Agricultura Precision curso7 libro

Estación Experimental Agropecuaria Instituto Nacional de Tecnología Agropecuaria EEA INTA Manfredi Ruta 9 km. 636, 5988 MANFREDI, Córdoba, Argentina Tel. +54 (3572) 493039, [email protected] , [email protected] http://www.agriculturadepre http://www.agricultu radeprecision.org cision.org

7º Curso de Agricultura de Precisión y 2ª Expo de Máquinas Precisas 17 al 19 de Julio de 2007 Argentina es el país de mayor adopción de Agricultura de Precisión de América Latina, también el país de mayor desarrollo y fabricación de agropartes para aplicar insumos variables con guía satelital; este desarrollo nos posiciona frente a la necesidad de actualización y capacitación permanente de todos los actores de la cadena tecnológica, desde el operario de máquinas precisas, pasando por el productor y técnico asesor, como así también los industriales de agropartes de alta complejidad y de maquinas precisas. El INTA desde el año 1995 viene generando y difundiendo esta tecnología de información que parece constituirse en una herramienta de mucha utilidad práctica para aumentar la productividad con sustentabilidad, como así también como herramienta de gestión y seguimiento con un futuro muy promisorio para el manejo de la segregación de calidad y trazabilidad de la producción. Todos estos aspectos serán tratados en profundidad en el 7º Curso de Agricultura de Precisión realizado en INTA Manfredi. El 7º Curso también ofrecerá la oportunidad de mostrar productos, realizar intercambio de conocimientos fomentando el asociativismo de Pymes multidisciplinarias de alto nivel de competitividad. Tendrá carácter internacional ya que habrá disertantes y participantes de varios países de América Latina. El manejo de los factores que gobiernan el rendimiento de los cultivos hoy es la clave de los altos rendimientos, el manejo de esos factores y la aplicación de los insumos según ambientes será una herramienta de diferenciación en el corto plazo. Para dejar de ser un productor de promedios y pasar a ser un productor preciso, es necesario información actualizada y capacitación permanente. El objetivo del INTA es que el 7º Curso de Agricultura de Precisión y Máquinas Precisas sirva como herramienta para acortar la brecha entre lo conocido y disponible (información y equipamiento) y lo conocido y aplicado por el productor medio de nuestro país.

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

1

ÁMBITO EMPRESARIAL El Curso prevé la participación de 80 empresas en stand cubiertos, todas ellas productoras de agropartes de alta complejidad, más alrededor de 20 empresas de servicio de Agricultura de Precisión. En stand descubierto se mostrarán la maquinaria de precisión con cierto grado de automatización electrónica, todas máquina que a través de sensores y actuadores gobernados electrónicamente “on line” puedan entregar datos, mejorar su prestación o automatizar su funcionamiento con o sin el GPS. Los participantes del 7º Curso de Agricultura de Precisión podrán observar más de 80 empresas relacionadas directamente con la Agricultura de Precisión. O sea que: El presente y el futuro de la Agricultura de Precisión en Argentina y Latinoamérica estará en INTA Manfredi del 17 al 19 de Julio de 2007.

OBJETIVOS: a) Actualización técnica sobre los últimos avances en Agricultura de Precisión. b) Capacitación de operarios en el manejo de herramientas que involucra la Agricultura de Precisión. c) Demostración estática estátic a y dinámica de las herramientas que involucran la Agricultura de Precisión: - Guía satelital (banderilleros) (banderilleros) - Auto guía satelital. - Fertilizadoras variables con guía satelital (sólido y líquido) - Sembradora variables con guía satelital. d) Promover la comunicación, intercambio, y asociativismo de partistas interdisciplinarios de máquinas precisas. Presentación de posters de potenciales PYMES que trabajan en electrónica, comunicaciones, software y hardware que involucran a la Agricultura de Precisión. e) Presentación de trabajos en posters de instituciones y/o universidades. f) Promover la difusión de las ventajas del uso de maquinaria precisa e inteligente sobre la mejora de las prestaciones y manejo variable de insumos según ambiente.


2

Programa:

DÍ A 17 DE JULIO (SALÓN “A”)

07:30 a 10:30

Inscripción.

10:40 a 11:10

Inauguración con la presencia de autoridades de INTA: Ing Agr (MSc) Carlos Cheppi Presidente de INTA. Ing Agr (MSc) Emilio Severina (Director del Centro Regional Córdoba). Ing Agr (MSc) Enrique Ustarroz (Director de la EEA INTA Manfredi). Intendentes de la zona, Directivos de las empresas y autoridades de las instituciones auspiciantes. auspiciantes.

11:20 a 12:30 hs

La Agricultura de Precisión Presente y Futuro. Ing. Agr. M.Sc. Mario Bragachini (Coordinador de la Red del Proyecto Agricultura de Precisión y Maquinas Precisas de INTA).

12:30 a 13:00 hs

Cluster de Maquinaria Agrícola, formas de acceder a los beneficios de ayuda económica sobre innovación tecnológica, capacitación y mejora de la competitividad. Fundación CIDETER. Ing. Agr. María Isabel Borghi

Cronograma de audiencia según área temática. (Actividades (Actividades simultáneas) Salón A. Actualización técnica sobre los avances en Agricultura de Precisión. Salón B. Capacitación de operarios en el manejo de herramientas que involucra la Agricultura de Precisión. Día 17 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de Precisión. 13:00 hs a 14,30 hs Almuerzo 14:40 a 15:20 hs.

Calidad intrínseca de la producción granaria de soja. Presidente de AcSoja Ing. Rodolfo Rossi.

15:20 a 15:50 hs.

Soja y agricultura de precisión. Ing. Agr. Edgardo Martini (consultora Baigorri - Martini).

15:50 a 16:20 hs.

Café.

16:20 a 16:50 hs.

Utilización de variedades de soja según potencialidad de los ambientes. Ing. Agr. MSc. Héctor Baigorri (asesor privado).

16:50 a 17:10 hs.

Aplicación de fotografías aéreas infrarrojas para la definición de zonas y manejo variable de insumos. Ing. Agr. Pedro Towers (Agrisat).

17:10 a 17:40 hs.

Café.

17:40 a 18:10 hs.

Manejo de insumos y estrategias por ambientes según zonas determinadas con fotografías aéreas infrarrojas. Frontera Agropecuaria Ing Agr. Axel von Martini.

18:10 a 18:40 hs

Desarrollo y aplicación de nuevas herramientas de Teledetección en el estudio de ambientes. Ing. Agr. Dr. Carlos M. Di Bella (Instituto de Clima y Agua del INTA Castelar).

18:40 a 19:20 hs.

Enfoques del manejo sitio específico de fósforo en maíz y soja: comparación de aplicación de insumos variable respecto a las aplicaciones uniformes. Ing Agr PhD Manuel Bermudez.

19:20 a 20:00 hs

Herramientas para el manejo sitio-específico de cultivos. Ing Agr PhD Ortega Blu – Universidad Técnica Federico Santa María - Chile.


3

DÍ A 18 DE JULIO (SALÓN “A”) Día 18 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de Precisión. Nutrición de Cultivos según ambientes Moderador Ing Agr. Ph.D. Fernando García (INPOFOS). 08:30 a 9:00 hs.

Aplicación práctica de los sensores remotos según ambientes. Ing. Agr. MSc. Agustin Bianchini (AAPRESID).

9:00 a 9:40 hs

Avances para la utilización de sensores remotos para la aplicación de nitrógeno en trigo y maíz. Ing. Agr. M.Sc. Ricardo Melchiori Melchiori (INTA Paraná Proyecto Agricultura de Precisión).

9:40 a 10:00 hs

Identificación de zonas para encalado y criterios a tener en cuenta para el cálculo de la dosis variable. Ing. Agr. MSc. Sebastián Gambaudo, INTA Rafaela.

10:00 a 10:30 hs

Café

10:30 a 11:10 hs

Importancia de la caracterización de los ambientes dentro del manejo de la fertilidad y los fertilizantes. Ing Agr Hugo Fontanetto. INTA Rafaela.

11:10 a 11:50 hs

Sensores remotos para la detección y el manejo del stress nitrogenado en maíz". Ing. Agr. Ph.D. Fernando Solari (Monsanto).

11:50 a 12:10 hs

Resumen del panel aplicado a la Agricultura de Precisión. PhD Jorge González Montaner – AACREA.

12:10 a 12:30 hs

Resumen del panel aplicado a la fertilización. PhD Fernando García – IPNI.

12:30 a 14:00 hs.

Almuerzo.

14:00 a 14:30 hs

Proteína en trigo, su relación con el rendimiento y la calidad comercial e industrial'. Ing. Agr. MSc. Jorge Fraschina (INTA Manfredi).

14:30 a 15:00 hs

Sensores NIRS de calidad de proteína, aceite y humedad en cosechadoras. cosechadoras. Ing Agr PhD Néstor Juan (INTA EEA Guillermo Covas).

15:00 a 15:30 hs

Resultados de ensayos de dosis variable y de NIRS para proteína montado en cosechadora (experiencias a campo en trigo y soja y la relación entre rendimiento y proteína según ambientes) Ing. Agr. Andrés Méndez (INTA Manfredi).

15:30 a 16:00 hs.

Café.

16:00 a 16:30 hs.

Tecnología existente para transferencia de datos en tiempo real. Ing. Andrés Moltoni (INTA Castelar).

16:30 a 17:00 hs

Tecnología montada sobre Pulverizadoras y agricultura de precisión. Ing. Agr. Ramiro Cid (INTA Castelar).


4

17:00 a 17:20 hs

Actualización en tecnología aplicada en Maquinaria Agrícola para mejorar el trabajo a campo en lo que respecta a control, trazabilidad y agricultura de precisión. Ing. Agr. Andrés Méndez (INTA Manfredi).

17,20 a 17,40 hs

Demo de e-livestock - Presentación del producto/servicio basado en una aplicación web, realizada por Interlink SRL, para gestión y trazabilidad on-line en establecimientos ganaderos. Raúl Malisani.

17:40 a 18:00 hs

Café.

18:00 a 18:30 hs.

Experiencias y resultados logrados por la utilización de la Agricultura de Precisión en campos del sur de Córdoba. Hacia donde vamos. Ing. Gabriel Tellería. Facultad de agronomía de la UBA. Consultor, Asesor y Administrador de empresas agropecuarias. Coordinador del departamento departamento técnico del estudio A&T Servicios y Negocios agropecuarios. Miembro de AAPRESID. Ex asesor de grupos CREA.

18:30 a 19:00 hs.

Utilización Práctica de la Agricultura de Precisión en cultivos intensivos. Ing. Agr. PhD. Stanly Best. (INIA Chillan - CHILE).

19:20 a 20:00 hs.

Panel de Preguntas. DÍ A 19 DE JULIO (SALÓN “A”)

Día 19 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de Precisión de diferentes empresas que realizan trabajos de Manejo de Insumos Sitio Especifico. 09:00 a 09:30 hs.

Avances en manejo de insumos variables en Sur de Córdoba. Ing Agr Federico Espina. Responsable Técnico de A&T.

09:30 a 10:00 hs.

Sistemas de procesamiento de información para la optimización espacial de insumos. Gustavo Ariel Sznaider. GeoAgris - FAUBA

10:00 a 10:30 hs.

"Tecologías de Agricultura de Precisión en Empresas Privadas: Uso y Servicio a Clientes de AGD”. Ing Agr Julián Muguerza.

10:30 a 11:00 hs.

Café.

11:00 a 11:30 hs

Sistema Telematics (control en tiempo real de la maquinaria) Sr Christoph Luis Darfeld (Servicio Técnico CLAAS).

11:30 a 12:00 hs

Aplicación de un modelo creado por Geoagro. Lic. Ricardo Peralta.

12:00 a 12:30 hs

Reconocimiento y manejo de la heterogeneidad ambiental. Ing. Agr. MSc Fernando Menéndez Responsable Técnico de Agricultura de Precisión de grupos de AACREA.

12:30 a 14:00 hs.

Almuerzo.

14:10 a 14:40 hs.

Resultados económicos de manejo de insumos según ambientes. Lic. Federico Proietti.

14:40 a 15:10 hs.

Información utilizada para lograr la caracterización y el manejo de insumos variables. L&S Sergio Marinelli.

15:10 a 15:40 hs.

Resultados de manejo de insumos según ambiente y residualidad de la fertilización. Ing Agr Alejandro Saavedra (AER Justiniano Posse).


5

15:40 a 16:10 hs.

Experiencias Experiencias de Agricultura de Precisión realizadas realizadas en Italia. Matteo Bertocco e Mario Chiericati.

16:10 a 16:40 hs.

Presentación de video de capacitación en Agricultura de Precisión realizado por INTA / Geoagro / Agro TV. Lic. Victoria Soda e Ing. Agr. Diego Peydro.

17:00 a 18:00 hs.

Con un móvil provisto de audio se recorrerá los expositores que participaran de la dinámica quienes serán los encargados de definir brevemente (5 min.) sus productos a mostrar. El público se dirigirá a cada parcela demostrativa las cuales se realizaran en forma simultánea.

18:00 hs.

Cierre del 7º Curso de Agricultura de Precisión a cargo del Ing. Agr. PhD. Nestor Oliveri, Director Nacional del INTA.

Las dinámicas se desarrollaran en forma simultánea a la realización del curso durante los 3 días del curso. Las empresas preveen realizar charlas técnicas en sus carpas individuales para capacitar en forma específica a los clientes interesados.


6

DÍ A 17 DE JULIO (SALÓN “B”) Día 17 de Julio - Salón B. Capacitación de operarios en el manejo de herramientas que involucra la Agricultura de Precisión. Coordinador de tiempos de exposición Ing. Agr. Fernando Scaramuzza y Técnico Diego Villarroel INTA Manfredi. 13:00 a 14,30 hs

Almuerzo

14:30 a 15:10 hs.

Utilidad Práctica del Monitor de Rendimiento (generalidades) Ing Agr Fernando Scaramuzza (INTA - Proyecto Agricultura de Precisión).

15:10 a 15:50 hs.

Monitor de Rendimiento, calibraciones y manejo - Farm Scan.

15:50 a 16:30 hs.

Monitor de Rendimiento, calibraciones y manejo - Ag Leader Técnicos Adrián Cardinali (D&E) e Iván Cativelli (Tecnocampo).

16:30 a 17:00 hs.

Café.

17:00 a 17:40 hs.

Monitor de Rendimiento, calibraciones y manejo - Sr Christoph Luis Darfeld (Servicio Técnico CLAAS).

17:40 a 18:20 hs.

Monitor de Rendimiento, calibraciones y manejo - Field Star Técnico Pascual Dócimo (AGCO)

18:20 a 19:00 hs.

Monitor de Rendimiento, calibraciones y manejo - AFS CASE. Técnicos de la Empresa CASE.

19:00 a 19:40 hs.

Monitor de Rendimiento, calibraciones y manejo - Green Star. Técnicos de la empresa John Deere. Panel de Preguntas DÍ A 18 DE JULIO (SALÓN “B”)

Día 18 de Julio - Salón B. Capacitación de operarios en el manejo de herramientas que involucra la Agricultura de Precisión. Manejo de software para obtención de mapas de rendimiento coordinador de tiempos de exposición Lic. Federico Proietti INTA Manfredi. 08:00 a 08:30hs.

Manejo de Software SMS - Técnico Juan Pablo Vélez (INTA Manfredi).

08:30 a 09:00hs.

Manejo de Software - Farm Scan.

09:00 a 09:20hs.

Café

09:20 a 09:50hs.

Manejo de Software J Office - Sr Sergio Marinelli (Asesor).

09:50 a 10:20hs.

Manejo de Software - Field Star Técnico Pascual Dócimo (AGCO)

10:20 a 10:40hs.

Café.

10:40 a 11:10hs.

Manejo de Software AFS- Case.


7

11:10 a 11:40hs.

Manejo de Software - Sr Christoph Luis Darfeld (CLAAS).

12:00 a 12:30hs.

Manejo de Software - Farm Works. Técnico Adrián Cardinali (D&E).

12:30 a 14:00 hs.

Almuerzo.

14:00 a 14:25hs.

Guía Satelital. Introducción a GPS. Ing Agr Fernando Scaramuzza (INTA Manfredi).

14:25 a 14:50hs.

Introducción al panel de Tecnología en Pulverizadoras. Ing Agr Ramiro Cid – INTA Castelar.

14:50 a 15:05hs.

Guía Satelital - Trimble Técnico Adrián Cardinali Cardinali (D&E S.A.).

15:05 a 15:20hs.

Guía Satelital - Sylcomp

15:20 a 15:40hs.

Café

15:40 a 15:55 hs.

Guía Satelital - Abelardo Cuffia (Raven).

15:55 a 16:10hs.

Guía Satelital - Geosistemas (Out Back)

16:10 a 16:25hs.

Guía Satelital - Arag (Sírio).

16:25 a 16:50hs.

Café

16:50 a 17:05hs.

Guía Satelital – Spray Sat Ing. Claudio Di Marco.

17:05 a 17:20hs.

Guía Satelital – Bertolotti.

17:20 a 17:40hs.

Controladores y registradores de siembra. Ariel Anaya.

17:40 a 18:10 hs.

Funcionamiento del Green Seeker rt 200. Ricardo Melchiori y Adrian Cardinali. DÍ A 19 DE JULIO (SALÓN “B”)

08:00 a 08:30hs.

Aplicación de insumos según ambiente. Ing Agr Fernando Scaramuzza (INTA Manfredi).

Presentación, funcionamiento y prestaciones de los aplicadores variables para siembra y fertilización. 08:30 a 09:00hs.

Abelardo Cuffia AG9000 y Raven. Ing Marcelo Alassia.

09:00 a 09:20hs.

Café.

09:20 a 09:50hs.

Ag Leader D&E S.A.

09:50 a 10:20hs.

Verion Ing. Danilo Casse

10:20 a 10:40hs.

Café.

10:40 a 11:10hs.

Agrometal TIM. Lic. Ariel Anaya.

11:10 a 11:40hs.

VHB/Di Rocco.


8

11:40 a 12:00hs.

Mediciones satelitales Land Manager

12:30 a 14:00 hs.

Almuerzo.

Dinámica a campo: la organización prevé un lugar para cada empresa donde podrán mostrar sus productos. 14:00 a 15:10hs.

Con un móvil provisto de audio se recorrerá los expositores que participaran de la dinámica quienes serán los encargados de definir brevemente (5 min.) sus productos a mostrar.

15:10 a 17:00hs.

El público se dirigirá a cada parcela demostrativa las cuales se realizaran en forma simultánea.

Ing. Agr. M.Sc. Mario Bragachini (Coordinador de la Red del Proyecto Agricultura de Precisión y Maquinas Precisas de INTA).

Ing. Agr. Andrés Méndez (Coordinador del Proyecto Específico Desarrollo y aplicación de máquinas y agrocomponentes precisios).

Ing. Agr. M. Sc. Ricardo Melchiori (Coordinador del Proyecto Específico Desarrollo y aplicación de tecnología de Agricultura de Precisión para el manejo de cultivos).

Ing. Agr. Fernando Scaramuzza Tec. Juan Pablo Vélez Tec. Diego Villarroel Tec. Mauro Bianco Gaido Srta. María Elena Eugeni Sr. Aldo Oscar (Proyecto Agricultura de Precisión. EEA INTA Manfredi).

Edición Diego Villarroel – Andrés Méndez

Ruta 9 km 636, 5988 MANFREDI, Córdoba, Argentina. Tel. +54 (3572) 493039, [email protected] / [email protected] http://www.agriculturadepre http://www.agricultu radeprecision.org cision.org


9

Índice

nº de páginas

La Agricultura de Precisión Presente y Futuro.

13-28

Ing. Agr. M.Sc. Mario Bragachini (Coordinador de la Red del Proyecto Agricultura de Precisión y Maquinas Precisas de INTA).

Calidad intrínseca de la producción granaria. Caso soja.

29-34

Presidente de ACSOJA Ing. Rodolfo Rossi.

El uso de la Agricultura de Precisión en la elección y el manejo de cultivares de soja

35-40

Ing. Agr. Edgardo Martín; Ing. Agr. MSc. Héctor Baigorri (consultora Baigorri - Martín y Planeta Soja).

Desarrollo y aplicación de nuevas herramientas de Teledetección en el estudio de ambientes.

41-50

Carlos M. Di Bella; Alejandra C. Kemerer; César M. Rebella; Arturo E. Melchiori; Juan Esteban Mosso y Juan Manuel Reta (Instituto de Clima y Agua INTA Castelar). CIRN.

Enfoques del manejo sitio específico de fósforo en maíz y soja: Comparación de aplicación variable vs. uniforme

51-61

Ing Agr PhD Manuel Bermudez. Consultor Privado.

Herramientas para el manejo sitio-específico de cultivos.

62-67

Ing Agr PhD Ortega PhD Ortega Blu – Universidad Técnica Federico Sta María - Chile.

Manejo sitio-específico de nutrientes

68-76

Ing. Agr. MSc. Agustín Bianchini (AAPRESID).

Estado actual del manejo sitio específico de nitrógeno en argentina

77-84

Evaluación del número de unidades de sensado green seeker para un equipo de aplicación autopropulsado.

85-91

Ing. Agr. M.Sc. Ricardo Melchiori (Proyecto Agricultura Agricultura de Precisión INTA Paraná). Paraná).

Ing. Agr. M.Sc. Ricardo Melchiori, Proyecto Agricultura Agricultura de Precisión INTA Paraná; Susana Albarenque, Fac Ciencias Agropecuarias U.N.E.R.

Identificación de zonas para encalado y criterios a tener en cuenta para el cálculo de la l a dosis variable.

92-98

Ing Agr, Ms Sc Sebastián Gambaudo, INTA EEA Rafaela.

Importancia de la caracterización de los ambientes dentro del manejo de la fertilidad y los fertilizantes.

99-107

Ings. Agrs. Hugo Fontanetto ; Oscar Keller , Keller , Dpto. Investigación en Agronomía del INTA Rafaela; Julio Albrecht , Albrecht , AFA María Juana; , Gabriel Beccaría CREA zona S. M. de Las Escobas-Gral Belgrano.

Detección y manejo del estrés nitrogenado en maíz mediante el uso de sensores remotos

108-113

Ing. Agr. Ph.D. Fernando Solari (Monsanto).

Reflexiones sobre los desafíos de la Agricultura de Precisión en el marco de una agricultura mas intensiva y sustentable.

114-123

Ing. Agr. Ph.D.G. Montaner; Ing Agr M. Di Napoli. (AACREA).


10

Relación proteina y calidad industrial i ndustrial en variedades argentinas de trigo pan.

124-126

Ing. Agr. MSc. Jorge Fraschina; Lic. Beatriz Masiero; Dionisio Gómez; Ing. Qca. Martha Cuniberti. Grupo Mejoramiento de Trigo, EEA INTA Marcos Juárez.

Tecnologia de analisis de granos por infrarrojo infrarrojo (NIRS) y su rol en la agricultura de precision

127-126

Ing. Agr. PhD. Néstor Juan. INTA, EEA Anguil (La Pampa)

La agricultura de precisión avanza hacia el manejo de la calidad del cultivo de soja y el mejoramiento de la productividad de los campos.

138-146

Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Ing. Agr. Fernando Scaramuzza; Téc. Juan Pablo Vélez; Tec. Diego Villarroel, Proyecto Agricultura de Precisión; INTA EEA Manfredi Ing. Martha Cuniberti, Laboratorio de Granos, INTA EEA Marcos Juárez; Ing. Agr. Néstor Juan, INTA EEA Anguil. Ing. Horacio Woycik, Representante Representante regional de Zeltex Inc.

Tecnologías inalámbricas para la transmisión de datos en tiempo real

147-159

Ing. Andrés Moltoni, Laboratorio de Electrónica Instituto de Ingeniería Rural (INTA Castelar).

Agricultura de Precisión y aplicación de agroquímicos.

160-172

Ing. Agr. Ramiro Cid , Instituto de Ingeniería Rural (INTA Castelar).

Mejorar el control de algunas actividades es el paso previo a la aplicación de insumos variables.

173-181

Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Ing. Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel. Proyecto Agricultura de Precisión. INTA Manfredi

Agricultura de Precisión: 9 años de experiencias.

182-186

Ing Agr Federico Espina. Responsable Técnico de A&T. Responsable Dpto. Técnico: Ing. Agr. Gabriel Tellería.

Agricultura de precisión. Resultados de ensayos de manejo de insumos variables según ambientes cosechados con con monitor de rendimiento. rendimiento.

187-197

Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Lic. Federico Proietti; Ing. Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel. Proyecto Agricultura de Precisión. INTA Manfredi.

Uso de herramientas de Agricultura de Precisión en Aceitera General Deheza. Uso propio y visión de servicio.

198-200

Ing Agr Julián Muguerza. Dpto. Agricultura de Precisión AGD.

Claas ¿Qué hace Claas para una Agricultura Precisa?

201-208

Sr Christoph Luis Darfeld (Servicio Técnico CLAAS).

La gestión de conocimientos como clave del crecimiento. Los aportes del GIS como lenguaje.

209-214

Lic. Ricardo Peralta. GeoAgro.


11

Reconocimiento y manejo de la heterogeneidad ambiental.

215-221

Ing. Agr. MSc Fernando Menéndez. Área de Tecnología AACREA.

Caracterización Caracterización y mapeo digital de ambientes edáficos en el área central de la región pampeana argentina.

222-226

Martín M. Silva Rossi, Estudio agronómico ; Luis Negruchi, Sergio Marinelli, Tomás Liendo, L&S Group

Fertilizacion en maiz: Respuesta al agregado de azufre. Efecto residual en el cultivo posterior de soja.

227-234

Ing Agr Alejandro Saavedra INTA Saavedra INTA J. Posse. EEA Marcos Juárez.

Comunidad AP Proyecto de difusión de la Agricultura de Precisión

235-239

Lic. Victoria Soda e Ing. Agr. Diego Peydro.

Sistemas Globales de Navegacion por Satelites (GNSS)

240-263

Ing. Gabino Cid Jiménez, M.Sc. Jefe Grupo Técnico (CNS) Dirección de Aeronavegación - IACC

Monitoreo de Rendimiento.

264-289

Ing. Agr. MSc. Mario Bragachini; Ing. Agr. Axel von Martín; Ing. Agr. Andrés Méndez . EEA INTA Manfredi. Proyecto Agricultura de Precisión .

Dosis variable de semilla y fertilizante para el cultivo de maíz bajo riego.

290-298

Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Lic. Federico Proietti; Ing. Agr. Fernando Scaramuzza. EEA INTA Manfredi. Proyecto Agricultura de Precisión.

Ensayo de uniformidad de siembra en soja. Dosificador a chorrillo vs placa monograno.

299-306

Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Ing. Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez Técnico Diego Villarroel. Proyecto Agricultura de Precisión. INTA Manfredi.


12

7º Curso Internacional de Agricultura de Precisión y Máquinas Precisas A manera de introducción del 7º Curso de Agricultura de Precisión y Máquinas Precisas se consideró oportuno realizar un reportaje al Ing. Agr. M.Sc. Mario Bragachini (Coordinador del Proyecto Propio de la Red de Agricultura de Precisión y Máquinas Precisas de INTA). El técnico es Coordinador del Proyecto de INTA PRECOP, Eficiencia de Cosecha y Postcosecha y Responsable Técnico del Área Mecanización Agrícola del INTA Manfredi, y su cargo dentro de la Institución es de Técnico Consulto a partir de Enero de 2007. E-mail: [email protected] [email protected],, [email protected] Web: www.agriculturadeprecision.org www.agriculturadeprecision.org,, www.cosechayposcosecha.org

Pregunta nº 1 ¿Cómo se inició la Agricultura de Precisión en Argentina? Bragachini: La Agricultura de Precisión (AP) en Argentina se inicia allá por el año 1994 /1995 donde a través de los habituales viajes de exploración tecnológica que un grupo de técnicos de la EEA Manfredi realizan anualmente a EE.UU. (año 2007, viaje Nº 17), teniendo como itinerario la visita a diferentes universidades del Cinturón Verde del país y el Farm Progress Show. En los viajes de los años 1994/95 se observó como principal novedad (dos años consecutivos) el monitoreo de rendimiento satelital, satelital , tecnología que posibilita disponer de un mapa de rendimiento geoposicionado, o sea más de 300 puntos de referencia de rendimiento por hectárea identificados en el espacio, y que con ello los productores y técnicos se comenzaban a ver y valorar la importancia del conocimiento de la variabilidad y la identificación de ambientes dentro de una unidad productiva llamada en nuestro país comúnmente “lote”. O sea, muchos ambientes dentro de un lote. lote . En ese momento ver un mapa de rendimiento despertó inquietudes y motivaciones de traer esa tecnología lo más rápido posible a la Argentina considerando que en ese momento (año 1994) nació el Proyecto Agricultura de Precisión del INTA. Al regreso inmediatamente nos pusimos a trabajar y logramos motivar a gente muy innovadora como por ejemplo Marcelo Duggan y Miguel Ezcurra de D&E para que con la gente de Trimble y Ag Leader en el año 1995 / 1996 se realizara el primer mapa de rendimiento satelital en Monte Cristo, Provincia de Córdoba con la ayuda ya en ese momento de otra gente innovadora, como son los hermanos Amuchástegui de Tecnocampo que estaban tan motivados como nosotros asumiremos el desafío. Recuerdo que el primer mapa se realizó con una cosechadora Case 1688 en un lote de maíz de mucha variabilidad de rendimiento, con 3 personas dentro de la cabina de la cosechadora, un celular conectado casi continuamente con EE.UU., una notebook conectada al monitor y una antena correctora semi estacionaria (DGPS) colgada en un molino. Luego de tanta tecnología innovadora arriba de una cosechadora ver el mapa concretado fue una satisfacción muy grande, lo cual generó una doble motivación para continuar con el resto de la tecnología que consiste en el análisis de los ambientes, o sea las causas o factores que explican la variabilidad del rendimiento, para luego llegar al manejo de los insumos por ambientes que hoy podemos decir que podemos hacerlo, pero en aquel momento parecía tan lejano logarlo. Por ser hijo de pequeño productor manicero, sojero y sorguero y estar permanentemente cerca de mi padre (una persona muy inquieta, casi obsesionado por la productividad), mi formación universitaria estuvo siempre acompañada por el pragmatismo de mi padre que buscaba siempre la innovación que le permitiera 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

13

incrementar los rendimientos del los cultivos; me acuerdo que en un campo de su propiedad de 82 ha, donde dominaba una zona baja, una media loma y una loma, lo había dividido en 7 lotes con alambrados y caminos, y siempre explicaba las diferencias de ambientes por características de suelo y materia orgánica y por diferencia de captación de agua (en esa época con labranza convencional). Mi padre de esa manera manejaba los ambientes de 12 ha promedio, donde diferenciaba cultivos, cultivares, densidades, fechas de siembra, secuencia de cultivos (la fertilización en esa época no existía), o sea que mi padre hacía Agricultura de Precisión allá por los 80; sin GPS, o sea que sus coordenadas eran alambrados y caminos.

Pregunta nº 2 ¿Cómo sigue la historia de la Agricultura de Precisión en Argentina? Bragachini: La Agricultura de Precisión en Argentina al igual que en el mundo se debe diferenciar en dos grandes temas, todo aquello relacionado a la innovación y el desarrollo de agrocomponentes de alta complejidad que constituyen las herramientas que permiten captar, grabar, geoposicionar, analizar, ejecutar y aplicar insumos variables, o bien guiar operativamente una máquina por el lote sin la asistencia del operador, esas propiedades lo proporcionan los sensores, los monitores (hardware), los sistemas de comunicación hoy evolucionados como Can Bus, los software específicos, los actuadrtes electrohidráulicos, los posicionadotes DGPS, las comunicaciones satelitales, las imágenes satelitales, Internet, etc., etc., todo eso constituyen hoy los componentes complejos de una máquina precisa capaz de trabajar por el campo sin ninguna asistencia del operador, autoguiarse, autoregularse para su funcionamiento, grabar todas sus operaciones y enviarlas por telefonía satelital a un programa común en una web y su dueño por Internet recibirlo en una PC casi en tiempo real la información ya procesada. Otro tipo de máquinas como sembradoras y pulverizadoras/fertilizadoras pueden aplicar insumos variables según ambientes, o bien equipos que pueden sacar muestras de grano en la cosechadora y analizar su contenido de proteína y aceite cada 12 segundos como se está realizando experimentalmente en el INTA Manfredi desde el año 2006. Todas estas estas herramientas complejas se pueden pueden resumir resumir como máquinas máquinas precisas y agrocomponentes de alta complejidad. complejidad . La palabra alta complejidad indica sistemas integrados donde se conjugan la electrónica, la informática, las telecomunicaciones y la electromecánica, pero en ningún momento eso debe generar temor de utilización porque estos equipos tenderán cada día a ser más fáciles de manejar y comprender y también tenderán a ver cada día más compatibles entre si y sobre todo más confiables y de menor costo. Por otro lado la evolución será tan rápida que su renovación será permanente dada la rápida obsolescencia tecnológica. Los bienes escasos en el mundo son hoy el petróleo, el recurso tierra, el recurso agua, el recurso aire limpio, en cambio lo que abunda son los cerebros argentinos inteligentes con espíritu innovador; de allí que no existe riesgo que esta tecnología incremente su precio y dificulte el acceso.

