antonio Escobedo 121. Tuzantla 170. Totolapán
23. Cd. Jiménez (DGE) 71. Atengo 122. Zamora 171. Vivero Rancho T.
24. Ojinaga 72. Autlán 123. Morelia 172. Zacatepec
25. Coyame 73. Cihuatlán 124. Ario de Rosales TABASCO
26. Janos 74. Etzatlán MÉXICO 173. Macuspana
27. Presa Chihuahua 75. Guadalajara 125. Aculco 174. Teapa
28. Presa El Rejón 76. Lagos de Moreno 126. Almoloya de Juárez 175. Tenosique
29. Tejolocachic 77. Mascota 127. Chapingo 176. Villahermosa (DGE)
30. Chihuahua 78. Ojuelos 128. Río Frío CHIAPAS
(Universidad) 79. Puerto Vallarta 129. El Tejocote 177. Altamirano (DGE)
31. Chinipas 80. Tapalpa MORELOS 178. Pichucalco
32. Escalón 81. Teocaltiche 130. Cuautla 179. Puerto Madero
33. Guadalupe y Calvo 82. Tizapán 131. Jojutla 180. S. P. Chenalho
34. San Francisco Borja 83. Tlajomulco 132. Yecapixtla 181. Tonala
COAHUILA 84. Purificación 133. Zacatepec 182. Villa Flores
35. Allende AGUASCALIENTES DISTRITO FEDERAL 183. Venustiano Carranza
36. Ramos Arizpe 85. Calvillo 134. Col. Santa Fe CAMPECHE
37. Zaragoza 86. El Tule 135. La Venta 184. Calkini
38. San A. Las Alazanas 87. Jesús María PUEBLA 185. Candelaria
NUEVO LEÓN 88. Pabellón 136. Acajete 186. Champotón
39. Camacho, Linares 89. Rincón de Romos 137. Acatlán de O. 187. Cd. Del Carmén
40. Mier y Noriega 90. San Fco. de los Romos 138. Cd. Serdán 188. Escárcega
TAMAULIPAS GUANAJUATO 139. El Batán 189. Hecelchakan
41. Abasolo 91. Celaya 140. Huauchinango 190. Pixoyal
42. Burgos 92. Dolores Hidalgo 141. Huehuetlán 191. Xbonil
43. Jaumave 93. Irapuato 142. Izúcar de Matamoros 192. Xcupil
44, Magiscatzin 94. Ocampo 143. Jolalpán YUCATÁN
45. Villagrán 95. Pénjamo 144. Teziutlán 193. Celestúm (DGE)
46. Xicotencatl 96. Puroagua 145. Xicotepec 194. Sotuta
SINALOA 97. San José Iturbide 146. Zapotitlán 195. Cancún
47. San Ignacio 98. San Juan de los Llanos 147. Zacapoaxtla TLAXCALA
DURANGO 99. Santa Cruz 148. Zinacatepec 196. Españita
48. Canatlán 197. El Carmen
48
Temperatura
35.0
30.0
25.0
TM
20.0
15.0
10.0
5.0
10 15 20 25 30 35
LAT
Figura 3.4. Relación Temperatura Media Anual (TM) y la Latitud (LAT) para
197 Estaciones de la República Mexicana.
35.0
30.0
25.0
TM
20.0
15.0
10.0
y = -0.0047x + 26.101
R2 = 0.7602
5.0
0 500 1000 1500 2000 2500 3000 3500
ALT
Figura 3.5. Relación Temperatura Media Anual (TM) y la Altura (h) para
197 Estaciones de la República Mexicana.
TD = 0.977503 (LAT) – 12.6009
Con una R2 = 0.8509 (ajustada a los grados de libertad) y una Fc = 1119.64.
49
Temperatura
25.00
20.00
y = 0.9775x - 12.601
R2 = 0.8517
15.00
TD
10.00
5.00
0.00
10 15 20 25 30 35
LAT
Figura 3.6. Relación entre la Variación Estacional, (TD) y la Latitud (LAT), para
170 Estaciones Meteorológicas de la República Mexicana.
Al generarse modelos aceptables, la siguiente etapa fue el evaluar las estimaciones de las
temperaturas con el modelo:
 2  N 
T  TM  TD  sen    t  z  
 365  2 
Después de varios análisis la fórmula fue modificada, quedando como:
T   2 
T  TM   D   sen    f   t  272
 2   365 
Siendo sus principales diferencias: 1) La reducción de la Variación Estacional, a la mitad, esto es

TD/2; 2) El valor de t + z – (N/2) se transformo a t + 272, con lo que se aseguró que la
temperatura tuviese una distribución en forma de campana (senoidal), y; 3) La aparición de un
nuevo término, el Factor de Corrección, f, que modifica la forma de la curva en función del mes
mas caliente que se presente. Para México dicho mes puede ser Abril, Mayo, Junio, Julio o
Agosto y el cálculo del factor se realiza a través de las fórmulas que se presentan en el Cuadro
3.8.
50
Temperatura
Cuadro 3.8. Modelos para calcular el Factor de Corrección, f, para las Estimaciones de
Temperaturas Medias Diarias o Mensuales (Ortiz, 2005).
MES MAS Del día 1 de Enero al día 15 del Del día 15 del Mes más Caliente al
CALIENTE Mes más Caliente 31 de Diciembre
ABRIL f = 1.001 +0.002 (Dj)* f = 1.295 – 0.0008 (Dj)
MAYO f = 1.0021 + 0.00088 (Dj) f = 1.1903 - 0.000513 (Dj)
JUNIO f = 1.0028 + 0.000236 (Dj) f = 1.0745- 0.000196 (Dj)
JULIO f = 1.0031 – 0.000144 (Dj) f = 0.9425 + 0.000166 (Dj)
AGOSTO f = 1.0034 – 0.000389 (Dj) f = 0.7702 + 0.000638 (Dj)
Dj = Día Juliano.
Como un ejemplo de aplicación de este procedimiento, a continuación se presenta el caso del

Observatorio de Chapingo:
Primero necesitamos conocer la altura y la latitud del sitio de interés, para estimar a la TM y a la
TD, respectivamente.
Chapingo, México tiene una altura de 2250 m y una Latitud de 19o 29’ 05”. La temperatura media
anual se calcula con el modelo:
TM = 32.4053 – 0.00468072 (h) – 0.28722 (LAT)
y el valor de TM resulta entonces:
TM = 32.4053 – 0.00468072 (2250) – 0.28722 (19.4847) = 16.3
Para la Variación Estacional, TD, empleamos la fórmula:
TD = 0.977503 (LAT) – 12.6009
Con la que:
TD = 0.977503 (19 + (29 + (5/60))/60) – 12.6009 = 0.977503 (19.4847) – 12.6009 = 6.4
Con tales datos, la fórmula más específica para Chapingo es:
 6.4   2  
T  16.3     sen     f   t  272
 2   365  
O bien
T  16.3  3.2  sen0.01721   f   t  272
51
Temperatura
Como t es el día juliano, solo falta calcular el factor de corrección f , para lo cual se emplean las
fórmulas del Cuadro 3.8 y particularmente para Chapingo las del mes de Mayo, por ser el mes
más caliente (es decir, el que tiene el valor más alto de temperatura media).
La fórmula: f = 1.0021 + 0.00088 (Dj), se usa del día 1 de Enero al 15 de Mayo y como ejemplos
tenemos que:
Para el 15 de Enero (Dj = 15), el factor de corrección es f = 1.015;

Para el 15 de Febrero (Dj = 46), el factor de corrección es f = 1.043;
Para el 15 de Marzo (Dj = 74), el factor de corrección es f = 1.067;
Para el 15 de Abril (Dj = 105), el factor de corrección es f = 1.095;
Para el 15 de Mayo (Dj = 135), el factor de corrección es f = 1.121
Del 15 de Mayo en adelante, la fórmula cambia a f = 1.1903 – 0.000513 (Dj) y entonces, otros
ejemplos son:
Para el 15 de Junio (Dj = 166), el factor de corrección es f = 1.105;

Para el 15 de Agosto (Dj = 227), el factor de corrección es f = 1.074;
o
Para el 15 de Diciembre (Dj = 349), el factor de corrección es f = 1.011.
Si se desea estimar a la temperatura media diaria entonces los valores de t variaran de 1 a 365; si
sólo nos interesan los valores mensuales, entonces t tendrá como valores a 15, 46, 74, 105, 135,
166, 196, 227, 258, 288, 319 y 349, que son los días julianos (Dj) correspondientes al día 15 de
cada mes.
Considerando una estimación de datos mensuales para Chapingo, se generó el Cuadro 3.9, donde
además se reportan los datos reales, para su comparación.
Además, en la Figura 3.7 se muestran las gráficas de Temperaturas estimadas, con línea continúa
y Temperaturas reales, con línea punteada, de varias estaciones de la República Mexicana, cuyos
meses más calientes son también diferentes.
Método de Estimación con Modelos Empíricos
Un procedimiento alternativo es el generar modelos empíricos para estimar las temperaturas

medias mensuales. Con las mismas 197 estaciones que para el método de Charles – Edwards, se
establecieron modelos en función de la temperatura media anual y la latitud, todos resultaron
altamente significativos, como se muestra en el Cuadro 3.10.
Comparativamente, este método resultó más adecuado que el de Charles – Edwards, al evaluarlos
con la estimación de datos de 29 estaciones como se muestra en la Figura 3.8. Para su aplicación
se recomienda usar una hoja de cálculo como Excel en la cuál se puede hacer un pequeño
programa para la generación de datos de forma instantánea.
52
Temperatura
Cuadro 3.9. Temperaturas medias mensuales Estimadas y Reales del Observatorio

Chapingo, Estado de México.
MES T estimada T real

(o C) (o C)
ENE 13.2 13.6
FEB 14.5 13.5
MAR 16.5 17.0
ABR 18.6 18.0
MAY 19.5 19.4
JUN 19-1 18.1
JUL 18.2 17.7
AGO 16.9 17.6
SEP 15.6 16.8
OCT 14.4 16.5
NOV 13.5 14.8
DIC 13.1 13.9
MEXICALI LA PAZ
40.0 40.0
30.0 30.0
20.0
T
20.0
10.0
10.0
0.0
0.0
0 5 10 15
0 5 10 15
MES
MES
DURANGO TOLUCA
25.0 20.0
20.0 15.0
15.0 10.0
T
T
10.0
5.0 5.0
0.0 0.0
0 5 10 15 0 5 10 15
MES MES
Figura 3.7. Gráficas de Temperaturas estimadas y Temperaturas reales de 4

Estaciones Meteorológicas de la República Mexicana.
53
Temperatura
Cuadro 3.10. Modelos Empíricos para la Estimación de la Temperatura Media Mensual a partir
de datos de197 Estaciones Meteorológicas de la República Mexicana.
MES MODELO R2 Fcal

ENE T = 7.71832 + 0.94347 (TM) – 0.51134 (LAT) 0.9666 2840.09
FEB T = 6.58012 + 0.95781 (TM) – 0.41619 (LAT) 0.9771 4195.42
MAR T = 7.91190 + 0.94150 (TM) – 0.35318 (LAT) 0.9765 4072.53
ABR T = 6.31559 + 0.96199 (TM) – 0.20302 (LAT) 0.9605 2383.27
MAY T = 1.79781 + 0.98656 (TM) + 0.06518 (LAT) 0.9379 1482.96
JUN T = -8.24218 + 1.01983 (TM) + 0.51871(LAT) 0.9592 2310.02
JUL T = -12.1958 + 1.06846 (TM) + 0.62238 (LAT) 0.9724 3452.36
AGO T = -10.8097 + 1.06227 (TM) + 0.55461 (LAT) 0.9704 3210.73
SEP T = -8.3695 + 1.05169 (TM) + 0.42442 (LAT) 0.9747 3781.11
OCT T = -2.9074 + 1.04701 (TM) + 0.10022 (LAT) 0.9818 5295.27
NOV T = 4.0209 + 1.01153 (TM) – 0.29361 (LAT) 0.9788 4536.15
DIC T = 8.09069 + 0.947932 (TM) – 0.50682 (LAT) 0.9684 3002.12
40
35
y = 0.9529x + 1.1609
30
R2 = 0.9446
T observada
25
20
15
10
5
5 10 15 20 25 30 35
T estimada
Figura 3.8. Temperaturas Mensuales Estimadas y Observadas para las 29 Estaciones con Modelos
Empíricos.
Estimación de Datos Diarios a partir de Datos Mensuales
En muchos países, como el nuestro, lo más común es disponer de información sobre temperatura
a nivel mensual, lo que limita su uso en procedimientos que requieren de datos diarios. Esta
situación ha generado el interés de algunos investigadores, que intentan estimar datos diarios a
partir de datos mensuales. A continuación nos referiremos al método de Neild y Greig (1975).
El Método de Neild y Greig propuesto en 1975, consiste en obtener un modelo de la forma:
54
Temperatura
 2
y  b0  b1  cos  x   b2  sen 2 x   b3  cos  4 x   b4  sen 4 x 
 365   365   365   365 
donde:
y = Temperatura media mensual, y

x = Día Juliano, correspondiente al día 15 de cada mes
Es decir, se requieren doce parejas de datos, como los que se reportan en el Cuadro 3.11.
Cuadro 3.11. Temperatura Media Mensual (y) y Días Julianos (x) correspondientes al día
15 de cada mes, para el Observatorio de Chapingo, México.
Temperatura Media Día

Mes Mensual Juliano
(Y) (x)
ENERO 13.6 15
FEBRERO 13.5 46
MARZO 17.0 74
ABRIL 18.0 105
MAYO 19.4 135
JUNIO 18.1 164
JULIO 17.7 196
AGOSTO 17.6 227
SEPTIEMBRE 16.8 258
OCTUBRE 16.5 288
NOVIEMBRE 14.8 319
DICIEMBRE 13.9 349
Para este tipo de modelos, es conveniente recordar algunos conceptos matemáticos básicos, como
son las Funciones Trigonométricas y las medidas angulares, esta última en la ecuación es en
radianes.
El modelo generado para el observatorio de Chapingo, Méx., resulta de la siguiente forma:
y = 16.4063 - 2.4000 cos[(2 /365) x] + 0.3727 sen[(2 1/365) x]

- 0.7597 cos[(4/365) x] - 0.6093 sen[(4 /365) x]
con una R2 = 0.9505 y una Fc = 33.59.
Una vez obtenido el modelo se realizan estimaciones de y1 a y365, es decir, las temperaturas de
todos los días a partir de x = 1,2, 3,....,365. Un ejemplo de las estimaciones se reporta en el
Cuadro 3.12.
55
Temperatura
Cuadro 3.12. Estimación de Datos Diarios de Temperatura a partir de Datos Mensuales del
Observatorio de Chapingo, con el método de Neild y Greig.
DIA E F M A M J J A S O N D
1 13.2 13.7 15.3 17.5 18.8 18.8 18.1 17.4 17.1 16.8 15.8 14.3
2 13.2 13.7 15.4 17.6 18.8 18.8 18.0 17.4 17.1 16.8 15.7 14.2
3 13.2 13.8 15.5 17.6 18.9 18.8 18.0 17.4 17.1 16.7 15.7 14.2
4 13.2 13.8 15.5 17.7 18.9 18.8 18.0 17.4 17.1 16.7 15.6 14.1
5 13.2 13.8 15.6 17.8 18.9 18.7 18.0 17.3 17.1 16.7 15.6 14.1
6 13.2 13.9 15.7 17.8 18.9 18.7 17.9 17.3 17.1 16.7 15.5 14.0
7 13.2 13.9 15.8 17.9 18.9 18.7 17.9 17.3 17.1 16.7 15.5 14.0
8 13.2 14.0 15.8 17.9 18.9 18.7 17.9 17.3 17.1 16.6 15.4 13.9
9 13.2 14.0 15.9 18.0 18.9 18.7 17.8 17.3 17.1 16.6 15.4 13.9
10 13.2 14.1 16.0 18.0 19.0 18.6 17.8 17.3 17.1 16.6 15.3 13.8
11 13.2 14.2 16.1 18.1 19.0 18.6 17.8 17.3 17.1 16.5 15.3 13.8
12 13.2 14.2 16.1 18.1 19.0 18.6 17.8 17.3 17.1 16.5 15.2 13.7
13 13.2 14.3 16.2 18.2 19.0 18.6 17.8 17.3 17.0 16.5 15.2 13.7
14 13.2 14.3 16.3 18.2 19.0 18.5 17.7 17.2 17.0 16.5 15.1 13.7
15 13.2 14.4 16.3 18.3 19.0 18.5 17.7 17.2 17.0 16.4 15.1 13.6
16 13.2 14.4 16.4 18.3 19.0 18.5 17.7 17.2 17.0 16.4 15.0 13.6
17 13.2 14.5 16.5 18.4 19.0 18.4 17.7 17.2 17.0 16.4 15.0 13.6
18 13.3 14.6 16.6 18.4 19.0 18.4 17.6 17.2 17.0 16.3 14.9 13.5
19 13.3 14.6 16.6 18.5 19.0 18.4 17.6 17.2 17.0 16.3 14.9 13.5
20 13.3 14.7 16.7 18.5 19.0 18.4 17.6 17.2 17.0 16.2 14.8 13.5
21 13.3 14.8 16.8 18.5 19.0 18.3 17.6 17.2 17.0 16.2 14.8 13.4
22 13.3 14.8 16.9 18-6 18.9 18.3 17.6 17.2 16.9 16.2 14.7 13.4
23 13.4 14.9 16.9 18.6 18.9 18.3 17.5 17.2 16.9 16.1 14.7 13.4
24 13.4 15.0 17.0 18.6 18.9 18.3 17.5 17.2 16.9 16.1 14.6 13.4
25 13.4 15.0 17.1 18.7 18.9 18.2 17.5 17.2 16.9 16.1 14.6 13.3
26 13.5 15.1 17.1 18.7 18.9 18.2 17.5 17.2 16.9 16.0 14.5 13.3
27 13.5 15.2 17.2 18.7 18.9 18.2 17.5 17.2 16.9 16.0 14.5 13.3
28 13.5 15.2 17.3 18.8 18.9 18.1 17.5 17.2 16.8 15.9 14.4 13.3
29 13.6 ** 17.3 18.8 18.9 18.1 17.4 17.2 16.8 15.9 14.4 13.3
30 13.6 ** 17.4 18.8 18.9 18.1 17.4 17.1 16.8 15.8 14.3 13.3
31 13.6 ** 17.5 ** 18.8 ** 17.4 17.1 ** 15.8 ** 13.2
También es posible generar modelos cuadráticos con los datos mensuales y los días julianos, para
el Observatorio de Chapingo tendríamos:
T = 12.46 + 0.0653 (Dj) –0.0002 (Dj)2
Con una R2 de 0.8439.
Existen programas para microcomputadoras que realizan automáticamente todos los cálculos,
como el Programa AGROCLIM (Aceves, 1988) o el Programa DIARIOS (Crespo, 1992).
56
Temperatura
Resulta conveniente volver a mencionar que los datos de temperatura, generalmente se reportan
con una cifra decimal de aproximación, de tal forma, que no es adecuado estimar datos con un
mayor número de decimales.
Estimación de la Temperatura Horaria
Al igual que con las temperaturas diarias existen una serie de intentos para estimar a la
temperatura hora por hora, los métodos más comunes utilizan la información de la temperatura
máxima (TMAX) y mínima (TMIN) del día de interés, aunque también existen otros que usan la
TMAX y TMIN del día anterior y del día posterior. Como ejemplos mencionaremos dos
procedimientos, el reportado por Snyder (1985), considerado como el más simple y el de Linvill
(1990), que es más preciso, pero requiere de información de dos días continuos.
Método de Snyder
En el método de Snyder, las temperaturas diurnas (T) pueden aproximarse usando la TMAX,
TMIN y la función seno, como sigue:
T = M + W sen(t)
donde:
t= tiempo en radianes, que se calcula como
t =  (h-6)/12, donde h varía de 1 a 24;
M = (TMAX +TMIN)/2, y;
W = (TMAX-TMIN)/2.
Este método supone que la TMAX ocurre a las 12 del día y la TMIN a las 6 de la mañana.
En el Cuadro 3.13, se reportan las temperaturas horarias para cuatro días obtenidas para diferentes
meses en la estación del Colegio de Postgraduados durante el año del 2006.
Como en muchas situaciones al implementar un método en nuestro medio, resulta que debemos
modificarlo y para las temperaturas horarias no fue la excepción. El primer aspecto que puede
apreciarse en el Cuadro 3.13, es que las temperaturas mínimas ocurren a las 5, 6 o 7 de la mañana
y además, se nota claramente que las temperaturas máximas no ocurren a las 12 horas como lo
supone el Método de Snyder, sino más tarde, en algunos casos a las 13 horas y en otros a las 16
horas.
Las consideraciones anteriores afectan directamente al valor de t:
t =  (h-6)/12
la modificación que se propuso, fue la de cambiar los valores de 6 y 12, quedando la nueva
fórmula de t como sigue:
57
Temperatura
Cuadro 3.13. Temperaturas Horarias para Cuatro Días del 2006 en la Estación
Meteorológica del Colegio de Postgraduados.
TEMPERATURA
Hora
Junio 10 Agosto 15 Octubre 20 Diciembre 25
1 11.5 15.5 13.5 5.8
2 10.6 14.8 12.7 2.8
3 8.8 14.6 12.8 1.3
4 7.8 14.4 12.1 0.5
5 6.8 13.8 11.2 -0.9
6 6.1 13.1 11.5 -1.1
7 6.3 12.3 12.0 -2.0
8 11.9 14.5 12.7 -1.6
9 13.9 16.3 15.1 4.2
10 16.0 17.9 16.6 9.1
11 17.8 19.0 18.5 12.7
12 19.4 20.4 20.5 14.9
13 21.3 20.9 22.1 16.3
14 22.4 20.5 21.6 17.8
15 23.4 18.7 21.1 18.9
16 24.1 17.7 21.2 19.3
17 24.0 18.6 20.2 19.0
18 23.9 18.1 19.1 17.2
19 22.6 17.7 17.9 13.5
20 19.5 15.7 16.9 9.1
21 17.8 15.5 15.4 6.7
22 16.6 15.3 13.4 3.3
23 15.0 15.0 12.4 1.6
24 12.8 14.7 11.9 1.3
t =  (h-a)/b
con:
a = (hmax + hmin)/2
y
b = hmax - hmin
donde:
hmax = Hora de máxima temperatura;
hmin = Hora de mínima temperatura.
Por ejemplo, para el día 10 de Junio (Cuadro 3.13) la máxima temperatura ocurrió a las 16 horas
y la mínima a las 6 horas, por lo que:
hmax = 16 y hmin = 6
entonces:
a = (hmax + hmin)/2 = (16 + 6)/2 = 11
58
Temperatura
b = hmax - hmin = 16 - 6 = 10
y
t =  (h-a)/b =  (h - 11)/ 10
Para los días 15 de Agosto, 20 de Octubre y 25 de Diciembre, al seguir el mismo procedimiento,

las t quedarían respectivamente como sigue:
t =  (h - 10)/ 6
t =  (h - 9)/ 8
t =  (h – 11.5)/9
Regresando a nuestro ejemplo del 10 de Junio, se tendría además que calcular el valor de M y W,
como sigue:
M = (TMAX + TMIN)/2 = (24.1 + 6.1)/2 = 15.1
y
W = (TMAX-TMIN)/2 = (24.1 – 6.1)/2 = 9
con los cuales el modelo de Snyder resulta:
T = 15.1 + 9 sen t
Este modelo es exclusivo para el lugar y día en el que se ha generado. Sí se deseara estimar las
temperaturas horarias, entonces se realizaría el siguiente procedimiento:
Con el valor de la hora que se quiere estimar, que corresponde a la h, que varía de 1 a 24, se
calcula t, supongamos que h = 7, entonces:
t =  (h - 11)/ 10 =  (7 - 11)/10 = - 1.2566
y la t se sustituye en el modelo:
T = 15.1 + 9 sen t = 15.1 + 9 sen (-1.2566) = 6.5
de la misma forma, sí:

h = 10, entonces T = 12.3
Las estimaciones correspondientes a los datos del Cuadro 3.13 se reportan en el Cuadro 3.14 y
sus gráficas en la Figura 3.9. Donde se pueden apreciar las bondades del procedimiento
propuesto.
59
Temperatura
Cuadro 3.14. Temperaturas Horarias Estimadas para Cuatro Días del 2006 en la Estación
Meteorológica del Colegio de Postgraduados con el Método de Snyder.
TEMPERATURA
Hora
Junio 10 Agosto 15 Octubre 20 Diciembre 25
1 15.1 20.9 16.6 14.0
2 12.3 20.3 14.6 10.5
3 9.8 18.7 12.8 6.8
4 7.8 16.6 11.6 3.3
5 6.5 14.4 11.2 0.5
6 6.1 12.9 11.6 -1.4
7 6.5 12.3 12.8 -2.0
8 7.8 12.9 14.6 -1.4
9 9.8 14.4 16.7 0.5
10 12.3 16.6 18.7 3.3
11 15.1 18.7 20.5 6.8
12 17.9 20.3 21.7 10.5
13 20.4 20.9 22.1 14.0
14 22.4 20.3 21.7 16.8
15 23.7 18.7 20.5 18.7
16 24.1 16.6 18.7 19.3
17 23.7 14.4 16.7 18.7
18 22.4 12.9 14.6 16.8
19 20.4 12.3 12.8 14.0
20 17.9 12.9 11.6 10.5
21 15.1 14.4 11.2 6.8
22 12.3 16.6 11.6 3.3
23 9.8 18.7 12.8 0.5
24 7.8 20.3 14.6 -1.4
Método de Linvill
Otro procedimiento para estimar temperaturas horarias es el Método de Linvill (1990), que
requiere de la TMAX y la TMIN del día de interés y la TMIN del día siguiente, y divide al día en
dos segmentos o periodos, uno que corresponde a la presencia de luz, desde la hora de salida del
sol hasta su entrada y el otro de la entrada del sol hasta su salida en el día siguiente. Asume que la
TMAX ocurre a las 14 horas, dos horas después del medio día y las TMIN a la salida del sol. Las
ecuaciones que emplea son:
Para la presencia de luz:

  t 
T (t )  (TMAX  TMIN )  sen   TMIN (1)
 DL  4 
60
Temperatura
1 0 - J U N IO - 2 0 0 6 1 5 -A G O S T O -2 0 0 6
3 0 25
2 5
20
2 0
15
1 5
T
T
10
1 0
5
5
0 0
0 5 1 0 1 5 2 0 2 5 3 0 0 5 10 1 5 20 25 3 0
H O R A
H O R A
COLEGIO DE POSTGRADUADOS
20-OCTUBRE-2006 25-D IC IE MB RE -2006
25
25
20 20
15 15
T
10
T
10
5 5
0 0
0 5 10 15 20 25 30
0 5 10 15 20 25 30 -5
HORA HO RA
Figura 3.9. Temperatura Horaria observada (línea punteada) y estimada (línea

continua) con el Método de Snyder, para cuatro días del 2006 en el
Colegio de Postgraduados.
donde :
T(t) = Temperatura horaria, del tiempo t, en horas
después de la salida del sol;
TMAX = Temperatura máxima del día, oC;
TMIN = Temperatura mínima de la mañana, oC;
DL = Duración del día, horas, y;
Para el enfriamiento nocturno (Linvill, 1982):
 Ts  T min 
T (t )  Ts     Ln(t ) (2)
 Ln24  DL
donde: T(t) = Temperatura al tiempo t> 1 hr después de

entrar el sol;
61
Temperatura
Ts = Temperatura a la entrada del sol, calculada con

la ecuación (1);
Tmin = Temperatura mínima del día siguiente;
DL = Duración del día, en horas.
Es importante aclarar que si en la fórmula (2), le damos a t el valor de 1, t = 1, su logaritmo

natural será igual a cero y el resultado que se obtiene es Ts, es decir, la temperatura a la hora de
entrada del sol, por lo que para su aplicación se comienza con el valor de t = 2, que equivale al
tiempo de una hora después de entrar el sol.
En el Cuadro 3.15, se reportan las temperaturas horarias para cuatro fechas obtenidas en el
Colegio de Postgraduados. Nótese que las horas en el Cuadro 3.15 están codificadas, para el
primer día con la numeración normal, de las 5 a las 24 h y para el día siguiente de 25 a 31, que
equivalen a los tiempos de la 1 de la mañana a las 7 de la mañana, respectivamente.
Cuadro 3.15. Temperaturas Horarias para Cuatro Fechas del 2006 en la Estación
Meteorológica del Colegio de Postgraduados.
TEMPERATURA
Hora Junio 10 y 11 Agosto 15 y 16 Octubre 20 y Diciembre 25 y
21 26
5 6.8 13.8 11.2 -0.9
6 6.1 13.1 11.5 -1.1
7 6.3 12.3 12.0 -2.0
8 11.9 14.5 12.7 -1.6
9 13.9 16.3 15.1 4.2
10 16.0 17.9 16.6 9.1
11 17.8 19.0 18.5 12.7
12 19.4 20.4 20.5 14.9
13 21.3 20.9 22.1 16.3
14 22.4 20.5 21.6 17.8
15 23.4 18.7 21.1 18.9
16 24.1 17.7 21.2 19.3
17 24.0 18.6 20.2 19.0
18 23.9 18.1 19.1 17.2
19 22.6 17.7 17.9 13.5
20 19.5 15.7 16.9 9.1
21 17.8 15.5 15.4 6.7
22 16.6 15.3 13.4 3.3
23 15.0 15.0 12.4 1.6
24 12.8 14.7 11.9 1.3
25 11.9 13.5 10.9 -0.7
26 10.5 12.6 10.3 -1.7
27 9.6 11.4 9.3 -2.3
28 8.8 10.2 9.3 -3.1
29 7.9 9.4 8.7 -3.6
30 7.3 9.3 8.2 -4.4
31 7.8 9.4 7.7 -4.4
62
Temperatura
Para la aplicación del método se requiere conocer la duración del día (DL), la hora de salida y de
entrada del sol, en todos los casos se aproxima a números enteros para facilidad de cálculos. Para
Junio la duración del día se considero de 13 horas, para Agosto y Octubre de 12 y para Diciembre
de 11 horas; la hora en la que ocurre la TMIN se codifico con 0 y fue a partir de las 6 de la
mañana y para la TMAX no es tuvo una hora fija. En el Cuadro 3.16 se reportan los datos
necesarios para la aplicación del método de Linvill.
Cuadro 3.16. Datos necesarios para la Estimación de Temperaturas Horarias con el

Método de Linvill, para cuatro fechas en el Colegio de Postgraduados.
Dato Junio 10/11 Agosto 15/16 Octubre 20/21 Diciembre 25/26
DL 13.2 12.8 11.6 11.0
TMAX 24.1 20.9 22.1 19.3
TMIN 6.1 12.3 11.5 -2.0
Tmin 7.3 9.3 8.2 -4.4
En el Cuadro 3.17 se presentan las Temperatura Horarias estimadas con el método de Linvill para
las fechas consideradas y en la Figura 3.10 sus gráficas.
Cuadro 3.17. Temperaturas Horarias Estimadas para Cuatro Fechas del 2006 en la Estación
Meteorológica del Colegio de Postgraduados con el Método de Linvill.
TEMPERATURA
21 26
6 6.1 11.5
7 9.4 12.3 13.6 -2.0
8 12.6 14.0 15.6 2.4
9 15.6 15.6 17.4 6.7
10 18.2 17.1 19.0 10.5
11 20.5 18.4 20.3 13.8
12 22.2 19.5 21.3 16.4
13 23.4 20.2 21.9 18.3
14 24.0 20.7 22.1 19.2
15 24.0 20.9 21.9 19.2
16 23.4 20.7 21.3 18.3
17 22.2 20.2 20.3 16.4
18 20.5 19.5 19.0 13.8
19 18.2 16.6 16.0 8.9
20 15.1 14.9 14.2 6.0
21 13.2 13.8 13.0 4.0
22 11.9 12.8 12.0 2.4
23 10.9 12.1 11.2 1.1
24 10.1 11.5 10.5 0.0
25 9.4 10.9 10.0 -0.9
26 8.8 10.4 9.4 -1.8
27 8.2 10.0 9.0 -2.5
28 7.8 9.6 8.6 -3.2
29 7.3 9.3 8.2 -3.8
30 6.9 8.9 7.8 -4.4
63
Temperatura
1 5 y 1 6 A G O S TO 2 0 0 6
10 y 11 JUNIO 2006
25
30
25 20
20
15
15
T
T
10 10
5 5
0
5 10 15 20 25 30 35 0
5 10 15 20 25 30 35
HORA
HO R A
2 5 y 2 6 D IC IE M B R E 2 0 0 6
20 y 21 OCTUBRE 2006
2 5
25 2 0
20
1 5
15
1 0
T
10
T
5
5
0
5 1 0 1 5 2 0 2 5 3 0 3 5
0
5 10 15 20 25 30 35 -5
HORA -1 0
H O R A
Figura. 3.10. Temperaturas Horarias Observadas (línea punteada) y Estimadas

(línea continua) para cuatro fechas del 2006 en el Colegio de
Postgraduados.
Método de Linvill Modificado
Al igual que como fue mencionado para el primer método, el procedimiento de Linvill requiere
ser modificado para incluir al tiempo real en el que ocurren tanto la temperatura máxima como la
mínima. Ya que en el Colegio de Postgraduados, la temperatura mínima puede ocurrir, con mayor
frecuencia, a las 6 o 7 de la mañana y la máxima de las 12 hasta las 16 horas.
Para la aplicación de la fórmula en presencia de luz:
  t 
T (t )  (TMAX  TMIN )  sen   TMIN
 DL  4 
Se asigna a t el valor de 0 a la hora en la que se presenta la temperatura mínima, sin importar la

hora en la que ocurra (6 o 7), mientras que aplicando la fórmula sin modificar, la temperatura
máxima ocurrirá a la hora equivalente a (DL + 4)/2; así para una DL de 13 horas, la TMAX se
presenta a 8.5 horas después de t = 0 o con una DL de 12 horas sucederá a las 8 horas después del
tiempo 0.
64
Temperatura
Ahora bien, supongamos que en una fecha se tiene una DL = 12 horas, la TMAX ocurre a las 16
horas y la mínima se presentó en forma anómala a las 5 de la mañana, entonces codificaríamos a
las 5 como t = 0 y por lo tanto la TMAX se manifestaría a las t =11. La fórmula, entonces, tiene que
modificarse para que el denominador del ángulo sea igual a 22 (el doble de 11), es decir en este
caso se pondría DL + 9 y la fórmula quedaría:
  t 
T (t )  (TMAX  TMIN )  sen   TMIN
 DL  9 
Con la cuál se calcularían las temperaturas hasta la hora en la que se mete el sol.
Para la segunda fórmula
 Ts  T min 
T (t )  Ts     Ln(t )
 Ln24  DL
el problema que se presenta es que la temperatura mínima del día siguiente también puede cambiar de
horario y para garantizar que se presente a la hora señalada, se requiere el valor de t a la que ocurre,
recuérdese que se inicia a codificar con el valor de 2, sea el mismo que el denominador. Esto es, si la
Tmin del día siguiente ocurre a la codificación de t = 13 después de la entrada del sol, entonces se
requiere que (24 – DL) sea también igual a 13, por lo que la DL puede adquirir valores muy diferentes a
los calculados.
Con tales modificaciones se tiene un mejor ajuste, como se muestra en el Cuadro 3.18 para las mismas
cuatro fechas empleadas con el método original y de igual forma se presentan sus gráficas en la Figura
3.11.
3.4. Relaciones Temperatura-Cultivos
La Temperatura y la Adaptabilidad de Cultivos
La mayoría de las especies vegetales sobreviven a temperaturas que en general varían de los 0 a
los 50 ºC, aunque algunas especies en el Ártico pueden encontrarse a temperaturas de - 32 ºC y
algunas formas de algas prosperan a temperaturas cercanas al punto de ebullición del agua (100
ºC). La producción de cultivos usualmente ocurre donde las temperaturas medias del período de
crecimiento varían entre los 10 y 41 ºC.
Cada especie vegetal tiene ciertas temperaturas críticas (algunas veces llamadas Temperaturas
Cardinales), que definen los requerimientos de calor necesarios para su crecimiento y desarrollo.
Estas temperaturas cardinales generalmente incluyen la mínima (la temperatura más baja a la cual
la planta crece), la óptima (la temperatura a la cual el crecimiento y desarrollo son más grandes) y
la máxima (la temperatura más alta a la cual la planta crece).
En el Cuadro 3.19, se reportan los valores de las temperaturas cardinales propuestas por Rhan
(1939).
65
Temperatura
Cuadro 3.18. Temperaturas Horarias Estimadas para Cuatro Fechas del 2006 en la Estación
Meteorológica del Colegio de Postgraduados con el Método de Linvill Modificado.
TEMPERATURA
21 26
6 6.1 11.5
7 8.9 12.3 13.3 -2.0
8 11.7 14.2 15.1 1.7
9 14.3 16.0 16.8 5.3
10 16.7 17.7 18.3 8.7
11 18.8 19.0 19.6 11.7
12 20.7 20.0 20.7 14.3
13 22.1 20.7 21.5 16.4
14 23.2 20.9 21.9 18.0
15 23.9 20.7 22.1 19.0
16 24.1 20.0 21.9 19.3
17 23.9 19.0 21.5 19.0
18 23.2 17.7 20.7 18.0
19 22.1 15.4 17.3 12.0
20 18.0 14.1 15.3 8.4
21 15.6 13.1 13.9 5.9
22 13.9 12.4 12.8 4.0
23 12.6 11.8 11.9 2.4
24 11.5 11.3 11.2 1.0
25 10.5 10.9 10.5 -0.2
26 9.8 10.5 10.0 -1.2
27 9.1 10.2 9.5 -2.1
28 8.4 9.8 9.0 -2.9
29 7.9 9.6 8.6 -3.7
30 7.3 9.3 8.2 -4.4
Una de las dificultades en la determinación del "mejor" intervalo de temperaturas para un cultivo
dado es que cada etapa de desarrollo (o fenológica), frecuentemente tiene sus requerimientos
propios de temperatura que son únicos. La temperatura óptima para la germinación de la semilla
es comúnmente más baja que la temperatura óptima para el desarrollo vegetativo, cuyo valor a su
vez, puede ser diferente al mejor valor para la floración o fructificación. Así a través del curso de
la vida de la planta, ésta puede tener dos o tres conjuntos de intervalos de temperaturas críticas.
También para algunas especies las temperaturas nocturnas son más importantes que los valores
diurnos, al menos durante ciertas etapas de desarrollo, como para la fructificación del tomate
(véase Cuadro 3.19).
66
Temperatura
10 y 11 JUNIO 2006
15 y 16 AGOSTO 2006
30
25
25
20
20
15
T
15
T
10
10
5
5
0
0 5 10 15 20 25 30 35
5 10 15 20 25 30 35
HORA
HORA
20 y 21 OCTUBRE 2006 25 y 26 DICIEMBRE 2006
25 25
20 20
15
15
10
T
T
10
5
5 0
0 -5 5 10 15 20 25 30 35
5 10 15 20 25 30 35 -10
HORA HORA
Fig. 3.11. Temperaturas Horarias Observadas (línea punteada) y Estimadas

(línea continua) para cuatro fechas del 2006 en el Colegio de
Postgraduados con el Método de Linvill Modificado.
Cuadro 3.19. Temperaturas Cardinales, en ºC, para Cultivos

Comunes (Rahn, 1939).
Cultivo Mínima Óptima Máxima

Granos de
estaciones Frías 0-4 24-29 32-38
Guisante 3-6 10-16 21-24
Jitomate 10-13 16-27 29-35
(Temperatura
nocturna para la
formación de frutos) 13-14 15-20 22
Maíz 10 29-32 32-38
Melón 15-18 30-37 43-44
Papa (Tubérculos) 6-7 10-16 27-32
Pepino 9-10 24-27 35-41
67
Temperatura
Sachs (1875), citado por Wilsie (1966), indicó que las plantas de tomate, maíz, pimiento y papa,
parecían crecer principalmente en la noche.
Más recientemente, Chang (1981) puntualizó la importancia de las temperaturas nocturnas en el

rendimiento de maíz, indicando que a mayor temperatura menor rendimiento.
El término de temperatura nocturna "efectiva", es también conocido como "nictotemperatura", la

cual puede ser calcula con la fórmula propuesta por Went (1957), como sigue:
Tnicto = TMIN + (1/4)(TMAX - TMIN )
En el mismo trabajo, Went (1957), define otro tipo de temperatura, la temperatura diurna o
"fototemperatura", como aquella que afecta a la fotosíntesis de las plantas y propone como
fórmula de cálculo:
Tfoto = TMAX - (1/4)(TMAX -TMIN)
Gommes (1983), propuso para la temperatura diurna la fórmula:
Tdiurna = (TMAX + TMIN)/2 + (TMAX - TMIN)/
donde,  = 3.14 únicamente.
Más recientemente, Driessen y Konijn (1992), presentan nuevas fórmulas para la temperatura
diurna y nocturna, como sigue:
Tdiurna = Tmed + (SUNSET - 14) * AMPL * sen(AUX)/(DL * AUX)
donde: Tmed = (TMAX + TMIN)/2;

AMPL = (TMAX - TMIN)/2;
SUNRISE = 12 - DL/2;
SUNSET = 12 + DL/2;
AUX =  * (SUNSET - 14)/(SUNRISE + 10); y
 = 3.14159
y
Tnocturna = Tmed - AMPL * sen(AUX)/ ( - AUX)
Con lo anterior se pretende dar a conocer otras variables térmicas que pueden ser útiles en el
establecimiento de zonas para el desarrollo de cultivos.
En el Cuadro 3.20 se muestran los resultados de los cálculos de la temperatura diurna y nocturna
por diferentes métodos para cuatro fechas en el Colegio de Postgraduados y los datos reales. Es
importante mencionar que para el cálculo de la temperatura nocturna se considera como noche
desde el momento en el que se mete el sol de un día a su salida en el día siguiente. Por ello para el
cálculo de la Tnocturna se considera a la TMAX del día de interés y la Tmin del día siguiente. En
68
Temperatura
Cuadro 3.20. Datos necesarios y resultados de los cálculos de Temperaturas Diurnasy Nocturnas para
los valores de cuatro fechas en el Colegio de Postgraduados.
10 y 11 15 y 16 20 y 21 25 y 26
Datos Junio Agosto Octubre Diciembre
TMAX 24.1 20.9 22.1 19.3
TMIN 6.1 12.3 11.5 -2.0
Tmin 7.3 13.4 8.2 -4.4
DL 13.2 12.8 11.6 11.0
SUNRISE 5.4 5.6 6.2 6.5
SUNSET 18.6 18.4 17.8 17.5
AUX 0.9384 0.8861 0.7369 0.6664
METODO T DIURNA
WENT 19.6 18.8 19.5 14.0

GOMMES 20.8 19.3 20.2 15.4
DRIESSEN 17.5 17.6 17.7 10.0
REAL 18.1 17.9 17.9 12.2
METODO T
NOCTURNA
WENT 11.5 15.3 11.7 1.5
DRIESSEN 12.6 15.9 13.2 4.5
REAL 12.5 13.4 12.1 1.6
este Cuadro se aprecia que para la T diurna el método de Gommes es el que genera los mayores
valores y el método de Driessen y Konijn los menores; y en relación a los valores reales, los
métodos de Went y Gommes los sobreestiman y el de Driessen y Konijn los subestiman aún
cuando es el más parecido. Para la T nocturna los métodos considerados tienen un
comportamiento muy variable y es el método de Went el que aparentemente se asemeja más al
valor real.
Grafe (1914), generó un conjunto de temperaturas cardinales para la germinación de semillas de

plantas cultivadas (citado por Wilsie, 1966). Sus datos se reportan en el Cuadro 3.21, los cuales
nos dan una idea de las diferencias existentes entre las plantas respecto a sus necesidades
térmicas.
Uno de los trabajos que más se cita en los estudios que relacionan la temperatura con la
distribución de cultivos, es el elaborado por Doorenbos y Kassam (1979), especialmente en países
que no cuentan con información de cultivos, (véase Cuadro 3.22).
69
Temperatura
Cuadro 3.21. Temperaturas Cardinales para la Germinación de las Semillas de algunas

plantas cultivadas (citadas por Wilsie, 1966)
Días requeridos para la

PLANTA TEMPERATURA (ºC) germinación a la Temperatura
indicada
Mínima Óptima Máxima 4.4 12.2 15.5 18.9
Alfalfa 1.1 30.0 37.2 6.0 3.75 2.75 2.0
Algarrobo 1.1-2.2 30.0 35.0 6.0 5.0 2.0 2.0
Arroz 10.0-11.7 30-32.2 36-38.1
Avena 3.9-5.0 25.0 25.0 7.0 3.75 2.75 2.0
Calabaza 12.2 31.7-34 40.0 10.75 4.0
Cañamo 1.1-2.2 35.0 45.0 3.0 2.0 1.0 1.0
Cebada 3.9-4.4 20.0 27.8-30 6.0 3.0 2.0 1.75
Centeno 1.1-2.2 25.0 30.0 4.0 2.5 1.0 1.0
Fleo de los prados 2.8-3.9 26.1 30.0 6.5 3.25 3.0
Guisante 1.1-2.2 30.0 35.0 5.0 3.0 1.75 1.75
Lenteja 3.9-5.0 30.0 36.1 6.0 4.0 2.0 1.75
Lino 1.7-2.8 25.0 30.0 8.0 4.5 2.0 2.0
Maíz 7.8-10.0 31.7-35 40-43.9 11.25 3.25 3.0
Melón 12.2-15.0 35.5 40.0 15.0 17.0
Remolacha Azucarera 3.9-5.0 25.0 27.8-30 22.0 9.0 3.75 3.75
Sorgo 7.8-10.0 31.7-35 40.0 11.25 4.75 4.0
Tabaco 12.8-13.9 27.7 35.0 9.0 6.25
Trebol rojo 1.1 30.0 37.2 7.5 3.0 1.75 1.0
Trigo 3.9-4.4 25.0 30-32.2 6.0 3.0 2.0 1.75
Zanahoria 3.9-5.0 25.0 30.0 6.75 4.25 3.25
3.5. Estimación de Rendimientos Máximos
Dentro del Proyecto de Zonas Agro-Ecológicas, propuesto por la FAO (1978), se indica un
método para calcular los rendimientos máximos de cultivos, es decir, suponiendo que no
existieran limitaciones de agua y de nutrientes y no se presentan plagas ni enfermedades.
Dicho método se basa en los trabajos de De Witt y calcula los rendimientos con la fórmula:
Y = Bn * Hi
donde Hi es el índice de cosecha, es decir, la parte proporcional de la biomasa o materia seca

producida por la planta que es útil para el hombre. En el Cuadro 3.23, se reportan los primeros
índices de cosecha, planteados por la FAO (1978).
Bn es la biomasa neta, que se calcula como:
70
Temperatura
Cuadro 3.22. Necesidades térmicas, período vegetativo y duración del día en la floración para
diferentes cultivos (Doorenbos y Kassam, 1979).
CULTIVO Temperatura Óptima, ºC Duración del Ciclo

