Академический Документы
Профессиональный Документы
Культура Документы
CÁMARA ARGENTINA
DE FABRICANTES
DE MÁQUINARIA AGRÍCOLA
CAFMA
CAFMA
1
2
EL VALOR AGREGADO DE LA MAQUINARIA AGRÍCOLA Y AGROPARTES
DE ARGENTINA
MERCADO INTERNO Y EXPORTACIÓN
3
autodescargables, cabezales maiceros y girasoleros, también Drappers, pulverizadoras
de arrastre y autopropulsadas, fertilizadoras, rotoenfardadoras y en mercados
emergentes tractores y cosechadoras.
También se exportan agropartes de alta complejidad que le confieren a las
máquinas características de prestaciones muy particulares como ser, autoguía, con
giros en cabeceras, dosificación variable de semilla y fertilizante con instantánea
reacción de gestión programable, monitoreo de rendimiento de grano, monitoreo VRT
de aplicación de fitosanitarios, fertilizantes, VRT de semillas, análisis de calidad de
grano en la cosechadora (único sistema comercial en el mundo), diferentes software de
gestión de datos y mucha conectividad “on line” de la web con la máquina que recibe
información precargada, o bien la máquina que con sensores que alimentan software
que procesa “on line” la información y devuelve una orden de funcionamiento más
preciso. “Big Data”.
También se elaboran mapas de trazabilidad de las operaciones de las máquinas
que permiten trazabilidad de producto y proceso; otra alternativa que ofrecen las
máquinas inteligentes es poder garantizar como en el caso de la aplicación de
fitosanitarios, una condición de trabajo (casilla meteorológica sobre la cabina de la
pulverizadora) de no deriva de las gotas que aplica el pico pulverizador, esto da una
seguridad a los aplicadores y a los posibles habitantes periurbanos de un cultivo que
requiere aplicación y existiendo garantía de nulo riesgo es permitida sin problema.
Argentina posee 20 empresas de agrocomponentes que fabrican eficientes y
competitivas herramientas tecnológicas para agricultura y ganadería de precisión, esto
otorga al sector de Maquinaria Agrícola Argentina (MAA) la competitividad global.
Argentina en los últimos años exporta algo más del 20 % de la facturación local
y el equivalente a 12.000 PT directos e indirectos; los gobiernos (nacional y provincial)
están trabajando fuertemente unidos para incentivar la competitividad de este sector en
el mercado global y local. Cada millón de dólares exportado como Maquinaria Agrícola
equivale a 60 PT directos e indirectos, de allí la importancia estratégica de este sector.
Los principales destinos de las exportaciones de máquinas argentinas son en
orden de importancia: Bolivia, Uruguay, Sudáfrica, Kazakstán, Venezuela, Brasil, Italia,
Rusia, Paraguay, Ucrania, Guatemala, Australia, EE.UU., México, Perú, Chile,
Mozambique, Namibia, Rumania, otros.
Continentes como África y los países que integran la ex Unión Soviética son muy
importantes mercados que se están desarrollando al igual que los países de Sudamérica
como Uruguay, Paraguay, Bolivia, Venezuela, Ecuador, Colombia, Chile, Perú y el
mismo Brasil.
Recientemente el gobierno nacional acaba de nombrar dos Agregados
Agrícolas, uno en Sudáfrica y otro en Rusia y también está abriendo una nueva
Embajada en Mozambique, con el objetivo de reforzar esta y otras actividades
comerciales.
En el mercado interno, las nuevas reglas gubernamentales que rigen para la
producción y exportaciones agropecuarias con baja de impuestos a las exportaciones
(retenciones) han mejorado la rentabilidad de cadenas como trigo, maíz, soja y algunos
cultivos regionales. Eso se transformó en una mayor demanda local de máquinas como
ser sembradoras de nueva generación, cabezales maiceros, tractores, cosechadoras,
pulverizadoras, fertilizadoras y agropartes de agricultura de precisión. Todo ello
posiciona al mercado local de máquinas agrícolas un 10 a 15% superior en
inversiones dolarizadas respecto al año precedente, dejando al mercado de
Maquinaria Agrícola al final de 2016 en valores aproximados de 1.650.000 M/U$S
de inversión.
La reactivación también está siendo favorecida por líneas de crédito ventajosas
del Banco Nación Argentina, algunos bancos provinciales, Córdoba, Santa Fe, Buenos
Aires y la Banca Privada, también las multinacionales y empresas nacionales poseen
4
créditos propios que alientan la inversión y el reequipamiento tecnológico que a su vez
activa la demanda laboral.
El gobierno nacional a través del Ministerio de Agroindustria consensuado con
CAFMA, AFAMAC, MAGRIBA, ASIMA y diferentes Ministerios de orden nacional y
provincial con consultas a INTA e INTI, está poniendo a consideración una Ley de
Maquinaria Agrícola y Agropartes que tiene como objetivo ofrecer condiciones desde el
Estado que mejoren las condiciones del sector en lo impositivo, crediticio, infraestructura
visible y no visible, Ciencia y Tecnología, capacitación formal y no formal, formación de
Recursos Humanos para procesos productivos automatizados, captura de mercados de
exportación, Embajadas al servicio de Pymes exportadoras, convenios de comercio
estratégico entre países demandantes no sólo de máquinas sino también de know how
de producción sustentable, donde el INTA tiene sobrados reconocimientos
internacionales, el más conocido el de “Campos Experimentales” en Sudáfrica.
5
Estos sensores ayudarán a recoger datos que alimentarán software con
inteligencia (big data, algoritmos que se autoprograman para resolver distintas
situaciones a una velocidad mayor que el más específico especialista), cargada
instalados sobre la máquina, o bien operativos sobre nube web interconectada con la
máquina que posee “bibliotecas” conocimiento para transformar datos electrónicos en
información agronómica útil en tiempo real, elaborar un diagnóstico que modifique el
comportamiento de las maquinas en fracciones de segundo a nivel de 1 m2,
(semilla/densidad), selectividad, fertilizante (mezcla y dosis), fitosanitario (maleza,
enfermedad o insecto), estiércol orgánico (según el suelo), al igual que las enmiendas
(corregir el PH).
Todo eso y mucho más constituyen una parte de la complejidad de las máquinas
del futuro, a lo que se le agregarán los actuadores que gobiernan las máquinas que en
un altísimo porcentaje serán eléctricos de 12 y 24 voltios de bajo amperaje y muy
precisos con respuestas exactas.
6
La metodología de producción permitirá trazar y certificar procesos con BPA
partiendo de una materia prima especialitis para iniciar procesos de industrialización y
agregado de valor que definan a esa biomasa en un alimento humano de góndola con
trazabilidad QR, por ejemplo.
Las máquinas autopropulsadas tendrán una fuente de energía provista de un
motor de combustión interna alimentado por gas-oil, biodiesel, metano o bien híbridos,
no descartar el uso del hidrógeno H2, New Holland NH2 ya posee un tractor experimental
de funcionamiento 100% de hidrógeno; esos motores endotérmicas de los nuevos
tractores y cosechadoras alimentarán un generador eléctrico y una bomba hidráulica,
los movimientos precisos de bajo requerimiento de potencia el 100% serán
eléctricos y los de alta hidráulicos, las máquinas no tendrán engranajes, cadenas,
poleas, correas, sólo mangueras y cables inteligentes CAM BUS, en su gran
mayoría serán robotizadas, autoguiadas y autoregulables de acuerdo a la
incorporación de sensores y de la nube web que estará el 100% del tiempo
enviando y recibiendo información que mejoren su autoguía y fundamentalmente
su trabajo variable en tiempo real, como así también la grabación de su proceso
de trabajo y el envío de datos de sus múltiples sensores.
7
comparables a lo que produjo la irrupción del tractor “gasolero con asistencia
hidráulica” en las décadas del ´50-´60 del siglo pasado.
8
CUADRO PROSPECTIVO DEL FUTURO DESARROLLO DE LA MAQUINARIA
AGRÍCOLA ARGENTINA (2023)
Maquinaria Agrícola
2014 AÑO 2023
1.450 M/U$S Mercado total del país 2.500 M/U$S
750 M/U$S Venta / Producción nacional 1.400 M/U$S
700 M/U$S Importaciones 1.100 M/U$S
260 M/U$S Exportaciones (incluye Agropartes) 900 M/U$S
- 440 M/U$S Balanza comercial - 200 M/U$S
80.000 PT Puestos de Trabajos directos + 115.000 PT
monotributistas + directos indirectos +
puesta en marcha, repuesteros
1.010 M/U$S Facturación / Mercado interno (IN) / 2.300 M/U$S
Mercado nacional / Exportación
100 Cantidad de empresas exportadoras 150
32 Países donde se puede exportar 40
9
Las máquinas tendrán como energía primaria motores endotérmicos muy
eficientes de muy baja emisión de gases contaminantes (gas-oil, biodiesel,
etanol, metano, hidrógeno), accionarán generadores de electricidad 12 y 24
voltios y bombas hidráulicas; los actuadores serán eléctricos e hidráulicos (sólo
cables y mangueras).
Serán máquinas más grandes y eficientes para producir granos y quizás
robot más chicos (muchos) en fruti-horticultura y cultivos especiales. Los
minirobots podrán trabajar con energía eléctrica (baterías recargables), o
bien directamente con energía solar. Argentina dispondrá del servicio de
muchos satelitales propios y alquilados, redes de radares y un buen servicio de
sensoramiento remoto portable sobre satélites, aviones, drones, para optimizar
el manejo de insumos variables. Argentina liderará un servicio de imágenes y
datos de sensores a través de nanosatélites con frecuencia de 2 horas.
Las máquinas serán fabricadas con materiales aleados o materiales compuestos
de alta resistencia y bajo peso, muchos biomateriales y sistemas de traslados
que no agredan el suelo, de muy baja presión específica, o sea, casi sin huellas
(materiales de mayor resistencia y menor peso).
Como el agua dulce será una limitante, el riego evolucionará en eficiencia,
desapareciendo el riego por manto reemplazado por el de aspersión inteligente;
gran futuro del riego por goteo y riego por goteo subterráneo.
En cada campo y lote habrá más máquinas que operarios, 3 o 4 “volantes” y 1 o
2 operarios, la era de la robótica y las máquinas programables como hace año
ya ocurrió en la industria y los robots industriales.
Las máquinas ofrecerán una total trazabilidad del proceso realizado y cada
movimiento será controlado en tiempo real; sus operaciones serán comunicadas
al celular del interesado (la robótica y las TICs en la máxima expresión).
El 2025 tomará al sector de máquinas y agropartes / agrocomponentes
argentinas muy actualizados y tremendamente diversificado con competitividad
sistémica, y nuevos Puestos de Trabajos ganados (50 %).
El gran avance de competitividad empresarial del sector maquinaria
agrícola Argentina, vendrá del lado del crecimiento y desarrollo de
procesos agroalimentarios, dependerá de una buena antena tecnológica,
un avance en las inversiones en desarrollo donde el Estado aporte y
apueste a la Ciencia y Tecnología con innovación, a la capacitación formal
y no formal de RR.HH., y por supuesto a la profesionalidad de las
Instituciones que sean capaces de sumar y socializar conocimientos, con
un buen desarrollo de mercado (nivelar siempre prospectivamente).
Nadie se desarrolla y logra competitividad sistémica trabajando solamente para
el mercado interno (lo ideal un 30% de la facturación en el exterior).
Nadie se salva solo, trabajando juntos y asociados puede ser más lerdo, pero se
llega más lejos y seguros. En Argentina existen cámaras empresariales de
manejo casi unipersonal.
Argentina y el sector metalmecánico de baja y alta complejidad tienen buenas
posibilidades de desarrollo mirando prospectivamente al 2025. Tiene el mayor desarrollo
de Sur América considerando la industria nacional.
10
Sustentabilidad medio ambiental. Mayor utilización de Buenas Prácticas
Agrícolas y Pecuarias, Buenas Prácticas Agroindustriales y Agroalimentarias.
Trazabilidad hasta la góndola de procesos y productos de excelente calidad e
inocuidad.
Creación de empleo de calidad en base a la diferenciación de productos y
agregado de valor, principalmente en origen mediante Pymes asociativas con
escala y tecnología competitiva.
Crecimiento agroindustrial ordenado (parques industriales agroalimentarios).
