20 de febrero 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

Gestión de datos para construir información útil

Un caso práctico en el CREA Las Petacas de la región Sur de Santa Fe a partir de una correlación diseñada por Diego Hugo Pérez.

Alcanzaste el límite de 40 notas leídas

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

SUSCRIBITE

La disponibilidad de grandes bases de datos permite generar –con las metodologías adecuadas– un importante volumen de correlaciones que en ciertas oportunidades son útiles para sumar miradas diferentes que contribuyan a producir conocimiento orientado a la creación de valor.

Diego Hugo Pérez, asesor del CREA Las Petacas (región Sur de Santa Fe) correlacionó registros de más de diez años de rendimientos de maíz temprano y soja de primera en “isolotes”, es decir, en ambientes equivalentes –diferenciados por calidad del suelo– durante el período seleccionado.

Los registros de lotes de empresas del CREA Las Petacas muestran que los rendimientos de soja de primera experimentan un crecimiento alineado con los de maíz temprano hasta un rinde aproximado de 9000 kg/ha de maíz, luego de lo cual la oleaginosa no logra seguirle el ritmo al cereal.

“Los datos indican que, cuando el maíz temprano supera los 9000 kg/ha, la soja de primera no logra incrementar su rinde, lo que indica que existen factores que limitan al cultivo de soja en ambientes de alto potencial de rendimiento”,

Diapo.PNG

“Se trata de una primera aproximación, que nos lleva a realizar muchos preguntas y a buscar nuevas correlaciones que permitan detectar las causas de la menor performance productiva de la soja”,

La restricción detectada en la correlación resulta útil para focalizar el diseño de ensayos de cultivares y fertilización en aquellos ambientes en los cuales la brecha de rendimientos de ambos cultivos es más amplia.

Si bien la correlación en cuestión posibilita visualizar la presencia de patrones ajustados a situaciones presentes en una zona específica, la detección de patrones similares en diferentes regiones permitiría detectar variables estructurales como factores limitantes.

“Es destacable como la gestión de grandes bases de datos junto con herramientas de estadística permite generar nueva información para poder promover el proceso de mejora continua en materia agronómica”, concluye Diego.

SojaCosecha.PNG

Dejá tu comentario

Contenido Relacionado