11 de abril de 2024 en Buenos Aires

Alcanzaste el límite de 40 notas leídas

Para continuar, suscribite a Crea. Si ya sos un usuario suscripto, iniciá sesión.

SUSCRIBITE

Agricultura por ambientes: un caso práctico en el NOA

Agricultura por ambientes: un proyecto para analizar la contribución de la adopción de tecnologías de gestión variable de densidad y fertilización.

Alcanzaste el límite de 40 notas leídas

Para continuar, suscribite a Crea. Si ya sos un usuario suscripto, iniciá sesión.

SUSCRIBITE

En el ciclo 2021/22 CREA y Aceitera General Deheza (AGD) iniciaron un proyecto con el propósito de analizar la contribución de la adopción de tecnologías de diagnóstico y gestión variable de densidad y fertilización ("agricultura por ambientes") sobre el rendimiento y resultado económico de la producción de maíz, soja y girasol en sistemas agrícolas en distintas regiones del país.

Uno de los muchos sitios en los cuales comenzaron a llevarse a cabo experimentos en el marco del convenio es el establecimiento agrícola de la empresa Estancia El Azul, integrante del CREA San Patricio (región NOA), ubicado en la zona oeste de la provincia de Tucumán y caracterizado por contar con hapludoles típicos y argiustoles de textura franco y francoarcillosa.

En ese sitio el objetivo del ensayo fue delimitar y cuantificar con precisión las principales limitantes y deficiencias químicas y físicas del suelo para diseñar prácticas de manejo e identificar los ambientes productivos, de manera tal de intentar mejorar los índices productivos y hacer un uso más eficiente de los recursos.

Para eso se realizó un mapeo de conductividad eléctrica aparente (ECA 30 y 90 centímetros) utilizando una rastra Veris 3100 para delimitar zonas diferentes dentro del campo. Posteriormente se llevó a cabo un muestreo dirigido en función del mapa de estándares de calidad ambiental (ECA) con una intensidad de una muestra compuesta por 15 piques de 0 a 20 centímetros cada 3,5 hectáreas y una muestra a profundidad por macro-ambientes de 50 hectáreas (todas geolocalizadas).

De cada muestra se analizaron en laboratorio 24 determinaciones, entre las cuales se incluyeron porcentaje de sodio intercambiable (PSI), concentración de sales, pH, Materia Orgánica, Capacidad de Intercambio Catónico, textura y macro y micro nutrientes.

Mediante técnicas de interpolación se construyeron mapas de cada una de esas variables, delimitando las áreas que presentaban limitantes y deficiencias y cuantificando su magnitud. Con datos de altimetría obtenidos con DGPS, se construyó un modelo digital de elevación y se calcularon índices topográficos.

Se utilizó la técnica de análisis multiespectral y análisis de componentes principales (PCA), que se utilizan para identificar y extraer patrones relevantes orientados a construir un índice ambiental del lote.

Las variables que definieron a los ambientes fueron las siguientes: índice topográfico compuesto, ECA 30 centímetros, Materia Orgánica del suelo y fósforo. Es importante destacar que el fósforo, si bien suele ser en general deficiente en la región, en Estancia el Azul se viene trabajando en la reposición sistemática de ese nutriente desde 2012 a la fecha.

La fecha de siembra de maíz fue el 29 de diciembre del 2022 con una sembradora que tiene la tecnología de siembra de precisión y corte surco por surco. El híbrido utilizado fue el DK7210 VT3P. Previo a la siembra se realizó una nivelación de fósforo a 18 ppm con una dosis mínima de 150 kg/ha de SPT. En V6-V10 se realizó una fertilización variable de nitrógeno al voleo con una dosis promedio de 110 kg/ha de Nitrodoble.

Figura1.PNG
A) Modelo digital de elevación y mapa de índice ambiental del lote b) mapa de prescripción de semillas

A) Modelo digital de elevación y mapa de índice ambiental del lote b) mapa de prescripción de semillas

Para validar y ajustar los diferentes ambientes productivos se empleó un diseño de parcelas divididas con diferentes combinaciones de nitrógeno y densidad.

Durante el ciclo del cultivo se realizaron recorridas a campo y monitoreo satelital con la plataforma Experta AGD. En madurez fisiológica se realizaron muestreos para medir contenido de nutrientes en grano.

figura2.PNG
A) Captura plataforma Experta AGD. Imagen NDVI resolución 10 metros. Maíz en V14. B) Ensayos con vuelo de drone a 300 metros de altura en ambiente de baja productividad c Ortomosaico generado por las imágenes de drone con resolución 10 cm/px. Indice VARI.