Pregunta nº 3 ¿Toda esta tecnología resumida como “maquinaria agrícola precisa” para que sirve, como se logra amortizar y obtener ganancias que justifiquen su adopción?


14

Bragachini: Eso es precisamente la “Agricultura de Precisión” que algunos autores definen como agricultura satelital, otros como la agricultura del futuro, otros como la agricultura de máquinas precisas, otros más abarcativamente como la agricultura por ambientes o el manejo sitio específico de los insumos y factores que manejan la productividad y calidad de los cultivos. Otros indican que es la tecnología que permite avanzar en los procesos de trazabilidad de los productos; algunos técnicos ven la AP como un gran aporte para la gestión ambiental, otros ven a esta tecnología como apta para el manejo de gestión empresarial, y la gran mayoría ve a la AP como una herramienta para incrementar las ganancias de su empresa. El INTA y el equipo de trabajo que coordino en forma de red engloba dos grandes proyectos específicos, PE 1 “Desarrollo y aplicación de Máquinas y Agrocomponentes Precisos”, donde su coordinador es el Ing. Agr. Andrés Méndez y el PE 2 “Desarrollo y Aplicación de Tecnología para el Manejo de Cultivos, coordinado por el Ing. Agr. M.Sc. Ricardo Melchiori, vemos a la AP desarrollarse a través de una red funcional donde intervengan todos los actores de la cadena, desde el productor primario hasta el cliente de la góndola de cualquier supermercado del mundo que desee adquirir un producto de calidad, perfectamente trazable de bajo costo, producidos con procesos que garantizan la gestión ambiental.

Pregunta nº 4 ¿Puede aclarar como se integran todos estos factores, herramientas y conocimientos para definir a un productor de Agricultura de Precisión? Bragachini: Un productor de Agricultura de Precisión es aquel que valora e interpreta la variabilidad de ambientes productivos en sus unidades de producción. producción. Nosotros siempre decimos que un productor de precisión es aquel que no se maneja con datos promedios, que manejan ambientes productivos que utilizan datos geoposicionados espacialmente, que relacionan esos datos estratégicamente para tomar decisiones de manejo para cada ambiente, que luego utiliza la tecnología disponible de manera inteligente para aplicar lo justo, en el lugar exacto, en el momento oportuno, oportuno, tratando de maximizar la productividad y rentabilidad en algunos casos, y en otros priorizar la sustentabilidad a mediano plazo resignando ganancias puntuales. Un productor amigo, el Ing. Agr. Hugo Ghio dice siempre que los productores no deben ganar una carrera, sino deben aspirar o ganar el campeonato. Estos criterios productivos con sustentabilidad no se adquieren y se logran solamente utilizando máquinas inteligentes, software muy evolucionado o red de comunicaciones evolucionadas, pero los productores y técnicos con formación agronómica sobre esos conceptos bien fundamentados, mediante el uso y aprovechamiento de esta tecnología, potencian sus posibilidades de segregación de ambientes productivos, manejo de insumos variables, trazabilidad de la producción y hasta mejorar la gestión de su empresa. Para resumir un productor preciso es aquel que deja de manejar su campo con datos promedios para manejar todas las variables según ambiente. ambiente .

Pregunta nº 5 ¿Por qué un país como Argentina, hoy competitivo para producir productos de industrialización primaria derivados del agro debe adoptar masivamente esta tecnología?


15

Bragachini: El recurso tierra en Argentina es hoy el bien más escaso del sistema productivo. Una ha de campo en Argentina posee un valor promedio en la zona Pampeana Centro de 8.000 U$S/ha con valores entre 4 a 12.000 U$S/ha, el uso de la tierra en alquiler anual promedian valores de 300 U$S/ha con valores que oscilan entre 200 y 400 U$S/ha, esos valores resultan similares a los de Iowa, Illinois o Indiana, los tres principales Estados del Cinturón Verde de EE.UU., zona de máxima productividad mundial de cultivos extensivos con tierra de valor agrícola y no inmobiliario como la agricultura subsidiada de la Comunidad Europea. O sea que el productor argentino produce con la tierra más cara del mundo y por ende está obligado a producir eficientemente, aprovechando todo el potencial del conocimiento agronómico y del manejo disponible, para diferenciarse y subsistir en un ambiente productivo muy competitivo. Además debe ser innovador y superar año tras año las productividades promedios de la zona si desea seguir siendo productor y no ser desplazado por la tecnología cada día más evolutiva y dinámica en sus cambios. Este panorama de hipercompetitividad productiva donde la tierra es el bien escaso y caro, la tecnología de procesos basados en datos agronómicos reales y confiables de cada metro cuadrado de la unidad productiva (campo o lote) trabajado, constituye una herramienta de diferenciación muy poderosa , ya que permite ajustar diagnóstico, posibilitando un manejo de los recursos con mayor precisión, eficiencia y productividad. El Manejo de insumos según ambiente es la meta de todo productor innovador. La Siembra Directa se realiza en Argentina un 70%, la biotecnología en los cultivos extensivos se utiliza en un 60% (soja y maíz) teniendo en cuenta los 30 M/ha de área de siembra de cultivos extensivos; toda tecnología que supera el 50% de adopción, adoptarla no genera beneficios, sino que solamente se aplica para no perder competitividad, pero sin beneficios concretos. La tecnología más innovativa radica en la fertilización balanceada y la fertilización del sistema y no la nutrición puntual de un cultivo, esto acompañado de un ordenamiento de secuencia de cultivos para aprovechar la residualidad química y física del suelo; esto si bien ya está en un alto porcentaje adoptado puede diferenciar a algunos productores, pero lo realmente innovador en estos momentos es el manejo de los factores que gobiernan la productividad, la calidad y la relación costo/beneficio de cada uno de los ambientes en particular de una unidad productiva.

Pregunta nº 6 ¿En que etapa de adopción se encuentra la AP en Argentian? Bragachini: La Agricultura de Precisión en Argentina ya pasó la primera etapa de exploración y se encuentra en la segunda; hoy como en todas las tecnologías, existen productores innovadores que ya desde el año 97/98 utilizan el monitoreo con mapeo de rendimiento posicionado con GPS. En estos años, cosecharon una gran cantidad de información sobre la variabilidad natural cuantificada con la productividad de los principales cultivos, o sea, conocen como responde cada ambiente de su campo en soja, maíz, trigo y girasol; partiendo de esa información ya caracterizaron los ambientes (análisis de suelo según ambiente), y en algunos casos, hasta manejan los insumos en forma variable, como son la genética, la época de siembra, el espaciamiento entre hileras, la densidad, la fertilización nitrogenada, correcciones de PH, correcciones de fósforos con altas dosis, manejo del azufre, y la influencia varietal de algunos cultivos de acuerdo a la profundidad de la napa freática, o bien profundidad de tosca, etc. También esa información georeferenciada constituye un elemento de gestión y control, cuando los trabajos son realizados por terceros (como los pool de siembra).


16

En muchos casos, las mayores ganancias se obtienen reduciendo la aplicación de los insumos “bajando costo”; eso ocurre cuando el ambiente posee un factor limitante incorregible, como por ejemplo, los lotes overos con ambientes con suelo sódico, o tosca en superficie, donde el promedio de insumo del lote son desaprovechados y resultan antieconómico aplicarlo. En cambio, en los ambientes de alta productividad, los insumos promedio desaprovechan el potencial productivo, productivo, y a veces, mejorando la dosis de un insumo como el nitrógeno en maíz o trigo, por ejemplo, potenciamos la producción de esos ambientes en forma significativa con resultados económicos alentadores. En Argentina existe amplia variabilidad de rendimiento de los cultivos por relieve del lote, agua, suelo (materia orgánica y nutrientes) , por ejemplo, la historia del lote, años de agricultura sin rotaciones y labranza, frente a otros ambientes con historia ganadera y siembra directa continua con rotación de leguminosas / gramíneas con fertilización. Con la Siembra Directa continua cambia la productividad de un campo en pocos años, y eso también se observa en los mapas de rendimiento; manejando esa información se pueden tomar mejores decisiones y realizar mejores negocios, porque contrariamente a lo que piensa la gente, los campos llevados de manera más sustentable rotación / fertilización / manejo en Siembra Directa continua, son los más rentables y con mayor estabilidad productiva, y eso también se puede extraer del seguimiento de mapas de rendimiento. Cuando a través de la globalización se juntan lotes, o sea, se sacan alambrados y caminos, uniendo 2 o 3 lotes, posteriormente se uniforma la siembra con un cultivo, al ser cosechado y mapeado, aparecen virtualmente los caminos y los lotes ahora ya no separados ya no por alambrados y caminos, sino por coordenadas de GPS, permitiendo cuantificar la respuesta de eficiencia productiva y de los insumos aplicados en cada ambiente. Dicho de otra manera, la Agricultura de Precisión permite el manejo según ambientes mediante alambrados virtuales, virtuales , o sea, manejar el lote con grandes máquinas automatizadas y georeferenciadas, colocando los insumos respetando la variabilidad conocida. Parece que resultará más fácil aprender desde ahora a manejarse con los GPS, los controladores, los mapas de suelo, de siembra, etc. que dentro de 4 ó 6 años competir con los que conozcan o manejen estas herramientas. Probablemente esta diferencia resulte de la facilidad creciente que esta tecnología ofrece y ofrecerá al usuario, y las ventajas cada vez mayores que se logran con ellas. ¿Será así o la anterior es sólo una expresión de deseo?.

Bragachini: Los primeros en adoptar las tecnologías innovadoras son los únicos que obtienen ventajas; ventajas; el que recién introduce estas herramientas de complejidad en el campo; es cierto que encuentra equipamiento de menor costo, más preciso y más fácil de utilizar, pero como lo realmente valioso en Agricultura de Precisión es la información y la experiencia del manejo de esa información , los productores con más años en Agricultura de Precisión son y serán los únicos beneficiarios. La información agronómica georreferenciada de mi campo, no la puedo comprar, y la experiencia del manejo de insumos variables de los ambientes de mi campo, tampoco nadie me la venderá. venderá .

Pregunta nº 7 ¿Por qué es importante y útil sacar provecho del servicio de capacitación que ofrece el INTA como entidad de neto corte técnico independiente de marcas comerciales? Bragachini: El INTA posee un prestigio y reconocimiento técnico por parte del productor agropecuario ganado fundamentalmente por la imparcialidad del manejo de la información; información ; esto no asegura que sea siempre la mejor información, 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

17

porque en Argentina existen las Universidades, AAPRESID, AACREA y también investigaciones privadas generadoras de buena información. información . Debido a la excelente y abundante información que hoy maneja el productor, no hay mucho espacio para vender información sesgada comercialmente, comercialmente , pero aún así la información del INTA siempre está respaldada por su imparcialidad y eso es reconocido por el productor argentino. Además el INTA y el productor argentino tiene la virtud de socializar el conocimiento disponible provocando un progreso permanente sobre bases cada día más elevadas.

Pregunta nº 8 ¿Qué puede esperar un productor o técnico que se acerque al INTA para informarse y formarse sobre el manejo adecuado de la Agricultura de Precisión? ¿Podrá salir operando equipos tales como monitores de rendimiento, sembradoras, pulverizadoras de aplicación variable, banderilleros satelitales, etc., o sólo se enterará de las novedades existentes y las tendencias del mercado? Bragachini: El 7º Curso de Agricultura de Precisión y 2º Expo de Máquinas Precisas esta orientado a cumplir con 4 objetivos específicos bien definidos:La meta de asistencia es de aproximadamente 1600 personas las cuales durante 3 días tendrán contacto directo con toda la tecnología de Agricultura de Precisión y Máquinas Precisas que Argentina ofrece como país líder en el área temática en Latinoamérica. Para ello pensamos en un evento que englobe: - Los últimos adelantos tecnológicos en materia de manejo de cultivos según ambiente, con los mejores disertantes a nivel global (presentación de trabajos y disertaciones plenarias). - La mayor oferta de capacitación para operarios de máquinas precisas ofrecidas hasta el momento.- - Mas de 80 empresas de máquinas precisas, agro componente y servicios con la mejor infraestructura demostrativa (muestra específica). - Más de 20 empresas mostrando en 3 días de dinámicas permanentes las ventajas de sus productos innovativos (demostraciones personalizadas) personalizadas) - Más de 50 horas de disertaciones técnicas con diferentes niveles de requerimientos de información y capacitación, orientados a técnicos asesores, productores y operarios.

Para continuar evolucionando en la capacitación y el manejo de la información

- Los participantes recibirán un libro (publicado con respaldo electrónico con toda la información del curso y las conferencias plenarias, completas).

El objetivo general de este 7mo Curso de Agricultura de Precisión y 2º Expo de Máquinas Precisas es fortalecer las capacidades tecnológicas del sistema productivo agropecuario argentino, mediante la capacitación, adopción y aprovechamiento del manejo de los cultivos por ambientes y la eficiente utilización de las máquinas precisas para ello definimos los Objetivos específicos del Curso como: •

•

•

Capacitar a los técnicos, productores y operarios sobre el manejo correcto de las máquinas y las herramientas tecnológicas que implican la Agricultura de Precisión Constituir el ámbito apropiado de exposición y discusión de los últimos desarrollos e investigaciones realizadas para mejorar el manejo de los cultivos por ambientes Brindar un ámbito de convocatoria específica del área temática para que los diferentes proveedores de herramientas e insumos muestren


18

sus productos y tengan la posibilidad de capacitar a sus potenciales clientes.

•

•

•

•

•

Generar un ámbito de recepción procesamiento y difusión de toda la información referida al área temática mediante las diferentes alternativas de comunicación. comunicación. Publicación de trabajos , listado y descripción de productos y proveedores proveedores de actualización anual. Difusión en página web, DVD, libro anual del curso, medios de comunicación masivos, etc.

Brindar el ámbito de contacto directo del cliente con los proveedores y empresas a través de demostraciones dinámicas personalizadas a campo durante todo el día y los 3 días de duración del curso. Los demandantes de servicios especializados de Agricultura de Precisión podrán tener contacto directo con aquellos que los brindan Generar un ámbito de incubadora de ideas innovadoras en el manejo de cultivos por ambientes y máquinas herramientas precisas, favoreciendo favoreciendo el asociativismo interdisciplinario interdisciplinario

Generar el ámbito de captura y aprovechamiento aprovechamiento de la l a información tecnológica provista por referentes reconocidos internacionalmente, logrando una interacción interdisciplinaria. interdisciplinaria.

•

Ofrecer un curso internacional en medio del campo con la logística necesaria a un costo accesible para todos .

En Argentina existen muchos técnicos capaces, con ideas brillantes, que por desconocimiento no prosperan. El ámbito del curso será una buena herramienta para potenciar el desarrollo de estas innovaciones. innovaciones. La Agricultura de Precisión ya es una realidad del sistema productivo argentino; posee vida propia y por eso, durante 3 días, el INTA Manfredi será la principal sede de difusión de la Agricultura de Precisión a nivel Latinoamericano, ya que habrá 3 disertantes y muchos participantes extranjeros de Brasil, Cuba, Venezuela, Chile, Bolivia, Paraguay, Uruguay, Colombia y Perú, España e Italia, entre otros. A posteriori de este curso, el INTA programará un evento para el 2008 de mayor magnitud, y con mayor grado de transferencia de conocimientos, pero eso todavía esta en la cosina.

Pregunta nº 9 ¿Cuál será la gran novedad del Curso del INTA 2006? Bragachini: Las novedades serán muchas, pero una se destaca y la constituye un nuevo monitor que a través de un sensor NIRS colocado en la noria de la cosechadora, analiza y posiciona en un mapa de calidad (proteína y aceite) del cultivo cosechado; todo el proceso lo repite cada 12 segundos con buena precisión en trigo, cebada (proteína) y en maíz y soja (proteína y aceite); este equipo experimental es de origen americano marca Zeltex; la cosechadora donde fue colocado y en la cual realizamos los primeros mapas es una Vassalli 1550. Los primeros mapas de calidad en tiempo real se realizaron en Manfredi durante el mes de Mayo del 2006 en maíz y soja, posteriormente en Diciembre del 2006 en trigo y en el 2007 se están realizando con excelentes resultados en soja y maíz. Los avances de los ensayos y la factibilidad de adopción y segregación de calidad a nivel de lote se realizarán en la próxima campaña de trigo y cebada del 2008/2007; luego de esos ensayos y evaluaciones, el INTA tendrá una opinión formada de las posibilidades reales de esta nueva tecnología, que por ahora, está a nivel experimental, pero que promete ser el cambio hacia la introducción del productor al proceso de calidad y al manejo de los factores que la gobiernan. gobiernan . 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

19

Dado que la soja, el maíz, el trigo y la cebada son en definitiva comodities que de acuerdo a su valor alimenticio dependerá su precio resulta interesante esta línea de desarrollo. Dicho de otra manera, en un futuro cercano el productor medirá el rendimiento en kg / ha de proteína, o bien kg / ha de aceite, pero también puede servir para segregar calidad a nivel de lote, lote, o bien, para el manejo de factores que gobiernan la calidad, calidad, o sea, que puede nacer un nuevo concepto sobre el manejo agronómico orientado en la calidad; calidad; la tecnología promete lo suficiente como para entusiasmarse y trabajar en forma intensiva y con mucha interdisciplinariedad.

Pregunta nº 10 ¿Qué otras novedades importantes se podrán ver en este Curso que no se hallan podido observar el año pasado? Por ejemplo: Bragachini: En el 7º Curso Internacional de Agricultura de Precisión y 2º Expo de Máquinas Precisas del INTA se presentarán muchas novedades importadas de EE.UU. como ser diferentes alternativas de autoguías de tractores, cosechadoras y pulverizadoras autopropulsadas, las cuales con diferentes grados de precisión, sofisticación y costos permiten autoguiar las máquinas por el campo, esta tecnología por ahora no se fabrica en nuestro país y presenta un futuro muy promisorio para el equipamiento de grandes sembradoras, reemplazando el marcador mecánico que en Siembra Directa no resulta muy eficiente y complica la siembra. Otra novedad será la Rastra de Conductividad eléctrica “Veris” con un “kit” analizador de PH, dos datos de suelo importantes que pueden ayudar a segregar ambientes, para luego caracterizarlos con muestreos dirigidos del suelo. También constituirá una novedad la transmisión por DGPS de todos los sensores de la cosechadora Claas llamado Telematic; los sensores unen la información a una central donde están los programas que procesan la información, y el propietario en su casa en una PC por la web recibe la información procesada, quedando grabados todos los procesos que realiza la cosechadora en cada momento. Un equipamiento similar también lo dispone la nueva cosechadora Massey Fergusson 9790 y Challenger de Acgo, pero un equipamiento similar y de desarrollo nacional posiblemente se vea en este curso, o bien en los próximos meses. Otras novedades estarán constituidas por la gran cantidad de software específicos de mayor prestación y menores costos, esto tanto a nivel nacional como internacional. John Deere y Case/New Holland también poseen mucha variedad tecnológica de agricultura de precisión en sus sistemas integrales llamados AMS de John Deere y AFS de Case y tendrán en Manfredi grandes stands y técnicos para mostrarlos. En materia de pulverización y aplicación variable de fertilizante existen varias opciones, por ejemplo: la firma Pla posee un equipo de origen europeo marca Lechler con multi picos de apertura automática en forma neumática, lo cual asegura una calidad de aplicación variable en tiempo real con amplia variación de dosis sin perder calidad de aplicación. El equipo es VarioSelectt Lechler Pocket PC hp Hewlett Packard GPS. En este tema otros equipamientos nacionales e importados como D&E, Raven, Dicky John, también serán presentados con óptimas prestaciones. En el rubro de siembra y fertilización variable se podrán ver los desarrollos nacionales de Verion, Agro Oleohidráulica Di Rocco/Control Agro, Abelardo Cuffia, D&E, Landtech y Tim Agrometal, entre otros. En de monitores de siembra interactivos se podrán ver no menos de 10 tipos de monitores de excelentes prestaciones muchos de ellos con trazabilidad de datos y transferencia de datos en tiempo real.


20

En fertilizadores al voleo se podrá ver a Yomel/D&E y a Fértil entre otros con nuevos aplicadores de dosificación variable bajo carga y automatizados. En el rubro aplicación variable en pulverizadores y fertilizadores líquidos la firma Jacto de Brasil junto a D&E presentarán algunas novedades, y Metalfor también presentará muchas novedades electrónicas. En todos los casos, tanto Pla, Metalfor y Jacto presentarán botalones automatizados para lograr uniformidad de altura, guiados con sensores ultrasónicos. Los técnicos de INTA Paraná en convenio con la Universidad de Oklahoma, EE.UU., podrá mostrar gracias a la gente de D&E un sensor Green Secker, sensor activo de lectura de índice verde y biomasa para fertilización variable en tiempo real en cultivos gramíneas (maíz – trigo). Pero las grandes novedades y los más esperados son los monitores de rendimiento satelitales de origen nacional presentados por la firma Guillermo Bonamico (IGB) y otro desarrollo de las firmas Landtech y Sensor. Esta última firma Sensor presentará también sus sistemas de múltiple de sensores conectados a una pantalla de cuarzo líquido para automatismo de datos y manejo de pulverizadoras y cosechadoras Vassalli / Don Roque, Metalfor, Bernardín y Pla, Metalfor en pulverizadoras entre otras. En materia de balanzas electrónicas, mixer y tolvas autodescargables las firmas Magris y Hook presentarán novedades de grabados de datos, automatismos de pesados y transmisión de datos a distancia. Sin duda un gran desarrollo tecnológico que indica un avance en ventas de elementos de alta complejidad en Argentina, que se puede señalar con un incremento del orden del 264% en los últimos 3 años (2006/2006). Al respecto es importante señalar que la actualización del mercado de agrocomponentes electrónicos de AP indica que el mercado de máquinas precisas y agrocomponentes de alta complejidad para agricultura de precisión, durante el 2006 es de 20 millones de dólares distribuido porcentualmente de la siguiente manera: Cuadro nº 1: Distribución porcentual de la inversión en el 2006

Banderilleros para máquinas terrestres, aviones y auto guía satelital

36%

Monitores de siembra

31%

Monitores de rendimiento

18%

Dosis variable para sembradoras y pulverizadoras/fertilizadoras

9%

Software específicos

3%

100% Total Fuente: INTA Manfredi – Proyecto Agricultura de Precisión. Octubre 2006

El mercado de agrocomponentes para máquinas precisas y agricultura de precisión, creció el 264% en los últimos tres años (2003/2006). Es el rubro del sector de mayor crecimiento durante estos últimos 3 años.

Pregunta nº 11 ¿Cómo evolucionó la adopción de los equipamientos de Agricultura de Precisión en Argentina? Bragachini: Para esa pregunta tenemos un gráfico muy claro que explica como fue evolucionando cada uno de los rubros de agrocomponentes y máquinas precisas; el


21

nivel de adopción de Agricultura de Precisión se mide en el mundo por el número de monitores de rendimiento. Cuadro nº 2: Evolución de las ventas de algunas de las herramientas de Agricultura de Precisión. 1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007*

Total de Monitores de Rendimiento

50

200

300

450

560

600

850

1300

1600

2500

3130

Monitores de Rendimiento con GPS

25

75

155

270

400

420

600

900

1300

2200

2750

Monitores de Rendimiento sin GPS

25

125

145

180

160

180

250

400

300

300

380

Dosis Variable sembradoras y fertilizadoras

3

4

5

6

10

12

25

40

130

500

700

Monitores de siembra

400

500

700

1000

1300

1500

1800

2200 3000

4200

5100

Banderillero Satelital en aviones

35

60

100

160

200

230

300

450

480

550

560

Banderillero Satelital en pulverizadoras

0

10

70

200

400

500

2000

3000

4000

5000

5800

Guía Automática

0

0

0

0

0

0

0

3

25

50

80

Sensores de N en tiempo real

0

0

2

2

4

5

6

7

7

12

15

Fuente: Proyecto Agricultura de Precisión INTA 2006.

* 2007 estadísticas de los primeros 6 meses. Argentina se ubica 2ª detrás de EE.UU en números de monitores de rendimiento y es 5º en el mundo en número de monitores por cantidad de hectáreas sembradas. 1º EE.UU., 2º Dinamarca, 3º Suecia, 4º Gran Bretaña, 5º Argentina , 6º Australia, 7º Holanda.

Pregunta nº 12 La adopción de la Agricultura de Precisión termina en el campo en gran parte explicada por el manejo variable de los insumos según ambientes, en ese aspecto ¿cómo podría explicar la evolución de cada insumo con y sin proyecto del INTA, desde ahora hasta el 2011? Bragachini: Bragachini: Es evidente que el grado de aceptación que hoy tiene esta tecnología en Argentina, y la cantidad de empresas dedicadas a la Agricultura de Precisión ya es una realidad y esta tecnología se adoptará con el INTA y sin el INTA, pero también es evidente que el proyecto del INTA otorga una mayor confianza en el productor y una más rápida adopción, en forma *** en un cuadro que elaboramos muy concienzudamente, estimamos como será la evolución de los próximos años de cada insumo aplicado variable con y sin proyecto del INTA.


22

Cuadro nº 3: Año

2006

Fertilización Variable

CP

2007 CP

2008

SP

CP

SP

2009 CP

SP

2010

2011

CP

SP

CP

SP

50 23

9 2,6

45 40

10 7

Fertilización Nitrogenada Líquido Sólido

1,2

2,7

1,8

6

2,7

13,5

4

30

6

0,8

1,4

1

2,45

1,28

4,28

1,6

7,5 7,5

2

Líquido Sólido

0

5

5.75

10

6.6

20

7.6

35

8.7

3

5

3.3

8.3

3.6

1.37

4

22.9

5

Yeso Cal Ca l

5

7

5.5 5.5

10

6

15

6.6

23

7.3

1

7

5.5 5.5

10

6

15

6.6

23

7.3

35 35

8 8

Siembra Variable

CP

CP

SP

CP

SP

CP

SP

CP

SP

CP

SP

1.7

8

2.2 2.2

16

2.8

32

3.6

1.32

3.3

1.52

5

1.75

1.32

7.4

1.52

12

1.75

11.4 21

2 2

0.7

4

0.85

8

1

16

1.2

1.4

5

1.7

8.3

2

Fertilización Fosforada Enmiendas

Maíz Densidad

1

2

Densidad Distanciamiento

1

1.5

1.3

4

Soja 1.5

1.15 2.25

2.55 1.15

4.3

Girasol Densidad

0.5

1

0.6

Densidad

1

1.7

1.2

2

Trigo

Aclaración:

2.9

14.6 2.4

CP: con proyecto de INTA SP: sin proyecto de INTA

Pregunta nº 13 El equipo de trabajo de INTA Agricultura de Precisión ¿es suficiente para responder a la demanda actual, o se siente desbordado? Bragachini: El equipo de Agricultura de Precisión del INTA en el año 2006 se encontraba parcialmente desbordado y por eso está creciendo en recursos humanos, dado que la demanda sobre el manejo agronómico según ambiente recién comienza y hay mucho por investigar y el productor argentino (por gracias) es muy exigente y ansioso, y es bueno que así sea, para lograr un proceso continuo. Afortunadamente el INTA como institución priorizó el tema en el 2007 y le otorgó recursos a través de un Proyecto de Red, pero también es importante señalar que el INTA no está sólo en esto; están los técnicos de las Universidades, AACREA, AAPRESID trabajando y también varias empresas de servicio muy valiosas, pero lo más importante es que estamos todos unidos y la organización de este 7º. Curso Internacional de Agricultura de Precisión y 2º. Expo de Máquinas Precisas lo pone en evidencia.

Pregunta nº 14 ¿Como sueña Bragachini el futuro de la Agricultura Argentina frente a los problemas de sustentabilidad marcado en el crecimiento del cultivo de soja? Bragachini: El futuro de la Agricultura Argentina es difícil predecirlo, porque el mundo y el mercado global puede cambiar frente a los conflictos bélicos que no están descartados siendo el valor del petróleo la llave de ajuste de esos cambios, y donde los granos “commodities” adquirieron además del valor como alimento, también un


23

valor como biocombustible y/o biomateriales. En ese escenario, veo particularmente en Argentina otra vez a la soja como protagonista principal, dado que su producción no depende del nitrógeno (petróleo), ya que este cultivo extrae el nitrógeno del aire a través de la fijación biológica (costo cero). El valor de grano se soja crecerá en la medida que el maíz se potencie (etanol) y compita por el recurso tierra en forma directa La sustentabilidad buscada en la agricultura intensiva a través del cultivo de maíz, no resulta fácil lograrla porque el maíz es altamente dependiente del (petróleo) flete, secado y nitrógeno (petróleo). Al maíz lo veo competitivo por el precio como materia prima para el Etanol, y como principal alternativa para generar valor agregado a la producción en origen, principalmente cuando la producción está lejos de los puertos, el proyecto de maíz (etanol en Argentina como en EE.UU.), solo cierra de forma integral. Maíz de alto rendimiento – Etanol – subproducto – alimento del ganado lechero y de carne – frigorífico o usina láctica – góndola del mundo, mundo, estos proyectos resultan más tentadores si se hacen en gran escala y de manera asociativa con 200 o 300 productores. En cambio si se sigue sembrando soja sobre soja el balance del carbono se verá comprometido, y es allí, donde las estrategias políticas deberían influir positivamente sobre la ampliación del área de siembra de maíz, sorgo y trigo sin perjudicar la producción de soja, incidiendo directamente en la sustentabilidad de los sistemas productivos predominantes. La ganadería de feed lot en base a silaje de maíz está comprometida frente al balance de carbono del suelo, dado que las picadoras extrae todo el carbono del lote, dejándo además el suelo comprometido para la Siembra Directa al no tener cobertura y quedar todo compactado. Pero Argentina posee ventajas comparativas importantes, como ser el desarrollo de la Siembra Directa, Directa , la fijación biológica del nitrógeno de la soja, el doble cultivo (intersiembra e intercultivo). Como principales herramientas de progreso productivo se pueden mencionar; el balance nutricional del suelo, los avances en biotecnología para mejorar el potencial productivo y la calidad, buena capacitación específica del productor, o sea, un productor experimentador, un productor más preciso y allí aparece el manejo por ambientes y la Agricultura de Precisión como herramienta fundamental. Argentina también posee un fuerte desarrollo industrial metalmecánico y también un presente y mejor futuro en cuanto al desarrollo de la industria del alimento para las góndolas del mundo (valor agregado), debiendo avanzar el productor en su protagonismo tranqueras afuera, ya que el negocio de las commodities representa sólo el 35% del negocio integral de la producción y comercialización de alimentos. En resumen, la agricultura (producción de alimentos) en Argentina presenta un FODA con muchas fortalezas, excelentes oportunidades, superables debilidades y pocas amenazas, pero se debe actuar rápido, “el mundo de hoy no presenta una disputa entre grandes y chicos, sino entre rápidos y lentos”. lentos”. El eficiente y competitivo sistema productivo de alimentos desarrollado en Argentina constituye un know how muy valorado y apetecible por muchos países del mundo, en su mayoría países petroleros hoy importadores de alimentos con mucha potencialidad productiva, pero poco desarrollo tecnológico. Una oportunidad para aprovecharla.


24

Pregunta nº 15 ¿Los 100 millones de toneladas de grano están lejos de alcanzarse? Bragachini: Los 100 millones de toneladas de grano no me desesperan conseguirlo y serán una realidad en la próxima campaña 2007/2008 con las 800.000 ha. más de maíz que se pronostican para la próxima campaña, lo que preocupa es que esten acompañados con un crecimiento cualitativo con valor agregado, donde se preserven los cultivos y las economías regionales, el desarrollo territorial y la equidad social, en un marco de fuerte respeto por la gestión ambiental y la sustentabilidad del ambiente productivo, eso no se debe negociar, ni sacrificar frente a una realidad produccionista. El interior del país en los próximos años debe recuperar la gente que exportó a las grandes ciudades en la década del ‘90, y la agroindustrialización en origen debe ser la llave para generar puestos de trabajo jerarquizados . También se debe trabajar para que la riqueza generada se distribuya equitativamente entre la sociedad, siendo el productor el principal protagonista.

Pregunta Nº 16 ¿Cuál es el verdadero alcance de las palabras “máquinas precisas, y cual el

objetivo que el INTA trabaje como incubadora de empresas PyMES para el desarrollo de componentes de máquinas precisas? Bragachini: En el plan estratégico de INTA para los próximos 10 años (PEI) se define claramente que dentro de los objetivos del INTA se prioriza el desarrollo territorial con alto compromiso social; dicho de otra manera, es el trabajo activo dentro de las comunidades del interior del país, orientado a la generación de puestos de trabajo con alto valor agregado; como el área que engloba los dos proyectos que se coordinan desde Manfredi (Agricultura de Precisión y PRECOP), mucho tiene que ver con el desarrollo de las industrias metalmecánicas que desarrollan Máquinas Agrícolas, y ésta, para que sea competitiva globalmente debe ser precisa y con prestaciones relacionadas con la Agricultura de Precisión (GPS, sensores, actuadores, monitores con software específicos, elementos de grabación de datos, etc.), el desarrollo territorial de nuestra actividad tiene la orientación hacia el desarrollo integral del sector productivo de Máquinas Precisas, y una respuesta concreta es el Proyecto DEMAACO y la participación del INTA Manfredi en el Proyecto PITEC del Cluster CECMA que lleva adelante el Cideter en Las Parejas, Santa Fe para el fortalecimiento de la competitividad de todas las industrias de la Región Centro.