(Oscilación)* (Días)
Alfalfa 24-26 (10-30) 100-365
Algodón 20-30 (16-35) 150-180
Arroz 22-30 (18-35) 90-150
Cacahuate 22-28 (18-33) 90-140
Caña de Azúcar 22-30 (15-35) 270-365
Cártamo crec. inic.: 15-20 Prim.: 120-160
crec. post.: 20-30 Otoño: 200-230
(10-35)
Cebolla 15-20 (10-25) 100-140
Chicharo 15-18 (10-23) Fresco: 65-100
Seco: 85-120
Cítricos 23-30 (13-35) 240-365
Col 15-20 (10-24) 100-150+
Frijol 15-20 (10-27) Fresco: 60-90
Seco: 90-120
Girasol 18-25 (15-30) 90-130
Jitomate 18-25 (15-28) 90-140 (+25-35 vivero)
Maíz 24-30 (15-35) 100-140+
Olivo 20-25 (15-35) 210-300
Papa 15-20 (10-25) 100-150
Pimiento 18-23 (15-27) 120-150
Piña 22-26 (18-30) 365
Plátano 25-30 (15-35) 300-365
Remolacha Azucarera 18-22 (10-30) 160-200
Sandía 22-30 (18-35) 80-110
Sorgo 24-30 (15-35) 100-140+
Soya 20-25 (18-30) 100-130
Tabáco 20-30 (15-35) 90-120 (+40-60 vivero)
Trigo 15-20 (10-25) Prim.: 100-130
Inv.: 180-250
Vid 20-25 (15-30) 180-270
0.36  bgm  L
Bn 
1
 0.25Ct
N
La bgm es la biomasa bruta o gruesa, que como se explicó en el Capítulo 2 se obtiene a través de:
bgm = F*bo + (1-F)* bc
71
Temperatura
Cuadro 3.23. Índices de Cosecha, Hi (FAO, 1978)
GRUPO CULTIVO PRODUCTO Hi

(PROMEDIO)
I TRIGO Grano 0.40
PAPA Tubérculo 0.60
FRIJOL Grano 0.30
FRIJOL Grano 0.30

II
SOYA Grano 0.35
ARROZ Grano 0.30
ALGODON Fibra 0.07
CAMOTE Tubérculo 0.55
YUCA Tubérculo 0.55
III MIJO Grano 0.25

SORGO Grano 0.25
MAÍZ Grano 0.35 (0.30)
CAÑA DE
AZÚCAR Azúcar 0.25
IV
SORGO Grano 0.25
MAÍZ Grano 0.35 (0.30)
y
F = (Ac - 0.5 Rg)/0.8 Ac
N es la duración del ciclo en días, L es la corrección por el Indice de Area Foliar (IAF), sí IAF ≥ 5
entonces L = 1.0 y sí IAF < 5 el valor de L es:
L = 0.3424 + 0.9051 Log10 (IAF)
Ct es el coeficiente de respiración o respiración de mantenimiento, que de acuerdo con McCree,

es una función de la especie y la temperatura media, es decir:
Ct = f(especie, temperatura)
Específicamente:
Ct = C30 [0.044 + 0.00019(T) + 0.001(T2)]

y
C30 para Leguminosas = 0.0283 y
C30 para No-Leguminosas = 0.0108
Como podrá notarse esta metodología considera cuatro grupos de cultivos, que se basan en las
diferencias entre especies en su forma de fotosíntesis (primer producto fotosintético) y la
72
Temperatura
respuesta de la fotosíntesis a la temperatura y a la radiación, debido a que estas diferencias

determinan la productividad de cultivos, cuando los requerimientos climo-fenológicos están
satisfechos.
Las dos principales formas fotosintéticas son la forma C3 y la forma C4. Para la primera, el
primer producto de la fotosíntesis es un ácido orgánico de 3 carbonos, el ácido fosfoglicérico,
mientras que para la segunda, el primer producto lo constituyen ácidos orgánicos de 4 carbonos,
el Malato y Aspartato. En general, la asimilación de la forma C3 está adaptada para operar a
intervalos óptimos de bajas temperaturas (15-20 ºC) e intercambian una cantidad menor de CO2 a
un nivel de radiación dado, por su parte las especies C4 están adaptadas para operar a intervalos
óptimos de temperaturas altas (30-35 ºC) e intercambian comparativamente una mayor cantidad
de CO2. En el Cuadro 3.24 se reportan algunas de las características de los grupos de cultivos
propuestos por la FAO (1985).
Cuadro 3.24. Características de los Grupos de Cultivos propuestos por la FAO (1985)
GRUPO DE ADAPTABILIDAD DE CULTIVOS

CARACTERÍSTICAS I II III IV
Forma Fotosintética C3 C3 C4 C4
Temperatura óptima para

máxima fotosíntesis (ºC) 15-20 25-30 30-35 20-30
Principales Cultivos Trigo Frijol** Mijo Sorgo

Papa Soya Sorgo Maíz
Frijol* Arroz Maíz
Cebada Algodón Caña de
Avena Camote azúcar
Remolacha Cacahuate
Tabaco
Plátano
Caucho
Palma de
aceite
* Cultivares de Valles Altos; >1500 m de altitud.
** Cultivares de Tierras Bajas; <1500 m de altitud.
En el trabajo de la FAO (1978) existía una relación entre la temperatura diurna (recuérdese a los
métodos de Went, 1954; Gommes, 1983 y Driessen y Konijn, 1992) promedio del período de
crecimiento y la fotosíntesis máxima de la hoja (Pm), expresada en kg de CH2O/ha/h, la
temperatura que se usa en la actualidad es la media, como se presenta en la Figura 3.12. A partir
de la cuál se puede apreciar que los cultivos C4 (Grupos III y IV) tienen una fotosíntesis máxima
mayor que los cultivos C3 (Grupos I y II) y sólo el Grupo I, puede llegar a tener una Pm de 20
kg/ha/h.
73
Temperatura
70
60
50
I
40 II
Pm
30 III
IV
20
10
0
0 10 20 30 40 50
T media
Figura 3.12. Relación entre Fotosíntesis Máxima (Pm) y Temperatura Media para diferentes
Grupos de Cultivos.
La situación anterior provoca que la metodología para obtener el valor de bgm, explicada en el
Capítulo 2, tenga que modificarse debido a que originalmente se suponía una fotosíntesis máxima
de solo 20 kg/ha/h.
Tal modificación, de acuerdo con la FAO (1978), es la siguiente:
(a) Sí Pm > 20 kg CH2O/ha/h, entonces:
 x  x
100  5  100  2 
bgm  F  bo     1  F  bc   
 100   100 
   
y
(b) Sí Pm < 20 kg CH2O/ha/h, entonces:
 x
100  2  100  x 
bgm  F  bo     1  F  bc   
 100   100 
 
con:
Pm  20
x 100 (valor absoluto)
20
74
Temperatura
Para establecer el valor de Pm en una estimación específica necesitamos identificar el Grupo al

cual pertenece el cultivo en cuestión, para ello la FAO (1978) estableció el concepto de Régimen
de Temperatura, que corresponde al promedio de la temperatura diaria del período de crecimiento
o ciclo del cultivo.
La forma como se relaciona el régimen de temperatura con los cultivos se presenta en el Cuadro
3.25.
Cuadro 3.25. Relación entre el Régimen de Temperatura y Grupos

de Cultivos ( FAO, 1978 y 1985)
Régimen de Temperatura Media Grupos de Cultivos que pueden

Diaria durante el Período de ser considerados
Crecimiento
>20 ºC II y III
15-20 ºC I y IV
10-15 ºC I
< 10 ºC Ninguno
Actualmente, además de trabajar con la temperatura media para determinar la Pm, se han
generado datos para cultivos particulares, en los Cuadros 3.26 y 3.27, se reporta información
cómo la FAO (2000) la está presentando.
Cuadro 3.26. Relación entre la Temperatura media y la Fotosíntesis máxima

(Pm) para maíces del grupo IV ( FAO, 2000)
T (oC) 5 10 15 20 25 30 35 40 45
Pm 0 5 40 50 50 50 40 5 0
Cuadro 3.27. Parámetros agronómicos de maíces de Valles Altos (GrupoIV)

para la Estimación de Rendimientos ( FAO, 2000)
Nivel de Inversión*
Ciclo Alto Medio Bajo
(días) IAFmax Hi IAFmax Hi IAFmax Hi
105 3.5 0.35 2.5 0.25 1.5 0.15
180 4.0 0.35 3.0 0.27 2.0 0.20
300 4.0 0.35 3.0 0.27 2.0 0.20
* IAFmáx = Índice de Área Foliar máximo; Hi = Índice de cosecha
Antes de explicar algunos ejemplos de estimación de rendimientos máximos es importante

mencionar que en México existen más de 150 especies cultivables, de las cuales más de la mitad
son frutales y en el trabajo de la FAO (Cuadro 3.24), sólo se reportan 22 especies. Lo cual nos
indica, sin duda alguna, que las investigaciones que se realicen con el interés de clasificar a los
más de 100 cultivos restantes, dentro de los grupos, será muy valiosa para nuestro país.
75
Temperatura
Ejemplos de Estimación de Rendimientos
Supongamos que se desea estimar el rendimiento máximo de Maíz y Fríjol para Chapingo,
México, ubicado a una latitud de 19º29', el ciclo del Maíz es de 180 días y comprende a los meses
de Mayo a Octubre, además se conoce que su IAF es de 4. Para el Fríjol el ciclo es de 90 días, de
los meses de Julio a Septiembre.
Maíz
Los datos requeridos para la estimación de rendimientos máximos de Maíz se reportan en el

Cuadro 3.28.
Cuadro 3.28. Datos Iniciales para la Estimación de Rendimientos Máximos de Maíz en

Chapingo, México.
MES
DATO MAYO JUNIO JULIO AGOS SEPT OCT PROMEDIO
Rg 511 459 441 438 407 401 443
Ac 390 396 394 386 354 311 372
bc 456 464 462 450 423 386 440
bo 244 248 247 242 224 202 235
T 18.5 18.0 17.0 17.0 16.8 15.7 17.2
La radiación global, Rg, se obtiene por alguno de los métodos explicados en el Capítulo 2, los
valores de Ac, bc y bo se generan por la interpolación del cuadro correspondiente reportado en el
Capítulo 2, recordando la latitud de Chapingo. La Temperatura corresponde a datos de los
reportes meteorológicos
El Maíz puede estar ubicado en el Grupo III y en el Grupo IV, sin embargo, al conocer que la
temperatura media del ciclo es de 17.2 ºC se le ubica específicamente en el Grupo IV.
Con el dato promedio de la T del ciclo se estima a partir del Cuadro 3.26 la fotosíntesis máxima
(Pm). Resultando para nuestro ejemplo una Pm = 44 kg/ha/h.
Con la Pm se calcula x:
x = Valor absoluto [(Pm - 20)/20] * 100 = Valor absoluto [(44 - 20)/20]*100
x = 120%
Como Pm es mayor a 20 la fórmula de bgm que se utiliza es:
bgm = F*bo*[(100 + (x/5))/100] + (1 - F) *bc* [(100 + (x/2))/100]
faltando, para su aplicación, calcular el valor de F:
76
Temperatura
F = (Ac - 0.5 Rg)/0.8 Ac

F = (372 - 0.5* 443)/0.8*372 = 0.51
F = 0.51
Así:
bgm=0.51* 235* [(100+(120/5))/100]+(1-0.51)* 440* [(100+(120/2))/100]
bgm = 497 Kg/ha/d¡a
Como IAF = 4, entonces:
L = 0.3424 + 0.9051 Log10 (IAF)

L = 0.3424 + 0.9051 Log10(4)
L = 0.89
Desde un inicio se conoce que la duración del ciclo N = 180 días, faltando por conocer
únicamente a Ct, que se calcula a través de:
Ct = C30 [0.044 + 0.00019(T) + 0.001(T2)]
como el Maíz es No-Leguminosa, C30 = 0.0108 y la T = 17.2 ºC, entonces:
Ct = 0.0108* [0.044 + 0.00019(17.2) + 0.001(17.22)]

Ct = 0.0108 * (0.343108) = 0.0037
Con la información anterior se procede a calcular la biomasa neta, Bn:
Bn = ( 0.36 * bgm * L)/ ((1/N) + 0.25 Ct)

Bn = ( 0.36 * 497 * 0.89)/ ((1/180) + 0.25* 0.0037)
Bn = 24573 Kg/ha
generalmente, la Bn se expresa en ton/ha, por lo que:
Bn = 24.6 ton/ha
y finalmente:
Y = Bn * Hi
Y = 24.6 * 0.35 = 8.6 ton/ha
Lo anterior nos indica que Chapingo, México tiene un potencial productivo para Maíz de 8.6
ton/ha de grano, es decir, sí no existieran limitaciones de agua y nutrientes, ni de plagas y
enfermedades, se podría alcanzar dicho rendimiento máximo.
77
Temperatura
Fríjol
Los datos requeridos para la estimación de rendimientos máximos de Fríjol se reportan en el

Cuadro 3.29.
Cuadro 3.29. Datos Iniciales para la Estimación de Rendimientos Máximos de Fríjol en

Chapingo, México.
MES
DATO PROMEDIO
JULIO AGOSTO SEPT
Rg 441 438 407 429
Ac 394 386 354 378
bc 462 450 423 445
bo 247 242 224 238
TMED 17.0 17.0 16.8 16.9
Con: TMED = 16.9 ºC, el Frijol pertenece al Grupo I y la Pm = 20 Kg/ha/h (FAO, 2000), como la
Pm = 20, la fórmula de bgm será:
bgm = F*bo + (1 - F) *bc
y una F = 0.54, por lo que:
bgm= 0.54 * 238 + (1-0.54)* 445
bgm = 333 kg/ha/día;
L: la información sobre el IAF, reportado por FAO (2000), es de 4, por lo que para nuestro
ejemplo,
L = 0.89
Ct: como el Frijol es una Leguminosa entonces: C30 = 0.0283, y
Ct = 0.0283 * [0.044 + 0.00019(16.9) + 0.001(16.9)2 ]

Ct = 0.00942
Bn:
Bn = ( 0.36 * bgm * L)/ ((1/N) + 0.25 Ct)
Bn = ( 0.36 * 333 * 0.89)/ ((1/90) + 0.25 * 0.00942)
78
Temperatura
Bn = 7923 Kg/ha
Bn = 7.92 ton/ha
y
Y = Bn * Hi
Y = 7.92 * 0.30 = 2.38 ton/ha
Así, se concluye que:

Y = 2.38 ton/ha
3.6. Índices Térmicos
En estudios agroclimáticos, sobretodo en los relacionados con la zonificación de cultivos, es

común utilizar índices térmicos en lugar del dato directo de temperatura. En general los índices‚
térmicos pueden agruparse en tres tipos, a saber: 1) Índices Globales; 2) Índices Mensuales, y; 3)
Índices Diarios. A continuación trataremos de explicarlos, apoyándonos en metodologías
publicadas y con algunos ejemplos nacionales.
Índices Globales
Existen varios tipos, algunos generan índices que relacionan a un sólo valor térmico con grupos
de cultivos, él cual puede ser ejemplificado con el trabajo de FAO (1978,1985 y 2000) sobre el
Proyecto de Zonas Agro-Ecológicas. Otros seleccionan un valor térmico anual como el límite de
la zona de influencia de un cultivo.
Índice de la FAO
El índice térmico que propone la FAO está representado por lo que se denomina como Régimen
de Temperatura, que corresponde al promedio de la temperatura diaria del período de crecimiento
o ciclo de un cultivo. Cabe mencionar que esta metodología fue desarrollada para una agricultura
de secano (temporal).
Dado que esta metodología se aplica a condiciones de temporal, en nuestro país se adoptaron los
siguientes criterios para su implementación: 1) Bajo este enfoque, la época donde es posible
obtener cosechas, es en la temporada de lluvias; 2) De acuerdo con Enriqueta García y Pedro
Mosiño, el temporal en México tiene como característica que más del 90% de las lluvias se
presentan entre Mayo y Octubre, y; 3) La temperatura media de Mayo a Octubre es representativa
de los ciclos de cultivos anuales o período de crecimiento.
Tales criterios fueron empleados para zonificar cultivos anuales a nivel nacional, principalmente.
Como ejemplo, consideremos al observatorio de la Universidad Autónoma Chapingo, México. Sí
le calculamos la temperatura promedio de las medias de mayo a octubre con la fórmula:
TM-0 = [TM+ TJ+ TJ+ TA+ TS+ TO] / 6
79
Temperatura
donde: TM-O, es la temperatura media de mayo a octubre, y; TM, TJ, TJ, TA, TS, y TO, las
temperaturas medias de los meses de Mayo, Junio, Julio, Agosto, Septiembre y Octubre,
respectivamente. Entonces el valor correspondiente de TM-O, será equivalente al Régimen de
Temperatura.
Así, para Chapingo el valor de TM-O es igual a 17.2 ºC y al comparar este valor con los del Cuadro
3.25, resulta que corresponde al intervalo de 15-20 ºC, con lo cual se establecería que en
Chapingo se pueden evaluar a los grupos I y IV de cultivos, es decir, en base al Cuadro 3.24, se
podrían adaptar los cultivos como: Trigo, Papa, Fríjol, Cebada, Avena, Remolacha, Sorgo y Maíz.
Que corresponden con los cultivos de su zona de influencia, sin embargo, faltan por considerar a
otros presentes como: Alfalfa, Zanahoria, Lechuga, Col, Poro, Cebolla, Calabaza, Tomate de
cáscara y frutales como Tejocote, Capulín, Pera, Higo y Durazno.
Considerando que uno de los principales intereses de la zonificación de cultivos es la

representación cartográfica, es decir, la elaboración de mapas. Para nuestro caso, podría realizarse
por medio del trazo de isolíneas de temperaturas promedio de Mayo a Octubre. Lo cuál no es
tarea fácil, sobretodo para gente con poca experiencia en estas actividades.
Por ello, se diseño una alternativa metodológica que estuviera al alcance de la mayoría de los
investigadores y que consiste en lo siguiente: Para la variable de interés, en nuestro caso TM-O, se
busca una variable parecida que cuente con una representación cartográfica, por ejemplo la
temperatura media anual (plano de isotermas anuales); Se correlacionan las dos variables y sí el
resultado es significativo, mayor a 0.8660, entonces podremos transformar una variable en la otra,
por medio de una regresión lineal simple o con un modelo más complicado.
Para ilustrar lo anterior, al usar la información de TM-O y de la temperatura media anual, TMA,
de 22 estaciones meteorológicas del Estado de México, se generó el modelo:
TM-O = 1.8242 + 0.9568 (TMA)
Con una r = 0.9939 (o una R2 = 0.9879), altamente significativa.
Sustituyendo los valores de TMA en el modelo transformamos los valores del plano de isotermas
anuales en isotermas de mayo a octubre, esto es:
MAPA DE MAPA DE
ISOTERMAS  MODELO  ISOTERMAS
ANUALES DE MAYO A
OCTUBRE
En la Figura 3.13, se presenta la transformación de las isotermas anuales del Estado de México en
isotermas de mayo a octubre, nótese que de los nuevos valores de isotermas, TM-O, sólo son de
interés tres, 10º, 15º y 20º C, y como sucedió en este ejemplo, en muchos casos tendrán que
80
Temperatura
interpolarse dichos valores, sin embargo, a diferencia del trazo de isolineas a partir de estaciones,
en este caso contamos con líneas guías que nos facilitan el proceso.
Además, en la Figura 3.13 se simbolizan con números romanos, los grupos de cultivos a ser
considerados como adaptables en diferentes zonas.
14
12
14 14
14 12 14
12 14
14
12
10
12 12
10
10
12 8
14 10
16 12 10
18 12 10 8
20 8 6
10 12
22 8
24 6
10 12 6
12
16
20 16
20 18 18 14
20
24
22
26
20
22 18 ISOTERMAS ANUALES
2018
22
24
26
I y IV
15
I y IV 15
15
I y IV
I I
15
15
NA 10 N
10 A
NA 10 I 15
20
II y III 20 I y IV I y IV
II y III
20
ISOTERMAS DE MAYO – OCTUBRE

Y
GRUPOS DE CULTIVOS ADAPTABLES
Figura 3.13. Transformación de Isotermas Anuales del Estado de México a Isotermas de Mayo
a Octubre y Grupos de Cultivos Adaptables.
81
Temperatura
Valor Térmico Anual
Los valores térmicos que con mayor frecuencia se estudian son la temperatura máxima media
anual y la mínima media anual.
Ilustremos el procedimiento con el mango Manila (Mangifera indica L.) para 13 estaciones del
estado de Veracruz y la de Chapingo, como referencia, todas ellas de las Normales de 1970 a
2000. Cuyos datos se presentan en el Cuadro 3.30.
Cuadro 3.30. Alturas (AL), Temperaturas Máximas (TX), Mínimas (TN) y Precipitaciones (PP)
Anuales para Zonas Productoras (CL = 2) y No Productoras (CL = 1) de Mango
Manila en Veracruz y Chapingo como referencia.
ESTACIÓN CL TX TN PP AL
ACTOPAN 2 30.9 18.6 863.7 250
E. ZAPATA 2 30.5 19.1 907.5 425
MANLIO F. A. 2 31.7 20.2 1205.0 44
TEOCELO 2 25.2 14.7 2010.2 1218
PLAYA V. 2 32.1 21.2 2070.3 95
SAN JUAN E. 2 31.5 21.5 1427.3 29
SAN ALEJO 2 31.5 18.9 1595.7 454
OMEALCO 2 30.3 17.4 1435.3 270
CHILAPA 1 21.0 9.9 1871.8 2225
MALTRATA 1 23.1 9.8 768.2 1797
PESCADOS 1 15.5 4.4 852.2 2938
LAS VIGAS 1 18.9 4.9 1104.5 2400
COSCOMATEP 1 24.9 12.1 1612.1 1588
CHAPINGO 1 25.0 7.8 604.3 2250
Con un paquete estadístico (SAS o Statgraphics, entre muchos otros), que tengan procedimientos
multivariados, se realiza un Análisis Discriminante, cuyo objetivo es el imitar una clasificación
pre-establecida, en este caso zona productora o Apta y no productora o No Apta para un cultivo.
Para ello se introduce a la CL como variable dependiente y al resto como independientes.
El proceso genera funciones discriminantes (FD), aún cuando se recomienda trabajar con las FD
con coeficientes no estandarizados para analizar nuevos sitios, las FD con coeficientes
estandarizados se usan para conocer la influencia de cada variable y con frecuencia eliminar a las
que tengan los valores absolutos más bajos. Además de lo anterior, es común observar a las
Tablas de Clasificación, que nos indican el porcentaje de casos acertados y no acertados. Si al
eliminar variables las tablas mantienen su porcentaje de certidumbre, se aceptan tales
eliminaciones.
También se debe cuidar que las variables independientes no estén correlacionadas, como en
nuestro ejemplo, las temperaturas con la altura. Por ello las posibilidades del análisis
discriminante es el introducir las temperaturas, una por una, con la precipitación o la altura y la
precipitación. Cuyas tablas de clasificación dan un 100% de certeza. Sin embargo, al apreciar a la
82
Temperatura
FD con coeficientes estandarizados la precipitación tiene el valor más bajo. Después de

eliminarla, la clasificación mantiene su grado de certidumbre por lo que la FD definitiva tiene una
sola variable, la mejor en base a la correlación canónica es la que tiene a la temperatura mínima
anual (TN), cuyo modelo con coeficientes no estandarizados es:
FD = -5.551 + 0.3876 (TN)
Además el análisis proporciona los centroides de las clases, en una tabla para nuestro caso como
sigue:
Clase (CL) Centriode

1 -2.39205
2 1.79404
Con los centroides se genera el Límite de Clase (L.C.) por medio de un promedio, que representa
hasta donde llega una clase y empieza la otra, así:
 2.39205  1.79404
LC   0.2990 = -0.3
2
La forma tradicional de aplicar los resultados del análisis discriminante, es que para decidir si un
lugar es o no apto para la producción del mango Manila en el estado de Veracruz, es que se
sustituya su temperatura mínima media anual a la FD y si su resultado es menor de -0.3 es No
Apta y si es mayor será Apta.
Sin embargo, también es posible generar una regla de decisión más simple, a través de la
sustitución del LC en la función discriminante y despejando a la TN, para establecer directamente
el valor de aptitud. Esto es:
FD = -5.551 + 0.3876 (TN)

-0.3 = -5.551 + 0.3876 (TN)
0.3876 (TN) = -0.3 + 5.551
5.251
TN 
0.3876
TN = 13.5
Con lo cuál se establecería que el mango Manila se adapta en el estado de Veracruz en aquellos
lugares donde su temperatura media mínima anual es mayor a 13.5 oC.
Otros casos han sido: 1) Para el Mango Ataulfo en Chiapas al establecer que se adapta a
temperaturas medias máximas anuales mayores a 27.6 oC; 2) Para el Mango Tommy Atkins en la
Zona Costera del Pacífico que se localiza en áreas con TN mayores a 14.9 oC, o; 3) Para la Caña
de Azúcar en la Zona del Golfo a latitudes menores a 23 o y en la Zona del Pacífico a latitudes
menores de 26 o 16’ donde se adapta a TN mayores a 13.6 oC.
83
Temperatura
Índices Térmicos Mensuales
Otro tipo de índices son los mensuales y para ejemplificarlos, nos apoyaremos en el trabajo
desarrollado por Neild y Boshell (1976), titulado “Procedimiento y levantamiento Agroclimático
para la producción potencial de Piña en Colombia”.
La piña (Ananas camosus L.), es un cultivo semiperenne. De tal forma, que en estudios
agroclimáticos se considera que esta sobre el terreno durante todo el año.
Neild y Boshell (1976), realizaron una revisión de las condiciones térmicas para el crecimiento
y desarrollo de la piña en diferentes partes del mundo. Concluyendo que la piña, en relación a la
temperatura media, se desarrolla de los 20 a los 27 oC; temperaturas mayores a los 32 oC, le
causan quemaduras y a temperaturas inferiores a 15 oC, provocan que el desarrollo disminuya
bruscamente. Además, para todo el ciclo establecen los valores de temperaturas óptimas, como
sigue: Media 23-24 oC; Máxima, 30 oC y; Mínima, 20 oC.
Sin explicar como se genera, en su trabajo presentan un cuadro de calificaciones térmicas, que se
reproduce en el Cuadro 3.31.
Del Cuadro 3.31, se puede establecer que: 1) Las calificaciones térmicas mensuales varían de 0 a
5; 2) A cada calificación le corresponde un intervalo de temperaturas; 3) Los intervalos de
temperaturas son diferentes; 4) Las temperaturas óptimas, tanto para la máxima como para la
mínima (de la piña), se encuentran dentro del intervalo de máxima calificación y; 5) La
calificación mayor que es posible obtener en un mes es de 10 (5+5).
Cuadro 3.31. Calificaciones Térmicas para el Estudio Agroclimático del Cultivo de la Piña (Neild y
Boshell,1976)
Tmáx Tmín
(oC) Calificación (oC) Calificación
 38 0  24 0
36.0 – 37.9 1 23.0 – 23.9 1
34.0 – 35.9 2 22.0 – 22.9 3
32.0 – 33.9 4 21.0 – 21.9 4
29.0 – 31.9 5 19.0 – 20.9 5
27.0 – 28.9 4 18.0 – 18.9 4
24.0 – 26.9 3 17.0 – 17.9 3
21.0 – 23.9 2 14.0 – 16.9 2
18.0 – 20.9 1 < 14 1
< 18.0 0
84
Temperatura
Con lo anterior se puede indicar que en condiciones ideales, suponiendo que todos los meses fueran
óptimos, la mejor zona para la producción de piña sería la que alcanzara una suma de calificaciones
mensuales de 120 (calificación mensual de 10, para los 12 meses).
El procedimiento para calificar las temperaturas mensuales es relativamente sencillo, simplemente

a la TEMPERATURA MAXIMA MEDIA y a la TEMPERATURA MINIMA MEDIA, de cada
mes, se les ubica en el intervalo correspondiente, se les asigna su calificación y se suman, el
resultado es el índice térmico de ese mes.
Por ejemplo, para la estación meteorológica de Monterrosa, Loma Bonita, Oaxaca, se obtendrían en
primer lugar sus valores de temperaturas máximas y mínimas promedios mensuales, como se
reporta en el Cuadro 3.32. Específicamente, para el mes de enero, la temperatura máxima, TMAX,
es de 28.5, que se ubicaría en el intervalo de 27-28.9 oC (del Cuadro 3.31), correspondiéndole una
calificación, C(TMAX), de 4 y su temperatura mínima, TMIN, de 18.1, que se localizaría dentro
del intervalo de 18-18.9 oC, con una calificación, C(TMIN) de 4, resultando por lo tanto un índice
térmico, IT, de 8, es decir:
IT = C(TMAX) + C(TMIN) = 4 + 4 = 8
Siguiendo el mismo procedimiento para todos los meses se establecen sus respectivos índices
térmicos.
Como se indicó con anterioridad, la piña se encuentra sobre el terreno todo el año, por lo que se
tiene que generar un valor representativo de ese período, es decir, un índice anual (ITA) que es la
suma de los mensuales.
Cuadro 3.32. Temperaturas Máximas y Mínimas medias de la Estación de Monterrosa, Oaxaca, sus
calificaciones térmicas para la producción de Piña e índices térmicos mensuales (IT).
Dato E F M A M J J A S O N D
Tmáx 28.5 28.9 33.4 35.4 36.5 34.1 33.2 33.1 32.7 31.4 30.0 28.7
Tmín 18.1 18.1 20.4 21.9 23.9 23.9 23.4 23.2 23.0 22.1 20.3 19.0
C(Tmáx) 4 4 4 2 1 2 4 4 4 5 5 4
C(Tmín) 4 4 5 4 1 1 1 1 1 3 5 5
IT 8 8 9 6 2 3 5 5 5 8 10 9
En Monterrosa, Oaxaca, el índice térmico anual resulta igual a 78. Sin embargo, el contar con un
valor para una sola estación es de poca utilidad, debido a que tendríamos sólo como referencia al
ITA ideal, para la piña 120. Lo mejor en este tipo de estudios es el comparar valores entre varias
estaciones. Por ejemplo sabemos que en Chapingo no se da la piña y al generar su ITA resulta igual
a 46. Sí comparamos a Chapingo con Monterrosa, esta última tendría más posibilidades de producir
piña.
El problema fundamental que se presentaba era el de cómo generar las calificaciones térmicas para
otros cultivos, principalmente anuales. Para ello fue necesario, en primer término, entender la
“lógica” de las calificaciones de la piña de Neild y Boshell (1976). Sí se realiza la gráfica de las
calificaciones, como se muestra en la Figura 3.14, podrá notarse que las figuras tanto para
85
Temperatura
temperaturas máximas cómo para las mínimas NO SON SIMÉTRICAS, su tendencia es aumentar
gradualmente, en un principio, hasta la calificación máxima y disminuir bruscamente al final.
Por otra parte, el intervalo de temperaturas es proporcional, es decir, la temperatura máxima tiene el
doble del intervalo de la temperatura mínima (20 contra 10) y esta relación se mantiene en todos
los casos, así puede observarse en la Figura 3.14, que del valor óptimo de temperatura máxima
hacia la izquierda se tienen 12 o y el mismo intervalo pero para la temperatura mínima es de 6,
situación similar se presenta con el intervalo a la derecha de la temperatura óptima.
C(Tmáx) C(Tmín)
5 5
4 4
3 3
2 2
1 1
0 0
18 22 26 30 34 38 14 16 20 24
Figura 3.14. Gráficas de las Calificaciones Térmicas para la Producción de Piña (Adaptado de Neild y
Boshell, 1976).
De tal manera que sí se conocieran los valores óptimos de temperaturas máximas y mínimas, para
diferentes cultivos y respetando las tendencias gráficas, sería posible generar las calificaciones.
Siendo el problema básico, el cómo conocer los valores óptimos de temperatura máxima y de
temperatura mínima de cultivos en países que no cuentan con información.
La solución la encontramos en un trabajo similar realizado por Romo (1985), para cinco
oleaginosas bajo condiciones de temporal en la República Mexicana. En esta investigación Romo
propone “utilizar los valores de oscilación, reportados por Doorenbos y Kassam (1979), para
cultivos sin información”.
Así por ejemplo, para el cacahuate, Doorenbos y Kassam (véase Cuadro 3.22), reportan para la
temperatura, 22-28 (18-33), los valores que están dentro del paréntesis corresponden a la oscilación
y de acuerdo con la recomendación de Romo (1985), tendríamos que la temperatura máxima
óptima es 33 y la mínima óptima de 18. Mientras que, para Maíz con 20-25 (15-35), se tendría una
máxima óptima de 35 y una mínima óptima de 15.
Una vez conocidos los valores óptimos, para obtener el cuadro de calificaciones térmicas, basta
con cambiar el eje X, de la Figura 3.14, de la forma como a continuación se explica: Supongamos
que estamos interesados en generar las calificaciones térmicas para Maíz. En base a la
recomendación de Romo (1985), se establece que las temperaturas óptimas para todo el ciclo del
86
Temperatura
maíz son; para la temperatura máxima de 35 y para la mínima de 15. Entonces, el proceso consiste
en cambiar los valores del eje X de la Figura 3.14. En dicha figura el eje X, para la temperatura
máxima tiene los siguientes valores:
18 20 22 24 26 28 30 32 34 36 38
Entonces tenemos que cambiar el valor de la temperatura óptima por el valor correspondiente al
cultivo de interés, esto es, 35 por 30. Hacia la izquierda le restamos 12, quedando 23 y hacia la
derecha le sumamos 8, resultando 43. Así el nuevo eje X, resulta:
23 25 27 29 31 33 35 37 39 41 43
El cual reemplaza al de la Figura 3.14 y pueden asignarse calificaciones a los intervalos de la

temperatura máxima.
Un procedimiento proporcionalmente semejante se usa para las temperaturas mínimas, quedando

de:
14 16 18 20 22 24
a
9 11 13 15 17 21
Con estos cambios en el eje X de las gráficas de temperaturas máximas y mínimas se generan las
calificaciones. En el Cuadro 3.33, se presentan las calificaciones térmicas para el cultivo de maíz.
Nótese que el valor superior de todos los intervalos, es un décimo de grado menor que el inicial del
intervalo siguiente. El proceso descrito puede ser usado para generar las calificaciones térmicas de
los 26 cultivos propuestos por Doorenbos y Kassam (1979).
Cuadro 3.33. Calificaciones Térmicas Mensuales para el Cultivo de Maíz.
Tmáx Tmín
 43 0  19 0
41.0 – 42.9 1 18.0 – 18.9 1
39.0 – 40.9 2 17.0 – 17.9 3
37.0 – 38.9 4 16.0 – 16.9 4
34.0 – 36.9 5 14.0 – 15.9 5
32.0 – 33.9 4 13.0 – 13.9 4
29.0 – 31.9 3 12.0 – 12.9 3
26.0 – 28.9 2 9.0 – 11.9 2
23.0 – 25.9 1 <9 1
< 23.0 0
87
Temperatura
Para cultivos anuales, cuyo ciclo es menor a un año, es recomendable establecerlo en meses, antes
de iniciar el proceso. Supongamos que estamos interesados en evaluar la aptitud térmica del Maíz
en Chapingo, México, de una variedad de 150 días de duración de su ciclo, es decir 5 meses. El
procedimiento para obtener los índices térmicos es el mismo que para el caso de la piña, excepto
que ahora usaremos el Cuadro 3.33. En el Cuadro 3.34, se ilustra el proceso de generación de
índices térmicos.
Cuadro 3.34. Temperaturas Máximas y Mínimas medias del Observatorio de Chapingo, México, sus
calificaciones térmicas para la producción de Maíz e índices térmicos mensuales (IT).
Tmáx 23.8 23.0 27.5 27.4 28.4 25.2 24.5 24.5 23.4 24.7 23.9 23.8
Tmín 3.4 4.0 6.6 8.6 10.4 11.1 10.9 10.8 10.2 8.4 5.6 4.1
C(Tmáx) 1 1 2 2 2 1 1 1 1 1 1 1
C(Tmín) 1 1 1 1 2 2 2 2 2 1 1 1
IT 2 2 (3 3 [4 3 3) 3 3] 2 2 2
Una vez obtenidos los índices térmicos, se seleccionan los 5 meses continuos, que tengan los
valores más altos; que corresponden a la duración del ciclo. Para nuestro ejemplo, pueden
seleccionarse al menos dos opciones, una entre marzo y julio, y otra entre mayo y septiembre,
debido a que la mayoría de los meses del período tienen un índice con un valor de 3 y solo se
tendría que asegurar la inclusión del mes con el índice térmico de 4. En el Cuadro 3.34, en la hilera
de los índices térmicos (IT), con un paréntesis normal se indica el ciclo del maíz bajo condiciones
de riego (de marzo a julio) y con un paréntesis cuadrado, el ciclo bajo condiciones de secano (de
mayo a septiembre). Ambos períodos suman 16, valor que puede ser considerado como el índice
térmico del ciclo (ITC).
Al igual que como se indicó en el caso de la piña, el generar un sólo dato tiene poca utilidad
práctica, lo mejor es comparar localidades. Sin embargo, es importante aclarar que para los cultivos
anuales, el máximo ITC que se puede obtener es:
ITCmax = 10 x (Meses de Duración del Ciclo)
Así para el maíz en Chapingo, tendríamos:
ITCmax = 10 x (5) = 50
Con fines de comparación hemos propuesto el concepto de Eficiencia Térmica, la cual puede
calcularse con la siguiente fórmula:
 ITC 
Et    100
 ITC max 
donde:
Et = Eficiencia térmica, en %;
ITC = Índice Térmico del Ciclo, y;
88
Temperatura
ITCmax = Índice Térmico Máximo del Ciclo.
Así para el maíz en Chapingo tendríamos una Et igual a:
Et(M5M) = ( 16 / 50) x 100 = 32%
A manera de identificación se ha escrito el símbolo Et(M5M), que se puede leer como: “Eficiencia
térmica, Et, de Maíz, M, de 5 meses, 5M” .
Para aclarar, lo anterior realicemos un ejercicio en el cual estamos interesados en comparar varias
estaciones meteorológicas para la producción de maíz, suponiendo que en todas su ciclo fuera de 5
meses. Después de obtener los datos de temperaturas máximas y mínimas medias mensuales y
calificarlas con la tabla del Cuadro 3.33, se obtendrían los índices térmicos mensuales que se
Cuadro 3.35. Índices térmicos mensuales (ITm) para la producción de Maíz en cuatro
Estaciones Meteorológicas de la República Mexicana.
ITm
Estación E F M A M J J A S O N D
Chapingo, México 2 2 3 3 (4 3 3 3 3) 2 2 2
Huejotzingo, Puebla 2 2 2 (3 4 4 3 3) 3 2 2 2
Penjamo, Guanajuato 2 3 5 (8 7 6 6 6) 6 5 3 3
La Concordia, Chiapas 6 7 9 8) 5 3 4 4 4 4 7 (7
Comparativamente se puede establecer que en Penjamo y en La Concordia, existen mejores

condiciones térmicas para producir maíz que en Huejotzingo y Chapingo. Además, del Cuadro
3.35, es importante hacer notar el ciclo del maíz en La Concordia, Chis., el cual iniciaría en
Diciembre y terminaría en Abril.
Un tipo de investigación que sería muy útil, es el establecer la confiabilidad de estos índices
térmicos y el límite de Et, para diferentes especies cultivables. Por ejemplo, sí quisiéramos conocer
donde se puede establecer el Arroz, se podría definir la Et de las zonas actualmente productoras en
el país y de zonas donde se conoce que no se adapta, lo cual nos daría los puntos extremos de un
intervalo y, se tendría que buscar entre ellos el valor crítico, probablemente con un análisis
discriminante. El cual a su vez, deberá evaluarse en campo, ya sea con experimentos o experiencias
de productores.
Lo anterior es necesario, debido a que no es posible fijar un valor general y arbitrario de Et, entre
zonas aptas y no aptas. Ya que puede ser, que existan cultivos con zonas productoras que tengan
una eficiencia muy baja o muy alta, aunque siempre debe recordarse que el 100% de eficiencia es
una situación ideal. Sólo en el caso del fríjol se han encontrado valores de Et > 90%, lo más común
es obtener valores entre el 70 y 80%. Sin embargo, en estudios a nivel estatal, pueden resultar más
bajos.
89
Temperatura
Con los valores críticos se podrían hacer programas, para automatizar el proceso, ya se tienen
algunos avances. Otro aspecto igualmente importante es la cartografía, es decir, la realización de
mapas de eficiencia térmica y actuando de la misma forma que para los índices globales, se
recomienda la correlación con la temperatura media anual.
García Nieto (1988), realizó un trabajo en la Zona de Riego del Estado de Guanajuato con 4
cultivos; Maíz, Sorgo, Fríjol y Trigo. Aplicando la metodología mencionada, es decir, partió de la
información de Doorenbos y Kassam, generó las calificaciones térmicas, obtuvo las eficiencias
térmicas y generó modelos de regresión.
En las zonas de riego, como lo indica García Nieto (1988), se tiene un uso más intensivo de la
tierra, lo cual significa que cuando menos se producen dos cultivos al año y por consiguiente se
tuvo que adecuar la metodología. Expliquemos lo anterior, basándonos en dos cultivos, el sorgo de
4 meses y el trigo de 5 meses y en dos estaciones meteorológicas, Salamanca y Dr. Mora.
En el Cuadro 3.36, se presentan los valores de los índices térmicos mensuales, el ITC y la
eficiencia térmica para los cultivos y estaciones indicadas.
Cuadro 3.36. Índices Térmicos mensuales, ITC y Eficiencia Térmica para Sorgo de 4 meses y Trigo de 5
meses, en Salamanca y Dr. Mora, Guanajuato (García,1988)
Cultivo ITm Eficiencia
(Ciclo) Localidad E F M A M J J A S O N D ITC Térmica
SORGO SALAMANCA 2 2 3 5 [8 8 7 7] 7 4 2 2 30 75
(4 meses) DR. MORA 1 1 3 [5 6 5 4] 4 3 3 2 1 20 50
TRIGO SALAMANCA 6 7) 8 6 1 2 4 4 5(9 9 7 38 76
(5 meses) DR. MORA 5 6 9 7 5 (7 8 8 9 10) 6 5 42 84
Sí se tratara de analizar cultivos individuales, entonces se podría indicar que el sorgo es más apto
en Salamanca y el trigo en Dr. Mora, por sus respectivas eficiencias térmicas. Sin embargo, el
objeto de estudio lo constituye la rotación SORGO-TRIGO, teniéndose que incorporar dos
consideraciones básicas: 1) Importancia de los cultivos, y; 2) Tiempo para la preparación del
terreno entre la cosecha de un cultivo y la siembra del siguiente. Con respecto a la primera, El
Bajío se considera como zona productora de sorgo, lo que significa que el trigo sea un cultivo
secundario y en relación a la segunda, la experiencia de los productores en la zona ha demostrado
que al menos se requiere de un mes, para la preparación del terreno.
Al observar nuevamente el Cuadro 3.36, se podrá apreciar que para Salamanca, el mejor período
para el sorgo es de Mayo a Agosto y para el trigo de Octubre a Febrero, sin ningún traslape entre
los ciclos y cumpliéndose el requisito del tiempo mínimo para la preparación del terreno. Por su
parte, en Dr. Mora, se tiene que la mejor época para el sorgo es de Abril a Julio y para el trigo de
Junio a Octubre, existiendo traslape entre ellos; en este caso, siendo prioritario el sorgo, se respeta
su mejor período y se mueve el ciclo del trigo por ser secundario. De acuerdo con García (1988), el
trigo en Dr. Mora se siembra en Octubre, por lo tanto su eficiencia térmica esta condicionada por
el cultivo principal. Sí se cuantifica la eficiencia del trigo de Octubre a Febrero, resulta de 64%,
menor en un 20% que para su época óptima. Los resultados de los calendarios de la rotación sorgo-
trigo se presentan en la Figura 3.15.
90
Temperatura
Rotación SORGO – TRIGO