A) Captura plataforma Experta AGD. Imagen NDVI resolución 10 metros. Maíz en V14. B) Ensayos con vuelo de drone a 300 metros de altura en ambiente de baja productividad c Ortomosaico generado por las imágenes de drone con resolución 10 cm/px. Indice VARI.

“Utilizamos una serie de herramientas estadísticas para recopilar y analizar datos sobre las prescripciones de cultivo y los resultados de la cosecha. El primer paso fue agrupar los datos en clusters mediante la función k-means difuso, según el caso, como baja, media y alta, basándonos en características clave como la prescripción y el rendimiento; luego calculamos áreas y porcentajes para entender mejor la distribución de estas categorías en el lote”, señala Daniel Pérez, coordinador de negocios digitales de Experta AGD.

Posteriormente, se compararon las ambientes diseñados en las prescripciones con los resultados reales obtenidos en la cosecha de maíz en tales ambientes.

figura1Bis.PNG
Ambientes: análisis del comportamiento geoespacial a) Clustering k-meas difuso en mapa de prescripción y cosecha b) META análisis del rendimiento productivo de los ambientes generados c) “Heat Map” con las frecuencias relativas por ambientes productivos para evaluar el ajuste de las prescripciones. Elaboración: Mariano Granatelli & Daniel Pérez. Experta AGD.

Ambientes: análisis del comportamiento geoespacial a) Clustering k-meas difuso en mapa de prescripción y cosecha b) META análisis del rendimiento productivo de los ambientes generados c) “Heat Map” con las frecuencias relativas por ambientes productivos para evaluar el ajuste de las prescripciones. Elaboración: Mariano Granatelli & Daniel Pérez. Experta AGD.

El método de análisis para evaluar el manejo de Dosis Óptima Agronómica (DOA) y Económica (DOE) consistió en un modelo de regresión lineal y mixto, de manera tal de determinar si las decisiones que se tomaron en las prescripciones para cada ambiente en particular fueron las más adecuadas para ese año y lote. Dicho análisis, obviamente, se irá robusteciendo año tras año a medida que se vaya incrementando la disponibilidad de datos en las diferentes campañas agrícolas.

Se utilizó una interfaz dinámica (que puede verse aquí) para permitir a los técnicos o empresarios introducir variables clave como el precio del maíz, costo de semillas y fertilizantes, de manera tal de poder estimar el rendimiento y el Margen Bruto en función de la densidad de siembra y la cantidad de fertilizante empleado. Además, la plataforma ofrece una comparativa entre la DOE y el Testigo Uso Actual (TUA), indicador que representa la dosis normal o fija que realizaría el productor en la zona. También se habilitó una plataforma para calcular el Margen Neto proyectado (que puede verse aquí).

“En una campaña complicada por la escasez de lluvias, notamos que en el ambiente de alta productividad el plus por fertilizar y ajustar la densidad fue de aproximadamente de 700 kg/ha en maíz; quizás en un buen año estos valores pueden aumentar”, remarca Alejandro Padilla, gerente de Producción de Estancia El Azul.

En el ambiente de bajo potencial, en cambio, los valores de rendimiento y dosis estuvieron muy cerca de lo que el productor convencional realiza generalmente en el lote. Sin embargo, el uso de la fertilización variable permitió ahorrar unos 20 u$s/ha.

“Esta metodología nos permiten cuantificar cual es el impacto de la tecnología, porque actualmente es muy fácil realizar prescripciones variables, pero es difícil poder determinar la conveniencia o no de las mismas en términos económicos”, comenta Alejandro.

“Los ensayos permitieron detectar que algunos híbridos responden a la fertilización variable y otros no y que, en el caso de los que responden, no hay que tenerle miedo a fertilizarlos, incluso en años con lluvias inferiores a las normales, porque ese aporte se paga con un diferencial de rendimiento y económico”, añade.

Horacio Márquez, gerente de Acopio de AGD Tucumán, señaló que “para nosotros como AGD y en particular en el NOA es un lujo poder armar estos proyectos juntos a CREA”.

“Esto lo empezamos hace ya tres años con la idea de difundir el trabajo realizado hace más de quince años en la región y con más de 110.000 hectáreas bajo agricultura por ambientes”.

Por último, Sebastián Storti, responsable de Experta AGD, remarcó que la meta del convenio con CREA es transmitir y acercar la tecnología al productor y validarla en conjunto a campo en diferentes regiones productivas.

“Las tecnologías de procesos y el conocimiento adquirido durante estos años nos permiten agregar valor en la aplicación de insumos, principalmente en semillas y fertilización de fósforo y nitrógeno”, concluyó.

Dejá tu comentario

Contenido Relacionado