Pregunta nº 17 ¿Cuál es la misión del DEMAACO (Desarrollo de Maquinaria Agrícola de Alta Complejidad)? Bragachini: La misión del DEMAACO es crear los espacios de interacción permanente entre los diversos sectores empresariales, educativos, del conocimiento y políticos, de modo de ofrecer al sector agropecuario nacional e internacional, sistemas de producción integrados que le permitan asegurar la calidad, eficacia y eficiencia productiva en el marco de un sistema sustentable, además: Generar trabajo en el ámbito de la Provincia de Córdoba. Lograr integración territorial productiva del sector. Fomentar la responsabilidad social empresarial. * * *


25

Desde el desarrollo de la maquinaria precisa, también permite contribuir al desarrollo de sistemas integrados de producción competitivos globalmente; este desarrollo implica una alta interdisciplinariedad con planificación estratégica.

Pregunta nº 18 ¿Cómo ve la integración de sectores con modalidades de trabajo diferentes? ¿es conflictivo? ¿por qué? Bragachini: La integración en este caso se basa en una necesidad concreta, ya que para mantenerse y progresar en el mercado de las máquinas precisas que hoy demanda el productor global, se tienen que introducir tecnologías de alta complejidad, tecnologías que hoy están dedicadas a otra rama de la industria, quizás más exigentes, como por ejemplo, la industria del camión, la industria automotriz, o bien, la industria del auto de carrera, muy desarrollada y competitiva en Argentina. Cuando la necesidad es fuerte, las relaciones conflictivas pasan a un segundo o tercer plano.

Pregunta nº 19 ¿El DEMAACO es una idea innovadora o es más de lo mismo? Bragachini: Las Máquinas Agrícolas Precisas, (autoguiadas, autorregulables, adaptables en sus prestaciones de acuerdo a sensores y actuadores complejos), constituyen lo verdaderamente innovador; el DEMAACO es una buena herramienta de integración interdisciplinaria para generar esas innovaciones que el mercado global de la máquina agrícola hoy demanda.

Pregunta nº 20 ¿Cuál es la relación del INTA con otras organizaciones del sector como ser CAFMA, CIDETER? Bragachini: La relación del INTA Manfredi es excelente con todos, ya que se persigue un objetivo común: trabajar interdisciplinariamente para lograr una industria de maquinaria agrícola competitiva en costo y calidad de producto. Con CAFMA, se está trabajando muy eficientemente en las colaboración en la exportación de Maquinaria Agrícola a Venezuela y a otros países como por ejemplo Kazakhstan; el INTA constituye el brazo tecnológico de la exportación de máquinas a Venezuela y a otros países, y en el transcurso del 2006, a través de 15 cursos se capacitarán alrededor de 400 técnicos venezolanos en Argentina en diferentes áreas temáticas, además de mecanización. Con el Centro Tecnológico de Desarrollo Regional, Fundación CIDETER (Provincias de Santa Fe y Córdoba), con sede en Las Parejas, si bien la relación directa y activa comenzó hace poco más de un año, existen proyectos y tareas programadas entre CIDETER / INTA para el desarrollar el Cluster de maquinaria agrícola de Las Parejas, Armstrong, Las Rosas y Marcos Juárez mediante la investigación y el desarrollo de agropartes y componentes de máquinas precisas, estos proyectos serán una realidad en el corto plazo; las posibilidades de éxito son altísimas y sus resultados se podrán irradiar al resto del país. El INTA Manfredi posee un alto respeto y reconocimiento por la tarea realizada por la Fundación CIDETER, por ello deseamos alinearnos a sus objetivos y colaborar


26

directamente a través de trabajos concretos, como lo es el desarrollo competitivo de máquinas precisas, donde el objetivo sea el mercado global y donde el INTA pueda acompañar y apoyar con tecnología de producción integral de procesos productivos de alimentos con el valor agregado de las máquinas argentinas.

Pregunta nº 21 ¿El INTA Manfredi está integrado con sus proyectos al Instituto de Ingeniería Rural con sede en Castelar? Bragachini: Totalmente integrado, dado que el Instituto de Ingeniería Rural de INTA aporta con sus desarrollos a nuestros proyectos, y nosotros colaboramos en todos aquellos trabajos donde el IIR es referente a nivel nacional, Tractores, Pulverizadoras, Sembradoras, Biocombustible, Normas de Seguridad, Transitabilidad y tracción, etc. El IIR del INTA con sede en Castelar es un Instituto con mucha experiencia y con un prestigio bien ganado en el área de mecanización de Argentina; por ese motivo, el IIR muestra en este curso gran parte de sus conocimientos temáticos, poniendo a sus técnicos que integran el Proyecto Agricultura de Precisión al servicio de los participantes y las empresas.

Pregunta Nº 22 Para terminar: ¿Cuál es su visión de la Maquinaria Agrícola Argentina y del mundo, mirando el año 2015? Bragachini: Bragachini: En una visión futurista de la mecanización agrícola de los próximos 20 años, se puede visualizar un crecimiento en la capacidad operativa y precisión de todas las máquinas, las cuales incorporarán nuevos tipos de sensores y actuadores, que conectados a monitores con software específico, serán capaces de auto guiarse por el campo siguiendo cargas de prescripciones de aplicaciones de insumos según ambiente, o bien, autorreguladas de acuerdo a la lectura de las características variables del suelo o cultivo, a través de sensores en tiempo real cada día más precisos y sofisticados. Las máquinas y sus operaciones estarán conectadas satelitalmente y por señales con el ordenador de la oficina del técnico, en muchos casos conectados a la web para seguir las máquinas en el campo, esto ya se verá en el 7º Curso Internacional de Agricultura de Precisión y 2º Expo de Máquinas Precisas; la inteligencia electrónica regulará en tiempo real la máquina y tendrá mayores y mejores conocimientos agronómicos que las del operario que conduce la máquina. Las máquinas podrán evaluar y segregar la producción por calidad en forma automática y en tiempo real, eso ya es una realidad en el INTA Manfredi. En resumen, la máquina agrícola del futuro será más precisa, más eficiente, más automatizada, más sensorizada, más autoguiada y autorregulable, con mayor inteligencia electrónica, con mayor desarrollo de comunicación, sensorización y transmisiones de datos en tiempo real. La maquinaria agrícola del futuro también será más segura y ergonómica para el operario, menos contaminante, más conservacionista de los recursos naturales, con mayores prestaciones de trazabilidad de sus operaciones y con mejor tratamiento de la producción para para preservar preservar la calidad. Seguramente las máquinas estarán construidas con muchos biomateriales utilizando biocombustibles como energía (menos contaminates y más biodegradables).


27

Todo el desarrollo de mecanización estará orientado hacia un crecimiento de la productividad con sustentabilidad del ambiente productivo, preservando la salud y la seguridad de los operarios de las máquinas agrícolas. Y por último como siempre decimos en el grupo de trabajo de INTA Manfredi que tengo el orgullo de coordinar, el proyecto que seguramente nunca se realizará es el que no se intenta, no es lo mismo decir hagan que hagamos y las posibilidades de éxito siempre estarán más cerca de la gente rápida y abierta para pensar y actuar, que de la gente lenta y cerrada. El mundo de las comunicaciones ya es una realidad, quien no abra su mente perderá una gran oportunidad. Nuestros dos sitios web www.agriculturadeprecision.org y www.cosechayposcosecha.org están entre los más consultados del mundo en sus áreas temáticas respectivas de habla hispana.

Pregunta final ¿Se siente bien dentro del INTA? Me siento bien dentro del INTA, me siento bien dentro del grupo de trabajo que coordino, me siento bien siendo útil a la sociedad, me siento mal por no poder lograr algunos objetivos ambiciosos que tenemos dentro del equipo, pero por eso trabajamos y tenemos la certeza que lo lograremos. El principal objetivo es lograr ver a la industria metalmecánica argentina competitiva en el mercado global, contribuyendo a generar muchos puestos de trabajo en el interior del país, alcanzando una facturación en el sector de Maquinaria Agrícola con construcción Argentina en el 2012 de 1300 M/U$S donde el 35% sea para el mercado externo, esto significaría llegar a duplicar la demanda laboral, llegando a 85.000 puestos de trabajo directo y otro tanto indirectos, todos en el interior del país, equidad social y desarrollo territorial asegurada.


28

CALIDAD INTRÍNSECA DE LA PRODUCCION GRANARIA CASO SOJA Ing. Agr. Rodolfo Luis Rossi ACSOJA [email protected]

El cultivo y la producción de soja han crecido en forma significativa en los últimos años. La expansión de la frontera agrícola, tiene en la soja a su principal responsable, avalada por la buena adaptación a las diferentes regiones agroecológicas, el destacado desarrollo varietal, la incorporación de alta tecnología y los menores costos de producción, en relación a otras actividades agrícolo- ganaderas. La Argentina ocupa el tercer lugar en la producción, luego de EEUU y el Brasil, pero es la primer exportadora de aceite de soja y harinas, como también importante exportador de granos de soja. La producción global de soja viene creciendo y la demanda de los diferentes subproductos la acompaña. Son altas las expectativas de continuo crecimiento de la producción de los países del Mercosur en el complejo soja, y en ellos se encuentran las reservas de superficie màs importantes, lo que seguramente va a incrementar el protagonismo de estos países en los próximos años. Desde la temporada 2002-03, la producción regional superó por primera vez a EEUU, lo que marca un punto de inflexión muy relevante para la región y el agronegocio sojero internacional. Los rendimientos unitarios de la soja en Argentina son comparables a los más altos del mundo. La Argentina en la cosecha 2006-07 obtuvo el mayor rinde promedio país de la historia con 29.9 QQ entre los principales países productores. En general junto a EEUU y el Brasil ostentan un promedio de los últimos años de 27.00 QQ aproximadamente. Es de destacar que en la Argentina, el cultivo de soja, es en gran CALIDAD FISICA GRANO: TENOR DE HUMEDAD PESO ESPECIFICO TAMAÑO DEL GRANO COLOR DEL GRANO COLOR DEL HILO DUREZA INMADUROS-VERDES MATERIAS EXTRAÑAS MALEZAS OTROS GRANOS INERTES

CALIDAD SANITARIA DEFECTOS DEL GRANO GERMINADOS HONGOS MANCHADOS QUEMADOS CONTAMINANTES: MICOTOXINAS PESTICIDAS OTROS

CALIDAD NUTRICIONAL COMPOSICION DEL GRANO: PROTEINA ACEITE FIBRA AMIDO MINERALES CARBOHIDRATOS

parte monocultivo, con baja rotación con gramíneas, lo que marca un factor diferencial importante a la hora de evaluar los rendimientos y la sustentabilidad del sistema en el que la soja está participando. Esta situación se presenta en las diferentes regiones sojeras de igual manera. La calidad de la soja Argentina, se la evaluado en varios trabajos del INTA y empresas privadas, como razonablemente buena, pero se reconocen algunos defectos, que si bien no condicionan el mercado exportador, producen ciertos efectos negativos en el logro de subproductos de alta calidad, principalmente en el caso de las harinas proteicas


29

La Calidad de la soja se la puede estudiar en cuanto a su Calidad FÍSICA, Calidad SANITARIA y Calidad NUTRICIONAL. Un detalle sobre esta clasificaciòn se presenta en el Cuadro I. Hemos desarrollado un análisis sobre los principales items relacionados con la Calidad y se concluyó, que los que merecen un estudio específico son los niveles de proteina, la calidad de los aceites, el grano verde o inmaduro y el grano dañado por factores bióticos y abióticos. Estos son los que han determinado cierta controversia en los últimos años y que vamos a discutir brevemente a continuación. Proteina: La Calidad de la soja Argentina es muy buena medida por los valores de proteina y aceite contenidos en el grano, que sumados llegan al 62%. (Cuniberti et al), Los datos disponibles en la actualidad en relación al contenido de aceite y proteina en Argentina sugieren que una proporción considerable de la variación encontrada se debe a efectos ambientales. ) Cuniberti et al.) Un reciente trabajo (Dardanelli, et al) concluyó que para el contenido de aceite en la argentina hay un único mega ambiente, con mejor comportamiento relativo de los grupos cortos en cualquier ambiente que lo compone. El mayor componente de interacción de grupo de madurez por ambiente para proteina y aceite más proteina permitió identificar por lo menos dos mega ambientes para estos caracteres. En la comparación con los otros paises productores, nos encontramos por debajo del Brasil, que tiene altos valores de proteina y aceite y muy comparables con EEUU. La Argentina produce grano de alto porcentaje de aceite, apetecido por la industria, pero el de MENOR valor proteico. Se conocen varias relaciones entre proteina y aceite en el grano de soja. La proteina y el aceite están inversamente correlacionados, el aceite y rendimiento están positivamente correlacionados, y esta relación con el rendimiento es débil para la proteina. Se han observado interacciones con el genotipo y con este y el ambiente. En cuanto al genotipo, no son estables con con el ambiente pero los valores relativos se mantienen. En general en zonas de menor latitud ambos items se encuentran altos y principalmente el porcentaje de proteina aumenta. También se observó una relación con la fecha de siembra, a mayor adelanto mayor aceite y menor proteina. Las altas temperaturas y el stress hídrico producen menor proteina. Algunos de estos hechos se ejemplifican en los valores de la proteina y el aceite para la Argentina. En el àrea norte se obtienen 43% de proteina sss y 22,5% sss de aceite. En el área central pampeana oscilan entre 39-42% y 20-22% respectivamente. Estos valores se encuentran en las variedades cultivadas en la Argentina que provienen de programas de mejoramiento para el rendimiento y resistencia a enfermedades, sin procurar un objetivo especifico en cuanto al nivel de proteina o aceite. Sin embargo en el germoplasma de soja, se encuentran genotipos con con valores de proteina mayores al 47% sss, pero con muy bajo aceite. Hasta este año no se encontraban incentivos a sembrar variedades especiales en estas características, ya que el mercado local no las consideraba. En los últimos años, una empresa privada ha desarrollado un sistema para incentivar el uso de variedades seleccionadas con alto valor de Profat (proteina + aceite). La industria viene teniendo problemas en la producción de harinas proteicas con màs del 44%.Un valor importante a tener en cuenta es la proteina sobre seco y desengrasado, que es la cantidad de proteina que queda en la harina luego de la extracción. Este valor en los últimos años se mantiene estable alrededor del 49,5%. Cuando se lleva esto a la humedad de entrega de la mercadería se logra 43% a 12,5% de humedad. Para lograr 44% se debe bajar la humedad al 11/11,5%, lo que genera un costo y pérdida de rendimiento en el proceso. Para llegar sin 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

30

inconvenientes hay que lograr un valor del 50, 8% luego del proceso de extracción. Para ello debe comenzarse con un valor de 40,35 sss. La situación se complica cuando se pretende producir harina “Hypro” que tienen 46,5% de proteina al 11% de humedad. En este caso es necesario partir de una materia prima de mayor valor proteico. Aceite: Contamos con muy buenos valores de porcentaje de aceite en la soja Argentina, que son tan beneficiosos para la industria aceitera. En los últimos años se han producido trabajos referidos a la composición relativa de los diferentes ácidos grasos en el aceite proveniente del “crushing” local. Se observó, una mayor producción de ácido linolénico (C18:3) en partidas de exportación, que eran cuestionadas como provenientes de mezclas con otras especies. Esta situación generó discusiones sobre las causas, y las principales se atribuyeron a la introducción y expansión de la soja soja transgénica, a un acortamiento de los grupos de madurez en todas las regiones, a las siembras más tempranas y finalmente a los cambios climáticos de los últimos años. Para dilucidar este asunto se desarrolló un estudio denominado: “ ESTUDIO SOBRE LOS ACEITES CRUDOS DE SOJA PROVENIENTES DE VARIEDADES TRADICIONALES Y OGM EN DIFERENTES LOCALIDADES Y MANEJO, desarrollado por la empresa Nidera (Congreso Lipidex,2001). Se planificó el trabajo para estudiar si dicho incremento se debe a la “modificación genética” o surge de otros factores incidentes de índole varietal, de orden climático, o bien en función de la época o de la zona de cultivo, cuyas consecuencias, en tal sentido, se dan por igual y en forma indistinta, tanto en las variedades “genéticamente modificadas” (resistentes al glifosato) como en las tradicionales o “no transgénicas”. Los resultados fueron los siguientes: a) En la cuestión de contenido de ácido linolénico, C18,3; puede aseverarse partiendo de todos los datos expuestos que el incremento observado en los últimos tiempos no proviene de la aparición y existencia de las variedades de soja genéticamente modificadas, conocidas en el mercado mercado como como RG( Resistentes al Glifosato), dado que no se manifiesta una particular diferencia en los valores promedio de sus respectivos aceites. Con respecto a los valores atípicos que se manifiestan en ambas series, éstos se dan por igual en cada una de ellas, sean o no “GMO”; y pueden deberse a otros factores incidentes. b) Lo que antecede también puede decirse con respecto al grado de insaturación de los aceites, lo que se manifiesta tanto en las relaciones de los ácidos grasos entre sí como a través de los Indices de Yodo, el cual también en promedio arroja el mismo valor. c) La mencionada incidencia de otros factores ya sea varietales, climáticos o ambientales que pudieran provocar un efecto sobre el contenido de linolénico del aceite o en el grado de saturación, será considerada en la parte siguiente, a través de un enfoque agronómico, donde a los datos precedentes se agregan otros parámetros de interés. Conclusiones finales: a) Los aceites crudos extraídos de diferentes regiones de La Argentina producen mayor nivel de Linolénico y menor de Oleico que los “Valores Típicos de referencia referencia bibliográfica”. b) En La Argentina, las localidades del Norte del país y los cultivos sembrados tempranamente que maduran bajo temperaturas altas, producen mayores contenidos de Oleico y menores de Linolénico. c) Las variedades transgénicas poseen perfiles de ácidos grasos similares a las tradicionales. En general las variedades de Ciclo de maduración más corto poseen 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

31

menores niveles de ácido Linolénico y las más tardías mayores, atribuyéndose en parte a la época de maduración a la que están expuestas. El INTA ha realizado estudios comparativos sobre la Calidad del Aceite de soja en la Argentina arribando a similares conclusiones respecto a la influencia de la región o de la fecha de siembra, en la proporción de ácidos grasos. Grano Verde Este tema es de una preocupación mayor en los últimos años. El contenido de clorofila en el grano produce problemas en la obtención de aceites de calidad, lo que obliga a encarecer el proceso con el uso de filtros especiales, para clarificar el producto. Otro efecto es los granos son más plásticos y no quiebran bien para permitir un mejor laminado, provocando aceite residual en las harinas. También este grano está arrugado y dificulta el proceso de descascarado. El Grano Verde se produce por varias razones, principalmente atribuidas a una situación de stress térmico o hídrico en la etapa de premaduración y maduración. Hay diferencias genéticas que en las nuevas regiones sojeras del norte del país se manifestaron más. La importación de algunas variedades no adaptadas fueron una causa negativa importante (Rossi, R.L.). La fecha de siembra más temprana de cultivares precoces asociadas a ambientes de alta temperatura han acrecentado este fenómeno. Otro hecho significativo, han sido las mayores temperaturas de los meses de verano, que incluso fueron iguales o mayores en febrero que en el mes de enero, haciendo coincidir con la etapa madurativa en la zona pampeana también. Hemos tenido temperaturas crecientes durante el verano, promedios de febrero más altos que enero y promedios de marzo casi iguales a los de febrero, y esto produce en la planta un desbalance fisiológico. Otro aspecto importante es atribuible al monocultivo de soja, que determina situaciones de stress y un agotamiento de nutrientes que impactan en la producción final. Por ello hay maneras de mejorar la situación con las siguientes consideraciones: • Uso de variedades adaptadas a siembras tempranas y especialmente de primavera. • Mejora en el sistema de rotaciones. • Mejor distribución de las fechas de siembra en zonas de riesgo. Un reciente trabajo realizado por la Asociación de la Cadena de la Soja Argentina, con el INTA y la Bolsa de Comercio de Rosario como los principales colaboradores permitió llegar a las siguientes conclusiones 1) Queda demostrada la variación existente entre Regiones para la producción de Grano Verde en soja. La Región I ( Norte del pais)es la más afectada, la Región II ( Centro de Córdoba y Santa Fe) es medianamente afectada, mientras que la Región III ( Centro Sur) es la menos afectada, aunque también presentó casos de Grano Verde 2) Quedó demostrada la variabilidad entre Localidades para la producción de GV en soja, por lo menos en las Regiones I y II. 3) Para el Proyecto RECSO, las épocas de siembra Primavera y Temprana fueron las más afectadas por Grano Verde, la época Óptima fue menos


32

afectada y la época Tardía es la menos afectada. Para el Proyecto Grupo de Madurez y Fecha de Siembra también hubo variabilidad entre épocas. 4) Hubo diferencias de producción de Grano Grano Verde entre GM, siendo los GM cortos en cada región los más frecuentemente afectados. 5) Se observó evidencia suficiente para demostrar la existencia de variación genética entre cultivares, dentro del GM V L. La SAGPYA en base a este y otros estudios, realizó una campaña informativa recomendando las mejores prácticas para reducir el impacto del grano verde. Los resultados fueron muy favorables a nivel comercial. Grano dañado y acidez: Granos dañados y acidez se incrementan debido a diferentes causas: la demora en la cosecha por elevada humedad, es un hecho que nos ha sucedido en los últimos años; el estrés térmico e hídrico en formación de granos, incremento en el nivel de enfermedades en los últimos tiempos como Cercospora, Fusarium, Alternaria y Phomopsis, entre otras. El impacto es el aumento de acidez en los granos que son más sensibles al calor en el proceso del grano de soja en las plantas industriales, el cual a su vez aumenta los valores de acidez. Para ello las plantas deben bajar la temperatura de secado, que determinan menores rendimientos de “crushing”. Para mejorar los valores de acidez es necesario un mayor desgomado.y esto incrementa el costo de la industria, mermas en refinación refinación física en neutralización, perfil de ácidos grasos diferentes y costos. Un aspecto importante a destacar es que a pesar de los aspectos sanitarios del grano, no se detectaron ningún tipo de micotoxinas. Las enfermedades en el cultivo se vienen acrecentando por la masificación del cultivo, y las enfermedades llamadas “de fin de ciclo” son las principales. Si bien el mejoramiento varietal ha desarrollado mejores variedades, y estas enfermedades muchas veces no producen pérdidas de rendimiento, afectan la calidad de la producción. El uso de funguicidas es una herramienta a utilizar en estos casos. Estos temas se incrementan con el uso de cosechadoras obsoletas que forman parte de la planta actual sin renovación. Micotoxinas en soja La soja es un producto capaz de presentarse contaminado por zearalenona, micotoxina que será regulada para la comercialización. Se necesitan estudios para conocer la situación oja en nuestro país. La zearalenona es una micotoxina producida como metabolito secundario del género Fusarium, en nuestro país principalmente por Fusarium graminearum. Como toda micotoxina, la capacidad de aparición de la contaminación depende del medio ambiente y de la matriz alimenticia, por esta razón la contaminación que se inicia en el cultivo, puede incrementarse (o disminuirse) durante el almacenamiento, así como durante los procesos.


33

Conclusión general En los últimos años el crecimiento crecimiento del cultivo ha sido explosivo. Pasamos de 6 millones de hectáreas en 1996 a 16 millones y podemos tomar a estos problemas como producto de los “dolores de crecimiento”, y deberían ser tenidos muy en cuenta en defensa de este importante sector. Existen metodologías que puestas en práctica pueden solucionar y mejorar la calidad de la soja en la Argentina. En primer lugar debe difundirse convenientemente el conocimiento actual en estos temas y propender a acrecentar nuevos estudios sobre los problemas y las soluciones. Las tecnologías de medición “punto específico” podría colaborar en el mejoramiento genético de variedades de soja de alta calidad y ser una herramienta de evaluación a campo de prácticas de manejo que contribuyan a mejorar la calidad. Este no es un trabajo de un solo sector sino de todos los involucrados en la Cadena de la Soja.


34

EL USO DE LA AGRICULTURA DE PRECISIÓN EN LA ELECCIÓN Y EL MANEJO DE CULTIVARES DE SOJA Edgardo Martini y Héctor Baigorri

(Asesores privados-Consultora Baigorri-Martini y Planeta Soja-www.planetasoja.com).

Introducción: La agricultura de precisión permite adoptar las medidas de manejo necesarias para optimizar la producción física o económica en cada sector diferente de una determinada área o potrero. Para lograr este objetivo, es necesario analizar primero la variabilidad productiva dentro de cada área, identificar cuál o cuáles son los factores que determinan las diferencias en la productividad y posteriormente ver si son posibles algunas medidas para la corrección de los factores limitantes y/o la adaptación del manejo del cultivo a una determinada limitante no modificable (por motivos técnicos o económicos), con el objetivo de maximizar el retorno económico. En lo referente al cultivo de soja, la adecuada elección y manejo de cultivares, implica contar con el conocimiento previo de la ecofisiología del cultivo, de las condiciones ambientales, de las características de los cultivares disponibles y del efecto de las prácticas de manejo sobre el cultivo. El orden de importancia de las prácticas de manejo del cultivo de soja son los siguientes: 1- Caracterización del ambiente de producción (CAP). 2- Elección de la combinación del grupo de madurez (GM), hábito de crecimiento (HC) y juvenilidad del cultivar y la fecha de siembra (FS). 3- Elección del cultivar. 4- Arreglo espacial. La agricultura de precisión, permite mejorar fundamentalmente la CAP, que es el paso más importante, en la elaboración de una estrategia de manejo de cultivares de soja. Cabe destacar que el mismo, es también estratégico para otros cultivos y otras actividades (ganadera, forestal, etc). 1- Caracterización del ambiente de producción: Para una adecuada elección y manejo de cultivares de soja, se considera fundamental contar con una adecuada CAP, porque el mismo condiciona el crecimiento y el rendimiento y en consecuencia determina cuáles son los GM y el manejo de los mismos, que permite alcanzar las mayores productividades. La agricultura de precisión aporta a la CAP, herramientas tales como programas de computación que permiten superponer capas de información, consideradas claves tanto para conocer como comprender y predecir el funcionamiento de cada ambiente. Entre las informaciones consideradas claves en la CAP, se mencionan las referidas a la geomorfología del lugar, cuencas hídricas, relieve, suelo (unidades, capacidad de uso, profundidad, físico-químicas, hídricas y sanitarias) y el rendimiento de los cultivos. La agricultura de precisión combina estas y otras características del ambiente, apilando mapas de las mismas, que permiten interpretar la resultante productiva y su variabilidad, aportando elementos para mejorarla. Cabe destacar la valiosa ayuda que brindan actualmente dos fuentes de información: a- Imágenes del ambiente: que incluyen a las fotos aéreas e imágenes satelitales. Estas últimas están disponibles en infinidad de formatos (bandas, tamaño de píxel,


35

fechas de registro, etc), permitiendo mejorar el conocimiento de la variabilidad temporal del ambiente. b- Equipos lectores de los atributos físico-químicos del suelo: tales como los de electro-conductividad. Este tipo de equipos permitirán a la brevedad caracterizar de un modo adecuado la variable ambiental más importante, que es la disponibilidad hídrica; permitiendo elaborar mapas del contenido de agua hasta la profundidad máxima de exploración radicular de los cultivos, considerando la influencia de capas de suelo que limitan la exploración radicular como la tosca y aportes de agua adicionales a las precipitaciones durante el ciclo de cultivo como la napa freática (actualmente esta información debe relevarse con la ayuda de barrenos y freatímetros). Actualmente se está avanzando en la cuantificación del aporte hídrico de la napa freática, no obstante es necesario continuar con los estudios sobre este tema e incorporar como trabajo de rutina la determinación del contenido de agua inicial. Además se deben consideran en la CAP, los restantes componentes abióticos (régimen de lluvias, térmico y de radiación solar), los componentes bióticos (enfermedades, plagas y malezas) y los empresariales (tamaño de la explotación, régimen de tenencia de la tierra y objetivos productivos de la empresa), para poder elaborar el traje a medida, para cada establecimiento, lote y sectores del mismos. El primer paso es la CAP en forma global ó regional y el paso siguiente es la identificación y cuantificación de la variabilidad intra lote, para determinar cuántos ambientes diferentes hay en esa área en particular y cuán diferentes son. Con la caracterización anterior se definen la cantidad de áreas diferentes y se deben identificar los factores que las hacen diferentes entre sí, los que pueden ser inherentes al suelo en sí mismo, como diferencias en el tipo de suelo (loma vs bajo), textura de suelo y su capacidad de almacenaje de agua, etc., o bien inducidas ya sea por diferencias en la rotación anterior, fertilidad, capacidad de infiltración, estabilidad estructural, etc. La identificación de los orígenes de la variabilidad se hace a través de relevamientos topográficos, análisis de laboratorio físicos y químicos, etc., y una vez identificados los factores limitantes se plantean las estrategias productivas convenientes para cada área particular. En el cultivo de soja la variable más limitante del rendimiento es la disponibilidad hídrica, por lo que en una correcta caracterización del ambiente habrá que jerarquizar esta variable y analizar de que manera podemos usufructuar de ella si la condición es favorable y de que manera atenuarla si es desfavorable. A medida que mejora la calidad del ambiente el cultivo alcanza un mayor desarrollo vegetativo y es posible utilizar cultivares de ciclo más corto, para evitar el vuelco, reducir la incidencia de problemas sanitarios e incrementar el rendimiento. Las características del ambiente determinan el rango de GM y los cultivares de cada GM que mejor se adaptan a cada región y lote. El información con la que cuenta el productor y su asesor sobre el comportamiento en cada lote de los cultivares utilizados en diferentes campañas, integra a todo el complejo de características ambientales locales. Su Su análisis resulta sumamente valioso para orientar la elección de GM, incorporación de nuevos cultivares de dichos GM (teniendo en cuenta longitud del ciclo, hábito de crecimiento, potencial de rendimiento, comportamiento a vuelco, enfermedades y plagas, etc.) y su manejo (FS, espaciamientos y densidades) y en definitiva poder preparar el traje a medida para cada lote. Atendiendo a que la condición ambiental es la limitante más importante del rendimiento, un programa de siembra debe considerar la mejora del ambiente de producción, cómo objetivo fundamental. Las prácticas más relevantes para lograr este objetivo, son la rotación, la SD, la fertilización, mejoramiento de la condición física y manejo eficiente del agua. 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

36

2- Elección de la combinación del GM, HC y juvenilidad del cultivar y la FS: En función de las condiciones ambientales, se deben definir el listado de cultivares más adaptados teniendo en cuenta su GM, HC y juvenilidad y el porcentaje a usar de cada uno de los GM elegidos y su FS. Estas decisiones de manejo determinan la producción de biomasa aérea total, el índice de cosecha y el llenado de granos (ubicación, duración y tasa). La FS es una de las prácticas de manejo de mayor influencia sobre el crecimiento y específicamente el rendimiento del cultivo. La FS depende de las condiciones ambientales, la secuencia de cultivos y las características del cultivar. Actualmente se conocen los patrones de la evolución del desarrollo y crecimiento de los cultivares en función de la FS, para los GM recomendados de norte a sur del país y en función de su HC. No obstante es necesario determinar con precisión y para todos los ambientes de producción, que combinaciones de GM y FS permiten lograr los rendimientos potenciales máximos, los más probables y los rendimientos mínimos y a su vez con que disponibilidad hídrica (en cantidad y oportunidad) y con que probabilidad en función de los registros de precipitaciones históricos. En cualquier latitud, el adelantamiento de la FS incrementa la longitud del ciclo total (días de emergencia a madurez) de los cultivares, con independencia de su GM y HC; a mayor GM mas importante es este incremento, debido a la mayor respuesta fotoperiódica de los cultivares de mayor longitud de ciclo. Este incremento de la longitud del ciclo total que se produce al adelantar la FS, es debido fundamentalmente al aumento de los días de emergencia a floración (R1), es decir la etapa netamente vegetativa. No obstante, en menor medida también se incrementa la duración de las etapas reproductivas, incluyendo el llenado de granos. Es decir que al adelantar la FS, aumenta la duración del llenado de granos y se adelanta su ocurrencia, con lo que logramos disponer de mayor radiación solar y temperatura para generar más rendimiento, en condiciones hídricas no limitantes. La altura presenta generalmente una forma de campana, con un techo entre principios del mes de noviembre y principios del mes de diciembre y reducciones de la misma tanto con el adelanto como con el atraso de la FS, respecto al rango mencionado. En todas las regiones de cultivo de Argentina, las FS de la segunda quincena del mes de noviembre, son las que generalmente permiten alcanzar la mayor altura, a la mayoría de los cultivares de todos los GM recomendados en cada ambiente. Cuando comparamos cultivares del mismo HC, a medida que aumentamos la longitud del ciclo la campana mencionada es generalmente más alta y presenta menor reducción de la altura, con el adelanto y atraso de la FS con respecto a la segunda quincena del mes de noviembre. Analizando la FS en la que ocurre la mayor altura en cultivares de los 3 HC y de igual longitud de ciclo, los cultivares de HC indeterminado alcanzan su mayor altura en FS más temprana, que los de HC semideterminado y éstos que los de HC determinado. Comparando cultivares de HC indeterminado de diferente longitud de ciclo, los de mayor ciclo alcanzan la mayor altura en FS más temprana y presentan menor reducción de la altura con el adelanto y atraso de la FS respecto de la segunda quincena del mes de noviembre. La juvenilidad permite que los cultivares de cualquier HC, alcancen mayor altura y en consecuencia tengan mayor plasticidad a la FS y pueda adelantarse más la FS y ser cultivados más al norte, que los del mismo HC que no poseen esta característica. La altura lograda por cualquier cultivar varía con las condiciones ambientales y en especial con la disponibilidad hídrica. En consecuencia, para un mismo cultivar y