Eficiencia
E F M A M J J A S O N D E F M Térmica
SALAMANCA SORGO TRIGO 75.5%
DR. MORA SORGO TRIGO 57.0%
Figura 3.15. Calendario y Eficiencias Térmicas de la Rotación Sorgo-Trigo, en dos Estaciones del Estado
de Guanajuato.
El caso anterior es muy ilustrativo, en relación a que muchas veces en los estudios agroclimáticos
se tienen que incorporar aspectos económicos o políticos.
García (1988), en su trabajo reporta además modelos de regresión entre la eficiencia térmica y la
temperatura media anual, tanto para cultivos individuales como para rotaciones de cultivo. En el
Cuadro 3.37, se reportan algunas ecuaciones.
Del Cuadro 3.37, puede notarse que los modelos de regresión son cúbicos y para generarlos es
necesario contar con el auxilio de una computadora personal. También al igual que con los índices
globales, al disponer de estos modelos es posible transformar mapas de isotermas, en mapas de
isolíneas de eficiencias térmicas, tanto para cultivos individuales como para rotaciones de cultivos.
Cuadro 3.37. Relaciones entre Eficiencias Térmicas y la Temperatura Media Anual para la
producción de Sorgo, Trigo y la Rotación Sorgo-Trigo en el Estado de Guanajuato
(García,1988)
Cultivo Modelo R2 n
Sorgo Et = 2492.04 – 443.89 (T) + 26.07 (T ) – 0.49 (T )
2 3
0.91 69
Trigo Et = 107.14 – 28.49 (T) + 2.55 (T2) – 0.06 (T3) 0.73 69
Sorgo – Trigo Et = 1309.85 – 238.05 (T) + 14.42 (T2) – 0.28 (T3) 0.95 69
Otro ejemplo de índices térmicos mensuales, es el desarrollado por Neild (s/f), para la producción
de cítricos, específicamente para naranja. El objeto de incluirlo es el llamar la atención sobre este
tipo de estudios en frutales, que mucha falta hacen en nuestro país.
Al igual que en el estudio de piña, se presenta una tabla de calificaciones térmicas mensuales, sin
indicar como se genera. Dicha tabla se presenta en el Cuadro 3.38. Sin embargo, existen algunas
diferencias que serán comentadas. En primer término las temperaturas evaluadas son las medias
mensuales únicamente; pero se consideran dos períodos, el activo y el inactivo, que reflejan el
comportamiento de las especies frutales, las cuales durante una parte del año se dedican a la
producción de los frutos y en otra descansan, en el Cuadro 3.38, se menciona que para el hemisferio
norte se considera como período activo al comprendido entre los meses de Febrero a Octubre y el
inactivo de Noviembre a Enero, para el hemisferio sur son diferentes. Las calificaciones de los dos
períodos, varían de 0 a 5, para el período activo existen rangos de temperaturas para todas las
calificaciones y para el inactivo se salta la calificación del 2 inferior. Tampoco presenta gráficas
91
Temperatura
Cuadro 3.38. Calificaciones Térmicas Mensuales para la Producción de Cítricos (Neild s/f).
Período Activo Período Inactivo

Hemisferio
Norte FEB a OCT NOV a ENE
> 38.8 0 > 24.4 0
36.1 – 38.8 1 22.2 – 24.4 1
35.0 – 36.0 2 20.0 – 22.1 2
33.3 – 34.9 3 17.8 – 19.9 3
32.2 – 33.2 4 15.5 – 17.7 4
28.3 – 32.1 5 13.3 – 15.4 5
25.0 – 28.2 4 12.2 – 13.2 4
22.2 – 24.9 3 11.1 – 12.1 3
18.3 – 22.1 2 10.0 – 11.0 1
12.8 – 18.2 1 < 10.0 0
< 12.8 0
simétricas, pero no son similares a las descritas para las temperaturas máximas y temperaturas
mínimas, se recomienda su trazo para una mejor comprensión.
En el estudio Neild, reporta la suma de los índices térmicos de diferentes lugares del mundo, y por
considerarlo de interés se reproducen en el Cuadro 3.39. Indicándose que los lugares con una suma
total menor de 30 no son buenos productores de cítricos.
Cuadro 3.39. Índices Térmicos para la producción de Cítricos en diferentes Localidades (Neild, s/f)
Suma de Índices Térmicos

Lugar Período Activo Período Inactivo Total
ORLANDO, FLORIDA 27 11 38
BROWNSVILLE, TEXAS 31 11 42
PHOENIX, ARIZONA 30 8 38
LOS ANGELES, CALIFORNIA 16 13 29
PONCE, PUERTO RICO 32 2 35
VALLE JORDAN, ISRAEL 28 10 39
ARATA, GRECIA 19 9 28
EAST LONDON, SUDAFRICA 15 12 27
.
Neild, además menciona que en esa época México, como país productor, se ubicaba en 5º lugar a
nivel internacional, después de EUA, España, Japón e Italia. El país con mayor producción por
unidad de superficie era España, con 450 cajas #70/ acre y para México se reportaban 185. Las
cajas son de 70 libras, al parecer la medida internacional. Un aspecto sobresaliente, es que se
reporta que México cuenta con la naranja que tiene el grado Brix más alto (13.7), esto es, la más
dulce, seguida por la de Florida (12.5) y la de España (10.2).
92
Temperatura
En el Cuadro 3.40, se reportan las calificaciones térmicas para cuatro estaciones meteorológicas de
México. Los datos de temperaturas medias usados en este proceso, son los publicados por el
Servicio Meteorológico Nacional (2007).
Cuadro 3.40. Índices Térmicos para la producción de Cítricos en cuatro Estaciones Meteorológicas de
México, con datos de las normales 1971 - 2000.
Suma de Índices Térmicos

Estación Período Activo Período Inactivo Total
MONTEMORELOS, N.L. 32 13 45
HUIMANGUILLO, TAB. 37 2 39
POZA RICA, VER. 37 6 43
CHAPINGO, MÉX. 10 15 25
Comparando los Cuadros 3.39 y 3.40, se puede establecer que Montemorelos, N.L., sería una de las
mejores zonas del mundo para la producción de naranja. El problema actual que presenta esa zona
citrícola del país es la ocurrencia de severas heladas, sobre todo en los últimos años. Lo cual ha
originado que los productores prefieran áreas con menos riesgos, como Huimanguillo, Tab., o Poza
Rica, Ver., cuyos valores de la suma de índices térmicos son todavía muy aceptables, con respecto
a otras zonas del mundo. Para Chapingo, al tener un valor inferior a 30, como se conoce, no es una
zona productora.
La naranja en el trópico húmedo, tiene un comportamiento muy peculiar, debido a que un mismo
árbol puede producir en diferentes épocas del año. Como localmente se dice en Veracruz, para la
naranja valencia tardía, hay cosechas principales y cosechas “locas”. Conociéndose poco las causas
de este fenómeno, que es necesario estudiar por la competitividad internacional de este cultivo.
También se han realizado algunos trabajos a nivel estatal con este índice, como el de Ortiz Trejo
(1991) para el Estado de Coahuila. En el cual se relacionó a la suma total de los índices térmicos
(período activo e inactivo) con la temperatura media anual, el modelo establecido es de la forma:
SIT = - 38.0709 + 3.699(TMA)

donde:
SIT = Suma de Índices Térmicos, y
TMA = Temperatura Media Anual
con una R2 = 0.9321, para 18 estaciones. Que permite a través de transformaciones, generar mapas
de índices térmicos para la producción de cítricos.
A partir de este modelo, considerando una SIT de 30, por las razones antes expuestas, sería posible
definir la isoterma anual, a partir de la cual se podrían establecer cítricos en el Estado de Coahuila,
únicamente sería necesario un despeje. Al realizarlo se obtiene un valor de 18.4 oC.
93
Temperatura
Una forma de establecer una regla que permita definir si una zona es o no productora de un cultivo,
es a través del ANALISIS DISCRIMINANTE. Este análisis como ya se indicó imita una
clasificación pre-establecida, es decir, sí partimos del conocimiento de zonas que sean productoras
y no productoras de un cultivo, es posible definir el límite crítico entre ambas.
Un ejemplo fue desarrollado para cítricos, usando la información reportada en los Cuadros 3.39 y
3.40. Las zonas productoras se codificaron, con el número 2 y las no aptas, con el 1; Dicha
codificación representa a la variable dependiente en este análisis. Las variables independientes,
fueron las sumas de calificaciones de los periodos activo (PA) e inactivo (PI), como se reportan en
el Cuadro 3.41.
Cuadro 3.41. Variables empleadas en la Generación de la Función Discriminante para la

Producción de Cítricos en diferentes Localidades*.
Localidad Zona PA PI
México
Montemorelos, N.L. 2 32 13
Huimanguillo, Tab. 2 37 2
Poza Rica, Ver. 2 37 6
Chapingo, Méx. 1 10 15
Estados Unidos
Orlando, Florida 2 27 11
Brownsville, Texas 2 31 11
Phoenix, Arizona 2 30 8
Los Angeles, California 1 16 13
Ponce, Puerto Rico 2 33 2

Valle Jordan, Israel 2 29 10
Arata, Grecia 1 19 9
East London, Sudáfrica 1 15 12
* Codificación: 2 Zona Apta y 1 Zona no Apta
PA = Suma de calificaciones térmicas del Período Activo;
PI = Suma de calificaciones térmicas del Período Inactivo.
El procedimiento, que puede ser revisado en textos de Estadística Multivariada, consiste en generar
una función discriminante, a partir de las variables dependientes e independientes. En forma similar
a la de una regresión múltiple, para nuestro ejemplo tal función quedo como:
FD = -11.8246 + 0.377964(PA) + 0.200522(PI)
Además se generan los centroides de los grupos, es decir, a cada grupo (Apto y No Apto) se le
calcula el valor medio de la FD y promediando esos centroides se establece el límite de clase. Con
el cual finalmente se genera una regla de decisión.
Para nuestro ejemplo:
94
Temperatura
No Apta Límite Apta
Centroides: - 3.69873 - 0.92468 1.84937
Lo anterior significa que si a un lugar desconocido se le aplica la función discriminante y sí su

resultado es:
(a) FD > -0.9247, entonces la zona se declara como APTA para la producción de CITRICOS, o;
(b)FD < -0.9247, entonces la zona se declara como NO APTA para la producción de CITRICOS.
Utilizando datos de nuestro propio ejemplo para ilustrar la mecánica del procedimiento, se tendría
para:
i. Montemorelos, N.L., con una PA = 32 y PI = 13, al sustituir sus valores en la Función

Discriminante queda:
FD = -11.8246 + 0.377964(PA) + 0.200522(PI)

= -11.8246 + 0.377964(32) + 0.200522(13)
= 2.8770
como FD > -0.9247 entonces es una ZONA APTA para CITRICOS.
ii. Los Angeles, Calif., con una PA = 16 y PI = 13, al sustituir sus valores:
FD = -11.8246 + 0.377964(PA) + 0.200522(PI)

= -11.8246 + 0.377964(16) + 0.200522(13)
= -3.1704
como FD < -0.9247 entonces es una ZONA NO APTA para CITRICOS.
El problema sustancialmente continúa siendo el mismo, es decir, que hacer con frutales donde no se
disponga de calificaciones.
La forma como se planteó resolverlo fue la siguiente: Primero se reconoció que los datos originales
de la tabla de calificaciones para la naranja, estaban en o F y como todas las tablas eran enteros, por
ello al trabajar con o C, se consideró que se debería conservar esa forma. Por lo cuál, se propuso una
modificación a los valores, como se presentan en el Cuadro 3.42, antes de analizar su “lógica”.
Con los nuevos valores se obtuvieron las gráficas de las calificaciones que se presentan en la Figura
3.16.
95
Temperatura
Cuadro 3.42. Calificaciones Térmicas Mensuales modificadas para la Producción de Cítricos.

Hemisferio
 39.0 0  24.0 0
36.0 – 38.9 1 22.0 – 23.9 1
35.0 – 35.9 2 20.0 – 21.9 2
33.0 – 34.9 3 18.0 – 19.9 3
32.0 – 32.9 4 15.0 – 17.9 4
28.0 – 31.9 5 13.0 – 14.9 5
25.0 – 27.9 4 12.0 – 12.9 4
22.0 – 24.9 3 11.0 – 11.9 3
18.0 – 21.9 2 10.0 – 10.9 1
13.0 – 17.9 1 < 10.0 0
< 13.0 0
C(PA)
5
4
3
2
1
0
13 17 21 25 29 33 37 39
38
C(PI)
5
4
3
2
1
0
10 14 18 22 24
Figura 3.16. Gráficas de las Calificaciones Térmicas Mensuales modificadas para la Producción de
Cítricos.
96
Temperatura
A partir de la Figura 3.16 se analizó la “lógica” de las calificaciones. De acuerdo con Doorenbos y
Kassam (1979) Cuadro 3.22, la temperatura óptima para la producción de cítricos varía de 23 a 30
o
C y la calificación más alta para el período activo corresponde al segundo valor. Con lo anterior,
se considera que para otros frutales sin información, es posible buscar el intervalo óptimo reportado
en la literatura y seleccionar el más alto, como la primera aproximación para las calificaciones
térmicas.
A partir del valor seleccionado, es notorio que hacia la izquierda existen 17 o y hacia la derecha 9 o,
con lo que se establece que el intervalo térmico es de 26 o y que el dato correspondiente a la
calificación más alta no tiene una distribución simétrica, sino más bien asimétrica. Aumenta de
calificación a medida que se incrementa la temperatura en forma gradual y después de la
calificación más alta decrece bruscamente. Tiene todas las calificaciones a ambos lados desde el 0
hasta el 5.
El valor de la temperatura que le corresponde la calificación más alta para el período inactivo, varía
con respecto al del período activo en 16o, particularmente es 14 o, dicho valor tampoco es simétrico,
hacia la derecha existe una diferencia de 4 o y hacia la izquierda de 10 o y lo que llama la atención
es que a diferencia de otros cambia bruscamente al aumentar de valor en un principio y después del
máximo, disminuye suavemente, en el aumento inicial le falta la calificación de 2, ya que pasa de 1
a 3, llega hasta el 5 y disminuye considerando todos los valores hasta el 0.
Para asignar los valores de las calificaciones se mantienen los intervalos de temperatura para los
cítricos.
Al conservar estas reglas, es posible establecer valores de índices térmicos para otros frutales, así
por ejemplo para la Guanábana (Annona muricata) la literatura reporta, que la temperatura óptima
para su desarrollo es de 25 a 28 o C, por lo que se considera que la temperatura con la mayor
calificación para el período activo es 28 o C y para el inactivo resulta de 12 o C, al mantener los
respectivos intervalos de valores, sus calificaciones térmicas resultantes se reportan en el Cuadro
3.43.
Cuadro 3.43. Calificaciones Térmicas Mensuales propuestas para la Producción de Guanábana.

Hemisferio
o o
( C) Calificación ( C) Calificación
 37.0 0  22.0 0
34.0 – 36.9 1 20.0 – 21.9 1
33.0 – 33.9 2 18.0 – 19.9 2
31.0 – 32.9 3 16.0 – 17.9 3
30.0 – 30.9 4 13.0 – 15.9 4
26.0 – 29.9 5 11.0 – 12.9 5
23.0 – 25.9 4 10.0 – 10.9 4
20.0 – 22.9 3 9.0 – 9.9 3
16.0 – 19.9 2 8.0 – 8.9 1
11.0 – 15.9 1 < 8.0 0
< 11.0 0
97
Temperatura
Con estas calificaciones se puede iniciar a evaluar a las zonas productoras y no productoras para
generar conclusiones de su utilidad.
También aún cuando no relacionados con cultivos, existen trabajos como el de Rudnev (1980), que
califican el régimen de temperatura, con índices mensuales, para la cría de ganado bovino. De
forma muy parecida a las descritas.
Índices Térmicos Diarios
Las plantas necesitan una misma cantidad de calor para su desarrollo pleno o maduración, cuando
los demás factores climáticos y edáficos se presentan en condiciones óptimas. Esta cantidad de
calor es específica para cada cultivo y muchos investigadores a partir de Abbe en 1905, han tratado
de establecerla.
También, a través del tiempo esta cantidad de calor ha recibido diferentes nombres, como
Constante Térmica o Suma de Unidades Calor. Para evitar confusiones, en este texto los
utilizaremos como sinónimos.
Las unidades calor (UC), se calculan comúnmente por día, es decir con datos diarios, de ahí el
nombre de este tipo de índices. Los procedimientos más usados para la obtención de unidades calor
son los siguientes:
1) Método Directo
En este método se suman las temperaturas medias diarias, desde la siembra hasta la madurez del
cultivo, cuando la temperatura de un día es menor a 0 oC, no se considera dentro del cálculo. Así:
UC = ti
donde:
UC = Unidades calor de un día ; ti = Temperatura media del día i.
y la Suma de Unidades Calor (SUC) o Constante Térmica, es igual a:

n
SUC   ti
i
con i = 1,2,3,.....,n. Donde 1, es el día de la siembra y n el día de la madurez fisiológica. Así, sí se
tuviera un cultivo con un ciclo de 90 días, se sumarían 90 valores de temperatura media.
Es importante recordar que sí ti < 0 oC, entonces en el cálculo, el valor de ti se considera como
cero.
También es conveniente recordar que:

tmáx  tmín
ti 
2
Es decir, la temperatura media diaria es el promedio de la máxima y la mínima de ese día.
98
Temperatura
2) Método Residual
Este método es similar al anterior, en lo que respecta a la temperatura, ya que se considera a la

temperatura media diaria y su diferencia radica en que a la media diaria se le resta una constante,
denominada como cero biológico, c o temperatura base (tb). Esta constante en forma general se
considera que tiene un valor de 4.5 oC, el cero biológico es el valor de la temperatura al cual se
detiene la actividad biótica y de hecho varía para diferentes cultivos, por ejemplo para Alfalfa es 5
o
C, para Maíz 6 oC, para Cítricos 12 oC o para Cacao 13 oC, entre otros. Así:
UC = ti - c
ó
UC = ti - tb
donde:
UC = Unidades calor de un día ; ti = Temperatura media del día i, y;
c o tb = Cero biológico de la especie o temperatura base.
También la fórmula anterior se podría reescribir de la siguiente forma:
tmáx  tmín
UC   tb
2
y la Suma de Unidades Calor (SUC) o Constante Térmica sería igual a:

n
SUC   (ti  tb )
i
con i = 1,2,3,....,n e igual significado que en el método anterior. La fórmula nos muestra una
suma de residuales.
El método residual es, en la práctica, el más usado y existen varias modalidades, como el método
de los Días Grado de Desarrollo (DGD) y el método de los Días Grado de Desarrollo Efectivo
(DGDE). En ambos, se utiliza la fórmula:
tmáx  tmín
UC   10
2
Método de los Días Grado de Desarrollo
Este método también conocido como método base 10, es aplicable tanto a nivel diario como a nivel
mensual. Sí la temperatura mínima es menor a 10 oC entonces se considera como 10 (base 10).
Método de los Días Grado de Desarrollo Efectivo
Se le conoce también como el método 30/10, aplicable a nivel diario únicamente. Sí la temperatura
máxima es mayor de 30, entonces se le computa como 30 y sí la temperatura mínima es menor de
10 se le considera como 10.
99
Temperatura
Es importante mencionar que para todos los índices diarios, siempre su cálculo es para cada día y
los resultados son las sumas de los cálculos de los días tomados en consideración.
En la literatura agrometeorológica se han reportado algunos resultados de la aplicación de estos

índices. Por ejemplo, para el Método Directo, Defina y Ravelo (1975), reportan datos para algunas
gramíneas, como se reporta en el Cuadro 3.44.
Cuadro 3.44. Valores de la Constante Térmica por el Método Directo,

para algunas gramíneas (Defina y Ravelo, 1975)
CONSTANTE TÉRMICA
CULTIVO (Método Directo)
CEBADA 1700 d oC
TRIGO 2000
MAÍZ 2500
Datos como los reportados en el Cuadro 3.44, nos permiten explicar el porque de las diferentes
duraciones de los ciclos de un mismo cultivo. Por ejemplo, si tuviéramos una temperatura constante
durante todo el ciclo del cultivo de Maíz, de 15, para alcanzar una suma de temperaturas de 2500,
se requerirían aproximadamente 166 días. Mientras que si la temperatura fuera de 25, se necesitaría
únicamente 100 días. Es decir, a mayor temperatura menor duración del ciclo y viceversa.
Para el método residual en su versión más general, la FAO ha publicado trabajos sobre Alfalfa,
indicando que:
 (ti  5)  500  550 / corte
esto es, la alfalfa requiere acumular por el método residual entre 500 y 550 grados por corte.
Si se tuviera la información de los cultivos de mayor importancia en México, se podrían planear

los ciclos más adecuados en agricultura de riego o analizar su factibilidad en la agricultura de
secano (temporal).
Para las versiones del método residual de Días Grado de Desarrollo, los trabajos donde se usan,
comúnmente relacionan a la suma de unidades calor con etapas fenológicas codificadas.
Afortunadamente, en nuestro país se observa un gran interés en el desarrollo de este tipo de
trabajos.
Alanis Martínez (1988), en la Región Centro Oriental del Estado de Puebla, realizó una
investigación sobre Trigo y Cebada, en la cual reporta la fenología codificada para ambas especies,
como sigue:
ETAPA FENOLÓGICA CODIFICACIÓN
Emergencia 0
Plántula 1
Amacollamiento 2
Encañe 3
Embuche 4
100
Temperatura
Espígamiento 5
Antesis 6
Inicio de llenado de grano 7
Grano lechoso- masoso 8
Grano masoso 9
Madurez Fisiológica 10
En este trabajo, de hecho se usó el método directo y las sumas de unidades calor se reportan en el
Cuadro 3.45.
Los problemas más comunes a los que se enfrentaba un investigador al utilizar este tipo de índices
eran: 1) La falta de datos diarios, los cuales como una primera aproximación se pueden estimar,
como fue indicado en este mismo capítulo, o bien, en la actualidad se puede utilizar al sistema
ERIC III, buscando la estación más cercana y el año de interés, dado que reporta datos diarios y; 2)
La fecha de inicio para el computo, la cual a su vez puede analizarse tanto para una agricultura de
riego como para la de temporal (secano). Para la segunda el inicio de las lluvias es prácticamente
la fecha de interés y probablemente, el análisis que puede hacerse es el evaluar sí dentro de la
temporada de lluvias, y dentro del período libre de heladas, sí estamos en valles altos, el cultivo
bajo estudio completa las unidades calor que requiere, con lo que podremos evaluar si es o no
factible de producirlo.
Cuadro 3.45. Relación entre Suma de Unidades Calor (SUC) y Días después de la Siembra (DDS) con
las Etapas Fenológicas Codificadas (EFC) de la Cebada y el Trigo (Alanis, 1988).
CEBADA TRIGO
EFC
DDS SUC DDS SUC
0 7 119.5 8 135.5
1 14 225.8 14 227.7
2 29 476.3 30 488.0
3 38 619.8 42 686.0
4 49 795.8 56 903.8
5 59 953.7 71 1132.0
6 67 1075.7 82 1297.8
7 74 1177.7 92 1449.2
8 87 1362.5 109 1685.7
9 97 1512.5 122 1890.3
10 113 1776.1 143 2215.4
Para la agricultura de riego existen varias opciones, por ejemplo para la producción de hortalizas
donde la fecha de cosecha es un factor directamente relacionado con su precio de venta en fresco,
sería fundamental realizar estudios sobre la posibilidad de adelantar o atrasar las siembras y
conocer con la mayor certeza la fecha de cosecha. El inicio del cómputo sería la fecha de siembra o
de trasplante y Neild y Greig (1972) proponen realizar una encuesta o recabar información de las
zonas productoras del cultivo de interés, considerando a la temperatura promedio de la fecha de
siembra como el dato inicial. Su estudio realizado en los Estados Unidos se reporta el Cuadro 3.46.
Este tipo de trabajos redundaría un beneficio directo a los productores.
101
Temperatura
Cuadro 3.46. Estimación de la Temperatura Base para el computo de Unidades

Calor en Hortalizas (Neild y Greig, 1972).
No. de Temperatura (oC)

Cultivo Observaciones Media C.V.
BETABEL 14 10 5
COL (TP) 17 7 5
MELÓN 41 14 5
ZANAHORIA 21 8 6
PEPINO 26 14 4
LECHUGA (Prim) 19 5 4
HABA 12 14 5
CEBOLLA 29 5 22
JITOMATE(Prim) 36 13 4
TP= Transplante Prim= Primavera
Otro procedimiento es el generar modelos de desarrollo en función de la temperatura. Que consiste

en obtener un modelo de regresión lineal simple, entre el inverso del número de días (1/d) y la
temperatura media (T) del ciclo. Esto es:
(1/d) = b0 + b1(T)
donde, la temperatura base, Tb, para el inicio del computo, se calcula igualando la ecuación
anterior a cero y despejando a la T, como sigue:
b0 + b1(T) = 0
y
Tb = - b0/b1
Además se conoce que la suma de unidades calor con la temperatura base calculada es el inverso de
la pendiente, b1, así:
SUC = 1/b1
y
SUC = (Ti - Tb)
Por ejemplo, en un estudio se cuenta con información de tres experimentos de trigo de primavera a
los cuales se les conoce su fecha de emergencia y de madurez, y con la información de la estación
meteorológica más cercana, se les generó la temperatura media del ciclo. Los datos resultantes
fueron:
Tmedia Ciclo (d)
14.9 142
16.7 120
19.1 102
Para la generación del modelo es necesario transformar el ciclo en su inverso, 1/d, esto es:
102
Temperatura
Tmedia 1/d
14.9 0.0070
16.7 0.0083
19.1 0.0098
Es importante aclarar que este tipo de modelos de desarrollo sólo se generan con la parte lineal y
ascendente de los datos, es decir, aquellos que tengan una misma tendencia. Particularmente para
los datos de nuestro ejemplo, si se tuviera otro experimento con una Tmedia de 20 y una 1/d de
0.0090, se notaria un cambio de tendencia, porque todos los anteriores a medida que la temperatura
aumentaba también los 1/d aumentaban. Si este fuera el caso, entonces este último valor, se
eliminaría del proceso.
El modelo generado para nuestro ejemplo sería:
(1/d) = - 0.002862 + 0.00066(T)

y
Tb = - b0/b1
Tb = - (- 0.002862)/ 0.00066
Tb = 4.3
con
SUC = 1/b1
SUC = 1 / 0.00066
SUC = 1505.08
o bien:
SUC = (Ti - Tb) = (Ti - 4.3) = 1505
Que se interpretaría de la siguiente forma, el trigo de primavera comenzaría a emerger a partir de la

temperatura de 4.3 oC y para completar su ciclo requeriría una suma de unidades calor de 1505
días - grado. Es conveniente enfatizar que la SUC se obtiene restando a la temperatura media de
cada día el valor de 4.3, la Tb.
Este mismo procedimiento es empleado para analizar las etapas de desarrollo de insectos. Es
indudable que los índices térmicos son extremadamente útiles en la zonificación de cultivos y en la
generación de modelos fenológicos, sin embargo el investigador antes de aplicarlos deberá
considerar la clase fotoperíodica del cultivo que estudie. Con lo anterior queremos enfatizar el
hecho de que los índices térmicos son válidos para cultivos fotoneutros pero no para los cultivos
sensibles al fotoperíodo (de día largo o de día corto).
Para conocer sí un cultivo se relaciona con la temperatura, con el fotoperíodo o con ambos, se
puede seguir la recomendación de Summerfield, et al.(1988), que consiste en generar los modelos:
(1/f) = a + b (T)
(1/f) = b0 + b1 (DL)
103
Temperatura
(1/f) = ao + a1 (T) + a2 (DL)

donde:
f = Número de días a floración;
T = Temperatura media del período;
DL = Duración promedio del día del período.
Una ilustración a lo anterior, es el trabajo de Ascencio (1988), con soya en el Sur de Tamaulipas,
cuyos datos correspondientes a 16 experimentos con la variedad Jupiter se reportan en el Cuadro
3.47.
Es conveniente aclarar, que la fecha de siembra de la soya en el sur de Tamaulipas ocurre en el mes
de Julio, razón por la cual las Horas Luz de la Fecha de Siembra (HLFS) son un buen sustituto de la
Duración Promedio del Día (DL), debido a que el fotoperíodo después de esa fecha siempre estará
en descenso y HLFS tendrá la misma tendencia que la DL.
Cuadro 3.47. Días a Floración (f), Temperatura media (T) y Horas Luz en la Fecha de
Siembra para 16 Experimentos de Soya, Variedad Júpiter en el Sur de
Tamaulipas (Ascencio, 1988).
EXP. DÍAS A T
No. FLORACIÓN (f) media HLFS
1 75 27.3 13.415
2 68 27.5 13.532
3 55 27.5 13.507
4 55 27.9 13.421
5 55 28.2 13.390
6 51 28.8 13.305
7 49 27.4 13.293
8 52 28.6 13.256
9 50 28.2 13.208
10 50 26.9 13.164
11 47 27.5 12.935
12 49 27.8 12.916
13 48 26.7 12.916
14 44 26.3 12.589
15 43 26.3 12.589
16 40 27.4 12.530
Al generar los modelos del inverso de los días a la floración con la temperatura y las HLFS, se
tuvieron los resultados siguientes:
(1/f) = 0.0545 - 0.00126 (T)

con: r = -0.3181, y
(1/f) = 0.1174 - 0.0074 (HLFS)

con: r = - 0.8579.
104
Temperatura
Resultando evidente, la mayor significación de las horas luz sobre la temperatura. Cuando un
cultivo es fotosensible, como la soya, su ciclo no puede modificarse porque sus etapas fenológicas,
y sobretodo la floración, depende de la duración del día. Por el contrario sí el cultivo es fotoneutro,
entonces sí es posible la modificación de fechas.
3.7. Horas Frío
Coville (1920) señalaba la acción favorable de las bajas temperaturas durante el período de
descanso de ciertas especies arbóreas y arbustivas. Específicamente, podemos indicar que las
temperaturas del invierno ejercen una influencia significativa en el ciclo posterior.
Nightingale y Blake (1934) determinaron que 7 oC era la temperatura mínima para el crecimiento
de ramitas del duraznero y del manzano.
A partir de los trabajos mencionados se generó el concepto de Horas Frío, definiéndose como el
número de horas con temperaturas inferiores a 7 oC.
Surgiendo además un gran interés por estudiar a frutales de zonas templadas y reportándose en la
literatura una gran cantidad de resultados sobre los requerimientos de horas frío, un ejemplo se
muestra en el Cuadro 3.48.
Cuadro 3.48. Requerimientos de Horas Frío de diferentes especies

Frutícolas (DeFina y Ravelo, 1975).
Frutal No. de Horas Frío

Manzano 900 – 1000
Peral 800 – 900
Durazno 600
Ciruelo europeo 500
Japonés 400
Cerezo 200 – 300
Almendro 200 - 300
El problema fundamental para el cálculo de horas frío en una región es la disponibilidad de

termógrafos, es decir, aparatos que grafiquen a la temperatura.
Este dato es escaso en nuestro medio y por ahora se ha intentado estimarlas a partir de fórmulas. Al
respecto Romo (1982), indica que “el método de Da Mota promediado con el método de
Weinberger, es lo que ha dado los mejores resultados para México”. También ahora es posible
estimar a la temperatura horaria, en especial con el método de Lynvill y hacer cómputos más
cercanos a la realidad.
El método de Da Mota calcula el número de horas frío mensuales (NHFm) a través de:
105
Temperatura
NHFm = 485.1 - 28.52 (Tm)

donde:
Tm = temperatura media mensual
Este procedimiento sólo es aplicable para los meses de Noviembre, Diciembre, Enero y Febrero.
Además sí Tm > 17, los resultados de la fórmula resultan negativos, lo cual se interpreta como que
no existen horas frío para ese mes.
Los datos reportados en el Cuadro 3.48, se refieren a horas frío totales (NHFT), que para obtenerlas
con este método tendrán que sumarse los resultados mensuales, esto es:
NHFT = NHFNov + NHFDic + NHFEne + NHFFeb
Por su parte el método de Weinberger, a diferencia del anterior, calcula directamente el NHFT con
la fórmula:
NHFT = 2170.44 - 132.79 (TD-E)

donde:
TD-E = Temperatura promedio de los meses de Diciembre y
Enero, o sea
TD-E = (TDic + TEne) /2
Al aplicar ambos procedimientos en Chapingo, México, se tendría:
Método de Da Mota:
Primero se obtienen los datos de temperatura media;
N D E F
Tm 14.8 13.9 13.6 13.5
Para cada mes se aplica la fórmula:
NHFm = 485.1 - 28.52 (Tm)

sustituyendo a Tm, nos queda:
N D E F
NHFm 63.0 88.7 97.2 100.1
y
NHFT = 63.0 + 88.7 + 97.2 + 100.1
NHFT = 349.0
Método de Weinberger
Los datos requeridos son:
106
Temperatura
D E
Tm 13.9 13.6
con los cuales:

TD-E = (13.9 + 13.6) /2
TD-E = 13.8
y
NHFT = 2170.44 - 132.79 (13.8)
NHFT = 337.9
y con la recomendación de Romo (1982), resulta:
NHFT = (349.0 + 337.9) / 2

NHFT = 343.5
Sí el Cuadro 3.48 fuera válido para nuestro país, entonces se diría que en Chapingo casi se cumplen
los requerimientos de horas frío para Cerezo y Almendro, pero no para Ciruelo, Durazno, Pera y
Manzana.
También existe literatura de autores nacionales que reportan las horas frío necesarias a nivel de
especie frutícola, un ejemplo se reporta en el Cuadro 3.49, para el Manzano.
Cuadro 3. 49. Requerimientos de Horas Frío para Variedades

de Manzano (Calderón, 1977)
VARIEDAD HORAS FRÍO
Rome Beauty 1000 – 1300

Golden Delicious 800 – 1000
Red Delicious 700 – 800
Rayada 600 – 700
Winter Banana 500 - 600
A partir del Cuadro 3.49, también se podría establecer que en Chapingo no es posible producir
manzanos ni de la variedad Winter Banana. Un sitio cercano a Chapingo donde existen frutales,
huertas de manzanos, es San Miguel Tlaixpan, que con el método de DaMota tiene 500.2 horas frío
y con el de Winberger de 550.8, alcanzando en promedio 525.5 horas frío.
Con la finalidad de generar mapas de Horas Frío se ha aplicado el procedimiento de Romo a nivel
estatal y correlacionado el NHFT con la altura (ALT) y con la temperatura media anual (TMA), sí
la primera es satisfactoria, entonces un mapa topográfico puede convertirse en un mapa de NHF T y
sí la mejor correlación es con la TMA, el mapa de isotermas es el que se emplea con la misma
finalidad.
Un ejemplo, fue desarrollado por el estudiante Rodríguez Gómez (1987), trabajando con 16
estaciones del Estado de Zacatecas, cuyos resultados fueron:
107
Temperatura
NHFT = 452.56 + 0.0817 (ALT) con una r = 0.3971 y
NHFT = 2292.64 - 103.93 (TMA) con una r = -0.9288
lo cual indica que es posible transformar el mapa de isotermas anuales a un mapa de horas frío y a
través de esta transformación seleccionar áreas para la producción de frutales.
Como se ha indicando para otros temas, es conveniente sugerir la necesidad de realizar

investigaciones sobre horas frío evaluando los modelos de Da Mota y de Weinberger, o utilizar
estimaciones de temperaturas horarias para que, probablemente, den origen a otros modelos de
aplicación regional y una vez generados, emplearlos en zonificaciones que tendrán su validez con
resultados experimentales o con información de campo proporcionada por productores.
3.8. Período Libre de Heladas
En los Valles Altos de nuestro país uno de los problemas más significativos para la producción
agrícola es la presencia de heladas. Siendo muy relevante el establecimiento del período libre de
heladas (PLH), para determinar los cultivos que pueden adaptarse.
Una helada desde el punto de vista meteorológico, se presenta cuando la temperatura desciende a
valores iguales o menores de 0 oC, registrada en un termómetro de mínima en una garita
meteorológica. Pero desde una perspectiva agrometeorológica la definición de una helada cambia,
al considerarla como el descenso de temperatura que causa daños a los cultivos cuando estos se
encuentran en actividad o crecimiento (Arteaga, 1986).
En el Cuadro 3.50 se presenta la sensibilidad a las heladas de cultivos específicos de acuerdo a

Doorenbos y Kassam (1979).
Método de Thom
Existen varios procedimientos para determinar el período libre de heladas (PLH), el más preciso es
el método de Thom (1959), que consiste en ajustar los datos de las fechas de la última y primera
helada a una distribución normal y a partir de una probabilidad prefijada, generalmente del 80%, se
establecen las fechas de ocurrencia.
Antes de explicar detalladamente el método de Thom, es conveniente aclarar los conceptos de

última y primera helada, las heladas se concentran en nuestro medio en el invierno, es decir, hacia
finales de año, iniciándose en el segundo semestre y terminando en el año siguiente. Sí
analizáramos un período de heladas, este se iniciaría con la primera, después su número iría en
aumento hasta un máximo y posteriormente disminuiría hasta ocurrir la última helada. El período
libre de heladas por su parte ocurre entre dos períodos de heladas y por tal motivo se define como
el período comprendido entre la última helada del período de heladas anterior y la primera helada
del período siguiente.
108
Temperatura
Cuadro 3.50. Sensibilidad a las Heladas de Cultivos Específicos

(Doorenbos y Kassam, 1979)
SENSIBILIDAD A LAS HELADAS Y OTRAS

CULTIVO CARACTERÍSTICAS TÉRMICAS
ALFALFA Sensible
ALGODÓN Sensible
ARROZ Sensible
CACAHUATE Sensible
CALABAZA Períodos cortos con heladas severas (- 10 oC) no
son dañinas.
CAÑA DE AZÚCAR Sólo tolera heladas ligeras.
CARTAMO Tolerante
CAUCHO Sensible
CEBOLLA Tolerante
CÍTRICOS Sensible, menos en la época de dormancia.
CHICHARO Ligera tolerancia cuando joven.
CHILE Sensible
FRÍJOL Sensible
GIRASOL Sensible
MAÍZ Sensible
OLIVO Sensible, menos en la época de dormancia. Requiere
temperaturas invernales bajas (< 10 oC) para
iniciación de brotes florales.
PALMA DE ACEITE Sensible
PAPA Sensible
PIÑA Sensible
PLATANO Sensible. Temperaturas < 8 oC por períodos largos,
causan serios daños.
REMOLACHA Tolerante a heladas nocturnas.
SANDIA Sensible
SORGO Sensible
SOYA Sensible
TABACO Sensible
TOMATE Sensible
TRIGO Primavera: Sensible
Verano: Resistente en la época de dormancia.
VID Resistente durante la dormancia, debajo de – 18 oC,
pero sensible durante el crecimiento.
Sí deseáramos establecer el período libre de heladas en Chapingo, México, en primer lugar

necesitamos obtener las fechas de ocurrencia de la última (en los primeros meses del año) y de la
primera helada (en los últimos meses del año), codificando sus valores, comúnmente se emplean a
los días julianos, como se muestra en el Cuadro 3.51.
Como se asume una Distribución Normal, se obtiene el valor de la media () y de la desviación
estandar (), para cada fecha a partir de los datos codificados. Así, resulta que:
Última Helada Primera Helada
Media () 47.12 315.32

Desviación Estandar() 26.23 31.43
109
Temperatura
Cuadro 3.51. Fechas y Codificaciones de la Primera y Ultima Helada en Chapingo,

México, Período 1961-1988.
Fecha de la Fecha de la
Año Última Helada Codificación Primera Helada Codificación
1961 10/Marzo 69 20/Octubre 293
1962 6/Marzo 65 1/Noviembre 305
1963 20/Febrero 51 11/Noviembre 315
1964 2/Enero 2 7/Octubre 280
1965 26/Febrero 57 19/Octubre 292
1967 29/Marzo 88 19/Octubre 292
1968 24/Marzo 83 28/Octubre 301
1969 15/Marzo 74
1972 24/Febrero 55 22/Diciembre 356
1974 3/Marzo 62 8/Septiembre 251
1975 25/Febrero 56 21/Septiembre 264
1976 26/Febrero 59 No Hubo 365
1977 10/Enero 10 26/Noviembre 330
1978
1979 15/Enero 15 30/Septiembre 273
1981 15/Noviembre 319
1982 No Hubo 0 6/Noviembre 310
1983 27/Febrero 58
1984 2/Enero 2 11/Diciembre 345
1985 8/Enero 8 No Hubo 365
1986 24/Marzo 83 No Hubo 365
1988 29/Enero 29 No Hubo 365
Recurriendo a la fórmula:
x
Z 

despejando a la x, tenemos:
x = Z* + 
recuérdese que Z, se obtiene de tablas y su valor para un 80% de probabilidad es 0.84 y para
nuestro ejemplo, podemos apoyarnos en las siguientes figuras:
110
Temperatura
20 %
80% 80%
Z = + 0.84 Z = - 0.84
con lo que:
x1 = (0.84)(26.23) + 47.12 x2 = (-0.84)(31.43) + 315.32
= 69.15 = 288.92
para concluir es necesario aproximar los resultados a un valor entero, para la última helada es el
entero siguiente y para la primera helada es el entero anterior. Quedando:
ULTIMA HELADA = 70 y PRIMERA HELADA = 288
al convertir esos días julianos a días del calendario resulta que el período libre de heladas en
Chapingo, México esta comprendido entre el 11 de Marzo y el 15 de Octubre, con una duración de
218 días.
Método de Papadakis
Otro método que por su sencillez puede ser fácilmente implementado, son los Períodos Libres de
Heladas propuestos por Papadakis (1970). Que se basan en el dato de la temperatura promedio
de las más bajas, a nivel mensual. Es decir, el promedio de la temperatura mínima extrema
mensual, registrada en una serie de años. Particularmente, en nuestro país ese dato no se reporta y
como en casos anteriores, se ha buscado la manera de estimarlo.
El valor real se obtiene a partir de datos diarios de TMIN en series de años, como los que se reportan
en el Extractor Rápido de datos Climáticos en su versión 3 (ERIC III), generando el valor menor
por cada mes y cada año y con ellos se obtienen sus promedios por mes. Sin embargo, en ocasiones
solo se dispone de datos mensuales de TMIN y para esos casos se generó un modelo a partir de 11
estaciones, con un total de 132 datos (11 estaciones x 12 meses = 132), cuya grafica se presenta en
la Figura 3.17.
111
Temperatura
20
15
10
5
TPB
0
-10 -5 0 5 10 15 20
-5
-10
-15
TMIN
Figura 3.17. Relación entre la Temperatura Mínima Mensual (TMIN) y la Temperatura Promedio de las más
Bajas (TPB) para 132 datos.
Cuyo modelo de regresión lineal fue:
TPB = 1.1093 (TMIN) – 4.8788
Con una R2 = 0.9161.
En el Cuadro 3.52 se muestran los resultados de esta propuesta comparados con los datos reales del
período 1961-1988 del observatorio Chapingo, México.
Cuadro 3.52. Datos Estimados y Reales de la Temperatura Promedio de las más Bajas (TPB) para el
Observatorio Chapingo, México; Período 1961-1988
TMIN 2.5 3.6 6.1 8.3 9.8 10.9 10.5 10.3 10.1 7.4 4.6 3.4
TPB
est. -2.1 -0.9 1.9 4.3 6.0 7.2 6.8 6.5 6.3 3.3 0.2 -1.1
real -2.2 -1.6 1.3 3.6 5.6 6.7 7.1 6.5 5.5 2.2 -0.5 -1.1
Siguiendo el mismo procedimiento, en el Cuadro 3.53 se reportan los datos estimados y reales de la
temperatura promedio de las más bajas para el observatorio de Toluca, México.
En el trabajo de Papadakis (1970), se describen tres tipos de Períodos Libres de Heladas (PLH), los
cuales son:
1) PLH promedio. Considerado como el tiempo donde la TPB es mayor a 0 oC;

