Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación

Autores:
Sánchez-Uriza, Edwin Javier
Jiménez-López, Fabián Rolando
Jiménez-López, Andrés Fernando
Tipo de recurso:
Article of journal
Fecha de publicación:
2026
Institución:
Universidad Pedagógica y Tecnológica de Colombia
Repositorio:
RiUPTC: Repositorio Institucional UPTC
Idioma:
spa
OAI Identifier:
oai:repositorio.uptc.edu.co:001/23051
Acceso en línea:
https://doi.org/10.19053/uptc.01228420.v23.n2.2026.21910
Palabra clave:
Precision agriculture
Agroclimatic network quality control
Allium cepa L.
Irrigation scheduling
Spatial microclimatic variability
buld onion
Agroclimatology
Agricultura de precisión
Control de calidad en redes agroclimáticas
Allium cepa L.
Programación del riego
Variabilidad microclimática espacial
Cebolla de bulbo
Agroclimatología
Rights
openAccess
License
Edwin Javier Sánchez-Uriza, Fabián Rolando Jiménez-López, Andrés Fernando Jiménez-López - 2026
id REPOUPTC2_acc510ab59752301451b15db0a1031b0
oai_identifier_str oai:repositorio.uptc.edu.co:001/23051
network_acronym_str REPOUPTC2
network_name_str RiUPTC: Repositorio Institucional UPTC
repository_id_str
dc.title.spa.fl_str_mv Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
title Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
spellingShingle Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
Precision agriculture
Agroclimatic network quality control
Allium cepa L.
Irrigation scheduling
Spatial microclimatic variability
buld onion
Agroclimatology
Agricultura de precisión
Control de calidad en redes agroclimáticas
Allium cepa L.
Programación del riego
Variabilidad microclimática espacial
Cebolla de bulbo
Agroclimatología
title_short Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
title_full Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
title_fullStr Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
title_full_unstemmed Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
title_sort Evapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestación
dc.creator.fl_str_mv Sánchez-Uriza, Edwin Javier
Jiménez-López, Fabián Rolando
Jiménez-López, Andrés Fernando
dc.contributor.author.eng.fl_str_mv Sánchez-Uriza, Edwin Javier
Jiménez-López, Fabián Rolando
Jiménez-López, Andrés Fernando
dc.subject.none.fl_str_mv Precision agriculture
Agroclimatic network quality control
Allium cepa L.
Irrigation scheduling
Spatial microclimatic variability
buld onion
Agroclimatology
Agricultura de precisión
Control de calidad en redes agroclimáticas
Allium cepa L.
Programación del riego
Variabilidad microclimática espacial
Cebolla de bulbo
Agroclimatología
topic Precision agriculture
Agroclimatic network quality control
Allium cepa L.
Irrigation scheduling
Spatial microclimatic variability
buld onion
Agroclimatology
Agricultura de precisión
Control de calidad en redes agroclimáticas
Allium cepa L.
Programación del riego
Variabilidad microclimática espacial
Cebolla de bulbo
Agroclimatología
publishDate 2026
dc.date.accessioned.none.fl_str_mv 2026-09-04 07:37:51
dc.date.available.none.fl_str_mv 2026-09-04 07:37:51
dc.date.issued.none.fl_str_mv 2026-09-04
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 0122-8420
dc.identifier.doi.none.fl_str_mv 10.19053/uptc.01228420.v23.n2.2026.21910
dc.identifier.eissn.none.fl_str_mv 2539-0899
dc.identifier.url.none.fl_str_mv https://doi.org/10.19053/uptc.01228420.v23.n2.2026.21910
identifier_str_mv 0122-8420
10.19053/uptc.01228420.v23.n2.2026.21910
2539-0899
url https://doi.org/10.19053/uptc.01228420.v23.n2.2026.21910
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Agencia de Desarrollo Rural Colombia (ADR). (2026). Distrito de Adecuación de Tierras Alto Chicamocha (Ficha técnica). https://www.adr.gov.co/wp-content/uploads/2026/04/DAT_ALTO_CHICAMOCHA.pdf
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: guidelines for computing crop water requirements (FAO Irrigation and Drainage Paper No. 56). Food and Agriculture Organization of the United Nations.