Realidad del
Cambio Climático
11
12
El crecimiento sostenido evidenciado en la primera década del nuevo
milenio, con una fuerte capacidad de creación de empleos, sugiere que la Argentina
se encuentra en condiciones excepcionales para abordar nuevos desafíos tendientes al
desarrollo agroindustrial, aun cuando persistan algunos de los problemas estructurales
percibidos en años previos. En este periodo, crecieron las ramas industriales
productoras de commodities y algunas firmas generaron cambios organizacionales
profundos, incorporaron equipamientos modernos, etc., empero en un número
reducido. En oposición, una cantidad importante de empresas adoptó estrategias
orientadas a la supervivencia, operando con escalas de producción reducidas, con
tecnologías prácticamente obsoletas y modelos de organización anticuados.
En forma positiva, a partir de 2002-2003 disminuyó la heterogeneidad entre
sectores y empresas, consolidándose en una reducción del coeficiente de variación de
las productividades sectoriales y de las brechas salariales entre firmas. Sin embargo,
estos cambios no han sido suficientes para acortar la brecha tecnológica entre la
industria argentina y la frontera internacional, ni evitar déficits comerciales crecientes en
segmentos importantes de la manufactura nacional. No obstante, a partir de este periodo
la economía de la Argentina comenzó a transitar un crecimiento sostenido con
protagonismo del sector industrial. Así, la industria creció a tasas elevadas, incluso
superiores al promedio del producto interno bruto (PIB); y se incrementó su participación
en el total de la economía (18% en 2010).
Un segundo aspecto que caracterizó este crecimiento económico estuvo
relacionado con la dinámica y las características del mercado laboral. El empleo total
(formal + informal) creció en un 4,02% anual. La tasa de empleo no registrado se redujo
de 48% (2002) a un 33% (2010), y el desempleo descendió en ese mismo período, de
19.7% a 7.8%.
Finalmente, el tercer aspecto estuvo representado por una reducción en la
heterogeneidad de la estructura productiva. En América Latina, estas diferencias eran
mucho más marcadas si se comparaban con los países desarrollados. En la Argentina
las diferencias de productividad en ese momento eran significativas, así el sector de
mayor productividad (minería) tenía un nivel de desarrollo nueve veces mayor que el
promedio de las industrias.
Se han utilizados diversos modelos para analizar la contribución de las cadenas
agroindustriales a la generación de riqueza, al desarrollo de redes productivas, al
empleo y/o a la recaudación tributaria; si bien algunos de ellos tienen enfoques diferente
en líneas generales se percibe un aporte importante de la industria a estos parámetros,
y en particular de la industria agroalimentaria.
La Fundación Agropecuaria para el Desarrollo de Argentina-FADA con el objeto
de medir el aporte de las cadenas agroalimentarias al desarrollo del país y determinar
su relevancia, estableció cinco indicadores: la producción (es la base de la pirámide y
genera un efecto multiplicador para los demás indicadores); la generación de empleo
(directo e indirecto); la participación sobre el Producto Bruto Interno-PBI (medido por el
Valor Agregado Bruto-VAB de las cadenas); y el aporte tributario y la generación de
divisas por exportaciones. Un informe que analiza el aporte de la producción de
agroalimentos a estos parámetros al 2014, indica:
13
en carne vacuna (2,6 Mill.), aviar (2 Mill.) y porcina (400 Mill.). Otras cadenas de valor
relevantes son la producción de leche, la cual alcanza un total de 11.000 millones de
litros, y la producción de una economía regional como es la de los vinos, con un total de
1.500 millones de litros producidos. Finalmente, si consideramos la agroindustria no
alimentaria, la producción de biocombustibles alcanzó un total de 3.900 millones de
litros, distribuidos en 34% de bioetanol (caña de azúcar + maíz) y 66% biodiesel (soja).
14
BIBLIOGRAFÍA
INTA Informa; INTA. 2014. Tecnología precisa – Edición especial sobre la Red
Agricultura de Precisión del INTA EEA Manfredi.
15
ADOPCIÓN DE LA AGRICULTURA DE PRECISIÓN EN ARGENTINA
EVOLUCIÓN EN LOS PRINCIPALES SEGMENTOS
Scaramuzza, F.; Vélez, J.; Villarroel, D.
INTA EEA Manfredi
scaramuzza.fernando@inta.gob.ar
Entre los avances tecnológicos más notables de los últimos años en la agricultura y la
ganadería Argentina ese encuentra la nueva generación de agroquímicos, la siembra
directa, la biotecnología y la agricultura de precisión. Complementariamente, ayudando
a este proceso de cambio y favoreciendo su adopción, está la mecanización agrícola
asociada a la informática y la robótica y el almacenamiento de los granos en silo bolsa
entre otras cosas. La tecnología ha revolucionado la producción agropecuaria,
impactando positivamente y de manera productiva, ambiental y social en todos los
procesos mediante los cuales se obtienen grano, carne y leche de calidad.
La adopción de equipos de Agricultura de Precisión continúa creciendo en Argentina
con mayor tecnología de desarrollo. Esta reacción se debe a la amplia oferta de
empresas con desarrollos nacionales y otras en representación de firmas
multinacionales. Se pueden mencionar segmentos ya consolidados, como monitores
de rendimiento, monitores de siembra, banderilleros satelitales con guías automáticas
y equipos de dosificación variable, como así también otras en crecimiento exponencial
como el control selectivo de malezas.
Este informe refleja el análisis de relevamientos realizados a nivel nacional
consultando directamente a las diferentes empresas líderes en este rubro,
conformando indicadores de ventas acumuladas hasta fines de 2015 en segmentos
como los monitores de siembra, banderilleros satelitales, monitores de rendimiento,
sistemas de dosificación variable. Pero también incluyendo nuevas herramientas en
adopción como los diferentes sistemas de guía automática, telemetría o transmisión de
datos en tiempo real a través de la maquinaria a una plataforma web o un dispositivo
celular. Es importante destacar la adopción en crecimiento que tienen los sensores
selectivos de malezas en tiempo real debido a su beneficio económico, agronómico,
ecológico y social. Pero también se vislumbra un fuerte impacto en las ventas de
motores eléctricos en siembra, asociado a un mayor uso de señales GPS con
corrección diferencial.
16
Evolución dela adopción de equipos de Agricultura de Precisión en la Argentina
de 1998 a 2015
1998 2000 2002 2004 2006 2008 2010 2011 2012 2013 2014 2015
Monitores de rendimiento 150 400 550 1250 2450 4450 7400 8365 8865 9643 10124 10516
Dosis Variable en sembradoras 1 3 9 37 417 997 1801 2076 2346 2679 2975 3263
Monitores de siembra 100 600 1100 1800 3800 7600 12160 14705 16905 19784 21426 22854
Banderillero Satelital en pulverizadoras 10 200 500 3000 5000 9000 12298 13270 14589 15797 17087 18342
Guía Automática 0 0 0 3 50 400 1150 2710 3610 4120 4973 5767
Sensores de N en tiempo real 0 2 5 7 12 15 27 30 32 34 34 34
Cortes Por Sección Pulverizadoras 0 0 0 0 0 0 640 1081 1481 2121 2410 2738
Cortes Por Sección Sembradoras 0 0 0 0 0 0 25 45 55 79 103 119
Corrección RTK 0 0 0 0 0 0 50 110 200 366 421 504
Correcciones satelitales 0 0 0 0 0 0 0 0 0 210 347 699
Telemetría 0 0 0 0 0 0 0 0 0 37 120 190
Sensores de N en tiempo real (mano) 0 0 0 0 0 0 0 0 0 0 0 80
Control Selectivo de Malezas 0 0 0 0 0 0 0 0 0 0 21 64
MERCADO DE COSECHA
En Argentina, durante el año 2015 se concretó la venta de 634 cosechadoras de gran
capacidad operativa y con mayor tecnología en equipamiento, lo cual indica un
volumen de inversión en dólares superior al 15% respecto del 2014 (636 máquinas de
menor valor unitario). Durante el 2015 no se vendieron más cosechadoras debido a la
falta de disponibilidad y entrega, por problemas de límites de importación y balanza
comercial (Fuente: Módulo de Cosecha y Postcosecha de INTA Manfredi).
17
A pesar de ello, los monitores de rendimiento se mantienen en constante adopción y
crecimiento. Si bien el incremento de 2014 y 2015 no fue tan marcado, las ventas de
cosechadoras también cayeron en estos años respecto de 2013 en un 35% para
ambos años. Es importante destacar que esta tecnología ya no es un opcional en la
cosechadora, sino que el sistema ya viene instalado de serie en la maquinaria y
solamente se habilita a través de una activación realizada por la empresa.
MERCADO DE SIEMBRA
El rubro de sembradoras fue el de mayor caída de inversión en 2014-2015. El mercado
interno fue de 1.358 sembradoras vendidas en el 2015, casi un 30% menos que en
2014, año en el que también se habían registrado bajas ventas. Las sembradoras
promedio del 2015 fueron de mayor ancho de labor, mas equipamiento tecnológico,
teniendo un valor dolarizado promedio final superior a al 20% respecto al vendido en
2014. Por lo tanto la compensación dolarizada en sembradoras del año 2015 fue de
menor impacto económico, entre un 10 a un 12% inferior al 2014, a pesar de la caída
en ventas.
Lo mismo sucedió con los monitores de siembra, esta tecnología sufrió una caída de
43% y del 50% en 2014 y 2015 respectivamente en relación al 2013. Así mismo, la
adopción de sistemas de dosis variable en siembra no presento una caída tan
marcada, manteniendo los niveles similares al crecimiento de 2013. De esta manera,
el parque disponible de sembradoras equipadas para realizar dosis variable creció
22% respecto a los 2.679 equipos reportados hasta 2013.
A pesar que las sembradoras vendidas en 2015 fueron 5% menor que lo incorporado
en monitores de siembra, esta respuesta muestra la tendencia que tiene el usuario en
equipar las sembradoras con desarrollos de última tecnología. En siembra, el
crecimiento en adopción de nuevas tecnologías pasa por la actualización e
incorporación de equipamiento con mayor desarrollo y prestaciones. Además de tener
la posibilidad de realizar dosificación variable de varios insumos, confeccionar un
registro del trabajo, los nuevos desarrollos permiten enviar la información generada a
diferentes plataformas web de gestión y muchas de ellas también recibir información u
órdenes desde esta misma plataforma o aplicación para actuar en tiempo real. Las
nuevas tecnologías están orientadas a que sean plataformas móviles de múltiples
funciones, es decir que un monitor puede utilizarse para siembra, pulverización, guía
automática o monitor de rendimiento. Por ende la incorporación de motores eléctricos,
cortes por tramos de sembradora o por cuerpo de siembra hace que se incorpore la
guía automática con altas correcciones diferenciales.
MERCADO DE PULVERIZACIÓN.
Al igual que los monitores de siembra, los banderilleros o guías satelitales son el rubro
de mayor adopción en el grupo de herramientas de agricultura de precisión. A pesar
que el 2015 no fue un buen año en la venta de pulverizadoras, las 863 máquinas
autopropulsadas comercializadas, son de mayor capacidad operativa, desarrollo y
avances tecnológicos. No obstante, el mercado de pulverizadoras de arrastre bajó
significativamente a 210 máquinas.
18
Si bien la venta de autopropulsadas cayó más de 20%, la incorporación de nuevos
banderilleros satelitales se mantiene similar a lo ocurrido en el período 2013-14. Esto
obedece a un recambio y actualización de equipos, que permiten la incorporación de
otras prestaciones tecnológicas como lo son el corte por sección y pico a pico, la dosis
variable, el sistema de guía automática y los sensores selectivos de males, equipando
a más de 60 máquinas en el mercado en el último año.
Con la creciente adopción de tecnologías como los cortes por sección y pilotos
automáticos que demandan puntos de ubicación más precisa y confiables, se
desarrollaron nuevos sistemas de corrección de señal de GPS. Al conocido sistema
RTK se suman los sistemas de corrección satelital de alta precisión centimétrica.
19
toma de decisiones más precisas. La telemetría puede ser analizada desde dos puntos
de vista. Desde el punto de vista del productor que le posibilita el control de su
establecimiento, le permite estar al tanto de información de productividad de la
maquinaria y de sus cultivos, también de las condiciones atmosféricas y climáticas,
facilitando la gestión del establecimiento a distancia. Desde el punto de vista de las
empresas proveedoras de equipamientos, esta herramienta permite estar conociendo
las condiciones en la cual están trabajando las máquinas y si necesita alguna
actualización o mantenimiento, incluso antes de que se dé cuenta el propietario de la
misma. También permite hacer el seguimiento de los repuestos, service y atención
desde el concesionario hasta el establecimiento.
Los sensores de malezas han demostrado ser una herramienta revolucionaria en la
aplicación de fitosanitario, permitiendo ahorros en la aplicación en el momento de
barbechos que pueden llegar a un 85% con un gran impacto en la rentabilidad y en el
medio ambiente productivo. Otras de las causas de por qué esta tecnología se adoptó
rápidamente, es debido a que no necesita un pre proceso de la información, si no que
el sensado y la aplicación se realizan en tiempo real. Esta herramienta ha demostrado
que si su impacto es rápidamente perceptible por el productor, el mismo lo adquiere.