2) PLH disponible. Considerado como el tiempo donde la TPB es mayor a 2 oC, y;
112
Temperatura
Cuadro 3.53. Datos Estimados y Reales de la Temperatura Promedio de las más Bajas (TPB) para el
Observatorio Toluca, México; Período 1961-1992
TPB
est. -3.3 -2.0 0.2 2.4 4.1 5.4 4.7 4.6 4.6 2.3 -0.8 -2.2
real -1.9 -1.1 1.0 3.6 5.3 6.2 6.0 6.1 5.1 2.7 -0.4 -1.1
3) PLH mínimo. Considerado como el tiempo donde la TPB es mayor a 7 oC;
Para establecer los PLHs con el método de Papadakis, se grafica a la TPB contra los meses y se
trazan tres líneas paralelas al eje de las abscisas, una con TPB = 0, otra TPB = 2 y una más con
TPB = 7, y a partir de los puntos de intersección con la curva de temperaturas, se genera la
duración de los PLHs, que se reportan en meses y décimos de mes.
En la Figura 3.18 se ilustra el caso del observatorio Chapingo, México.
8.0
6.0
4.0
TPB
2.0
0.0
0 2 4 6 8 10 12 14
-2.0
-4.0
MESES
Figura .3.18. Períodos Libres de Heladas con el Método de Papadakis, para el Observatorio de
Chapingo, México.
También se puede generar en forma cuantitativa las fechas de inicio y terminación del PLH,
codificando los meses con valores del 1 al 12, y seleccionando las parejas de datos entre los cuales
ocurre la fecha deseada, se obtiene la ecuación de la recta entre esos dos puntos y se sustituye el
valor de la TPB correspondiente, 0, 2 o 7. Este proceso se repite dos veces, uno para el inicio y otro
para el término del PLH de interés. Finalmente se restan los valores obtenidos, para establecer la
duración del PLH.
113
Temperatura
Usando, como ejemplo los valores estimados de TPB, para Chapingo, México tendríamos:
Mes Codificado 1 2 3 4 5 6 7 8 9 10 11 12
TPB: -2.1 -0.9 1.9 4.3 6.0 7.2 6.8 6.5 6.3 3.3 0.2 -1.1
Sí deseáramos generar el PLH promedio (TPB > 0), entonces se seleccionarían los meses de Febrero
y Marzo para el inicio y de Noviembre y Diciembre para el final del PLH. Con los cuales se
generarían las dos ecuaciones siguientes:
INICIO: Febrero (2, -0.9) y Marzo (3, 1.9)

TPB = 2.8 x - 6.5
TERMINACION: Noviembre (11,0.2) y Diciembre (12, -1.1)

TPB = 14.5 - 1.3 x
Sustituyendo el valor de TPB = 0, en la ecuación del inicio tenemos:
TPB = 2.8 x - 6.5

0 = 2.8 x - 6.5
y
x = 2.32
Para la ecuación de terminación:
TPB = 14.5 - 1.3 x

0 = 14.5 - 1.3 x
y
x = 11.15
Con los que:
PLH promedio = 11.15 - 2.32 = 8.83 meses
Para generar el PLH disponible (TPB > 2), se seleccionarían los meses de Marzo y Abril para el
inicio y Octubre y Noviembre para el final del PLH. Con las dos ecuaciones siguientes:
INICIO: Marzo (3, 1.9) y Abril (4, 4.3)

TPB = 2.4 x - 5.3
TERMINACION: Octubre (10,3.3) y Noviembre (11, 0.2)

TPB = 34.3 - 3.1 x
Sustituyendo el valor de TPB = 2, en la ecuación del inicio tenemos:
TPB = 2.4 x - 5.3

2 = 2.4 x - 5.3
y
x = 3.04
Para la ecuación de terminación:
114
Temperatura
TPB = 34.3 - 3.1 x

2 = 34.3 - 3.1 x
y
x = 10.42
Con los que:
PLH disponible = 10.42 - 3.04 = 7.38 meses
Al existir solo un mes con una TPB mayor a 7 oC, el PLH mínimo, con el mismo procedimiento es:
PLH mínimo = 6.50 – 5.83 = 0.67 meses
De acuerdo con Papadakis (1970), estos diferentes PLH se relacionan con la adaptación de cultivos,
razón por la cual es muy recomendable su análisis bajo las condiciones de nuestro medio, para
aconsejar ampliamente su uso.
115
Precipitación
CAPITULO 4
PRECIPITACIÓN
4.1. Generalidades
En las estadísticas meteorológicas es frecuente agrupar sin ninguna distinción al agua recogida en
forma de lluvia, granizo y nieve, con el nombre genérico de precipitación.
Aquí nos referiremos a la precipitación como sinónimo de la lluvia. La cantidad de lluvia se

expresa como la altura de una capa de agua que se forma sobre un suelo completamente horizontal
e impermeable, suponiendo que sobre dicha capa no se produce ninguna evaporación.
La medición de la altura se expresa en milímetros y décimos de milímetro. Para los estudios de

irrigación es importante recordar que 1 mm de precipitación en una ha, equivale a 10 m3 de agua.
La lluvia se mide con pluviómetros y es una variable que no puede estimarse con otras variables
meteorológicas, debido a que varía en el espacio y en el tiempo.
4.2. Distribución de la Lluvia
Nivel Mundial
Los extremos absolutos de la cantidad de lluvia sobre nuestro planeta son: de 0.8 mm/año en Arica,
Chile, hasta 11,685.0 mm/año en Mawsynram, India, estos extremos junto con otros ejemplos se
presentan en el Cuadro 4.1. Lo cual muestra que la distribución de la lluvia a nivel mundial es muy
irregular. Sin embargo, esa aparente complejidad, se explica con el análisis de los 4 factores
siguientes: 1) Latitud; 2) Dirección de los vientos dominantes; 3) Distancia al mar, y; 4) Orografía
o Relieve.
Holy (1973) reportó datos sobre la precipitación anual para diferentes latitudes y hemisferios, como
se muestra en el Cuadro 4.2. Donde se aprecia en forma general que a medida que la latitud
aumenta, la precipitación disminuye.
Cuadro 4.1. Valores Extremos de Precipitación Total Anual en mm/año, para diferentes localidades
(NCDC, 2005)
P anual
LOCALIDAD (mm)
Mawsynram, India 11685.0
Monte Waialeale, Hawai 11500.0
Bellenden Ker, Queensland, Australia 8500.0
Bataques, Mexicali, México 30.0

Amundsen, Estación Scout, Polo Sur 20.0
Arica, Chile 0.8
116
Precipitación
Cuadro 4.2. Distribución de la Precipitación (mm/año) en función de la Latitud

(Holy, 1973)
HEMISFERIO
LATITUD NORTE SUR
0 – 10O 1857 1441
10 – 20O 1138 1161
20 – 30O 814 860
30 – 40O 886 934
40 – 50O 912 1026
50 – 60O 761 1066
60 – 70O 417 459
70 – 80O 194 85
80 – 90O 113 18
Para explicar lo anterior en forma simple, se muestra conjuntamente el efecto de la latitud y la

dirección de los vientos dominantes, en la Figura 4.1 se ilustra la dirección de los vientos
dominantes. Al observar dicha Figura, es notorio que en el ecuador existe una especie de choque de
vientos, que provoca una circulación como la que se ilustra en la Figura 4.2, que genera alrededor
del ecuador una zona de baja presión, es decir, una fuerza ascendente, que ayuda a la elevación del
vapor de agua, provocando una gran nubosidad y una alta precipitación. Una condición similar
ocurre alrededor de los 60o de latitud. A los 30o de latitud, existe el efecto contrario, es decir, la
circulación provoca una fuerza descendente, que impide la formación de nubes y por lo tanto de
precipitación. Esta zona es considerada de alta presión y es donde se ubican la mayoría de los
desiertos en el mundo.
60o
30o
0o
30o
60o
Figura 4.1. Dirección de los Vientos Dominantes
117
Precipitación
ALTA BAJA
BAJA
60o 30o 0o 30o
Figura 4.2. Zonas de Alta y Baja Presión.
La distancia al mar influye debido a que la mayor parte de las aguas de lluvia provienen de los
mares. Los vientos marinos van descargando su humedad a medida que se internan en los
continentes.
El relieve por su parte actúa de la siguiente forma; cuando los vientos dominantes en una región
chocan con una cadena montañosa, son obligados a elevarse y como toda masa de aire que aumenta
de altura disminuye su temperatura, se provoca la formación de nubes y la precipitación. Lo
anterior se ilustra en la Figura 4.3.
Golfo
Cd. Serdán Pico de Veracruz
Orizaba
Figura 4.3. Influencia del Relieve sobre la Precipitación.
Nivel Nacional
En México, la distribución de la precipitación media anual para el período 1941 – 2002 de acuerdo
con la CNA (2005), se presenta en la Figura 4.4, y con base a las Estaciones Normales del período
118
Precipitación
Figura 4.4. Distribución de la Precipitación Promedio Anual en México, correspondiente al período

1941 – 2002 (CNA, 2005).
1971 – 2000 (SMN, 2007), es posible indicar que la precipitación varía de 48.7 mm/año en la
Colonia Zacatecas, Mexicali, Baja California a 4,612.7 mm/año en San José Tenango, Oaxaca.
Cabe mencionar que es conocido que en algunos lugares entre Chihuahua y Coahuila y en Sonora,
existen precipitaciones menores a la indicada, sin embargo, no se tienen estaciones meteorológicas
que registren tal información.
La distribución mensual de la precipitación en estas estaciones extremas, se reportan en el Cuadro

4.3. En nuestro país la mayoría de las estaciones meteorológicas cuentan con pluviómetros, pero
no con pluviógrafos, es decir, es posible conocer la cantidad y distribución de la lluvia, pero
desconocemos su intensidad, reportada en mm/h. Lo más cercano sería la precipitación máxima
diaria y sólo en los 73 Observatorios se reporta la precipitación máxima en 24 h y en 1 h. En San
José Tenango la precipitación máxima en un día fue de 352 mm, el 20 de Junio de 1973 y para el
observatorio de Coatzacoalcos, Veracruz, que es el que reporta la mayor precipitación anual, de
2577.1 mm, la precipitación máxima en una hora es de 81.3 mm.
Otros datos poco conocidos son la velocidad de caída de las gotas de lluvia y su diámetro. Lo cual
restringe el uso de metodologías en nuestro medio, que involucren ese tipo de parámetros.
119
Precipitación
Cuadro 4.3. Valores Mensuales de la Precipitación (mm) en dos Estaciones de la

República Mexicana.
ESTACIÓN
MES COL. ZACATECAS S. J. TENANGO
ENERO 1.7 212.1
FEBRERO 8.9 173.5
MARZO 0.8 106.1
ABRIL 0.4 102.3
MAYO 0.1 215.6
JUNIO 0.0 524.1
JULIO 3.5 723.4
AGOSTO 9.5 818.4
SEPTIEMBRE 7.3 793.4
OCTUBRE 5.7 475.3
NOVIEMBRE 0.7 264.8
DICIEMBRE 10.1 203.7
ANUAL 48.7 4612.7
Respecto a la distribución mensual de la lluvia, es posible indicar que en México es modal y

bimodal, como los ejemplos que se ilustran en la Figura 4.5.
CHAPINGO S. J. TENANGO
140
1000
120
100 800
P (mm)
P (mm)
80 600
60
400
40
20 200
0
0
0 5 10 15
0 5 10 15
MES
MES
P ANUAL = 604.3 mm P ANUAL = 4612.7 mm
PACHUCA TONALAPA
70 180
60 160
140
50
120
P (mm)
P (mm)
40 100
30 80
60
20
40
10 20
0 0
0 5 10 15 0 2 4 6 8 10 12 14
MES MES
P ANUAL = 362.3 mm P ANUAL = 739.6 mm
Figura 4.5. Ejemplos de la Distribución Modal y Bimodal de la Precipitación en México.
120
Precipitación
4.3. La Precipitación y la Erosión Hídrica
Uno de los problemas más significativos de la degradación de los suelos en México es la erosión
hídrica. La erosión se define como el desprendimiento y arrastre acelerado de partículas del suelo,
causados por el agua o el viento. En relación a la erosión hídrica teóricamente se le considera
como:
Erosión = f (erosividad, erodabilidad)
La erosividad es la capacidad potencial de la lluvia para causar erosión y la erodabilidad es la

susceptibilidad del suelo a erosionarse.
Wischmeier (1972) estableció una ecuación conocida como, la ecuación universal de pérdidas de
suelo, de la forma:
A = R x K x LS x C x P
donde:
A = Erosión hídrica, ton/ha;
R = Factor de erosividad, basado en la intensidad
de la lluvia (mm/hr);
K = Erodabilidad del suelo, basado en datos de materia
orgánica, permeabilidad, estructura y textura;
LS = Factor de pendiente;
C = Factor de cultivo, y;
P = Factor de la práctica de conservación del
suelo.
En el pasado, se mencionaba que al calcularse el factor R (también conocido como EI30) de esta
ecuación con datos de intensidad de lluvia, provocaba que su aplicación fuera muy restringida, sin
embargo, actualmente existen trabajos que hacen posible su uso a mayor escala, como se explicara
posteriormente.
Esta situación provocó que se propusieran otras metodologías diferentes a la de Wischmeier (1972),
como la de la FAO (1979) “Provisional Methodology of Soil Degradation Assessment”, en donde
con la precipitación se establecía un índice de agresividad de la lluvia (R1), incorrectamente
denominado como índice de Fournier modificado.
Índice de Fournier
Antes de mencionar al índice de la FAO, es interesante describir el trabajo original de Fournier

(1960) denominado Climat et Erosion, por su carácter didáctico.
Ante la escasez de datos sobre erosión a nivel mundial, Fournier (1960), estableció por cuencas
fluviales una nueva variable, que la imitara a la que denominó Degradación Específica (DS), en
ton/km2/año, la cual se refiere a la cantidad de sedimentos que salen anualmente de una cuenca.
121
Precipitación
Esta nueva variable se consideró como la dependiente, siendo obtenida para 96 cuencas en
diferentes partes del mundo, a México le correspondió la cuenca del Río San Juan, ubicado en el
Estado de Tamaulipas.
Primero se efectuó una homogenización de cuencas, agrupándolas de acuerdo al Sistema Climático

de Köppen y como variables independientes se consideró a:
1) P, Precipitación media anual, en mm;

2) P/n, donde n es el número de días lluviosos al año;
3) S/P, donde S es la precipitación de la estación (primavera, verano, otoño o invierno)
de máxima pluviometría, en mm;
2
4) S /P;
5) /P, donde  es la precipitación de los tres meses más lluviosos, en mm;
6) 2 /P;
7) p/P, donde p es la precipitación del mes más lluvioso, en mm, y;
8) p2 /P.
La relación entre DS y cada una de estas variables fue estudiada en forma gráfica, para valores
normales y logarítmicos. De todas ellas, la que mostró mayor correspondencia fue la última, sin
llegar a ser estadísticamente significativa.
A pesar de esta falta aparente de ajuste, Fournier introdujo otra variable, el Coeficiente Orográfico,
H  tan 
donde H era la altitud media de la cuenca y tan la pendiente media de la cuenca. Obteniendo
finalmente el modelo:
Log DS = 2.65 Log (p2 /P) + 0.46 Log ( H * tan) - 1.56
Que resultó altamente significativo.
En el trabajo de Fournier existen tres situaciones que son muy significativas para quienes tratan de
realizar investigaciones: La primera es que ante la ausencia de datos de un fenómeno, propone una
variable que los imite; La segunda es el método de trabajo que va de lo general a lo particular, y;
La tercera es que al no encontrar una relación entre las variables bajo estudio, aumenta su ámbito
de análisis a otras variables.
Lo anterior nos ha servido como una guía, debido a que en muchas ocasiones al tratar de establecer
relaciones entre diferentes variables, los resultados no han sido satisfactorios, resultando alentador
que personajes de reconocido prestigio internacional pasen por las mismas situaciones, pero la gran
diferencia es que en lugar de abandonar su propósito, continúan en esa línea de trabajo. Esperamos
que como con nosotros ha sucedido, estos comentarios sirvan para motivar a los jóvenes
investigadores de nuestro país en la búsqueda de nuevos conocimientos.
122
Precipitación
Índice de Agresividad de la Lluvia
Arnoldus (1977), trabajando en África encontró una relación entre pi2 / P y el valor de R (o EI30)
de la ecuación de Wischmeier con una correlación de 0.80.
Este resultado fue incorporado por la FAO (1979), dentro de su propuesta metodológica para
estimar a la erosión hídrica en países en vías de desarrollo. Denominándolo índice de agresividad
de la lluvia (R1), así:
12 2
p i
R1  i
donde:
R1 = Índice de Agresividad de la Lluvia;
pi = Precipitación Mensual, mm;
P = Precipitación Anual, mm.
Este índice en su época, ofreció una alternativa interesante, para áreas donde se carecía de
información sobre la intensidad de lluvia. Inclusive, existía una clasificación para sus valores, como
sigue:
R1 : 0-50 50-500 500-1000 > 1000

CLASE: Ligera Moderada Alta Muy Alta
Generándose un mapa de erosividad de la lluvia para la República Mexicana, como se muestra en

la Figura 4.6.
De igual forma como se ha mencionado en otros temas, es necesario probar la bondad de este
índice antes de recomendar su uso. Ortiz y Anaya (1984) con información de 15 estaciones
pluviográficas de la Cuenca del Río Texcoco, México, trataron de comprobar la relación
encontrada por Arnoldus en África, es decir entre  p2 /P y el valor de R (EI30, más propiamente)
de Wischmeier, sus resultados mostraron una correlación muy baja (r = -0.24). Sin embargo, esto es
tan sólo una evidencia, que tendrá que repetirse en diferentes localidades para obtener una
conclusión general.
Estimación del EI30
Uno de los trabajos más significativos sobre este tema, es el realizado por Cortes Torres (1991),
denominado “Caracterización de la Erosividad de la Lluvia en México”, quien estudio los
pluviogramas de 53 estaciones meteorológicas, distribuidas por Estados de la siguiente forma:
Aguascalientes, 1; Baja California Sur, 4; Chiapas, 3; Coahuila, 3; Colima, 1; Distrito Federal, 1;

Durango, 2; Guanajuato, 2; Guerrero, 2; Hidalgo, 2; Jalisco, 4; México, 1; Michoacán, 1;
Morelos, 1; Nayarit, 1; Nuevo León, 1; Oaxaca, 2; Puebla, 1; San Luis Potosí, 3; Sinaloa, 3;
Sonora, 3; Tabasco, 1; Tamaulipas, 1; Tlaxcala, 1; Veracruz, 5; Yucatán, 2; y Zacatecas, 1.
123
Precipitación
80
80
80 80
80
80
100
80
Índice de
80
200 Agresividad
80 100 de la
100 Lluvia
100
200 200
80
300 100 100
300 100 100
200 200
100
200 200 200
200
200 400 400
200
300 300
200 300
300
300 100 200
200
400
300
Figura 4.6. Mapa de Erosividad de la Lluvia de la República Mexicana
Para generar la información anual, se requiere analizar evento por evento, es decir, lluvia por lluvia.
En este trabajo fueron considerados 36,164 eventos, que representaron 395 años completos.
Con los valores medios de Cortes (1991), se generaron modelos de EI30 en función de la
precipitación total anual (PTA), quedando como sigue:
EI30 = 9.2728 (PTA) - 2007.99 con R2 = 0.8311
EI30 = 0.0013 (PTA)2 + 6.197 (PTA) – 848.1 con R2 = 0.8414
EI30 = 856.38 exp [0.0017 (PTA)] con R2 = 0.7618
124
Precipitación
el intervalo de variación de la PTA fue de 95.9 a 2693.2 mm, siendo dentro de estos valores
extremos el rango en el cual se pueden hacer las estimaciones de la EI30, expresada en
MJ.mm/ha.h/año. La gráfica del primer modelo se presenta en la Figura 4.7.
30000
25000
20000
15000
EI30
10000
5000
0
-5000 0 1000 2000 3000
PTA
Figura 4.7. Relación entre la Precipitación Total Anual (PTA) y el Índice

EI30 de Wichmeier (Cortes, 1991).
Con este estudio, actualmente es posible aplicar la ecuación universal de pérdidas de suelo en la
mayor parte del país, siendo conveniente que los especialistas en erosión, realizaran estudios
similares para los otros factores de la ecuación.
4.4. Necesidades de Agua para Diferentes Cultivos
Doorenbos y Kassam (1979) publicaron información sobre las necesidades de agua para diferentes
cultivos que por su importancia se reproduce en el Cuadro 4.4.
A partir del Cuadro 4.4 y conociendo la duración del ciclo del cultivo de interés, es posible saber si
puede o no desarrollarse bajo condiciones de secano. Por ejemplo, para la producción de fríjol en el
área de Chapingo, se necesitaría una precipitación entre 300 y 500 mm concentrada en los tres
meses que dura su ciclo. El fríjol en esta zona se cultiva en los meses de Julio, Agosto y Septiembre
y si nos remitimos a la información climática notaremos que las precipitaciones mensuales,
respectivamente son: 125.0, 110.9 y 89.2 mm. Por lo que, durante ese período se tiene una
disponibilidad de 325.1 mm, concluyéndose que desde el punto de vista hídrico es posible producir
fríjol, bajo condiciones de secano.
Una conclusión contraria se obtendría para el Maíz, debido a que entre los meses de Mayo a
Septiembre, ciclo de 5 meses, se acumula una precipitación de 481.2 mm, ya que el cultivo
requiere de 500 a 800 mm.
125
Precipitación
Cuadro 4.4. Necesidades de Agua para Diferentes Cultivos (Doorenbos y Kassam,1979).
Necesidades de agua Necesidades de agua

Cultivo (mm/Período Cultivo (mm/Período
Vegetativo) Vegetativo)
Alfalfa 800 – 1600 Papa 500 – 700
Algodón 700 – 1300 Pimiento 600 – 900
Arroz 350 – 700 Piña 700 – 1000
Cacahuate 500 – 700 Plátano 1200 – 2000
Caña de Azúcar 1500 – 2500 Remolacha Azuc. 550 – 750
Cártamo 600 – 1200 Sandia 400 – 600
Cebolla 350 – 550 Sorgo 450 – 650
Cítricos 900 – 1200 Soya 450 – 700
Col 380 – 500 Tabaco 400 – 600
Fríjol 300 – 500 Tomate 400 – 600
Girasol 600 – 1000 Trigo 450 – 650
Maíz 500 – 800 Vid 500 – 1200
Olivo 600 – 800
Para cultivos donde se desconoce su adaptabilidad en una zona, es recomendable realizar un

análisis térmico, fotoperiódico e hídrico, para concluir sobre su establecimiento.
4.5. Relación Precipitación – Producción de Maíz
Como un ejemplo de la forma como se ha estudiado la relación entre la precipitación y el

rendimiento de cultivos, a continuación, se presenta el caso del Maíz.
En estudios del factor clima, la variable precipitación es a la que se le ha dado mayor atención con
respecto a la producción de maíz.
Smith (1903) mostró que existían algunas relaciones entre las precipitaciones totales de los meses
de Junio, Julio y Agosto con la producción de maíz por acre, en Illinois, Indiana, Iowa, Kansas,
Kentucky y Nebraska.
En 1914, Smith indicaba que la precipitación de mediados de Julio a mediados de Agosto era de
importancia crítica para el éxito o el fracaso de la producción. Posteriormente, varios
investigadores indicaron diversos períodos críticos para diferentes lugares.
Con el trabajo de Shaw (1955), se introduce a la fenología en este tipo de investigaciones,

indicando que para el maíz existían cinco períodos críticos, los cuales eran: 1) Desarrollo
vegetativo de la siembra a la floración; 2) Desarrollo vegetativo rápido, de los 50 cm al sombreado
total; 3) Polinización; 4) Producción del grano, y; 5) Maduración o secamiento del grano y olote.
Surgiendo un buen número de investigaciones para determinar el período más crítico, dando
diferentes autores a la floración como el de más importancia. Un ejemplo de ellos es el trabajo
clásico de Runge y Odell (1958).
126
Precipitación
De los años 60’s a la fecha, la precipitación deja de estudiarse de manera aislada y aparecen los
estudios donde se le combina con otras variables como con la evaporación y la evapotranspiración.
Resumiendo, podemos indicar que los estudios para relacionar a la precipitación con la producción
de maíz han tenido cuatro niveles, el primero fue a nivel mensual; el segundo a nivel quincenal; el
tercero fue el fenológico, y; el cuarto, con balances de humedad.
Al tratar de generar ejemplos de estas cuatro variantes, al menos para el área de influencia de
Chapingo, se ha podido constatar que todos son significativos, es decir, existen relaciones a nivel
mensual, quincenal, fenológica y de los balances con la producción de maíz. Lo anterior es
importante, debido a que en muchos trabajos de investigación se busca estar a la moda más que el
establecer relaciones funcionales que resuelvan problemas.
4.6. Probabilidades de Lluvia
Calidad de los Datos
En general se puede indicar que cuando se investiga la variabilidad de la lluvia y la estimación de

probabilidades para su aplicación en la agricultura, se trata de conocer la frecuencia con la que se
presentará una determinada cantidad de lluvia. Convencionalmente, las probabilidades se calculan
para eventos mayores o iguales a un valor determinado. Los resultados se expresan como
fracciones o porcentajes.
No tiene utilidad práctica para fines agrícolas el especificar probabilidades inferiores al 10% (1 de
cada 10 años) o superiores al 90% (9 de cada 10 años). Con frecuencia, los niveles de probabilidad
que se adoptan dependen de consideraciones económicas, por ejemplo se puede aceptar que un
cultivo fracase en 1 de cada 5 años, es decir, una probabilidad de éxito del 80% ó en 1 de cada 10
años, probabilidad del 90%.
Las consecuencias de estos análisis son evidentes en las prácticas agrícolas. Una vez que se conoce
la demanda mínima de la lluvia de determinado cultivo, se puede evaluar rápidamente los riesgos
de establecer dicho cultivo en una región. Lo anterior constituye la primera medida que debe
adoptarse, para después, investigar la distribución de la lluvia durante el período de crecimiento
del cultivo y la capacidad de almacenamiento del agua en el suelo.
La seguridad del análisis tiene dos restricciones: a) Su validez en cuanto a extensión es limitada,
sobretodo en áreas montañosas, y; b) Las series de observaciones de lluvia de menos de 10 o 15
años no contienen suficientes datos para llegar a conclusiones definitivas.
Antes de calcular las probabilidades de lluvia es importante verificar la calidad de los datos. De las
muchas pruebas que existen, aquí se mencionaran a dos, la asimetría y la homogeneidad de los
registros.
127
Precipitación
Cuando existe asimetría, los valores de la mediana (m) y de la media ( p ), difieren y esta diferencia
se evalúa a través del Índice de Asimetría (IA), como sigue:
IA = [(m - p )/ p ] * 100
Por ejemplo, para la estación de Pénjamo, Guanajuato, durante el período de 1951-1959, se

reportaron para el mes de Agosto los datos de precipitación que aparecen en el Cuadro 4.5.
Cuadro 4.5. Datos de Precipitación de la Estación de Pénjamo, Guanajuato para el mes de

Agosto en mm, durante el Período 1951 – 1959.
Precipitación
Año (mm)
1951 370
1952 105
1953 191
1954 82
1955 203
1956 82
1957 122
1958 211
1959 216.5
Para obtener el valor de la mediana, m, se ordenan los datos de menor a mayor o viceversa. Para
Pénjamo, Guanajuato, se tendría:
82, 82, 105, 122, 191, 203, 211. 216.5, 370
la mediana es el valor que esta exactamente a la mitad del grupo de datos, en este caso corresponde
a:
m = 191
y la media, p , se calcula como:
12
 pi
i 1 1582.5
p   175.8
n 9
para finalmente obtener el índice de asimetría:
IA = [(191 - 175.8)/ 175.8]*100 = (15.2/175.8)*100 = 8.64%
En general la asimetría no influye en las pruebas de homogeneidad y según Thom (1966), para una
serie asimétrica de datos de lluvia se puede suponer que se distribuye como una normal, sobre todo
para datos anuales. Con otro tipo de datos, la información sobre la asimetría, es útil para
128
Precipitación
seleccionar la distribución probabilística que puede emplearse, como se indicará posteriormente, al

referirnos a las distintas distribuciones.
En muchos casos se tiene que averiguar la causa de las anormalidades, que pueden originarse por
datos muy bajos o muy altos, perturbando la simetría. Aceptándose, la omisión de un dato extremo,
para obtener un mejor ajuste con la distribución normal y por consiguiente de sus probabilidades.
Que para fines agrícolas, provocará obtener estimaciones o probabilidades ligeramente inferiores,
con un mayor margen de seguridad.
Con los datos de Pénjamo, Guanajuato, sí se elimina al dato más alto, 370 mm, la mediana se
calcula como el promedio de 122 y 191, esto es:
m = (122 + 191)/ 2 = 156.5
y la media resulta como p = 151.5, obteniéndose un índice de asimetría de 3.3%, que es inferior
al anterior.
Para la comprobación de la homogeneidad de los registros, existe el método de Sved Eisenhart. En

el cual se usan los datos en orden cronológico y después de haber determinado el valor de la
mediana, m, se cuenta el número de veces en que la serie de datos cambia de valores superiores a
inferiores de m y viceversa. El número total de cambios S se aumenta en una unidad y se compara
con los límites de la distribución Normal a partir de:
Límite Superior: 1 + 1.1(n/2)

Límite Inferior: -1 + 0.9(n/2)
con n = número de años de la serie. También es posible hacer uso de tablas como la que se muestra
en el Cuadro 4.6.
Si el valor de S + 1 cae dentro de los intervalos, límite superior e inferior, se dice que los datos son
homogéneos y se pueden ajustar a una distribución Normal para el cálculo de probabilidades.
Para los datos de Pénjamo, Guanajuato, con n = 9, tenemos un límite superior de 6 y un límite
inferior de 3, y la mediana es de 191 mm. Al ordenar cronológicamente los datos, tenemos:
370 Cambios
1
Cambios 105
191 de > m a
de < m a 82
1
203 <m
2
>m 82
122
2 211
216.5
129
Precipitación
Cuadro 4.6. Límites de los Intervalos de Confianza para la Pruebas de

Sved Eisenhart.
Longitud del Límites

Registro
N (Años) Superior Inferior
10 7 4.
15 9 6
20 12 8
25 15 10
30 18 13
35 20 15
40 23 17
45 26 19
50 29 22
A partir de estos datos, como se muestra, se tiene que establecer el número de veces en los que la
mediana cambia de un valor más alto a uno más bajo y viceversa. Así los cambios de mayor a
menor son; de 370 a 105 y de 203 a 82, es decir 2. Mientras que los de menor a mayor son; de 82 a
203 y de 122 a 211, otros 2 cambios. Con lo cual se establece que S es igual a 4, 2 + 2, y el
parámetro S + 1, es 5. Como S + 1, esta entre los límites de 3 y 6, se concluye que la serie de datos
es homogénea.
Distribuciones Probabilísticas
Es conveniente hacer notar, que la información reportada en el Cuadro 4.5, no es adecuada para el
cálculo de probabilidades por su número tan reducido de años, sin embargo, con fines didácticos la
utilizaremos para explicar los procedimientos. Recuerde el lector que se requieren de más de 15
años, como se indicó anteriormente.
Estadísticamente, en la actualidad existe un buen número de distribuciones que pueden utilizarse

para el cálculo de probabilidades de lluvia, en este capítulo mencionaremos tres de las más
comunes, es decir, la Normal, la Galton y la Gamma incompleta.
No estudiaremos sus teorías y supondremos que el lector esta familiarizado con el cálculo de
probabilidades, en caso contrario se recomienda la consulta previa de algún texto de Estadística.
La probabilidad que tradicionalmente se calcula es la que se refiere a la ocurrencia de un evento

mayor o igual a una cantidad prefijada, simbólicamente:
P( p  p 0 )
130
Precipitación
Distribución Normal
La distribución normal, es una de las funciones probabilísticas más sencillas, cuyos principales
parámetros son:
La media aritmética: 
p i
n
y
La desviación estándar:  
(p i  ) 2
n
con los cuales se calculan los valores de z:

pi  
z

En el Cuadro 4.7 se muestran los valores de z y de sus probabilidades para los datos de
precipitación del mes de Agosto de Pénjamo, Guanajuato, y en la Figura 4.8, su gráfica. Siendo
conveniente indicar que tienen una  = 175.83 y una  = 86.33.
La primera línea del Cuadro 4.7, se interpreta, como ejemplo, de la siguiente forma, la probabilidad
de tener una precipitación mayor o igual a 370 mm en Agosto y en Pénjamo, Guanajuato, es de
0.0122 o del 1.22%, o bien para 122 mm, es de 0.7324 o del 73.24%.
Distribución Galton
La distribución de Galton se aplica comúnmente a datos asimétricos, usando una z que se calcula a
partir de la transformación de los datos originales a logaritmos. Razón por la cual, también se le
conoce como Log-Normal. Así los parámetros de esta distribución son los siguientes:
yi   y
z
y
donde:
yi = Log pi, transformación logarítmica de los datos originales;
y 
 (log p )   y
i i
, logaritmo de la Media Geométrica
n n
131
Precipitación
Cuadro 4.7. Probabilidades con la Distribución Normal para

los datos de Pénjamo, Guanajuato.
P
(mm) z P( z  z 0 )
370 2.25 0.0122
216.5 0.47 0.3192
211 0.41 0.3409
203 0.31 0.3783
191 0.17 0.4364
122 -0.62 0.7324
105 -0.82 0.7939
82 -1.08 0.8599
82 -1.08 0.8599
DISTRIBUCIÓN NORMAL
1.0000
0.9000
0.8000
0.7000
0.6000
Prob.
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
0 100 200 300 400
P (mm)
Figura 4.8. Gráfica de las Probabilidades de Lluvia con la

Distribución Normal.
y 
(y i   y )2
, Desviación estándar de los datos logarítmicos.
n
Para los datos de Pénjamo, Guanajuato, en el Cuadro 4.8, se muestran los valores de las
probabilidades de lluvia con la distribución de Galton y en la Figura 4.9 su gráfica. Como en el
caso anterior, es conveniente indicar que:
132
Precipitación
Cuadro 4.8. Probabilidades con la Distribución de Galton para

Precipitación
(mm) yi = log10 pi Z P( z  z 0 )
370 2.5682 1.78 0.0375
216.5 2.3354 0.67 0.2514
211 2.3242 0.62 0.2676
203 2.3074 0.54 0.2946
191 2.2810 0.41 0.3409
122 2.0863 -0.51 0.5950
105 2.2011 -0.82 0.7939
82 1.9138 -1.34 0.9099
82 1.9138 -1.34 0.9099
DISTRIBUCIÓN LOG - NORMAL
1.0000
0.9000
0.8000
0.7000
0.6000
Prob.
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
0 100 200 300 400
P (mm)

Distribución de Galton.
y = 2.1945 y y = 0.2097
Además, se requiere aclarar que por trabajar con logaritmos no se puede trabajar con valores de 0.
Considerando los mismos ejemplos que para la normal, se indicaría que con la distribución de
Galton, la probabilidad de tener una precipitación mayor o igual a 370 mm en Agosto y en
Pénjamo, Guanajuato, sería de 0.0375 o del 3.75% y para 122 mm, de 0.5950 o del 59.50%.
Resulta obvio que al cambiar de distribución, cambia también el valor probabilístico de un evento.
133
Precipitación
Distribución Gamma-Incompleta
Cuando alguna serie de datos asimétricos no puede corregirse logarítmicamente, con la

distribución de Galton, se pueden emplear otras distribuciones como la Gamma-Incompleta.
Existen diferentes procedimientos para calcular los parámetros de la distribución Gamma-

Incompleta, de los más usados son el denominado como el método de los momentos, o sea el que se
realiza a través de la media y la varianza, y otro es el procedimiento de máxima verisimilitud
propuesto por Thom (1966).
Las probabilidades, P(p  po), para esta distribución se pueden determinar a través de una hoja de
cálculo como la de EXCEL, requiriéndose para ello, el estimar a los parámetros  y .
Con el método de los momentos la estimación se realiza de la siguiente manera:
2
p s2
 2 y  con:
s p
p = precipitación promedio de la muestra, y
2
s = varianza de la muestra, calculada con n-1
grados de libertad.
Las restricciones para la aplicación de este procedimiento son: 1) Los valores de la precipitación
necesitan ser mayores de cero, y; 2)  debe ser un número entero y positivo.
El procedimiento de Thom por su parte se efectúa como sigue:
1  4A 
  1  1  
4A  3 
y
x


donde:
A  Ln( x) 
 Ln( x)
n
y
x = valor de la precipitación;
n = número de observaciones.
Para los datos de Pénjamo, Guanajuato, se sabe que p = 175.83 y al calcular la varianza (recuerde
con n-1 g.l.), se tiene que s2 = 8385.5, por lo que, los valores de  y  con el método de los
momentos son:
134
Precipitación
 = (175.83) /8385.5 = 3.6868 = 4 y  = 8385.5 /175.83 = 47.69
En el Cuadro 4.9, se muestran los valores de las probabilidades de lluvia con la distribución
Gamma-Incompleta, para la estación de Pénjamo, Guanajuato con los valores de  y  obtenidos
con el método de los momentos y en la Figura 4.10 su gráfica.
Cuadro 4.9. Probabilidades con la Distribución Gamma - Incompleta para

Precipitación
(mm) F(p)
370 0.0498
216.5 0.3356
211 0.3552
203 0.3850
191 0.4325
122 0.7451
105 0.8190
82 0.9039
82 0.9039
DISTRIBUCIÓN GAMMA
1.0000
0.9000
0.8000
0.7000
0.6000
Prob.
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
0 100 200 300 400
P (mm)

Distribución de Gamma – Incompleta.
Es conveniente mencionar que al cambiar de distribución probabilística, cambian sus valores.

Cuando no se realizan pruebas de la calidad de los datos, es decir, no se sabe de la asimetría y de su
homogeneidad, surge la pregunta de cual de las distribuciones calculadas es la mejor. Para
contestarla es necesario realizar una o varias pruebas de bondad de ajuste.
135
Precipitación
Prueba de Bondad de Ajuste
Existen varias pruebas que nos permiten elegir la distribución más adecuada para calcular las
probabilidades de lluvia. Las más usadas son la Prueba de Kolmogorov-Smirnov y la Prueba de
Smirnov.
La Prueba de Kolmogorov-Smirnov, conocida también como la prueba de la distancia máxima,

consiste en establecer la mayor diferencia entre los valores de probabilidad calculados con la
distribución que se desea ajustar con el parámetro de Kolmogorov-Smirnov, SN(x), que se define
posteriormente. El valor absoluto de esa diferencia o distancia máxima, Dmáx, se compara con el
valor de tablas, Dtab, que se presenta en el Cuadro 4.10 y si resulta menor, se dice que tiene buen
ajuste. Así la prueba consiste de:
Dmáx  máx F0 ( x)  S N ( x)
Cuadro 4.10. Tabla de Valores Críticos para D en la Prueba de Kolmogorov – Smirnov

(Siegel, 1976).
Tamaño de Nivel de Significancia para D = máximaFo(x) – SN(x)

Muestra
(N) 0.10 0.05 0.01
1 0.950 0.975 0.995
2 0.776 0.842 0.929
3 0.642 0.708 0.828
4 0.564 0.624 0.733
5 0.510 0.565 0.669
6 0.470 0.521 0.618
7 0.438 0.486 0.577
8 0.411 0.457 0.543
9 0.388 0.432 0.514
10 0.368 0.410 0.490
11 0.352 0.391 0.468
12 0.338 0.375 0.450
13 0.325 0.361 0.433
14 0.314 0.349 0.418
15 0.304 0.338 0.404
16 0.295 0.328 0.392
17 0.286 0.318 0.381
18 0.278 0.309 0.371
19 0.272 0.301 0.363
20 0.264 0.294 0.356
25 0.24 0.27 0.32
30 0.22 0.24 0.29
35 0.21 0.23 0.27
> 35 1.22 1.36 1.63
N N N
136
Precipitación
donde:
Fo(x) = valor probabilístico de la función que se desea ajustar, y;
SN(x) = k/N, con k = número de orden y
N = número total de observaciones.
En el Cuadro 4.11, se reportan los datos para la aplicación de la prueba de Kolmogorov-Smirnov a

la estación de Pénjamo, Guanajuato.
Cuadro 4.11. Valores de las Desviaciones para Diferentes Distribuciones de Probabilidad

con datos de Lluvia para la Estación de Pénjamo, Guanajuato.
Precipitación F0(x) – SN(x)

Observación (mm) SN(x)
(k) xi Normal Galton Gamma –
Inc.
1 370 0.1111 0.0989 0.0736 0.0613
2 216.5 0.2222 0.0970 0.0291 0.1134
3 211 0.3333 0.0075 0.0657 0.0219
4 203 0.4444 0.0661 0.1498 0.0594
5 191 0.5555 0.1191 0.2146 0.1230
6 122 0.6666 0.0657 0.0716 0.0785
7 105 0.7777 0.0161 0.0161 0.0413
8 82 0.8888 0.0290 0.0210 0.0151
9 82 0.9999 0.1401 0.0901 0.0960
Dmáx F0(x) – SN(x) 0.1401 0.2146 0.1230
Dtab (con  = 5% y N = 9) 0.432
Si examinamos la primera hilera del Cuadro 4.11, encontramos que para la columna relativa a
observaciones, el número que aparece es equivalente al valor de k, número de orden; la segunda
columna sobre P (mm), se estableció con fines de identificación del dato de precipitación que se
esta analizando; la tercera columna es el valor del parámetro de Kolmogorov-Smirnov, SN(p), que
se calcula a través de:
SN(x) = k/N = 1/9 = 0.1111
para la primera hilera; las siguientes tres columnas son las diferencias, [Fo(x) - SN(x)], para datos
probabilísticos provenientes de la distribución normal (Cuadro 4.7), de la Galton (Cuadro 4.8) y
de la Gamma-Incompleta (Cuadro 4.9). Así tenemos que para la distribución:
[Fo(x) - SN(x)]
Normal:  0.0122 – 0.1111 =  - 0.0989  = 0.0989

Galton:  0.0375 – 0.1111 =  - 0.0736  = 0.0736
Gamma – Inc.:  0.0498 – 0.1111 =  - 0.0613  = 0.0613
137
Precipitación
De forma similar se repiten las operaciones hasta concluir con todos los datos, siendo necesario
recordar que se trata de valores absolutos. Al final del Cuadro 4.11 aparecen dos hileras, una
relativa a la Dmáx [Fo(x) - SN(x)], para la Normal, la máxima diferencia corresponde al noveno
dato; para la Galton, al quinto y para la Gamma-Incompleta, también al quinto dato. Finalmente se
establece el Dtab, generado a partir del Cuadro 4.10, considerando un nivel de significancia de
0.05, esto es  =5% y un tamaño de muestra, N = 9, resultando que Dtab = 0.432. Con lo cual
resulta que en todos los casos:
Dmáx < Dtab
Por lo tanto se concluye que las tres distribuciones se ajustan a los datos.
La Prueba de Smirnov, por su parte, consiste en calcular el estadístico no-paramétrico, n2. Cuya
fórmula es:
2i  1
2
1 1 n 
    F ( xi ) 
2
12n 2 
n i 1  2n 
o bien:
2i  1
2
1 n

n     F ( xi ) 
2
12n i 1  2n 
donde:
n = número de observaciones;
i = número de orden;
F(xi) = valor probabilístico de la distribución que
se desea probar, para la observación i.
También, se indica que la esperanza matemática del estadístico de Smirnov es:
E(n2) = 1/6 = 0.1666
Con la cual se establece la regla de decisión para aprobar o rechazar el ajuste. Específicamente, se
establece que: “Sí el parámetro de Smirnov, calculado con los datos de la distribución de interés es
menor a 0.1666, la distribución propuesta se ajusta”, simbólicamente:
Sí (n2)calc < 0.1666, la distribución se ajusta
En el Cuadro 4.12, se reportan los datos calculados para la aplicación de la prueba de Smirnov a la
estación de Pénjamo, Guanajuato.
El procedimiento para la generación del Cuadro 4.12, se explica haciendo referencia a su primera
hilera. En la primera columna, se reporta al número de observación, con el cual se genera el valor
del número i, utilizado en otras fórmulas; En la segunda columna, donde se presenta el dato de la
precipitación, en mm, y sirve para que el usuario determine el dato que se esta analizando; La
138
Precipitación
Cuadro 4.12. Prueba de Smirnov para tres Distribuciones Probabilísticas con Datos de la
Estación de Pénjamo, Guanajuato.
F ( xi )  2i  1
2
Precipitación 2i  1
Observación (mm) 2n 
(i) xi 2n
Normal Gamma-Inc.
Galton
1 370 0.0555 0.00188 0.00033 0.00003
2 216.5 0.1666 0.02327 0.00718 0.02855
3 211 0.2777 0.00398 0.00010 0.00600
4 203 0.3888 0.00011 0.00889 0.00002
5 191 0.5000 0.00404 0.02531 0.00456
6 122 0.6111 0.01474 0.00026 0.01794
7 105 0.7222 0.00514 0.00514 0.00937
8 82 0.8333 0.00071 0.00586 0.00498
9 82 0.9444 0.00715 0.00119 0.00165
Suma 0.06099 0.05426 0.07309
1/12n 0.00926
(n2)calc 0.07024 0.06352 0.08235
E(n2) =0.1666
tercera columna es el parámetro de referencia de Smirnov, que en este caso, se obtiene con el
respectivo valor de i y con n = 9, así, el primer cálculo es:
2i  1 2(1)  1
  0.0555
2n 2(9)
En las siguientes tres columnas se reporta el cuadrado de las diferencias, [F(xi) – {(2i -1)/2n}],
para los datos probabilísticos provenientes de la distribución Normal (Cuadro 4.7), de la Galton
(Cuadro 4.8) y de la Gamma-Incompleta (Cuadro 4.9), particularmente para la Distribución:
Normal: [F(xi) – {(2i -1)/2n}]2 = (0.0122-0.0555)2 = 0.00188