37

en un mismo lote se obtendrán campanas de crecimiento cada vez más altas, a medida que mejoran las condiciones ambientales de las campañas. La mayor altura lograda en FS de la segunda quincena del mes de noviembre, en especial en buenos ambientes y/o campañas, puede determinar la ocurrencia de vuelco y problemas sanitarios en los cultivares de ciclo medio medio a largo y mejorar el crecimiento de los de ciclo corto, contribuyendo a lograr rendimientos muy altos. El número de nudos presenta un comportamiento similar a la altura, alcanzando las mayores cantidades en las FS del mes de noviembre, en especial en cultivares de HC determinado. Los cultivares con HC indeterminado de ciclo más largo tienden a adelantan la FS en la que logran el mayor número de nudos al mes de octubre, dependiendo de la latitud y del GM del cultivar. El rendimiento presenta una relación con la FS, que depende del cultivar (GM, HC y juvenilidad) y el ambiente. ambiente. En condiciones hídricas no limitantes y empleando diferentes combinaciones de cultivares y FS, según las características del ambiente, es posible incrementar el rendimiento en forma lineal con el adelanto de la FS, hasta la FS en la que ocurran heladas tardías que logren matar una cantidad variable de plantas La relación entre la altura y el rendimiento es directa hasta que el cultivar en cuestión logra la producción de biomasa vegetativa (BV) óptima. Una vez que la supera, la aparición de vuelco y problemas sanitarios, puede determinar que esta relación pase a ser inversa. Por este motivo, los cultivares de ciclo corto generalmente presentan relaciones directas entre altura y rendimiento y los de ciclo largo ó medio pueden presentar relación nula a inversa. Cuando las condiciones ambientales posibilitan un crecimiento exuberante de los cultivares de ciclo corto, la FS de siembra que permite lograr el mayor rendimiento se adelanta a la FS en la que se logra la mayor altura. Cuando la condición ambiental y en especial la disponibilidad hídrica son superiores ó inferiores a lo normal, se producen modificaciones en la evolución del patrón de crecimiento del cultivo en función de la FS. Los cultivares de ciclo más corto tienen índices de cosecha de entre 50 y 60% y los de ciclo más largo entre 40 y 50%, en FS tempranas a óptimas. En una FS determinada, el IC presenta generalmente una relación inversa con la longitud del ciclo de los cultivares. Además se observa una tendencia creciente del IC con el atraso de la FS, de menor importancia en los cultivares de ciclo más corto y que crece en forma importante a mayor longitud de ciclo, en especial en las FS posteriores al 15 de diciembre. 3- Elección del cultivar: Una vez elegidos los cultivares por sus características más importantes (GM, HC y juvenilidad), se procede a definir sus nombres entre los comerciales disponibles, por su potencial de rendimiento y sanidad, priorizando ésta última característica en los ambientes en los que los problemas sanitarios son una limitante de importancia. La “Red Nacional de Evaluación de Cultivares de Soja”, dependiente del INTA desde 1980, actualiza anualmente la información referente al comportamiento fenológico, agronómico, sanitario y el rendimiento de todos los cultivares disponibles de cada GM, para facilitar su elección. Esta red de ensayos constituye la evaluación de referencia, la que es necesario complementar con las evaluaciones a nivel de franjas demostrativas (AACREA Zona Sur de Santa Fe, INTA Oliveros, INTA Marcos Juárez, para la región central del país; EEAOC para el NOA, etc), que incluyen más de un GM, permitiendo definir en que condiciones un GM de madurez logra mayor rendimiento que otro. Dentro de cada GM, es posible separar los cultivares por su ciclo, en cortos medios y largos y diferenciarlos por su altura, para realizar ajustes más finos de


38

manejo. Los cultivares con menor altura, requieren FS más tardías, mejores ambientes y menores espaciamientos entre surcos. 4- Arreglo espacial: Una vez definido el listado de cultivares y teniendo en cuenta su desarrollo vegetativo y la altura esperada en función del ambiente y la FS asignada, se puede determinar el espaciamiento entre surcos más conveniente. Cuando esperamos alturas inferiores a los 70 cm, es altamente probable que una reducción del espaciamiento entre surcos a menos de 52 cm, incremente el rendimiento. Los cultivares de ciclo corto, tienen mayor probabilidad de incrementar su rendimiento con la reducción del espaciamiento, en especial con FS tempranas ó tardías. La tendencia de reducir la longitud del ciclo de los cultivares utilizados y el adelanto de las FS, ha determinado que el mercado de sembradoras evoluciones a una mayor disponibilidad de equipos de siembra a hileras más estrechas que a 52 cm y con distribuidores de tipo placa, mecánicos ó neumáticos. La densidad de siembra es la práctica de manejo menos importante y depende de todas las decisiones previas y es la encargada de dar el ajuste final a la distribución espacial de plantas. Al igual que con el espaciamiento entre surcos, el incremento de la densidad de siembra es más importante en FS muy tempranas o tardías y para los cultivares de ciclo más corto. 5- Utilización de la agricultura de precisión en el manejo del cultivo de soja: La utilización de la agricultura de precisión, para la elaboración de estrategias de manejo, pueden ser muy diferentes para los cultivos de soja y maíz. En el del cultivo de maíz las prácticas habituales de manejo sitio específico son el cambio del híbrido, densidades de siembra y la fertilización, sobre todo nitrogenada, la que a su vez se puede llevar a cabo durante el transcurso del cultivo y a veces en función de la evolución del mismo. En el cultivo de soja la situación es totalmente diferente, en cuanto a la nutrición nitrogenada porque gracias a la fijación simbiótica, es posible obtener hasta el 80 por ciento de los requerimientos del cultivo, reduciendo la dependencia del nitrógeno del suelo. Atendiendo a que la fijación biológica, también está fuertemente condicionada por la disponibilidad hídrica, cuando el cultivo de soja cuenta con una adecuada disponibilidad de agua (precipitaciones, riego ó napa freática), soluciona en gran medida su demanda nitrogenada, incrementa su crecimiento y esto le permite mejorar la captura de los recursos (radiación, agua y nutrientes). En cuanto a la densidad de siembra, es un cultivo mas plástico que el maíz, presentando un rango amplio de densidad a la cual el rendimiento no varía significativamente y compensa muy bien posibles deficiencias ya sean por exceso o por defecto los posibles desajustes en este ítem. Queda entonces como variable común al cultivo de maíz para ajustar el cambio de material genético (la oferta genética en soja es muy amplia y diversa, posibilitando contar con un cultivar para cada ambiente) y dada su gran plasticidad tiene un elemento de manejo propio que es la fecha de siembra debido a que posee una gran ventana de siembra que puede llegar a los 120 días en la región central del país. En la mayor parte del área de siembra de soja de Argentina, los cultivares más difundidos corresponden al GM IV largo. En ambientes de alta calidad, estos cultivares pueden presentar tendencia al vuelco y por lo tanto no expresan todo el potencial productivo de esos lugares, hay varias maneras de corregir esa situación. De acuerdo con la calidad del sitio, se puede elegir una variedad de ciclo similar en la misma fecha pero con menor crecimiento, o bien la misma variedad pero adelantando la fecha de siembra de manera de suprimir el crecimiento excesivo y por lo tanto el 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

39

vuelco y los problemas sanitarios. Si el ambiente aún provoca vuelco la elección sería utilizar un cultivar de ciclo más corto. En campos ondulados de la zona sur de Córdoba, es frecuente encontrar suelos francos a franco arenosos con una freática cercana en los sectores bajos y en las lomas suelos muy arenosos donde la freática está a mayor profundidad. En este tipo de ambientes los planteos de agricultura por ambiente para el cultivo de maíz, generalmente se llevan adelante, utilizando en los bajos híbridos con mayor potencial de rendimiento, mayores densidades y más fertilizante y lo opuesto en las lomas. En el caso del cultivo de soja, generalmente se utiliza un solo cultivar de GM IV largo, que presenta vuelco en los bajos y no llega a cubrir el surco en las lomas, con rendimientos promedios aceptables y el modo de optimizar la producción y mejorar los promedios de rendimiento, se recomienda para los sectores bajos donde el aporte de la napa freática garantiza el aporte de agua y el suelo tiene una buena capacidad de almacenaje y fertilidad, se deberían utilizar cultivares de GM III o bien GM IV de menor altura en fecha óptima o GM IV de mayor crecimiento en fecha temprana, de manera de elevar los rindes máximos. En las lomas donde hay menos capacidad de almacenaje de agua y una fertilidad menor, y como consecuencia un menor crecimiento, la recomendación sería un cultivar de GM V de buen porte (determinado o indeterminado) en fecha óptima para subir el piso de rendimiento; si la profundidad de la napa freática fuera tal que existe la posibilidad de alcanzarla se podría lograr con un GM V indeterminado en fecha temprana (mayor profundidad de raíces por mayor ciclo y por alargamiento de ciclo) optimizando al máximo el rendimiento. Comentarios El aporte fundamental de la agricultura de precisión en el manejo del cultivo de soja, es que posibilita profundizar el conocimiento del ambiente de producción. La adecuada caracterización de los ambientes presentes en cada establecimiento y lote de producción, es la llave para interpretar el potencial productivo de los mismos. Conocer exactamente sus potencialidades y limitaciones llevarán a la correcta elección de fecha de siembra y del material genético que mejor se adapte a cada situación para conseguir el máximo rendimiento posible.


40

DESARROLLO Y APLICACIÓN DE NUEVAS HERRAMIENTAS HERRAMIENTAS DE TELEDETECCIÓN EN EL ESTUDIO DE AMBIENTES Carlos M. Di Bella; Alejandra C. Kemerer; César M. Rebella; Arturo E. Melchiori; Juan Esteban Mosso y Juan Manuel Reta Instituto de Clima y Agua – INTA Castelar – CIRN

La agricultura de precisión consiste en la aplicación de herramientas y principios para manejar la variabilidad espacio-temporal asociada a los aspectos de la producción agrícola (Pierce y Nowak, 1999). Diferentes enfoques se han empleado en el manejo de la variabilidad espacial. Uno de los más ampliamente difundidos ha sido el “manejo por ambientes” o “zonas de manejo”; entendiéndose por tal a la delimitación de subregiones dentro de los lotes que expresan una combinación relativamente homogénea de factores de rendimiento para los que es apropiada una proporción única de insumos (Doerge, 1999). Las características de homogeneidad dentro de las subregiones conducirían a los mismos resultados en cuanto a rendimiento potencial del cultivo, eficiencia de uso de insumos o impacto ambiental (Luchiari et al., 2000). La delimitación de ambientes no es una tarea menor y muchos trabajos se han enfocado en analizar los distintos aspectos que se deben considerar en dicho proceso. Entre ellos cabe mencionar el tipo y cantidad de capas de información a emplear, el método a aplicar para la clasificación de la información, el número de ambientes a definir y la estabilidad espacio-temporal de los ambientes definidos. El tipo y cantidad de capas de información a emplear ha sido uno de los aspectos más estudiado. Se ha evaluado la utilización de una sola capa de información o varias, vinculándolas a través de un sistema de información geográfica (SIG). Ésta última alternativa permite una representación más clara de la realidad; pero requiere la aplicación de métodos de análisis más sofisticados que permitan resumir y clasificar dicha información. La información que comúnmente ha sido utilizada para la delimitación de ambientes puede ser agrupada en: datos de suelo, entre ellos mapas topográficos y de posición en la pendiente vinculados a la disponibilidad de agua (Franzen et al., 1998; Jones et al., 1989; Jaynes et al., 1994 y Sudduth et al., 1997), datos de profundidad del horizonte superficial, mapeo de nutrientes y de contenido de materia orgánica (Mulla, 1991; Flowers et al., 2005), determinaciones de la conductividad eléctrica, asociada al contenido de arcilla y humedad (Taylor et al., 2003; Johnson et al., 2003; Kitchen et al., 2005), y el contenido de materia orgánica estimada indirectamente a partir de sensores remotos (Bhattí et al., 1991). Otra aproximación ampliamente utilizada ha sido a través de mapas de rendimiento, con datos de una o varias campañas, como información cruda o normalizada a través de la media, valores máximos, etc. (Whelan et al., 2002; Franzen y Nanna, 2002; Hornung et al., 2003; Jaynes et al., 2005; Mulla y Bhatti, 1997). Cabe destacar también la utilización de índices espectrales obtenidos a partir de imágenes satelitales o fotografías aéreas durante el ciclo de crecimiento del cultivo, generalmente empleados como estimadores de biomasa y rendimiento (Layrol ., 2000; Kemerer, 2003). et al., 2000; Rydberg y Soderstrom, 2000; Schepers et al ., Finalmente, se puede mencionar la vinculación de la experiencia del productor con información topográfíca e imágenes de suelo desnudo (Fleming et al., 2000). En cuanto a los métodos empleados para la delimitación de ambientes, uno de los más difundidos ha sido el análisis de cluster que consiste en la identificación de los grupos naturales existentes en el conjunto de datos de manera tal que las diferencias dentro de cada grupo son minimizadas y se maximizan las diferencias entre grupos, asignándose cada punto o píxel a una clase en particular (Johnson et al., 2003; Ortega y Santibáñez, 2007). Una variante al análisis de cluster es la


41

clasificación difusa, que en lugar de clasificar cada punto a una clase, determina un porcentaje de pertenencia a cada una de ellas y a través de una serie de índices permite seleccionar el número óptimo de zonas, que determina la asignación final de los puntos a las clases (Fridgen et al., 2004). Otros métodos empleados han sido el análisis de componentes principales o análisis discriminante, que permiten resumir un conjunto de variables en un nueva a través de una serie de coeficientes, los que posteriormente son utilizadas en la clasificación (Jaynes et al., 2005; Ortega y Santibáñez, 2007), y finalmente métodos que consideran el coeficiente de variación de cada capa de datos incluida en el análisis (Flowers et al., 2005; Ortega y Santibáñez, 2007). La identificación del número de ambientes y su tamaño es una de las cuestiones más críticas debido a que está fuertemente relacionada a la variabilidad existente a nivel de lote, pero limitada por la capacidad operativa de la maquinaria disponible. Por otro lado, el número de zonas está asociado también al método empleado para la clasificación. Algunos de ellos requieren un número establecido de ambientes, para lo cual se necesita tener un conocimiento previo de las características del lote, sin embargo se puede incurrir en el error de sobre o subestimar la cantidad de zonas (Flowers et al., 2005; Taylor et al., 2003). Otros permiten la evaluación de índices relacionados a la variabilidad generada en el sistema con diferente número de ambientes, pudiéndose seleccionar el número más adecuado (Fridgen et al., 2004; Jaynes et al., 2005). De todos modos, más allá del resultado determinado por la clasificación una alternativa práctica consiste en reagrupar zonas con características similares para reducir su número según la capacidad operativa del sistema. Por último, la estabilidad temporal de los ambientes definidos está asociada a las características particulares de cada lote productivo, con resultados muy dispares, siendo relativamente estables en algunos casos (Jaynes et al., 2005) y en otros muy variables, asociado principalmente al tipo de información utilizada para su delimitación (Taylor et al., 2003; Kemerer, 2003). Los antecedentes presentados muestran que existe información abundante vinculada a este sistema de manejo, sin embargo los resultados son muy variados y no se pueden generalizar. Cada situación requiere de un análisis particular, donde se integren diferentes fuentes de información, se seleccione la metodología adecuada y fundamentalmente se analicen los costos y beneficios asociados. Esto plantea un desafío tanto para los productores interesados en aplicar este sistema de manejo como para los técnicos responsables de la selección y tratamiento de la información. En el Instituto de Clima y Agua de INTA Castelar se están evaluando nuevas herramientas para la adquisición de información que pueda ser aplicada en la delimitación de ambientes. Recientemente se ha adquirido un avión equipado con diferentes instrumentos que permitirá generar capas de información con resolución espacial variable de acuerdo a la altura de vuelo (figura 1). La ventaja principal es que mediante un sólo vuelo se puede obtener un número importante de capas de información independientes, en un mismo momento y con igual resolución, lo que facilita el tratamiento posterior de la información.


42

Medidor de Radiación Neta Medidor de PAR

GPS

GPS Cámara multiespectral Cámara IR Altímetro láser Esfera de presión

Analizador de gases IRGA

Figura 1. Avión Sky Arrow ERA con el detalle del instrumental incluido

Este avión, el Sky Arrow ERA, está equipado con una cámara multiespectral digital Duncan MS 4100, que permite obtener información en tres bandas del espectro electromagnético: verde (550 nm), rojo (680 nm) e infrarrojo cercano (780 nm). Esta información puede ser utilizada para el cálculo de índices espectrales que se relacionan con variables del cultivo como biomasa y rendimiento. En trabajos realizados en Italia por la “Universita degli studi Della Tuscia” y Terrasystem S.R.L. con datos espectrales obtenidos en vuelos de prueba se pudieron realizar mapas de predicción de rendimiento de trigo y estimaciones del contenido de proteína en grano (figuras 2 a y b).

a)

b) 26.00

Corial Stations 41.80

25.00 24.00 23.00 22.00

41.60

21.00 20.00

S M E R

19.00

41.40

18.00 17.00 16.00

41.20

15.00 14.00 15.00

15.20

15.40

15.60

15.80

16.00

16.20

13.00

Contenido de proteína (ss)

Figura 2. a) Mapa de predicción de rendimiento de trigo (qq/ha) generado a partir de índices espectrales y b) función de predicción del contenido de proteína en grano de trigo (ss) a partir de índices espectrales

A su vez, mediante ensayos realizados en INTA con sensores hiperespectrales se está evaluando la utilidad de los índices espectrales para el diagnóstico de la fertilización nitrogenada. Se compara la capacidad predictiva de diferentes índices espectrales a los cambios en las variables de cultivo generadas por fertilización nitrogenada y densidad de plantas en maíz en diferentes momentos del ciclo del cultivo. Los resultados obtenidos hasta la fecha indican que existen diferencias importantes entre los índices valuados, por ejemplo, el Índice de Vegetación de Diferencia Normalizada (NDVI) presenta una asociación fuerte con el IAF pero alcanza la saturación para valores de IAF superiores a tres, en cambio el índice conocido como Punto de Inflexión del Borde Rojo (REIP) presenta una relación lineal con el IAF, permitiendo su uso durante todo el ciclo del cultivo para la predicción de esta variable (figura 3 a y b).


43

730

1 0.9

727.5

0.8 0.7 I D V N

725 P I E R

0.6

722.5

0.5 0.4

720

Y = 0.87 + 0.61 e-X r2 = 0.82

0.3 0.2

0

2

IAF

4

6

717.5

Y = 719.93 + 1.3 X r2=0.77 0

2

IAF

4

6

Figura 3. Relación entre el IAF y a) NDVI; y b) R EIP

De esta manera, se pueden mencionar dos ventajas importantes relacionadas con la información derivada de los índices espectrales. Por un lado, pueden utilizarse para evaluar diferencias en cuanto a condición de sitio, facilitando la delimitación de ambientes en campañas futuras. Por otro lado, permiten la evaluación de la condición actual del cultivo y la planificación de tareas como fertilizaciones tardías o la delimitación de zonas de cosecha con diferente contenido de proteína en grano. Otro instrumento disponible es una cámara térmica Flir SC500 con rango de medición de 7.5 – 13.0 µm. Esta cámara permite obtener información de temperatura de superficie (Ts) y por lo tanto puede ser utilizada para determinar el grado de estrés hídrico a nivel de lote y su variabilidad espacial (figura 4b). Esta información es de utilidad para determinar requerimientos de riego, así como, vinculada a la información espectral, permite mejores resultados en las estimaciones de variabilidad de rendimiento y contenido de proteína en grano. Puede ser de utilidad para evaluar incidencia de plagas o enfermedades en momentos tempranos, ya que el daño generado determina variaciones de temperatura fácilmente detectables aún cuando los daños visibles no son importantes. A su vez el avión está equipado con un medidor de flujo de gases móvil, LICOR 7500 IRGA, que permite mediciones de flujo evaporativo de vapor de agua (figura 4c), flujo de calor (figura 4d) y CO2. La vinculación de la información disponible a través de modelos adecuados permite obtener una representación clara del estado del cultivo, condición nutricional, biomasa generada, así como evaluar su contenido hídrico, generar mapas de evapotranspiración y estrés hídrico. Esta información serviría como base para determinar variaciones de calidad de sitio a través del análisis de la condición del cultivo durante el ciclo de crecimiento, que puede ser aplicada en la delimitación de ambientes. A su vez esta información puede ser utilizada para la toma de decisiones de manejo en la campaña bajo evaluación.


44

a)

c)

b)

d)

Figura 4. a) Fotografía aérea multiespectral b) fotografía térmica c) fracción evaporativa determinada por el medidor de flujo evaporativo y d) flujo de calor latente en W/m 2. Extraído de Esposito et al., al., 2006

El avión está equipado además con un altímetro láser Riegl LD90 y LD903300HR que cuenta con un rango de medición de 100 Hz to 1000 m. Con la información generada con este dispositivo se pueden obtener mapas de altimetría de superficies variables de acuerdo a la altura de vuelo. En la figura 5 se presenta un mapa generado para una región, pero de manera similar se puede obtener información a nivel de lote. Entre los antecedentes mencionados se detallaron numerosos trabajos donde se utilizaron mapas de altimetría para la delimitación de ambientes con excelentes resultados. En la mayoría de estos trabajos los datos de altimetría se obtuvieron a través del procesamiento e interpolación de mediciones obtenidas mediante GPS geodésicos. El altímetro láser representa por lo tanto una alternativa novedosa al uso de GPS, sobre todo considerando que se genera en combinación con otras capas de información.


45

Figura 5. Mapa de altimetría obtenido con altímetro láser (©Terrasystem SRL)

Hasta aquí se han analizado diferentes aspectos relacionados a la delimitación de ambientes, lo que representa sólo el paso inicial en la aplicación de este sistema de manejo. Una vez delimitados correctamente los ambientes, éstos deben ser manejados de manera independiente, ajustando la utilización de insumos de acuerdo al potencial de cada uno. Resulta necesario por lo tanto evaluar la disponibilidad de nutrientes mediante muestreos dirigidos de suelo o a través de mediciones realizadas a nivel de cultivo dentro de cada zona. Las metodologías y herramientas que se han aplicado tradicionalmente en el manejo uniforme son útiles también en las evaluaciones a nivel de ambiente. Actualmente se está trabajando en el desarrollo de una herramienta nueva para el diagnóstico de la fertilización nitrogenada. Esta herramienta es un fluorímetro portátil, generado como una aplicación alternativa a las mediciones de reflectancia que se pueden obtener con un radiómetro hiperespectral, es decir, en lugar de realizar determinaciones de reflectancia se evalúa la fluorescencia de la clorofila a nivel de hoja. La fluorescencia de la clorofila es un mecanismo utilizado por las plantas para disipar la energía en exceso que no puede ser canalizada hacia fotosíntesis. En los cloroplastos presentes en las hojas de las plantas se encuentran un conjunto de moléculas de clorofila y otros pigmentos reunidas en unidades funcionales llamadas fotosistemas. La radiación fotosintéticamente activa incidente excita estos pigmentos permitiendo que se desarrollen las diferentes etapas del proceso fotosintético. Una adecuada provisión de N permite el normal desenvolvimiento del complejo de proteínas que controlan la fotosíntesis debido a que gran cantidad del nitrógeno presente en la hoja forma parte de la clorofila y de las proteínas fotosintéticas como la RuBisco (Evans, 1989). En condiciones de estrés nutricional de nitrógeno se limita la habilidad de las plantas para utilizar la luz absorbida produciéndose sobreexcitación de los fotosistemas, incluso a intensidades moderadas de luz (Demming-Adams y Adams 1992). Sin embargo, los organismos fotosintéticos han desarrollado mecanismos de protección tendientes a evitar o disminuir los efectos de la absorción excesiva de luz a través de la disipación como calor o emisión de fluorescencia (figura 6).


46

Clorofila excitada

1) Fotosíntesis (qP)

3) 2) Calor (NPQ)

O2 *

4) Fluorescencia

O2 Clorofila

Luz

Figura 6. Excitación de la clorofila por la luz y vías de retorno a su estado basal a través de: 1) Proceso fotosíntetico; 2) Disipación de la energía de excitación como calor; 3) Formación de clorofila en estado de triplete excitado, oxígeno singlete excitado y/o superóxido; 4) Emisión de luz como fluorescencia.

Pueden distinguirse dos tipos de fluorescencia (figura 7), la producida por la radiación ultravioleta, con máximos en 440 nm (azul) y 520 nm (verde) y la fluorescencia de la clorofila, con máximos en 680 nm (rojo lejano) y 740 nm (infrarrojo cercano). La emisión de fluorescencia en el azul y el verde ha sido atribuida a la RuBisco y a las proteínas de las plantas que contienen aminoácidos aromáticos (Corp et al., 1997). En cambio, la emisión de fluorescencia en el rojo y rojo lejano es inducida por la radiación visible y es atribuida enteramente a las clorofilas (Buschmann y Lichnthaler, 1998).

Figura 7. Fluorescencia producida por la luz UV (BGF) y fluorescencia producida por radiación visible en el rojo lejano (RF) e infrarrojo cercano (FRF), línea llena. Reflectancia, línea punteada, para diferentes longitudes de onda, obtenidas a nivel de hoja. Extraído de Moya et al (2004) al (2004)

En trabajos realizados por Gitelson et al. (1999) y Samson et al. (2000) se han presentado evidencias de la asociación entre el contenido de clorofila en hoja, contenido de N en hoja y cocientes de fluorescencia en longitudes de onda correspondientes al rojo e infrarrojo cercano generadas por la inducción con láser en longitudes de onda correspondientes al 430 nm, 550 nm y 630 nm en el primer caso, y 360 nm, 440 nm, 480 nm y 630 nm en el segundo (figura 8 a y b).


47

Figura 8 a) Relación entre el cociente de fluorescencia de la clorofila F735/F700 excitada con láser de 430 nm de longitud de onda y el contenido de clorofila en hoja, extraído de Gitelson et al (1999) al (1999) b) relación entre el cociente de fluorescencia obtenida por la excitación con pulsos de láser de longitudes de onda 360 y 440 nm y el contenido de N en hoja, extraído de Samson et al (2000) al (2000)

El objetivo de desarrollar un fluorímetro portátil es evaluar la posibilidad de determinar eficientemente la fluorescencia de la clorofila utilizando una fuente de luz adecuada y midiendo la señal generada con un radiómetro hiperespectral en el rango de 680 nm y 730 nm, porción correspondiente a la fluorescencia de la clorofila. Se analiza la posibilidad de identificar un índice o relación de bandas que resulte útil para el diagnóstico de la nutrición nitrogenada. Una vez identificadas las bandas de mayor utilidad se puede desarrollar un sensor con las mismas, de costo significativamente menor al que representa un radiómetro y de mayor practicidad para mediciones a campo. Finalmente, a partir del análisis realizado se puede concluir que existen numerosas herramientas y metodologías de aplicación, así como variantes en cuanto al tratamiento de la información disponible para la delimitación de ambientes y su manejo posterior. Se presentaron dos herramientas nuevas sobre las que se está trabajando, que presentan un potencial importante para la delimitación de ambientes, el seguimiento y evaluación de cultivos, las que podrán ser incorporadas en el futuro para la toma de decisiones en los sistemas productivos que implementan tecnologías de agricultura de precisión. Agradecimientos Los actividades mencionadas son realizadas con fondos del Proyecto Específico Desarrollo y Aplicación de la Tecnología de Agricultura de Precisión para el Manejo de Cultivos AEAI3722, Proyecto Específico Desarrollo Metodológico y aplicaciones de Sensores Remotos a la Producción Agropecuaria y Forestal AERN4642, Proyecto Específico Geomática Aplicada AERN4, de INTA

Referencias Bhatti, A.U., Mulla, D.J. and B.E. Frazier. 1991. Estimation of soil properties and wheat yields on complex eroded hills using geostatistics and Thematic Mapper images. Remote Sensing of Environment. 37: 181–191. Buschmann, C. and Lichtenthaler, H.K. 1988. Reflectance and chlorophyll fluorescence signatures of leaves. In Applications of Chlorophyll Fluorescence (H. K. Lichtenthaler, Ed.), Kluwer Academic, Dordrecht, p. 325–332. 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

48

Corp, L.A.; McMurtrey, J.E.; Chappelle, E.W.; Daughtry, C.S.T. and M.S. Kim. 1997. UV band fluorescence (in vivo) and its applications to the remote assessment of N fertilization level. Remote Sensing of Environment. 61: 110– 117. Demming-Adams, B. and W.W. Adam III. 1992. Photoprotection and other responses of plants to high light stress. Annual Review of Plant Physiology and Plant Molecular Biology. 43:599-626 Doerge, T. A, 1999. Management zone concepts. SSMG-2. In: Information Agriculture Conference, August 9-11, 1999, Stewart Center, Purdue, IN. Esposito, M.; Magliulo, V.; Colin, J. and M. Menenti. 2006. Mapping heat flux densities at high spatial resolution with the multispectral image data and using the Multi Scale Energy Balance System. Open Science Conference on the GHG Cycle in the Northern Hemisphere Sissi-Lassithi, Crete, CarboEurope-IP Meeting . Evans, J. 1989. Partitioning of Nitrogen Between and Within Leaves Grown under Different Irradiances. Australian Journal of Plant Physiology. 16: 533-48 Fleming, K.L; Westfall, D.G.; Wiens, D.W.; and D.C. Brodahl. 2000. Evaluating Farmer Defined Management Zone Maps for Variable Rate Fertilizer Application. Precision Agricultur. 2: 201-215. Flowers, M.; Weisz, R. and J. G. White. 2005. Yield-Based Management Zones and Grid Sampling Strategies: Describing Soil Test and Nutrient Variability. Agronomy Journal. 97:968–982 Franzen, D.W.; Halvorson, A.D.; Krupinsky, J.; Hofman, V.L. and L.J. Cihacek. 1998. Directed sampling using topography as a logical basis. In Proc of the 4th International Conference on Precision Agriculture and Other Resource Management. ASA/CSSA/SSSA, Madison, WI, USA. Franzen, D.W. and T.N. Nanna. 2002. Management zone delineation methods. In: Proc of the 6th International Conference on Precision Agriculture and Other Resource Management. ASA/CSSA/SSSA, Madison, WI, USA. Fridgen, J.J.; Kitchen, N.R.; Sudduth, K.A.; Drummond, S.T.; Wiebold, W.J. and C.W. Fraisse. 2004. Management Zone Analyst (MZA): Software for Subfield Management Zone Delineation. Agronomy Journal. 96:100–108. Gitelson, A.; Buschmanm, C. and H. Lichtenhaler. 1999. The Chlorophyll fluorescence Ratio F735/F700 as an accurate measure of the chlorophyll content in plants. Remote Sensing of Environment. 69:296–302 Hornung, A.; Khosla, R.; Reich, R. and D.G. Westfall. 2003. Evaluation of site-specific management zones: grain yield and nitrogen use efficiency. In: Proc of the Fourth European Conference on Precision Agriculture, Wageningen, The Netherlands. Jaynes, D.B.; Colvin, T.S. and J. Ambuel. 1994. Yield mapping by electromagnetic induction. In: Site-specific management for agricultural systems. Proc. Minn, MN, 27-30 Mar. ASA/CSSA/SSSA, Madison, WI, USA. U SA. Jaynes, D.B.; Colvin, T.S. and T.C. Kaspar. 2005. Identifying potential soybean management zones from multi-year yield data. Computers and Electronics in Agriculture 46:309–327 Johnson, C.K.; Mortensen, D.A.; Wienhold, B.J.; Shanahan, J.F. and J.W. Doran. 2003. Site-Specific Management Zones Based on Soil Electrical Conductivity in a Semiarid Semiarid Cropping System. Agronomy Journal. Journal. 95:303–315 Jones, A. J.; Mielke, L. N.; Bartles, C. A. and C. A. Miller, 1989. Relationship of landscape position and properties to crop production. Journal of Soil and Waer Conservation. 44: 328-332. Kemerer, A. 2003. La utilización de imágenes satelitales en Agricultura de Precisión como herramienta para delimitar zonas de manejo uniforme. Tesis de grado. Facultad de Agronomía, Universidad Nacional de Entre Ríos Kitchen, N.R.; Sudduth, K.A.; Myers, D.B.; Drummond, S.T. and S.Y. Hong. 2005. Delineating productivity zones on claypan soil fields using apparent soil


49

electrical conductivity. Computers and Electronics in Agriculture. Agriculture. 46 (1-3):285(1-3):285308. Ortega, R. A and O. A. Santibañez. 2007. Determination of management zones in corn (Zea mays L.) based on soil fertility. Computers and Electronics in Agriculture 58: 49–59. Pierce F. J., and P. Nowak, 1999. Aspects of precision agriculture. In: D. Spark (Ed) Advance in Agronomy 67, Academic Press. P 1-85. Layrol, L.; Hedoin, E.; Lepoutre, D. and O. François. 2000. Matching multitemporal yield and images data. In: Proc. 5th International Conference on Precision Agriculture. Precision Agriculture Center, ASA, CSSA and SSSA, MN. Luchiari, A. Jr.; Shanahan, J.; Francis, D.; Schlemmer, M.; Schepers, J.; Liebig, M.; Schepers, A. and S. Payton, 2000. Stategies for establishing management zones for site specific nutrient management. In: Proc. 5th International Conference on Precision Agriculture. Precision Agriculture Center, ASA, CSSA and SSSA, MN. Moya, I.; Camenen, L.; Evain, S.; Goulas, Y.; Cerovic, Z.G.; Latouche, G.; Flexas, J. and, A. Ounis. 2004. A new instrument for passive remote sensing 1. Measurements of sunlight-induced chlorophyll fluorescence. Remote Sensing of Environment. 91:186–197. Mulla, D.J., 1991. Using geostatistics and GIS to manage spatial patterns in soil fertility. In: Kranzler, G. (Ed.), Automated Agriculture for the 21st Century. ASAE, St. Joseph, MI, USA. Mulla, D.J., and A.U. Bhatti. 1997. An evaluation of indicator properties affecting spatial patterns in N and P requirements for winter wheat yield. In: 1st European Conference of Precision Agriculture, Warwick Univ., UK. UK. Bios Scientific Publ. Oxford, Herndon, VA. Rydberg, A. and M. Söderström. 2000. Potential crop growth assessment from remotely sensed images compared to ordinary yield maps. In: Proc. 5th International Conference on Precision Agriculture. Precision Agriculture Center, ASA, CSSA and SSSA, MN. Samson, G.; Tremblay, N.; Dudelzak, A.E.; Babichenko, S.M.; Dextraze, L. and J. Wollring. 2000. Nutrient stress of corn plants: early detection and discrimination using a compact multiwavelength fluorescent LIDAR. In: Proc. 20th EARSeL Symposium, Dresden, Germany. Schepers, J.S., M.R. Schlemmer, and R. B. Fergunson. 2000. Site-specific considerations for managing phosphorus. Journal of Environment. Quality. 29:125-130. Sudduth, K.A.; Drummond, S.T.; Birrell S.J. and N.R. Kitchen, 1997. Spatial modeling of crop yield using soil and topographic data. In: Proc. 1st European Conference on Precision Agriculture. Vol 1. Warwick University Conference Centre, United Kigdom. Taylor, J.C.; Wood, G.A; R. Earl and R.J. Godwin. 2003. Soil factors and their influence on within-yield crop variability. Part II: Spatial Analysis and Determination of Management Zones Biosystems Engineering. 84 (4): 441–453 Whelan, B.M.; Cupitt, J.; McBratney, A.B. 2002. Practical definition and interpretation of potential management zones in Australian dryland cropping. In: Proceedings of the 6th International Conference on Precision Agriculture and Other Resource Management. Madison, WI, USA.