Blankenau, P. A., Kilic, A., & Allen, R. (2020). An evaluation of gridded weather data sets for the purpose of estimating reference evapotranspiration in the United States. Agricultural Water Management, 242, Artículo 106376. https://doi.org/10.1016/j.agwat.2020.106376
Bwambale, E., Abagale, F. K., & Anornu, G. K. (2022). Smart irrigation monitoring and control strategies for improving water use efficiency in precision agriculture: a review. Agricultural Water Management, 260, Artículo 107324. https://doi.org/10.1016/j.agwat.2021.107324
Cheema, S. J., Karbasi, M., Randhawa, G. S., Liu, S., Esau, T. J., Grewal, K. S., Abbas, F., Zaman, Q. U., & Farooque, A. A. (2025). A state-of-the-art novel approach to predict potato crop coefficient (Kc) by integrating advanced machine learning tools. Smart Agricultural Technology, 11, Artículo 100896. https://doi.org/10.1016/j.atech.2025.100896
Corporación Autónoma Regional de Boyacá (Corpoboyacá). (2026). Reporte de calidad del aire, red de monitoreo, junio de 2026 (Conjunto de datos). Red de Calidad del Aire y Meteorología, corredor Sogamoso-Nobsa-Duitama-Paipa.
Departamento Administrativo Nacional de Estadística (DANE). (2014). 3er Censo Nacional Agropecuario: Hay campo para todos. https://www.dane.gov.co/index.php/component/content/article/1274-tercer-censo-nacional-agropecuario?Itemid=109
Dias, S. H. B., Filgueiras, R., Fernandes Filho, E. I., Arcanjo, G. S., Silva, G. H., Mantovani, E. C., & Cunha, F. F. (2021). Reference evapotranspiration of Brazil modeled with machine learning techniques and remote sensing. PLOS ONE, 16(2), Artículo e0245834. https://doi.org/10.1371/journal.pone.0245834
Estévez, J., Gavilán, P., & Giráldez, J. V. (2011). Guidelines on validation procedures for meteorological data from automatic weather stations. Journal of Hydrology, 402(1-2), 144–154. https://doi.org/10.1016/j.jhydrol.2011.02.031
Estévez, J., Gavilán, P., García-Marín, A. P., & Zardi, D. (2015). Detection of spurious precipitation signals from automatic weather stations in irrigated areas. International Journal of Climatology, 35(7), 1556–1568. https://doi.org/10.1002/joc.4076
Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). (2023, 3 de noviembre). Comunicado Especial No. 58: Declaratoria oficial del fenómeno de El Niño en Colombia. https://www.ideam.gov.co/sala-de-prensa/boletines/Comunicados-Especiales-(CE)
Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). (2026). Datos hidrometeorológicos, estaciones 24035130 y 24035430 (Conjunto de datos). DHIME. http://dhime.ideam.gov.co/atencionciudadano/
Jiménez-López, F. R., Castellanos-Patiño, J. S., & Jiménez-López, A. F. (2023). Forecasting irrigation scheduling based on deep learning models using IoT. Proceedings of the 21st LACCEI International Multi-Conference for Engineering, Education and Technology. https://doi.org/10.18687/laccei2023.1.1.965
Niazkar, M., Menapace, A., Brentan, B., Piraei, R., Jiménez, D., Dhawan, P., & Righetti, M. (2024). Applications of XGBoost in water resources engineering: a systematic literature review (Dec 2018–May 2023). Environmental Modelling & Software, 174, Artículo 105971. https://doi.org/10.1016/j.envsoft.2024.105971
Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2021). El estado de los recursos de tierras y aguas del mundo para la alimentación y la agricultura: Sistemas al límite (SOLAW 2021). https://doi.org/10.4060/cb7654es
Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (s.f.). AQUASTAT: Sistema mundial de información de la FAO sobre el agua en la agricultura. https://www.fao.org/aquastat/es/
Rubo, S., & Zinkernagel, J. (2025). Enhancing the prediction of irrigation demand for open field vegetable crops in Germany through neural networks, transfer learning, and ensemble models. Agricultural Water Management, 312, Artículo 109402. https://doi.org/10.1016/j.agwat.2025.109402
Silaban, F. A., Trilaksono, B. R., Mahayana, D., Maharijaya, A., Gunawan, E., Rosliani, R., & Prathama, M. (2026). Forecasting soil moisture and pH on edge for shallot cultivation using temporal fusion transformer. Smart Agricultural Technology, 13, Artículo 101884. https://doi.org/10.1016/j.atech.2026.101884
Singh, A., & Haghverdi, A. (2023). Development and evaluation of temperature-based deep learning models to estimate reference evapotranspiration. Artificial Intelligence in Agriculture, 9, 61–75. https://doi.org/10.1016/j.aiia.2023.08.003
Smith, M. (1992). CROPWAT: a computer program for irrigation planning and management (FAO Irrigation and Drainage Paper No. 46). Food and Agriculture Organization of the United Nations.