Galton: [F(xi) – {(2i -1)/2n}]2 = (0.0375-0.0555)2 = 0.00033
Gamma - Incompleta: [F(xi) – {(2i -1)/2n}]2 = (0.0498-0.0555)2 = 0.00003
De forma similar se repiten las operaciones hasta concluir con todos los datos. Al final del Cuadro
4.12 aparecen tres hileras, con las cuales se calcula al parámetro n2, de acuerdo con la fórmula
descrita anteriormente. El valor de dicho parámetro se compara con 0.1666, resultando que para las
tres distribuciones resultan menores. Por lo cual se concluiría que cualquiera de las distribuciones
se ajusta a los datos de Pénjamo, Guanajuato.
139
Precipitación
Ejemplo de Aplicación de las Probabilidades de Lluvia
La aplicación más común de las probabilidades es para conocer la frecuencia con la que se
presentará una cantidad de lluvia en un determinado lugar. Sin embargo, en estos párrafos
queremos mostrar un mayor alcance, es decir, aplicar las probabilidades de lluvia con un objetivo
más concreto.
Por ejemplo, si nos interesara aplicar las probabilidades de lluvia en la estimación de rendimientos
o en el establecimiento de la cantidad de erosión de un suelo, el requisito previo sería el contar con
un modelo o ecuación que relacionara a dichas variables, simbólicamente:
Rendimiento = f(lluvia)
o
Erosión = f(lluvia)
con fines didácticos, nos referiremos únicamente a la primera.
Una vez que se cuenta con el modelo que relaciona al rendimiento con la lluvia, se procede a
buscar la distribución probabilística que se ajusta mejor a los datos de lluvia, como se presentó
anteriormente.
Posteriormente se pueden seguir dos procedimientos: 1) Estimar el rendimiento con una cantidad
de lluvia a una probabilidad determinada o 2) Conocer la cantidad de lluvia necesaria para alcanzar
un rendimiento prefijado.
Para ilustrar lo anterior, se partió del trabajo desarrollado por Ortiz (1974), generándose un modelo
que relaciona al rendimiento máximo de maíz con la precipitación del cuarto mes a partir de la
siembra, en el Área de Influencia de Chapingo, el cual es:
RMAX = 1.5608 + 0.01904(PIV)

donde:
RMAX = Rendimiento Máximo de Maíz, ton/ha;
PIV = Precipitación del cuarto mes a partir de
la siembra (91 - 120 días).
Con una R2 = 0.8794 que es altamente significativa.
Para el ejemplo, se seleccionó a la estación meteorológica de Texcoco, Estado de México,

considerando que la siembra se realizaba en el mes de Mayo, con lo cual resulta que el cuarto mes
le corresponde al mes de Agosto, los datos de precipitación de varios meses de esa estación se
Una vez recabada la información de la precipitación, se buscó la distribución probabilística que

tuviera el mejor ajuste con la Prueba de Smirnov, resultando que las Distribuciones de Galton y
Gamma – Incompleta fueron las más satisfactorias.
140
Precipitación
Cuadro 4.13. Precipitación en mm, para diferentes meses y años en la Estación Texcoco,
Estado de México.
Año Mayo Junio Julio Agosto Septiembre Octubre

1961 22.8 201.6 117.0 82.4 59.7 12.2
1962 31.4 113.0 73.8 110.2 110.7 79.3
1963 61.1 85.1 191.4 130.0 134.0 31.6
1964 97.1 174.0 99.1 74.2 106.3 35.5
1965 40.9 94.4 104.2 158.1 79.7 55.4
1966 14.2 64.5 186.7 124.6 53.4 46.0
1967 44.4 30.2 62.2 187.7 134.5 60.1
1968 40.8 139.0 116.4 94.3 89.3 63.0
1969 14.5 37.0 145.0 238.1 89.3 63.0
1970 49.8 145.7 96.3 69.3 92.2 42.5
1972 65.1 80.2 98.6 66.7 84.6 59.1
1973 63.1 54.0 111.7 172.9 80.4 47.3
1974 65.2 114.1 194.4 97.4 87.6 19.9
1975 79.1 136.9 88.8 73.3 45.6 14.5
1976 71.9 56.4 179.3 84.6 82.8 70.2
1977 38.5 68.3 148.7 69.2 124.5 32.7
1978 24.5 218.1 109.3 84.0 104.4 55.2
1979 49.3 89.4 113.4. 116.3 188.4 0.1
1980 25.9 63.6 84.6 104.4 54.2 52.6
1981 61.9 154.9 154.1 93.2 86.2 50.7
La variación de la precipitación del mes de Agosto para el período estudiado fue de 66.7 a 238.1
mm y los parámetros de la Distribución de Galton fueron:
y = 2.0182 y y = 0.1535
y para la Distribución Gamma – Incompleta:
 = 7.5794 y  = 14.7168
A pesar de que es posible trabajar con las dos distribuciones, es siempre conveniente seleccionar a
una para generar los resultados. En nuestro ejemplo trabajaremos con la Distribución Galton.
Sí se desea estimar el RMAX a una probabilidad prefijada se procedería de la siguiente manera:
1) Se fija la probabilidad deseada, supongamos al 10%, lo cual nos permitiría conocer el

rendimiento máximo de maíz que puede obtenerse en uno de cada diez años;
2) Se calcula el valor de z en su tabla de probabilidades,

P(z  zo) = 10% = 0.1000, en tablas genera un valor de z =1.28;
141
Precipitación
3) Con los valores de z, y y y se obtiene el valor de la y correspondiente, a través del despeje

de la fórmula:
z = ( y - y )/ y
con lo que:
y = zy + y = 1.28 (0.1535) + 2.0182 = 2.2147
para obtener el valor de la precipitación, p, recordando que y = log10(p) y por lo tanto
p = antilog (y) = antilog (2.2147) = 164 mm (redondeado);
4) Se establece el valor del RMAX, sustituyendo el valor de PIV en el modelo, esto es:
RMAX = 1.5608 + 0.01904 (PIV) = 1.5608 + 0.01904 (164)
RMAX = 4.68 ton/ha
Pudiéndose repetir el proceso para cualquier probabilidad, con el interés de generar tablas como la
reportada en el Cuadro 4.14.
Cuadro 4.14. Rendimiento Máximo de Maíz en Texcoco, Estado de México, Sembrado en el

Mes de Mayo a Diferentes Probabilidades.
Probabilidad PIV RMAX

(%) Log P (mm) (Ton/ha)
10 2.2147 164.0 4.68
20 2.1474 140.4 4.23
30 2.0987 125.5 3.95
40 2.0571 114.0 3.73
50 2.0182 104.3 3.55
60 1.9793 95.3 3.38
70 1.9377 86.6 3.21
80 1.8890 77.4 3.04
A partir del Cuadro 4.14 se puede seleccionar un nivel de probabilidad, para la planeación agrícola
de esa área. Por ejemplo si se desea tener gran seguridad se podría escoger un nivel de 80 o 90%
de probabilidad, es decir, referirse al rendimiento máximo que se tendría en 8 o 9 de cada 10 años.
También se puede aplicar el proceso en diferentes estaciones para conocer a diferentes niveles de
probabilidad la variación espacial del rendimiento, y con ello establecer los lugares que tienen un
mayor potencial productivo.
Sí se desea proceder al contrario, es decir, prefijar un rendimiento y obtener la probabilidad de la

precipitación necesaria para alcanzarlo, el proceso sería el inverso. Con el rendimiento prefijado, a
través del modelo se generaría la precipitación necesaria; la precipitación se transformaría a una y,
recordando que y = log(p) y junto con la media (y) y la desviación (y), se establece el valor de z
142
Precipitación
y en su tabla se determina finalmente la probabilidad. En el Cuadro 4.15, se presentan los

resultados con los datos del mes de Agosto.
Cuadro 4.15. Probabilidades de ocurrencia de Rendimientos Máximos de Maíz

Prefijados en Texcoco, Estado de México, Sembrado en el Mes de Mayo.
RMAX PIV Probabilidad

(Ton/ha) (mm) Log P (%)
6.0 233.1 2.3676 0.0114
5.0 180.6 2.2567 0.0601
4.0 128.1 2.1075 0.2804
3.0 75.6 1.8784 0.8188
2.0 23.1 1.3629 1.0000
Otra aplicación de las probabilidades de lluvia es la relacionada con los requerimientos de agua
durante el ciclo de un cultivo, como los que se reportaron en el Cuadro 4.4. Sí consideramos
nuevamente a la Estación Texcoco, desde una perspectiva agrícola, son de interés los cultivos de
Maíz y de Fríjol, en condiciones de secano. Se sabe que el Maíz, durante su ciclo que requiere un
mínimo de 500 mm y ocurre de Mayo a Septiembre, el del fríjol, por su parte, necesita 300 mm, y
su ciclo es de Junio a Agosto. La pregunta obligada es sí ambos cultivos se pueden producir sin
problemas en el área.
Los 500 mm, necesarios para producir maíz se deben satisfacer durante cinco meses, de Mayo a
Septiembre, de tal forma que ahora en lugar de trabajar con un solo mes se necesita calcular una
probabilidad para la suma de cinco, los datos se pueden generar a partir del Cuadro 4.13.
Como los datos se ajustan a una Distribución Normal, la media de ese tiempo es 483.83 y la
desviación de 62.9485, con los cuales procedemos a calcular la probabilidad de los 500 mm
requeridos. Necesitamos primero calcular una z y después su probabilidad, como sigue:
P 500  483.83

z   0.2569
 62.9485
y
P( z  z 0 )  P( z  0.2569)  0.3986
Realizando los mismos cálculos para los 300 mm del fríjol, primero se establece el promedio de la
precipitación de los tres meses, de Junio a Agosto, es de 341.42 y la desviación estándar de
53.7467, con lo que:
P 300  341.32

z   0.7688
 53.7467
y
P( z  z 0 )  P( z  0.7688)  0.7790
143
Precipitación
A partir de esos resultados se puede indicar que para el maíz sólo en el 40% de los años tendrían
satisfechos los requerimientos mínimos de humedad y el fríjol en el 78% de los casos.
4.7. Estimación de Datos de Precipitación
Existen procedimientos para estimar a la precipitación para un área y para un sitio en particular, los
cuales se describen a continuación:
Métodos para calcular la Precipitación Promedio de un Área
Actualmente, se tiene un gran interés por conocer con precisión la distribución de la precipitación
por áreas. Para ello se han desarrollado varios métodos dentro del campo de la variabilidad
espacial, aunque no existe uno que represente en forma exacta a la evolución espacial de la lluvia
en un período de tiempo dado. Uno de los factores de más peso en estos procedimientos es el
número de estaciones de observación que se disponen.
La precipitación de un área (hN) se define como “la cantidad de precipitación promediada en un

área específica” o “el agua disponible de la precipitación atmosférica en una localidad específica,
expresada como la cantidad de agua sobre una superficie horizontal durante un período de tiempo”.
De acuerdo con Giesecke, et al. (1983), los métodos más simples son:
1. Promedio Aritmético
• N9
1 n
hN   hi
n i 1
• N7 • N8
donde:
• N6 • N5
hN = Precipitación media
• N4 del área;
• N3
• N2 n = Número de la estación
considerada (N1, N2, ...)
hi = Precipitación de la
• N1
estación i
Cada estación en este procedimiento tiene la misma influencia. Para una red de estaciones con
una distribución equilibrada es un método muy simple y exacto.
144
Precipitación
2. Método de las Isoyetas
• N9
• N7 • N8
• N6 • N5
• N4
• N3
• N2
• N1
Es un método muy subjetivo, muy exacto cuando lo usan expertos pero requiere de mucho
trabajo manual.
3. Método del Bisector Perpendicular (Método del Polígono, Thiessen ponderado)
• N9
n
h N   Wi  hi
• N7 • N8 i 1
donde:
hN = Precipitación media del
• N6 • N5
área;
Ai
• N4 Wi  n
• N3
• N2 A
i 1
i
Wi = Factor de ponderación
• N1
Para una estación;
Ai = Subárea atribuida a
una estación;
n = no. de estaciones
Este método es muy usado donde existen estaciones irregularmente distribuidas, pero no
considera a las influencias orográficas.
145
Precipitación
4. Método de Triangulación
1 m h ij
 Aj 
• N9 i 1
hN 
AN j 1 3
• N7 • N8 donde:
hN = Precipitación media del
• N6 • N5 área;
m = no. de triángulos;
• N4 Aj = Área del triángulo j;
• N3 AN = Área total cubierta por los
• N2 triángulos;
hij = Precipitación de la
estación i, relacionada con
• N1 el triángulo j.
Se trata de un método ponderado por superficie. Al igual que los otros métodos este procedimiento
no incorpora la influencia orográfica.
Estimación de la Precipitación a Nivel de Sitio
A nivel de sitio uno de los métodos más recomendados para la estimación de la precipitación, es el
empleado por el U. S. National Weather Service, citado por Trueba (1990), también conocido
como el Método de la Distancia Inversa.
Este procedimiento es empleado para la estimación de datos de precipitación anual, mensual y

diario y también se recomienda para la temperatura.
Este método emplea la fórmula:
Px 
 P Wi i
W i
donde:
Px = precipitación de la estación x;
Pi = precipitación observada de la estación i;
Wi = factor de ponderación, calculado como:
Wi = (1/Di)
Di = distancia de la estación x a la
estación i.
146
Precipitación
Se considera que la forma más eficiente de la aplicación de este procedimiento es cuando el sitio de
interés se encuentra rodeado de 4 estaciones.
Como ejemplo, supongamos que se desea estimar la precipitación anual de Rincón de Romos,
Aguascalientes, donde no existe una estación meteorológica. La primera acción que se tendría que
realizar sería el establecer la ubicación de las cuatro estaciones circundantes más cercanas, como
se muestra en la Figura 4.8.
Estaciones
• 11 11: Mesillas
12: Pabellón de Arteaga
88 mm 17: Presa Potrerillos
17 • 73 mm 23: Tepezala
X: Rincón de Romos
X
102 mm
• 23
60 mm
• 12
Figura 4.8. Localización de las Cuatro Estaciones Meteorológicas Circundantes a

Rincón de Romos, Aguascalientes.
Una vez ubicadas las estaciones se determina la distancia de cada una de ellas al lugar de interés,
que puede ser el dato real o a escala, en este ejemplo se emplean los valores obtenidos en mm,
directamente sobre un mapa y sus respectivos valores de la precipitación que se desea estimar, para
finalmente aplicar la fórmula indicada. En el Cuadro 4.16 se reportan los valores usados en la
estimación.
Cuadro 4.16. Estaciones y Datos Utilizados en la Estimación de la Precipitación Anual de

Rincón de Romos, Aguascalientes.
No. Estación Distancia Wi P anual P.Wi
11 Mesillas 88 0.0114 373.9 4.2489
12 Pabellón de Arteaga 60 0.0167 435.1 7.2517
17 Presa Potrerillos 73 0.0137 490.7 6.7219
23 Tepezala 102 0.0098 432.8 4.2431
Sumas: 0.0515 22.4656
Al analizar la primera hilera del Cuadro 4.16, tenemos en las primeras columnas el número y el
nombre de la estación considerada, en la tercera columna su distancia a escala, en este caso 88 mm,
que al obtener su inverso, genera la cuarta columna, esto es:
147
Precipitación
W1 = (1/D1) = (1/88) = 0.0114
en la quinta columna, se reportan los datos de la precipitación anual, 373.9 mm para la estación
Mesillas y la sexta columna es el producto de la cuarta y de la quinta:
P1* W1 = 0.0114*373.9 = 4.2489
Se repite el mismo proceso para las estaciones restantes y al final del Cuadro aparecen las sumas
que se emplean en la fórmula, quedando:
Px 
 Pi  Wi  22.4656  435.9
Wi 0.0515
Concluyendo que en Rincón de Romos, Aguascalientes, la precipitación anual estimada es de

435.9 mm. En la actualidad se cuenta ya con una estación meteorológica normal en Rincón de
Romos y el dato real de su precipitación anual es de 386.3 mm, que nos da una idea de la precisión
con la cuál se realizó la estimación. Es necesario insistir que los datos meteorológicos siempre se
reportan con una sola cifra decimal, resultando innecesario un dato con un número mayor de cifras
decimales.
También es conveniente indicar que existen variantes al método anterior, uno de ellos emplea el
inverso de la distancia al cuadrado, esto es: Wi = (1/Di2). Que al aplicarlo a los mismos datos
produce como resultado una precipitación anual de 438.4 mm, para Rincón de Romos.
Como ejercicios de clase, se han realizado estimaciones con dos y con tres estaciones circundantes
al lugar de interés e inclusive el lugar ha sido una estación meteorológica con datos reales, con lo
cual se ha podido comprobar el error cometido al efectuar dichas estimaciones, los resultados han
sido variables, por lo que se recomienda como en todos los temas su evaluación antes de aplicar el
procedimiento a grandes extensiones.
Además actualmente, se realizan intentos por aplicar otros procedimientos de interpolación de

datos, buscando aquellos que consideren el efecto del relieve.
4.8. Sequía
Un tema de gran interés para la agricultura nacional que en su mayoría es de secano, es el relativo a
la sequía. Al realizar una breve revisión sobre el tema en el país, es notoria la existencia de pocos
trabajos.
La sequía que tiene una diversidad de definiciones y que aquí la conceptualizaremos como “la falta
de agua”, puede definirse a nivel diario, mensual o anual, por ejemplo se establece en la literatura
que existe sequía cuando durante 10 días se tiene una precipitación menor a 5 mm, o bien se
presenta sequía a nivel mensual cuando la precipitación de ese mes es menor al 60% de lo normal,
o hay sequía en un año cuando la precipitación anual es menor de 75% de la normal. El término
normal es equivalente al promedio.
148
Precipitación
Con del Tratado de Libre Comercio (TLC) entre Canadá, Estados Unidos y México han surgido
una serie de acciones complementarias como la creación de redes para el monitoreo de la sequía, un
ejemplo de uno de sus reportes se presenta en la Figura 4. 9. Para ello se emplea un índice, el SPI
por sus siglas en inglés (Standard Precipitation Index) o Índice de Precipitación Estandarizada. Que
resulta conveniente conocer su obtención.
Figura 4.9.Un reporte de la Sequía de América del Norte
El índice de precipitación estándar o SPI fue propuesto por McKee en la Universidad del Estado de
Colorado en el año de 1993.
El SPI se elaboró con el fin de cuantificar el déficit de las precipitaciones a diferentes escalas de
tiempo, que varían de 1, 2, 3, 6, 12, 24 y 48 meses. Para todas las escalas de tiempo, el SPI se
reporta a nivel mensual desde Enero hasta Diciembre, pero se reporta de la siguiente manera: Por
ejemplo el SPI de Febrero en la escala de dos meses, corresponde a valores que provienen de sumar
149
Precipitación
las precipitaciones de los meses de Enero + Febrero; el SPI para Abril en la escala de tres meses
estaría analizando las precipitaciones conjuntas de Febrero + Marzo + Abril o el SPI para el mes de
Mayo a la escala de seis meses evaluaría las precipitaciones provenientes de Diciembre del año
anterior mas las correspondientes a Enero + Febrero + Marzo + Abril + Mayo del año de interés y
así sucesivamente, nótese que el mes en el cual se reporta el índice corresponde siempre al último
del período estudiado. También, varios autores no contemplan a la escala de 1 y 2 meses.
Para calcular el SPI se aplica el siguiente procedimiento:
1. Se generan series de datos de precipitación a nivel mensual a la escala requerida (3, 6, 12, 24 o
48 meses) y bajo las normas establecidas;
2. A la serie “mensual” obtenida se le ajusta a una distribución probabilística, cuando se tienen

valores (sumas) mayores a cero en todos los casos, se acostumbra trabajar con la distribución
“Gamma – Incompleta” y sus parámetros  y , se calculan con el procedimiento de Thom
(1966), anteriormente descrito;
3. Se establece para cada valor de precipitación su valor de probabilidad acumulativa, Prob.(P<Po),

con la distribución seleccionada, y;
4. Se calcula para cada probabilidad acumulativa su valor correspondiente con la distribución

normal estándar inversa (con media 0 y varianza 1), que es el valor del SPI.
Con lo cual deberá entenderse que el SPI corresponde al número de desviaciones estándar que un
dato de precipitación se desvía del promedio histórico. En ese contexto, los valores positivos del
SPI se interpretaran como años con condiciones húmedas a la escala de tiempo estudiada y los
negativos como indicativos de condiciones de sequía o de déficit de humedad. McKee y su grupo,
propusieron el sistema de clasificación para el SPI que se reporta en el Cuadro 4.17 .
Cuadro 4.17. Caracterización de las Sequías según el Valor del SPI (McKee, et. al, 1993)
Valor del SPI Intensidad de la Sequía

2.0 y más Extremadamente húmedo
1.5 a 1.99 Muy húmedo
1.0 a 1.49 Moderadamente húmedo
-0.99 a 0.99 Normal
-1.0 a -1.49 Moderadamente seco
-1.5 a -1.99 Muy seco
-2.0 y menos Extremadamente seco
De esta forma un evento de sequía se inicia cuando se observa a través del tiempo una tendencia
marcada de valores negativos continuos.
Es conveniente mencionar que en el monitoreo que se hace de la sequía para Norte América,
México participa con varias estaciones y resulta interesante apreciar que algunas de ellas cuentan
150
Precipitación
con información desde 1920 hasta lo que va del 2005, como es el caso de Aguascalientes, sin
embargo dicha información no esta disponible para todo publico.
Como ejemplo se presenta la precipitación mensual de la Estación Chapingo, México para el

período 1961 – 1988, obtenida a partir del ERIC2 (Extractor Rápido de Información Climática,
versión 2), la cual se presenta en el Cuadro 4.18.
Cuadro 4.18. Precipitación Mensual de la Estación Chapingo, México para el período 1961 – 1988
(CNA, 2000).
AÑO E F M A M J J A S O N D
1961 5.5 0.4 7.7 5.6 22.3 174.7 149 94 67 17.8 7 4.8
1962 0 2.7 6.7 76.2 22.2 82.7 48.3 84.6 104.3 78.7 1.9 3.5
1963 0.2 0 32.6 37.8 55.8 86.4 160.7 125.5 114.7 24.9 1.8 18.7
1964 22.1 0 18.2 13.3 110 173.9 82.6 55.3 126.3 34.3 8.1 8.2
1965 2.8 27.2 0 16.6 44.4 71.7 85.1 146.5 81.2 70.7 1.8 7.5
1966 10.4 6.3 61.6 31.6 7.1 80.2 176.6 141.4 65.2 54.6 0 4
1967 65.8 0.4 14.4 13.6 62.8 42.7 93.3 160.1 117.9 58.3 3.6 3.3
1968 9.7 21.2 0.5 42.4 37.2 136.3 161 88.3 113.1 81.1 5.2 17.7
1969 * 13.4 16.5 10.3 18.7 37.8 161.5 236.9 82.4 7.2 * 0
1970 4.1 4.4 0.4 15.9 46.2 139.5 100.6 106.6 113.4 40.5 0.2 0
1971 9.3 0 11.2 28.6 25.4 158.7 87.3 59.2 85.9 61 8.5 7.7
1972 0 0 16.8 39.1 68.7 92.4 89.2 64.4 86.5 49.8 8.9 0
1973 0 5 7.9 30 56.1 81.9 129.8 197 72.9 53.6 22.9 1
1974 5.2 3.7 11.7 64.1 62.2 112.3 224.8 129 91.1 22 3 0
1975 36.8 11.3 7.8 35.9 88.7 127.4 155.1 91.9 36.4 14.2 0 0
1976 0 3.5 9.1 44.9 81.9 57.8 170.8 117.5 95.5 77.5 3.6 20.8
1977 0.6 5.1 0 7.6 47 95.6 129.4 59.5 112 31.6 27.8 4.3
1978 * * * * * * * 89 91 62.1 30.2 0.7
1979 0.3 27.6 31 7.9 65.7 89 122 102.2 189.9 1 5.1 28.8
1980 45.7 7.8 3.7 33.8 32.5 83 69.5 122.9 69.6 46.5 30.3 0
1981 * * * * 49 178 140.2 102.8 104.2 54.4 22.7 4.3
1982 0 6.9 20.3 39.1 55.5 64 85.7 38.5 16.5 50.2 0 2.7
1983 19.4 10.3 9.5 0 21 83.2 111.5 115.7 89.7 41.9 * 0.5
1984 28 13.5 1.3 0.5 32.3 126.7 224.6 90.1 110.6 35.2 0 4.2
1985 8.5 0.3 9 70.1 35.8 163.1 64.4 153.3 82 22 7.1 0
1986 0 0 0 27.3 77.1 87.8 78.7 126.6 34.2 49.8 3.6 0
1987 0 0.3 13.7 18.8 40.2 134.1 134.1 150.8 75.3 0 6.2 0
1988 0 8.9 52 19.5 34.6 104.2 112.1 61.5 117.9 13.2 7.5 0
Supóngase que estamos interesados en la escala de tiempo de 3 meses, entonces el primer paso es
generar una nueva serie de datos, sumando valores de tres meses consecutivos y reportando la suma
en el lugar correspondiente al último mes considerado. Los resultados se presentan en el Cuadro
4.19.
Como podrá apreciarse, el mes inicial en el Cuadro 4.19 es Marzo, debido a que es el último de la
primera suma correspondiente a 3 meses, la escala seleccionada, esto es: 5.5 + 0.4 + 7.7 = 13.6, ni
Enero, ni Febrero tienen datos de dos meses previos, por ese motivo no son reportados. El resultado
151
Precipitación
de Enero de 1962, corresponde a la suma de las precipitaciones de Noviembre y Diciembre de

1961, junto con la de Enero de 1962, es decir. 7.0 + 4.8 + 0.0 = 11.8, el dato de Febrero de 1962 se
genera a partir de: 4.8 + 0.0 + 2.7 = 7.5 y así sucesivamente, hasta Enero de 1969, donde no se
Cuadro 4.19. Precipitación de la Estación Chapingo, México del período 1961 – 1988, para
Ciclos de 3 meses.
1961 * * 13.6 13.7 35.6 202.6 346 417.7 310 178.8 91.8 29.6
1962 11.8 7.5 9.4 85.6 105 181.1 153.2 215.6 237.2 267.6 185 84.1
1963 5.6 3.7 32.8 70.4 126 180 302.9 372.6 400.9 265.1 141 45.4
1964 42.6 40.8 40.3 31.5 141 296.9 366.2 311.8 264.2 215.9 169 50.6
1965 19.1 38.2 30 43.8 61 132.7 201.2 303.3 312.8 298.4 154 80
1966 19.7 24.2 78.3 99.5 100 118.9 263.9 398.2 383.2 261.2 120 58.6
1967 69.8 70.2 80.6 28.4 90.8 119.1 198.8 296.1 371.3 336.3 180 65.2
1968 16.6 34.2 31.4 64.1 80.1 215.9 334.5 385.6 362.4 282.5 199 104
1969 * * * 40.2 45.5 66.8 218 436.2 480.8 326.5 * *
1970 * 8.5 8.9 20.7 62.5 201.6 286.3 346.7 320.6 260.5 154 40.7
1971 9.5 9.3 20.5 39.8 65.2 212.7 271.4 305.2 232.4 206.1 155 77.2
1972 16.2 7.7 16.8 55.9 125 200.2 250.3 246 240.1 200.7 145 58.7
1973 8.9 5 12.9 42.9 94 168 267.8 408.7 399.7 323.5 149 77.5
1974 29.1 9.9 20.6 79.5 138 238.6 399.3 466.1 444.9 242.1 116 25
1975 39.8 48.1 55.9 55 132 252 371.2 374.4 283.4 142.5 50.6 14.2
1976 0 3.5 12.6 57.5 136 184.6 310.5 346.1 383.8 290.5 177 101.9
1977 25 26.5 5.7 12.7 54.6 150.2 272 284.5 300.9 203.1 171 63.7
1978 * * * * * * * * * 242.1 183 93
1979 31.2 28.6 58.9 66.5 105 162.6 276.7 313.2 414.1 293.1 196 34.9
1980 79.6 82.3 57.2 45.3 70 149.3 185 275.4 262 239 146 76.8
1981 * * * * * * 367.2 421 347.2 261.4 181 81.4
1982 27 11.2 27.2 66.3 115 158.6 205.2 188.2 140.7 105.2 66.7 52.9
1983 22.1 32.4 39.2 19.8 30.5 104.2 215.7 310.4 316.9 247.3 * *
1984 * 42 42.8 15.3 34.1 159.5 383.6 441.4 425.3 235.9 146 39.4
1985 12.7 13 17.8 79.4 115 269 263.3 380.8 299.7 257.3 111 29.1
1986 7.1 0 0 27.3 104 192.2 243.6 293.1 239.5 210.6 87.6 53.4
1987 3.6 0.3 14 32.8 72.7 193.1 308.4 419 360.2 226.1 81.5 6.2
1988 6.2 8.9 60.9 80.4 106 158.3 250.9 277.8 291.5 192.6 139 20.7
reporta el resultado de la suma, al igual que para los meses de Febrero y Marzo, debido a que no
existe información de la lluvia reportada para el mes de Enero, lo cual repercute en los otros dos
por estar involucrados en sus sumas. Una situación similar va a ocurrir con los datos de Noviembre
y Diciembre de 1969 y Enero de 1970, porque para ellos se carece de información del mes de
Noviembre. La falta de datos y sus influencias se vuelven a notar en varios mese de 1978 y de
1981.
En este ejemplo, los meses (sumas de tres meses) con datos de precipitación de 0.0 mm se ajustaron
con la Distribución Normal y con valores mayores a cero con la Distribución Gamma – Incompleta,
en forma específica los tres primeros meses (Enero, Febrero y Marzo) se estudiaron con la normal y
152
Precipitación
los nueve restantes, de Abril a Diciembre, con la Gamma – Incompleta. Al aplicarles la Prueba de
Smirnov, el mes de Enero (sumas) no se ajusto a la Normal, por lo cual sus datos deberán
considerarse con reserva y el mes de Noviembre no se ajusto a la Gamma, pero si a la Normal.
En relación a la Gamma se estimaron sus parámetros con el método de Thom, generando primero el
valor del parámetro auxiliar “A” y después los de  y .
Las probabilidades acumulativas para las sumas correspondientes a cada mes se presentan en el
Cuadro 4.20 y a partir de ellas se establece datos de “z” con la Inversa de la Distribución Normal
Estándar, que corresponden a los valores del SPI, que se presentan en el Cuadro 4.21 para
Chapingo.
Cuadro 4.20.Probabilidad Acumulativa para la Precipitación Trimestral de la Estación Chapingo,

México para el período 1961 – 1988
1961 ##### ##### 0.210 0.038 0.035 0.697 0.849 0.849 0.448 0.119 0.103 0.196
1962 0.288 0.234 0.160 0.907 0.697 0.551 0.013 0.028 0.125 0.689 0.858 0.831
1963 0.192 0.183 0.523 0.814 0.841 0.542 0.671 0.682 0.826 0.674 0.492 0.426
1964 0.840 0.793 0.653 0.279 0.904 0.975 0.902 0.363 0.226 0.335 0.747 0.499
1965 0.425 0.757 0.473 0.490 0.227 0.191 0.111 0.318 0.462 0.838 0.614 0.804
1966 0.436 0.519 0.982 0.952 0.655 0.114 0.443 0.787 0.772 0.650 0.287 0.602
1967 0.991 0.985 0.986 0.227 0.561 0.115 0.103 0.281 0.729 0.939 0.827 0.675
1968 0.376 0.696 0.498 0.758 0.443 0.771 0.811 0.739 0.694 0.769 0.924 0.921
1969 ##### ##### ##### 0.430 0.089 0.003 0.181 0.894 0.960 0.920 ##### #####
1970 ##### 0.248 0.155 0.111 0.243 0.691 0.579 0.554 0.502 0.646 0.618 0.357
1971 0.250 0.260 0.310 0.423 0.272 0.754 0.490 0.328 0.110 0.269 0.630 0.783
1972 0.368 0.236 0.254 0.666 0.832 0.682 0.359 0.084 0.134 0.235 0.530 0.603
1973 0.241 0.200 0.201 0.475 0.594 0.451 0.467 0.822 0.823 0.913 0.572 0.785
1974 0.623 0.269 0.312 0.876 0.893 0.866 0.956 0.943 0.919 0.523 0.257 0.136
1975 0.803 0.876 0.863 0.654 0.870 0.905 0.913 0.691 0.314 0.021 0.011 0.034
1976 0.124 0.181 0.198 0.686 0.885 0.576 0.709 0.550 0.774 0.806 0.806 0.914
1977 0.543 0.561 0.123 0.031 0.163 0.313 0.493 0.225 0.402 0.250 0.768 0.660
1978 ##### ##### ##### ##### #### ##### ###### ###### ##### 0.523 0.849 0.878
1979 0.663 0.600 0.891 0.781 0.693 0.408 0.522 0.370 0.860 0.817 0.911 0.271
1980 0.998 0.997 0.876 0.514 0.326 0.306 0.062 0.185 0.217 0.501 0.542 0.780
1981 ##### ##### ##### ##### #### ##### 0.904 0.858 0.629 0.652 0.837 0.813
1982 0.582 0.289 0.423 0.779 0.772 0.377 0.126 0.007 0.002 0.001 0.029 0.530
1983 0.484 0.666 0.635 0.100 0.019 0.056 0.170 0.355 0.483 0.559 ##### #####
1984 ##### 0.809 0.694 0.051 0.030 0.384 0.935 0.904 0.885 0.478 0.536 0.337
1985 0.304 0.319 0.269 0.876 0.772 0.941 0.439 0.719 0.396 0.626 0.218 0.189
1986 0.213 0.141 0.078 0.209 0.691 0.630 0.319 0.266 0.132 0.299 0.086 0.536
1987 0.166 0.144 0.215 0.302 0.358 0.636 0.699 0.852 0.685 0.408 0.064 0.003
1988 0.200 0.254 0.906 0.881 0.706 0.375 0.363 0.195 0.354 0.187 0.464 0.088
En la actualidad con el uso de la hoja de cálculo EXCEL todo el procedimiento se realiza fácil y
rápidamente.
153
Precipitación
A partir del Cuadro 4.21, es posible indicar que periodos trimestrales Extremadamente Secos
ocurrieron en los años: 1962, 1969, 1975, 1982 y 1983. El de mayor sequía fue en Octubre de 1982,
es decir, Agosto – Septiembre – Octubre y el período mas crítico fue también en 1982,
prácticamente desde Junio hasta Octubre.
Cuadro 4.21.Índice de Precipitación Estandarizada, SPI, para Períodos de Tres meses de la Estación
Chapingo, México para el período 1961 – 1988
1961 * * -0.81 -1.78 -1.81 0.52 1.03 1.03 -0.13 -1.18 -1.26 -0.86
1962 -0.56 -0.73 -0.99 1.32 0.52 0.13 -2.21 -1.92 -1.15 0.49 1.07 0.96
1963 -0.87 -0.90 0.06 0.89 1.00 0.11 0.44 0.47 0.94 0.45 -0.02 -0.19
1964 0.99 0.82 0.39 -0.59 1.31 1.95 1.29 -0.35 -0.75 -0.43 0.67 0.00
1965 -0.19 0.70 -0.07 -0.03 -0.75 -0.88 -1.22 -0.47 -0.10 0.99 0.29 0.85
1966 -0.16 0.05 2.10 1.67 0.40 -1.21 -0.14 0.80 0.74 0.39 -0.56 0.26
1967 2.37 2.18 2.20 -0.75 0.15 -1.20 -1.27 -0.58 0.61 1.55 0.94 0.45
1968 -0.32 0.51 -0.01 0.70 -0.14 0.74 0.88 0.64 0.51 0.74 1.43 1.41
1969 * * * -0.18 -1.35 -2.77 -0.91 1.25 1.75 1.41 * *
1970 * -0.68 -1.02 -1.22 -0.70 0.50 0.20 0.13 0.00 0.37 0.30 -0.37
1971 -0.67 -0.64 -0.50 -0.19 -0.61 0.69 -0.03 -0.45 -1.23 -0.62 0.33 0.78
1972 -0.34 -0.72 -0.66 0.43 0.96 0.47 -0.36 -1.38 -1.11 -0.72 0.08 0.26
1973 -0.70 -0.84 -0.84 -0.06 0.24 -0.12 -0.08 0.92 0.93 1.36 0.18 0.79
1974 0.31 -0.62 -0.49 1.16 1.24 1.11 1.70 1.58 1.40 0.06 -0.65 -1.10
1975 0.85 1.16 1.09 0.40 1.13 1.31 1.36 0.50 -0.48 -2.03 -2.30 -1.83
1976 -1.15 -0.91 -0.85 0.48 1.20 0.19 0.55 0.13 0.75 0.86 0.86 1.37
1977 0.11 0.15 -1.16 -1.87 -0.98 -0.49 -0.02 -0.76 -0.25 -0.68 0.73 0.41
1978 * * * * * * * * * 0.06 1.03 1.17
1979 0.42 0.25 1.23 0.78 0.50 -0.23 0.06 -0.33 1.08 0.90 1.35 -0.61
1980 2.86 2.74 1.15 0.03 -0.45 -0.51 -1.54 -0.90 -0.78 0.00 0.11 0.77
1981 * * * * * * 1.31 1.07 0.33 0.39 0.98 0.89
1982 0.21 -0.56 -0.19 0.77 0.75 -0.31 -1.15 -2.45 -2.92 -3.08 -1.89 0.07
1983 -0.04 0.43 0.34 -1.28 -2.08 -1.59 -0.95 -0.37 -0.04 0.15 * *
1984 * 0.87 0.51 -1.63 -1.89 -0.29 1.51 1.31 1.20 -0.05 0.09 -0.42
1985 -0.51 -0.47 -0.62 1.15 0.75 1.56 -0.15 0.58 -0.26 0.32 -0.78 -0.88
1986 -0.80 -1.08 -1.42 -0.81 0.50 0.33 -0.47 -0.63 -1.12 -0.53 -1.37 0.09
1987 -0.97 -1.06 -0.79 -0.52 -0.37 0.35 0.52 1.05 0.48 -0.23 -1.52 -2.73
1988 -0.84 -0.66 1.32 1.18 0.54 -0.32 -0.35 -0.86 -0.37 -0.89 -0.09 -1.36
154
Evapotranspiración
CAPITULO 5
EVAPOTRANSPIRACIÓN
5.1. Generalidades
México tiene una superficie agrícola de aproximadamente 25 millones de ha, de las cuales un 20%
cuenta con riego y un 80% bajo condiciones de secano o temporal. Es decir, uno de los factores
más limitativos de la producción agrícola en nuestro país es el agua.
Por lo anterior, el objetivo de este Capítulo es el exponer los diferentes métodos para estimar la
cantidad de agua requerida para las plantas durante su ciclo vegetativo, con el fin de compararla
con el agua disponible a partir de la lluvia. De otra forma, el interés básico es el elaborar balances
hídricos para cualquier región.
5.2. Terminología
La terminología que aquí se utilizara y su significado, es la propuesta por la Organización

Meteorológica Mundial, OMM, en 1966.
Evaporación Potencial (Ev) es la cantidad de vapor de agua que puede ser emitida desde una
superficie de agua libre;
Transpiración (Tr) es la pérdida de agua liberada hacia la atmósfera a través de los estomas de las
plantas;
Evapotranspiración (ET) es la suma de las cantidades de agua evaporada desde el suelo y la

transpirada por las plantas;
Evapotranspiración Potencial (ETP) es la máxima cantidad de agua capaz de ser pérdida por una
capa continua de vegetación que cubra a todo el terreno, cuando es ilimitada la cantidad de agua
suministrada al suelo;
Evapotranspiración Real o Actual (ETR o ETA) es la cantidad de agua pérdida por el complejo
suelo-planta en las condiciones meteorológicas, edáficas y biológicas existentes. En estas últimas se
incluye el tipo de cultivo, su fase de crecimiento y de desarrollo. Para las condiciones edáficas se
incluye al contenido de humedad en el suelo y su fuerza de retención.
Normalmente, la Ev excede a la ETP en aproximadamente un 20%, debido a la mayor reflexión

radiactiva de la capa vegetal, comparada con la superficie de agua. A partir de esto último, ha sido
muy frecuente el estimar a la ETP a partir de la Ev, como sigue:
ETP = 0.8 Ev
155
Evapotranspiración
5.3. Estimación de la Evaporación
En el 2007 el Servicio Meteorológico Nacional, reportó en sus Normales 1971 – 2000 a 3758
estaciones meteorológicas, suponiendo que todas ellas tuvieran datos de evaporación, significaría
que en promedio existe un dato de evaporación por cada 53,000 ha. Resultando necesaria su
estimación en sitios de interés particular.
Durante varios años, estudiantes de la Universidad Autónoma Chapingo y del Colegio de

Postgraduados han tratado de generar modelos para estimar a la evaporación, algunos ejemplos son
los siguientes:
Mejía Vallejo (1983) generó un modelo aplicable a la República Mexicana, que era:
Ev = 221.9310 + 7.9769 (T) - 3.3553 (HR)

donde:
Ev = Evaporación Mensual, mm;
T = Temperatura Media Mensual, oC;
HR = Humedad Relativa, %.
con una R2 = 0.7386 y una Fc = 233.19**
El modelo de Mejía (1983) tuvo el inconveniente del dato de la HR, debido a que solo se reporta en
los observatorios y en las estaciones automáticas, limitando su aplicación, aunque es muy probable
que en el futuro se convierta en un dato común.
Pájaro Huertas (1983), propuso un modelo que relacionaba a la Ev con la temperatura máxima
media, a nivel mensual, como sigue:
Ev = a + b (TMÁX)
donde:
Ev = Evaporación media mensual, mm;
TMÁX = Temperatura máxima media, oC.
Obteniéndose a nivel de estación meteorológica resultados muy satisfactorios y a nivel regional

poco significativos. En el Cuadro 5.1, se muestran los modelos obtenidos para 17 estaciones
normales, del período 1971 – 2000, de la Región Oriental del Estado de México. Los datos de 14 de
las 17 estaciones generan modelos satisfactorios, esto es, el 82 %. Cuando se obtiene el modelo
general, resulta como:
Ev = 9.4316 (Tmax) – 80.686
con una R2 = 0.4389 y n = 204.
En otro estudio Madrigal Ballesteros (2005), generó un modelo regional para 10 estaciones del sur
de Veracruz con una altitud menor a 100 m, relacionando a la Ev, en mm/d, con la Tmax promedio
mensual, la ecuación de regresión lineal fue:
156
Evapotranspiración
Cuadro 5.1. Modelos para Estimar la Evaporación Mensual, Ev , en mm, a partir de la Temperatura Media
Máxima, TMÁX, para 17 Estaciones Meteorológicas del Oriente del Estado de México.
Estación Modelo R2
Amecameca Ev = 16.425 TMAX – 245.78 0.9313
Atenco Ev = 20.517 TMAX – 353.81 0.8143
Chalco Ev = 21.60 TMAX – 360.4 0.8665
Chapingo Ev = 14.012 TMAX – 222.97 0.8001
Chiconautla Ev = 14.718 TMAX – 216.4 0.8920
El Salitre Ev = 16.876 TMAX – 233.36 0.8371
El Tejocote Ev = 16.113 TMAX – 236.42 0.6175
La Grande Ev = 15.308 TMAX – 240.34 0.8718
Los Reyes Ev = 15.122 TMAX – 212.55 0.8109
Río Frío Ev = 14.948 TMAX – 169.94 0.7973
San Andrés Ev = 15.607 TMAX – 237.64 0.7591
S. J. Totolapan Ev = 19.763 TMAX – 240.55 0.6226
San Luís Ev = 25.20 TMAX – 439.76 0.6411
San Miguel Tlaixpan Ev = 17.101 TMAX – 223.34 0.7967
S. P. Nexapa Ev = 20.082 TMAX – 302.32 0.8977
Tepexpan Ev = 15.130 TMAX – 237.18 0.9277
Texcoco Ev = 20.401 TMAX – 382.84 0.8706
Ev = 0.3909 (Tmax) – 8.7076
con un R2 = 0.8849 y n = 120 datos;
Morales Gaspar (2005), para el Estado de Oaxaca con 10 estaciones:
Ev = 0.4190 (TMAX ) – 7.7912

donde:
Ev = Evaporación Mensual, mm/d;

TMAX = Temperatura Máxima Mensual, oC;
Obtuvo una R2 = 0.7911, con n = 120 datos.
Por otra parte Arévalo Zarco (2005), para 5 estaciones del Estado de Guanajuato obtuvo el modelo:
Ev = 13.729 (TMAX ) – 191.60
donde:
Ev = Evaporación Mensual, mm
TMAX = Temperatura Máxima Mensual, oC;
con un R2 = 0.7938 y n = 60 datos. La gráfica de esta relación se presenta en la Figura 5.1.
157
Evapotranspiración
300
280
260
240
EV (mm)
220
200
180
160
140
120
100
20 22 24 26 28 30 32 34
TMAX
Figura 5.1. Relación entre la Ev mensual en mm y la TMAX en oC para 5 estaciones del

Estado de Guanajuato (Arévalo, 2005).
El objetivo común de estimar a la evaporación ha sido obtener un dato que permita generar a la
evapotranspiración potencial.
5.4. Métodos para Estimar a la Evapotranspiración Potencial
Durante los últimos 50 años se han desarrollado una gran cantidad de métodos empíricos por
numerosos científicos y especialistas en todo el mundo con el fin de estimar a la evapotranspiración
a partir de diferentes variables climáticas. De los cuales dos son los más citados, el de Penman,
propuesto en 1949, considerado como el más preciso y el de Thorntwaite, como el más sencillo.
Entre ambos, se tienen otros procedimientos como el de Hargreaves y el de Papadakis, que es
conveniente conocerlos para buscar los que mejor se adapten o sirvan a nuestras necesidades.
Método de Penman - Monteith
La FAO en 1990, organizó una consulta de expertos e investigadores, con la colaboración de la