Actualmente su uso se limita a ciertas situaciones definidas por grandes superficies de
trabajo, grandes establecimientos y a contratistas de trabajo exclusivos, pero pronto
será una tecnología que será común en todos los ámbitos productivos.
Al igual que el sensor selectivo de malezas, los sensores para la aplicación de
Nitrógeno en tiempo real tienen la ventaja de que el sensado, el cálculo de la dosis y la
aplicación, se hacen en el mismo momento sin necesidad de pre procesos de los
datos y esto arrojan un mapa de estado de los cultivos y de la dosis aplicada. Pero a
diferencia del sensor de malezas el grado de adopción no fue significativo, esto
demuestra la importancia que se le presta a la necesidad de incorporar nitrógeno
(fertilización) y al bajo porcentaje de superficie sembrada con gramíneas.
LA ERA EXPONENCIAL
El 2016 por diferentes motivos será prometedor en la incorporación de tecnologías a la
agricultura, debido a que habrá una mayor siembra de Maíz y Trigo en la rotación de
los cultivos, viéndose estos favorecidos por diferentes causas. Estos cultivos son
altamente demandante de tecnología tanto en la mecanización de las operaciones de
siembra, pulverización y cosecha, como en el manejo nutricional y sanitario.
En cuanto a una proyección más a largo plazo, la industria del software crecerá
exponencialmente y las computadoras serán considerablemente más potentes cada
año La automatización actual en la maquinaria agrícola hace pensar que la
robotización no será ajena a la agricultura en pocos año y esto quedó demostrado en
el último Farm Progrees Show, tractores autónomos sin cabina comandados a
distancia. Actualmente una sembradora puede autorregularse completamente,
automáticamente puede cambiar la dosis de fertilizante y de semilla y también corregir
su configuración en función de las condiciones del suelo. Es decir que sin la
intervención del operario es posible variar la presión de los barre rastrojos, la presión
del cuerpo de siembra e inclusive de la rueda tapadora.
La cosechadora en poco tiempo se autorregulara en función de las perdidas y la
calidad de la cosecha en general. Actualmente, las más avanzadas detectan el
20
problema y sugieren al operario realizar determinados cambios desde la cabina, como
la regulación del sistema de la trilla y de limpieza entre otros. Hoy, este tipo de
configuraciones se pueden enviar a través de una aplicación al monitor que está en
frente del operario en la maquinaria, como sugerencia de cambio u orden de acción.
En pulverizadoras existen sistemas que toman la información de estaciones
meteorológicas, miden las condiciones atmosféricas y regulan automáticamente la
pulverización. Esta tecnología pronto será comandada a distancia y en tiempo real a
través de aplicaciones móviles o plataformas web, la cual informará la calidad de
aplicación y la posibilidad de llevar adelante o no la labor de pulverización.
Por lo analizado en la evolución de ventas y adopción se percibe un salto exponencial
en el desarrollo de nuevas tecnologías, la robótica y el automatismo ya están
incorporados en la maquinaria del campo Argentino. Sólo resta por definir si hay
personal capacitado para hacer eficiente el buen uso de esta tecnología y generar
información de gran valor agronómico para la empresa agropecuaria.
21
1
Hahn Villalba, E.
Docente Investigador Universidad Católica, Hohenau, Itapúa, Paraguay.
Investigador PRONII CONACYT
ehahn@sustentap.com.py
INTRODUCCIÓN
22
2
Paraguay posee la carga tributaria más baja de la región, tiene ventajas y fuertes
incentivos a la inversión extranjera a través de un marco legal establecido bajo el
vigente gobierno, se han promulgado leyes muy importantes y ahora están en plena
vigencia como la Ley de Asociación Publico Privada y la Ley “60/90” de Incentivos
Fiscales para la Inversión de Capital Nacional o Extranjero, dicha Ley enuncia lo
siguiente: “Arancel de importación de bienes de capital (maquinarias y equipos) 0%,
impuesto al valor agregado sobre los bienes de capital adquiridos en Paraguay o en el
extranjero: 0%, impuestos sobre remesas y pagos al exterior en concepto de capital,
intereses y comisión: 0%, impuesto al pago de dividendos y envío de utilidades al
exterior:0%.” que proporcionan acceso del país al mundo globalizado.
Contrapuesto a esta situación un informe para la FAO (Soto Baquero., Gómez S.;
2013), advierten a tomar medidas de control en países de América Latina (Paraguay).
Indican que los gobiernos de la región deben encontrar formas de asegurar que los
procesos de concentración y extranjerización de tierras no tengan efectos negativos
sobre la seguridad alimentaria, el empleo agrícola y el desarrollo de la agricultura
familiar a nivel regional. En el Paraguay, existen recursos naturales favorables para la
producción agropecuaria, sin embargo es uno de los países más pobres y con bajo
índice de desarrollo humano de Latinoamérica (PNUD, 2011). Análisis realizados por
el IICA (2011) explicaron que los pequeños productores familiares en el Paraguay, no
tienen forma de salir de la pobreza, porque no existen programas eficientes
gubernamentales para fortalecer su producción (Ej.: estudios técnicos para otorgar
créditos a largo plazo para corrección de suelos, etc.).
23
3
Figura 1. Mapa del uso actual de los suelos paraguayos incluyendo la soja como
cultivo de referencia (Fuente RTRS 2014).
24
4
Conjuntamente con otros estudios sobre la variabilidad de los atributos físicos como
textura, compactación, humedad y topografía se analizó cómo la fertilización
nitrogenada y los rendimientos se relacionan con los tenores de materia orgánica (MO)
del suelo y la biomasa a través del índice de vegetación y el tenor de clorofila. Para
obtener información se utilizó varios equipos precisos como monitores de siembra,
aplicadores a tasa variada de correctivos y fertilizantes, y monitor de cosecha, se
calibraron diversos equipos como extractores automatizados de suelo, sensores de
humedad edáfica, penetrómetro para medir resistencia a la penetración
(compactación), sensores ópticos activos y clorofilómetro para el cultivo.
25
5
Figura 2. (A) Ciclo Propuesto por proyecto INBIO (Hahn, 2009) para expansión de la
tecnología en Paraguay y (B) mapa de parcelas trabajadas en el año 2013.
26
6
27
7
En los últimos tiempos los avances de la informática y el uso de GPS han posibilitado
generar sistemas informáticos que complementen éstas herramientas para obtener
registro de las operaciones con informes técnicos, conociendo el tiempo y lugar de las
actividades realizadas y permitiendo un control seguro, constante y una mejorada
organización de informaciones de precisión obtenidas en el campo. En el Paraguay se
están implementando a grande escala este tipo de tecnología denominada de
Agricultura de Precisión (Hahn E., 2011).
En la figura 4, se presenta el esquema del diseño del sistema informático que posee
tres componentes (dispositivo móvil, software de gabinete municipal y plataforma web
de banco de datos) con herramientas de sistema de información geográfica, que
incluye 5 etapas para la planificación, ejecución y control de las actividades de los
productores agrícolas en la búsqueda de una asistencia técnica de calidad para la
agricultura familiar de nuestro país. Para obtener trazabilidad en la asistencia técnica,
el proceso se inicia con un Registro de Datos a Campo que demuestre un
relevamiento representativo del histórico y tecnología empleada por el productor para
determinar qué tipo de cadena productiva es la que beneficia al agricultor familiar. Esto
28
8
REFERENCIAS
Derpsch R.; Friedrich T. Global overview of Conservation Agriculture No till adoption. In:
IVCongresso Mundial da Agricultura Conservacionista. 2009. Disponible en Internet:
http://www.wccagri.ernet.in/
Derpsch, R., Florentín,M.A.,Moriya K. Importancia de la siembra directa para alcanzar la
sustentabilidad agrícola. Proyecto Conservación de Suelos MAG - GTZ, DEAG, San
Lorenzo, Paraguay, 40 pp 2000.
29
9
30
MANEJO VARIABLE DE N EN TRIGO: OPORTUNIDADES PARA LA
INDUSTRIA - DESAFÍOS PARA LA INVESTIGACIÓN.
INTRODUCCIÓN
31
desde satélites. Si bien estos métodos tienen algunas ventajas, en general 1) tienen
costos elevados, 2) solo pueden ser utilizados en ausencia de nubes, 3) son
adquiridos durante periodos discretos (cada 5, 16 o 30 días en el caso de imágenes de
satélite), y 4) requieren trabajo intenso de análisis e interpretación para derivar la
prescripción de fertilizante, lo que implica posibles demoras y costos logísticos altos.
Los sensores activos son más versátiles que los métodos mencionados anteriormente
y son más simples de utilizar y operar.
Existe la necesidad de adaptar los algoritmos existentes, pero sobre todo existe
la necesidad de seguir mejorando el sistema de recomendación nitrogenada, que
permita ir acompasando el cambio en las condiciones productivas de Uruguay, que
particularmente se diferencia por la dominancia de de suelos pesados y diferenciados,
con elevada probabilidad de ocurrencia de excesos hídricos en invierno-primavera, y
potenciales de rendimiento elevados que siguen incrementándose. En la situación
actual y más en un ambiente de caracterizado por la elevada demanda de los cultivos
y bajo aporte del suelo, cualquier sistema o estrategia mejorada, además de la
concreción del potencial debe considerar especialmente a la eficiencia de utilización
de N.
OFERTA-DEMANDA DE N
32
años venideros (Figura 1a). Durante las últimas dos décadas si bien existieron
cambios menores en el manejo, ninguno de ellos por su magnitud y momento de
ocurrencia son capaces de explicar el aumento aparente en los rendimientos ocurrido
durante la primera mitad del periodo y su posterior estancamiento en un nivel superior.
Este aumento llevo los rendimientos desde un rango de 2000-5000 kg ha-1 a inicios del
periodo a un rango entre 3500 y 8500 kg ha-1 al final del periodo, siendo el factor que
posiblemente contribuyo al cambio, el ingreso de nuevos cultivares con mayor
potencial de rendimiento. Entre ellos se destacan notoriamente aquellos de origen
europeo que durante varios años estuvieron en la parte superior del ranking de
rendimiento y más reciente mente la incorporación de características de alto potencial
en líneas locales.
10000 12000
IC 45%
9000 a 10000
IC 40%
IC 30%
FAGRO Caracterizacion
Rendimiento en grano 13.5% KgHa-1
8000
LE 2013
Rendimiento en grano (kg Ha-1)
7000 LE 2012
8000
6000
5000 6000 b
4000
4000
3000
2000
2000
1000
0 0
1990 1995 2000 2005 2010 2015 0 10000 20000 30000
Año de experimento Biomasa a cosecha 14% KgHa-1
33
OPORTUNIDADES PARA EL MANEJO SITIO-ESPECÍFICO Y EL MANEJO
PROACTIVO
34
Figura 3. Rendimiento en grano del cutlivo de trigo en experimentos de respuesta a
nitrógeno de La Estanzuela 2014 en función del NDVI medido con GreenSeeker o
Cropscanner a Z30, para los tratamientos sin aplicación de N posterior a la medición
(azul), con aplicación <40 (roja), <66 (verde), <80 (violeta) y >80 (naranja) KgN/Ha.
CONSIDERACIONES FINALES
REFERENCIAS
35
Garcia Lamothe, A. 1994. Manejando la fertilización nitrogenada en trigo. INIA serie
Ténica Nº54.
García Lamothe, A. 2004. Manejo de la fertilización con nitrógeno en trigo y su
interacción con otras prácticas agronómicas. INIA Serie Técnica No. 144.
Hatfield, J.L.; Gitelson, A.A.; Schepers, J.S.; Walthall, C.L.. 2008. Application of
spectral remote sensing for agronomic decisions. Agronomy Journal. 100:S-
117-S131
Hoffman E, Perdomo C, Ernst O, Bordolli M, Pastorini M, Pons C, Borghi E. 2001.
Propuesta de manejo de la fertilización nitrogenada para cultivos de invierno
en Uruguay. In: Seminario Nacional de discusión técnica. Junio del 2001.
Paysandú-Uruguay. EEMAC-FAGRO-UdelaR.Hoffman, E.; Perdomo, C.; Ernst,
O.; Bordoli, M.; Pastorini, M.; Pons, C.; Borghi, E. 2010. Propuesta para el
manejo del nitrógeno en cultivos de invierno de Uruguay. Informaciones
Agronomicas, IPNI, 46:13-18
Hoffman E, Perdomo C. 2011. Manejo del nitrógeno en cereales de invierno, en un
escenario de cambios del sistema agrícola uruguayo. In II Simposio Nacional
de Agricultura. No se llega si no se sabe a dónde ir. El abordaje necesario para
que el proceso de expansión agrícola madure en Uruguay. Fagro-IPNI Cono
Sur. Paysandú Uruguay. pp. 45-60.
