El encharcamiento, causado por la saturación prolongada de la zona radicular que provoca déficit de oxígeno, representa una amenaza creciente para la productividad agrícola. Este fenómeno afecta anualmente al 27 % de las tierras cultivadas en el mundo, especialmente en regiones áridas y semiáridas, donde el riego intensivo y las lluvias extremas agravan el problema. Sin embargo, los efectos del encharcamiento son escasamente considerados en los modelos de impacto climático sobre la agricultura, que priorizan eventos como la sequía o las olas de calor.

Según explica el Instituto de Agricultura Sostenible (IAS) del Consejo Superior de Investigaciones Científicas (CSIC), el encharcamiento modifica las condiciones físicas, químicas y biológicas del suelo, y su efecto sobre los cultivos depende de la especie, la fase de crecimiento y la duración del estrés hídrico. Sin embargo, los modelos de cultivo actuales tienen dificultades para simular adecuadamente estos efectos complejos, lo que limita su utilidad para planificar estrategias de adaptación.

Evaluación internacional de modelos de cultivo

En un estudio coordinado por el proyecto internacional AgMIP, se han comparado 21 modelos de trigo para analizar su capacidad de representar los efectos del encharcamiento. La evaluación, publicada en la revista Nature Food, pone de manifiesto que muchos modelos no incluyen procesos clave como el ascenso capilar del agua, la escorrentía sub-superficial, la acumulación de agua o los efectos del deshielo. Además, no activan correctamente el estrés por anoxia ni simulan la recuperación del cultivo tras el exceso hídrico.

También se identifican carencias en la simulación de procesos relacionados con la física y química del suelo, como la nitrificación, la fijación de nitrógeno, la compactación o el transporte de sales. Esta limitación reduce la capacidad predictiva de los modelos en escenarios de cambio climático.

Fisiología del cultivo mal representada

El estudio revela que los efectos fisiológicos del encharcamiento, como la fotosíntesis, la senescencia foliar, el crecimiento radicular o el reparto de asimilados, están pobremente representados o directamente ausentes en la mayoría de los modelos. Tampoco se contempla la variabilidad entre cultivos, variedades o fases de desarrollo, ni la interacción con otros factores de estrés, lo que impide estimaciones realistas del impacto sobre el rendimiento.

Esta falta de precisión dificulta el diseño de estrategias de adaptación como el desarrollo de variedades tolerantes o el ajuste del manejo agronómico en situaciones de lluvias extremas o suelos saturados.

Estrategias para mejorar los modelos

Para solventar estas deficiencias, el equipo de investigadores propone tres líneas de actuación: reforzar las bases de datos mediante redes de observación y nuevas tecnologías como sensores o teledetección; fomentar la colaboración entre disciplinas como fisiología vegetal, edafología e inteligencia artificial; y acoplar los modelos de cultivo con modelos hidrológicos y algoritmos de aprendizaje automático, capaces de representar mejor la variabilidad espacial y la incertidumbre.

El objetivo es construir herramientas más precisas que permitan analizar con mayor fiabilidad escenarios futuros y apoyar la toma de decisiones ante el cambio climático, con el proyecto AgMIP como marco de referencia internacional para nuevas validaciones.

Garcia-Vila, M., dos Santos Vianna, M., Harrison, MT et al. Gaps and strategies for accurate simulation of waterlogging impacts on crop productivity. Nat Food (2025). https://doi.org/10.1038/s43016-025-01179-y