Comisión Internacional de Riego y Drenaje y de la Organización Meteorológica Mundial, para
revisar sus metodologías para la determinación de los requerimientos de agua por los cultivos y
producir nuevos lineamientos.
Después de 10 años de trabajo, el panel de expertos recomendó la adopción del método combinado
de Penman – Monteith como el nuevo procedimiento estándar para la evapotranspiración de
referencia e indicó las formas para calcular los distintos parámetros incluidos en el método. Se
desarrolló entonces el método FAO Penman – Monteith, definiendo al cultivo de referencia como
un cultivo hipotético con una altura de 0.12 m, con una resistencia de la superficie de 70 s/m y un
albedo de 0.23, lo que asemeja a la evaporación que ocurre en una superficie extensa de pasto verde
de altura uniforme, creciendo activamente y bien regado.
158
Evapotranspiración
A continuación daremos una breve explicación del método para su aplicación en nuestro medio y
para una mayor referencia se recomienda consultar la publicación estudio FAO 56 de Riego y
Drenaje (Allen et al., 2006). Cabe mencionar que los cálculos se pueden hacer a nivel mensual, que
es el que estudiaremos, a nivel diario e incluso a nivel horario.
La fórmula para el cálculo de la Evapotranspiración de referencia, a nivel mensual, es la siguiente:
0.408    Rn  G      u 2  es  ea 

900
ETo  T  273
   1  0.34  u 2 
donde:
ETo = Evapotranspiración de referencia, mm día-1;
Rn = Radiación neta en la superficie del cultivo, MJ m-2 día-1;
Ra = Radiación extraterrestre, mm día-1;
G = Flujo de calor del suelo, MJ m-2 día-1;
T = Temperatura media del aire a 2m, oC;
u2 = Velocidad del viento a 2m, m s-1;
es = Presión de vapor a saturación; kPa;
ea = Presión de vapor real, kPa;
es – ea = Déficit de presión de vapor, kPa;
 = Pendiente de la curva de presión de vapor, kPa oC-1;
γ = Constante psicrométrica, kPa oC-1.
Para su aplicación actual en nuestro país, a partir de la información reportada por 73 Observatorios
del período 1981 – 2000, el único dato que no se dispone es la presión de vapor real, pero como se
indicó, la metodología de la FAO, menciona como estimarla.
El Déficit de Presión de Vapor, es – ea
Se calcula estimando es, la presión de vapor a saturación, con la siguiente forma:
e o (T max)  e o (T min)
es 
2
con:
 17.27 * T 
e o (T )  0.6108  exp  
 T  237.3 
donde:
eo(T max) = Presión de vapor a saturación a T max, kPa;
eo(T min) = Presión de vapor a saturación a T min, kPa; y
y la ea , Presión de vapor real, que se puede estimar de dos formas:
159
Evapotranspiración
HRmedia o
ea   e (Tmedia)
100
donde:
HRmedia = Humedad Relativa media, %;
eo(Tmedia) = Presión de vapor a saturación a T media, kPa;
Este procedimiento es el menos recomendado por la FAO.
El otro procedimiento de estimación es:
ea = eo(T rocío)
Esto es, aplicando la fórmula para la presión de vapor a saturación pero con la T del punto de rocío,
cuando no se cuenta con la T rocío, se puede hacer uso de la T min, es decir:
ea = eo(T min)
O más aún, se recomienda usar a la T min, pero restándole de 2 a 3 oC.
Como en los datos de los 73 Observatorios actuales no se reporta a la T rocío, la alternativa es

aplicar a la temperatura mínima restándole de 2 o 3 grados. Para contar con al menos una evidencia
de cuanto restar se analizaron los datos de 4 meses, Marzo, Junio, Septiembre y Diciembre, de
observatorios para la T min y la T rocío, para tres años: 1971, 1972 y 1973, cuyos resultados se
muestran en la Figura 5.2.
30
y = 1.0247x - 2.4608
R2 = 0.9475
25
20
15
T rocio
10
0
0 5 10 15 20 25 30
-5
T min
Figura 5.2. Relación entre la Tmin y la T rocío mensuales para diferentes Observatorios
en la República Mexicana en el período 1971 – 1973.
160
Evapotranspiración
A partir de los resultados de la gráfica se puede adoptar que:
T rocío = T min – 2.5
Con lo cual, ea se puede calcular como:
ea = eo(Tmin – 2.5)
Pendiente de la Curva de Presión de Vapor, 
Se obtiene a partir de:
  17.27  T 
4098  0.6108  exp  
  T  237.3  4098  e (T )
o
 
T  237.32 (T  237.3) 2
donde:
T = Temperatura de aire, oC;
eo(T) = Presión de vapor a saturación a la temperatura T, kPa
Constante Psicrométrica, γ
Se genera con la fórmula:
cp  P P
  10 3  0.00163 
  
donde:
cp = Calor específico del aire = 1.013 kJ kg-1 oC -1;
P = Presión atmosférica, kPa, se puede estimar con:
 293  0.0065  z 
5.26
P  101.3   
 293 
con:
z = Altitud, m;
ε = Relación molecular del vapor de agua/aire seco = 0.622;
λ = Calor latente de vaporización, MJ kg-1, se calcula con:
  2.501  (2.361 10 3 )  T
con:
T = Temperatura del aire, oC;
161
Evapotranspiración
Es conveniente hacer notar que en los 73 Observatorios del período 1981 – 2000, se reporta la
presión atmosférica, P, a nivel mensual en mbar, por lo que puede omitirse el uso de la fórmula
para su cálculo y para transformar los mbar a kPa, sólo se dividen los mbar entre 10.
Radiación Neta, Rn
Se calcula como:
Rn = Rns – Rnl
donde:
Rns = Radiación neta de onda corta, MJ m-2 día-1;
Rnl = Radiación neta de onda larga, MJ m-2 día-1;
Para Rns se utiliza:
Rns = (1 – α) Rs
con:
α = albedo o coeficiente de reflexión del cultivo = 0.23;
así:
Rns = (1 – 0.23) Rs = 0.77 Rs
Rs = Radiación solar entrante, MJ m-2 día, que se genera como:
n
Rs  (0.25  0.50 )  Ra
N
Ra = Radiación extraterrestre, MJ m-2 día-1; a partir de:
24  60
Ra   Gcs  dr s sen  sen  cos   cos   sen s 

con:
Gcs = Constante solar = 0.082 MJ m-2 min-1;
dr = Distancia relativa inversa Tierra – Sol;
2
dr  1  0.033  cos(  J)
365
J = Número de día del año, entre 1 (1 de enero) y 365
(31 de diciembre);
ωs = Ángulo de radiación a la hora de la puesta del sol; con:
s  arccos tan   tan  

con:

φ = Latitud en radianes = (Grados decimales);
180
162
Evapotranspiración
δ = Declinación solar, radianes; a partir de:

 2 
  0.409  sen   J  1.39
 365 
n = Duración real de la insolación, horas;

N = Duración máxima posible de la insolación, horas; se obtiene con:
24
N  s

Para Rnl se emplea:

 T max, K 4  T min, K 4 
Rnl     

  0.34  0.14 ea  1.35 
Rs 
 0.35 
 2   Rso 
donde:
σ = Constante de Stefan-Boltzmann = 4.903 x 10-9 MJ K-4 m-2 día-1;
Tmax,K = Temperatura máxima absoluta, K = oC + 273.16;
Tmin,K = Temperatura mínima absoluta, K = oC + 273.16;
ea = Presión de vapor real, kPa;
Rs/Rso = Radiación relativa de onda corta, valores ≤ 1.0;
Rso = Radiación en un día despejado, MJ m-2 día-1; se genera con:

Rso  0.75  2z   10 5  Ra 
Flujo de Calor del Suelo, G
A nivel mensual se asume una capacidad calorífica constante del suelo igual a 2.1 MJ m -3 oC-1 y
una profundidad media.
La fórmula más empleada es:
Gmes, i = 0.14 (Tmes, i – Tmes, i-1)

donde:
Tmes, i = Temperatura media del aire en el mes i, oC;
Tmes, i-1 = Temperatura media del aire en el mes i - 1, oC;
G puede tener valores positivos o negativos.
Para la aplicación de las formulas anteriores resulta muy útil el uso de hojas de cálculo como la de
EXCEL. Los datos de entrada para la determinación de la evapotranspiración de referencia
mensual, ETo, fueron: la Temperatura máxima y mínima promedios, la Humedad Relativa media,
la Presión Atmosférica media, el Total de Horas de Insolación, la Velocidad del Viento, la Latitud
y Altitud del Observatorio. Además, fueron necesarios el número de días del mes y el número de
día del año correspondiente al día 15 de cada mes. La FAO reporta una plantilla de cálculo, que
adaptada a los datos de los Observatorios de México, se presenta en la Figura 5.3 y en la Figura 5.4
se muestra la plantilla con los datos del mes de Marzo para el Observatorio de Tacubaya, D.F.
163
Evapotranspiración
Plantilla de Cálculo para la ETo (Método FAO Penman-Monteith)
Parámetros:
Tmáx °C
Tmín °C Tmedia =(Tmáx+Tmín)/2 °C
Tmedia °C ∆ kPa/°C
Altitud m γ kPa /°C
u2 m/s
Déficit de presión de vapor
Tmáx °C e°(Tmáx) kPa
Tmín °C e°(Tmín) kPa
Presión de saturación de vapor es =(e°(Tmáx) + e°(Tmín))/2 kPa
ea derivada con la estimación del punto de rocío
Tmín – 2.5 °C e°(Tmín - 2.5) kPa
O bien ea derivada de la Humedad Relativa promedio (menos recomendada por la no linearidad)
HR media % ea = es (HR media)/100 kPa
Déficit de presión de vapor (es - ea) kPa
Radiación
Latitud °
Día Ra MJ/m2/día
Mes N Horas
N horas n/N
Si no hay datos disponibles de Rs; Rs = (0.25+ 0.50n/N)Ra MJ/m2/día
Rso =[0.75+ 2(Altitud)/100000] Ra MJ/m2/día
Rs/Rso
Rns =0.77 Rs MJ/m2/día
Tmáx °C σTmáx, K**4 MJ/m2/día
Tmín °C σTmín, K**4 MJ/m2/día
(σTmáx, K**4 +σTmín.K**4)/2 MJ/m2/día
Ea kPa (0.34 - 0.14√ea )
Rs/Rso (1.35 Rs/Rso - 0.35)
Rnl = ((σTmáx,K**4 + σTmín,K**4)/2)(0.34 - 0.14 √ea)(1.35 Rs/Rso - 0.35) MJ/m2/día
Rn = Rns - Rnl MJ/m2/día
Tmes °C
Tmes – 1 °C Gmes = 0.14 (Tmes - Tmes-1) MJ/m2/día
Rn - G MJ/m2/día
0.408 (Rn - G) mm
Evapotranspiración de referencia
900
0.408    ( Rn  G)     u 2 (es  ea )
ETo  T  273
   (1  0.34u 2 ) mm/día
Figura5.3. Plantilla de cálculo para la Evapotranspiración mensual de referencia, adaptada a los

Datos de los Observatorios de México.
164
Evapotranspiración
Plantilla de Cálculo para la ETo (Método FAO Penman-Monteith)

con datos del mes de Marzo para el Observatorio Tacubaya, D. F.
Parámetros:
Tmáx 25.7 °C
Tmín 10.4 °C Tmedia =(Tmáx+Tmín)/2 18.1 °C
Tmedia 18.1 °C ∆ 0.1301 kPa/°C
Altitud 2309 m γ 0.0509 kPa /°C
u2 8.7 m/s
Déficit de presión de vapor
Tmáx 25.7 °C e°(Tmáx) 3.3023 kPa
Tmín 10.4 °C e°(Tmín) 1.2613 kPa
Presión de saturación de vapor es =(e°(Tmáx) + e°(Tmín))/2 2.2818 kPa
ea derivada con la estimación del punto de rocío
Tmín - 2.5 °C e°(Tmín - 2.5) kPa
O bien ea derivada de la Humedad Relativa promedio (menos recomendada por la no linearidad)
HR media 41 % ea = es (HR media)/100 1.0655 kPa
Déficit de presión de vapor (es - ea) 1.2163 kPa
Radiación
Latitud 19.404 °
Día 74 Ra 34.82 MJ/m2/día
Mes Marzo N 11.87 Horas
n 8.6 horas n/N 0.72
Si no hay datos disponibles de Rs; Rs = (0.25+ 0.50n/N)Ra 21.383 MJ/m2/día
Rso =[0.75+ 2(Altitud)/100000] Ra 27.723 MJ/m2/día
Rs/Rso 0.7713
Rns =0.77 Rs 16.465 MJ/m2/día
Tmáx 25.7 °C σTmáx, K**4 39.11 MJ/m2/día
Tmín 10.4 °C σTmín, K**4 31.70 MJ/m2/día
(σTmáx, K**4 +σTmín.K**4)/2 35.40 MJ/m2/día
ea 1.0655 kPa (0.34 - 0.14√ea ) 0.1955
Rs/Rso 0.7713 (1.35 Rs/Rso - 0.35) 0.6913
Rnl = ((σTmáx,K**4 + σTmín,K**4)/2)(0.34 - 0.14 √ea)(1.35 Rs/Rso - 0.35) 4.7845 MJ/m2/día
Rn = Rns - Rnl 11.68 MJ/m2/día
Tmes 18.1 °C
Tmes - 1 16.0 °C Gmes = 0.14 (Tmes - Tmes-1) 0.2949 MJ/m2/día
Rn - G 11.385 MJ/m2/día
0.408 (Rn - G) 4.64 mm
Evapotranspiración de referencia
900
0.408    ( Rn  G)     u 2 (es  ea )
ETo  T  273
   (1  0.34u 2 )
6.22 mm/día
Figura 5.4. Cálculo de la Evapotranspiración de referencia para el mes de Marzo del Observatorio de
Tacubaya, D. F.
165
Evapotranspiración
Los resultados para 10 Observatorios de la República Mexicana, se reportan en el Cuadro 5.2, en el

cuál se aprecia que los datos generados fueron relativamente altos, por lo que se consideró
necesario aplicar procedimientos alternativos, también recomendados por la FAO ( Allen, et al.,
2006).
Cuadro 5.2. Evapotranspiración de Referencia, ETo, en mm/día con el Método Penman – Monteith a nivel
mensual, a partir de la información reportada en 10 Observatorios de la República Mexicana
para el período 1981 – 2000.
OBSERVATORIO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
CHIHUAHUA 3.19 3.76 3.79 4.49 5.30 6.37 7.07 6.77 5.77 4.72 3.86 3.30
CHILPANCINGO 7.23 8.27 8.22 9.07 9.75 10.72 10.05 10.30 10.44 8.71 7.62 7.24
DURANGO 4.91 5.56 6.24 7.08 8.30 9.33 9.32 8.85 7.81 6.40 5.56 5.17
GUADALAJARA 4.43 5.17 5.62 5.69 6.43 7.54 7.28 7.31 6.76 6.06 4.94 4.34
JALAPA 4.95 5.05 5.67 6.21 6.72 6.85 6.50 6.48 6.51 6.31 5.50 4.90
LA PAZ 5.95 6.11 6.70 7.43 8.27 8.96 9.89 9.88 9.17 8.06 6.59 6.12
MÉRIDA 9.35 9.49 9.96 10.88 11.35 12.23 12.26 12.12 11.76 10.92 10.26 9.59
MONTERREY 5.70 6.38 7.09 8.89 10.41 10.87 11.11 11.54 10.10 8.29 6.86 5.68
TACUBAYA 4.65 5.00 5.27 5.86 6.84 7.34 7.53 7.60 7.25 6.49 5.32 4.65
TAPACHULA 10.80 11.22 12.45 13.38 13.79 14.02 12.86 12.65 12.39 12.27 12.01 10.96
Método del Tanque Evaporímetro
La FAO (Allen, et al., 2006) menciona que también se puede generar el dato de la
Evapotranspiración de referencia, ETo, a partir de los datos de tanques de evaporación, con la
siguiente fórmula:
ETo = kp Epan
Es decir, la evaporación del tanque, Epan, se multiplica por un coeficiente kp.
Para establecer el valor de kp, se considera a dos tipos de tanques: el de clase A que esta sobre la
superficie y el enterrado tipo Colorado. En nuestro medio es más conocido el de clase A y dentro
de estos se analizan dos situaciones, si el tanque esta sobre un terreno desnudo o sobre una zona de
pasto verde corto, siendo lo más frecuente que se encuentre sobre terreno desnudo. Además, se
evalúa la distancia al terreno de cultivo, la Humedad Relativa media y la velocidad del viento.
En el Cuadro 5.3 se reportan los valores de kp que a nuestro juicio, corresponden a las situaciones
más comunes que se presentan en el país.
También es posible aplicar una ecuación para el cálculo de la kp, cuya forma simplificada para las
condiciones de México es:
kp = 0.61+ 0.00341 HRm – 0.000162 u2 HRm – 0.00000959 u2 -0.00289 u2 Ln(86.4 u2)
Con los valores del Cuadro 5.3 y con los datos de Evaporación reportados por los 10 Observatorios
del Cuadro 5.2, se generó al Cuadro 5.4.
166
Evapotranspiración
Cuadro 5.3. Valores de kp para la estimación de la Evapotranspiración de referencia

en función de la Humedad Relativa media, HR media y la Velocidad del Viento.
HUMEDAD RELATIVA media (%)
VELOCIDAD Baja Media Alta
DEL VIENTO < 40 40 – 70 > 70
(m/s)
Baja < 2 0.70 0.80 0.85
Moderada 2 – 5 0.65 0.75 0.80
Alta 5 – 8 0.60 0.65 0.70
Muy Alta > 8 0.50 0.60 0.65
Cuadro 5.4. Evapotranspiración de Referencia, ETo, en mm/día con el Método del Tanque Clase A a nivel
mensual, a partir de la información reportada en 10 Observatorios de la República Mexicana
para el período 1981 – 2000.
CHIHUAHUA 1.94 2.44 3.27 4.04 4.66 4.85 4.26 4.11 3.55 3.05 2.23 1.52
CHILPANCINGO 2.88 3.71 4.61 5.10 4.57 3.62 3.38 3.35 3.08 3.31 3.21 2.87
DURANGO 2.75 3.62 5.09 5.92 6.08 4.98 3.84 3.50 3.13 3.04 3.06 2.46
GUADALAJARA 2.37 2.79 3.67 4.40 4.19 2.86 2.35 2.48 4.29 2.64 2.23 1.91
JALAPA 1.40 1.77 2.27 2.34 2.33 2.35 2.35 2.32 2.05 1.51 1.85 1.28
LA PAZ 2.54 3.48 4.17 5.27 6.02 6.33 6.16 4.99 4.36 4.24 3.85 2.33
MÉRIDA 2.36 3.34 4.20 4.88 5.03 6.15 3.50 3.94 3.50 3.10 2.98 2.66
MONTERREY 1.61 2.18 2.75 3.40 3.68 4.05 4.49 4.03 2.99 2.37 1.84 1.38
TACUBAYA 2.64 3.44 4.10 4.24 3.99 3.60 3.17 2.83 2.71 2.83 2.54 2.52
TAPACHULA 2.32 2.94 3.25 3.12 2.66 2.15 2.24 2.16 2.06 2.22 2.49 2.31
Método de Hargreaves
Cuando no se cuenta con datos meteorológicos de radiación solar, humedad relativa o velocidad del viento,
la FAO recomienda algunos procedimientos para su estimación, algunos de los cuales ya han sido
mencionados en párrafos anteriores. Sin embargo, como una opción alternativa la Evapotranspiración de
referencia, ETo, se puede estimar usando la ecuación de Hargreaves; con:
ETo = 0.0023 (T media + 17.8) (Tmáx – Tmín)0.5 (Ra)
Las unidades de la ETo y la Ra, Radiación extraterrestre, están dadas en mm/día. Incluso se puede
aplicar el mismo procedimiento para obtener a Ra como con el procedimiento de Penman –
Monteith.
También la FAO (Allen, et al. 2006), señala que si se cuenta con información válida, se puede
estimar a la ETo con el método de Penman-Montetith y calibrar a la ETo de Hargreaves, como
sigue:
ETo(P-M) = a + b ETo(HG)
Además es importante mencionar que el método de Hargreaves tiende a subestimar los valores de
ETo bajo condiciones de vientos fuertes (u2 > 3 m s-1) y a sobreestimar la ETo bajo condiciones de
humedad relativa elevada.
167
Evapotranspiración
Para los mismos 10 Observatorios de los casos anteriores se aplicó el método de Hargreaves y sus
resultados se presentan en el Cuadro 5.5.
Cuadro 5.5. Evapotranspiración de Referencia, ETo, en mm/día con el Método de Hargreaves a nivel
mensual, a partir de la información reportada en 10 Observatorios de la República
Mexicana para el período 1981 – 2000.
CHIHUAHUA 2.29 3.11 4.14 5.37 6.45 6.66 5.94 5.23 4.64 3.87 2.74 2.15
CHILPANCINGO 3.90 4.59 5.20 5.87 5.73 4.91 4.87 4.87 4.50 4.33 4.07 3.69
DURANGO 2.99 3.79 4.79 5.74 6.53 6.33 5.49 5.21 4.66 4.24 3.49 2.88
GUADALAJARA 3.53 4.41 5.41 6.34 6.68 5.85 4.99 4.85 4.47 4.20 3.80 3.39
JALAPA 2.46 2.93 3.72 4.26 4.51 4.28 4.08 3.93 3.61 3.16 2.70 2.35
LA PAZ 2.91 3.67 4.71 5.89 6.83 7.23 6.71 6.08 5.32 4.57 3.44 2.69
MÉRIDA 3.66 3.68 4.41 4.51 4.32 4.07 4.35 4.28 3.96 3.88 3.43 3.42
MONTERREY 2.41 3.16 4.22 5.19 5.64 6.03 6.25 5.85 4.58 3.54 2.75 2.22
TACUBAYA 3.11 3.77 4.58 5.07 5.13 4.73 4.44 4.34 3.92 3.57 3.25 2.97
TAPACHULA 4.84 5.47 6.09 6.29 5.92 5.65 5.69 5.68 5.20 4.91 4.59 4.45
Comentario sobre los Métodos Recomendados

por la FAO
Al comparar los métodos recomendados por la FAO, es decir, Penman – Monteith, del Tanque
Evaporímetro y el de Hargreaves, se puede indicar que consistentemente y con los datos de
Observatorios de México, el que produce los valores más altos es el de Penman – Monteith, los
valores más bajos es el proveniente del Tanque Evaporímetro y el más o menos intermedio es el
procedimiento de Hargreaves. En la Figura 5.5 se ilustra la situación anterior para 4 Observatorios.
Método de Thornthwaite
Hardy y Moutsoulas (1991) propusieron un procedimiento para el cálculo de la ETP con el método
de Thornthwaite (1948), que se basa en tres pasos:
1) Cálculo del Índice de Calor Anual (I):
1.5
12 12
T 
I   im    m 
m 1 m 1  5 
donde:
im = Índice de Calor Mensual;
Tm = Temperatura Media Mensual, C;
m = 1, 2,...., 12
2) Cálculo de un Exponente:
a  (6.7 10 7 ) I 3  (7.7  10 5 ) I 2  (1.8  10 2 ) I  0.49
168
Evapotranspiración
LA PAZ CHIHUAHUA
12 8
10 7
ETo (mm/dïa)
ETo (mm/dïa)
6
8 5
6 4
4 3
2
2 1
0 0
0 5 10 15 0 5 10 15
MES MES
JALAPA TAPACHULA
8 16
7 14
ETo (mm/dïa)
ETo (mm/dïa)
6 12
5 10
4 8
3 6
2 4
1 2
0 0
0 5 10 15 0 5 10 15
MES MES
Figura 5.5. Evapotranspiración de Referencia, ETo, para 4 Observatorios de la República

Mexicana, con los métodos recomendados por FAO, los valores más altos corresponden
al método Penman-Monteith, los más bajos al del Tanque Evaporímetro y el intermedio al
método de Hargreaves.
con dos cifras significativas.
3) Cálculo de la ETP:
 DL  10  Tm 
a
ETPm  16  
 12  I 
donde:
ETPm = Evapotranspiración Potencial, en mm
para meses de 30 días;
DL = Duración del Día o Fotoperíodo, en
horas;
Tm = Temperatura Media Mensual, oC;
I = Índice de Calor Anual y
a = Exponente.
169
Evapotranspiración
La aplicación del método de Thornthwaite para los 10 Observatorios de la República Mexicana, se

presentan en el Cuadro 5.6, a partir de datos de las Normales de 1971 – 2000.
Cuadro 5.6. Valores mensuales de ETP, en mm, por el método de Thornthwaite para 10 Observatorios
de la República Mexicana.
CHIHUAHUA 17.9 30.4 47.7 76.1 120.0 152.7 143.8 124.2 101.5 65.6 33.4 18.5
CHILPANCINGO 61.0 74.9 90.3 112.1 123.5 117.1 102.6 105.2 97.2 91.5 80.9 69.2
DURANGO 28.4 38.5 53.1 74.3 102.8 115.7 101.3 95.1 83.4 63.8 43.3 31.9
GUADALAJARA 39.0 49.7 63.8 86.3 107.7 116.2 99.4 95.2 88.4 72.4 54.2 42.8
JALAPA 43.3 47.8 63.7 81.3 96.4 97.2 86.5 82.2 82.1 69.7 56.6 45.1
LA PAZ 41.2 50.5 65.4 94.7 130.3 186.6 231.9 229.0 202.0 140.1 80.9 49.1
MÉRIDA 86.9 82.4 102.7 125.2 145.3 148.9 144.4 140.3 132.3 119.0 98.5 89.2
MONTERREY 26.7 43.2 70.5 109.1 156.3 190.4 197.2 188.5 139.0 88.6 50.7 26.4
TACUBAYA 43.4 52.7 68.3 82.5 88.9 85.8 75.8 74.9 69.6 60.4 53.6 45.4
TAPACHULA 111.8 125.8 147.2 172.5 168.5 153.5 149.7 147.4 133.7 133.2 123.7 119.3
Método de Papadakis
Un procedimiento un tanto diferente a los anteriores es el método de Papadakis, que en su versión

original calcula la Evapotranspiración Potencial a partir de la fórmula:
ETP = 5.625 (ea - ed)

donde:
ETP = Evapotranspiración Potencial, mm;
ea = Tensión de Vapor a Saturación, calculada
con la Temperatura Máxima promedio, a partir de
la fórmula, ya conocida:
 17.27  T 
esat  6.1078  exp  
 T  237.3 
con T = Temperatura requerida.

ed = Tensión de Vapor Actual, mbar,
cuando no se reporta en las estaciones meteorológicas,
se puede calcular a partir de la Humedad Relativa y la
temperatura media como sigue:
ea tmed  HRmed
ed 
100
170
Evapotranspiración
Tampoco en las estaciones normales actuales se reporta la Tensión de Vapor, lo que limitaría la
aplicación de esta fórmula, para esos casos, existe la fórmula de Haude - Papadakis (Elias y
Castelli, 2001):
ETP = 5.625 (ea – emi-2)
donde:
con la Temperatura Máxima promedio,
a partir de la fórmula;
em-2 = Tensión de Vapor a Saturación, calculada
con la Temperatura Mínima promedio menos
dos grados, a partir de la fórmula;
En el Cuadro 5.7 se muestran las estimaciones de la ETP para 10 observatorios de la República

Mexicana, con este método.
Para México, Castillo (1999) realizó una estimación a partir de la información de 53 observatorios,
el modelo obtenido fue:
ETP  11.97311  5.6748  etmáx  et min 2 
donde:

etmáx = Tensión de Vapor a Saturación, calculada con la
Temperatura Máxima promedio, a partir de la
fórmula.
etmin - 2 = Tensión de Vapor a Saturación, calculada con la
Temperatura Mínima promedio menos 2 grados,
a partir de la fórmula de esat.
En el Cuadro 5.8 se reportan los valores de la ETP estimados con la modificación de Castillo
(1999) para los 10 Observatorios considerados.
5.5. Evapotranspiración del Cultivo (ETc)
La evapotranspiración del cultivo, en el pasado fue conocida como evapotranspiración real o actual
(ETR) y se refería a la cantidad de agua perdida por el complejo suelo-planta en las condiciones
meteorológicas, edáficas y biológicas existentes, que matemáticamente se expresa como:
ETR = f(ETP, Kc, R)
donde:
Kc y R representan una relación entre la ETR y la ETP, es decir:
171
Evapotranspiración
Cuadro 5.7.Valores mensuales de ETP, en mm, por el método de Papadakis (Fórmula de Haude-
Papadakis) para 10 Observatorios de la República Mexicana.
CHIHUAHUA 82.5 100.5 120.5 149.4 186.8 192.9 159.3 139.2 138.0 134.9 103.7 82.2
CHILPANCINGO 138.0 150.6 156.1 172.5 158.5 119.6 117.3 212.1 116.0 129.4 143.9 134.4
DURANGO 108.8 125.3 146.0 164.8 192.3 176.6 136.4 133.0 128.4 141.1 134.3 111.2
GUADALAJARA 128.2 150.5 174.7 198.8 204.9 157.3 117.8 117.7 115.9 128.2 138.0 128.7
JALAPA 63.4 68.5 85.2 94.0 99.0 90.0 82.7 80.8 78.8 75.3 71.7 63.6
LA PAZ 102.6 118.1 142.0 175.7 213.6 237.1 214.5 193.9 179.1 172.1 133.9 98.8
MÉRIDA 142.2 111.6 123.6 110.8 98.3 88.5 98.6 100.8 100.3 118.4 120.7 137.0
MONTERREY 77.8 93.8 119.7 141.1 151.5 168.6 184.3 178.1 134.7 109.1 93.0 74.1
TACUBAYA 95.6 107.4 123.7 127.7 123.4 105.1 94.4 94.5 88.5 91.6 98.0 94.8
TAPACHULA 196.2 204.0 211.2 203.0 176.6 162.5 164.7 166.3 152.2 160.0 171.3 180.4
Cuadro 5.8.Valores mensuales de ETP, en mm, por el método de Papadakis modificado por Castillo
(1999) para 10 Observatorios de la República Mexicana.
CHIHUAHUA 71.2 .89.4 109.5 138.7 176.5 182.7 148.7 128.5 127.3 124.1 92.6 70.9
CHILPANCINGO 127.2 139.9 145.5 162.0 148.0 108.6 106.3 110.2 105.0 118.6 133.2 123.7
DURANGO 97.7 114.4 135.4 154.3 182.0 166.2 125.7 122.2 117.5 130.4 123.6 100.3
GUADALAJARA 117.3 139.8 164.3 188.6 194.7 146.7 106.9 106.8 104.9 117.3 127.3 117.9
JALAPA 52.0 57.2 73.9 82.8 87.9 78.8 71.5 69.5 67.5 64.0 60.4 52.2
LA PAZ 91.6 107.2 131.3 165.3 203.6 227.2 204.4 183.7 168.7 161.6 123.2 87.7
MÉRIDA 131.5 100.6 112.7 99.8 87.2 77.4 87.5 89.7 89.2 107.5 109.8 126.3
MONTERREY 66.5 82.7 108.7 130.4 140.9 158.1 174.0 167.7 124.0 98.1 81.9 62.7
TACUBAYA 84.4 96.4 112.9 116.9 112.5 94.0 83.3 83.3 77.3 80.4 86.8 83.7
TAPACHULA 186.0 193.9 201.1 192.9 166.2 151.9 154.2 155.8 141.6 149.4 160.9 170.0
Kc = ETR/ETP y R = ETR/ETP
pero se diferencian entre ellos por su forma de cálculo, ya que la primera depende de la edad de la
planta y la segunda del contenido de humedad del suelo.
Actualmente, al mencionarse sobre la evapotranspiración del cultivo, ETc, se indica si se va a

calcular con un coeficiente único o un coeficiente dual. Para ambas situaciones se emplea la
fórmula:
ETc = Kc ETo
Con lo cual la ETo vino a sustituir a la ETP y la Kc puede ser establecida: 1) con un solo valor,
considerando al cultivo de referencia, esto es: Kc = Kc, o; 2) al cultivo y a la evaporación del
suelo, así: Kc = Kcb + Ke. La primera es recomendada para el diseño y planificación del riego, en
períodos diarios, de 10 días o mensuales y la segunda para trabajos de investigación en períodos
diarios.
172
Evapotranspiración
Coeficiente Kc
Sobre el coeficiente de cultivo Kc era tradicional el uso de varios métodos para su determinación,
algunos de los cuales se presentan en la Figura 5.6 y en el Cuadro 5.9.
- 1.2
0.8 1
2
Kc
0.6
3
0.4 4
0.2
0
0 20 40 60 80 100 -120
% Ciclo
(1) Hargreaves; (2) Palacios; (3) Grassi ; (4) Demmead y Shaw
Figura 5.6. Gráfica de los Modelos de Kc.
Cuadro 5.9. Modelos Matemáticos para obtener el valor de Kc por diferentes

procedimientos (Garcia-Benavides, 1979).
MÉTODO MODELO*
Hargreaves Kc = - 0.01335 + 0.04099 C - 0.000402 C2
Palacios Kc = 0.1303 + 0.01092 C + 0.0000168 C2 - 0.00000096 C3
Grassi Kc = 0.04053 + 0.03089 C - 0.000237 C2
Demmead y Shaw Kc = 0.3469 - 0.00298 C + 0.00038 C2 + 0.00000355 C3
* C = Edad del cultivo expresada en porcentaje.
En un trabajo realizado en Chapingo, México para maíz en condiciones de secano, García B. (1979)
concluyó que el mejor procedimiento era el propuesto por Grassi. Es probable que en otros sitios y
con otros cultivos (o inclusive con el mismo), pueda resultar más eficiente otro método.
En general se puede indicar que el coeficiente Kc depende de las características morfológicas y

fisiológicas de una especie determinada y expresa la variación de su capacidad para extraer agua
del suelo en el transcurso de su período vegetativo.
173
Evapotranspiración
Existen otros tipos de modelos como el propuesto por Mojarro (1982), para fríjol, que estima al Kc
en función del Índice de Área Foliar (IAF), como sigue:
Kc = 0.455 (IAF)
Coeficiente R
Los métodos más usados para estimar R han sido de diferentes autores, como el de Veihmeyer y
Hendrickson (1955), quienes consideran que la R es una constante (R = 1.0); para otros como
Thornthwaite y Mather (1955) es una relación lineal, donde a capacidad de campo el valor de R es
igual a 1 y al punto de marchites permanente la R es 0, y otros métodos son intermedios a los
anteriores, como los de Buttler y Prescott (1955), Havens (1956) y Pierce (1958).
En la Figura 5.7, se muestran las tendencias de algunos de los métodos para obtener R, los cuales
matemáticamente se expresan de la siguiente forma:
Para (1) de la Figura 5.7: R = 1; durante todo el tiempo;
1.2
0.8 1
2
R
0.6
3
0.4 4
0.2
0
0
100 1
75 2
50 3
25 04 CH (%)5
CC PMP
(1) Veihmeyer y Hendrickson; (4) Thornthwaite y Mather; (2) y (3) Intermedios.
Figura 5.7. Gráfica de los Modelos para Obtener R.
Para (2), se divide en dos partes: Para un contenido de humedad (CH, en %) > 25:
R = 0.666 + 0.333 (CH/100)

y para CH < 25 %:
R = 3 (CH/100);
174
Evapotranspiración
Para la línea (3) de la gráfica:

R = 1.833 (CH/100) - 0.833 (CH/100)
y
Para el modelo (4): R = CH/100.
CH, el contenido de humedad en porciento, se obtiene con la fórmula:
 Hs  PMP 
CH     100
 CC  PMP 
donde:
CH = Contenido de Humedad, %;
Hs = Porciento de humedad del suelo;
PMP = Porciento de humedad a 1500 kPa;
CC = Porciento de humedad a 33 kPa.
De esta manera la ETR se calcula como:
ETR = Kc* R* ETP
La cuál se determina por lo menos en 5 fechas del período vegetativo de un cultivo para calcular
sus necesidades de agua.
Los valores de ETR obtenidos se comparan con datos de precipitación (P), para evaluar sí falta o no
agua para la planta, es decir, estaremos realizando un balance de humedad.
Autores como García B. (1979) y Palacios (1982), mencionan la necesidad de corregir los datos de
P, para obtener la Precipitación Efectiva, Pe, antes de compararla con la ETR.
Palacios y Zierold (1971) recomiendan para México y en suelos de texturas medias, en Distritos de
Riego las ecuaciones siguientes:
Pe = 2.2584 p0.75 - 0.02548 p1.5
para lluvias mayores a 25 mm y para lluvias menores:
Pe = p - 0.005 p2
La mayoría de los investigadores que han realizado balances de humedad para diferentes cultivos a
través de todo su ciclo, como Jacobs y Reed (1964) han indicado, que cuando la precipitación es
mayor a la evapotranspiración potencial, entonces la ETR es igual a la ETP, simbólicamente:
Sí P > ETP,
entonces: ETR = ETP
175
Evapotranspiración
Cuando se utiliza el coeficiente único, Kc, para el cálculo de la ETc, se establecen valores para un
Kc inicial, un Kc intermedio y un Kc final. La forma de su gráfica se presenta en la Figura 5.8 y algunos
ejemplos publicados por la FAO (2006) en el Cuadro 5.10.
Kc Kc intermedio
Kc fnal
Kc inic
Tiempo
Figura 5.8. Gráfica del Coeficiente Único Kc
Cuadro 5.10. Valores de Kc para diferentes etapas en cultivos diversos.
Kc
Cultivo Inicial Intermedio Final
a. Hortalizas pequeñas 0.7 1.05 0.95
b. Hortalizas – Familia de las
Solanáceas 0.6 1.15 0.80
c. Hortalizas – Familia de las
Cucurbitáceas 0.5 1.00 0.80
d. Raíces y tubérculos 0.5 1.10 0.95
e. Leguminosas 0.4 1.15 0.55
f. Hortalizas perennes 0.5 1.00 0.80
g. Cultivos Textiles
(Algodón) 0.35 1.15 – 1.20 0.70 – 0.50
h. Cultivos Oleaginosos 0.35 1.15 0.35
i. Cereales 0.30 1.15 0.40
j. Forrajes
(Alfalfa) 0.40 0.95 0.90
k. Caña de Azúcar 0.40 1.25 0.75
l. Frutas Tropicales
(Plátano, 1er. Año) 0.50 1.10 1.00
m. Uvas y moras
(Uva de mesa) 0.30 0.85 0.45
176
Evapotranspiración
5.6. Índices de Humedad
Déficit Climático
Un índice que es empleado en muchos estudios de zonificación de cultivos es el denominado

“Déficit Climático” que se define como la diferencia entre la precipitación y la evapotranspiración
potencial:
Déficit = P – ETP
Que puede ser caracterizado en forma anual (como se presenta en el Cuadro 5.11), mensual o
quincenal.
Cuadro 5.11. Déficit Climático Anual para 10 Observatorios de la República Mexicana.

.
OBSERVATORIO ETP Deficit
P Hargreaves P – ETP
CHIHUAHUA 385.7 1601.8 - 1216.1
CHILPANCINGO 773.2 1718.9 - 945.7
DURANGO 448.8 1708.5 - 1259.7
GUADALAJARA 942.9 1761.8 - 818.9
JALAPA 1432.0 1277.9 154.1
LA PAZ 178.4 1828.2 - 1649.8
MÉRIDA 923.9 1460.1 - 536.2
MONTERREY 545.4 1579.3 - 1033.9
TACUBAYA 846.1 1487.0 - 640.9
TAPACHULA 2237.7 1969.8 267.9
Un trabajo donde se utilizó el Déficit Climático a nivel quincenal fue el elaborado por Ortiz (1974),
para relacionarlo con la producción de maíz en condiciones de secano, en el área de influencia de
Chapingo. Las gráficas de los sitios más contrastantes se presentan en la Figura 5.9.
A partir de la Figura 5.9 se aprecia que en todas las gráficas existe un período en el cuál la ETP es
mayor que la P, diferenciándose por su época de ocurrencia, que puede ser al principio o al final del
ciclo. Haciendo una comparación entre sitios, con base a los rendimientos de maíz obtenidos con
diferentes tratamientos, los cuales se reportan en el Cuadro 5.12, es notorio que los sitios con
mayores rendimientos son Coatlinchán y Papalotla y los de menor producción Nativitas y
Totolcingo. En los primeros se presenta un Déficit de agua al principio del ciclo y en los últimos al
final. Lo cuál se interpretó como más drástica una deficiencia de agua al final del ciclo.
Índice de Disponibilidad de Agua
Otros trabajos en donde se relaciona a la Precipitación con la Evapotranspiración potencial a nivel

mensual, son los desarrollados por Hargreaves (1977), Hancock, Hill y Hargreaves (1978) y
Hargreaves (1981), en el Salvador y Honduras, a través del Índice de Disponibilidad de Agua
(IDA), calculado como:
PD
IDA 
ETP
donde: PD = Precipitación mensual confiable, en mm, y;
177
Evapotranspiración
P
ETP
Figura 5.9. Distribución de la Precipitación y la Evapotranspiración Potencial durante el Ciclo del

Cultivo de Maíz en el Área de Influencia de Chapingo (Ortiz, 1974).
Cuadro 5.12. Rendimientos de grano de Maíz, en kg/ha, para cuatro sitios del Área de
Influencia de Chapingo (Ortiz, 1974)
.
SITIO TRATAMIENTO*
0 – 0 – 30 60 – 40 – 40 60 – 40 – 50 – 10G**
Coatlinchán 2190 3270 5740
Nativitas 510 1640 2720
Papalotla 2790 4200 5610
Totolcingo 1290 2520 2210
* Los números se refieren a kg/ha de Nitrógeno – Fósforo y Miles de plantas/ha;
** Toneladas de Gallinaza/ha
ETP = Evapotranspiración Potencial mensual, en mm.
La PD es la precipitación que ocurre en cada mes en 3 de cada 4 años o al 75 % de probabilidad.