Teshome, F. T., Bayabil, H. K., Schaffer, B., & Ampatzidis, Y. (2025). Estimating crop evapotranspiration using drone imagery, ground canopy temperature, and machine learning techniques. Remote Sensing Applications: Society and Environment, 39, Artículo 101661. https://doi.org/10.1016/j.rsase.2025.101661
Unidad de Planificación Rural Agropecuaria (UPRA). (2025, abril). Cebolla bulbo de Tibasosa: productividad, tradición y nuevos retos para el agro boyacense (Nota de prensa institucional). https://upra.gov.co/es-co/sala-de-prensa/noticias/cebolla-bulbo-de-tibasosa-productividad-tradicion-y-nuevos-retos-para-el
Weikmann, G., Marinelli, D., Paris, C., Migdall, S., Gleisberg, E., Appel, F., Bach, H., Dowling, J., & Bruzzone, L. (2023). Multiyear mapping of water demand at crop level: an end-to-end workflow based on high-resolution crop type maps and meteorological data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 16, 6758–6775. https://doi.org/10.1109/JSTARS.2023.3294107
dc.relation.citationissue.eng.fl_str_mv 2
dc.relation.citationvolume.eng.fl_str_mv 23
dc.relation.ispartofjournal.eng.fl_str_mv Ciencia y Agricultura
dc.relation.bitstream.none.fl_str_mv https://revistas.uptc.edu.co/index.php/ciencia_agricultura/article/download/21910/17481
dc.relation.citationedition.eng.fl_str_mv Núm. 2 , Año 2026 : In press / En prensa
dc.rights.spa.fl_str_mv Edwin Javier Sánchez-Uriza, Fabián Rolando Jiménez-López, Andrés Fernando Jiménez-López - 2026
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by/4.0
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv This work is licensed under a Creative Commons Attribution 4.0 International License.
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Edwin Javier Sánchez-Uriza, Fabián Rolando Jiménez-López, Andrés Fernando Jiménez-López - 2026
http://creativecommons.org/licenses/by/4.0
This work is licensed under a Creative Commons Attribution 4.0 International License.