Hoffman E, Fassana N, Perdomo C. 2013. Manejo del nitrógeno en cereales de
invierno.¿agregando más nos estamos quedando cortos? In III Simposio
Nacional de Agricultura. No se llega si no se sabe a dónde ir. Pensar en las
causas y no solo medir las consecuencias. Fagro-IPNI Cono Sur. Paysandú
Uruguay. pp. 51-62
Hoffman EM, Locatelli A, Fassana CN, Viega L, Castro AJ. 2015. Evaluación de la
evolución de la oferta varietal del trigo en Uruguay en el siglo XXI. En:
Memorias de Seminario Internacional. 1914 – 2014, un Siglo de Mejoramiento
de Trigo en la Estanzuela. Agosto 2014. INIA la Estanzuela. Colonia Uruguay
(en prensa).
Holland, K.H.; Schepers, J.S.. 2010. Derivation of a variable rate nitrogen application
model for in-season fertilization of corn. Agronomy Journal. 102 (5): 1415-1424
Mistele, B.; Schmidhalter, U. 2008. Estimating the nitrogen nutrition index using
spectral canopy reflectance measurements. European Journal of Agronomy 29:
184-190.
Melchiori R.J.M.; Caviglia O.P.; Albarenque S.M. 2009. Manejo sitio-específico del
nitrógeno en el cultivo de trigo basado en sensores remotos. En: Melchiori R.;
Caviglia O.; Albarenque S. y A. Kemerer (Eds). Jornada Nacional de Agricultura
de Precisión: Integrando tecnologías para una agricultura sustentable.
Perdomo C, Hoffman E, Pons C., Pastorini M. 1999. Soil nitrate critical levels and
nitrogen requirements for malting barley in Uruguay; ASA, CSSA, SSSA Annual
Meetings; Salt Lake City, Utah, USA
Perdomo, C.H.; Bordoli, J. M.. 1999. Ajuste de la fertilización nitrogenada en trigo y
su relación con el contenido de proteína en grano. Resúmenes de la primer
jornada sobre rendimiento y calidad de trigo , Mercedes, Uruguay , p41-48
Perdomo C, Hoffman E, Pons C, Borghi E. 2001. Fertilización en cebada cervecera.
Boletín de Divulgación Facultad de Agronomía - UdelaR - OIEA Gestión de la
Nutrición de las Plantas, el Suelo y el Agua (ARCAL XXII). Disponible en:
http://www.fagro.edu.uy/talleres/cebada/Fert/Fert en Cebada w.html.
Raun, W.R.; Solie, J.B.; Johnson, G.V.; Stone, M.L.; Mullen, R.W.; Freeman, K.W.;
Thomason, W.E.; Lukina, E.V.. 2002. Improving nitrogen use efficiency in cereal
grain production with optical sensing and variable rate application. Agronomy
Journal. 94(4):815-820.
36
AGRICULTURA DE PRECISIÓN UNA HERRAMIENTA ÚTIL PARA
ENFRENTAR LOS NUEVOS PARADIGMAS DE MERCADO Y EL CAMBIO
CLIMÁTICO
STANLEY BEST S.
Director Programa de Agricultura de Precisión, INIA.
F: 56 42 2206761
sbest@inia.cl
INTRODUCCIÓN
América Latina y el Caribe, al igual que el resto de sus competidores, se enfrentan a
patrones de consumo con mayor flexibilización y segmentación, asociado a una mayor
preocupación por la salud y practicidad de los alimentos. Desde luego, se enfrenta una
demanda más informada y masiva que tiene nuevos requerimientos, entre ellos,
aspectos funcionales y atributos nutritivos de sus productos de exportación. Compite
con una oferta que ha ido desarrollando conocimiento y tecnología para responder a las
nuevas exigencias de los consumidores, donde el elemento diferenciador de mayor peso
es la calidad. Por otra parte, si bien los efectos de las nuevas exigencias que imponen
los mercados más sofisticados y dinámicos, abren oportunidades para introducción de
nuevas especies o variedades, permitiendo diversificar la canasta exportadora y mejorar
la diferenciación de los productos, al mismo tiempo, el efecto del cambio climático ha
tenido altas repercusiones debido a los diferentes grados de estrés abiótico que se
generan en las plantas, provocando pérdidas de rendimiento, producción de mala
calidad y condición, generando disminución de los retornos percibidos por el productor,
lo que ha tirado por el suelo el uso de manejos estandarizados de cultivos. Así, la
liberalización económica, el inmenso progreso tecnológico, los nuevos patrones de
consumo, el cambio climático, el avance de la internacionalización patrimonial y los
procesos de regionalización están creando un nuevo ambiente competitivo global.
Hoy en día la participación en el negocio agrícola apunta a tres aspectos básicos:
rendimiento, calidad y un volumen tal que permita negociar programas, teniendo claro
que si alguno de estos aspectos falta, el negocio traspasa rápidamente la línea de
equilibrio y entra en la generación de balances negativos. Así, en las grandes empresas
se observa un proceso de desverticalización y concentración en las actividades
relacionadas con las vocaciones centrales de la firma, tercerizando el resto de las
mismas. Esto genera la necesidad de una mayor coordinación entre los diferentes
actores (desde el punto de vista organizacional), así como abre espacios para el apoyo
innovativo hacia las empresas objeto de tercerización (servicios de diferente índole tanto
de campo, área de la Agricultura de Precisión, como industrial, envases, transporte, etc).
Todo esto se da conjuntamente con la fragilización de los actores tradicionales, como
las pequeñas y medianas empresas (pymes) y cooperativas.
Frente a lo expuesto, los productores se han visto enfrentados a recomendaciones
agronómicas ineficientes, ya que los asesores no logran identificar visualmente la
heterogeneidad de los sectores, en un agroecosistema multifactorial cambiante, siendo
está la principal ineficiencia en la utilización de los recursos y generando un sistema
poco sustentable y desequilibrado. Dada la variabilidad espacial inherente de cada
sistema productivo y su consecuente efecto sobre la calidad de la producción agrícola,
37
dificulta cuantificar el potencial cuantitativo y cualitativo de la producción generándose
una alta necesidad en la búsqueda de contar con mayor información de las variables
importantes para el desarrollo de cultivos (suelo, planta, agua y clima) para un uso
eficiente de los recursos. Para esto, se hace necesario contar con tecnologías capaces
de capturar información estandarizada del predio en cualquier lugar, sin importar su
accesibilidad y en forma espacio-temporal, factor que en la actualidad ha sido abarcada
por lo que conocemos hoy en día por Agricultura de Precisión.
Desde el punto de vista de las innovaciones tecnológicas, se transita desde una lógica
exclusivamente de oferta hacia una mayor articulación con la demanda, donde
adquieren fundamental importancia aspectos como la calidad, manejo eficiente de la
mano de obra, control en la eficiencia de uso de insumos (agua, fertilizantes, pesticidas,
etc.), seguridad de los alimentos, y geo trazabilidad de la producción, factores que son
actualmente el motor de desarrollo de las tecnologías en agricultura y que la Agricultura
de Precisión ha tomado como foco de su desarrollo.
La Agricultura de Precisión se ha utilizado durante varios años en Latino América en
diversas formas, en los rubros tradicionales en uso de mapeo de rendimiento¸ sistemas
de control automático y diferentes técnicas para administrar nutrientes sitio-específico
asociados a el uso de maquinaria agrícola y agrocomponentes de alta complejidad y por
otra parte, en cultivos frutales y viñedos en con mayor atención a la recopilación de
datos y sistemas de detección para toma de decisiones en temas de decisión de
fertilizaciones, sensoramiento y decisión de riego, podas, cosechas variables, entre
otros. Si bien en los últimos años se produjo un estancamiento del avance de la
Agricultura de Precisión, dado a la falta de capacidad de mostrar un valor práctico y
económico de los sistemas, en la actualidad, los avances de nuevos desarrollos
tecnológicos tanto en hardware como en software y data analitics, sumado a los cambios
de mercado y clima han dado un nuevo impulso en la Agricultura de Precisión con
mayores potenciales impactos bajo las condiciones actuales.
Sobre lo expuesto, en los últimos años se han visto importantes inversiones de grandes
conglomerados tales como Monsanto (Climate Coorpration comprado por más de 1000
mill de dólares, http://www.monsanto.com/features/pages/monsanto-acquires-the-
climate-corporation.aspx), Farm link (empresa de data analitics,
http://www.farmlink.com/), Farmers Bussiness Network (Google Venture,
https://www.farmersbusinessnetwork.com/), entre otras empresas como BASF, John
Deer, New Holland, etc., las que visualizan una gran aporte en el manejo de gran
cantidad de información (Big Data Agrícola) y el análisis de esta (Data Analitics) para
generar respuestas de acciones (momento oportuno de siembra, semillas adecuada,
seguimiento y apoyo productivo, etc.) en formatos digitales para los productores de
cualquier parte del mundo. Lo antes expuesto, se ratifica claramente en el incremento
sostenido de inversiones en el sector de Tecnologías en Agricultura y Alimento (Figura
1).
38
Fuente: I3 QUARTERLY INNOVATION MONITOR, http://www.cleantech.com/wp-
content/uploads/2015/02/i3QIM_AgricultureFood_4Q14.pdf.
Figura 1. Incremento de Inversiones en tecnología sub sector Agricultura y Alimento.
Según lo expuesto, queda claro la necesidad de aplicación de tecnologías y avances en
I+D en cuanto al desarrollo agrícola sigue los patrones de cambio del mundo
globalizado, asociado esto a las tendencias de consumo en cuanto a food safety,
calidad, requerimientos de trazabilidad, entre otros, el desarrollo final de estas
tecnología debe ser más amigable o del tipo plug and play. El mantener hoy en día la
competitividad no solo pasará por la reducción de costos de producción mediante uso
de tecnologías más eficientes, sino por el uso de estas para la generación de un
producto inocuo, trazable y de calidad, factor altamente limitado por la carencia de
recurso humano capacitado y soporte post venta. Sin embargo, para que los
agricultores puedan utilizar estas tecnologías se deben responder al menos tres
preguntas que son:
¿Es confiable esta tecnología? Es decir, asegurarse que el nivel de desarrollo de la
tecnología es tal que los equipos funcionen correctamente en el entorno en que se van
utilizar. Esto incluye los equipos necesarios y los servicios de TIC requeridos para que
funcionen. Especialmente, que exista una infraestructura de servicio local que asegure
que los equipos trabajan en forma continua y no se vuelvan obsoletos rápidamente, por
ejemplo, si se dan problemas mecánicos o falla un sensor esto se puede resolver o
reemplazar rápidamente.
¿Existe la capacidad técnica de usar esta tecnología? No solo es suficiente contar con
los equipos y servicios necesarios. Es importante el tener el conocimiento práctico y el
nivel apropiado para utilizar los equipos y sistemas en el campo. Es decir, es importante
contar con técnicos capaces de implementar estrategias de manejo, operar y mantener
equipos.
¿Qué beneficios trae la inversión en esta tecnología? Estas tecnologías han sido
adoptadas en muchas partes porque traen consigo un beneficio económico. El retorno
económico de la inversión debe ser claramente positivo para poder sostenerla a largo
plazo (bajo nivel de riesgo de productores y formato de producción tradicional existente
altamente contrapuesto a estos nuevos cambios). Esto tiene las mismas complicaciones
que cualquier otra inversión, fluctuaciones de precios de mercado, cambios de
preferencia del consumidor, aranceles y barreras a exportación, etc. Por otra parte, esta
tecnología tiene otros beneficios relacionados al ambiente, reducir la huella del carbono,
uso eficiente del agua, habilitar procesos de trazabilidad y conectividad global, factores
39
que deberán ser comprobado con claridad para poder producir una introducción en el
sistema.
Es claro que antes de poder aproximar una respuesta a lo que se debe hacer, debemos
tener una visión de lo que hay actualmente en cuanto a desarrollos tecnológicos y lo
que se está desarrollando, lo que nos permitirá tener una visión más acotada de lo que
se debe realizar en el corto y mediano plazo tanto en trasferencia, I+D+I y los
mecanismos de articulación necesarios para llevarlos a cabo. Dentro de las nuevas
tecnologías aplicables a nivel predial, que se están utilizando o en desarrollo en el
mundo, y que se pueden asociar de una u otra forma a la Agricultura de Precisión, son
de interés difundir:
1.0 NUEVAS TECNOLOGÍAS APLICABLES A LA AGRICULTURA
40
• Remote Sensing bases y elementos usados (satélite, micro satélites,
aerotransportados, UAV, terreno y portátiles), usos frecuentes y potenciales.
