Para continuar, suscribite a Crea. Si ya sos un usuario suscripto, iniciá sesión.
SUSCRIBITEEstimación de rendimientos: con datos satelitales y modelos desarrollados por el LART junto a CREA, estiman rendimientos en cultivos de trigo, soja y maíz con errores menores a 15%. Primeras experiencias en Litoral Sur.
Para continuar, suscribite a Crea. Si ya sos un usuario suscripto, iniciá sesión.
SUSCRIBITEUna investigación desarrollada por el Laboratorio de Análisis Regional y Teledetección (LART) del Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura (FAUBA-CONICET), en colaboración con el Movimiento CREA a través de DAT CREA, logró avances significativos en la predicción de rendimientos de cultivos como trigo, soja y maíz.
Mediante la utilización de datos satelitales, meteorológicos y de rendimiento, se desarrollaron modelos que, a partir de la radiación fotosintéticamente activa absorbida por los cultivos, realizan estimación de rendimientos y ayudan a comprender su variación entre lotes y campañas.
En el caso del maíz, el modelo desarrollado a partir de cerca de 2000 lotes digitalizados de todo el país logró pronosticar el rendimiento de cultivos en madurez fisiológica con un error medio de 1000 kg por hectárea. Además, la aplicación de estos modelos a escala regional permitió lograr pronósticos con errores de 300 kg por hectárea.
En la región Litoral Sur se implementó un servicio en tiempo real durante las campañas 2023-24 y 2024-25, con alrededor de 400 lotes por ciclo productivo. Se realizaron informes periódicos sobre la evolución de la radiación absorbida por el cultivo y su pronóstico de rendimiento. Este trabajo no solo se enfoca en la predicción, sino también en el análisis post-cosecha, para identificar cómo los cultivos absorben y convierten la radiación en rendimiento.
La colaboración con CREA involucró el acceso a datos de rinde y ubicación de lotes, que facilitaron la calibración y validación de los modelos. La investigación continúa, con la posibilidad de expandir su aplicación a otras regiones, y convertirse en una herramienta valiosa para la toma de decisiones.
El proyecto se enmarcó en una iniciativa de la Facultad de Agronomía de la UBA (FAUBA), que integró a los investigadores Martín Oesterheld, Víctor Sadras, Carlos Di Bella y Gervasio Piñeiro, para predecir rendimientos de cultivos. En este contexto, Pedro Pellegrini realizó una tesis doctoral, defendida en 2024, sobre pronósticos de rendimiento de trigo. Para ello, visitó campos de grupos CREA en la zona Sudoeste, cuyos productores facilitaron el acceso a sus lotes. Allí, midió biomasa de trigo y la radiación fotosintéticamente activa absorbida.
“Lo más desafiante fue lograr una calibración precisa entre los datos satelitales y las mediciones en el campo. No existía algo así para trigo”, comentó Oesterheld, ahora investigador ad-honorem de CONICET y de la FAUBA. Pellegrini combinó datos satelitales MODIS, Sentinel y un sensor manual y los relacionó con la fracción de radiación fotosintéticamente activa absorbida medida en los lotes. De esta manera pudo traducir un índice, como el NDVI, en una variable con mayor significado agronómico: la radiación absorbida por el cultivo.
Este avance permitió unificar datos de diferentes satélites, como MODIS y Sentinel, al convertir sus índices verdes en radiación absorbida. “La ventaja de trabajar con radiación absorbida es que integra múltiples factores, como la disponibilidad de agua y nutrientes, sin necesidad de medirlos por separado”, explicó. Con esta información, se estimó el rendimiento midiendo la eficiencia en el uso de la radiación y el índice de cosecha, lo que implicó convertir la radiación absorbida a biomasa y, posteriormente, a kilos de grano por hectárea.
“El modelo no solo predice el rendimiento; también nos ayuda a entender cómo el cultivo utiliza la radiación en cada etapa de su desarrollo”, destacó el investigador. Los resultados fueron alentadores, con errores de entre el 10% y 15% del rendimiento promedio. Actualmente, se está replicando este enfoque en una tesis en curso a cargo de Leandro Calabrese sobre soja, con el mismo objetivo de mejorar la predicción de rendimientos. Este trabajo no solo avanza en la precisión de los pronósticos, sino que también aporta herramientas para analizar y optimizar el manejo agronómico.
Más recientemente, Martín Menéndez-Coccoz, en ese momento estudiante de grado, trabajó con maíz para realizar su tesis, y se estableció un convenio, de DAT CREA, que facilitó datos de rendimiento y ubicación de lotes para calibrar los modelos. “El acceso a los datos de CREA y los aportes técnicos de Gustavo Martini y María Paolini nos permitieron trabajar con información real, algo que no siempre es fácil de conseguir”, destacó Oesterheld. Para esta tesis, se unieron al grupo de trabajo María Otegui y Diego Rotili.
Menéndez-Coccoz realizó un trabajo minucioso de digitalización manual de más de 2000 lotes de maíz, ya que la base de datos sólo contaba con la ubicación del centroide del lote y no con polígonos que definieran los bordes de cada uno. “Fue un esfuerzo enorme. Interpretó visualmente los límites de los lotes sobre imágenes satelitales y los contrastó con la superficie reportada por CREA”, explicó Oesterheld. Con información de varias campañas, se desarrollaron modelos de estimación de rendimiento de maíz a nivel de lote, basados en unos 1850 lotes digitalizados que contaban con el dato de fecha de siembra.