Hancock et al. (1978), recomendaron para El Salvador, a la Distribución Gamma para el cálculo de
Probabilidades de Lluvia y para la ETP al método de Hargreaves.
178
Evapotranspiración
Hargreaves (1977), propuso que el IDA se considerara como un índice estándar para medir los
déficits y excesos de agua, proponiendo la siguiente clasificación:
IDA Interpretación
0.00 a 0.33 Muy deficiente
0.34 a 0.67 Moderadamente deficiente
0.68 a 1.00 Poco deficiente
1.01 a 1.33 Adecuado
≥ 1.34 Excesivo
El valor mínimo del IDA que puede considerarse como indicativo de una humedad suficiente para
la producción de cultivos es 0.34. Sin embargo, este dependerá del tipo de planta, la etapa de
desarrollo y la Capacidad de almacenamiento de agua en el suelo.
La veracidad del IDA, también dependerá del número de años de las series de datos empleados.
Para aumentar la confiabilidad de períodos cortos, Hancock et al. (1978) proponen las
modificaciones siguientes:
Duración de la Serie Mínimo IDA para Agua disponible

Más de 20 años 0.34
10 a 20 años 0.38
5 a 10 años 0.42
Con las recomendaciones para el IDA que a continuación se citan:
IDA Recomendación
≥ 1.21 Se requiere drenaje para mejorar los Rendimientos
0.80 a 1.20 Adecuada humedad;
0.40 a 0.79 Se requiere riego complementario para mejores
Rendimientos;
0.00 a 0.39 Se requiere riego para la producción agrícola.
Con este procedimiento es posible determinar a nivel mensual, el período de humedad disponible.
Sin embargo, hasta la fecha no existen experiencias de su funcionamiento en nuestro país.
5.7. Períodos de Crecimiento
La FAO (1978) en su Proyecto de Zonas Agro – Ecológicas (ZAE) utiliza a la Evapotranspiración

Potencial (ETP) en la definición de los Períodos de Crecimiento (PC). Por Período de Crecimiento
se considera al número de días consecutivos durante el año en los que existe disponibilidad de agua
y temperatura favorable para el desarrollo de cultivos.
El cálculo del Período de Crecimiento se basa en un modelo simple de balance de agua,

comparando las precipitaciones, P, con la ETP y 0.5 ETP.
179
Evapotranspiración
Período de Crecimiento determinado por la disponibilidad de agua
Para la evaluación del PC por disponibilidad de agua, se emplean los siguientes conceptos,
definiciones y metodologías (véase la Figura 5.10).
ETP
ETP
0.5ETP
0.5 ETP
P
P
a b1 b2 c d a c/d
1. NORMAL 2. INTERMEDIO
ETP
P
0.5 ETP
ETP
0.5 ETP
3. HÚMEDO TODO 4. SECO TODO

EL AÑO EL AÑO
a: Inicio del Período de Crecimiento y de Lluvias; c: Terminación de la estación lluviosa;

b1 y b2: Inicio y final del Período Húmedo; d: Terminación del Período de Crecimiento;
P = Precipitación Mensual y ETP = Evapotranspiración Mensual
Figura 5.10. Tipos de Períodos de Crecimiento
i) Inicio del PC
La determinación del inicio del PC esta basado en el comienzo de la estación lluviosa, debido a que
es una metodología para la producción de cultivos en condiciones de secano. Específicamente, se
obtiene cuando P = 0.5 ETP. El valor de 0.5 ETP no es casual, sino que fue determinado
180
Evapotranspiración
considerando las necesidades de agua para la germinación de un buen número de cultivos y cuando
la P mensual es igual o mayor a 0.5ETP se satisface tal situación.
ii) Período Húmedo
Existe un Período de Crecimiento Normal cuando se presenta un período húmedo. El período

húmedo es el intervalo de tiempo en el cual la precipitación es mayor a la evapotranspiración
potencial (P > ETP). Cuando existe un período húmedo, no sólo se satisfacen las necesidades de los
cultivos a una cobertura completa, sino que además habrá agua de reserva que se almacena en el
suelo.
iii) Terminación de la Estación Lluviosa
La estación lluviosa termina cuando la P = 0.5 ETP, después del período húmedo.
iv) Terminación del Período de Crecimiento
Cuando existe un período húmedo la terminación del período de crecimiento va más allá de la
terminación de la estación lluviosa, ya que los cultivos frecuentemente maduran con las reservas de
humedad almacenadas en el perfil del suelo.
En el modelo se consideró un valor general de 100 mm como la reserva de humedad del suelo. Por
esa razón, la terminación del período de crecimiento excede a la terminación de la estación
lluviosa, los días necesarios para evapotranspirar 100 mm.
Cuando no existe período húmedo, la terminación del período de crecimiento coincide con la
terminación de la estación lluviosa.
Tipos de Períodos de Crecimiento por disponibilidad de agua
Además del Período de Crecimiento Normal, caracterizado por la presencia de un período húmedo,
se conocen otros tres tipos:
Periodo de Crecimiento Intermedio
Son aquellos en los que a través del año la precipitación mensual no excede a la evapotranspiración
potencial total, pero sí a la mitad de la ETP, es decir, no presenta período húmedo. Lugares
representativos de este tipo de período se ubican en el centro del país, en los estados de Guanajuato
y Aguascalientes.
Periodo de Crecimiento Húmedo Todo el Año
La precipitación mensual durante todo el año excede a la evapotranspiración potencial total. Los
períodos de crecimiento húmedos todo el año se les consideran como períodos normales de 365
días. Este tipo de período se presenta en las zonas tropicales húmedas del país.
181
Evapotranspiración
Periodo de Crecimiento Seco Todo el Año
La precipitación mensual nunca excede a la mitad de la evapotranspiración potencial, es decir,

tienen un período de crecimiento de 0 días. En el norte de México es frecuente encontrar este tipo
de períodos.
Período de Crecimiento por Disponibilidad de Agua y por Temperatura
Los períodos de crecimiento para el desarrollo de cultivos no solo se basan en la disponibilidad de

agua, sino también en las condiciones térmicas. Motivo por el cuál después de obtener el período
con humedad disponible, se reevalúa en función de la temperatura. La FAO (1978) considera que
una Temperatura media diaria de 6.5 oC, es el límite favorable para el desarrollo de los cultivos.
Ortiz (1981) para la aplicación en México de este procedimiento empleo el mismo valor de 6.5 oC,
pero con la Temperatura promedio de mínimas a nivel mensual. De esta forma, el lapso de tiempo
con temperaturas inferiores a 6.5 oC, es restado del período con disponibilidad de agua como se
muestra a continuación:
150 días Período

I--------------------------------------------I con agua = 150 días
Inicio Terminación disponible
30 días Período con

I-----I Temperatura = 30 días
Menor a 6.5 oC
120 días Período de

I--------------------------------------I Crecimiento = 120 días
Efectivo
Inventario Climático de la República Mexicana
Sí se realiza un mapa de isolíneas de duración de Períodos de Crecimiento y se le sobreponen las

Divisiones Climáticas, se obtiene un Inventario Climático.
Ortiz (1981) utilizando 288 estaciones meteorológicas de México, determinó la duración de los
Períodos de Crecimiento con base a su disponibilidad de agua y temperatura. Esto es, graficó los
datos de P, ETP y 0.5ETP, para establecer el inicio y la terminación de los PC de cada estación y
definir el tipo de período. Es conveniente hacer notar que la ETP fue estimada a partir de los datos
de evaporación, multiplicándolos por 0.8, o sea: ETP = 0.8 Ev.
Las zonas de las Divisiones Climáticas se definieron en términos de su altura, para la zona Tropical
Caliente se consideró una h < 1500 m, para la zona Tropical Templada la h > 1500 m y para la
Tropical Fría se determinó una h > 3000 m.
Con la ubicación de las estaciones sobre un mapa y sus valores de duración del período de
crecimiento se trazaron las isolíneas de 75, 90, 120, 150, 180, 210, 240, 270, 300, 330, 360 y 365
182
Evapotranspiración
días. Delimitando zonas de 0 – 74 días, de 75 – 89 días, de 90 – 119 días, etc. Una generalización
de dicho inventario, se presenta en la Figura 5.11 y valores de su extensión en el Cuadro 5.13.
90
270
210 90
150
210
150 210 150
90 270
210 150
330
150 210
210
210
210 270 330 270
Isolínea 330
150
330
Tierras Bajas
330
Tierras Altas 210 150
330
Tierras Muy Altas
210 270
270
Figura 5.11. Inventario Climático de la República Mexicana (Ortiz, 1981)
Estudios con Períodos de Crecimiento
Patrones de Cultivo y Períodos de Crecimiento
La FAO (1980) estableció una relación entre patrones de cultivo en condiciones de secano dentro
de una División Climática y la duración de los Períodos de Crecimiento. En la cual se considera a
cultivos anuales, perennes, intercalados y secuenciales, como se reporta en el Cuadro 5.14.
Relación Cultivos Intercalados/Monocultivos y Períodos de Crecimiento
Debido a que en México es común la siembra de cultivos asociados (intercalados) en zonas de

agricultura de secano, se creyó conveniente indicar la proporción equivalente de tierra (PET), en
relación a los períodos de crecimiento como lo establece FAO (1980) y que se reportan en el
Cuadro 5.15.
183
Evapotranspiración
Cuadro 5.13. Extensiones (000 ha)* de las zonas de Períodos de Crecimiento por
Divisiones Climáticas (Ortiz, 1981)
Zona de División Climática Extensión

Período de Total (% del
Crecimiento Tropical Tropical Tropical (000 ha) Territorio)
(días) Caliente Templada Fría
0 – 74 86376 8271 88647 45.55
75 – 89 3993 3246 7239 3.72
90 – 119 11168 5510 66 16744 8.60
120 – 149 9450 3179 125 12754 6.55
150 – 179 13214 2254 166 15634 8.03
180 – 209 18798 1697 71 20566 10.57
210 – 239 7287 395 6 7688 3.95
240 – 269 3661 221 6 3888 2.00
270 – 299 6148 134 6 6288 3.23
300 – 329 5348 204 6 5648 2.90
330 – 364 84 84 0.04
365 9023 395 9418 4.84
Total 168640 25506 452 194598 100.00
* No se cuantificaron los grandes cuerpos de agua ( presas, lagunas, etc.).
En ese Cuadro se hace mención a niveles de inversión, los cuales deben entenderse de la siguiente
manera: el nivel de inversión alto es representativo de una agricultura comercial, esto es, una
agricultura completamente mecanizada y con alto nivel tecnológico, mientras que, el nivel de
inversión bajo representa a una agricultura de subsistencia. Así mismo se indica la aptitud para la
producción de cultivos: NA representa al nivel no apto, siempre con perdidas; mA es
marginalmente apto (que significa que el agricultor no tiene perdidas y tampoco ganancias); A es el
nivel apto (con ganancias moderadas) y MA, muy apto (con ganancias elevadas).
El PET sería el cociente de los rendimientos entre cultivos intercalados y monocultivos. De esta
forma el Cuadro 5.15, se interpreta de la siguiente manera: un PET de 1.0 indica que es lo mismo
sembrar cultivos intercalados que un solo cultivo y cultivos mayores a 1.0 que son más adecuados
los cultivos intercalados que los monocultivos. Es interesante hacer notar que a medida que el nivel
de inversión disminuye, la eficiencia de los cultivos intercalados es mayor.
Relación Precipitación Total Anual y Períodos de Crecimiento
Pájaro (1984) relacionó a la duración de los períodos de crecimiento (PC) con la precipitación total
anual (PTA), haciendo uso de la información generada por Ortiz (1981) para 288 estaciones de
México, el modelo obtenido fue:
PC = 0.24089 (PTA) – 0.0000372 (PTA)2 – 33.1019
con una R2 = 0.7983 y Fc = 588.1**. A partir de esta relación cuya gráfica se presenta en la Figura
5. 12, se estableció que de forma práctica:
184
Evapotranspiración
Cuadro 5.14. Patrones de Cultivo bajo condiciones de Secano de acuerdo a la División Climática y a la
Duración del Período de Crecimiento ( FAO, 1980).
Duración del DIVISIÓN CLIMÁTICA

Período de Tropical
Crecimiento Tropical Moderadamente Tropical
(días) Caliente1 Templada2 Templada3
< 120 CSac CSac CSac
Árido (Is)4
120 – 210 CSac CSac CSac

Semiárido Is e Id Is e Id
(Smo y Smu)
210 – 270 CSal CSal CSal

Subhúmedo Is e Id Is e Id Is e (Id)
Smo y Smu (Smo y Smu)
> 270 CSal y CSp CSal y CSp CSal y CSp

Húmedo Id e Is Id e Is Is e Id
Smo y Smu (Smo y Smu) (Smo y Smu)
1
Caliente > 20 oC; 2
Moderadamente Templado de 15 – 20 oC; 3 Templado de 5 -15 oC;
4
El paréntesis indica menor intensidad;
CSac = Cultivo sólo de ciclo corto anual; CSal = Cultivo solo de ciclo largo anual;
CSp = Cultivo solo perenne;
Is = Cultivos intercalados de ciclo similar; Id = Cultivos intercalados de ciclo diferente;
Smo = Monocultivos secuenciales y Smu = Cultivos múltiples secuenciales
Cuadro 5.15. Proporciones Equivalentes de Tierra (PET) a diferentes Niveles de Inversión por Duración de
Períodos de Crecimiento y Aptitud de Cultivos* en Zonas Tropicales con lluvias de Verano
(FAO, 1980).
Duración del Nivel de Inversión/Aptitud
Período de
Crecimiento BAJO MEDIO ALTO
(días) NA mA A MA NA mA A MA NA mA A MA
< 120 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
120 – 270 1.0 1.1 1.2 1.3 1.0 1.05 1.1 1.15 1.0 1.0 1.0 1.0
> 270 1.0 1.2 1.3 1.4 1.0 1.1 1.15 1.2 1.0 1.0 1.0 1.0
* No aplicable a Arroz (paddy), Plantaciones de Plátano, Caña de Azúcar y Palma de Aceite.
1) Sí PTA > 3250 mm entonces PC = 365 días, y;

2) Sí PTA < 150 mm entonces PC = 0 días.
El modelo generado por Pájaro (1984) resultó de gran utilidad porque evitó el uso de la
evapotranspiración potencial, variable no disponible. Además, un plano de isoyetas anuales puede
185
Evapotranspiración
360
PC
(días)
300
240
180
120
60
0 400 800 1200 1600 2000 2400 2800 3200 3600 4000
PTA (mm)
Figura 5.12. Relación entre el Período de Crecimiento (PC) y la Precipitación Total Anual (PTA) en la
República Mexicana (Pájaro, 1984).
convertirse con el modelo en un plano de períodos de crecimiento, facilitando su ubicación

geográfica.
También ha sido posible generar modelos a nivel estatal como el de Sánchez Vázquez (1987), para
Michoacán utilizando 23 estaciones, cuyo modelo fue:
PC = 81.865 + 0.103 (PTA) – 0.00001953 (PTA)2
con una R2 = 0.7592 y una Fc = 31.53.
Otro aspecto que en su tiempo se considero como limitante al modelo de Pájaro (1984) fue, que no
establecía la fecha de Inicio del Período de Crecimiento (IPC), situación que se resolvió al generar
un modelo cuadrático entre el IPC y la duración de los PC con 232 estaciones de México, el
resultado fue:
IPC = 272.795 – 1.1191 (PC) + 0.002016 (PC)2
con una R2 = 0.7681 y una Fc = 382.93**. El IPC esta codificado en días julianos.
186
Evapotranspiración
Relación entre el Período de Crecimiento y el Índice de Agresividad de la Lluvia
Duarte Ramírez (1984) estableció a partir de 30 estaciones meteorológicas de la República

Mexicana, una relación entre el Índice de Erosividad de la Lluvia , R1 = ∑pi2/ P, propuesto por la
FAO (Arnoldus, 1977) y los Períodos de Crecimiento. El modelo obtenido fue:
R1 = 1.1244 (PC) – 14.7875
con R2 = 0.7971 y Fc = 109.99**. Es conveniente indicar que los PC fueron calculados con la
fórmula de Pájaro (1984).
Relación entre Rendimiento de Maíz de Temporal y los Períodos de Crecimiento
Leo Jacques (1984) con datos censales del Estado de Jalisco a nivel municipal, seleccionó siete
municipios que contaran con estaciones meteorológicas (Atotonilco, Ayo El Chico, Cuquillo, San
Juan de los Lagos, Teocaltiche, Atemajac y Atenquillo), generó los PC a partir de la fórmula de
Pájaro (1984) y los relacionó con los rendimientos de maíz, su modelo fue:
REND = 6.8337 (PC) – 119.2213
con R2 = 0.8575 , donde: REND = Rendimiento de grano de Maíz, en kg/ha y PC = Período de

Crecimiento, en días...
Relación entre Índices de Sitio y Períodos de Crecimiento
Vargas Pérez (1984) realizó un estudio con especies forestales, en el cuál relacionó la altura de
árboles, en m, de una especie del género Pinus a una edad base de 50 años, es decir, al Índice de
Sitio (IS) con los Períodos de Crecimiento (PC), calculados con fórmula, para localidades de
Oaxaca, Jalisco, Puebla y Chiapas. El modelo resultante fue:
IS = 8.9079 + 0.0967 (PC), con R2 = 0.7903.
Clasificaciones Agroclimáticas de Cultivos y Períodos de Crecimiento
La FAO dentro de su proyecto de Zonas Agro – Ecológicas (ZAE), generó clasificaciones

agroclimáticas para la producción de los cultivos de secano que se reportan en el Cuadro 5.16, en
función de los Períodos de Crecimiento, que se muestran en el Cuadro 5.17. El principio en el cual
se basan las Clasificaciones Agroclimáticas, es que dentro de una misma División Climática
(Régimen Térmico) y un mismo Nivel de Inversión (Alto o Bajo), el Rendimiento de un Cultivo
dependerá de la disponibilidad de agua, siguiendo una curva sigmoidal.
187
Evapotranspiración
Cuadro 5.16. Cultivos considerados en el Proyecto de Zonas Agro – Ecológicas (FAO, 1980).
Grupo de DIVISIÓN CLIMÁTICA

CULTIVO Adaptabilidad Producto Tropical Tropical Tropical
Climática Caliente1 Moderadamente Templado3
Templado2
1. TRIGO
Primavera I Grano – seco X X
2. MIJO III Grano – seco X
3. SORGO
Tierras Bajas III Grano – seco X
4. SORGO
Tierras Altas IV Grano – seco X
5. MAÍZ
Tierras Bajas III Grano – seco X
6. MAÍZ
Tierras Altas IV Grano – seco X
7. ARROZ
Sin Inundar II Grano – seco X
8. ARROZ
Inundado II Grano – seco X
9. FRÍJOL
Tierras Bajas II Grano – seco X
10. FRÍJOL
Tierras Altas I Grano – seco X X
11. SOYA II Grano – seco X
12. CACAHUATE II Almendra X
13. CAMOTE II Tubérculo X
14. PAPA I Tubérculo X X
15. YUCA II Tubérculo X
16. PLÁTANO
Plantaciones II Fruto-seco y
Pulpa X
17. CAÑA DE
AZÚCAR III Azúcar X
18. PALMA DE
ACEITE II Aceite X
1
> 20 oC ; 2
15 a 20 oC ; 3
5 a 15 oC.
188
Evapotranspiración
Cuadro 5.17. Clasificaciones Agroclimáticas de Cultivos de acuerdo a sus Períodos de

Crecimiento (FAO, 1980).
NIVEL CLASE DE APTITUD
CULTIVO DIVISIÓN DE
CLIMÁTICA INVERSIÓN NA mA A MA A mA NA
TRIGO de TROPICAL Alto < 105 105-119 120-149 150-209 210-254 255-269 ≥ 270
Primavera TEMPLADO Bajo < 105 105-119 120-149 150-224 225-269 270-294 ≥ 295
PAPA TROPICAL Alto < 105 105-134 135-179 180-239 240-329 330-365
TEMPLADO Bajo < 105 105-134 135-179 180-239 240-329 330-365
CEBADA TROPICAL Alto < 85 85-104 105-149 150-209 210-269

TEMPLADO Bajo < 85 85-104 105-149 150-209 210-269
CAÑA DE TROPICAL Alto < 210 210-239 240-314 315-364 365

AZÚCAR CALIENTE Bajo < 210 210-239 240-314 315-364 365
PLÁTANO TROPICAL Alto < 285 285-314 315-364 365

Plantaciones CALIENTE Bajo < 285 285-314 315-364 365
YUCA TROPICAL Alto <150 150-179 180-224 225-284 285-364 365

CALIENTE Bajo <150 150-179 180-224 225-284 285-365
SOYA TROPICAL Alto < 90 90-119 120-149 150-224 225-284 285-364 365
CALIENTE Bajo < 90 90-119 120-149 150-194 195-284 285-329 >329
CAMOTE TROPICAL Alto < 105 105-119 120-149 150-284 285-314 315-365
CALIENTE Bajo < 105 105-119 120-149 150-239 240-364 365
CACAHUATE TROPICAL Alto < 90 90-119 120-149 150-239 240-299 300-364 365
CALIENTE Bajo < 90 90-119 120-149 150-239 240-299 300-364 365
ARROZ TROPICAL Alto < 120 120-179 180-239 240-329 330-365

Sin inundar CALIENTE Bajo < 120 120-179 180-239 240-329 330-365
MAIZ TROPICAL Alto < 90 90-119 120-149 150-224 225-284 285-365

CALIENTE Bajo < 100 100-119 120-149 150-224 225-364 365
TROPICAL Alto < 150 150-164 165-209 210-284 285-314 315-365

TEMPLADO Bajo < 150 150-164 165-209 210-284 285-314 315-365
FRÍJOL TROPICAL Alto < 90 90-119 120-149 150-224 225-284 285-364 365
CALIENTE Bajo < 90 90-119 120-149 150-194 195-254 255-329 ≥ 329
TROPICAL Alto < 120 120-149 150-164 165-209 210-284 ≥ 285

TEMPLADO Bajo < 120 120-149 150-164 165-209 210-329 ≥ 340
SORGO TROPICAL Alto < 82 83-104 105-149 150-209 210-239 240-269 ≥ 270
CALIENTE Bajo < 90 90-119 120-149 150-209 210-239 240-269 ≥ 270
TROPICAL Alto < 150 150-164 165-209 210-254 255-284 285-314 ≥ 315
TEMPLADO Bajo < 150 150-164 165-209 210-254 255-284 285-314 ≥ 315
189
Evapotranspiración
5.8. Pronósticos Agrometeorológicos de Rendimientos
La FAO (1986) propuso una metodología para realizar pronósticos de rendimientos de cultivos en
condiciones de secano, donde se calcula un índice, el Índice de Satisfacción de Necesidades
Hídricas (ISNH), a partir de un balance de humedad a nivel decenal (períodos de 10 días).
Los datos meteorológicos y edáficos que se requieren son: 1) la precipitación actual (Pa), en mm,
que se obtiene directamente de la estación; 2) la evapotranspiración potencial (ETP), que en la
metodología original se recomienda estimarla con el procedimiento de Penman y en México, en el
trabajo de Vargas (1992), se estimó a partir de ETP = 0.75 Ev; 3) las Necesidades Hídricas (NH),
que se obtienen multiplicando a la ETP por un coeficiente de cultivo, kcr, que es adimensional,
quedando como fórmula: NH = kcr*ETP. Vargas (1992) trabajo con maíz en el Estado de
Tamaulipas y para ese cultivo la FAO (1986) propone los valores de Kcr reportados en el Cuadro
5.18; 4) las reservas de humedad del suelo, Rs, en mm, cuyo máximo valor es la Capacidad de
Almacenaje, CA, que se calcula con las constantes de humedad, Capacidad de Campo (CC) y el
Punto de Marchites Permanente (PMP), en porcentajes, la densidad aparente (Da), en g/cm3 y el
espesor, E, en cm, con la fórmula:
Cuadro 5.18. Valores del Coeficiente Kcr, para maíz por decenas, en función de la duración de su ciclo
(FAO, 1986).
Duración Decena
del
Ciclo (días) 1 2 3 4 5 6 7 8 9 10 11 12 13 14
100 0.3 0.6 0.9 1.1 1.2 1.1 1.0 0.8 0.7 0.5
120 0.3 0.6 0.9 1.0 1.1 1.2 1.2 1.1 1.0 0.8 0.7 0.5
140 0.3 0.6 0.8 0.9 1.0 1.1 1.2 1.2 1.1 1.0 0.8 0.7 0.6 0.5
CA 
CC  PMP   Da  E
10
Con los datos anteriores se calcula la diferencia entre la Precipitación actual y las Necesidades
Hídricas, decena por decena, esto es: Pa – NH. Sí el resultado es negativo se reporta como Déficit y
si es positivo se convierte en Reserva del Suelo, Rs. En el caso que esta diferencia rebase a la CA,
se reporta como exceso.
Finalmente, el Índice de Satisfacción de Necesidades Hídricas, ISNH, se calcula de la siguiente

forma:
 DEFi 
ISNH i  I i 1     100
  NH 
 
donde:
ISNHi = Índice de Satisfacción de Necesidades Hídricas de la decena i;
Ii-1 = ISNH de la decena anterior;
DEFi = Valor absoluto de la Deficiencia de Humedad en la decena i;
∑NH = Suma de las necesidades hídricas de todo el ciclo (Se deben considerar a
190
Evapotranspiración
todas las decenas)
Es conveniente hacer notar que el valor inicial del ISNH es 100 y el valor que considera el
pronóstico es el ISNH de la última decena.
Un ejemplo del procedimiento descrito en los párrafos anteriores se reporta en el Cuadro 5.19.
Cuadro 5.19. Cálculo del Índice de Satisfacción de las Necesidades Hídricas (ISNH) para maíz, en el
Rancho La Florida, Jaumave, durante el ciclo Primavera – Verano 1977 (Vargas, 1992).
Decena Pa ETP Kcr NH Pa - NH Ra Déficit ISNH

1 0.0 21.5 0.3 6.5 - 6.5 0.0 -6.5 98
2 0.0 17.9 0.6 10.7 - 10.7 0.0 -10.7 95
3 0.0 28.6 0.8 22.9 - 22.9 0.0 -22.9 88
4 1.5 30.6 0.9 27.5 - 26.0 0.0 -26.0 80
5 10.5 24.1 1.0 24.1 - 13.6 0.0 -13.6 76
6 44.5 27.2 1.1 29.9 14.6 14.6 0.0 76
7 16.0 24.9 1.2 29.9 - 13.9 0.7 0.0 76
8 21.0 29.1 1.2 34.9 - 13.9 0.0 -13.2 72
9 13.5 30.3 1.1 33.3 - 19.8 0.0 -19.8 66
10 25.0 32.9 1.0 32.9 - 7.9 0.0 -7.9 63
11 34.0 31.1 0.8 24.9 9.1 9.1 0.0 63
12 16.5 32.3 0.7 22.6 - 6.1 3.0 0.0 63
13 38.0 24.5 0.5 12.3 25.7 28.7 0.0 63
∑NH = 312.4
Pa = Precipitación actual; ETP = Evapotranspiración Potencial, mm; Kcr = Coeficiente del Cultivo;
NH = Necesidades Hídricas, mm; Rs = Reservas de Humedda del suelo, mm; INSH = Índice de Satisfacción
de Necesidades Hídricas.
En el trabajo de Vargas (1992), este índice se calculo para 34 experimentos de maíz, realizados
entre los años de 1977 a 1988, la gráfica de los ISNH y los Rendimientos de Maíz, se presenta en la
Figura 5.10.
3500
3000
2500
2000
REN
1500
1000
500
0
0 20 40 60 80 100
ISNH
Figura 5.13. Relación entre el Rendimiento Experimental de Maíz y el ISNH (Vargas, 1992)
191
Evapotranspiración
Con los datos obtenidos es posible generar un modelo tipo exponencial, de la forma:
Y  173.31  e 0.0313 ISNH 
con una R2 = 0.7091.
A partir de ese modelo se realiza el pronóstico del rendimiento de maíz a través del cálculo del
ISNH.
192
Sistema de Papadakis
CAPITULO 6
SISTEMA DE PAPADAKIS
6.1. Generalidades
La Clasificación Climática de Papadakis propuesta en 1970, es un sistema que conjuga una

clasificación de climas con una clasificación ecológica de cultivos.
Emplea datos mensuales de los siguientes elementos:
1) Temperatura
Temperatura Promedio de Máximas, Tmax;

Temperatura Promedio de Mínimas, Tmin;
Temperatura Media, T;
Temperatura Promedio de las más bajas, Tpb;
2) Presión de Vapor (Tensión media de vapor), y;
3) Precipitación
La información que comúnmente no se reporta en México es la Temperatura Promedio de las más

Bajas (Tpb) y un dato escaso es el de la Tensión Media de Vapor, los cuales como ha sucedido
con otros elementos climáticos ha provocado el desarrollo de procedimientos que permitan su
adecuada estimación.
Los datos entran al sistema y pueden Seleccionarse y/o Transformarse en Índices, por ejemplo, la
Temperatura media mensual se selecciona para escoger el mes más frío o el más caliente,
mientras que la Temperatura Promedio de las más Bajas, se transforma en Períodos Libres de
Heladas o el dato de Tensión de Vapor en la Evapotranspiración Potencial.
Con los datos y/o los índices, se procede a definir al Tipo de Invierno, al Tipo de Verano, que en
su conjunto constituyen al Régimen Térmico y al Régimen de Humedad y con todos se establece
el Grupo Climático, que es un número.
Finalmente, para los números que representan a los grupos, Papadakis da una serie de
recomendaciones para diferentes cultivos. Un esquema de la metodología se presenta en la Figura
6.1.
193
Datos
Tipo de Invierno
Selección Establecimiento
y/o Tipo de Verano del Grupo
Transformación Climático
Régimen de
Humedad
CLASIFICACIÓN
ÍNDICES DIAGNÓSTICO
CLIMÁTICO
Recomendaciones
Figura 6.1. Esquema Metodológico del Sistema de Papadakis.
6.2. Datos Iniciales e índices
Temperatura Promedio de las Más Bajas
Para la estimación de la Temperatura Promedio de las más bajas, Tpb, como se indicó en el
Capítulo 3 se realiza con la propuesta de Ortiz (2007) con el modelo:
Tpb  1.0891  (T min)  4.7689

donde:
Tpb = Temperatura Promedio de las más bajas, en oC;
Tmin = Temperatura Promedio de Mínimas, en oC;
con una R2 = 0.9492 ajustada y con el intervalo:
-5.2 ≤ Tmin ≤ 24.6 oC
Cuya gráfica se presenta en la Figura 6.2.
194
25
y = 1.089x - 4.7687
20
R2 = 0.9496
15
10
TPB
0
-10 -5 0 5 10 15 20 25 30
-5
-10
-15
TMIN
Figura 6.2. Relación entre la Temperatura Mínima mensual, TMIN y la Temperatura

Promedio de las más Bajas, TPB para 144 datos.
Períodos Libres de Heladas
Con la Tpb como lo indica Papadakis (1970), se pueden establecer tres tipos de Períodos Libres
de Heladas (PLH), definidos como:
1) PLH promedio. Considerado como el tiempo donde la Tpb es mayor a 0 oC;

2) PLH disponible. Considerado como el tiempo donde la Tpb es mayor a 2 oC, y;
3) PLH mínimo. Considerado como el tiempo donde la Tpb es mayor a 7 oC;
La duración del Período Libre de Heladas se reporta en MESES y uno de los límites más
importantes corresponde a 4.5 meses.
Tensión de Vapor
Dos valores de Tensión de Vapor, en mbar, se utilizan en el sistema de Papadakis; la Tensión de

Vapor a saturación, ea, y la Tensión Media de Vapor, ed.
La Tensión de Vapor a Saturación, ea, se calcula con la fórmula:
 17.27  T max 
 T max  237.3 
ea  6.1078  e 
 17.27  T max 
 6.1078  exp  
 T max  237.3 
con:
195
Tmax = Temperatura promedio de máximas.
La Tensión media de Vapor, ed , es un dato que se obtiene directamente de la estación. Cuando no

se dispone, es común emplear alguna fórmula. Una de ellas considera que ed puede sustituirse por
emi-2, por lo que se calcula de la misma forma como ea, esto es:
 17.27  T min  2 
emi 2  6.1078  exp  
 T min  2  237.3 
donde:
emi-2 = Tensión de Vapor a Saturación calculada con la
Temperatura promedio de mínimas menos dos grados;
Tmin = Temperatura promedio de mínimas
Evapotranspiración Potencial
Con los datos de Tensión de Vapor, en mbar, se calcula la Evapotranspiración Potencial

a partir de la fórmula:
ETP = 5.625 (ea - ed)

donde:
con la Temperatura Promedio de Máxima;
ed = Tensión de Vapor Actual, mbar,
Dado que no siempre es posible contar con los datos para estimar a la ETP con el procedimiento
original del método de Papadakis, Elías y Castellvi (2001) reportan a la fórmula de Haude –
Papadakis:
ETP = 5.625 ( ea – emi-2)
donde:
con la Temperatura Promedio de Máxima;
emi-2 = Tensión de Vapor a Saturación calculada con la
Temperatura promedio de mínimas menos dos grados;
También, Castillo (1999) realizó una estimación partiendo de la información de 53 observatorios

de México, el modelo obtenido fue:
ETP  11.97311  5.6748  etmáx  et min 2 
donde:
196

con la Temperatura Promedio de Máximas;
etmin - 2 = Tensión de Vapor a Saturación, calculada con la
Temperatura Promedio de Mínimas menos 2 grados.
con una R2 = 0.83.
Balance de Humedad
El balance de humedad de Papadakis se realiza entre Precipitación mensual, P, y la

Evapotranspiración Potencial, ETP, suponiendo una Capacidad de Almacenaje Máximo de agua
en el suelo de 100 mm.
Precipitación
Para la precipitación se requiere conocer la estación en la que se presenta la mayor cantidad y

para los cálculos en el Sistema de Papadakis, se consideran los siguientes meses como criterios
estacionales, para:
Primavera: Marzo, Abril y Mayo;

Verano : Junio, Julio y Agosto;
Otoño: Septiembre, Octubre y Noviembre;
Invierno: Diciembre, Enero y Febrero.
Cabe mencionar que en México es más frecuente que las mayores precipitaciones se presenten en
el Verano, sin embargo, dentro de ellas existen algunas estaciones que tienen grandes diferencias
y otras con pequeñas diferencias con respecto al Otoño; También existen algunos lugares donde
las mayores precipitaciones ocurren en el Otoño y otros en el Invierno. Graficas que ejemplifican
lo anterior se presentan en la Figura 6.3.
Evapotranspiración Potencial
Para la ETP es necesario identificar el mes donde se presenta su mayor valor y su ocurrencia en
relación al Solsticio de Verano, antes o después. En México es común encontrar que los mayores
valores de la ETP se presenten durante el primer semestre del año, sin embargo, también existen
algunos lugares donde ocurre en el segundo semestre. En la Figura 6.4 se muestran algunos
ejemplos.
Índice de Humedad Anual
Uno de los índices más relevantes para caracterizar al Régimen de Humedad de un lugar, es el
Índice de Humedad Anual (IHA), que se calcula a través del cociente entre la Precipitación anual
y la ETP anual, algunos ejemplos de este índice se presentan en el Cuadro 6.1.
197
TIJUANA MONTERREY
140 300
120 250
100
200
80
PP
PP
150
60
100
40
20 50
0 0
0 1 2 3 4 5 0 1 2 3 4 5
ESTACIÓN ESTACIÓN
1: PRIMAVERA 2: VERANO 3: OTOÑO 4: INVIERNO
GUADALAJARA CAMPECHE
800 600
700 500
600
500 400
PP
PP
400 300
300 200
200
100 100
0 0
0 1 2 3 4 5 0 1 2 3 4 5
ESTACIÓN ESTACIÓN
Figura 6.3. Gráficas de los diferentes Tipos de Distribución de

la Precipitación para 4 Estaciones de México.
AGUASCALIENTES CHAPINGO
180.0 160.0
150.0
160.0 140.0
ETP (mm)
ETP (mm)
140.0 130.0
120.0
120.0 110.0
100.0
100.0
90.0
80.0 80.0
0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14
MES MES
MES: 1. ENERO…… 5. MAYO ……. 10. OCTUBRE …….. 12. DICIEMBRE
C. Z. MEXICALI MONTERREY
350.0 180.0
300.0 160.0
ETP (mm)
ETP (mm)
250.0 140.0
200.0 120.0
150.0 100.0
100.0 80.0
50.0 60.0
0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14
MES MES
Figura 6.4. Variación de la ETP de Papadakis en cuatro Estaciones de la

198
Cuadro 6.1. Índice de Humedad Anual para 10 Estaciones de la República

Mexicana.
ESTACIÓN P (mm) ETP (mm) IHA

Aguascalientes 475.9 1426.9 0.33
Campeche 1060.4 1835.7 0.58
Coscomatepec 1612.1 1171.9 1.38
Chapingo 604.3 1384.0 0.44
Choix 729.5 2507.5 0.29
C. Z. Mexicali 48.7 2289.0 0.02
Guadalajara 1011.2 1432.4 0.71
Monterrey 631.4 1365.7 0.46
V. C. Manzanillo 862.3 1933.9 0.45
Tapachula 2037.1 2086.6 0.98
Inicio del Balance
El mes en el que se inicia el balance de humedad es aquel, en el que la P es mayor a la ETP, esto
es, cuando hay excesos. Para explicar con mayor detalle todo el balance de humedad nos
estaremos refiriendo a tres grupos de datos, los de la Estación Chapingo (Cuadro 6.2), de
Cosamaloapan (Cuadro 6.3) y de la Colonia Zacatecas en Mexicali (Cuadro 6.4). Para Chapingo,
Cuadro 6.2. Balance de Humedad para la Estación de Chapingo.
Mes P (mm) ETP (mm) P - ETP Exceso IHm

ENE 11.9 117.0 -105.1 0.0 0.10
FEB 6.7 107.4 -100.7 0.0 0.06
MAR 13.0 148.2 -135.2 0.0 0.09
ABR 27.0 139.8 -112.8 0.0 0.19
MAY 47.8 145.0 -97.2 0.0 0.33
JUN 108.3 104.3 4.0 4.0 1.04
JUL 125.0 97.8 27.2 31.2 1.28
AGO 110.9 98.2 12.7 43.9 1.13
SEP 89.2 89.6 -0.4 43.4 1.00
OCT 46.0 110.0 -64.0 0.0 0.81
NOV 11.9 111.5 -99.6 0.0 0.11
DIC 6.6 115.0 -108.4 0.0 0.06
el mes de inicio es Junio; para Coscomatepec le corresponde igualmente Junio y en Mexicali no

tiene excesos, es decir, no hay inicio.
Como puede apreciarse en los Cuadros 6.2, 6.3 y 6.4, la diferencia P – ETP resulta útil en el
establecimiento del inicio del balance, porque corresponde al primer valor positivo.
199
Cuadro 6.3. Balance de Humedad para la Estación de Coscomatepec.

ENE 38.4 79.0 -40.6 0.0 0.74
FEB 32.8 80.4 -47.6 0.0 0.41
MAR 26.2 108.5 -82.3 0.0 0.24
ABR 64.1 112.1 -48.0 0.0 0.57
MAY 110.6 115.2 -4.6 0.0 0.96
JUN 301.5 106.1 195.4 100.0 2.84
JUL 308.9 108.1 200.8 100.0 2.86
AGO 223.1 107.0 116.1 100.0 2.09
SEP 285.3 100.5 184.8 100.0 2.84
OCT 135.0 88.9 46.1 100.0 1.52
NOV 49.9 82.4 -32.5 67.5 1.00
DIC 36.3 83.7 -47.4 20.1 1.00
Cuadro 6.4. Balance de Humedad para la Estación de Mexicali.

ENE 1.7 95.6 -93.9 0.0 0.02
FEB 8.9 109.8 -100.9 0.0 0.08
MAR 0.8 140.6 -139.8 0.0 0.01
ABR 0.4 179.1 -178.7 0.0 0.00
MAY 0.1 229.8 -229.7 0.0 0.00
JUN 0.0 290.2 -290.2 0.0 0.00
JUL 3.5 289.9 -286.4 0.0 0.01
AGO 9.5 276.5 -267.0 0.0 0.03
SEP 7.3 250.3 -243.0 0.0 0.03
OCT 5.7 204.1 -198.4 0.0 0.03
NOV 0.7 130.1 -129.4 0.0 0.01
DIC 10.1 92.9 -82.8 0.0 0.11
Excesos
A partir del mes inicial en la columna de excesos se copia el primer valor positivo, que como
sucede en Chapingo (Cuadro 6.2), le corresponde al mes de Junio y su valor es 4.0 mm, dado que
para el siguiente mes el resultado de la diferencia es positiva (27.2), tiene excesos y por lo tanto
se suma al valor anterior, resultando 31.2 mm y como en la siguiente otra vez es positiva (12.7)
se volverá a sumar, quedando 43.9 mm. Dado que la Capacidad de Almacenamiento de agua en
el suelo es de 100 mm y esta no es rebasa por los excesos, significa que no habrá escurrimientos
o perdidas y entonces se establece que en Chapingo se llega a almacenar una lámina máxima de
agua de 43.9 mm, a finales de Agosto, la cual se podrá usar para satisfacer las demandas de los
cultivos. Dado que el siguiente valor de P – ETP (para Septiembre), resulta negativa (de -0.4) se
inicia el uso del agua de reserva para cubrir esa diferencia, quedando entonces 43.4 mm, que
proviene de 43.9 – 0.4 = 43.4 (las cifras han sido redondeadas). El dato de 43.4 se emplea en el
200
mes de Octubre, buscando cubrir la siguiente diferencia negativa. Sin embargo, al ser más grande
(-64.0) se consume en su totalidad y el exceso reduce su valor a cero. En Noviembre, Diciembre,
Enero, Febrero, Marzo, Abril, y Mayo, las diferencias son negativas, es decir, no hay excesos y
por lo tanto se ponen ceros en dicha columna.
Para Coscomatepec (Cuadro 6.3), el mes inicial es Junio y la P – ETP es de 195.4 mm, saturando
de inmediato la capacidad máxima de almacenaje de agua en el suelo, que es de 100 mm, la cuál
se anota en la columna de excesos. En Julio, Agosto, Septiembre y Octubre, al ser las diferencias
positivas se pensaría en aumentar el agua de reserva, sin embargo la capacidad máxima sigue
siendo de 100 mm, por lo cual existe agua en exceso que se pierde y se le conoce como Agua de
Lixiviación simbolizada como Ln. Los excesos en los meses mencionados tienen el valor de 100.
En Noviembre con una diferencia negativa (-32.5) se inicia el consumo del agua de reserva,
quedando 67.5 mm en la columna de excesos. De igual forma ocurre en Diciembre, al tener una
diferencia negativa (-47.4), se compensa con el agua de reserva y sólo quedarán 20.1 mm en la
columna de excesos. Al pasar a Enero, entiéndase como si fuera el año siguiente, la diferencia es
-40.6, mayor que el agua de reserva, por lo que los excesos se reducen a cero, valor que
mantienen en Febrero, Marzo, Abril y Mayo.
El caso de Mexicali (Cuadro 6.4) es diferente, debido a que todos los meses resultan negativos, es
decir, no existen excesos de agua ni tampoco hay consumo de agua de reserva o lluvia lixiviada.
Con lo cual todos los meses en la columna de excesos tendrán un valor de cero.
Índices de Humedad Mensuales
En el balance de humedad de Papadakis se calculan índices de humedad mensuales (IHm),

empleando dos fórmulas:
P P  AguaUsada
IHm  ó IHm 
ETP ETP
El Agua Usada, de la segunda fórmula, aparece cuando el agua de reserva o de la columna de los
excesos se comienza a reducir hasta convertirse en cero.
Para Chapingo (Cuadro 6.2) el agua usada se presenta en los meses de Septiembre y Octubre,
como sigue:
89.2  0.4
IH sep   1.00 y
89.6
46.0  43.4
IH oct   0.81
110.0
Para Coscomatepec (Cuadro 6.3) el agua usada aparece en los meses de Noviembre, Diciembre y
Enero, como:
201
49.9  32.5
IH nov   1.00
82.4
36.3  47.4
IH dic   1.00 ;
83.7
38.4  20.1
IH ene   0.74
79.0
En el resto de los meses de Chapingo y Coscomatepec, como para todos los de Mexicali, se
emplea en el cálculo de los Índices Mensuales a la primera fórmula.
Los valores de los índices mensuales sirven para caracterizar sí un mes es húmedo (H),
intermedio (I) o seco (S), de acuerdo a los criterios que se presentan en el Cuadro 6.5.
Cuadro 6.5. Tipo de mes de acuerdo a su Índices de Humedad (IHm) en el

Sistema de Papadakis.
Tipo de Mes IHm

Húmedo (H) > 1.0
Intermedio (I) 0.5 - 1.0
Seco (S) < 0.5
Lluvia de Lixiviación
La Lluvia de Lixiviación (Ln) se define como la suma de las diferencias P – ETP de los meses
húmedos (IHm > 1.0) y su resultado se puede expresar como una lámina en mm o como un
porcentaje en relación a la ETP anual, así:
Ln   P  ETP Húmedos ó
Ln 
 P  ETP  Húmedos
 100
ETPanual
Los valores de Ln que se emplean como criterios en el Sistema de Papadakis, como lámina son
1000 y 2000 mm y como porcentaje es 20%.
Para la Estación de Chapingo (Cuadro 6.2), cuyos meses húmedos son Junio, Julio y Agosto,
tiene una Ln de 43.8 mm o de 3.2%. En Coscomatepec (Cuadro 6.3), los meses con IHm > 1.0
son Junio, Julio, Agosto, Septiembre y Octubre y su Ln tiene un valor de 743.2 mm o de 63.4%.
Mexicali (Cuadro 6.4) carece de Ln.
202
6.3. Diagnóstico Climático
El diagnóstico climático dentro del Sistema de Papadakis se realiza a través de la definición del
Tipo de Invierno, el Tipo de Verano y el Régimen de Humedad.
Tipo de Invierno
Para definir el Tipo de Invierno se requiere conocer al mes más frío, su temperatura promedio de
mínimas, promedio de las más bajas y promedio de máximas. El mes más frío se selecciona a
partir del valor menor de la T media mensual.
Los Tipos de Invierno a ser considerados en México se presentan en el Cuadro 6.6. A partir del
cuál, se establece que el tipo Ecuatorial (Ec) se ubicará en aquella localidad cuya Temperatura
Cuadro 6.6. Tipos de Invierno para México del Sistema de Papadakis*
Tipo de Invierno Tpb Tmin Tmax

Ecuatorial
Ec > 18 oC
Tropical
Tp (cálido) > 7 oC 13 a 18 oC
tP (medio) > 7 oC 8 a 13 oC > 21 oC
tp (fresco) > 7 oC 8 a 13 oC < 21 oC
Citrícola
Ct (tropical) -2.5 a 7 oC > 8 oC > 21 oC
Ci (típico) -2.5 a 7 oC > 8 oC 10 a 21 oC
-2.5 a 7 oC < 8 oC > 21 oC
Avena de Invierno
Av (cálido) -10 a -2.5oC > 4 oC > 10 oC
av (fresco) -10 a -2.5oC > 4 oC 5 a 10 oC
-10 a -2.5oC < 4 oC > 10 oC
Trigo de Invierno
Tv (trigo – avena) -29 a -10oC > 5 oC
* Todos los conceptos se refieren al mes más frío;
Tpb = Temperatura promedio de las más bajas;
Tmin = Temperatura promedio de mínimas;
Tmax = Temperatura promedio de máximas
promedio de mínimas (Tmin) del mes más frío sea mayor a 18 oC, siendo el único requisito; El
tipo Tropical cálido (Tp) tiene dos condiciones que satisfacer, que la Temperatura promedio de
las más bajas (Tpb) sea mayor a 7 oC, aquí es necesario recordar que este dato no se reporta y que
se debe estimar con la fórmula propuesta por Castillo (1998) y que la Temperatura promedio de
mínimas del mes más frío este entre 13 y 18 oC. Otros tipos necesitan tres requisitos, donde se
incluye comúnmente a la Temperatura promedio de máximas (Tmax) y otros más tienen dos
opciones, como sucede con el Tipo Citrícola Ci, que requiere ya sea: una Tpb entre -2.5 y 7 oC,
una Tmin > 8 oC y una Tmax entre 10 y 21 oC o una Tpb entre -2.5 y 7 oC, una Tmin > 8 oC y
una Tmax > 21 oC.
203
En el Cuadro 6.7, se reportan los datos necesarios para establecer los tipos de invierno de 10
Estaciones de la República Mexicana. Esta información corresponde a las Normales
Meteorológicas de 1971 – 2000.
Cuadro 6.7. Datos para determinar el Tipo de Invierno de 10 Estaciones de la