• Sensores de evaluación edáfica (evaluación de variación de suelo).
• Evaluación temporal de variables de producción (asociado a efectos potenciales
ejercido por cambio climático).
• Estadística Espacial y data analitics.
• Integración de información espacial.
• Efectos del Clima y variables estáticas (edáficas) sobre las plantas y su relación
espacial, asociado a potenciales diferenciadores de sitio (terroir de componentes
funcionales digital).
1.2 SISTEMAS DE APLICACIÓN VARIABLE Y LOGÍSTICA DE CONTROL.
El manejo tradicional considera implícitamente cualquier campo o potrero para ser
manejado en forma homogénea. No obstante esto, distintos aspectos productivos tales
como la fertilización, labranza y protección de cultivos son variables dentro de un solo
campo o del potrero. Es así como la suposición de que los suelos se pueden tratar
como unidades homogéneas con una aplicación uniforme de la siembra, productos
químicos o labranza, puede resultar en zonas dentro de un campo que quedan con
dosis mayores a las necesitadas por el cultivo o, por el contrario, con dosis menores
a las demandadas por el mismo. Se derivan de estas prácticas de manejo problemas
asociados con el uso ineficiente de los recursos productivos y perdidas
económicamente significativas del rendimiento, costos excesivos de productos
químicos, la liberación de GEI o percolación de los componentes químicos, la
retención a largo plazo de productos químicos en el suelo y una degradación de las
condiciones medioambientales óptimas para el crecimiento y desarrollo de los cultivos.
Por el contrario, el manejo variable otorga múltiples ventajas en relación a la
optimización del manejo de los insumos, durante los ciclos de crecimiento tanto de
cultivos anuales como frutales. Lo anterior se traduce en la observación de mejores
rendimientos, y en términos generales una mayor rentabilidad de los cultivos en los que
el sistema de AP es implementado. Líneas de desarrollo en esta sección:
• Sistemas de control variable de :
• Semillas, Pesticidas, Fertilizantes (sólidos y líquidos), y Riego.
• Control de acciones en campo a tiempo real.
• Sistemas de control de cosecha, sensores de gestión en cosecha.
• Plataformas de gestión de acciones de control, asociados a sistemas de
monitoreo continuo del tipo web enabled.
• Conexión de gestión de campo y resto de cadena de producción (trazabilidad).
1.3 SISTEMAS DE DETECCIÓN Y ESTIMACIÓN ÓPTICOS.
Los seres humanos perciben el mundo a través dela vista, nuestro sistema de visión es
un sistema natural sin embargo, simular la visión humana es un proceso altamente
complejo. En la actualidad las escenas reales del mundo pueden ser vistas a través
41
de un dispositivo digital como la computadora, que puede obtener la información del
mundo real y procesarla a través de complejos modelos matemáticos. Debido al rápido
crecimiento de la visión por computadora, esta mantiene una estrecha relación
con disciplinas como inteligencia artificial, robótica, gráficas por computadora,
procesamiento de imágenes, fotogrametría, entre otras. Además, dentro del espectro
electromagnético, el ser humano ve tan solo una porción de este (1%), lo que hace que
no pueda ver evidencias como el déficit hídrico, deficiencias nutricionales, calidad de
fruta, enfermedades, etc. en sus estados iniciales más bien solo ve el efecto de estos.
Así, hoy en día existe una variada gama de equipamiento que permite al ser humano
evaluar estas diferencias bajo la estructura de sistemas digitales factor cada día más
utilizado para diferentes fines tales como militares, industriales y también ahora en el
sector agrícola. Líneas de desarrollo en esta sección:
• Sistemas de auto guía basados en sistemas ópticos.
• Sistemas ópticos para detección de malezas.
• Bases de Quimiometría para analítica de espectrografía de cultivos.
• Evaluación de características de calidad y rendimiento de fruta mediantes
sistemas ópticos.
• Evaluación de material vegetal mediante sistemas espectrográficos.
• Evaluación de déficit hídrico mediante uso de sistemas espectrográficos e
integración en logística de riego.
• Uso de cámaras hiperespectrales y espectrografía en detección enfermedades
y plagas.
• Evaluación de sistemas portátiles de evaluación espectrográficos asociados a
IoT.
1.4 SISTEMAS DE MONITOREO CONTINUO DE VARIABLES.
Hoy en día, al igual que en otras industrias, el sector agrícola está entendiendo que debe
obtener información continua de la actividad productiva de tal forma de poder prevenir
o alertar de anomalías que puedan generar un fracaso en la producción. Así, se han
estado desarrollando diferentes tipos de sensores de medición continua para evaluar
por ejemplo clima, riego, desarrollo de cultivos, etc., los cuales están generando la data
necesaria para el desarrollo de alertas tempranas de anomalías. Líneas a desarrollo en
esta sección:
• Sistemas de control continuo de clima y desarrollo de alertas tempranas.
• Sistemas continuos de control de riego y desarrollo de alertas tempranas.
• Sistemas de control continuo de evolución de cultivos (dendrómetros ópticos,
etc.).
• Sistemas de control continuo de actividad fisiológica de la planta.
• Sistemas de control continuo de plagas.
42
2.5 Robótica en Agricultura
Hoy en día, debido al incremento del costo de mano de obra y también por carencia de
esta en sectores rurales, se ha avanzado en el desarrollo de equipos robóticas de
diferente índole (labores culturales, cosecha, UAV, etc.), los cuales ya existen a nivel
comercial en el sector de invernaderos pero a nivel de campo todavía están en
desarrollo y se espera tener estos equipos a nivel comercial en los próximos años. Sin
embargo, el abordar la problemática de robotización de acciones, es altamente complejo
en donde se deben integrar sistemas de inteligencia artificial a actuadores electrónicos
en formato altamente eficientes para que logren emular la acción de un ser humano.
Líneas de desarrollo en esta sección:
• Bases requeridas para el desarrollo de un sistema robótico de cosecha.
• Ejemplos de robot existentes en desarrollo y sus utilidades en diferentes cultivos.
• Visión de un sistema completo robotizado en Japón (siembra a cosecha).
• Visión futura de robot en agricultura.
El avance de las líneas antes expuestas de desarrollo, deben generarse en formatos
modulares (API´s) que permitan ser integrables a formatos de plataformas (Figura 3)
que permitan operar integradamente dicha información con salidas a los usuarios de
fácil utilización para acciones tanto actuales como futuras (sección pronóstico).
CONCLUSIONES
Sobre la base de lo expuesto en cuanto a la visión actual y futura del mercado agrícola
y su asociación con la producción predial, se ve claramente la existencia de brechas
importantes en cuanto a las necesidades para desarrollar una mayor competitividad y la
43
situación actual del sector no sólo en cuanto a sus necesidades, sino más bien a la
visión de este sector en cuanto al uso de tecnologías, el soporte actual que poseen en
servicios e investigación, dejando en claro una gran preocupación de la complejidad del
sistema para llevarlo en adelante en un formato orgánico y funcional. Así, hoy en día los
investigadores y agricultores pueden recoger grandes cantidades de información, pero
la evaluación de la calidad de esta información, transformándola en las decisiones de
gestión significativas, y evaluar los posibles beneficios y riesgos ha demostrado ser una
tarea difícil. Corresponde a los científicos del suelo y del cultivo, junto con ingenieros
agrónomos y economistas para desarrollar metodologías simples y robustas con una
adecuada transferencia y soporte de las tecnologías a los agricultores para que todo el
potencial de AP pueda ser explotada, cosa que se ve cada día va creciendo a pasos
agigantados a nivel mundial y en Latino América.
Finalmente, sobre lo expuesto podemos concluir que bajo los nuevos paradigmas
tecnológicos, económico y organizacional del sector Agrícola se debe:
• Tenemos que cambiar de la lógica homogeneizada a la lógica de la diversidad.
• Empoderamiento mutuo. Los avances en la tecnología de algunas áreas
aceleran drásticamente otras.
• Las diferentes tecnologías deben estar "habilitadas" para trabajar unas con otras.
• Debe existir una "Combinación sinérgica" de dos o más tecnologías genéricas
en la búsqueda de objetivos comunes.
• Es claro que las TIC integradas en la nube de Internet será la manera de acercar
las diferentes tecnologías a alcance del usuario final pero, estos desarrollos
deben integrar factores sociales y tecnológicos, con el fin de alcanzar el
objetivo de la verdadera introducción.
• El uso de tecnologías por productores, debe ser paso a paso con metas
claras para no perder la visión de utilidad de estas.
44
USO DE IMÁGENES DE DRONES Y SENSORES PARA EVALUAR EL
EFECTO DEL NITRÓGENO EN TRIGO
INTRODUCCIÓN
Los sensores remotos han sido muy utilizados en la agricultura de precisión desde sus
comienzos (Mulla, 2013), con un particular desarrollo en sensores ópticos como el
GreenSeeker (Raun et al., 2005). Su aplicación se ha evaluado en distintos cultivos
(Franzen et al., 2016) y se han desarrollado numerosos algoritmos.
Los drones, herramientas más difundidas recientemente, resultan útiles para determinar
la variabilidad espacial en lotes de producción y constituyen una alternativa frente al uso
de imágenes satelitales o sensores ópticos para el diagnóstico del estado nutricional de
los cultivos ( Colomina y Molina, 2014; Matese et al., 2015, Pajares, 2015). Estas
herramientas pueden equiparse con distintos tipos de cámaras (Lebourgeois et al.,
2008; Cohen et al., 2013; Díaz-Varela et al., 2014), existiendo la posibilidad de evaluar
diferentes índices espectrales. Estos incluyen información de la energía reflejada en
diversas bandas del espectro electromagnético resaltando las características de las
cubiertas vegetales (Gitelson, 1996). Entre estos, el NDVI (Rouse et al. 1973) uno de
los más comúnmente utilizados, puede ser obtenido a partir de drones con equipamiento
simple.
El objetivo de este trabajo fue determinar el efecto del nitrógeno sobre variables
biofísicas en trigo, comparando su estimación mediante el uso de sensores ópticos
portables (GreenSeeker y Ocean Optic USB4000) y fotografías aéreas multiespectrales
obtenidas mediante un dron.
MATERIALES Y MÉTODOS
El estudio se realizó sobre un lote de trigo de la EEA Paraná del INTA (-31° 50’6’’; -60°
32’ 40’’70 m.s.n.m.), provincia de Entre Ríos, Argentina. Se seleccionaron tres sitios
dentro de zonas de manejo delimitadas anteriormente por Albarenque et al. 2016: Zona
1 (alto rendimiento), Zona 2 (rendimiento medio), Zona 3 (bajo rendimiento) (Fig 1). En
cada una de las zonas, se evaluaron tres tratamientos de fertilización nitrogenada
aplicados al momento de la siembra: 50, 70 y 160 kg de N ha-1. El diseño experimental
empleado fue en bloques completos aleatorizados con tres repeticiones.
45
Figura 1. Ubicación de los tratamientos. Zona 1 (alto rendimiento), Zona 2 (rendimiento
medio), Zona 3 (rendimiento bajo)
En el estadio de primer nudo (Z31) del cultivo de trigo (Zadocks et al., 1974) se realizó
un vuelo con un dron EbeeAG (SenseFly Ltd ™), equipado con una cámara Canon
Powershot S110 (rojo, verde e infrarrojo cercano). El plan de vuelo fue diseñado con el
software Emotion2 con una altura de vuelo de 245 m. Se obtuvieron 171 fotogramas con
una resolución espacial de 9 cm pixel-1 y se procesaron con el software Postflight 3D
para obtener un mosaico ortorrectificado, remuestreado a una resolución espacial de 50
cm.
Se utilizaron las bandas correspondientes al rojo del espectro electromagnético (R) e
infrarrojo cercano (IR) para calcular el NDVI (NDVIdron). Sobre el mosaico se delimitaron
los polígonos correspondientes a cada parcela de los tratamientos de fertilización y se
obtuvo el valor medio de NDVI en estas, utilizando el software Qgis 2.14.0 Essen.
Adicionalmente, en el mismo estadio fenológico, se realizaron tres mediciones de NDVI
por parcela con un sensor GreenSeeker Handheld 520 (NDVIGS) (Ntech Industries, Ukia,
CA, USA) y con un sensor Ocean Optics USB4000 (NDVIOO) (OceanOptics Inc., MI).