“Lo interesante de esta metodología es que solo necesitamos dos datos del productor: la fecha de siembra y la ubicación del lote. El resto lo obtenemos a través de imágenes satelitales y bases de datos públicas”, comentó. A partir de imágenes MODIS, con una resolución de 250 metros, se obtuvo el índice verde y la radiación absorbida, utilizando una calibración basada en un estudio de referencia de Estados Unidos. Además, se integraron datos de radiación incidente y temperatura de NASA Power.
“El modelo integra la radiación absorbida desde la siembra y la correlaciona con los rendimientos reportados por DAT CREA. A medida que el cultivo avanza, la radiación absorbida se vuelve más relevante que los promedios zonales o las predicciones de fenómenos como El Niño o La Niña”, explicó Oesterheld. Menéndez-Coccoz descubrió que, para pronosticar el rendimiento en la etapa R6 (madurez fisiológica), lo más determinante es la radiación absorbida durante la fase reproductiva, con un impacto menor de lo absorbido en la etapa vegetativa.
El modelo se vuelve más preciso cuando se lo ajusta diferencialmente para cada una de las regiones CREA. A escala de lote, en la etapa R6, el modelo logró un error medio de 1000 kg por hectárea, equivalente a un 16% del rendimiento promedio. “La exactitud mejora a medida que el cultivo evoluciona, porque contamos con más datos de radiación acumulada”, comentó.
Otro aspecto interesante de la tesis fue la expansión del modelo a una escala más grande. “Si bien la escala de lote es útil para decisiones específicas, muchos actores pueden necesitar pronósticos a nivel regional”, explicó Oesterheld. Para ello, se agruparon los lotes por región CREA y se estimó el rinde de cada uno, para luego calcular un promedio regional tanto de maíz temprano como tardío.
Al trabajar a esta escala, la precisión mejora notablemente. Los errores se reducen a 300 kg por hectárea y es posible obtenber estimaciones confiables desde mediados de enero para maíz temprano, y en marzo para maíz tardío. Este enfoque permite simular un seguimiento en tiempo real de los lotes, con una visión global de la producción esperada en una campaña.
Este avance no solo beneficia a los productores, sino también a actores que necesiten anticipar la producción de áreas mayores al lote o al establecimiento”, comentó.
Los resultados fueron tan alentadores que la Región CREA Litoral Sur se interesó en utilizar y evaluar los modelos en la campaña 2023-2024. “Trabajamos con Federico Vouilloud y los productores y asesores de la región y monitoreamos en tiempo real alrededor de 400 lotes. Lo desafiante fue que aplicamos los modelos desarrollados para campañas anteriores y lotes diferentes a una situación nueva”, comentó. Este servicio se repitió en la campaña 2024-25, con la novedad de una plataforma que permite a los productores cargar directamente la información de sus lotes, como polígonos y fechas de siembra.
El servicio generó pronósticos de rendimiento cada 10 o 15 días, basados en la radiación absorbida y otros indicadores. Luego, se elevaron informes a cada empresa, con la evolución de cada lote y las estimaciones de rendimiento. En la campaña anterior, los errores fueron similares a los obtenidos en la fase de tesis, lo que confirmó la robustez del modelo. “Aún no tenemos los datos de rendimiento del ciclo actual porque la cosecha está en curso, pero las previsiones son buenas”, agregó.
La iniciativa no se limita a predecir rindes; también es una herramienta valiosa para el análisis post-cosecha. “Este trabajo nos permite además analizar la campaña. Ya no solo pronosticamos, sino que tenemos todo el recorrido de cada lote: cuánto rindió, cuánta radiación absorbió y cómo la convirtió en granos”, explicó Oesterheld. Esta capacidad de desglosar la variación de rendimiento en dos componentes clave, como la radiación absorbida y la eficiencia de conversión, es un gran avance. “Es un dato que nadie más tiene, y es agronómicamente muy relevante”, agregó.
Como parte del convenio con la región CREA Litoral Sur, el equipo de la FAUBA colaboró en el análisis de la campaña anterior, y repetirá el proceso para la actual. “Identificamos diferencias entre genotipos, manejos agronómicos y zonas. No solo vimos cuánto rindió cada lote, sino también si absorbieron mucha o poca radiación y cómo la convirtieron en rendimiento”, comentó Oesterheld. Los resultados fueron muy variados, lo que permitió agregar una nueva dimensión al análisis de campaña.
“Esta información causó muy buena impresión entre los productores y asesores técnicos, porque les ayudó a entender qué pasó durante la campaña. No es solo un número final, sino un desglose que explica por qué algunos lotes rindieron más que otros”, destacó.
Actualmente tenemos un paper por publicar en una revista científica con los resultados de la experiencia. Desde el IFEVA, el objetivo es seguir mejorando los modelos de pronóstico.
El trabajo complementa la información sobre pronósticos de rendimiento que brindan diferentes organismos, incluso de la red CREA. Aunque por ahora no se planea lanzar un servicio de monitoreo a gran escala, la información está abierta a otros equipos de trabajo que podrían escalarlo.
Las demostraciones realizadas en la zona Litoral Sur fueron especialmente valiosas. “Es una región desafiante, y el interés mostrado por los productores y técnicos locales ha sido clave. Ellos nos han acompañado con recursos y datos, lo que nos permitió avanzar”, concluyó Oesterheld.