50

ENFOQUES DEL MANEJO SITIO ESPECÍFICO DE FÓSFORO EN MAÍZ Y SOJA: COMPARACIÓN DE APLICACIÓN VARIABLE VS. UNIFORME Dr. Manuel Bermúdez

Consultor Privado [email protected]

Introducción Un programa efectivo de manejo de fósforo (P) para cultivos requiere de una estimación creíble del P disponible para la planta en el suelo. El análisis de suelo es la herramienta más común para determinar los requerimientos de fósforo para maíz y soja. Los niveles de P en el suelo, la remoción de P en el grano a la cosecha y la necesidad de reponer este nutriente al suelo a través de fertilizaciones no son uniformes para un mismo lote. Tradicionalmente, la aplicación de P se realizaba con una dosis única y uniforme en todo el lote. Considerando la muy alta variabilidad de P que se puede encontrar en la mayoría de los lotes, las aplicaciones uniformes pueden tender a sobre-fertilizar algunas áreas y sub-fertilizar otras. La agricultura de precisión y el manejo de sitio específico proveen una oportunidad para mejorar el manejo de P en la agricultura. La agricultura de precisión envuelve un amplio espectro de tecnologías, conceptos y prácticas de manejo. Sistemas de posicionamiento global (GPS), tecnología de aplicación variable (VRT) y sistemas de información geográfica (GIS) permiten obtener una identificación más precisa de los niveles de nutrientes en el suelo y ajustar las dosis de fertilizantes dentro del lote. Más aún, el desarrollo de tecnologías de aplicación variable permite ir cambiando las dosis de fertilizante a medida que la fertilizadora avanza y a su vez realizar un mejor control de las dosis aplicadas en determinadas áreas un lote. En teoría, esta tecnología podría mejorar tanto la eficiencia en el uso del fertilizante como también la rentabilidad del productor. Ahora bien, una de las tareas más difíciles de un productor o técnico es la de obtener una estimación correcta del nivel de fertilidad del suelo de un lote. El éxito del uso de la agricultura de precisión se basa en la habilidad del muestreo de suelos de identificar áreas dentro de un lote que tengan probabilidad de repuesta a la aplicación de fertilizante y áreas que no tengan respuesta. Además, el muestreo debe también considerar la relación costo-beneficio cuando se trata de describir la variabilidad del análisis de suelo dentro de un mismo lote. Las investigaciones en USA han demostrado que el muestreo en grilla, si bien describe muy bien parte de la variabilidad del lote, requiere mucho tiempo y es muy caro. En contrapartida, varios investigadores han propuesto el muestreo por zonas basado en propiedades del suelo que son más estables en el tiempo con el único objetivo de reducir el costo de muestreo. Mientras se han propuesto varias alternativas de muestreo, el desafío radica en poder testear estos muestreos en términos de respuesta en rendimiento a la aplicación del fertilizante. El objetivo de esta presentación es brindar una recopilación de las principales alternativas de muestreo de suelos para P y a su vez evaluar su eficacia en respuesta a la aplicación variable y uniforme de P para maíz y soja. Variabilidad espacial y temporal de P en el suelo Un concepto básico de la agricultura de precisión es que la descripción apropiada, el registro de datos y también el entendimiento de la variabilidad espacial y temporal permiten el manejo preciso de entradas de insumos al sistema. El manejo del P y la variabilidad del nivel del P en el suelo fueron el enfoque temprano de la agricultura de 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

51

precisión ya que el uso del análisis de suelo para P ha sido ampliamente adoptado por productores de USA, puede ser usado en diferentes escalas y es fácilmente adaptado al manejo sitio específico. Las propiedades físicas y químicas del suelo pueden producir variabilidad tanto en rendimiento como en el P disponible para la planta afectando la cantidad total de P en el suelo, la fracción de P disponible para el cultivo y las posibles pérdidas desde la zona de raíces (Mulla y Schepers, 1997). La variabilidad en las propiedades del suelo puede ocurrir en varias escalas, desde decímetros a escalas regionales. Los técnicos están interesados especialmente en la variabilidad de nutrientes dentro de un mismo campo. La variabilidad del suelo emerge naturalmente a través de interacciones complejas entre factores naturales y de manejo (Bouma y Finke, 1993). Los factores naturales incluyen aquellos involucrados en la formación del suelo como ser tiempo, material parental, topografía, clima y actividad de organismos. Prácticas de manejo como arado, fertilización, aplicación de efluentes, y otros pueden afectar intensamente los patrones de variabilidad de las propiedades físicas y químicas del suelo. La variabilidad espacial-temporal de las propiedades del suelo pueden ser relativamente estáticas (por ej. textura, materia orgánica y los nutrientes mas inmóviles) o muy dinámicas (por ej. humedad, temperatura y nutrientes móviles) (Bouma y Finke, 1993). Por lo tanto, los patrones de variabilidad espacial y temporal, y el método más apropiado para evaluar y manejar la variabilidad difieren considerablemente para diferentes propiedades del suelo. Muchos estudios se hicieron en distintos países para describir la variabilidad del nivel de P en el suelo y su relación con otras propiedades del suelo. Estos estudios han demostrado, como era de esperar, que las relaciones entre el nivel de P en el suelo o rendimiento y otras propiedades del suelo varían de campo en campo. Se sabe que muchas propiedades del suelo influencian directa o indirectamente ya sea la concentración total de P en el suelo o el P disponible en plantas en los primeros centímetros del suelo, pero los responsables de la variación del nivel de P en el suelo en un campo en particular varían considerablemente a través de las regiones. La variabilidad del nivel de P en el suelo dentro de un campo ha sido asociada principalmente a variaciones en la textura del suelo, pH, contenido de Ca o CaCO3 y materia orgánica. Interrelaciones complejas entre el nivel de P en el suelo, estas propiedades del suelo y otras han sido investigadas pero en general no pueden ser explicadas fácilmente y probablemente resultan de la influencia de variables no medidas. Sin embargo, una conclusión general de todos los estudios es que se necesita una consideración de la variación de las propiedades del suelo para comprender la variabilidad del nivel de P en el suelo a través de un campo. La variabilidad del nivel de P en el suelo puede ser muy alta aún dentro de campos que parecen ser uniformes en otras propiedades del suelo, y tiende a ser todavía más alta en campos con varios años de cultivos y fertilización. También se observa una alta variabilidad de P en el suelo en pasturas que han sido fertilizadas y pastoreadas. Como conclusión se dice que la estructura espacial del análisis de suelo es específica para cada lote y para cada nutriente en estudio. Métodos de muestreo de suelos para P en agricultura de precisión Se pueden utilizar diferentes esquemas de muestreo de suelos para colectar las muestras de P de un lote. En USA el reconocimiento de una alta variabilidad en los niveles de análisis de P en el suelo no asociado con los tipos de suelos o topografía llevó al uso del muestreo en grilla para caracterizar esta variabilidad (Franzen y Peck, 1995; Wollenhaupt y col., 1994). La intensidad de muestreo en grilla requerida para una prescripción efectiva con dosis variable es diferente para cada nutriente, lote o región geográfica. Pero queda claro que si el muestreo de P se realiza con grillas muy


52

grandes se pueden encontrar bajas correlaciones cuando los resultados se comparan con muestreos en grilla de menor tamaño. Como resultado, las interpolaciones que se realizan para lograr mapas de prescripción de P pueden resultar inadecuadas dando lugar a recomendaciones de fertilidad erróneas. A modo de ejemplo, en Iowa, USA, tamaños de celda de 1 ha es lo que comúnmente se utiliza para muestreos de suelo donde quieren utilizarse dosis variable de P. En contraste al muestreo en grilla, muchos investigadores empezaron a proponer el muestreo por zonas para reducir el número y costo de muestreo, siempre y cuando se mantenga información aceptable acerca de la variabilidad del nutriente en el lote. Franzen y Nanna (2002) justifican el muestreo por zona si se asume que hay una razón lógica para seguir un patrón en que los nutrientes se encuentran en el lote y que este patrón permanezca estable por un período de tiempo. Si se dan estas características, la determinación de zonas de muestreo puede variar enormemente dependiendo de los criterios, atributos o combinación de atributos que cada técnico o productor quiera utilizar. Una de las técnicas más antiguas de muestreo de suelos por zonas es siguiendo el mapa de tipo de suelo que en USA describe la variabilidad del suelo en una escala que va de 1:12000 a 1:24000. Una técnica más reciente de muestreo por zonas es a través de la medición de la conductividad eléctrica (EC) del suelo. La información que se obtiene es estable, se mantiene de forma temporaria y sirve para encontrar diferentes patrones de variabilidad en el suelo (Fraisse y col., 2001). Esta técnica está ganando mucha popularidad para delinear zonas de muestreo. El uso de mapas de rendimiento de un lote es otra técnica que se está utilizando para delinear zonas de muestreo. Con esta técnica se requieren varios años de mapas de rendimiento del mismo lote para poder determinar en forma certera patrones de variabilidad en rendimiento dentro del mismo lote. En un estudio de Boydell y McBratney (2002) se concluyó que para lograr una zona con un patrón de rendimiento estable se necesitan por lo menos cinco años de mapas de rendimiento. Hay varias otras aproximaciones utilizadas para delinear potenciales zonas de muestreo y también utilizadas por productores. Algunas de ellas integran uso de sensores remotos, topografía y conductividad eléctrica; cokriging basado en sensores remotos; topografía, sensores remotos y experiencia del productor; color del suelo, EC y experiencia del productor; y una integración de mapa de suelo, elevación, zonas de rendimiento y fotografías aéreas. Resumiendo, el muestreo en grilla y el muestreo por tipo de suelo y topografía son las metodologías de muestreo más antiguas y más usadas en USA para determinar P en el suelo. El muestreo por zonas basadas en la interpretación de varias capas de información se ha empezado a usar y recomendar en la agricultura de USA a fin de encontrar un equilibrio razonable en el costo-beneficio del muestreo. No obstante, la efectividad de estos muestreos sigue siendo incierta y no existe un único método de muestreo que sea superior a otro para describir la variabilidad de P en el suelo de una forma costo-efectiva a través de todas las condiciones. Para estudiar el problema, Sawchik y col. (2002) utilizaron en Iowa 4 lotes en rotación maíz-soja para comparar comparar 5 tipos de muestreos de suelo. Estudiaron la variabilidad de P en el suelo dentro y entre zonas de muestreo y la respuesta en rendimiento a la fertilización con P (Tablas 1 y 2). Los esquemas de muestreo fueron: muestreo en grilla superintensivo de 0.1 ha, muestreo en grilla típico de la zona de 1 ha, muestreo por tipo de suelo basado en mapas con escala 1:12000, muestreo basado en mapas de elevación y conductividad eléctrica, y muestreo utilizando acumulación de mapas de rendimiento del lote. Las ventajas de un muestreo sobre otro se evaluaron en base a reducir la variabilidad dentro de una unidad de muestreo comparada con variabilidad entre las unidades de muestreo, y esto varió dependiendo de los lotes. El muestreo en grilla superintensivo presentó una muy alta variabilidad de P a pequeña escala. A su vez, fue el único muestreo en todos los campos que disminuyó la variabilidad dentro de una unidad de muestreo comparada con variabilidad entre las unidades de 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

53

muestreo. Cabe destacar que este muestreo resultó ser el de mayor número de muestras y con un costo muy alto, impracticable para un productor. De las restantes técnicas de muestreo, las realizadas con mapas de rendimiento fueron las que en la mayoría de los campos presentaron una menor variabilidad dentro de una unidad de muestreo comparada con variabilidad entre las unidades de muestreo. Los niveles promedio de P en el suelo para las distintas zonas resultaron muy similares independientemente del tipo de zona y casi siempre quedaron en una misma clase de suelo. Esta es una de las razones por las pocas diferencias encontradas en rendimiento a través de las zonas de cada muestreo (Tabla 2). Cabe destacar que aunque el muestreo en grilla de 1 ha fue mejor en identificar distintas clases de P en el suelo que los muestreos por zona, esto no se vio reflejado en rendimiento cuando se aplicaron las dosis variables para cada clase (Tabla 1). Los autores concluyeron que no hay una única recomendación de muestreo que pueda ser aplicada a todos los lotes porque los niveles de nutriente y la variabilidad es especifica para cada lote. Los resultados de muestreo de suelos en grilla intensivos junto con los estudios de aplicación variable de P sugirieron que la variabilidad encontrada en los lotes debido a largas aplicaciones de fertilizante no pueden ser medidas de forma costo-efectiva. En general, para todos los lotes el muestreo de mejor costo-efecto es aquel en el que se pueden definir áreas de muestreo en base a tipo de suelo, mapas de rendimiento, fotos aéreas y alguna otra información distintiva del lote.

Tabla 1. Incremento en rendimiento para áreas con distintos niveles de P en el suelo muestreados con dos intensidades de grilla (Adaptado de Sawchik y col., 2002).

Bajo (9 - 15ppm) Sitio

1

2

Clase de P en el suelo Optimo (16 Alto (21 - 30ppm) 20ppm) en en Área Área rendim. rendim. (%) (%) (%) (%)

Muy Alto (> 31ppm) en Área rendim. (%) (%)

Técnica de muestreo Grilla de 0.1 ha Grilla de 1 ha

Área (%)

en rendim. (%)†

52

10.6*

30

10.4*

18

15.3

-

-

36

15.8*

64

8.0

-

-

-

-

Grilla de 0.1 ha Grilla de 1 ha

36

1.8

18

3.2

36

1.1

10

2.3

36

1.4

19

1.3

45

0.2

-

-

† Incremento en rendimiento debido a la aplicación de P. * P < 0.05


54

Tabla 2. Nivel de P en el suelo e incremento en rendimiento debido a la aplicación de P para distintas zonas delineadas por tres técnicas de muestreo de suelo (Adaptado de Sawchik y col., 2002).

Número de zona 1

2

en de Nivel Sitio Técnica de P rendim. muestreo (ppm) (%)†

1

2

3

4

Nivel de P (ppm)

en rendim. (%)

Nivel de P (ppm)

en rendim. (%)

Nivel de P (ppm)

en rendim. (%)

Tipo de suelo

15

15.7

16

9.5

17

8.7

-

-

EC y elevación

15

11.3

17

2.4

-

-

-

-

Mapa de rendimiento

15

10.0

15

12.0

16

3.9

17

10.1

Tipo de suelo

18

-2.0

18

3.4

18

1.3

25

1.6

EC y elevación

20

1.6

21

0.6

22

4.2

-

-

Mapa de rendimiento

18

1.0

19

1.8

20

0.5

25

2.1

† Incremento en rendimiento debido a la aplicación de P. * P < 0.05

Tecnología de dosis variables para aplicación de P Como se acaba de discutir, el desafío es identificar áreas dentro de un lote con distintos requerimientos de nutrientes y realizar una fertilización variable con las dosis óptimas, manteniendo bajos los costos de los análisis de suelo. Varios artículos que presentan técnicas de muestreo de suelos han demostrado que en muy pocas excepciones los lotes presentan áreas donde los cultivos requieren la aplicación de P y áreas donde no se requiere fertilizar. Por lo tanto, muy pocos discuten sobre el valor de la tecnología de aplicación variable para mejorar el manejo de P. En la actualidad, la mayoría de las aplicaciones variables comerciales varían las dosis de aplicación de P basadas en un mapa de prescripción desarrollado a partir del análisis de suelo obtenido a través de un muestreo en grilla o por zonas. Una gran cantidad de estudios en USA ha tratado de comparar las diferencias potenciales que podrían darse en la respuesta en rendimiento de un cultivo o cantidad de fertilizante aplicada a través de fertilizaciones con dosis uniforme o variable (Sawyer, 1994; Thompson y Robert, 1995; Penney y col., 1996; Schepers, 2000b). Sin embargo, estos estudios no dejan de ser simulaciones basadas en la variabilidad de P en el suelo y rendimiento del cultivo. En general, la mayoría de ellos muestra un potencial beneficio de la fertilización variable de P pero casi todos coinciden que los mayores beneficios se pueden lograr sólo cuando se utilizan técnicas de muestreo de suelos muy intensivas. Y como se describió previamente, la densidad de muestreo de suelo requerida va mas allá del costo que un productor puede económicamente pagar para cultivos de tipo extensivo. Por ejemplo, Wollenhaupt y col., (1994) mostraron que la VRT puede resultar económicamente efectiva en cereales sólo en aquellos lotes


55

que presenten tipos de suelos que determinen claramente una respuesta contrastante en la fertilización. Por otro lado, Schepers y col., (2000a y 2000b) mostraron el riesgo que se corre en realizar mapas erróneos de P en el suelo cuando se tiende a disminuir la densidad de muestreo. A su vez, Varvel y col. (1999) mostraron que es mucho más certero y económico realizar un muestreo de P por zonas que realizar un muestreo con poca densidad de muestras y sin un patrón en particular. Ensayos a campo que combinan la descripción del análisis de P en el suelo con medidas de respuesta en rendimiento de un cultivo proveen un valor más real de lo que ocurre con la aplicación en dosis variable y uniforme de P. Varios estudios han demostrado que los ensayos a campo a base de franjas largas y angostas se han adaptado muy bien a herramientas de agricultura de precisión como GPS, monitores de rendimiento y tecnología de dosis variable. Los primeros ensayos comparaban dosis múltiples de P aplicadas en franjas y analizaban la respuesta del cultivo de acuerdo al tipo de suelo. Hoy en día, una evaluación más integral del valor de la aplicación variable de P para la agricultura resulta de la comparación de dosis uniforme con dosis variables usando tecnología que ya está disponible para productores. Los ensayos que comparan métodos de aplicación variable y uniforme en el centro-oeste de USA no muestran grandes diferencias, como se esperaba, a favor de la dosis variable. Por ejemplo, Anderson y Bullock (1998) compararon la aplicación variable y uniforme utilizando mezclas de P y K para rotaciones de maíz y soja en seis sitios de Illinois, basándose en un muestreo en grilla de 1 ha. Los resultados indican que no hubo una respuesta a la fertilización, por lo tanto tampoco a los métodos de aplicación, si bien en los sitios había áreas con cierta probabilidad (17-78%) de respuesta a P. En otro ensayo de 12 sitios en Indiana, LowenbergDeBoer y Aghib (1999) compararon la respuesta en rendimiento a la fertilización fosfatada aplicada con una dosis uniforme, una dosis variable basada en muestreo por tipo de suelo, y una dosis variable basada en muestreo por grilla de 1.2 ha. Los niveles de P en el suelo tenían un rango que iba de muy bajo a muy alto, pero cuando se tomaba el promedio de cada lote estaban por encima del nivel óptimo del cultivo. A través de todos los sitios, la cantidad de fertilizante aplicado con la dosis variable fue menor a la aplicada con la uniforme. Sin embargo, el análisis económico mostró que la dosis variable no incrementó las ganancias netas cuando se incluía el costo de la aplicación y el muestreo de suelos. Considerando las tres estrategias seguidas, el análisis de riesgo determinó que el muestreo por tipo de suelo era el de menor riesgo para el productor. Otro ensayo de Bermudez y Mallarino (2007) en Iowa, comparó una dosis uniforme y una variable basada en un muestreo en grilla (0.2 ha) para una rotación de maíz-soja. El objetivo del ensayo fue hacer un seguimiento durante 4 años para poder evaluar la variabilidad de P en el suelo y la respuesta en rendimiento a los métodos de aplicación de P. El P aplicado fue basado en los requerimientos para 2 años de la rotación maíz-soja (se aplicaron 2 veces los tratamientos en 4 años) y se utilizó fosfato diamónico (DAP) como fuente fosforada. La dosis variable se aplicó en base a una interpolación de los valores de P en el suelo y varió de 0 a 70 kg P/ha. La dosis fija se aplicó en base al promedio de P en el suelo de todo el lote y varió de 34 a 70 kg de P/ha de acuerdo a cada sitio. Los resultados promedios de 24 sitios mostraron que hubo una respuesta a la fertilización fosfatada, pero no hubo diferencias entre los métodos de aplicación (Figura 1). En el análisis por sitio, la fertilización variable aumentó el rendimiento en 4 sitios cuando se comparó con la fertilización fija. La falta de respuesta en la mayoría de los sitios a la dosis variable se explicó por la elevada variabilidad en pequeña escala de P en el suelo que no puede ser medida de forma costo-efectiva, y por las recomendaciones de P de Iowa que en áreas con muy bajo nivel de P en el suelo se recomiendan dosis mayores a las necesarias para maximizar rendimiento. Las recomendaciones de P se basan en la filosofía de subir y mantener cuando los niveles de P en el suelo se encuentran por debajo del nivel óptimo.


56

120

) 110 % ( o v i t a 100 l e r o t n e i 90 m i d n e R

* P < P < 0.05

Control (Sin P) Dosis Variable Dosis Uniforme

b

b

b

a

b

a

80

70 Maiz

Soja

Figura 1. Rendimiento relativo de maíz y soja a la aplicación variable y uniforme de P. Promedio de 24 sitios (Adaptado de Bermudez y Mallarino, 2007).

En el mismo estudio, cuando se evaluó la respuesta a través del paisaje, se encontró una diferencia significativa en rendimiento de maíz maíz y soja para los distintos tipos de suelos. También se estudió la respuesta de acuerdo a las clases de suelo, y éstas fueron mayores en aquellos lotes con niveles de P bajos o muy bajos (Figura 2) y rara vez hubo respuesta en áreas con altos niveles de P. No obstante, el análisis de respuesta para áreas del lote con diferentes clases de P prácticamente no mostró diferencias entre los métodos de aplicación para las clases de P bajas o muy bajas. 20 ) % ( z i a m 15 e d o t n e i m 10 i d n e r n e a t s 5 e u p s e R 0

Clases de P Muy Bajo Bajo Optimo Alto

Dosis Uniforme

Dosis Variable

Diferentes clases de P en el suelo Figura 2. Respuesta en rendimiento de maíz a la aplicación uniforme y variable de P para las diferentes clases de P en el suelo (Adaptado de Bermudez y Mallarino, 2007).

La cantidad de P aplicado con la dosis variable fue menor que con la dosis uniforme excepto en 4 sitios (Tabla 3). En general, la dosis variable tendió a disminuir la variabilidad en los niveles de P en el suelo cuando se la comparó con la dosis uniforme. La dosis variable aplicó mayor cantidad de P en áreas con bajos niveles de P y menor cantidad en áreas con altos niveles de P.


57

Tabla 3. Nivel inicial de P en el suelo y diferencia en la cantidad de fertilizante usado entre la dosis variable y la uniforme (Adaptado de Bermudez y Mallarino, 2007).

Nivel inicial de P en el suelo Sitio 1 2 3 4 5 6 7 8 9 10 11 12

Mínimo Medio Máximo Máximo ---------------- ppm ----------------5 9 22 5 10 17 5 11 22 5 12 24 8 15 34 5 16 74 6 16 38 5 17 66 9 18 32 7 21 72 10 21 40 11 24 48

Variable – Uniforme P2O5 usado kg / ha 19 -24 -39 -31 -25 -8 13 -29 80 -11 -58 11

Estos resultados concuerdan con un estudio similar realizado por Wittry y Mallarino (2002) donde compararon la aplicación variable y uniforme de efluente líquido porcino para rotaciones de maíz-soja en 2 campos (6 sitios-años), basados en el nivel de P en el suelo y potencial de rendimiento promedio (con una fertilización uniforme no limitante para maíz). A pesar que el efluente aumentó el rendimiento de maíz y soja en la mayoría de los años (el nivel de P en el suelo de áreas de campos grandes estaba por debajo del óptimo), el método de aplicación variable no incrementó el rendimiento del cultivo en comparación con el método uniforme y aumentó la cantidad total de efluente aplicado. Sin embargo, como demuestran los datos promedio en la Figura 3, la aplicación variable de efluente redujo claramente la variabilidad del nivel de P en el suelo a través del aumento del nivel de P en suelo en áreas de bajo contenido y no aumentando ese nivel en áreas de alto contenido.


58

9 8

) m p 7 p ( o 6 l e u 5 s l e n 4 e P 3 e d l e 2 v i n l 1 e d n 0 ó i c a -1 i r a V -2

Control (Sin efluente)

Nivel de P Muy Bajo

Dosis Uniforme Nivel de P Bajo

Dosis Variable

Nivel de P Alto Nivel de P Optimo

-3

Figura 3. Efecto de los métodos de aplicación uniforme y variable de efluente líquido porcino en el cambio del nivel de P en el suelo después de una cosecha para las distintas clases de P en el suelo (Adaptado de Wittry y Mallarino, 2002).

Conclusiones Una estimación correcta de los niveles y variación de P en el suelo es un factor muy importante a considerar cuando se planea realizar un programa de fertilización con manejo de sitio específico. El muestreo y análisis de suelo tiene un costo muy alto dentro de un programa de fertilización. No obstante, no existe una única recomendación de muestreo que pueda ser aplicada a todos los lotes porque los niveles de nutriente y la variabilidad es específica para cada lote. Muestreos de suelo que no enfatizan la medición en pequeña escala de P pero desarrollan zonas de muestreo basadas en varias capas de información (tipo de suelo, mapas de rendimiento, fotos aéreas o alguna otra información que diferencie un área de otra dentro de un mismo lote) parecen ser más costo-efectivos que muestreos intensivos. Las tecnologías de GPS y aplicación variable permiten una mejor aplicación del fertilizante dentro de un lote. La mayoría de los estudios concuerdan en que la dosis variable disminuye la variabilidad de los niveles de P en el suelo porque más P es aplicado en áreas con bajo niveles de P en el suelo y menos P en áreas con altos niveles de P en el suelo. Los ensayos que comparan aplicaciones de P con dosis uniformes y variables no han demostrado aumentos consistentes en rendimiento a favor de la dosis variable. No obstante, las dosis de fertilizante aplicado tienden a ser menores con la aplicación variable. Dos razones posibles en la inconsistencia de los resultados son las diferentes estrategias utilizadas para muestrear los suelos y las diferentes filosofías de fertilización usadas para cada cultivo. La combinación de un incremento en los costos por el uso de la tecnología de aplicación variable junto a las respuestas inciertas en rendimiento, en comparación a los tradicionales métodos de dosis única e uniforme, proporciona muy poco incentivo en la adopción de muestreos de suelo intensivos junto al uso de aplicación variable.


59

Referencias Anderson, L.L., y D.G. Bullock. 1998. Variable rate fertilizer application for corn and soybean. J.Plant Nutr. 21:1355–1361. Bermudez, M., y A. P. Mallarino. 2007. Impacts of variable-rate phosphorus fertilization based on dense grid soil sampling on soil-test phosphorus and grain yield of corn and soybean. Agron. J. 99:822-832. Bouma, J., y P.A. Finke. 1993. Origin and nature of soil resource variability. p. 3–13. In P.C. Robert et al. (ed.) Proc. Soil specific crop management: A workshop on research and development issues, Minneapolis, MN. 14–16 Apr. 1992. ASA, CSSA, and SSSA. Madison, WI. Boydell, B., y A.B. McBratney. 2002. Identifying potential within-field management zones from cotton yield estimates. Precision Agric. 3:9–23. Fraisse, C.W., K.A. Sudduth, y N.R. Kitchen. 2001. Delineation of site-specific management zones by unsupervised classification of topographic attributes and soil electrical conductivity. Trans. ASAE. 44:155–166. Franzen, W.D., y T.R. Peck. 1995. Field soil sampling density for variable rate fertilization. J. Prod. Agric. 8:568–574. Franzen, D.W., y T.N. Nanna. 2002. Management zone delineation methods. In P.C. Robert et al. (ed.). Proc. 6th Int. Conf. on Precision Agric. CD-ROM. ASA, CSSA, and SSSA, Madison, WI. Lowenberg-DeBoer, J., y A. Aghib. 1999. Average returns and risk characteristics of site-specific P and K management: Eastern Corn Belt on-farm trial results. J. Prod. Agric. 12:276–282. Mulla, D.J., y J.S. Schepers. 1997. Key processes and properties for site-specific soil and crop management. p. 1–18. In F.J. Pierce, and E.J. Sadler (ed.) The state of sitespecific management for agriculture. ASA, CSSA, and SSSA, Madison, WI. Penney, D.C., S.C. Nolan, R.C. McKenzie, T.W. Goddard, y L. Kryzanowski. 1996. Yield and nutrient mapping for site specific fertilizer management. Commun. Soil Sci. Plant Anal. 27:1265–1279. Sawchik, J., A.P. Mallarino, M. Bermudez, y D.J. Wittry. 2002. Relating soil tests and within-field yield response to P and K using various sampling strategies. In 2002 annual meeting abstracts [CD-ROM]. ASA, CSSA , and SSSA, Madison, WI. Sawyer, J.E. 1994. Concepts of variable rate technology with considerations for fertilizer application. J. Prod. Agric. 7:195–201. Schepers, J.S., M.R. Schlemmer, y R.B. Ferguson. 2000b. Site-specific considerations for managing phosphorus. J. Environ. Qual. 29:125–130. Schepers, J.S., J.F. Shanahan, y A. Luchiari, Jr. 2000a. Precision agriculture as a tool for sustainability. p. 129–135. In E. Balazs et al. (ed.) Biological resource management. Connecting science and policy. Springer, Paris.


60

Thompson, W.H., y P.C. Robert. 1995. Evaluation of mapping strategies for variable rate applications. p. 303–323. In P.C. Robert et al. (ed.) Proc. 2nd Int. Conf. on SiteSpecific Manage. For Agric. Systems, Bloomington/Minneapolis, MN. 27–30 Mar. 1994. ASA, CSSA, and SSSA, Madison, WI. Varvel, G.E., M.R. Schlemmer, y J.S. Schepers. 1999. Relationship between spectral data from an aerial image and soil organic matter and phosphorus levels. Precision Agric. 1:291–300. Wittry, D.J., y A.P. Mallarino. 2002. Use of variable-rate technology for agronomic and environmental phosphorus-based liquid swine manure management. In P.C. Robert et al. (ed.) Proc. 6th Int. Conf. on Precision Agric. CD-ROM. ASA, CSSA, and SSSA, Madison, WI. Wollenhaupt, N.C., R.P. Wolkowski, y M.K. Clayton. 1994. Mapping soil test phosphorus and potassium for variable-rate fertilizer application. J. Prod. Agric. 7:441–448.