Las determinaciones en el cultivo incluyeron mediciones de biomasa aérea acumulada
al estadio de Z31 y el rendimiento en grano.
Los análisis estadísticos incluyeron el cálculo de correlaciones lineales simples de
Pearson entre el NDVI, la biomasa aérea acumulada hasta Z31 y el rendimiento.
Asimismo se realizaron análisis de varianza para el NDVI calculado a partir de las
fotografías aéreas, la biomasa y el rendimiento. Se efectuaron comparaciones de
medias mediante la prueba LSD de Fisher, con una probabilidad de error del 5%.
RESULTADOS
La acumulación de biomasa hasta Z31 se asoció con el rendimiento del cultivo de trigo,
y ambas variables se asociaron con el NDVI. La menor correlación se observó con NDVI
derivado de la fotografía y el GreenSeeker. Mientras que, en el caso del NDVIOO, las
correlaciones fueron notablemente mayores (Tabla 1). El rendimiento, en cambio, se
asoció de manera similar con el NDVI obtenido a partir de los sensores evaluados.
Los resultados demuestran una performance similar para los tres tipos de sensores
evaluados. Los niveles de asociación entre el NDVIdron y el obtenido con los otros
sensores, fueron superiores al 70%.
46
Tabla 1. Correlaciones lineales simples (r de Pearson) entre la biomasa aérea
acumulada del trigo hasta Z31, el rendimiento en grano y los índices espectrales
determinados a partir de fotografía multiespectral obtenida con un dron EbeeAG de
Sensefly y sensores portables Green Seeker y OceanOptics USB 4000.
Tabla 2. Análisis de varianza para las variables NDVI derivado de la fotografía aérea
obtenida con el dron EbeeAG (SenseFly Ltd ™), biomasa aérea acumulada hasta Z31,
y rendimiento en grano del cultivo de trigo.
Fuentes de NDVI Biomasa (Z31) Rendimiento
Variación Pr>F
Zona 0.9446 <0.0001 0.0722
Nitrógeno 0.0019 <0.0001 <0.0001
Nitrógeno x Zona <0.0001 0.0113 0.0017
La biomasa aérea acumulada hasta Z31 alcanzó los valores medios más elevados en
la zona 1, intermedios en la zona 2 y los más bajos en la zona 3. La fertilización
nitrogenada determinó diferencias en biomasa a Z31 para las tres dosis aplicadas en la
zona 1, mientras que en la zona 2 sólo la dosis más elevada, de 160 kg N ha-1, se
diferenció de las dosis restantes. En la zona 3 la biomasa observada en los tratamientos
de 70 y 160 kg N ha-1 difirió respecto a la biomasa de la dosis más baja (Fig 2)
47
a b c
a b c
Figura 3. Valores medios de rendimiento del cultivo de trigo con tres niveles de
fertilización nitrogenada (N) aplicada a la siembra en tres zonas de manejo. a) Zona
1 (alto rendimiento), b) Zona 2 (rendimiento medio), c) Zona 3 (rendimiento bajo).
Letras diferentes en cada figura corresponden a diferencias estadísticamente
significativas al test LSD (α = 0.05).
DISCUSIÓN
Existen antecedentes del uso cámaras digitales comunes (RGB), transformadas y
multiespectrales para evaluar el status nutricional de los cultivos (Lebourgeois et al.,
2008; Torres-Sánchez et al., 2014; Díaz-Varela et al., 2015). El uso de índices de
vegetación ha sido empleado tanto para determinar diferencias en la acumulación de
biomasa como para el diagnóstico del estado nutricional de los cultivos (Gitelson et al.,
2002). Uno de los índices más utilizados ha sido el NDVI (Rouse et al., 1973). Nuestros
resultados demuestran que la performance de los sensores evaluados fue similar, lo
cual sugiere que drones equipados con cámaras sencillas podrían ser de utilidad para
48
determinar variaciones espaciales en la producción de biomasa y el rendimiento del
cultivo de trigo.
La utilidad del uso de sensores montados en drones radica en que otorgan una gran
flexibilidad en la determinación del momento de obtención de las imágenes, y en la
resolución espacial de estas, respecto al uso de imágenes obtenidas a partir de satélites
(Colomina y Molina, 2014; Matese et al., 2015).
CONCLUSIONES
AGRADECIMIENTOS
REFERENCIAS
Albarenque, S. M.; Basso, B.; Caviglia, O. P.; Melchiori, R. J.M. 2016. Spatio-temporal
nitrogen fertilizer response in maize: field study and modeling approach.
Agronomy Journal. Volume 108. Number 6. Pages 1 - 13.
doi:10.2134/agronj2016.02.0081
Colomina, I.; Molina, P. 2014. Unmanned aerial systems for photogrammetry and remote
sensing: A review. Journal of Photogrammetry and Remote Sensing. Volume 92.
Pages 79–97. doi:10.1016/j.isprsjprs.2014.02.013
Cohen, S.; Cohen, Y.; Alchanatis, V.; Levi, O. 2013. Combining spectral and spatial
information from aerial hyperspectral images for delineating homogenous
management zones. Biosystem Enginering. Volume 114. Number 4. Pages 435–
443. http://dx.doi.org/10.1016/j.biosystemseng.2012.09.003.
Diaz-Varela, R.A.; Zarco-Tejada, P.J.; Angileri, V.; Loudjani, P. 2014. Automatic
identification of agricultural terraces through object-oriented analysis of very high
resolution DSMs and multispectral imagery obtained from an unmanned aerial
vehicle. Journal of Environmental Management. Volume. 134. Pages 117–126.
http://dx.doi.org/10.1016/j.jenvman.2014.01.006.
Franzen, D.; Kitchen, N.; Holland, K.; Schepers, J.; Raun, W.2016. Algorithms for In-
Season Nutrient Management in Cereals. Agronomy Journal Volume 1. Pages
1–19. doi:10.2134/agronj2016.01.0041
Gitelson, A.A.; Kaufman, Y.J.; Merzlyak, M.N. 1996. Use of a green channel in remote
sensing of global vegetation from EOS-MODIS. Remote Sensing of
Environment. Volume 58. Pages 289-298. doi:10.1016/S0034-4257(96)00072-7
Gitelson, A.A.; Kaufman, Y.J.; Stark, R.; Rundquist, D. 2002. Novel algorithms for remote
estimation of vegetation fraction. Remote Sensing of Environment. Volume 80.
Pages 76-87. doi:10.1016/S0034-4257(01)00289-9
49
Lebourgeois, V.; Bégué, A.; Labbé, S.; Mallavan, B.; Prévot, L.; Roux, B. 2008. Can
commercial digital cameras be used as multispectral sensors? A crop monitoring
test. Sensors. Volume 8. Number 11. Pages 7300–7322. doi:10.3390/s8117300
Matese, A.; Toscano, P.; Di Gennaro S.F.; Genesio, L.; Vaccari, F.P.; Primicerio, J.; Belli,
C.; Zaldei, A.; Bianconi, R.; Gioli, B. 2015. Intercomparison of UAV, aircraft and
satellite remote sensing platforms for precision viticulture. Remote Sensing.
Volume 7. Number 3. Pages 2971–2990. doi:10.3390/rs70302971
Mulla, D.J. 2013. Twenty five years of remote sensing in precision agriculture: Key
advances and remaining knowledge gaps. Biosystem Engineering. Volume 114.
Number 4. Pages 358–371. doi:10.1016/j.biosystemseng.2012.08.009
Pajares, G. 2015. Overview and Current Status of Remote Sensing Applications Based
on Unmanned Aerial Vehicles (UAVs). Photogrammtry Engineering Remote
Sensing. Volume 81. Pages. 281–330. doi:10.14358/PERS.81.4.281
Raun, W.R.; Solie, J.B.; Stone, M.L.; Martin, K.L.; Freeman, K.W.; Mullen, R.W.; Zhang,
H.; Schepers, J.S.; Johnson, G. V. 2005. Optical Sensor‐Based Algorithm for
Crop Nitrogen Fertilization. Communcation of Soil Science Plant Analysis.
Volume 36. Pages 2759–2781. http://dx.doi.org/10.1080/00103620500303988
Rouse, J.W.; Haas, R.H.; Schell, J.A.; Deerin, D.W. 1973. "Monitoring vegetation
systems in the Great Plains with ERTS. N. SP-351. Ed. Third ERTS Symposium.
Volume 1. Pages 309-317. Whastington. NASA.
Torres-Sánchez, J.; Peña, J.M.; de Castro, A.I.; López-Granados F. 2014. Multi-temporal
mapping of the vegetation fraction in early-season wheat fields using images from
UAV. Computers and Electrononics in Agriculture. Volume 103. Pages 104–113.
doi:10.1016/j.compag.2014.02.009
Zadocks, J.C.; Chang, T.T.; Konzak, C.F. 1974. A decimal code for the stages of cereals.
Weed Research. Volume 14. Pages 415-421. DOI: 10.1111/j.1365-
3180.1974.tb01084.x
50
TELEDETECCIÓN: QUÉ TECNOLOGÍA SE ADAPTA MEJOR PARA
LOGRAR UN BUEN DIAGNÓSTICO DEL CULTIVO
El sistema de lectura de NDVI básicamente toma una lectura de la reflexión del cultivo
en las longitudes de onda del espectro visible en el Rojo e Infrarrojo Cercano, ambos
valores son considerados ya que tal devolución depende del contenido de Clorofila y
su relación con el Nitrógeno disponible para el cultivo. El NDVI surge de la ecuación
NDVI = Rojo – Infrarrojo / Rojo + Infrarrojo.
Los mecanismos para la obtención del NDVI pueden ser: el sensado directo y el
sensado y combinación de bandas. En el primero, a través de sensores manuales o
montados en maquinarias que directamente calculan el NDVI, en el caso de estar
montados en una maquinaria (como puede ser una fertilizadora de sólidos o una
pulverizadora para la fertilización líquida) el sistema calcula automáticamente
mediante algoritmos la dosis de N necesaria en tiempo real. Mientras que el otro
método, mediante sensores hiperespectrales, cámaras multiespectrales y cámaras
modificadas con filtros, se obtienen varios espectros de los cuales debemos
51
seleccionar aquellos de interés y combinarlos con ecuaciones por medio de software
específicos. Las fuentes de esta información de múltiples espectros pueden ser:
imágenes satelitales, imágenes tomadas por plataforma drones o sensado a través de
un equipo manual como los hiperespectrales.
Los equipos se pueden clasificar como activos, que generan ellos mismos la radiación
que miden tras ser reflejada; y los pasivos, aquellos que registran la radiancia reflejada
o emitida por la superficie terrestre. Esta característica tienen sus ventajas y
desventajas, el hecho de ser pasivos, es decir utilizar la luz solar, permite tomar
imágenes a gran distancias como por ejemplo desde un avión o un satélite, pero la
desventaja es que se está limitado por las condiciones climáticas, presentando
dificultad al sensar durante un día nublado o cuando es de noche.
Sensores Proximales
52
Sensor Hiperespectral USB 4000.
Tanto el OptRx como el Green Seeker Lanza, tienen la capacidad de almacenar datos
y de mapear a través de la incorporación de un GPS. No así el sensor Green Seeker
HandheldCrop que no posee memoria para guardar los datos ni GPS, por lo que la
información debe ser anotada manualmente. El sensor Optrix además de emitir el Rojo
y el Infrarrojo emite Borde Rojo.
53
Sensores de media distancia
Por otro lado, un UAV Asesor 5 fue equipado con una cámara Mica SenseRedEdge®,
que captura simultáneamente cinco bandas espectrales: Azul, Verde, Rojo, Borde Rojo
e Infrarrojo Cercano; Al igual que en la cámara modificada, las imágenes deben ser
confeccionadas a través de un mosaico y deben ser ortorectificadas.
54
Sensores montados en Satélites
55
Todas las tecnologías diferen en el tipo de sensado, de la información arrojada y del
procesamiento de la misma, pero todas son complementarias. Los equipos en tierra
sirven para complementar a las aéreas y a las satelitales. Por ejemplo los sensores
pasivos como los que son montados en los drones, o los sensores montados en
satelite necesitan de un dia soleado, en el caso de que este nublado son convenientes
los activos (emiten su propia luz) los cuales brindan una lectura instantanea del estado
nutricional del cultivo.
Por lo tanto todas las herramientas poseen el mismo objetivo, brindar información
sobre el estado del cultivo en forma rápida y confiable. Entonces surge la pregunta de
cuál es la herramienta indicada a adoptar.