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.eng.fl_str_mv Universidad Pedagógica y Tecnológica de Colombia
dc.source.spa.fl_str_mv https://revistas.uptc.edu.co/index.php/ciencia_agricultura/article/view/21910
institution Universidad Pedagógica y Tecnológica de Colombia
bitstream.url.fl_str_mv https://repositorio.uptc.edu.co/bitstreams/ce91d73f-1872-4348-84e5-2499a6ff8499/download
bitstream.checksum.fl_str_mv 90be04b0fbd37c82fae5e90e82cd05e7
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio Institucional UPTC
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1881673863938441216
spelling Sánchez-Uriza, Edwin JavierJiménez-López, Fabián RolandoJiménez-López, Andrés Fernando2026-09-04 07:37:512026-09-04 07:37:512026-09-040122-842010.19053/uptc.01228420.v23.n2.2026.219102539-0899https://doi.org/10.19053/uptc.01228420.v23.n2.2026.21910application/pdfspaUniversidad Pedagógica y Tecnológica de ColombiaEdwin Javier Sánchez-Uriza, Fabián Rolando Jiménez-López, Andrés Fernando Jiménez-López - 2026http://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessThis work is licensed under a Creative Commons Attribution 4.0 International License.http://purl.org/coar/access_right/c_abf2https://revistas.uptc.edu.co/index.php/ciencia_agricultura/article/view/21910Precision agricultureAgroclimatic network quality controlAllium cepa L.Irrigation schedulingSpatial microclimatic variabilitybuld onionAgroclimatologyAgricultura de precisiónControl de calidad en redes agroclimáticasAllium cepa L.Programación del riegoVariabilidad microclimática espacialCebolla de bulboAgroclimatologíaEvapotranspiración de referencia y demanda hídrica de cebolla de bulbo en el Alto Chicamocha, Colombia: enfoque multiestaciónArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleJournal articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/coar/version/c_970fb48d4fbd8a85Agencia de Desarrollo Rural Colombia (ADR). (2026). Distrito de Adecuación de Tierras Alto Chicamocha (Ficha técnica). https://www.adr.gov.co/wp-content/uploads/2026/04/DAT_ALTO_CHICAMOCHA.pdfAllen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: guidelines for computing crop water requirements (FAO Irrigation and Drainage Paper No. 56). Food and Agriculture Organization of the United Nations.Blankenau, P. A., Kilic, A., & Allen, R. (2020). An evaluation of gridded weather data sets for the purpose of estimating reference evapotranspiration in the United States. Agricultural Water Management, 242, Artículo 106376. https://doi.org/10.1016/j.agwat.2020.106376Bwambale, E., Abagale, F. K., & Anornu, G. K. (2022). Smart irrigation monitoring and control strategies for improving water use efficiency in precision agriculture: a review. Agricultural Water Management, 260, Artículo 107324. https://doi.org/10.1016/j.agwat.2021.107324Cheema, S. J., Karbasi, M., Randhawa, G. S., Liu, S., Esau, T. J., Grewal, K. S., Abbas, F., Zaman, Q. U., & Farooque, A. A. (2025). A state-of-the-art novel approach to predict potato crop coefficient (Kc) by integrating advanced machine learning tools. Smart Agricultural Technology, 11, Artículo 100896. https://doi.org/10.1016/j.atech.2025.100896Corporación Autónoma Regional de Boyacá (Corpoboyacá). (2026). Reporte de calidad del aire, red de monitoreo, junio de 2026 (Conjunto de datos). Red de Calidad del Aire y Meteorología, corredor Sogamoso-Nobsa-Duitama-Paipa.Departamento Administrativo Nacional de Estadística (DANE). (2014). 3er Censo Nacional Agropecuario: Hay campo para todos. https://www.dane.gov.co/index.php/component/content/article/1274-tercer-censo-nacional-agropecuario?Itemid=109Dias, S. H. B., Filgueiras, R., Fernandes Filho, E. I., Arcanjo, G. S., Silva, G. H., Mantovani, E. C., & Cunha, F. F. (2021). Reference evapotranspiration of Brazil modeled with machine learning techniques and remote sensing. PLOS ONE, 16(2), Artículo e0245834. https://doi.org/10.1371/journal.pone.0245834Estévez, J., Gavilán, P., & Giráldez, J. V. (2011). Guidelines on validation procedures for meteorological data from automatic weather stations. Journal of Hydrology, 402(1-2), 144–154. https://doi.org/10.1016/j.jhydrol.2011.02.031Estévez, J., Gavilán, P., García-Marín, A. P., & Zardi, D. (2015). Detection