61

HERRAMIENTAS HERRAMIENTAS PARA EL MANEJO SITIO ESPECÍFICO DE CULTIVOS 1. Rodrigo Ortega Blu

Ing. Agrónomo, MS, PhD Investigador Universidad Técnica Federico Santa María, Chile. Director de I&D NeoAg Ltda., Chile. [email protected],, [email protected] [email protected]

Introducción En términos simples la agricultura de precisión podría definirse como la aplicación de manejos agronómicos adecuados en el tiempo y lugar indicados, con la ayuda de herramientas basadas en las llamadas tecnologías de información y comunicación (TICs). Existen numerosas herramientas de hardware, software y análisis de datos que permiten definir manejos diferenciales o sitio específicos, entre estos últimos se pueden mencionar, siembra, fertilización, aplicación de agroquímicos, riego e incluso cosecha. El presente trabajo discute algunas herramientas disponibles para el manejo sitioespecífico de cultivos, incluyendo hardware, software y procesos estadísticos. El trabajo enfatiza aplicaciones reales en Chile como asimismo el manejo de los datos para convertirlos en información útil que permita la adecuada toma de decisiones. Manejo sitio específico El manejo sitio-específico se refiere a la aplicación de manejos diferenciales dentro del área de interés, de acuerdo a un conjunto de características particulares de cada sector dentro del área bajo consideración. El manejo sitio-específico puede realizarse a distintos niveles de detalle y puede considerar grandes áreas geográficas, nivel predial, nivel de campos (potreros) o cuarteles o bien sectores dentro del campo o cuartel (Figura 1). A nivel de campo o cuartel, el manejo sitio-específico puede realizarse utilizando dos aproximaciones: la primera en base al muestreo y mapeo de variables de interés, para luego construir un mapa de prescripción y la segunda a partir de sensores de suelo o vegetación que permiten tomar una acción de manejo al instante, tal como aplicar o no aplicar, variar la dosis, variar el volumen de aplicación, etc. Entre los manejos diferenciales más comunes pueden mencionarse plantación o siembra, fertilización, aplicación de agroquímicos, riego y cosecha. En cada caso, se requieren distintas herramientas y procesos.

Figura 1. Niveles de manejo sitio específico.

1

Trabajo presentado en el 7º Curso Internacional de Agricultura de Precisión y Máquinas Precisas. 17, 18 y 19 de Julio de 2007, EEA INTA MANFREDI. 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

62

Herramientas para el manejo diferencial en base a mapas A continuación se describen brevemente algunas herramientas para la aplicación de manejos diferenciales seleccionados. Plantación Una verdadera agricultura de precisión parte con una adecuada planificación de la plantación. En esta etapa es esencial identificar el o los factores de suelo que potencialmente puedan limitar el adecuado desarrollo radicular de los árboles o que puedan afectar el posterior manejo de factores claves como el riego, la fertilización o incluso el control de malezas. Para ello se utilizan distintas herramientas con mayor o menor éxito. Una de las más utilizadas es el mapeo del suelo la conductividad eléctrica del suelo (CEa) utilizando inducción electromagnética. Dos son los instrumentos más conocidos para este efecto: el EM-38 (Geonics, 2007) y el Veris Soil EC Mapping Systems (Veris Technology, 2007). Ambos equipos han demostrado un buen funcionamiento para la evaluación de problemas de salinidad, sin embargo, su correlación con otras propiedades de suelo de importancia agronómica, tal como textura, ha sido errática, por lo que su uso sólo se recomienda como variable auxiliar o como técnica de estratificación del muestreo (Tabla 1). Tabla 1. Varianza relativa 1 para la zonificación en tres sectores en base a ECa.

1

Sitio 1 (Franco arenoso) Sitio 2 (Franco arenoso) 2

Arena 0,10 -0,01

Limo 0,07 -0,03

Arcilla 0,06 0,066

La varianza relativa es similar al R ; a mayor valor mejor relación entre ECa y la variable de interés.

La otra técnica de mapeo de suelos es a través del estudio de calicatas georeferenciadas, distribuidas en terreno con un diseño sistemático, con una intensidad de muestreo variable que permita alcanzar un número de observaciones cercano a 100, de manera de asegurar dependencia espacial, para la adecuada interpolación de las variables de interés vía kriging u otro método robusto de interpolación. La idea es identificar en cada caso los factores limitantes para el desarrollo radicular (profundidad, presencia de estratas compactadas, nivel freático alto, etc.), además de otras propiedades físicas y químicas, los cuales son posteriormente mapeados. A partir de ellos es posible definir zonas de manejo homogéneo (ZMH) las cuales tendrán un tratamiento diferencial en términos de manejo, que puede incluir aspectos tales como subsolado, riego, drenaje, fertilización y combinaciones patrón/injerto, entre otros (Figura 3). En el caso de cultivos extensivos es posible seleccionar la variedad o híbrido o variar la dosis de semilla en función de la calidad del suelo.

Figura 2. Calicatas georeferenciadas.


63

Aplicación de enmiendas y fertilización Esta es una de las áreas de mayor desarrollo a nivel mundial. Consiste en la aplicación variable de enmiendas (cal, yeso, azufre, etc.) o fertilizantes, en base a un mapa de prescripción. En el caso del nitrógeno es posible realizar una aplicación variable a través de sensores activos o pasivos que estiman la biomasa (aérea) del cultivo y a partir de esta información permite la aplicación variable en tiempo real. Para otros nutrientes tales como fósforo o potasio, existen algunos sensores en desarrollo en base Espectroscopía de Reflectancia en el Infrarrojo (NIRS), los que podrían estar disponibles a nivel comercial en el mediano plazo (Maleki et al., 2007). El procedimiento para la aplicación de enmiendas es bastante sencillo: en base a un muestreo georeferenciado, o bien estratificado a partir de una variable auxiliar, se procede a medir la variable de interés (pH, sodio, etc). A partir de esta información se crean mapas de evaluación y prescripción. Este último se ingresa al sistema de control de aplicación variable. Es posible obtener mapas de aplicación, los que, cuando ésta es bien realizada, debieran ser similares a los de prescripción. En el caso de la fertilización, particularmente nitrogenada, la tarea es mucho más difícil, ya que no necesariamente debiera aplicarse más fertilizante donde el suelo es menos fértil. Muchas veces no existe relación entre el nivel de fertilidad del suelo y el rendimiento; es más, en muchos casos, de existir una relación, ésta es absolutamente inversa, es decir, los mayores rendimientos se logran en aquellos lugares de menor fertilidad y viceversa. En suelos con pendiente, donde existen posiciones topográficas definidas, es posible encontrar una relación directa entre fertilidad y rendimiento. El mejor criterio para definir las dosis de aplicación en cada lugar del campo es el potencial de rendimiento del mismo. Sectores de mayor potencial debieran recibir mayores dosis de fertilización y viceversa. La utilización de mapas de rendimiento histórico es una excelente herramienta para definir lugares de alto, medio y bajo potencial de rendimiento. Otra herramienta posible de usar es la teledetección; a través de imágenes multiespectrales es posible definir áreas de mayor o menor biomasa aérea, que particularmente en el caso de cultivos anuales está directamente relacionada con el rendimiento de grano. Cabe señalar que los lugares de bajo potencial de rendimiento deben ser clasificados como tales, solo una vez que se determine que el factor limitante del rendimiento no puede ser mejorado (ej. profundidad de suelo); un área del campo podría pasar de bajo a medio o de medio a alto potencial de rendimiento si se corrige el factor limitante. En la mayoría de los casos, el factor limitante no es la fertilidad del suelo sino que corresponde a factores físicos (compactación, profundidad de suelo, drenaje, etc.). La definición de zonas de manejo homogéneo (ZMH) para fertilización normalmente es un problema multivariado; cada lugar del campo tiene un conjunto de características (variables) únicas que lo hacen distinto a las demás áreas del mismo. Es posible simplificar el problema zonificando en base a una sola variable (univariado) tal como rendimiento que, bajo un manejo constante, normalmente integra todas las características físico-químicas y biológicas del suelo. En este caso, bastaría dividir el rendimiento en clases, normalmente tres (alto, medio y bajo) y realizar una prescripción en base a ellas. Una aproximación más compleja es aquella que mezcla todas las variables medidas (propiedades físico-químicas) para definir ZMH; lo importante en este caso es que efectivamente estas propiedades determinen de alguna forma los rendimientos, cosa que no siempre ocurre. Una tercera aproximación es la mezcla de mapas de rendimiento con mapas de propiedades físico-químicas del suelo u otras capas de información. En cualquier caso multivariado deben contestarse las siguientes preguntas: 1) ¿que capas (mapas) de información se deben incluir para la definición de ZMH? y 2) ¿como se mezclan dichos mapas?. Existen algunas herramientas estadísticas para contestar la primera pregunta; el uso de técnicas tales como análisis de componentes o factores principales permiten determinar que variables pesan más en términos de diferenciar sectores dentro del campo; 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

64

lamentablemente estas técnicas requieren software específico. Sin embargo, existe una técnica sencilla, basada en el coeficiente de variación (CV) de cada variable que permite determinar los pesos de cada una de ellas (Ortega y Santibáñez, 2007); estos cálculos pueden hacerse en Excel sin mayores complicaciones complicaciones (Ecuación 1). wi =

CV i

∑ CV

[Ecuación 1]

i

donde: w i i = peso de la variable i CV i i = coeficiente de variación de la variable i Para contestar la segunda pregunta, es posible utilizar dos grupos de técnicas: unas que agrupan los sectores de características similares y otras que separan los sectores de acuerdo a las propiedades más relevantes; dentro de las primeras el uso de análisis de cluster con todas sus variantes, es el más utilizado; dentro de las segundas, el análisis de componentes principales o bien la técnica del coeficiente de variación pueden ser utilizados. En este caso se estima un índice que mezcla todas las capas de información de manera lineal (Ecuación 2), otorgándole pesos distintos a cada capa (variable) (Ecuación 1). SI z =

∑w

i

• SV i z

[Ecuación 2]

SI z z = índice en la posición z dentro del campo. w i i = peso de la variable estandarizada SV iz iz en la posición z dentro del campo.

Estudios realizados en Chile por Ortega y Santibáñez (2007) han demostrado que todas las técnicas para combinar las capas de información funcionan de manera similar y que lo más importante es incluir en la zonificación, aquellas variables que expliquen las variaciones en rendimiento. Cosecha La cosecha diferencial es una práctica que tiene importantes retornos económicos cuando la industria paga por calidad. Así por ejemplo, si existe un diferencial importante de precios según el contenido de proteína del grano, es rentable identificar aquellos sectores dentro del campo que presentan un mayor o menor (para el caso de cebada) contenido proteico y cosecharlos separadamente. El caso más notable de cosecha diferencial se da en la industria del vino, donde la calidad de la uva determina el tipo de vino a producir. Así, las uvas de mejor calidad pueden dar origen a vinos de reserva, de alto valor de mercado, mientras las de menor calidad se destinan a la producción de vinos varietales. Existen varias herramientas para definir zonas de calidad, algunas directas y otras indirectas. En el caso de los granos, el uso de NIRS en tiempo real a través de un monitor de proteína permite la cosecha diferencial de granos. Otra alternativa es realizar un muestreo intensivo georeferenciado del campo previo a cosecha, analizar el contenido de proteína a través de un instrumento portátil (NIRS), mapear los datos y definir zonas de cosecha diferencial. En el caso de frutales y vides, es posible muestrear y mapear el contenido de sólidos solubles utilizando refractómetros digitales, además de otros parámetros de calidad del fruto tales como contenido de fenoles, antocianinas y clorofila, a través de instrumentos portátiles especializados. En relación a las técnicas indirectas, en el caso de uva vinífera, las más comunes se basan en la captura de imágenes multiespectrales de alta resolución espacial, a partir


65

de sensores montados en plataformas aéreas y satelitales. A partir de estas imágenes se calculan índices de vegetación (GVI, DDVI, PCD, etc.) utilizando normalmente los valores de reflectancia en las bandas roja e infrarroja; en general, estos índices se relacionan directamente con la biomasa aérea del viñedo e inversamente con la calidad representada por variables tales como contenido de azúcar, fenoles o antocianinas (Figura 3). A partir de la clasificación de los índices de vegetación, se definen sectores de alto, medio y bajo vigor, los cuales se cosechan separadamente. Existen diferencias en los algoritmos utilizados para calcular los distintos índices, particularmente en términos de la remoción de los efectos atmosféricos, de suelo, etc. En Chile, el uso del índice calibrado GVI ha mostrado mejores resultados que el NDVI común (Ortega y Esser, 2005). Por otra parte, recientemente se ha estado utilizando con mucho éxito el índice denominado PCD (plant cell density ) basado en el sensor Australiano Specterra. La utilización de índices calibrados tales como GVI, permite el desarrollo de modelos para predecir anticipadamente el rendimiento y calidad de cultivos como tomate, los que permiten mejorar los procesos logísticos de empresas agroindustriales (Ortega et al., 2007). 1200

0,70 y = 0,0177x - 0,1732 R2 = 0,9782

0,60

y = -6,231x + 1046,6 R2 = 0,9799

1000

) 1 l 0,50 p g k ( 0,40 a d o p 0,30 e d o s 0,20 e P

) 1 -

L g 800 m ( s a n 600 i n a i c o t 400 n A

A

B

200

0,10 0,00

0 20

25

30

35

40

GVI

45

50

0

10

20

30

40

50

GVI

Figura 3. Relación entre GVI y A) biomasa aérea (peso de poda) y B) calidad (antocianinas) en uva vinífera Cabernet Sauvignon.

Aplicación de agroquímicos A partir de distintas metodologías es posible aplicar volúmenes de mojamiento variable a árboles y viñedos. Dicha aplicación variable puede hacerse a través de mapas de prescripción o sensores que estimen el volumen de los árboles en tiempo real. Un reciente estudio realizado en Chile en viñedos (Ascencio, 2006), determinó que la aplicación variable de plaguicidas en base a un mapa de prescripción basado en una imagen de vigor es absolutamente rentable, disminuyéndose además las pérdidas de producto y como consecuencia el impacto ambiental de la aplicación de agroquímicos.


66

Comentarios finales Existen en el mercado un sinnúmero de herramientas de hardware, software y análisis de datos que permiten el manejo sitio-específico de cultivos. Todas ellas presentan ventajas y desventajas, que deben ser conocidas por el usuario. De todas las etapas del manejo sitio-específico el análisis de los datos recolectados es sin duda la más importante; el desafío es transformar los datos en información que se traduzca en recomendaciones agronómicas apropiadas. Literatura citada Acencio, Lorena. 2006. Modelo económico para la incorporación de nuevas tecnologías asociadas al control de plagas y enfermedades. Memoria para optar al título de Ingeniero Civil Industrial. Universidad Técnica Federico Santa María. 164 p. Maleki, M.R., Mouazen, A.M., De Ketelaere, B., Ramon, H., and J. De Baerdemaeker, J. 2007. Development and evaluation of an on-the-go visible and near infrared soil sensor-based variable rate phosphorous fertilization system. In J.V. Stafford (ed.) Precision Agriculture 07. 6th European Conference on Precision Agriculture. Skiathos, Greece. pp 705-711. Ortega, R. and Santibáñez, O. 2007. Agronomic evaluation of three zoning methods based on soil fertility in corn crops (Zea mays L.). Computers and Electronics in Agriculture 58 (1):49-59. Ortega, R., Esser, A., Inostroza, A., A., and Jara, L. 2007. Tomato Tomato yield and quality prediction by using a calibrated, satellite-based, green vegetation index (GVI). In J.V. Stafford (ed.) Precision Agriculture 07. 6th European Conference on Precision Agriculture. Skiathos, Greece. pp 573-579. Ortega, R. and Esser, A. 2005. Use of calibrated satellite-based green vegetation index (GVI) for site-specific vineyard management in Chile. Book of abstracts 5th Conference Precision Agricultura, Uppsala Sweeden. pp 233-235. Geonics, 2007. http://www.geonics.com/ Veris Technology, 2007. http://www.veristech.com/


67

MANEJO SITIO-ESPECÍFICO DE NUTRIENTES1 Ing. Agr. (M. Sc.) Agustín Bianchini

(AAPRESID) [email protected]

Muestreo de suelos El análisis de suelos es la herramienta básica para evaluar el nivel de fertilidad y diagnosticar necesidades de fertilización. Para realizar un buen diagnóstico de la fertilidad de un lote es necesario contar con información confiable y para ello se debe partir de un buen muestreo de suelos. Es importante tener en cuenta que en determinadas situaciones, los análisis de suelo pueden presentar algunas limitantes. Esto se debe a que el muestreo es la fuente de error más importante en el uso del análisis de suelo (Cline, 1944). Este error, debido al muestreo, es generalmente varias veces superior al error originado en laboratorio, por lo tanto es necesario que el muestreo del lote sea lo más representativo posible. Generalmente hay alta variabilidad lateral, en profundidad, y a través del tiempo para los principales nutrientes. Sin embargo, el mayor inconveniente es que la cantidad y estructura de la variabilidad cambia entre nutrientes, entre lotes, y dentro de los propios lotes (Mallarino, 2003). Existe variabilidad de diferentes orígenes que ocurre a diferentes escalas:  Variabilidad natural, que es debida a tipo de suelo, pendiente, etc. y ocurre en gran escala  Variabilidad por manejo, que es debida a erosión, cultivos antecesores, aplicación previa de fertilizantes, etc., y ocurre en gran y pequeña escala. La variabilidad en pequeña escala es especialmente alta con siembra directa debida a la mínima mezcla de fertilizantes con el suelo, con fertilización en bandas, y para nutrientes inmóviles y con mucha residualidad como fósforo (Mallarino, 1996). Los errores de muestreo pueden ser minimizados siguiendo técnicas de muestreo apropiadas. Siempre es bueno asegurarse la limpieza del barreno, en lo posible fabricado en acero inoxidable. En segundo lugar, dicho barreno debe estar bien afilado para producir un corte uniforme en todo el perfil y no generar variaciones involuntarias en la profundidad de muestreo. Tanto el tiempo, como la frecuencia y la profundidad del muestreo dependen de la movilidad del nutriente. Para nutrientes móviles como el nitrato o sulfato, el muestreo debe realizarse con una frecuencia anual a una profundidad de 60 cm o mayor en algunos casos. El momento de muestreo debe ser lo más cercano a la siembra, cuando se reduce la actividad biológica, o lo más cercano posible a la aplicación de fertilizante. Para aquellos nutrientes poco móviles, como fósforo y potasio, es suficiente con una profundidad de 20 cm y no es necesaria una frecuencia anual de muestreo (Roberts y Henry, 1999).

1

Material extraído y adaptado de: García, F. y A. Bianchini. 2006. Fuentes de fertilizantes y sistemas de aplicación. Pág. 471487. En : : H.E. Echeverría y F.O. García (eds.). Fertilidad de Suelos y Fertilización de Cultivos. Editorial INTA, Buenos Aires, Argentina. 525 pp.


68

Una vez que las muestras han sido extraídas es necesario etiquetarlas con buen criterio y acondicionarlas antes de que sean enviadas al laboratorio para que los resultados no sean afectados. Si dentro de las determinaciones a realizar se incluye el análisis de nitratos, es conveniente que las muestras se mantengan refrigeradas hasta llegar al laboratorio. Técnicas de muestreo de suelos

La parte más crítica en un buen programa de análisis de suelos es la obtención de una muestra que sea representativa del lote (Petersen y Calvin, 1986). Un esquema sencillo, y el más usado para obtener muestras representativas, consiste en tomar submuestras al azar a lo largo del campo, mezclándolas luego para obtener una muestra compuesta que se enviará al laboratorio, o analizando individualmente cada submuestra. Una muestra compuesta es apropiada pero no da idea de la variabilidad del lote. El envío individual de cada submuestra es más costoso, pero provee información de la variabilidad del lote, que puede alterar las recomendaciones de aplicación de fertilizantes. Otra alternativa es la división del campo en sub-unidades dentro de las cuales se toman muestras compuestas al azar (Fig. 3 A). Este es un esquema de muestreo al azar estratificado y es semejante al muestreo por paisaje, por topografía, por tipo de suelo, por zonas de manejo o dirigido. Este esquema incrementa la precisión, sin aumentar sustancialmente los costos. El muestreo de áreas de referencia es un tipo de muestreo al azar estratificado. Involucra la selección de un área pequeña (aproximadamente 1/10 de ha) considerada representativa del lote de la cual se toman muestras al azar. Este tipo de muestreo asume menor variabilidad que el muestreo de todo el campo porque el área muestreada es menor. Eligiendo bien el sitio de muestreo, este sistema reduce costos, reduciendo los problemas asociados con el muestreo de un área extensa y de importante variabilidad. Un plan de muestreo que también puede ser usado es el sistemático o de grilla (Fig. 3 B y C). Las muestras son tomadas a intervalos regulares en todas las direcciones. Este tipo de muestreo ha sido extensamente aceptado en EE.UU. debido a la mejora potencial en la exactitud de los análisis de suelos. Es el programa de muestreo más caro, por la gran cantidad de muestras extraídas, pero provee información muy valiosa acerca de la variabilidad del lote, siendo la herramienta necesaria para la adopción exitosa de sistemas de agricultura de precisión y aplicación sitio-específica de nutrientes en algunas regiones.


69

A)

B)

C)

Punto: 4 a 12 tomas 100 a 400 m2

Celda: 4 a 12 tomas 1 a 2 ha

Fig. 3. Técnicas de muestreo de suelos. A) Al azar estratificado, B) En grilla de puntos, y C) En grilla de celdas (Mallarino, 2003).

El plan ideal de muestreo debería incluir la menor área posible que el productor pueda tratar como unidad. Generalmente, existe un compromiso entre el área mínima deseada para lograr la mejor exactitud y la aceptada por menores costos de muestreo (Roberts y Henry, 1999). En síntesis, se recomienda evitar los muestreos a ciegas. Además, al tomar la decisión de muestrear, considerar historia del campo y su manejo, relieve o topografía, fotos aéreas, mapas de suelo y/o rendimiento. Es importante recordar que ningún esquema de muestreo es mejor para todos los lotes y nutrientes, y obviamente la clave consiste en adaptar el método de muestreo a las condiciones específicas de cada lote (Mallarino, 2003). Muestreo de suelos para aplicación sitio-específica sitio-específica de nutrientes

El primer paso crítico en agricultura de precisión consiste en determinar apropiadamente la variabilidad espacial. Con frecuencia se observa alta variabilidad en pH, P y K del suelo en lotes de productores (Pierce et al., 1995; Mallarino, 1996). Las características de Ca, P y K en los suelos sugieren que el encalado y la fertilización con P y K son muy factibles para el manejo de precisión porque la residualidad del encalado o fertilización es alta y la variabilidad temporal es baja comparada con el N (Pierce y Nowak, 1999). Los patrones de variabilidad para estos nutrientes no siempre están relacionados a las unidades de mapeo de suelos, porque la fertilización y el encalado frecuentemente han incrementado los valores de los análisis de suelos y han creado nuevos patrones de variabilidad (Mallarino y Wittry, 1998). Lotes donde los fertilizantes (P y K) han sido aplicados en bandas o donde altas dosis de nutrientes o estiércol han sido usadas, muestran una gran variabilidad 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

70

de nutrientes (Mallarino, 1996). Los patrones cíclicos en pequeña escala (1 m o menos) resultan de aplicaciones bandeadas de fertilizante o estiércol, mientras que las tendencias cíclicas en mayor escala (15-18 m) resultan de la aplicación al voleo de fertilizante o estiércol a granel con esparcidores comerciales (Mallarino, 1996). Diferentes técnicas de muestreo pueden ser usadas para recolectar muestras de suelo de los lotes. El muestreo de suelos en grilla comenzó a ser usado a principios de 1990 en el Cinturón Maicero de EE.UU., y se refiere a un proceso mediante el cual un lote es dividido en muchas celdas pequeñas para propósitos de muestreo. Los resultados de los análisis son combinados con coordenadas geográficas de cada muestra para crear mapas (Pocknee et al., 1996). La intensidad de muestreo requerida para un uso efectivo de la tecnología de dosis variable (TDV) no está claramente definida y puede ser diferente para diferentes análisis de suelos, lotes y regiones geográficas. El muestreo de suelos para pH, P y K basado en grillas cuadradas de 1 ha está en uso en el Cinturón Maicero y otras regiones. La investigación mostró que el muestreo de suelos en grilla de puntos a densidades de 0.4 y 0.1 ha incrementa la precisión del mapeo del análisis de suelo (Franzen y Peck, 1995). Mallarino (1996) encontró que la variabilidad del P y K del suelo dentro de las celdas de la grilla de ese tamaño puede ser tan grande como la variabilidad a lo largo de un lote completo. Más aun, otros encontraron que el muestreo de suelos en grillas cuadradas puede conducir a una pérdida de la información de variabilidad espacial, si los patrones de análisis de suelo son largos y angostos o si los patrones tienden a seguir ciclos (Wollenhaupt et al., 1994). Recientemente se ha sido sugerido que el muestreo por zonas reduce los costos de muestreo mientras mantiene una información razonablemente buena sobre niveles de nutrientes. El muestreo por zona asume que se pueden identificar áreas de muestreo en base a zonas con suelo o características de cultivo diferentes a través de un lote y que es probable que los patrones se mantengan temporalmente estables (Franzen et al., 2000). El criterio usado para delinear zonas de manejo varía. Topografía e imágenes de suelo y de canopia de cultivos pueden ser usadas para identificar zonas de manejo porque pueden reflejar diferentes propiedades de suelo, son no invasivas, y pueden ser de bajo costo (Schepers et al., 2000). La conductividad eléctrica de suelos (CE), que puede ser estimada usando métodos de inducción electromagnética no invasivos, ha sido útil para estimar la profundidad del horizonte superficial (a un horizonte arcilloso u otra capa que limita el crecimiento radicular), propiedades físicas y químicas del suelo, y para explicar la variabilidad de rendimiento (Doolittle et al., 1994; Kitchen et al., 2000). Los mapas de rendimiento pueden ser usados para definir áreas de productividad de suelos diferente, que junto a otras capas de información pueden ser usadas como base para la fertilización con dosis variable. Sin embargo, Colvin et al. (1997) concluyeron que patrones estables de rendimiento dentro del lote pueden ser observados en algunos lotes pero no en otros. En síntesis, las tecnologías como el mapeo de inducción electro-magnética (EM-38 y Veris), los mapas de rendimiento, y las fotografías aéreas pueden utilizarse para ayudar a delinear las zonas de manejo. El muestreo de suelo por zonas de manejo ha demostrado ser muy efectivo, más accesible y de menor costo que el muestreo en grilla. Aplicación sitio-específica de nutrientes Los beneficios de usar la TDV pueden incluir importantes incrementos de rendimiento en suelos con baja disponibilidad de nutrientes o ácidos y ahorros en fertilizante o cal mediante la reducción de dosis de aplicación en suelos con alta disponibilidad de nutrientes (Pierce y Nowak, 1999). Las grandes variaciones en análisis de suelos dentro de los lotes presentan el problema de determinar si una simple recomendación


71

de fertilizante puede ser prescripta para el lote completo o si la variación es tan grande que diferentes recomendaciones son requeridas para las diferentes zonas del lote. Mapas de rendimiento y receptores de sistemas de posicionamiento global diferencial (DGPS) en las cosechadoras pueden ser usados para evaluar los efectos de la TDV y de otras prácticas de manejo sitio específico (Oyarzabal et al., 1996). Los tratamientos se aplican en franjas angostas (usualmente el ancho es múltiplo del ancho del equipo utilizado para aplicar los tratamientos) y largas (generalmente el largo del lote), y los cultivos son cosechados con cosechadoras equipadas con monitores de rendimiento y receptores DGPS. Las tecnologías de agricultura de precisión pueden ser adaptadas exitosamente a estos tipos de ensayos a campo usados para investigación (Oyarzabal et al., 1996). Sin embargo, no se puede esperar que los datos del sensor de flujo del monitor de rendimiento resuelvan la variación detallada de rendimiento a través de intervalos espaciales de menos de aproximadamente 15 m, y 20 a 25 m puede ser una escala de resolución más realista para evaluar ensayos a campo (Lark et al., 1997). Manejo sitio-específico de nitrógeno y utilización de sensores remotos Las recomendaciones de fertilización nitrogenada para maíz y trigo comúnmente aumentan con el nivel de producción esperado (es decir, objetivo de rendimiento) y decrecen con la oferta de N. La cuantificación de la oferta de N en una base espacial es una limitación importante al desarrollar recomendaciones de fertilizante nitrogenado espacialmente variable. A principios de los 90’, el muestreo en grilla se percibía como la forma más apropiada de generar un mapa de aplicación de fertilizante nitrogenado en dosis variable. El alto costo del muestreo en grilla y de los análisis de laboratorio requeridos para construir un mapa de N residual, hace con frecuencia que este esfuerzo sea difícil de justificar, a menos que haya un beneficio ambiental importante. Los problemas de sincronización de las necesidades de N en cultivo con la habilidad de los suelos para suministrar el N necesario, mientras se minimiza el potencial para pérdidas de N para el medio ambiente, son la fuerza motora detrás de la estrategia de manejo de N basada en el cultivo. Las incertidumbres climáticas hacen casi imposible que se cubra por completo la necesidad de nutriente de los cultivos sin tener déficit o exceso en el sistema. Uno de los méritos clave de la estrategia de manejo de N basado en el cultivo es que confía en el cultivo para evaluar la mineralización y la pérdida de N durante el tiempo de absorción rápida de N (Schepers, 2002). Para tener éxito, el enfoque basado en el cultivo primero debe ser capaz de detectar una deficiencia de N en el mismo y, en segundo lugar, debe haber tecnologías para remediar el estrés antes de que afecte el rendimiento de modo irreversible. Estos requisitos significan que debe haber un corto tiempo entre la detección del estrés y el tratamiento del mismo. La estrategia de manejo de N basada en el cultivo también necesita que el proceso de detección del estrés sea confiable y oportuno. A primera vista, puede parecer que las imágenes aéreas o satelitales pueden proporcionar la información espacial apropiada sobre el estrés del cultivo. En realidad, tanto las plataformas de imágenes aéreas como las satelitales tienen problemas de confiabilidad ya que el hecho de que las nubes puedan tapar la plataforma es un problema permanente. La resolución espacial (20 m aproximadamente) y el registro adecuado con mojones son otras limitaciones al usar imágenes. Traducir la información espacialmente variable que contienen las imágenes (intensidad y colores del suelo y cultivo) a las recomendaciones de manejo de cultivo, requiere de considerable experiencia y habilidad. La información sobre el estatus de clorofila del cultivo (verdor expresado como la cantidad de la reflexión de rojo y verde) y la


72

cantidad de vegetación viviente (expresada como la cantidad de reflexión del infrarrojo cercano (NIR)) puede extraerse de las imágenes de cultivos en crecimiento. La incertidumbre asociada con la medición del verdor del cultivo es que el estrés de casi todos los cultivos afecta al estatus de clorofila. Por eso, se necesita determinar la causa de la clorosis antes de recomendar el tratamiento. En el caso del maíz, la deficiencia de N es la causa más frecuente de clorosis, seguida de ciertos micronutrientes cuando el pH del suelo es elevado. Debido a consideraciones de resolución y oportunidad para proporcionar imágenes confiables y utilizables, se han desarrollado los sensores terrestres que proveen datos de reflexión del cultivo en tiempo real a fin de sustituir las plataformas con bases en satélites o aviones. Estos sensores terrestres están diseñados para montarse en tractores o pulverizadoras de alto despeje del suelo y proporcionar el mismo tipo de datos de reflexión que los que se obtienen con los recursos de imágenes. En el caso de los datos de sensor terrestre o imágenes, los diferentes anchos de banda se combinan para representar un índice sensible al parámetro que se está evaluando. Por ejemplo, el índice normalizado de diferencias de vegetación (NDVI) se creó para evaluar el índice de área foliar y se representa con NDVI = (NIR - rojo)/(NIR + rojo). Otro índice denominado Verde NDVI = (NIR – verde)/(NIR + verde) es útil cuando el índice de área foliar (IAF) es superior a ~2.5 (Schepers, 2002). Esencialmente, la reflexión verde es más indicativa del status de N en cultivo cuando hay suficiente material vegetativo para absorber (vía fotosíntesis) una mayor parte de la luz roja. Pasar los datos de reflexión o un índice de vegetación a una recomendación de fertilizante nitrogenado es una ciencia poco desarrollada. Cuando los sensores Minolta SPAD se presentaron en 1990, los científicos intentaron calibrarlos de acuerdo con los datos de concentración de N en hoja. Este esfuerzo falló básicamente porque continuamente se desarrollan nuevas hojas durante las etapas de crecimiento vegetativo, el status de clorofila en hoja cambia con la etapa de crecimiento de la planta, y la relación entre la lectura SPAD y el contenido de N en hoja no es la misma en todos los cultivares. Debido a las limitaciones y problemas, Schepers et al. (1992) propusieron el concepto de un índice de suficiencia para normalizar los datos SPAD a fin de minimizar los efectos de la etapa de crecimiento y las diferencias entre cultivares. Sin embargo, debido a que las lecturas SPAD representan una medición en el tiempo o instantánea de un área muy reducida de la hoja, es difícil pasar la lectura SPAD a una recomendación de N sin información adicional. Esta limitación puede superarse por completo con sensores de la canopia del cultivo, ya que monitorean un área mayor, que integra la cantidad de biomasa de plantas vivientes en la lectura de reflexión y el valor de índice de vegetación subsecuente. Comparar el valor NDVI de un área en el lote con el valor de un área fertilizada adecuadamente proporciona una medida del status relativo de N. Si se pudieran predecir los niveles de rendimiento a partir de las condiciones de crecimiento en la mitad de la campaña, se podría conocer la demanda relativa de N de acuerdo con las observaciones que se obtienen en ese momento. Después de muchos años de trabajo en Oklahoma (EE.UU.) y México, Raun et al., (2001) demostraron que los niveles de rendimiento actuales pueden predecirse a partir de mediciones NDVI que se realizaron en el trigo de invierno en la mitad de campaña. Esta metodología fue mejorada más tarde y por medio de ésta notaron que la lectura de un sensor NDVI (utilizando el sensor GreenSeeker (NTech Industries, Inc.)) tomada entre el estadio de crecimiento Feekes 5 a 7 (Primer a segundo nudo), dividida por la cantidad de días desde la siembra hasta la medición donde GDD (Growing Degree Days , Grados Día de Crecimiento) ((Tmin + Tmax)/2 – 4.4°C) fueron superiores a 0, tuvo una buena predicción del rendimiento real. Este trabajo demostró que en muchos sitios y años, los rendimientos reales podrían ser verdaderamente predichos en los lotes sembrados en diferentes épocas, sensados en diferentes momentos, y donde las condiciones climáticas fueron significativamente diferentes (Fig. 4). Este modelo de predicción del rendimiento fue adoptado y luego se buscó un 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

73

método para calcular las dosis de fertilizante de N en la mitad de la campaña, y al mismo tiempo se desarrollaron modelos de predicción de rendimiento para otros cultivos como maíz y pasto bermuda (Raun, et al., 2004). 8.0

7.0

30 Sitios, 1998-2003 2

YP 0 = 0.254e324.4 INSEY

6.0

YP 0 + 1Std Dev = 0.359 e

R =0.54 324.4 INSEY

5.0

4.0 Rend. (Mg/ha) 3.0

2.0

1.0

0.0 0

0.001

0.002

0.003

0.004

0.005

0.006

0.007

0.008

0.009

0.01

INSEY

PKNP 1998 PKSN 1998 TPSN 1998 PKNP 1999 222 1999 301 1999 EFAA 1999 801 1999 502 1999 PKNP 2000 222 2000 301 2000 EFAA 2000 801 2000 502 2000 HNAA 2000 PKNP 2001 222 2001 301 2001 EFAA 2001 801 2001 PKNP 2002 222 2002 301 2002 EFAA 2002 801 2002 HNAA 2002 502 2003 222 2003 EFAA 2003

Figura 4. Relación entre el INSEY (rendimiento calculado en la mitad de la campaña) o NDVI dividido por la cantidad de días desde la siembra hasta la medición (donde GDD >0), y el rendimiento real del grano de trigo. La línea de puntos es igual a la línea sólida + 1 desviación estándar, para reflejar mejor el “rendimiento potencial” o el borde externo de las observaciones (Raun, et al. 2004).