La respuesta requiere que identifiquemos los puntos en comun de de cada una de
ellas para compararlos. Todas tienen la posibilidad de medir rojo e infrarrojo cercano,
por ende la decisión fue usar el indice mas conocido, el NDVI, ya que todos los
equipos mencionados tienen la posibilidad de brindar información para su cálculo. El
NDVI pose sus ventajas pero tambien sus limitaciones que serán discutidas en otros
trabajos.
El ensayo se llevo a cabo en trigo bajo riego y secano, y a su vez en dos momentos
fenológicos. En la Tabla 1 se resume la correlación que exiten entre las mediciones.
Otro sensor que esta cobrando especial importancia es el el sensor térmico que
captura la información correspondiente al infrarrojo lejano, en el rango de 8-14 μm,
donde se observa la temperatura emitida por los elementos presentes en el área de
estudio. Utilizando imágenes térmicas de elevada resolución espacial, obtenidas
mediante un vehículo aéreo no tripulado o de un satélite, es posible obtener
información que permita un mejor aprovechamiento del agua. El estrés hídrico en los
cultivos provoca el cierre de los estomas, reduciendo la transpiración y aumentando la
temperatura de las hojas, pudiéndose monitorizar a partir de sensores térmicos.
56
Todas esta herramientas por si solas no brindan la información necesaria para
identificar qué está pasando en el lote, para utilizarlas correctamente y aprovechar
todo su potencial es necesaria la interacción con otro tipo de datos, proveniente de
otros sensores de planta, de clima y/o de suelo. No obstante, la información más
crítica es la que proviene de trabajos exhaustivos de investigación. Es fundamental
interpretar qué es lo que los sensores transmiten y para esto el componente
agronómico es crucial.
Centro Ancho
Banda de la de Ventaja Desventaja
banda Banda
Azul
Verde 475 70 Alta
Roja 555 70 frecuencia Alto costo
Rapid Eye Pasivo Red- 657 55 de visita. Dias
Edge 710 40 Alta Nublados
IR 805 90 definición
cercano
Azul
Verde 475 20 Alto costo
Roja 560 20 Alta de
Cámara
Pasivo Red- 668 10 definicón inversión.
Multiespectral
Edge 717 10 Días
IR 840 40 nublados
cercano
Si no esta
montado
No
Roja en una
Green 656 necesita
Activo IR maquinaria
Seeker 776 de la luz
cercano el mapeo
solar
puede ser
lento
No
Si no esta
necesita
Roja montado
de la luz
Red- 670 en una
solar.
OptRx Activo Edge 730 maquinaria
Posee
IR 760 el mapeo
banda
cercano puede ser
Red-Edge
lento
Se puede
Muy
etudiar
Todo el 200 - sencible a
OceanOptics Pasivo toda la
espectro 850 nm la
firma
nubosidad
espectral
57
SEMBRADORAS ELÉCTRICAS. UNA REALIDAD EN EL MUNDO Y EN EL
CAMPO ARGENTINO.
La siembra de maíz también mantiene una constante evolución a nivel mundial, con la
mirada puesta en aumentar la precisión, el automatismo y la productividad. El cultivo
de maíz es el cultivo de mayor demanda de tecnología, ya sea en la mecanización de
las labores como en la toma de decisiones a través de información de avanzada como
la teledetección, entre otras. La sembradora con dosificador eléctrico es uno de los
objetivos que se empieza a vislumbrar con mayor nitidez entre las empresas líderes
del mundo, que ya presentaron prototipos y modelos de serie en las principales
muestras agropecuarias internacionales. Sin dudas se anticipa una innovación que
marcará un cambio de paradigma en el sistema de siembra directa.
58
implemento. Las diferencias están en los requisitos de potencia de cada motor y cómo
se suministra esa energía.
59
Otra ventaja significativa es que al no tener cadenas, engranajes, cardanes y demás
sistemas involucrados en los equipos tradicionales, la vibración es mucho menor, lo
que impacta en la calidad de la siembra y en la durabilidad de las partes móviles del
implemento.
Por su parte, la marca Kinze ofrece el sistema de dosificación eléctrica como opción
en su nueva sembradora 4900. La firma Horsch brinda este equipamiento de serie en
sus sembradoras modelo Maestro. También se pueden comprar los kits en el mercado
de empresas como Equipo Graham y Precision Planting, que le permiten al productor
actualizar su sembradora existente. El kit puede costar alrededor de U$S 1.000 por
cuerpo, en promedio, dependiendo de las opciones aquí en Argentina.
El 2015 fue muy evidente la competencia por quienes presentaban el mejor motor
eléctrico, esto se manifestó por ejemplo en la Farm Porgress Show, donde se
realizaron los lanzamientos de la mayoría de los equipos que a partir de ese mismo
año se encontrarían disponible en el mercado, tanto fue así que la empresa Ag Leader
no parecía estar del todo preparada pero lo mismo mostro unos equipos tapados
diciendo que pronto ellos también tendrán uno listo para atacar el mercado y
efectivamente a comienzos del 2016 salieron al ruedo con el SureDrive.
SureDrive de Ag Leader
60
siembra posee dos distribuidores que arrojan la semilla en un mismo caño de bajada
por los que las ruedas limitadoras, los abre surcos y ruedas tapadoras son los mismos.
De esta manera se puede sembrar dos híbridos en el mismo surco de siembra para
establecer diferentes materiales genéticos de manera sitio específico, así se puede
estar sembrando con material genético de avanzada en aquellas zonas en donde
permitiría expresar todo su potencial y en las regiones del lote en donde existen otro
tipo de limitaciones utilizar una genética más económica, todo en la misma operación.
Este concepto fue desarrollado por Precision Planting y por Kinze.
61
Ambos equipos necesitan dos motores eléctricos por cada cuerpo, uno para movilizar
la placa y otro para mover el sistema de delivery, por lo que duplica la necesidad de
potencia eléctrica necesaria.
En nuestro país se encuentran disponible los equipos Graham y Precision Planting, los
cuales ya salen al mercado y se presentan como opcionales en las principales marcas
de sembradoras de nuestro país, actualmente se encuentran en trabajo una 40
sembradoras equipadas con motores eléctricos. Y si hay algo que destacar, es que la
industria Argentina tiene la capacidad de desarrollar e innovar, lo que le permite ir no
muy detrás de los grandes avances mundiales, un ejemplo de esto es la empresa
Mase , quienes en conjunto con Added Tech han desarrollado un equipo nacional que
se adapta a cualquier sembradora.
62
Volt Ampere Potencia (Watt)
Graham 12 3 36
Horsch 12 4.6 55.2
Ag Leader 12 2.5 30
Kinze 24 3.5 84
Precision Planting 12 1.1 13.2
John Deere 48 1 48
Mase 24 0.79 18.96
63
MEDICIÓN DE LA CALIDAD DE LA SOJA EN TIEMPO REAL
DURANTE LA COSECHA.
Villarroel, D.1; Ustarroz, F.1; Méndez, A.1; Bragachini, M.1; Vélez, J. P.1;
Scaramuzza, F.1; Méndez, J.2; Accoroni, C.2, Errasquin, L.3, Aladio, M.3.; Nestor, J.4
1
INTA EEA Manfredi; 2AER Totoras; 3AER Justiniano Posse; 4INTA EEA Anguil
villarroel.diego@inta.gob.ar
64
Imagen 1: Instalación y adaptación del sensor a la noria,
monitor de calidad y monitor de rendimiento.
65
Imagen 2: Puntos de comparación del contenido de proteína (%PB) y el rendimiento
(tn/ha) de las variedades evaluadas en Manfredi y Pampayasta.
66
BIBLIOGRAFÍA
Calzada, J.; Matteo, F. “Sigue cayendo el contenido proteico en la harina de soja
argentina”, del 30/08/2013
Cuniberti, M.; Herrero, R.; Muñoz, S.; Mir, L. 2015. Calidad de variedades de soja en la
Provincia de Córdoba. Campaña 2014/15. Información para Extensión.
www.inta.gob.ar/mjuarez
Matteo, F.; Calzada, J. “La menor proteína en soja le cuesta a Argentina 405 millones
de dólares”, del 20/12/2013.
67
RELACIÓN ENTRE LOS ATRIBUTOS DEL TERRENO, LA HUMEDAD DEL
SUELO Y LA PRODUCTIVIDAD DE LOS CULTIVOS
Boretto, D.
INTA General Cabrera
boretto.dario@inta.gob.ar
INTRODUCCIÓN
MATERIALES Y MÉTODOS
68
Obtención de atributos especiales del terreno
Uno de los indicadores más utilizados para reflejar la dinámica del agua por efecto
topográfico, es la acumulación de flujo (AF) (Gutiérrez, 2012). Para ello, es necesario
conocer primero la dirección que toma el flujo en cada celda (figura 1a), y luego el flujo
que cada celda acumuló (figura 1b). Finalmente al multiplicar el número de celdas
acumuladas por su superficie, se obtiene un valor de acumulación expresado en m2
(ecuación [1]) 1.
As
ITC = LN
Donde:
tan β [2]
ITC: es el índice topográfico compuesto.
: es la pendiente local.
As: es el área de acumulación de flujo.
1 Las celdas con máxima acumulación son áreas de flujo altamente concentrado y definen habitualmente la red de
drenaje superficial de un terreno. Por el contrario, celdas con una mínima acumulación de flujo, son elevaciones locales
pronunciadas, vulgarmente llamadas “crestas” del terreno.
69
independientes, donde cada uno coincidía con un percentil diferente del atributo
topográfico; de manera de representar escenarios de disponibilidad hídrica para toda
la distribución de esta variable. Cada muestra de volumen conocido fue pesada en
húmedo, luego secada y pesada en seco; para obtener humedad gravimétrica,
densidad aparente y a partir de estas, humedad volumétrica. De los mismos sitios se
aislaron valores de productividad de una capa multi-anual, que surge de promediar los
valores estandarizados (cociente entre el valor de rendimiento de cada celda y el
promedio del lote para la campaña) de tres campañas de mapeo de rendimiento
(figura 2).
RESULTADOS
a b
c d
70
El mejor ajuste entre el ITC y la humedad de la capa superficial del suelo (0-30 cm) se
consiguió con una función de tipo cuadrática, lo que indica que la HV aumenta a
medida que lo hace el índice; y alcanza su máximo valor con un ITC igual a 11,21.
Valor a partir del cual la humedad del estrato superficial comienza a decaer
rápidamente, incluso a niveles por debajo que los asociados a los menores valores de
ITC (gráfico 1a y tabla 1). Respecto a la relación entre el mismo índice y la PMA, el
comportamiento entre variables es similar al anterior; solo que con una mayor
curvatura. Lo que implica que sitios con ITC muy pequeños son sectores de baja
productividad, y que esta aumenta rápidamente al incrementarse el ITC hasta que
alcanza un valor de 11,75; a partir del cual la PMA comienza a decaer a una tasa
superior que la de la fase de crecimiento (gráfico 1b y tabla 1). Respecto a la relación
entre la PMA y AF también describen una respuesta de tipo cuadrática, donde
sectores de mínima y máxima AF se asociaron a en ambos casos con sitios de menor
productividad, y sectores de AF media con sitios de máxima productividad. Esto indica
que los rendimientos aumentan hasta alcanzar un valor umbral de AF, a partir del cual
este empieza a decaer hasta llegar a los niveles más bajos. Esto sugiere que hay
sectores donde si bien la acumulación de agua puede ser máxima, debido a la
geometría de las pendientes esta no permanece el tiempo necesario para infiltrar en el
perfil y escurre libremente fuera del sector (gráfico 1c y tabla 1). Los modelos
anteriores sugieren que el nivel de productividad de un ambiente bajo agricultura de
secano, siempre está asociado y se relaciona positivamente a la condición de
humedad que la topográfica le confiere a cada sitio (gráfico 1d y tabla 1).
a b
30.0 1.4
1.2
25.0
1.0
Productividad multi-anual
Hum. volumétrica (%)
20.0
0.8
15.0
0.6
10.0
0.4
5.0
0.2
c 0.0
d 0.0
4.0 6.0 8.0 10.0 12.0 14.0 16.0 18.0 4.0 6.0 8.0 10.0 12.0 14.0 16.0 18.0
1.4 ITC 1.4 ITC
1.2 1.2
1.0 1.0
Productividad multi-anual
Productividad multi-anual
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
Gráfico
0.0
2.0 1. 4.0(a) Relación
6.0 8.0 entre
10.0 la
12.0 humedad
14.0 16.0 volumétrica
0.0
10.0 12.0de
14.0la 16.0
capa 18.0 superficial
20.0 22.0 24.0 del
26.0 suelo
28.0 30.0
71
Tabla 1. Coeficientes obtenidos para las funciones de regresión entre los atributos del
terreno, la humedad volumétrica de la capa superficial y la productividad multi-
anual.