of spurious precipitation signals from automatic weather stations in irrigated areas. International Journal of Climatology, 35(7), 1556–1568. https://doi.org/10.1002/joc.4076Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). (2023, 3 de noviembre). Comunicado Especial No. 58: Declaratoria oficial del fenómeno de El Niño en Colombia. https://www.ideam.gov.co/sala-de-prensa/boletines/Comunicados-Especiales-(CE)Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). (2026). Datos hidrometeorológicos, estaciones 24035130 y 24035430 (Conjunto de datos). DHIME. http://dhime.ideam.gov.co/atencionciudadano/Jiménez-López, F. R., Castellanos-Patiño, J. S., & Jiménez-López, A. F. (2023). Forecasting irrigation scheduling based on deep learning models using IoT. Proceedings of the 21st LACCEI International Multi-Conference for Engineering, Education and Technology. https://doi.org/10.18687/laccei2023.1.1.965Niazkar, M., Menapace, A., Brentan, B., Piraei, R., Jiménez, D., Dhawan, P., & Righetti, M. (2024). Applications of XGBoost in water resources engineering: a systematic literature review (Dec 2018–May 2023). Environmental Modelling & Software, 174, Artículo 105971. https://doi.org/10.1016/j.envsoft.2024.105971Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2021). El estado de los recursos de tierras y aguas del mundo para la alimentación y la agricultura: Sistemas al límite (SOLAW 2021). https://doi.org/10.4060/cb7654esOrganización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (s.f.). AQUASTAT: Sistema mundial de información de la FAO sobre el agua en la agricultura. https://www.fao.org/aquastat/es/Rubo, S., & Zinkernagel, J. (2025). Enhancing the prediction of irrigation demand for open field vegetable crops in Germany through neural networks, transfer learning, and ensemble models. Agricultural Water Management, 312, Artículo 109402. https://doi.org/10.1016/j.agwat.2025.109402Silaban, F. A., Trilaksono, B. R., Mahayana, D., Maharijaya, A., Gunawan, E., Rosliani, R., & Prathama, M. (2026). Forecasting soil moisture and pH on edge for shallot cultivation using temporal fusion transformer. Smart Agricultural Technology, 13, Artículo 101884. https://doi.org/10.1016/j.atech.2026.101884Singh, A., & Haghverdi, A. (2023). Development and evaluation of temperature-based deep learning models to estimate reference evapotranspiration. Artificial Intelligence in Agriculture, 9, 61–75. https://doi.org/10.1016/j.aiia.2023.08.003Smith, M. (1992). CROPWAT: a computer program for irrigation planning and management (FAO Irrigation and Drainage Paper No. 46). Food and Agriculture Organization of the United Nations.Teshome, F. T., Bayabil, H. K., Schaffer, B., & Ampatzidis, Y. (2025). Estimating crop evapotranspiration using drone imagery, ground canopy temperature, and machine learning techniques. Remote Sensing Applications: Society and Environment, 39, Artículo 101661. https://doi.org/10.1016/j.rsase.2025.101661Unidad de Planificación Rural Agropecuaria (UPRA). (2025, abril). Cebolla bulbo de Tibasosa: productividad, tradición y nuevos retos para el agro boyacense (Nota de prensa institucional). https://upra.gov.co/es-co/sala-de-prensa/noticias/cebolla-bulbo-de-tibasosa-productividad-tradicion-y-nuevos-retos-para-elWeikmann, G., Marinelli, D., Paris, C., Migdall, S., Gleisberg, E., Appel, F., Bach, H., Dowling, J., & Bruzzone, L. (2023). Multiyear mapping of water demand at crop level: an end-to-end workflow based on high-resolution crop type maps and meteorological data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 16, 6758–6775. https://doi.org/10.1109/JSTARS.2023.3294107223Ciencia y Agriculturahttps://revistas.uptc.edu.co/index.php/ciencia_agricultura/article/download/21910/17481Núm. 2 , Año 2026 : In press / En prensaPublicationOREORE.xmltext/xml2786https://repositorio.uptc.edu.co/bitstreams/ce91d73f-1872-4348-84e5-2499a6ff8499/download90be04b0fbd37c82fae5e90e82cd05e7MD51falseAnonymousREAD001/23051oai:repositorio.uptc.edu.co:001/230512026-10-28 01:30:12.963http://creativecommons.org/licenses/by/4.0metadata.onlyhttps://repositorio.uptc.edu.coRepositorio Institucional UPTCbdigital@metabiblioteca.com