La tecnología para aplicar los fertilizantes de N de manera variable en tiempo real según las necesidades del cultivo ha sido desarrollada y se encuentra disponible. Se ha creado un algoritmo que calcula las dosis de aplicación de fertilizante de N de acuerdo con el potencial de rendimiento de los cultivos y la respuesta al fertilizante adicional (Raun et al., 2004). Numerosos ensayos extensivos a campo han demostrado la validez del algoritmo y el buen desempeño tanto de los sensores como de los aplicadores. Hay numerosas evidencias que demuestran que esta tecnología funcionará con éxito en diversas partes del mundo como lo hace en Estados Unidos. Referencias Cline, M.G. 1944. Principles of soil sampling. Soil Science 58:275-288. Colvin, T.S., D.B. Jaynes, D.L. Karlen, D.A. Laird, y J.R. Ambuel. 1997. Yield variability within a central Iowa field. Trans. ASAE 40:883-889. Doolittle, J.A., K.A. Sudduth, N.R. Kitchen, y S.J. Indorante. 1994. Estimating depths to claypans using electromagnetic induction methods. J. Soil and Water Cons. 49:572-575. Franzen, D.W., y T.R. Peck. 1995. Field soil sampling density for variable rate fertilization. J. Prod. Agric. 8:568-574. Franzen, D.W., A.D. Halvorson, y V.L. Hofman. 2000. Management zones for soil N and P levels in the Northern Great Plains. En P.C. Robert et al. (eds.) Fifth


74

International Conference on Precision Agriculture Proceedings. Bloomington, MN. ASA, CSSA, and SSSA, Madison, WI. Kitchen, N.R., K.A. Sudduth, y J.J. Fridgen. 2000. Influence of claypan soil topsoil thickness and fertility factors on corn and soybean yield. En P.C. Robert et al. (eds.) Fifth International Conference on Precision Agriculture Proceedings. Bloomington, MN. ASA, CSSA, and SSSA, Madison, WI. Lark, R.M., J.V. Stafford, y H.C. Bolam. 1997. Limitations on the spatial resolution of yield mapping for combinable crops. J. Agric. Eng. Res. 66:183-193. Mallarino, A.P. 1996. Spatial variability of phosphorus and potassium in no-tilled soils for two sampling scales. Soil Sci. Soc. Am. J. 60:1473-1481. Mallarino, A.P., y D.J. Wittry. 1998. Soil sampling strategies for variable rate P and K fertilization and liming. p. 251-256. En The Integrated Crop Management Conference. Proceedings. Nov. 17-18, 1998. Iowa State Univ. Extension. Ames. Mallarino, A.P. 2003. Manejo de fósforo y potasio para maíz y soja en zonas húmedas. En : Actas XI Congreso Nacional de AAPRESID, Tomo II. pp. 219-230. Oyarzabal, E.S., A.P. Mallarino, y P.N. Hinz. 1996. Using precision framing technologies for improving applied on-farm research. p. 379-387. En P.C. Robert, R.H. Rust, and W.E. Larson (eds.) Precision Agriculture: Third International Conference on Precision Agriculture Proceedings. ASA, CSSA, and SSSA, Madison, WI. Petersen, R.G. y L.D. Calvin. 1986. Sampling En: A. Klute (ed.) Methods of Soil Analysis, Part 1. 2nd Ed. Agronomy 9(1): 33-51. Pierce, F.J., D.D. Warncke, y M.W. Everett. 1995. Yield and nutrient variability in glacial soils of Michigan. p. 133-150. En P.C. Robert, R.H. Rust, and W.E. Larson (eds.) Site-Specific Management for Agricultural Systems Proceedings. ASA, CSSA, and SSSA, Madison, WI. Pierce, F.J., y P. Nowak. 1999. Aspects of precision agriculture. p 1-85. En D.L. Sparks (ed.) Advances in Agron. Vol. 67. Academic Press, San Diego, CA. Pocknee, S., B.C. Boydell, H.M. Green, D.J. Waters, y C.K. Kvien. 1996. Directed soil sampling. p. 159-168. En P.C. Robert, R.H. Rust, and W.E. Larson (eds.) Precision Agriculture: Third International Conference on Precision Agriculture Proceedings. ASA, CSSA, and SSSA, Madison, WI. Raun, W.R., G.V. Johnson, M.L. Stone, J.B. Solie, E.V. Lukina, W.E. Thomason y J.S. Schepers. 2001. In-season prediction of potential grain yield in winter wheat using canopy reflectance. Agron. J. 93:131-138. Raun, W.R., J.B. Solie, M.L. Stone, K.W. Freeman, K.L. Martin, R. Teal, B. Arnall, B. Tubana, C. Byungkyun, K.B. Morris, K. Girma, S. Moges, y C. Mack. 2004. Cómo aumentar la eficiencia de uso del nitrógeno del cereal utilizando un sensor basado en tecnología. En : Actas XII Congreso Nacional de AAPRESID. pp. 365371. Roberts, T.L. y J.L. Henry. 1996. El muestreo de suelos: los beneficios de un buen trabajo. Informaciones Agronómicas 8:7-10. INPOFOS Cono Sur. Acassuso, Argentina. Schepers, J.S., D.D. Francis, M. Vigil, y F.E. Below. 1992. Comparison of corn leaf nitrogen concentration and chlorophyll meter readings. Commun. Soil Sci. Plant Anal. 23(17-20):2173-2187. Schepers, J.S., M.R. Schlemmer, y R.B. Ferguson. 2000. Site-specific considerations for managing phosphorus. J. Environ. Qual. 29:125-130. Schepers, J.S. 2002. Manejo de nitrógeno: Nuevas tecnologías para el manejo y diagnóstico de la fertilización nitrogenada. En : Actas X Congreso Nacional de 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

75

AAPRESID, Tomo I. pp. 141-155. Wollenhaupt, N.C., R.P. Wolkowski, y M.K. Clayton. 1994. Mapping soil test phosphorus and potassium for variable-rate fertilizer application. J. Prod. Agric. 7:441-448.


76

ESTADO ACTUAL DEL MANEJO SITIO ESPECÍFICO DE NITRÓGENO EN ARGENTINA Ricardo J. M. Melchiori INTA, EEA Paraná - Grupo Recursos Naturales y Factores Abióticos Paraná. Entre Ríos Argentina [email protected]

(Nota: Trabajo presentado al Simposio de Fertilidad 2007 – IPNI)

Es muy extensa la información y las técnicas desarrolladas vinculadas al manejo del nitrógeno (N), sin embargo la eficiencia de uso (EUN) a escala mundial es baja y de solo un 33% (Raun y Johnson, 1999), lo cual sugiere que es prioritario propender al mejoramiento de EUN mediante el desarrollo y empleo de nuevas tecnologías. Las recomendaciones de fertilización nitrogenada para maíz comúnmente aumentan con el nivel de producción esperado y decrecen en función de una mayor oferta de N. La variabilidad espacial de la oferta de N es una limitación importante para desarrollar recomendaciones de fertilización nitrogenada espacialmente variables. Una alternativa promisoria propuesta, es la de utilizar al cultivo para evaluar la mineralización y la pérdida de N durante el tiempo de absorción rápida por la planta (Schepers, 2002). Esto permite evaluar la sincronía entre las necesidades de N en cultivo y el suministro del suelo, premisa sobre la cual se sustenta la estrategia de manejo del N basada en el cultivo. Para utilizar métodos de diagnóstico de N basados en mediciones en la canopia es conveniente realizar aplicaciones postergadas a fin que el cultivo demuestre de manera evidente las deficiencias de N. Existen antecedentes promisorios en la bibliografía (Russelle et al., 1983, Scharf y Lory, 2002, Randall et al., 2003), sin embargo no se dispone de información local que evalúe aplicaciones postergadas. Este enfoque basado en mediciones en estadios avanzados del los cultivos, requiere la disponibilidad de tecnología para detectar las deficiencias, y métodos de diagnóstico y prescripción para remediar el estrés antes que afecte el rendimiento de modo irreversible. Estos aspectos condicionan la utilización de técnicas de manejo variable en tiempo real. Trabajos realizados principalmente desde la Universidad Estatal de Oklahoma, han demostrado la factibilidad de predecir el rendimiento de los cultivos y han propuesto un método de cálculo de las recomendaciones de fertilización basadas en mediciones de un índice de vegetación normalizado (NDVI) utilizando sensores remotos activos (Raun et al., 2004, 2005). Los antecedentes mencionados, han originado actividades de investigación vinculadas al mejoramiento de la EUN, que se sustentan en un trabajo colaborativo conducido desde 2002 en INTA Paraná, integrando a la Universidad Estatal de Oklahoma (OSU), AAPRESID y PROFERTIL. La experimentación generada en relación al manejo variable de N en tiempo real, ha estado orientada a los siguientes objetivos: i) Determinar la respuesta espectral del cultivo de maíz durante el desarrollo vegetativo (V6, V8, V10, V12, V14); ii) Determinar el efecto de aplicaciones postergadas de N, sobre el rendimiento y la eficiencia de uso del N; y iii) Evaluar el rendimiento y la eficiencia de uso de N comparando


77

refertilizaciones fijas vs variables utilizando el Sensor Based Nitrogen Rate Calculator (SBNRC). Los resultados de las experiencias realizadas hasta el presente, han sido publicados con anterioridad (Melchiori et al., 2001; 2004, 2005a b c, 2006, 2007), informándose en el presente trabajo los aspectos mas relevantes al desarrollo del manejo variable de N. Aplicación postergada de nitrógeno en maíz Los resultados obtenidos en las experiencias específicas, y en anteriores asociadas, revelan la posibilidad de ampliar la ventana de aplicación de N en maíz de manera muy considerable. Esta ampliación del momento para aplicar N, representa una gran ventaja agronómica, debido a que se incrementa la capacidad de intervención sobre el cultivo a estadios mucho más cercanos al periodo crítico para la determinación del rendimiento, posibilitando disminuir el riesgo en la toma de decisión de fertilización. Los resultados obtenidos permiten sustentar la propuesta de diferir la aplicación del N hasta estadios más tardíos desde V8 hasta V14, con resultados similares a los obtenidos con aplicaciones a la siembra. (Fig. 1). Un aspecto importante, las experiencias realizadas han incluido mediciones desde V6 hasta V14, con lo cual se evalúa un amplio rango de diferencias en el crecimiento del cultivo, expresado a través de la biomasa, el N acumulado y el área foliar. Si bien las mediciones han contemplado condiciones de cultivo donde los valores de NDVI han llegado situaciones de saturación (IAF > 3), donde se evidencia un límite a la habilidad predictiva del método, es destacable señalar que dichos valores solo son alcanzados en estadios posteriores a V12. Esta situación, se alcanza en estadios donde el cierre de la canopia por el excesivo desarrollo del área foliar, en especial en cultivos con espaciamiento a 0,52 m fija un limite operativo que impide el transito normal con maquinaria de aplicación. Asimismo, como en toda estrategia fertilización sin incorporación, es necesario evaluar adecuadamente los ambientes donde la frecuencia de precipitaciones es normalmente alta, situación común en la mayor parte de la región pampeana, a fin de que las precipitaciones post aplicación viabilicen la incorporación del fertilizante al suelo, y su posterior absorción por el cultivo.


78

70 Kg N/ha a la Siembra

Sin Fertilizacion a la Siembra 16000

16000

12000

12000

a h / g K . 8000 d n e R

a h / g K . d n e R

8000

4000

4000

0

0 s/ N

V8

V10

V12

s/N

V14

Dosis de refertilizacion 70 KgN/ha

V8

V10

V12

V14

Dosis Dosis de refertiliz acion 70 KgN/ha

210 Kg Kg N/ha a l a Sie mbra

140 Kg Kg N/ha a l a Sie mbra

16000

16000

12000

12000

a h / g K . 8000 d n e R

a h / g K 8000 . d n e R

4000

4000

0

0 s/ N

V8 V10 V12 Dosis de refertilizacion 70 KgN/ha

V14

s/ N

V8 V10 V 12 Dosis de refertilizacion 70 KgN/ha

V14

Figura 1. Efecto de la refertilización nitrogenada en maíz (70 kg N/ha) aplicada en los estadios de 8, 10, 12, 14 hojas desplegadas (V8, V10, V12 y V14), sobre el rendimiento del cultivo con distintas disponibilidades de nitrógeno aplicado a la siembra (0, 70, 140 y 210 kg de N/ha). (INTA EEA Paraná, 2004)

Refertilización según algoritmos basados en sensoramiento remoto El método de recomendación de OSU se sustenta en la obtención de ecuaciones predictivas del rendimiento del cultivo en función del NDVI. El algoritmo de cálculo, predice el rendimiento y la respuesta a N y, en función de la diferencia de rendimientos estimados (con y sin el agregado de N), calcula la dosis de N para una EUN dada. Mediciones realizadas en cultivos de maíz, creciendo en condiciones variables de sitio (experimentos, y niveles de N) han permitido verificar estas relaciones. La Figura 2, sintetiza la relación obtenida entre el NDVI determinado con un sensor GreenSeeker y el rendimiento del maíz. Dicho modelo de predicción para maíz ya esta integrado en la librería de ecuaciones disponibles en http://nue.okstate.edu. Resultados específicos para maíz en siembras de segunda, se han particularizado dado el efecto que la temperatura elevada confiere a la relación crecimiento-desarrollo en el cultivo de maíz.


79

20000

y = 240,01e 4,8869x R2 = 0,7046

16000 a h / g K o t R

12000 8000 4000 0 0, 0

0,2

0, 4

0,6

0,8

1,0

NDVI GS V14 Mtos

V12 EEA

V 12 Mtos

V12 L1

V12 L2

Figura 2. Relación entre el NDVI determinado con un sensor GreenSeeker en distintos estadios y el rendimiento de maíz.

En las ultimas 3 campañas se han realizado comparaciones de estrategias de manejo de N, una estrategia ha sido la de aplicar una refertilización predeterminada fija con una dosis de 70 kg de N/ha y la otra utilizar el método de prescripción de OSU (SBNRC). Para mas información ver Melchiori et al. (2005 a,b). La Figura 3 muestra el efecto del manejo variable de N asistido mediante el empleo de sensores remotos para el promedio de distintas condiciones iniciales de cultivo en cuatro estadios de refertilización. De manera esperable, dada la mayor expresión tardía de las deficiencias, la diferencia en la EUN fue creciente hacia estadios más tardíos y favorable al manejo de N variable en todas las comparaciones. 80 s o d a c i l 60 p a N g K / o 40 n a r g e d g 20 K N U E

0

V8 r ef efe rt rti li li za za ci ci ón ón fi ja ja

V10

V12

V14

re fe fe rt rti li li za za ci ci ón ón se ns nsor

Figura 3. Eficiencia de uso de nitrógeno media (EUN) (promedio de 4 condiciones de N en siembra = 0, 70, 140 y 210 kg N/ha) para distintos momentos de refertilización (V8, V10, V12, V14). (INTA EEA Paraná, 2004.).

En la última campaña evaluada (2005), las dosis de N en refertilización estimadas con el SBNRC, fueron en algunos casos mayores a la dosis fija. En particular en las mediciones realizadas en V6 (Fig. 4 a). Este comportamiento se verificó para todos los niveles de N aplicado en siembra. Las mayores dosis aplicadas en V6 no causaron disminuciones en la EUN, debido a que la respuesta en rendimiento fue más que proporcional al incremento en el N aplicado. De manera consistente con los resultados de otras campañas, las dosis variables (SBNRC) aplicadas en estadios mas tardíos fueron menores a la dosis fija, y estas diferencias fueron mayores a medida que las recomendaciones se calcularon más tardíamente, desde V8 hasta V14 (Fig. 4 b).


80

140 140 120 120 ó i c a 100 z 100 i l i t r e f 80 e r n e N 60 e d s i s 40 o d

20 0 6 8 0 2 4 r 6 8 0 2 4 r 6 8 0 2 4 r 6 8 0 2 4 V V 1 1 1 s V V 1 1 1 s V V 1 1 1 s V V 1 1 1 v v V v v V v v V v v V

Dosis segun SBNRC

Dosis fija

a 60 50 n ó i c 40 a z i l i t r e f 30 e r n e N 20 U E

10 0

6 8 0 2 4 r 6 8 0 2 4 r 6 8 0 2 4 r 6 8 0 2 4 V V 1 1 1 s V V 1 1 1 s V V 1 1 1 s V V 1 1 1 v v V v v V v v V v v V

Dosis segun SBNRC

Dosis fija

b

Figura 4. Dosis de refertilización (a) y eficiencia media de uso del nitrógeno aplicado total (b) (EUN = kg de grano por kg de N aplicado) para distintos estadios de desarrollo del maíz según nivel de N aplicado a la siembra, y dos estrategias de aplicación: dosis fija y SBNRC.

La utilización del manejo variable de N, asistido mediante sensoramiento remoto se ha experimentado como opción de mejoramiento de la EUN. Dichos resultados, en términos generales han significado la reducción de la dosis de N aplicado. La Figura 5, muestra el rendimiento del cultivo de maíz, ante las dos estrategias de manejo evaluadas, (fijo y variable), donde el manejo variable de N resulto en aplicar un 14% menos de N.


81

12000

10000

1:1 ) C 8000 R N B S ( o 6000 t n e i m i d n e 4000 R

2000

0 0

2000

4000

6000

8000

10000

12000

Rendim endimiento ient o (DF)

Figura 5. Relación entre rendimiento del cultivo de maíz con refertilización fija (DF) vs. Rendimiento con refertilización según recomendación con el algoritmo (SBNRC) (INT A EEA Paraná, 2005.).

Ajuste de la tecnológia de aplicación de dosis variable disponible Recientemente se han comenzado evaluaciones a campo de un sistema Green Seeker RT 200 (Ntech Industries, Ukia, CA). Este equipo basa su funcionamiento en mediciones realizadas con sensores que se disponen sobre el botalón de equipos autopropulsados de aplicación de fertilizantes. El sistema integra el conjunto de sensores mediante los cuales se calcula un índice de vegetación normalizado (NDVI = IR – R/IR +R) y determinan prescripciones en función de algoritmos disponibles (http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php) incorporados en una pocket PC. Esto integrado con un actuador de dosis variable permite modular en tiempo real las dosis en función a cambios en el NDVI. El dispositivo experimentado, se configura con 6 sensores, cada uno de los cuales cubre el área de un surco, y se distribuyen de manera equidistante a lo largo del botalón del equipo de aplicación (aprox. 20 m de ancho). Se conoce que el tamaño de las plantas varía espacialmente, por lo cual la cantidad de elementos de medición dispuestos en el botalón puede afectar la precisión de las estimaciones a la vez que influye de manera directa en el costo del equipo. Experiencias conducidas recientemente en maíz, demuestran la magnitud de la variabilidad de las mediciones de NDVI obtenidas al sensar un área de estudio de 48 surcos de ancho (simulando el ancho de un aplicador autopropulsado) (Melchiori y Albarenque, 2007). Las comparaciones realizadas al estadio de V8 (Tabla 1) muestran que la diferencia máxima en el NDVI encontrada fue de solo un 2%. Dichas diferencias aunque resultan significativamente diferentes en las comparaciones de medias son de escasa significancia agronómica en referencia a las demás variables del método utilizado en la prescripción.


82

Tabla 1. Estadísticos descriptivos del NDVI en función del número de surcos sensados al estadio V8 en maíz. (INTA EEA Paraná)

Surcos Sensados 48 24 12 6 4 3

Promedio

n

Mín

Máx

Rango

DE

0.52 .528 0.51 .519 0.52 .528 0.53 .536 0.52 .528 0.51 .517

480 480 240 240 120 120 60 60 40 30

0.5 0.524 0.5 0.518 0.5 0.518 0.5 0.523 0.5 0.511 0.4 0.494

0.5 0.533 0.5 0.538 0.5 0.538 0.5 0.549 0.545 0.539

0.0 0.005 0.0 0.051 0.0 0.010 0.0 0.053 0.0 0.010 0.0 0.055 0.0 0.013 0.0 0.052 0.0 0.017 0.0 0.055 0.0 0.022 0.0 0.062

CV

P>t (a/b )

9.6 10. 10.2 10. 10.5 9.6 10.4 12.0

2/2 2/2 0/4 0/4 0/8 0/8 0/1 0/12 1/1 1/16

P>t: Diferencias significativas al 5% para la prueba de t para muestras con variancias no homogéneas; (a/b) a: numero de casos significativamente significativamente diferentes en la prueba a la prueba de t, b: numero de comparaciones evaluadas evaluadas en función del numero de surcos sensados.

Si bien es de interés contar con mediciones precisas de los índices que originan las prescripciones, resulta mayormente relevante juzgar su efecto sobre las recomendaciones de fertilización. Simulaciones realizadas en base a los resultados obtenidos para dos estadios, muestran que las recomendaciones varían escasamente por encima de la dosis media de referencia (prescripta en V6 en base al sensado de 48 surcos) y que su variación fue aun menor cuando las mediciones se realizaron al estadio de V8 (Tabla 2). Tabla 2. Estimación de la recomendación de fertilización en función del NDVI utilizando el SBNRC (*) según el número de surcos sensados sensados al estadio V6 y V8 en maíz (INTA EEA Paraná). Paraná).

Surcos sensados

NDVI

48 24 12 6 4 3

Promedio Promedio Promedio Promedio Promedio Promedio

Mediciones en V6 Mediciones en V8 Recomendación % del Recomendación % del (Kg N/ha) (*) promedio (Kg N/ha) (*) promedio 72,0 100% 86,6 100% 78,0 108% 90,8 105% 78,0 108% 86,5 100% 74,9 104% 82,9 96% 78,5 109% 86,7 100% 83,2 116% 92,1 106%

(*) Estimaciones realizadas según http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php.. Estos resultados muestran que la variabilidad espacial en el NDVI decrece en función del desarrollo del cultivo y que seria factible obtener una estimación aceptable del NDVI medio a partir de 6 o 4 sensores para un ancho de trabajo equivalente al de un aplicador autopropulsado. Consideraciones finales Las experiencias realizadas en Argentina hasta el presente, son escasas y necesitan ser expandidas a un más amplio rango de condiciones a fin de contar con criterios y resultados más robustos para recomendar la implementación de técnicas de manejo variable de N basadas en sensoramiento remoto. Es necesario promover la participación de mayor número de investigadores, instituciones y empresas en el desarrollo de técnicas y equipamientos específicos. El manejo variable de N, en condiciones de precios de los insumos crecientes, representa una opción muy interesante en modelos de producción con alta tecnología.


83

Agradecimientos Al Dr. W. Raun por su permanente disponibilidad y apoyo a la realización de las actividades mencionadas. A PROFERTIL y AAPRESID por el financiamiento del Convenio “Mejoramiento de la Eficiencia de Uso del Nitrógeno mediante Técnicas de Sensoramiento Remoto”. Las actividades experimentales están enmarcadas en el Proyecto AEAI3722 “Desarrollo y Aplicación de la Tecnología de Agricultura de Precisión para el Manejo de Cultivos”. Referencias Melchiori, R.J.M., P.A. Barbagelata, C. Christiansen y A. Von Martini. 2001. Manejo sitio específico de nitrógeno en maíz: evaluación del N-SENSOR. VII Congreso Nacional de Maíz. Pergamino. Melchiori, R.J.M., O. Caviglia, y A. Bianchini. 2004. Timing and rate of nitrogen fertilization on maize yields in the North of Argentinean Pampas. ASA-CSSA-SSSA Annual Meeting. Seattle, Washington. Melchiori, R.J.M. O.P. Caviglia, A. Bianchini, N. N. Faccendini, y W. Raun. 2005a. SensorBased Relationships to Improve Nitrogen Fertilization in Maize in the Northern Argentinean Pampas. 2005 ASA-CSSA-SSSA International Annual Meetings. Salt Lake City, UT November 6 - 10, 2005 Melchiori, R.J.M., O. P. Caviglia, A. Bianchini, N. Faccendini, y W. Raun. 2005b. Evaluación de refertilización nitrogenada basada en la utilización de un sensor óptico. VII Congreso Nacional de Maíz. pp 218-220. Rosario, Argentina. Melchiori, R.J.M., O.P. Caviglia, y A. Bianchini. 2005c. Momentos de fertilización nitrogenada en maíz en el centro-oeste de Entre Ríos. VII Congreso Nacional de Maíz. pp 214-217. Rosario, Argentina. Melchiori, R.J.M., O. P. Caviglia, A. Bianchini, N. Faccendini, y W. Raun. 2006. Use of sensor based nitrogen rates to improve maize nitrogen use efficiency in the Northern Argentinean Pampas. 2006 ASA-CSSA-SSSA International Annual Meetings. Indianapolis, IN - November 12 – 16. Melchiori, R.J.M. y S.M. Albarenque. 2007. Evaluación del número de unidades de sensado Green Seeker para un equipo de aplicación autopropulsado. CADIR 2007 (en revisión). Randall, G.W., J.A. Vetsch, y J.R. Huffman. 2003. Corn production on a subsurfacedrained mollisol as affected by time of nitrogen application and nitrapyrin. Agron. J. 95:12131219. Raun, W.R., J.B. Solie, M.L. Stone, K.W. Freeman, K.L. Martin, R. Teal, B. Arnall, B. Tubana, C. Byungkyun, K.B. Morris, K. Girma, S. Moges, y C. Mack. 2004. Cómo aumentar la eficiencia de uso del nitrógeno del cereal utilizando tecnología basada en sensores. En: Actas XII Congreso Nacional de AAPRESID. pp. 365-371. Raun, W.R., J.B. Solie, M.L. Stone, , K.L. Martin, K.W. Freeman, R. W. Mullen, H Zhang, J S Schepers, y V Jonson. 2005. Optical sensor-based algorithm for crop nitrogen fertilization. Comm in Soil Sci and Plant Anal. 36:2759-2781. Raun, W. R., y G. V. Johnson. 1999. Improving nitrogen use efficiency for cereal production. Agron. J. 91: 357-363. Russelle, M.P., R.D. Hauck, y R.A. Olson. 1983. Nitrogen accumulation rates of irrigated corn. Agronomy Journal. 75:593-598. Scharf, P.C., W.J. Wiebold, y J.A. Lohry. 2002. Corn Corn yield response response to nitrogen nitrogen fertilizer fertilizer timing and deficiency level. Agronomy Journal. 94:435-441. Schepers, J.S. 2002. Manejo de nitrógeno: Nuevas tecnologías para el manejo y diagnóstico de la fertilización nitrogenada. En: Actas X Congreso Nacional de AAPRESID, Tomo I. pp. 141-155.