ESTACIÓN Mes más T T Tpb T

Frío media mín máx
Aguascalientes Enero* 13.4 4.4 0.0 22.3
Campeche Enero 24.0 18.2 15.1 29.7
Coscomatepec Enero 25.4 9.1 5.1 21.8
Chapingo Febrero 13.5 4.0 -0.4 23.0
Choix Enero 17.6 6.6 2.4 28.6
C. Z. Mexicali Diciembre 12.9 4.2 -0.2 21.5
Guadalajara Enero 17.2 9.8 5.9 24.5
Monterrey Enero 14.4 8.4 4.4 20.3
V. C. Manzanillo Enero 23.4 15.8 12.4 31.0
Tapachula Enero 25.4 17.0 13.7 33.7
* Mes seleccionado; T media = Temperatura media; Tmin = Temperatura promedio de mínimas;
Tpb = Temperatura promedio de las más bajas; Tmax = Temperatura promedio de máximas
A partir del Cuadro 6.7 y utilizando como ejemplo para establecer al Tipo de Invierno a
Aguascalientes, después de seleccionar a Enero como el mes más frío por su temperatura media
(13.4 oC) y conocer que su Tmin = 4.4 oC; su Tpb = 0.0 oC y su Tmax = 22.3 oC, apoyados en el
Cuadro 6.6, se establece que su tipo no es Ec por su Tmin, tampoco ningún Tropical (Tp, tP, tp)
por su Tpb que es menor de 7 oC, pero se ubica en el intervalo del Tipo Citrícola (-2.5 a 7 oC);
como su Tmin = 4.4 oC, la única opción posible es la segunda del Ci y al tener una Tmax = 22.3
o
C, satisface los requisitos. Por lo tanto, Aguascalientes tiene un Tipo de Invierno Citrícola, Ci.
El caso de Tapachula como otro ejemplo, nos queda: el mes más frío si nos basamos únicamente
en el valor de la temperatura media, la respuesta es Enero, con el valor de 25.4 oC. Presenta una
Tmin = 17.0 oC, además cuenta con una Tpb = 13.7 oC y una Tmax = 33.7 oC. Recurriendo otra
vez al Cuadro 6.6, se establece que no es Ec, pero SÍ es Tropical cálido, Tp, por tener una Tpb
mayor a 7 oC y una Tmin entre 13 y 18 oC.
Tipo de Verano
El Tipo de Verano se determina en base a dos criterios generales, el Período Libre de Heladas
(PLH) y la Temperatura Promedio de Máximas de diferentes meses.
El PLH que se define en términos de la Tpb, se emplea en dos de sus tres modalidades:
1) El PLH mínimo que corresponde a los meses en los que la Tpb > 7.0 oC, y;
2) El PLH disponible, referido a los meses donde la Tpb > 2.0 oC.
204
De esta forma, deberá entenderse que se requieren los datos de la Tpb de todo el año.
Sobre la Temperatura promedio de máximas se pide en cuatro formas:
1) La del mes más caliente, definido al igual que el más frío, por la Temperatura media y
que se simbolizará como Tmax;
2) El promedio de los 6 meses más calientes, definidos por la T media y simbolizados
como Tx6;
3) El promedio de los 4 meses más calientes, definidos por la T media e identificados
como Tx4, y;
4) La Temperatura promedio de máximas de todos los meses.
También en un Tipo de Verano se requiere información sobre la Temperatura promedio de

mínimas de todos los meses.
En el Cuadro 6.8 se presentan los requisitos que deben satisfacer los diferentes Tipos de Verano
que se han reportado en México y en el Cuadro 6.9 se presentan los datos para determinar el Tipo
de Verano, de 5 Estaciones de la República Mexicana.
Cuadro 6.8. Tipos de Verano.
P L H
Tipo de Verano Mínimo Disponible Tmax Tx6 Tx4 Otros
Zona Algodonera
G (más cálida) > 4.5 > 33.5 > 25.0
g (menos cálida) > 4.5 < 33.5 > 25.0
Zona Cafetalera
c 12 > 21.0 Todos los
meses con
Tmax < 33.5
y Tmin < 20
Zona Arrocera
O > 3.5 > 25.0 > 21.0
Zona Maicera
M > 4.5 > 21.0
Zona Triguera
T (más cálida) > 4.5 > 17.0
t (menos cálida) 2.5 a 4.5 > 17.0
Ejemplificando la obtención del Tipo de Verano con las estaciones de Aguascalientes y de

Tapachula tendremos:
Para Aguascalientes, necesitamos en primer término generar el PLH, que para esta estación puede
ser mínimo, cuando la Tpb > 7.0 oC y disponible, cuando la Tpb > 2.0 oC. El que se evalúa
primero es el mínimo, al revisar la hilera de la Tpb resulta que los meses de Abril, Mayo, Junio,
Julio, Agosto, Septiembre y Octubre, son mayores a 7 oC y al ser 7 meses, satisfacen el requisito
205
inicial del Cuadro 6.8, para considerarlo como un Tipo de Verano correspondiente a una Zona
Algodonera. El segundo requisito es la Tmax del mes más caliente, que a través de la T media se
determina que es Mayo o Junio (con 22.5 oC) y su Tmax = 30.7 oC, por lo que no es del Tipo G y
Cuadro 6.9. Datos para definir el Tipo de Verano en 5 Estaciones de México.
1) Estación: Aguascalientes
Tmax 22.3 24.1 26.6 28.8 30.7 29.5 27.2 27.0 26.4 25.8 24.6 22.8
Tmin 4.4 5.8 8.5 11.3 14.3 15.5 14.7 14.4 14.0 11.2 7.5 5.4
T 13.4 15.0 17.6 20.1 22.5 22.5 21.0 20.7 20.2 18.5 16.1 14.1
Tpb 0.0 1.5 4.5 7.5 10.8 12.1 11.2 10.9 10.5 7.4 3.4 1.1
2) Estación: Chapingo
Tmax 23.8 23.0 27.5 27.4 28.4 25.2 24.5 24.5 23.4 24.7 23.9 23.8
Tmin 3.4 4.0 6.6 8.6 10.4 11.1 10.9 10.8 10.2 8.4 5.6 4.1
T 13.6 13.5 17.1 18.0 19.4 18.2 17.7 17.7 16.8 16.6 14.8 14.0
Tpb -1.1 -0.4 2.4 4.7 6.7 7.4 7.2 7.1 6.4 4.4 1.3 -0.3
3) Estación: Choix
Tmax 28.6 30.1 32.3 35.6 38.3 40.2 36.7 35.6 35.7 35.6 32.3 28.9
Tmin 6.6 7.4 8.9 11.3 15.5 21.9 23.1 22.7 21.8 16.9 10.5 7.7
T 17.6 18.8 20.6 23.5 26.9 31.1 29.9 29.2 28.8 26.3 21.4 18.3
Tpb 2.4 3.3 5.0 7.7 12.3 19.4 20.7 20.3 19.3 13.9 6.8 3.7
4) Estación: Guadalajara
Tmax 24.5 26.3 29.1 31.0 32.3 30.3 27.2 27.2 27.0 27.0 26.2 24.8
Tmin 9.8 10.7 12.7 14.8 16.8 17.5 16.5 16.5 15.2 15.2 12.5 10.6
T 17.2 18.5 20.9 22.9 24.6 23.9 21.9 21.9 21.1 21.1 19.4 17.7
Tpb 5.9 7.0 9.2 11.5 13.8 14.5 13.4 13.4 12.0 12.0 9.0 6.9
5) Estación: Tapachula
Tmax 33.7 34.5 35.3 35.5 34.2 33.0 33.4 33.1 32.3 32.7 33.1 33.3
Tmin 17.0 17.5 18.7 20.1 20.5 20.1 19.7 19.6 19.7 19.6 19.1 17.7
T 25.4 26.0 27.0 27.8 27.4 26.6 26.6 26.4 26.0 26.2 26.1 25.5
Tpb 13.7 14.5 15.9 17.4 17.9 17.4 17.0 16.9 17.0 16.9 16.3 14.8
para que sea el otro tipo, necesita satisfacer la condición de que el promedio de la Temperatura
promedio de máximas de los seis meses más calientes sea mayor a 25 oC, los seis meses más
calientes también se definen con la T media y son entonces: Abril, Mayo, Junio, Julio, Agosto y
Septiembre, cuyas Tmax están por arriba de los 26 oC, razón por la cual la condición es
satisfecha. Resultando entonces que Aguascalientes presenta un Tipo de Verano g, que
corresponde a la Zona Algodonera menos cálida.
206
En Tapachula, con las Tpb de todos los meses son mayores a 7 grados, tiene un PLH mínimo
de12 meses y al considerar al Cuadro 6.8, se pudiera pensar que cumple la condición para ser una
Zona Cafetalera, ya que además satisface la característica de que la Temperatura media del
promedio de máximas para los seis meses más calientes sea mayor 21 oC, formalmente Tx6 =
34.1 oC. Sin embargo, se esta en un error porque no cumple las últimas condiciones, esto es, que
todos los meses tengan una Tmax < 33.5 oC, lo cual no ocurre con Enero, Febrero, Marzo, Abril
y Mayo y que todos los meses tengan una Tmin < 20 oC, que no lo satisfacen los meses de Abril,
Mayo y Junio. La situación anterior nos obliga a retroceder en nuestro juicio y regresar a la Zona
Algodonera, como cumple con un PLH mínimo > 4.5 meses, con una Tmax > 33.5 oC (en Abril,
el mes más caliente) y con una Tx6 > 25 oC, se trata entonces del tipo G, la Zona Algodonera
más cálida.
Régimen Térmico
La combinación del Tipo de Invierno con el Tipo de Verano, genera al Régimen Térmico, de
acuerdo con los principios del Sistema de Papadakis en el Cuadro 6.10, se reportan solo los
establecidos hasta la fecha en México.
Cuadro 6.10. Regimenes Térmicos del Sistema de Papadakis identificados en México.
Tipo de Tipo de
Régimen Térmico Invierno Verano
Ecuatorial
EQ (cálido) Ec G
Eq (semicálido) Ec g
Tropical
TR (cálido) Tp G
Tr (semicálido) Tp G
tR (cálido con invierno
fresco) tP G, g
Tierra Templada
Tt (tierra templada) Tp, tP c
Tierra Fría
TF (tierra fría baja) (1) Ct, Ci, Av g
Tf (tierra fría media) (1) Ci, Av O, M
tf (tierra fría alta) (1) Av, av T
Subtropical
Ts (semitropical) Ct G
SU (subtropical cálido) (2) Ci, Av G
Notación numérica:
(1) La ETP más alta le corresponde al mes del Solsticio de Verano o antes (seis meses máximo),
la Tmin de todos los meses es < 20 oC ;
(2) La ETP más alta es posterior al mes del Solsticio de Verano (cuatro meses como máximo).
207
Régimen Hídrico
El Régimen Hídrico del Sistema de Papadakis se define considerando a la mayoría de los

parámetros determinados en el balance de humedad, en particular, al Índice de Humedad Anual
(IHA), a la Lluvia de Lixiviación (Ln), a los meses No Húmedos, a los Índices de Humedad
mensuales y al Régimen de lluvias. Además, en algunos casos se le da énfasis a los meses con
una Tmax > 15 oC.
En el Cuadro 6.11 se presentan los criterios que definen a los Regimenes de Humedad que a la
fecha se han reportado en México.
Cuadro 6.11. Regimenes Hídricos del Sistema de Papadakis identificados en México.
Régimen Meses No
Hídrico IHA Ln Húmedos Otros
HÚMEDO
HU (siempre húmedo) > 1.00 > 20% 0
Hu (húmedo) > 1.00 > 20% ≥1
MONZÓNICO
Con lluvias en verano
MO*(lluvioso) > 0.88 > 20%
Mo (seco) 0.44 a 0.88 < 20%
mo (semiárido) < 0.44
DESÉRTICO
Todos los meses con Tmax
> 15 oC son secos
da (absoluto) < 0.09 Meses con Tmax
> 15 oC. Tienen
índices mensuales
con IHm < 0.25
do (monzónico) <0.22 Con lluvias en
verano
de (mediterráneo) <0.22 Con lluvias en
invierno
*Sólo requiere cumplir uno de los requisitos.
En el Cuadro 6.12, se reportan los datos necesarios para establecer los Regimenes Hídricos de 10
Estaciones de la República Mexicana. Esta información corresponde a Normales Meteorológicas
del período 1971 – 2000.
A partir del Cuadro 6.12 se puede establecer que La estación Coscomatepec es húmeda, por su
Índice de Humedad Anual (IHA), pero al tener meses no húmedos, esto es Intermedios (I) y
Secos (S), es del tipo húmedo Hu. La mayoría de las estaciones a excepción de la de Mexicali,
tienen lluvias de verano. Tapachula es monzónico lluvioso, MO, por el Índice de Humedad
Anual (> 0.88) y por el parámetro Ln, lluvia de lixiviación > 20%; Campeche, Chapingo,
Guadalajara, Monterrey y Manzanillo, son por el IHA, Mo y Aguascalientes y Choix les
corresponde mo. Mexicali es desértico absoluto, da, por su IHA.
208
Cuadro 6.12. Datos útiles en la Determinación del Régimen Hídrico de 10 Estaciones de la

Meses P
ESTACIÓN IHA Ln (%) H I S Verano Invierno
Aguascalientes 0.33 0.9 2 3 7 300.9 30.8
Campeche 0.58 6.0 4 2 6 548.8 68.6
Coscomatepec 1.38 63.4 5 5 2 833.5 107.5
Chapingo 0.44 3.2 3 2 7 344.2 25.2
Choix 0.29 0.0 0 3 9 425.0 99.6
C. Z. Mexicali 0.02 0.0 0 0 12 13.0 20.7
Guadalajara 0.71 31.3 4 2 6 709.2 30.6
Monterrey 0.46 2.5 1 3 8 220.5 51.8
V. C. Manzanillo 0.45 5.9 3 2 7 468.5 47.3
Tapachula 0.98 42.1 6 1 5 960.2 25.4
6.4. Clasificación Climática
El Sistema de Papadakis considerando el Tipo de Invierno, el Tipo de Verano, el Régimen

Hídrico y Diagnósticos Especiales, clasifica a los climas en Grupos asignándoles uno o varios
números de acuerdo a su especificidad.
En México después de clasificar a 47 Observatorios con datos de las Normales de 1980, se

encontraron 4 Grupos Principales, los cuales son:
1. TROPICAL
2. TIERRA FRÍA
3. DESÉRTICO
4. SUBTROPICAL
Además, Castillo (1998) reportó un Grupo más, el:
6. MEDITERRÁNEO
Cabe indicar que se mantendrá la numeración original de Papadakis en estos párrafos.
Además. Castillo (1998) elaboró un mapa esquemático de la distribución de los Subgrupos

climáticos de Papadakis en México, que se muestra en la Figura 6.4.
Los Subgrupos específicos determinados en la República Mexicana, a partir de los 47

Observatorios clasificados, con todas sus características se presentan en el Cuadro 6.13 y en el
Cuadro 6.14 se reportan las clasificaciones particulares de cada observatorio al nivel más
detallado del sistema.
209
6.8
SIMBOLOGÍA
3.2 1.1 Ecuatorial húmedo
1.2 Tropical húmedo
1.3 Sabana marítima
1.4 Sabana continental
4.2 1.7 Tierra templada húmeda
3.2 2.3 1.8 Tierra templada seca
3.2
3.4 2.1 Tierra fría semitropical
2.2 Tierra fría baja
2.3 Tierra fría media
3.1 Desierto tropical tórrido
3.1 4.2
3.2 Desierto subtropical tórrido
2.2 3.4 Desierto subtropical marítimo
4.3 4.2 Subtropical continental
4.3 Semitropical continental
4.3 6.8 Mediterráneo subtropical semiárido
2.3
1.3
1.3
2.2 1.2 1.4

1.4
2.3
1.3 1.1
2.2 1.2
1.7
1-8
1.3 2.1
1.2
2.1
Figura 6.4.Mapa Esquemático de los Climas de México según Papadakis (Castillo, 1998).
Para cada número, que representa a un grupo climático y para diferentes cultivos el Sistema da
una serie de recomendaciones, sí es adecuado para su desarrollo, si necesita riego, fertilización,
retardadores o aceleradores de crecimiento. Pero no incluye a todos los cultivos y en el caso de
México tampoco a muchos de los frutales, de tal forma que es posible realizar diferentes tipos de
investigaciones, que indiscutiblemente serán de beneficio para el agro nacional.
210
Cuadro 6.13. Grupos y Subgrupos para México del Sistema de Papadakis.
Tipo de Tipo de Régimen Diagnósticos

Grupo y Subgrupo Invierno Verano Hídrico Especiales*
1. TROPICAL
1.1. Ecuatorial Húmedo Ec g Hu 99, 101
1.2. Tropical Húmedo Tp g Hu 4, 97
1.3. Sabana Tropical Marina Ec – Tp g MO – Mo 4, 63, 95
1.4. Sabana Tropical Continental Ec – Tp G MO – Mo 38, 57, 64,
95, 101
1.7. Tierra Templada Húmeda tP c Hu – Mo
1.9. Tropical con Invierno Fresco tP G mo 4, 33
2. TIERRA FRÍA
2.1. Tierra Fría Semitropical Ct g Hu–MO-mo 1, 3, 34, 57
2.2. Tierra Fría Baja Ci – Av g MO-Mo-mo 1,3,32,34,64
2.3. Tierra Fría Media Ci – Av O–M Hu-MO-Mo-
mo 1, 3, 64
2.4. Tierra Fría Alta Av – av T MO – mo 1
3. DESÉRTICO
3.1. Desierto Tropical Tórrido tP G do
3.2. Desierto Subtropical Tórrido Ct – Ci – Av G da – do
3.3. Desierto Tropical Marino Tp g da 2, 9
4. SUBTROPICAL
4.2. Subtropical Continental Ci – Av G mo 2, 33, 152
4.3. Semitropical Continental Ct G mo 32
* Diagnósticos Especiales:
1. La ETP más alta le corresponde al mes del Solsticio de Verano o antes (máximo seis meses);
2. La ETP más alta es posterior al Solsticio de Verano (máximo cuatro meses);
3. La Tmin de todos los meses es < 20 oC;
4. La Tmin de uno o más meses es > 20 oC, sí el Verano es G la condición no es necesaria;
9. La Tx6 > 25 oC;
32. Ningún mes es húmedo;
33. Con 1 mes húmedo;
34. Con uno o más meses húmedos;
38. Con 4 meses húmedos;
57. Con 4 o menos meses secos;
63. Con 6 o más meses secos;
64. Con 5 o más meses secos;
95. Índice de Humedad Anual < 1.00;
97. Con Ln <1,000 mm;
99. Con Ln < 2,000 mm;
101. Los meses húmedos se presentan juntos;
152. La humedad disponible cubre menos del 50 % de la ETP de la Primavera.
211
Cuadro 6.14. Clasificación Climática de 47 Observatorios de México con el Sistema de Papadakis.

con datos de las Normales 1950 – 1980
Tipo de Tipo de Régimen Diagnósticos Clasificación
Observatorio Invierno Verano Hídrico Especiales** Numérica
Acapulco Ec G Hu 99, 101 1.121
Aguascalientes Ci g mo 1, 3, 34 2.28
Campeche Ec G Mo 57, 101 1.411
Ciudad Lerdo Ci G do 3.22
Comitán Ct g MO 1, 3, 57 2.12
Córdoba tP c Hu 1.76
Cozumel Ec g Hu 99, 101 1.121
Culiacán tP G mo 4, 33 1.917
Chapingo Av* M Mo 1, 3 2.38
Chihuahua Av* G do 3.274
Chilpancingo tP c MO 1.77
Durango Av g mo 1, 3, 32 2.23
Guadalajara Ci g MO 1, 3, 64 2.26
Guanajuato Ci g Mo 1, 3 2.27
Hermosillo Ct G do 3.22
Jalapa tP c Hu 1.76
La Bufa Av T mo 2.44
La Paz tP G do 3.12
Lagos de Moreno Ci g mo 1, 3, 34 2.28
León Ci g mo 1, 3, 34 2.28
Manzanillo Ec g MO 4, 95 1.37
Mazatlán Tp g MO 4, 63, 95 1.37
Mérida Tp G Mo 64 1.42
Monclova Av G do 3.274
Monterrey Ci G mo 33, 152 4.2212
Morelia Ci O MO 1, 3, 64 2.33
Nuevo Casas Grandes Av* G do 3.274
Oaxaca Ct g mo 1, 3, 34 2.15
Orizaba Ct g Hu 1, 3 2.11
Pachuca Av M mo 1, 3 2.39
Piedras Negras Av G mo 2, 152 4.22
Progreso Ec g Mo 4, 63 1.32
Puerto Cortes Tp g da 2, 9 3.31
Querétaro Ci g mo 1, 3, 34 2.28
Río Verde Ct G mo 32 4.31
Salina Cruz Ec G MO 95 1.48
Saltillo Av g mo 1, 3, 32 2.23
San Cristóbal Av M Hu 1, 3 2.3
Tacubaya Ci O Mo 1, 3, 64 2.33
Tampico Tp g Hu 4, 97 1.221
Tepic Ct g Hu 1, 3 2.11
Tlaxcala Av M MO 1, 3 2.37
Toluca av T MO 1 2.422
Torreón Ci G ds 3.23
Tulancingo Av* M Mo 1, 3 2.38
Tuxtla Gutiérrez tP G Mo 38 1.914
Veracruz Ec g Hu 99, 101 1.121
* Tipo de Invierno con dificultades para su definición;
** El significado de los Diagnósticos Especiales esta reportado en el Cuadro anterior.
212
Bibliografía
CAPÍTULO 7
BIBLIOGRAFÍA
Alanis M., J. L. 1988. Generación de Tecnología sobre Prácticas de Producción para los Cultivos de
Trigo y Cebada en la Región Centro Oriental del Estado de Puebla. Tesis de M. C. Centro
de Edafología. Colegio de Postgraduados. Montecillo, México.
Allen, R. 1997. Self – calibrating method for estimating solar radiation from air temperature. J.
Hydrol. Eng. 2: 56 – 67.
Allen, R. G., L. S. Pereira, D. Raes y M Smith. 2006. Evapotranspiración del Cultivo. Guías para la
determinación de los requerimientos de agua de los cultivos. Estudio FAO Riego y
Drenaje 56. Roma.
Angström, A. 1924. Solar and Terrestrial Radiation. Q. J. R. Meteorol. Soc., 50: 121 – 125.
Arnoldus, H. M. J. 1980. An Approximation of the Rainfall Factor in the Universal Soil Loss
Equation. In De Boodt, M. and D. Gabriels (editors) Assessment of Erosion. Wiley.
England. Pp. 127 – 132.
Ascencio L., G., C. A. Ortiz S. y E. Ojeda T. 1991. Predicción de la Fenología del Cultivar Júpiter
de Soya en el Sur de Tamaulipas. Agrociencia Serie: Agua – Suelo – Clima 2 (2): 115 –
135.
Ball, R. A., L. C. Purcell and S. K. Carey. 2004. Evaluation of Solar Radiation Prediction Models in
North America. Agron. J. 96: 391 – 397.
Best, R. 1961. Some aspects of Photoperiodism in Rice (Oryza sativa L.). Elsevier, Amsterdam.
Butler, B. E. 1964. Assessing the soil factor in agricultural production. J. Aust. Inst. Agric. Sci. 30:
232 – 240-
Calderón A., E. 1985. Fruticultura General. 3ª. Edición Editorial Limusa, México, D. F.
Castillo A., M. 1998. Sistema de Clasificación Agroclimática de Papadakis: Su Aplicación y

Evaluación en México. Tesis de M. C. Especialidad de Agrometeorología. Colegio de
Postgraduados. Montecillo, México.
Chang Jen – hu. 1968. Climate and Agricultura. An Ecological Survey. Aldine. Chicago.
Chang Jen – hu. 1981. Corn Yield in relation to Photoperiod, Night Temperature and Solar
Radiation. Agric. Meteorol., 24: 253 – 262.
Charles-Edwards, D. A., D. Doley and G. M. Rimmington. 1986. Modeling Plant Growth and
Development. Academic Press. Sidney, Australia.
213
Bibliografía
Cortés T., H. G., B. Figueroa S., C. A. Ortiz S. y F. V. González C. 1992. Caracterización de la

Erosividad de la Lluvia en México utilizando Métodos Multivariados. 1. Descripción de
Intensidades Máximas e Índices de Erosividad de la Lluvia. Agrociencia Serie: Agua –
Suelo – Clima 3(2): 115 – 138.
Coville, F. V. 1920. The Influence of Cold in Stimulating the Growth of Plants. Proc. of the
National Academy of Sciences of the United States of America 6: 434 - 435.
Crespo P., G. 1992. Programa de Computo “Diarios”. Versión 1.0. Especialidad de

Agrometeorología. Colegio de Postgraduados. Montecillo, México.
Crespo P., G. 1998. Programa de Computo para el Cálculo de Constantes e Índices Agroclimáticos
y Herramientas. Versión 2.6. Especialidad de Agrometeorología. Colegio de
Postgraduados. Montecillo, México.
DaMota, F. S. 1957. Os Invernos de Pelotas, R.S. en relacáo ás exigencias dos arbores fructiferas de
fólhas caducas. Rio Grande do Sul. Bol. Tech.Inst. Agr. Do Sul. 18.
DeFina, A. L. y A. C. Ravelo. 1975. Climatología y Fenología Agrícolas. Ed. Universitaria de

Buenos Aires. Argentina.
Demolon, A. 1966. Crecimiento de Vegetales Cultivados. Principios de Agronomía. Tomo II.

Ediciones Omega. Barcelona.
Denmead, O. T. and R. H. Shaw. 1960. Effects of Soil Moisture Strees at Different Stages of
Growth on the Development and Yield of Corn. Agron. J., 52: 272 – 274.
De Vries, D. A. 1963. Thermal properties of Soils. In W. R. van Wijk (editor) Physics of Plant
Environment. Amsterdam. Pp. 210 – 235.
DeWit, C. T. 1965. Photosyntesis of Leaf Canopies. Agric. Res. Report No. 663. PUDOC.
Wageningen, The Netherlands.
DeWit, C. T. 1978. Simulation of Assimilation, Respiration and Transpiration of Crops. Simulation

Monographs. Pudoc, Wageningen, The Netherlands.
Doorenbos, j. and W. O. Pruitt. 1977. Crop Water Requirements. Irrigation and Drainage. Paper No.
24. Food and Agric. Organization United Nations. Rome, Italy.
Doorenbos, J. and A. H. Kassam. 1979. Efectos del Agua sobre el Rendimiento de los Cultivos.
Estudio FAO: Riego y Drenaje, 33. Roma.
Driessen, P. M. and N. T. Konijn. 1992. Land – Use Systems Analysis. INRES. Wageningen, The
Netherlands.
Elias C. y F. Castellvi S. (Coordinadores) 2001. Agrometeorología. Ediciones Mundi – Prensa.

Madrid.
FAO. 1978. Report on the Agro – Ecological Zones Proyect. Vol. 1. Methodology and Results for
Africa. World Resources Report 48. Rome.
214
Bibliografía
FAO. 1981. Report on the Agro – Ecological Zones Proyect. Vol. 3. Methodology and Results for
South and Central America. World Resources Report 48/3. Rome.
FAO. 1985. Datos Agroclimáticos para América Latina y el Caribe. Colección FAO: Producción y
Protección Vegetal No. 24. Roma.
FAO. 1986. Pronóstico Agrometeorológico del Rendimiento de los Cultivos. Estudios FAO.
Producción y Protección Vegetal. Roma, Italia.
FAO. 2000. GAEZ – Global Agro – Ecological Zones 2000.

http://www.fao.org/ag/AGL/agll/gaez/method/method.htm
FAO/ UNEP/ UNESCO. 1979. A Provisional Methodology for Soil Degradation Assessment.
Rome.
FAO. 2007. ECOCROP. http://ecocrop.fao.org/
Fournier, F. 1960. Climat at Erosion. La Relation entre l’ërosion du sol par l’eau et les
précipitations atmosphériques. Presses Universitaires de France, Paris.
Frére, M. y G. F. Popov. 1980. Pronóstico de Cosechas basado en Datos Agrometeorológicos.

Estudio FAO: Producción y Protección Vegetal 17. Roma.
García – Benavides, J. 1979. Estructura Metodológica para la Caracterización Agroecológica de

Áreas por Procedimientos Cuantitativos de Análisis y su Posterior Zonificación. Tesis de
Doctor en Ciencias. Centro de Edafología. Colegio de Postgraduados. Chapingo, México.
García N., H., C. A. Ortiz S., D. Pájaro H. y R. Aveldaño S. 1990. Zonificación Agroecológica de
los Principales Cultivos Bajo Riego en el Estado de Guanajuato. Agrociencia Serie: Agua
– Suelo – Clima 1(1): 27 – 59.
Giesecke, J., P. Schmitt and H. Meyer. 1983. Comparison of methods for Calculating aerial
Precipitation. Applied Geography and Development 21: 48 – 65.
Glover, J. and McCulloch, J. S. G. 1958a. The Empirical Relation between Solar Radiation and
Hours of Sunshine in High-altitude Tropics. Q. J. R. Meteorol. Soc., 84: 56 – 60.
Griffiths, J. F. 1978. Applied Climatology. An Introduction. 2o. Edition. Oxford Univ. Press.
Hancock, J. K., R. W. Hill and G. H. Hargreaves. 1978. Precipitation Probabilities, Climate and
Agriculture Potential for El Salvador. USAID. Contract No. AID 519-174. Utah State
University.
Hargreaves, G. H. 1975. Moisture availability and Crop Production. Transactions of the ASAE 18
(5): 980 – 984.
Hargreaves, G. H. 1977. World Water for Agriculture (Climate, Precipitation probabilities and
Adequacies for rain fed Agriculture). Agency for International Development.
Washington, D. C.
215
Bibliografía
Hargreaves, G. H. and Z. Samani. 1982. Estiming Potential Evapotranspiration. J. Irrig. Drain. Eng.
ASCE 108: 225 – 230.
Hernández-Vázquez, M. 2001. Estimación de las Horas Frío en Valles Altos del Centro de México.
Tesis de M. C. Programa de Agrometeorología. Colegio de Postgraduados. Montecillo,
México.
Internet Conagua. Normales Climatológicas de México. 1961 – 1990. smn.cna.
gob.mx/productos/normales/cnormales.html
Iqbal, M. 1983. An Introduction to Solar Radiation. Academic Press.
Jacobs, H. S. and R. M. Reed. 1964. Soils Laboratory Exercise Source Book. American Society of
Agronomy, Wisconsin.
Jiménez L., J. 1978. Cálculo del Clima de acuerdo al Segundo Sistema de Thornthwaite.
Publicación 7. Segunda Edición. Subdirección de Agrología. SARH. México.
Landsberg, H. E. 1960. Physical Climatology. Gray Publ. Co.
Landsberg, H. E. 1975. Drought, a recurrent element of climate. In World Meteorological

Organization. Special Environment Report No. 5. Drought. WMO No. 403. Geneva –
Switzerland. 44 – 67.
Linvill, D. E. 1990. Calculating Chilling hours and Chill Units from Daily Maximum and Minimum
Temperature Observations. HortScience 25 (1): 14 – 16.
Martinez-Lozano, J. A., Tena, J. S. Onrubia and J. De la Rubia. 1984. The Historical Evolution of
the Angstrom formula and its modifications. Review and Bibliography. Agric. For.
Meteorol., 33: 109 – 128.
Meza, F. and E. Varas. 2000. Estimation of Mean Monthly Solar Global Radiation as a function of
Temperature. Agric. And Forest Meteorol. 100: 231 – 241.
Monteith, J. L. 1965. Radiation and Crops. Expl. Agric. 4 (1): 241 – 251.
Murata, Y. and S. Kudo. 1968. On the Influence of Solar Radiation and air Temperature upon the
local differences in the Productivity of Paddy Rice in Japan. Proc. Crop Sci. Soc. Jap., 38:
179 – 180.
Murata, Y. 1975. Estimation and Simulation Rice Yield from Climatic Factors. Agric. Meteorol.,
15: 117 – 131.
Neild, R. E. and J. K. Greig. 1972. An Agroclimatic Procedure to Determine Growing Seasons for
Vegetables. Agric. Meteorol. 9: 225 – 240.
Neild, R. E. and F. Boshell. 1976. An Agroclimatic procedure and survey of the Pineapple
Production Potential of Colombia. Agric. Meteorol. 17: 81 – 92.
Neild, R. E. s/f. Factors affecting citrus production and procedure for citrus survey. Mimeo.
216
Bibliografía
Normales Climatológicas. Base de Datos de las Normales Climatológicas de México (1951-1980).

www.colpos.mx/productos/normales/cnormales.html
Ortiz-Solorio, C. A. 1974. Evaluación de Tierras según su Producción de Maíz en el Área de

Influencia de Chapingo. Tesis de Maestría en Ciencias. Rama de Suelos. Colegio de
Postgraduados. Chapingo, México.
Ortiz-Solorio, C. A. 1981. Evaluación de las Tierras de México para la Producción de Maíz, Frijol y
Sorgo en Condiciones de Temporal. Serie Cuadernos de Edafología No. 18. Colegio de
Postgraduados. Chapingo, México.
Ortiz-Solorio, C. A. y D. Pájaro-Huertas. 1993. Estimación de la Radiación Global para la

República Mexicana (Primera Aproximación). Rev. Geografía Agrícola No. 18: 77 – 84.
Papadakis, J. 1970. Climates of the World: Their Classification, Similitudes, Differences and
Geographic Distribution. Edited by author. Buenos Aires, Argentina.
Penman, H. L. 1948. Natural evaporation from open water, bare soils and grass. Proc. R. Soc.
London, Ser. A, 193: 120 – 145.
Prescott, J. A. 1940. Evaporation from a Water Surface, in relation to Solar Radiation. Trans. Royal
Soc. Sci. Austr., 64: 114 – 125.
Purcell, L. C. 2003. Comparison of Thermal Units derived from Daily and Hourly Temperatures.
Crop Sci. 43: 1874 – 1879.
Rahn, J. J. 1979. Making the Weather Work for You. A practical guide for gardener and farmer.
Garden Way Publishing. Charlotte, Vermont.
Romo G., J. R. 1982. Meteorología Agrícola. Tesis Profesional. Depto de Irrigación. Universidad
Autónoma de Chapingo. Chapingo, México.
Romo G., J. R. 1985. Zonas con Potencial Agroclimático para la Producción de Cinco Oleaginosas
bajo Temporal, en la República Mexicana. Tesis de M. C. Centro de Hidrociencias.
Colegio de Postgraduados. Chapingo, México.
Ruiz C., J. A., C. A. Ortiz S., L. A. Aceves N. y A. E. Becerril R. 1992. Caracterización Fenológica
del Guayabo. Agrociencia Serie: Agua – Suelo – Clima 3 (2): 95 – 114.
Runge, E. C. and R. T. Odell. 1958. The Relation between Precipitation, Temperature and the Yield
Corn on the Agronomy South Farm, Urbana, Illinois. Agron. Journal 50: 448 – 464.
SAGARPA.2007. Servicio de Información Agroalimentaria y Pesquera (SIAP).

http:/www.siap.gob.mx/
Samani, Z. A. and M. Pessaraki. 1986. Estimating potencial crop evapotranspiration with Minimum
Data in Arizona. Transactions of the ASAE. 29 (2): 522 – 524.
Schulze, R. 1970. Radiation Climate of the Earth. Darmstadt. D. Stein Kopk.
217
Bibliografía
Sellers, W. D. 1965. Physical Climatology. University of Chicago Press., Chicago, Illinois.
Servicio Meteorológico Nacional. 1976. Normales Climatológicas Período 1941 – 1970. México, D.
F.
Servicio Meteorológico Nacional. 2007. Normales Climatológicas Período 1971- 2000.

http://smn.cna.gob.mx/
Shaw, R. H. 1955. The Effect of Precipitation and Temperature on Corn Yield. In G. F. Sprogue
(editor) Corn and Corn Improvement. Agronomy Vol. 15. Academic Press.
Siegel, S. 1976. Estadística No – Paramétrica. Editorial Trillas. México, D. F.
Smith, J. W. 1903. Relation of Precipitation to Yield of Corn. U. S. D. A. Yearbook: 215 – 224.
Smith, J. W. 1914. The Effect of Weather upon Yield Corn. U. S. Mo. Weather Rev. 42: 78 – 87.
Smith, L. P. 1975. Methods in Agriculture Meteorology. Elsevier Scientific Publishing Co. New
York.
Smithsonian Meteorological Tables. 1951. Smithsonian Mis. Coll. Vol. 114. Smithsonian Inst.
Washington, D. C.
Snyder, R. L. 1985. Hand Calculating Degree Days. Agric. For. Meteorol., 35: 353 – 358.
Spoehr, A. 1956. Cultural Differences in the Interpretation of Natural Resources. In Thomas, W.

(editor) Man’s role in changing the face of the earth. University of Chicago Press.
Chicago.
Stuff, R. G. and R. F. Dale. 1973. A simple Method of Calendar Conversions in Computer

Applications. Agric. Meteorol. 12: 441 – 442.
Summerfield, R. J., E. H. Roberts and R. J. Lawn. 1989. Photo – Thermal modulation of Flowering
in Grain Legumes Crops. Proc. Inter. Congress of Plant Physiology and Biochemistry.
New Delhi.
Tejeda, A. and A. Vargas. 1996. A correlation between visual observations and instrumental records
of cloudiness in Mexico. Geofísica Internacional 35(4): 421 – 424.
Thom, H. C. S. and R. H. Shaw. 1958. Climatological Analysis of Freeze Data of Iowa. Mon.
Weather Rev., 86 (7): 251 – 257.
Thom, H. C. S. 1959. The Distribution of Freeze Data and Freeze Free Period for Climatological
Series with Freeze less Years. Mon. Wea. Rev. 87 (4): 126 – 134.
Thom, H. C. S. 1966. Some Methods of Climatological Analysis. WMO no. 199.
Thornthwaite, C. W. 1948. An Approach toward a Rational Classification of Climate. Geog.. Rev.

38: 55 – 94.
218
Bibliografía
Thornthwaite, C. W. and J. R. Mather. 1955. The Water Balance. Publications in Climatology 8(1).
Laboratory of Climatology. Centertown, N. J.
Tian, Y. Q., R. J. Davies-Colley, P. Gong and B. W. Thorrold. 2001. Estimating Solar Radiation on
Slopes of arbitrary Aspect. Agric. and Forest Meteorol. 109: 67 – 74.
Torres R., E. 1983. Agro – Meteorología. Editorial Diana, México.
Trueba Espinoza, A. 1990. Sistema para la Zonificación Agroecológica. Tesis de M. C. Centro de

Estadística y Cálculo. Colegio de Postgraduados. Montecillo, México.
Vargas T., V. 1992. Pronóstico Agrometeorológico del Rendimiento de Maíz Bajo Condiciones de
Temporal, en la Zona Centro del Estado de Tamaulipas. Tesis de M. C. Programa de
Agrometeorología. Colegio de Postgraduados. Montecillo, México.
Vázquez P., M. A., C. A. Ortiz S., R. Arteaga R. y D. Pájaro H. 1992. Un Método Simple para
Estimar el Período Libre de Heladas en la República Mexicana. Agrociencia serie: Agua
– Suelo – Clima. 3 (2): 77 – 94.
Veihmeyer, F. J. and A. H. Hendrickson. 1931. The Moisture Equivalent as a Measure of the Field
Capacity. Soil Sci. Am. Proc.
Veihmeyer, F. J. and A. H. Hendrickson. 1955. Does transpiration decrease as soil moisture

decrease?. Trans. Am. Geophys. Union 36: 425 – 428.
Veihmeyer, F. J. 1972. The Availability of Soil Moisture to Plants: Results of Empirical

Experiments with Fruit Trees. Soil Sci. 114 (4): 268 – 294.
Weinberger, J. H. 1950. Chilling Requirements of Peach Varieties. Proc. Am. Soc. Hort. Sci. 56:
122 – 128.
Wilsie, C. P. 1966. Cultivos: Aclimatación y Distribución. Ed. Acribia, Zaragoza, España.
Wischmeier, W. H. 1959. A rainfall erosion index for a Universal Soil – Loss Equation. Soil Sci.
Soc. of Amer. Proc. 23(3): 246 – 249.
Wischmeier, W. H. and D. D. Smith. 1986. Predicting rainfall erosion losses. A Guide to

Conservation Planning. Agric. Handbook 537. USDA. Washington, D. C.
Worlen, C., K. Schulz, B. Huwe and R. Eiden. 1999. Spatial Extrapolation of Agrometeorological
Variables. Agric. Forest Meteorol. 94: 233 – 242.
Yoshida, S. 1981. Fundamentals of Rice Crop Science. The International Rice research Institue. Los
Baños, Philipines.
219

Agro Meteoro Log I A

Cargado por

Copyright:

Formatos disponibles

Agro Meteoro Log I A

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Agro Meteoro Log I A

Cargado por

Copyright:

Formatos disponibles

Carlos A.

con aplicaciones en la república mexicana

EDICIÓN DEL AUTOR

Texcoco, Estado de México

6. SISTEMA PAPADAKIS 193

En México, la Agrometeorología ha adquirido gran importancia y en varias instituciones de

La Agrometeorología, de acuerdo con Smith (1975), intenta poner a la Ciencia de la Meteorología

cultivos y al uso del sistema de clasificación de Papadakis, integrando diversas variables

1.2. Datos Meteorológicos

La principal fuente de datos meteorológicos, la constituye la información generada por el Servicio

Hasta la fecha ha sido muy contrastante la información procedente de los Observatorios en

Es conveniente mencionar, que de la información disponible para los 72 observatorios durante el

Además, a la fecha existen 94 Estaciones Meteorológica Automáticas (EMA’s), distribuidas por

No. Variable Meteorológica Abreviatura

Cuadro 1.3. Variables reportadas en el Sistema ERIC III (IMTA, 2006).

No. Variable Meteorológica

Como podrá notarse, la información climatológica cubre diferentes intervalos de tiempo,

De acuerdo con la Termodinámica se conoce que la energía se transforma pero no se pierde y el

CO2 + H2O + energía  (CH2O) + O2 - 112,000 calorías

en la que la energía proviene del sol.

I. Procesos Foto-energéticos: como la Fotosíntesis

Energía Consumida por la Fotosíntesis 0.66 %

De lo anterior se puede inferir la significación del estudio de la Radiación Solar.

2.2. Características de la Radiación Solar

2.3. Constante Solar

Figura 2.1. Distancia de la Tierra al Sol.

En ambas los ángulos son medidos en grados a diferencia de:

cuyo ángulo se expresa en radianes.

Cuadro 2.1. Ecuaciones para convertir el día del mes en el

Cuadro 2.2. Calendario Juliano

2.4. Variación de la Radiación

Masas atravesadas 1, 2, 3, 4,.........,n

Estos valores son promedios.

La dispersión es un fenómeno similar a la reflexión, diferenciándose de ésta, en que la radiación

Clima Tórrido Clima Polar

Figura 2.2. Clima Solar

Figura 2.3. Cenit de los Trópicos

Figura 2.4. Cenit de los Trópicos

Figura 2.5. Variación de la Radiación Solar a diferentes Latitudes.

Dicho exceso de energía afecta la producción de cultivos, principalmente gramíneas. Un ejemplo es el

FAJA No. de Rendimiento Duración del Día

En investigaciones posteriores se propuso a un fotoperíodo crítico, comprendido entre 12 y 14 horas,

En el Cuadro 2.5 se muestra la respuesta al fotoperíodo de algunas especies cultivadas. El fotoperíodo

Tipo de Fotoperíodo Tipo de Fotoperíodo

Procedimiento de De Witt, et al.

DL = 12 * (PI + 2 * asen (SSCC))/PI

SSEN = sen(LAT * RAD) * sen(DEC * RAD)

DEC = - 23.45 cos (2*PI*(DAY + 10)/365)

RAD = factor de conversión (grados a radianes;

La formula que emplea es:

DL = (24/) cos-1 (- tan  * tan )

DL = Duración del día en horas;

de acuerdo con Iqbal (1983) el cálculo de  basado en series de Fourier es:

 = 0.006918 - 0.399912 cos(día) + 0.070257 sen(día) - 0.006758 cos(2*día)

Procedimiento de Charles-Edwards, et al.

hD = exp(7.42 + 0.045 LAT) = e (7.42 +0.045 LAT)

Finalmente la duración del día (DL), se puede transformar en horas con:

Método de Stuff y Dale

Este método emplea a la fórmula:

DEC = - 23.45 cos (2PI(DAY + 10)/365)

DEC = - 23.45 * cos[2PI(DAY + 10) / 365]

RA = 37.586d[Hs * sen(φ) * sen(δ) + cos(φ) * cos(δ) * sen(Hs)]