84

EVALUACIÓN DEL NÚMERO DE UNIDADES DE SENSADO GREEN SEEKER PARA UN EQUIPO DE APLICACIÓN AUTOPROPULSADO MELCHIORI Ricardo1, Susana ALBARENQUE2. 1 -INTA 2

EEA Paraná, Ruta 11 Km 12,5 Paraná, ER. (CP 3100) Argentina. Fac Ciencias Agropecuarias U.N.E.R. [email protected]

Nota: Trabajo presentado al IX Congreso Argentino de Ingeniería Rural y I del MERCOSUR) A publicarse en el libro “Avances en la Ingeniería Rural 2005 – 2007”,

Introducción El crecimiento sustentable de la producción de maíz requiere incrementar las dosis de fertilización con nitrógeno (N) lo cual puede aumentar el riesgo de impacto ambiental. La aplicación de dosis variable de nitrógeno es una técnica que puede atenuar estos potenciales efectos negativos, mediante una mejora en la eficiencia de uso de este nutriente (Raun y Jonson, 1999). Sin embargo, las variaciones espaciales en el rendimiento de los cultivos y en la disponibilidad de N en el suelo, son una limitante importante para el desarrollo de recomendaciones de fertilización nitrogenada variable. Las técnicas de sensoramiento remoto son una alternativa para estimar el estado de nutrición de los cultivos y determinar su variabilidad en relación a los cambios en el ambiente productivo. Estas herramientas proporcionan de manera rápida y precisa una gran cantidad de información (Schepers, 2002) que puede utilizarse para diagnosticar las necesidades de nutrientes (Raun et al 2001, 2002). La tecnología de dosis variable basada en sensores en tiempo real fue introducida en Estados Unidos por Stone et al (1996), posibilitando detectar variabilidad submétrica y simultáneamente aplicar el fertilizante prescripto, incrementar el rendimiento potencial, decreciendo el costo de producción mediante el ahorro de insumos y minimizando el impacto ambiental por exceso de N (La Ruffa et al, 2001). El sistema Green Seeker RT 200 (Ntech Industries, Ukia, CA) es un equipo que basa su funcionamiento en mediciones realizadas con sensores ópticos activos construidos con diodos de alta intensidad que emiten en 650 nm (Rojo) y 770 nm (IR cercano). El sistema calcula un índice de vegetación normalizado (NDVI = IR – R / IR + R) y determina prescripciones en función de algoritmos disponibles (http://www.soiltesting.okstate.edu/SBNRC/SBNRC.php) e incorporados en computadoras montadas en la maquinaria. Este tipo de equipamiento incorporado en aplicadores autopropulsados con computadoras para dosis variable en tiempo real son herramientas disponibles en el mercado local que están siendo evaluadas para optimizar su utilización. El sistema de sensoramiento y prescripción integrado a un actuador de dosis variable permite realizar aplicaciones correctivas en tiempo real modulando las dosis en función de la detección de cambios en los valores de NDVI. El modelo de equipo mencionado utiliza 6 sensores, cada uno de los cuales cubre el área de un surco, y se distribuyen de manera equidistante a lo largo del botalón del equipo de aplicación (aprox. 20 m de ancho). Se conoce que el tamaño de las plantas varía espacialmente en respuesta a los cambios en las condiciones sitio-específicas. La cantidad de elementos de medición


85

puede afectar la precisión de las estimaciones y modifica directamente el costo del equipo. En especial esto resulta relevante dado que no es económicamente factible, en las condiciones actuales, realizar una evaluación del total del área de cobertura (un sensor por surco), y debe optarse por estimar el valor de NDVI con un número menor de unidades de medición sensando una muestra del área a tratar. Por lo expuesto se plantea que para sustentar la utilización a escala productiva del uso del Sistema Green Seeker RT 200 es necesaria la evaluación de la variabilidad en las mediciones del NDVI durante el crecimiento vegetativo del maíz, para determinar la cantidad mínima necesaria de sensores que permitan permitan obtener un valor de NDVI representativo del ancho de trabajo de un equipo de aplicación variable, evaluando su efecto sobre la estimación de las dosis de N recomendadas. Materiales y Métodos El ensayo se llevó a cabo durante la campaña 2005/06 en la Estación Experimental INTA Paraná (Entre Ríos, Argentina 31,5ºS; 60,31ºW; 110 m.s.n.m) sobre un suelo Argiudol Ácuico. El cultivo se sembró el 02 de septiembre de 2005, con una densidad de 90.000 plantas/ha, y un espaciamiento de 0,52 entre hileras. Para realizar las mediciones se utilizo un sensor manual Green Seeker (Ntech Industries, Ukia, CA USA). Este equipo sensa un área de 0,60 x 0,01 m cuando es mantenido a una altura de 0,6 a 1 m por encima de la superficie iluminada y adquiere 10 datos por segundo. Las mediciones se realizaron orientando la sección de 0,6 m de lectura perpendicular al sentido de siembra del cultivo adquiriéndose los datos con una velocidad aproximada de 6 km/h, lo cual permitió registrar unas 30 lecturas de NDVI cada 5 m. Las mediciones se efectuaron en los estadíos de seis y ocho hojas desplegadas (V6 y V8, respectivamente). El experimento se condujo sobre un área experimental de 24,96 m de ancho (48 surcos a 0,52 m) y 50 m de largo, en la cual cada uno de los surcos se dividió a lo largo en 10 segmentos de 5 m., incluyéndose de esta manera 480 unidades experimentales. Los resultados se procesaron en planilla de cálculo, obteniendo el NDVI medio, en base a sensar un diferente número de surcos por vez (48, 24, 12, 6, 4 y 3 surcos, respectivamente), simulando lo que ocurriría en un equipo donde los sensores se dispongan sobre el total de surcos bajo el área de cobertura del equipo (botalón), o sobre un numero menor (pe, en surcos alternados, o cada dos o mas surcos de distancia entre sensores). Los resultados obtenidos se evaluaron mediante estadísticos descriptivos y se compararon las diferencias de medias mediante una prueba de T para dos muestras con varianzas desiguales, realizándose todas las comparaciones respecto al NDVI promedio obtenido del relevamiento del total de los surcos en estudio (480 observaciones). En los casos en que el número de surcos sensados fue menor a 48, las comparaciones incluyeron todas las combinaciones posibles obtenidas a partir de los diferentes agrupamientos, manteniendo la equidistancia entre surcos, tal como se señaló anteriormente. Estas fueron 2, 4, 8, 12 y 16 combinaciones para grupos de 24, 12, 6, 4 y 3 surcos sensados por vez, respectivamente. Por ejemplo, para el caso de sensar 24 surcos (un sensor surco por medio), considerando los 48 surcos posibles de ser sensados, se presentaron dos alternativas, comenzar por el primer surco o por el segundo. Asi, sucesivamente, a medida que disminuye el número de surcos sensados por vez, aumenta el número de combinaciones posibles


86

Resultados y discusión: Las figuras 1 y 2, muestran la variabilidad espacial del NDVI medida por surcos al estadio de V6 y V8, lo cual evidencia que existen diferencias similares en magnitud tanto entre surcos como a lo largo de los surcos. surcos. El NDVI, varía en función de la cobertura del cultivo y del verdor de la canopia, variables que responden a cambios en la nutrición nitrogenada. Por lo cual para estimar recomendaciones en función de este índice es necesario disponer de mecanismos capaces de determinar su variabilidad. La magnitud de las variaciones del NDVI evidencian la heterogeneidad del crecimiento del cultivo, y la posibilidad de tratar el aporte complementario de nutrientes de manera variable en función de dicho índice, tal como sugieren Solie et al (2002). La magnitud del NDVI se incrementa en función del estadio de crecimiento de manera proporcional al incremento en la biomasa del cultivo, mientras que su variabilidad medida en el desvío estándar de las medias del NDVI no evidencia cambios importantes, con lo cual el coeficiente de variación (CV = DE / media), función indirecta de la media (Steel et al. (1997) decrece sensiblemente (Tabla 1 y 2). Similares comportamientos en el CV del NDVI han sido informados por Raun et al (2005).

Figura 1: Variabilidad espacial en el NDVI en maíz determinado con un sensor Green Seeker. Mediciones realizadas al estadio de seis hojas en maíz. (INTA EEA Paraná, 2005)


87

Figura 2: Variabilidad espacial en el NDVI en maíz determinado con un sensor Green Seeker. Mediciones realizadas al estadio de ocho hojas en maíz. (INTA EEA Paraná, 2005) Tabla 1: Estadísticos descriptivos del NDVI en función del número de surcos sensados al estadio V6 en maíz.

Surcos Sensados

Promedio

nº

Mín

Máx

Rango

DE

CV

48 24 12 6 4 3

0.424 0.412 0.412 0.418 0.411 0.402

480 240 120 60 40 30

0.418 0.405 0.403 0.403 0.395 0.381

0.429 0.419 0.421 0.433 0.427 0.422

0.005 0.007 0.009 0.015 0.016 0.021

0.060 0.055 0.052 0.059 0.052 0.068

14.3 13.4 12.6 14.0 12.6 14.3

P>t (a/b ) 2/2 3/4 5/8 2/12 5/16

P>t: Diferencias significativas al 5% para la prueba de t para muestras con variancias no homogéneas; (a/b) a: número de casos significativamente significativamente diferentes en la prueba a la prueba de t, b: numero de comparaciones evaluadas evaluadas en función del numero de surcos sensados, n°: número de unidades experimentales.

Tabla 2: Estadísticos descriptivos del NDVI en función del número de surcos sensados al estadio V8 en maíz.

Surcos Sensados

Promedio

nº

48 24 12 6 4 3

0.528 0.519 0.528 0.536 0.528 0.517

480 240 120 60 40 30

Mín

Máx

0.524 0.533 0.518 0.538 0.518 0.538 0.523 0.549 0.511 0.545 0.494 0.539

Rango

DE

CV

0.005 0.010 0.010 0.013 0.017 0.022

0.051 0.053 0.055 0.052 0.055 0.062

9.6 10.2 10.5 9.6 10.4 12.0

P>t (a/b ) 2/2 0/4 0/8 0/12 1/16

P>t: Diferencias significativas al 5% para la prueba de t para muestras con variancias no homogéneas; (a/b) a: numero de casos significativamente significativamente diferentes en la prueba a la prueba de t, b: numero de comparaciones evaluadas evaluadas en función del numero de surcos sensados, n°: n°: número de unidades experimentales.


88

Las comparaciones de las medias obtenidas sensando diferente número de surcos (Tabla 1 y 2) sugieren que en la medida que el cultivo tiene mayor cobertura (70% aproximadamente en V8), las diferencias entre sensar el total del área de estudio o obtener una muestra decrece. La diferencia máxima en el NDVI encontrada en V6 fue de un 5% mientras que en V8 esta diferencia fue de sólo un 2%. Dichas diferencias aunque resultaron estadísticamente significativas en las comparaciones de medias, son de escasa relevancia agronómica debido a que fueron de muy reducida magnitud. El método de prescripción basado en mediciones de NDVI requiere de otros componentes que se fijan arbitrariamente: el rendimiento potencial del cultivo y la eficiencia de uso del N. Para ambos casos, los errores de estimación son potencialmente mayores, debido a que dependen de las condiciones ambientales. El sistema RT 200 (Ntech Industries, Ukia, CA) esta diseñado con 6 unidades de sensado, sin embargo no se conoce información disponible que demuestre la precisión obtenida con diferente número de sensores distribuidos de manera equidistante a lo largo del botalón de un equipo de aplicación variable. Los resultados aquí obtenidos muestran muy escasa diferencia entre las mediciones realizadas con 48 vs. 6 surcos sensados e incluso 4 surcos (Figuras 3 y 4).

0,60

60%

0,50

50%

0,40

40%

I V 0,30 D N

0,20

30% V C 14,3%

13,4%

12,6%

14,0%

12,6%

14,3%

20%

0,10

10%

0,00

0% 48

24

12

6

4

3

Número de surcos sensados

Figura 3. Efecto del numero de surcos sensados sobre el valor del NDVI medio y su variabilidad (CV %). Mediciones realizadas al estadio de seis hojas en maíz. (INTA EEA Paraná, 2005)


89

0,60

60%

0,50

50%

0,40

40%

I V 0,30 D N

30% V C

0,20

20% 9,6%

10,2%

10,5%

9,6%

10,4%

12,0%

0,10

10%

0,00

0% 48

24

12

6

4

3

Número de surcos surcos sensados

Figura 4 Efecto del numero de surcos sensados sobre el valor del NDVI medio y su variabilidad (CV %). Mediciones realizadas al estadio de ocho hojas desplegadas en maíz. (INTA EEA Paraná, 2005)

La estimación de las recomendaciones de fertilización basadas en el valor medio de NDVI obtenido a partir de distinto número de surcos sensados muestra que las dosis resultantes recomendadas en V6 serían levemente superiores (104 a 116%) a las recomendadas en base a la lectura del total de los surcos (48 surcos), tomando como dosis de referencia a esta última (se le asignó valor de 100%). La simulación de prescripción derivada de sensar 6 o 4 surcos en V6 muestra que las variaciones en la dosis seria de 2,9 y 6,5 kg de N por encima de la dosis media de referencia. Cuando las mediciones se realizaron al estadío de V8, las diferencias en NDVI fueron menores, y las estimaciones fueron similares a las de la referencia. Las diferencias fueron de -3,7 kg de N o nulas cuando la prescripción se hizo sobre 6 o 4 surcos en referencia a una dosis media de 86,6 kg de N/ha (Tabla 3). Tabla 3: Estimación de la recomendación de fertilización en función del NDVI utilizando el SBNRC (*) según el número de surcos sensados sensados al estadio V6 y V8 en maíz.

Surcos sensados

NDVI

Mediciones en V6 Mediciones en V8 Recomendación % del Recomendación % del (Kg N/ha) (*) promedio (Kg N/ha) (*) promedio 72,0 100% 86,6 100% 78,0 108% 90,8 105% 78,0 108% 86,5 100% 74,9 104% 82,9 96% 78,5 109% 86,7 100% 83,2 116% 92,1 106%

48 Promedio 24 Promedio 12 Promedio 6 Promedio 4 Promedio 3 Promedio (*) Estimaciones realizadas según http://www.soiltesting.okstate.edu/SBNRC/SBNRC.php http://www.soiltesting.okstate.edu/SBNRC/SBNRC.php Los resultados obtenidos en la presente experiencia evidencian la variabilidad espacial en el NDVI determinado sobre un cultivo de maíz, la cual decrece en función del avance en el desarrollo del cultivo desde V6 a V8. En las condiciones evaluadas las diferencias obtenidas en la estimación del NDVI medio y de las recomendaciones de fertilización asociadas, muestran que estas no fueron superiores a un 5%. De acuerdo a esto, seria factible obtener una una estimación aceptable del NDVI medio a partir de lecturas realizadas con 6 o 4 sensores distribuidos en un ancho de trabajo similar al evaluado (aprox. 25 m). 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

90

Es conveniente continuar estudios extendiendo el rango de condiciones evaluadas a mayor número de sitios y estadios de desarrollo, así como también incorporar mediciones en cultivo de trigo a fin de contar con criterios más robustos para recomendar una simplificación en el equipamiento lo cual redundaría en un ahorro significativo de costos. Bibliografía LARUFFA, J.M; W.R. RAUN, S.B. PHILLIPS, J.B. SOLIE, M.L. STONE, AND G.V. JONSON. 2001. Optimum Field Element Size for Maximum Yields in Winter Wheat Using Variable Nitrogen Rates. J. Plant Nutr. 24:313-325. RAUN W. R. y G.V.JONSON. 1999 Improving Nitrogen Use Efficiency for Cereal Production. Agron. J. 91:357–363. RAUN, W.R., J.B. SOLIE, G.V. JOHNSON, M.L. STONE, R.W. MULLEN, K.W. FREEMAN, W.E. THOMASON, AND E.V. LUKINA. 2002. Improving nitrogen use efficiency in cereal grain production with optical sensing and variable rate application. Agron. J. RAUN, W.R., G.V. JOHNSON, M.L. STONE, J.B. SOLIE, E.V. LUKINA, W.E. THOMASON AND J.S. SCHEPERS. 2001. In-season prediction of potential grain yield in winter wheat using canopy reflectance. Agron. J. 93:131-138. RAUN, W. R.; J. B. SOLIE, K. L. MARTIN, K. W. FREEMAN, M. L. STONE, G. V. JOHNSON, AND R. W. MULLEN. 2005. Growth Stage, Development, and Spatial Variability in Corn Evaluated Using Optical Sensor Readings. Journal of Plant Nutrition, 28: 173–182, 2005. SCHEPERS, J.S. 2002. Manejo de nitrógeno: Nuevas tecnologías para el manejo y diagnóstico de la fertilización nitrogenada. En: Actas X Congreso Nacional de AAPRESID, Tomo I. pp. 141-155. SENSOR BASED NITROGEN RATE CALCULATOR ON LINE. (2002). http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php (consulta 16 de marzo de 2007). SOLIE, J. B.; M.L. STONE; W.R. RAUN, G.V. JOHNSON, JOHNSON, K. FREEMAN, R. MULLEN; D.E. NEEDHAM, S. REED, C.N. WASHMON. (2002) Real-time sensing and n fertilization with a field scale greenseeker applicator. http://www.nue.oksate.edu/papers/minnesota_2002_solie.htm (consulta 16 de marzo de 2007). SOLIE, J.B., W.R. RAUN, R.W. WHITNEY, M.L. STONE AND J.D. RINGER. 1996. Optical sensor based field element size and sensing strategy for nitrogen application. Trans. ASAE 39(6):1983-1992. STEEL, R. G. D., J. H. TORRIE, AND D. A. DICKEY. 1997. Principles and procedures of statistics: A biometrical approach, 3rd Ed. New York: McGraw Hill Book Co. STONE, MARVIN L., JOHN B. SOLIE, RICHARD W. WHITNEY, WILLIAM R. RAUN AND HEATHER L. LEES. 1996. Sensors for detection of nitrogen in winter wheat. SAE Technical paper series. SAE Paper No. 961757. SAE, Warrendale PA.


91

IDENTIFICACIÓN DE ZONAS CON NECESIDAD DE ENCALADO Y CRITERIOS A TENER EN CUENTA PARA EL CÁLCULO DE LAS DOSIS DE CORRECCIÓN Ing Agr, Ms Sc Sebastián Gambaudo Convenio ENCaLAR –INTA EEA Rafaela [email protected]

La agricultura moderna debe volcarse hacia el desarrollo sustentable, creando y manteniendo la productividad del suelo a largo plazo. Los sistemas actuales utilizados en la Argentina comienzan a ser cuestionados y a ser relacionados con el concepto de sustentabilidad, es decir “usar sin depredar de tal modo que los recursos naturales puedan ser transferidos a las generaciones futuras en condiciones de capacidad productiva”. La agricultura moderna tiene que ser sustentable, por medio de la creación y manutención de la productividad del suelo a largo plazo. Los beneficios de suelos de alta productividad incluye la protección ambiental y el uso eficiente de los insumos (calidad y cantidad). Como se sabe las plantas superiores forman sus tejidos a partir de elementos que toman de la atmósfera y del suelo. Para ello es necesario que dispongan de todos los nutrientes minerales esenciales y que la velocidad de suministro de cada uno sea, al menos, igual a la demanda de los cultivos. Un elemento es esencial para los cultivos (Wild, 1992) si su carencia hace imposible que se completen las fases que componen el ciclo de las plantas, si la deficiencia es específica y no puede ser prevenida o corregida más que con el aporte de este elemento y si el elemento está directamente relacionado con la nutrición de la planta. Los nutrientes que actualmente se consideran necesarios son: 1. Macronutrientes: carbono, hidrógeno, oxígeno, nitrógeno, fósforo, potasio, calcio, magnesio y azufre. 2. Micronutrientes: hierro, manganeso, cobre, cinc, boro, molibdeno y cloro. Zonas con deficiencias: En la región pampeana, el origen de la acidez en los suelos con aptitud agrícola, de acuerdo a estudios realizados, se debería a la extracción diferencial de los nutrientes calcio y magnesio de la capa arable por los cultivos realizados. Existen también otras causas que pueden determinar una acidez como ser el material de origen, la profundidad del suelo, las precipitaciones, la descomposición de la materia orgánica, la vegetación natural, la remoción de bases a través de la cosecha de cultivos, o por el residuo ácido que dejan en el suelo los fertilizantes nitrogenados (Potash & Phosphate Institute, 1997). En un mapa realizado por Michelena et al . (1997) sobre la base del Atlas de Suelos de la República Argentina se diferencian las áreas con problemas de acidez edáfica (Figura 1).


92

Figura 1. Áreas de suelos ácidos de la República Argentina

Las características principales de suelo y clima, así como el tamaño de cada una de las áreas señaladas en la Figura 1(Giorgi) son: 1. Misiones – NE de Corrientes: Suelos rojos. Meteorización avanzada. Sesquióxidos libres. Bien provistos de materia orgánica (M.O.), fósforo (P) fijado, ácidos con baja capacidad de intercambio catiónico (CIC) y bajo porcentaje de saturación de bases (%SB); pH entre 4,3-5,8. Precipitación: media anual 1500 a 1700 mm. Representan: 3.448.259 has. 2. Este de Corrientes: Hidromórficos. Buena provisión de MO. Acidez con pH de 5,5. Precipitación: media anual 1400 mm. Representan: 2.188.593 has. 3. Centro –Norte de Corrientes: Mal drenados, reacción ácida, no salinos. Precipitación: media anual 1600 mm. Representan: 1.589.606 has.

4. Oeste de Corrientes y NO de Entre Ríos: Albardon arenoso y profundo, reacción ácida. Precipitación: media anual 1100 a 1300 mm. Representan: 3.221.725 has. 5. Oeste de Entre Ríos: Area ondulada. Vertisoles con Argiudoles vérticos. Baja permeabilidad. Acidez en superficie, con pH que aumentan en profundidad de 5,5 a 8. Precipitación: media anual 1000 mm. Representan: 2.039.486 has. 6. Sur de Entre Ríos, Isla y Delta del Río Paraná: Arenosos, con napa de agua cercana, anegadizos. Acidos. Precipitación: media anual 950 a 1050 mm. Representan: 2.671.586 has. 7. Margen derecha Río Uruguay en Entre Ríos y Corrientes: 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

93

Arenosos sobre subsuelo arcillo-arenoso, moderadamente drenados. Acidos. Bajo CIC y %SB. Precipitación: media anual 1300 a 1400mm. Representan: 1.589.606 has. 8. Centro, este y sur de Santa Fe, Noroeste de Buenos Aires: Argiudoles, con B2 textural. Bien provistos de MO y nutrientes. Levemente ácidos en superficie y moderadamente alcalinos en profundidad. Precipitación: media anual 900 a 950. Representan: 3.923.565 has. 9. Sistema de Tandilla – centro Sureste de Bs As: Bien drenados. Ricos en MO y en nutrientes, son ligeramente ácidos a neutros. Precipitación: media anual 800 mm. Representan: 2.169.704 has. 10. Centro este de La Pampa y pequeñas áreas de SO de Bs As y SO de Cba: Textura liviana. Horizonte pertrocálcico a 1m de profundidad. Moderadamente provistos de MO y nutrientes. Ligeramente ácidos en superficie. Precipitación: media anual 550 a 600 mm. Representan: 4.591.209 has. 11. Sector serrano de Catamarca, La Rioja, Córdoba, San Luis, San Juan y Tucumán: Suelos someros. Perfil poco desarrollado. Pobres en MO y en mutrientes. Acidos a neutros. Precipitación: media anual 100 a 500 mm. Representan: 17.429.120 has. 12. Este de Jujuy, noroeste y sur de Salta: Las zonas de bosque: bien provistos de MO y son ácidos. Representan: 4.788.801 has.

13. Centro oeste de Neuquén: Desarrollados sobre cenizas volcánicas. Horizonte a1 ácido, con baja %SB. Ricos en MO y nutrientes. Representan: 9.464.966 has. 14. Santa Cruz y Tierra del Fuego: Suelos medianamente profundos. Horizonte Ao superficial rico en MO poco humificada. De reacción ácida. Representan: 8.924.025 has. Cruzate y Casas (2003) identificaron zonas de extracción de nutrientes por los principales cultivos de Argentina, maíz, trigo, sorgo granífero, soja y girasol, determinando que los mayores valores de calcio se exportan de los departamentos San Nicolás (Buenos Aires) y Rosario (Santa Fe) con una extracción de 7,80 kg por hectárea en la campaña 2002/03. Además determinaron que en tres áreas, una del S de Santa Fe y N de Buenos Aires, otra del centro de Córdoba al S de Santiago del Estero y la tercera en el SO de Santiago del Estero y E de Tucumán, los valores de calcio exportado fueron superiores a 6 kg. ha-1 . Diagnóstico: El mismo debe realizarse teniendo en cuenta todas aquellas variables que inciden directamente sobre la acidez edáfica: Para ello se debe comenzar a identificar en el análisis de suelo los siguientes aspectos: - Capacidad de intercambio catiónico del suelo (CIC): representa la suma total de cationes intercambiables que un suelo puede retener. Cuanto mayor es la CIC mayor será la cantidad de cationes que éste pueda retener. A medida que el contenido de arcilla y/o materia orgánica aumentan el suelo tendrá mayor CIC.


94

Cuadro1. Valor de CIC y su relación con el nivel de retención de cationes por el suelo.

Capacidad de Intercambio Catiónico (meq/100 g) Menor de 6 Entre 6 y 12 Entre 13 y 20 Entre 21 y 30 Mayor de 30

Nivel Muy bajo Bajo Medio Alto Muy alto

En suelos con alta CIC es posible de observar una residualidad de la enmienda por 3-4 años, mientras que aquellos con baja CIC lo recomendable es la aplicación anual de la enmienda con menores dosis. -

Porcentaje de saturación de bases: Uno de los métodos más utilizados para calcular la cantidad de enmienda a agregar se basa en el porcentaje de saturación de las bases presentes y el de cada una de ellas, considerando valores referencias como los siguientes Buena ≥ 80%, media 60-79% y baja < 60%.

-

Porcentaje de saturación con calcio: Bueno ≥ 70%, moderado 60-69% y bajo < 60%.

-

Porcentaje de saturación con magnesio: Bueno > 7%, moderado 5 –6 % y bajo < 5%.

-

Relación calcio-magnesio: ideal 6-7 de calcio: 1 de magnesio.

-

pH: El valor del pH del suelo es indicador de su grado de acidez, neutralidad o alcalinidad, que se relaciona con numerosas propiedades del mismo, influyendo sobre la solubilidad de los nutrientes, el crecimiento y el rendimiento de las plantas. Además se vincula con el material que dio origen a los suelos, es decir, con los minerales que lo integran (calcio y magnesio) y con la forma en que se fueron alterando.

Cuadro 2: Valor del pH del suelo como indicador de acidez, neutralidad o alcalinidad

Acidez Neutralidad Alcalinidad Muy Fuer Fuerte te Media edia Moder oderad adaa Lige Ligera ra Lige Ligerra Moder oderad adaa Media edia Fuer Fuerte te Muy Muy fuerte fuerte 3 4 5 6 7 7,5 8 8,5 9,5 10,5 La adaptabilidad de las plantas es diversa y varía a lo largo de la escala de pH, determinándose que para valores entre 6,5 - 6,8 no habría restricciones de crecimiento para ninguno de ellas. Se considera que un suelo es ácido cuando se encuentra por debajo de pH 6 y es alcalino cuando el valor es superior a 7,5. Material a utilizar: Las enmiendas factibles de utilizarse para la corrección de la acidez edáfica en Argentina han quedado definidos por la Norma IRAM 22451 (Gambaudo, 1998). En la misma se establecen los requisitos (concentración y granulometría), las condiciones de recepción y los métodos de ensayos de materiales calcáreos para uso agropecuario que se emplean en suelos. Al material calcáreo se lo define como el producto constituido básicamente por calcio, o calcio y magnesio, que actúa como corrector de suelos y es fundamental para la nutrición vegetal. 7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007

95

Se podrá establecer, como lo menciona Bonalumi (2005), una clasificación de los materiales con tendencia calcítica a aquellos que tiene entre un 30-52% de OCa y entre 0 y 11% de OMg y con tendencia dolomítica las que poseen entre un 30-35% de OCa y entre 13-21% de OMg, dejando una estrecha franja a un grupo de materiales con tendencia mixta que tiene entre 30-355 de OCa y 11-13%OMg. La concentración y la granulometría, determinan el Poder Relativo de Neutralización Total (PRNT) que está compuesto por el Poder Neutralizador del material (PN) y su velocidad de reacción, la Eficiencia Relativa (ER), quedando definida de acuerdo a la siguiente ecuación: PN x ER PRNT = ---------------100 A partir del PRNT es posible diferenciar la calidad de los materiales a utilizar y establecer una clasificación (Cuadro 3). Cuadro3. Calidad de los materiales calcáreos para su uso agropecuario según su Poder Poder Relativo de Neutralización Total (PRNT).

Calidad Superior Buena Regular Inferior

PRNT (%) Más del 90 Entre el 75 y 90 Entre el 60 y 74 Entre el 45 y 59

Un aspecto importante a recordar es la residualidad que tienen el efecto de las enmiendas. Cálculo de la dosis:

Existen varios pero entre los más utilizados se pueden mencionar: • Cálculo de la saturación de bases: la necesidad de encalado surge de cotejar la saturación actual de bases con la deseada como se mencionó anteriormente. • Buffer SMP: consiste en medir el descenso del pH de una suspensión de suelo en una solución reguladora (buffer). El descenso se relaciona con valores ya calculados y se obtiene la cantidad de enmienda necesaria para alcanzar el pH deseado. • Curvas de Neutralización: se usa como patrón de ajuste de los métodos citados anteriormente, no siendo utilizado muy utilizado en los laboratorios por su demora para ser usado e determinaciones de rutina. +++ intercambiable: el contenido de Al intercambiable es • Concentración del Al detectable en suelos con pH inferior a 5,5 y en estos casos el método más eficaz de diagnóstico de necesidad de enmienda radica en tomar entre una y dos veces el contenido de Al intercambiable y referirlo directamente como necesidad de carbonato en toneladas por hectárea. Este método resulta muy útil para suelos ultisoles, oxisoles y arenosos (baja CIC).


96

Maquinarias para su aplicación: La evolución de la maquinaria, como en todas las actividades agropecuarias, viene de la mano de la demanda y de la necesidad. La incorporación de grandes volúmenes de material mineral con alto peso específico y características abrasivas limita el uso de equipos convencionales de aplicación de fertilización. Los actuales equipos aplicadores de enmiendas calcáreas poseen sistema de calibración indirectos y trabajan con precisión relativa. Poseen dispositivos dosificadores sincronizados con el desplazamiento. Deben garantizar un flujo continuo de material desde el seno de la tolva hacia el órgano dosificador. Los acarreadores pueden ser de cadena o caucho accionados por toma de fuerza o rueda de mando. Los distribuidores existentes son a voleo con bidiscos de baja revoluciones, bidiscos con “polleras” o cortinados antideriva y dispositivos distribuidores de precisión a sinfines transversales con paravientos. Recientemente han aparecido dosificadores variables (Tron, 2007) que pueden clasificarse, según su naturaleza de funcionamiento, en dos tipos: mecatrónicos y electrohidraulicos. Mecatrónicos: son aquellos equipos que basan su funcionamiento en la interacción

entre componentes mecánicos y electrónicos (Figura 2).

Figura 2. Detalle del sistema de caja variadora comandada elctrónicamente. Cortesía de FÉRTIL.

Se trata de un sistema de control que se gobierna a través de un actuador (servomotor), un variador mecánico que acciona un eje dosificador (dosificadores chevron en sembradoras, rotores de sistemas air drill, rolos de sistemas de acarreadores y cadenas dosificadoras), lográndose de esta manera variar permanentemente la relación de transmisión de este variador, estableciendo así diferentes valores de dosificación en tiempo real. Estos sistemas permiten la


97

aplicación de dosis fijas seleccionadas por el operador, o en función de mapas de aplicación prescriptos. Electrohidraulicos: son los sistemas compuestos de órganos oleohidraulicos, comandados electrónicamente. Estos sistemas logran variar las revoluciones de un oleomotor solidario a un eje dosificador, a través de electroválvulas proporcionales gestionadas por un sistema de control. Al igual que en el caso anterior estos sistemas permiten la aplicación a tasa fija o variable en función de mapas de aplicación. Bibliografía: Bonalumi, A. 2005. Ubicación geográfica, contexto geológico regional y características geoquímicas de las manifestaciones. Informe interno. Secretaría de Minería de la Provincia de Córdoba. 7p. Cruzate, G. y Casas, R. 2003. Necesidades de Nutrientes en la Agricultura Argentina. Presentación en la Jornada Internacional Uso de minerales para una Agricultura Sustentable. CYTED-Cámara Argentina de Productores Mineros. Pergamino, 11 – 12/09/03. Gambaudo, S. 1998. Materiales calcáreos para uso agropecuario. FERTILIZAR. 11:10-11. Giorgi, R. Cálculos realizados en base al Atlas de Suelos de la Rep. Argentina. (Comunicación personal). Potash & Phosphate Institute. 1997. “Manual internacional de fertilidad de suelos”. PPI, 655 Engineering Drive, Suite 110, Norcross, GA 30092-2837, USA. Capítulo 2. Tron, L. 2007. Comunicación personal. Wild, A. Ed. 1992. Condiciones del suelo y desarrollo de las plantas según Russell. Ed. Mundi –Prensa. Madrid, España. Capítulo 3: 71-121.


98

IMPORTANCIA DE LA CARACTERIZACIÓN DE LOS AMBIENTES PARA EL MANEJO DE LA FERTILIDAD Y LOS FERTILIZANTES Ings. Agrs. Hugo Fontanetto1 ; Oscar Keller1 ; Julio Albrecht2 y Gabriel Beccaría3.

Los suelos de la zona pampeana de Argentina presentan diferencias muy marcadas en cuanto a sus propiedades físicas, químicas y biológicas y también respecto a las precipitaciones que ocurren anualmente en sus diferentes áreas geográficas. Esto produjo que exista variabilidad espacial (que ocurre principalmente a diferentes escalas) y temporal (a través de los años y de las estaciones de crecimiento). La mencionada variabilidad es natural (y ocurre principalmente a gran escala) e inducida (debida a aspectos de manejo de los suelos y cultivos y se da a pequeña, mediana y a gran escala). Un ejemplo de la variabilidad a gran escala se muestra en la siguiente imagen satelital de un sector de la zona centro norte de la provincia de Córdoba del año 2005, donde se aprecia la variabilidad de ambientes productivos.

------------------------------------------------------------------------------------------------------------------------------(1): profesionales del Dpto. Investigación en Agronomía del INTA Rafaela; (2): AFA María Juana; (3): CREA zona S. M. de Las Escobas-Gral Belgarno.-


99

Otro ejemplo de variabilidad a gran escala se puede apreciar en el siguiente mapa de los contenidos de fósforo extractable del suelo en la capa 0-20 cm (Bray I) que realizaron entre Yara y AGD.

CERES

50.00 45.00

COLONIA CAROYA

40.00 RIO PRIMERO

DESPEÑADEROS

35.00

LAGUNA LARGA ONCATIVO

CORRALITO

30.00 HERNANDO

25.00

GENERAL DEHEZA GENERAL CABRERA CARNERILLO CHAZON MONTE MAIZ

ALEJANDRO ROCA LA CARLOTA CANALS

CORONEL MOLDES

CHABAS

20.00

FIRMAT

ALEJO LEDESMA PUEBLOITALIANO

VICUÑA MACKENNA

VILLAVALERIA

BUENAESPERANZA

HUINCA RENANCO VILLAHUIDOBRO

COLON

15.00

MARIA TERESA

LABOULAYE RUFINO

10.00 5.00

La variabilidad en pequeña escala es también un problema a resolver para el manejo eficiente de los recursos productivos y la misma es alta en los planteos de siembra directa continua debido a la aplicación anual y reiterada de los fertilizantes al costado y debajo de la línea de siembra y a las aplicaciones de fertilizantes (con nutrientes poco móviles como P, K, Ca, Mg, etc) en forma “bandeada”. Ejemplos de variabilidad en pequeña escala e inducida se aprecia en la siguiente figura de aplicaciones de diferentes dosis de P (Kitchen et al., 1990) localizadas en el suelo:


100

Agricultura Precision curso7 libro

Recommend Documents