DISCUSIÓN
Western et al. (1999) graficaron datos de humedad de suelo del estrato 0-30 cm en
función del ITC, y encontraron tendencias muy similares a las propuestas en el
presente trabajo. Donde la HV del estrato superficial aumentó prabólicamente desde
un ITC cercano a 5, hasta alcanzar los máximos niveles en valores del índice de entre
10,00 y 11,00. Definiendo así la importancia que tiene la posición que ocupa un sitio
en la topografía para su captación de agua. Por su parte Espósito (2013), indicó que
ambientes con niveles de ITC cercanos a 8,00 y 10,00; le correspondieron niveles de
rendimiento promedio en maíz de 5896 kg ha-1 y 9952 kg ha-1, respectivamente (datos
surgidos de 18 ensayos experimentales). Lo que sugiere la alta relación que existe
entre este atributo del terreno y el nivel de productividad de un ambiente.
CONCLUSIONES
Debido a que los atributos del terreno poseen una estrecha relación con la variación
espacial de la oferta hídrica y esta con el rendimiento de los cultivos, la elevación (y
sus derivados) se vuelve una variable sitio-especifica muy atractiva para interpretar y
definir zonas homogéneas de diferente productividad potencial bajo agricultura de
secano; en particular por tratarse de una información muy económica, y de rápida
obtención. Los atributos evaluados permitieron identificar zonas de baja productividad
donde una de las principales limitantes fue la oferta hídrica, zonas de alta
productividad con abundante disponibilidad de agua, y zonas donde si bien se
concentraron los máximos valores de cada atributo, la oferta hídrica real fue escasa.
Estas últimas serían vías de escurrimiento, que debido a las características climáticas
del año permanecieron con su capa superficial saturada, lo que incrementó la cantidad
de escorrentía superficial del agua de lluvia; dicho de otra forma, estos son sitios
donde vulgarmente se dice “por aquí corrió el agua”. Sin embargo, es necesario seguir
profundizando en el estudio de estas variables topográficas, principalmente para
conocer su comportamiento en años secos. Donde la infiltración y la dinámica de re-
distribución seguramente cambian, y con ella la oferta de agua total para la producción
de materia seca de cada sitio.
72
BIBLIOGRAFÍA
Kravchenko, A. and D. Bullock. 2000. Correlation of corn and soybean grain yield with
topography and soil properties. Agron. J. 92.
Ruffo, M.; G. Bollero and D. Bullock. 2006. Site-specific production functions for
variable rate corn nitrogen fertilization. Precision Agric. 7.
73
MANEJO VARIABLE DE NITROGENO EN CEBADA
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1850-
20672015000100013&lng=pt&nrm=iso&tlng=pt
INTRODUCCIÓN
El cultivo de cebada (Hordeum vulgare) es un componente estratégico en la
producción agropecuaria de los partidos del sudeste y sudoeste bonaerense y una
alternativa válida para lograr diversificar la producción (Landriscini et al., 2004). Los
efectos de la fertilización nitrogenada sobre el cultivo de cebada han sido estudiados
ampliamente (Loewy et al., 2008). Sin embargo, hay que considerar que ninguna de
estas investigaciones ha tenido en cuenta la variabilidad espacial del suelo a nivel de
lote. Los lotes agrícolas del sudeste Bonaerense, presentan variación en la textura del
suelo, contenido de materia orgánica, profundidad de suelo, topografía y disponibilidad
de agua para los cultivos (Peralta et al., 2013; Peralta et al., 2013a), generando
variabilidad espacial en la disponibilidad de nitrógeno (N) y así, posiblemente en la
respuesta a la fertilización nitrogenada en el cultivo de cebada. Dadas estas
condiciones, es esperable que el efecto combinado de las características de suelo y
terreno, y condiciones ambientales generen interacciones complejas en las relaciones
suelo-planta y produzcan variaciones espaciales en el rendimiento y en la respuesta al
agregado de N en el cultivo de cebada cervecera. A partir de las últimas décadas se
ha impulsado el desarrollo y la utilización de los Sistemas de Información Geográficos
(SIG) y los Sistemas de Posicionamiento Global (GPS) que dieron lugar al surgimiento
de la Agricultura de Precisión (AP). La AP se define como la aplicación de tecnologías
y principios para manejar la variabilidad espacial y temporal de los factores edáficos y
del terreno (Dinnes et al., 2002), con el propósito de delimitar zonas de manejo (ZM).
Las ZM son definidas como una subdivisión de los lotes en áreas homogéneas para
aplicar manejo diferencial en función del potencial de cada zona por medio de la
incorporación de la tecnología de Manejo Sitio Específico de N (MSEN) (Bullock et al.,
2007), con las metas de aumentar el rendimiento de los cultivos, la eficiencia en el uso
del N, disminuir las pérdidas de N (en forma de N-NO3) a las napas freáticas, y
aumentar el retorno económico al productor (Bullock et al., 2007). Los objetivos de
esta investigación fueron: (l) determinar la interacción entre las zonas de manejo y la
fertilización nitrogenada sobre el rendimiento del cultivo de cebada cervecera cv.
Scarlett.; (ll) estimar las disponibilidades óptimas económicas (DOE) de nitrógeno
según zonas de manejo; (lll) determinar si la delimitación de zonas de manejo, mejora
la eficiencia en uso de N del fertilizante.
74
MATERIALES Y MÉTODOS
Los datos de precipitaciones del experimento y del promedio histórico en el ciclo del
cultivo fueron obtenidos del establecimiento donde se realizó el ensayo. Se realizó un
balance hídrico para el cultivo de cebada, adaptando el modelo de Della Maggiora et
al. (2003) (Figura 1). Las variables de entrada fueron medidas por la estación
meteorológica de la Unidad Integrada INTA-FCA Balcarce. Los Kc utilizados fueron
obtenidos de tablas (Allen et al., 1998).
Figura 1. Balance de agua durante la estación de crecimiento del cultivo de cebada cervecera.
a) Bajo Potential (BP), b) Alto Potencial (AP): precipitaciones; ETM: evapotranspiración
máxima; ETR: evapotranspiración de referencia. (Jn= Junio; Jl= Julio; A = Agosto; S =
Septiembre; O = Octubre; N = Noviembre; D = Diciembre). Los número detrás de cada mes
indican la década.
75
Figura 2. Medición de la Conductividad Eléctrica Aparente del suelo (CEa) con el Veris 3100 y
la profundidad e suelo con el muestreador hidráulico Gidding.
76
agronómica (kg grano kg N disponible-1) en función del nivel de N disponible (ND). La
DOE se determinó en la intersección de la recta proveniente de la derivada primera y
la línea horizontal correspondiente a diferentes relaciones insumo-producto. La
relación de precios entre el N y el grano de cebada se calculó de manera análoga a la
realizada por Peralta et al. (2015). Para cada ZM se calculó la eficiencia de utilización
del fertilizante (EUNFert) por el cultivo de cebada (kg de grano kg de fertilizante
aplicado-1) como la diferencia entre el rendimiento obtenido del tratamiento fertilizado
(RtoN) y testigo (Rto Test) dividido la dosis aplicada ([RtoN-RtoTest]/Dosis N).
RESULTADOS Y DISCUSIÓN
77
Figura 4. a) Relación entre el rendimiento de cebada cervecera cv Scarlett y el nitrógeno
disponible (ND) a la siembra (fertilizante + suelo) hasta los 60 cm de profundidad según zonas
de manejo de bajo potencial (BP) y de alto potencial (AP). Letras diferentes indican diferencias
estadísticamente significativas (p<0.05). Las barras verticales indican el error típico de la media
para cada zona b) Funciones derivada del modelo cuadrático de las relaciones entre el
rendimiento del cultivo de cervecera y el N disponible (ND). Líneas discontinuas (….)
representa la relación de precios N-grano del año experimental (2008) y las continuas (__) el
promedio histórico.
La EUNFert difirió entre ZM siendo superior para la zona AP (p<0,05; Figura 5). Los
valores para la dosis de 38N fueron de 17 y 35 kg de grano kg N aplicado-1, para la
zona de BP y AP, respectivamente. Mientras que para la dosis de 83N la EUNFert fue
de 10 y 23 kg de grano kg N aplicado, para la zona de BP y AP, respectivamente.
James & Godwin, (2003) reportaron datos similares trabajando en suelos franco
arcillosos. Estos autores mencionaron que la mayor EUNFert en la zona AP estuvo
asociada a mayor disponibilidad de agua para los cultivos. Por otra parte, la EUNFert
disminuyó a medida que se incrementó la dosis de N aplicada. Los resultados
obtenidos en esta experiencia muestran la importancia de determinar ZM para el
manejo del N, tanto desde el punto de vista económico como ambiental. Similares
resultados fueron informados por Delin, 2004.
78
Figura 5. Eficiencia del uso de nitrógeno promedio del fertilizante de acuerdo a dosis de
nitrógeno y zona de manejo. Letras diferentes indican diferencias estadísticamente
significativas (p<0.05). Las barras verticales indican el error típico de la media para cada zona
de manejo.
CONCLUSIÓN
Se debe tener en cuenta que estas conclusiones son preliminares ya que son producto
de un solo sitio experimental y de un solo año de estudio y no cubre el rango de todas
las condiciones posibles. Creemos que es necesario contar en el futuro con mayor
cantidad de escenarios para validar el modelo propuesto, lo que está contemplado en
el trabajo de postdoctoral del primer autor y datos afines.
BIBLIOGRAFÍA
Allen, RG; LS Pereira; D Roes & M Smith. 1998. Crop evapotranspiration-guidelines for
computing crop water requirements. FAO: Irrigation and drainage 56: 1-300.
Bremner, J. M. 1965. Inorganic forms of nitrogen. In Black CA (ed). Methods of soil
analysis. Part 2. Agronomy Monogr. no. 9. ASA, Madison, WI. pp 1179-1237.
Bullock, DS; N Kitchen & DG Bullock. 2007. Multidisciplinary teams: A necessity for
research in precision agriculture systems. Crop Sci 47: 1765-1769.
Delin, S. 2004. Within-field Variations in Grain Protein Content—Relationships to Yield
and Soil Nitrogen and Consistency in Maps Between Years. Precis. Agric 5: 565–
577.
Dinnes, DL; DL Karlen; DB Jaynes; TC Kaspar; JL Hatfield; TS Colvin & CA
Cambardella. 2002. Nitrogen management strategies to reduce nitrate leaching in
tile-drained Midwestern soils. Agron. J 94:153–171.
79
Della Maggiora, AI; A Irigoyen; JM Gardiol; O Caviglia & L Echarte. 2003. Evaluación
de un modelo de balance de agua en el suelo para el cultivo de maíz. Rev. Arg.
Agrometeor 2(2):167-176.
Fridgen, JJ.; NR Kitchen; KA Sudduth; ST Drummond & CW Fraisse. 2004.
Management zone analyst (MZA): software for subfield management zone
delineation. Agron. J 96: 100-108.
Indexmundi.2014.http://www.indexmundi.com/es/precios-de-
mercado/?mercancia=cebada&meses=360. Acceso 25 de marzo de 2014.
INTA. CIRN. Instituto de Suelos. Hoja - ―3760-35 ―Claraz‖‖, PBA, Castelar: Instituto
de Suelos AICET, 1970. 72 p, 4 fotocartas, escala 1:50.000.
James, IT & Godwin R J .2003. ‘Soil, Water and Yield Relationships in developing
Strategies for the Precision Application of Nitrogen Fertiliser to Winter Barley’.
Biosystems Engineering 84(4): 467 – 480.
Landriscini, MR; LG Suñer; A Lázzari & A Rausch. 2004. Respuesta de la cebada
cervecera a la aplicación de N. INPOFOS. Informaciones Agronómicas del Cono
Sur 22:15-18.
Loewy, T & MM Ron. 2001. Componentes de rendimiento en trigo y cebada cervecera
bajo distintos niveles nutricionales. V Congreso Nacional de Trigo, Villa Carlos
Paz, Córdoba, Argentina.
Peralta, NR; JL Costa; M Balzarini & H Angelini. 2013. Delineation of management
zones with measurements of soil apparent electrical conductivity in the
southeastern pampas. Can. J. Soil Sci 93: 205-218.
Peralta, NR; JL Costa; M Balzarini & Castro Franco, M. 2013a. Delimitación de zonas
de manejo con modelos de elevación digital y profundidad de suelo. Interciencia
38 (6): 1-7.
Peralta, N.R.; Costa, J.L; Balzarini1, M.; Castro Franco, M.; Córdoba, M ; Bullock, D.
2015. Delineation of management zones to improve nitrogen management of
wheat. Computers and Electronics in Agriculture. 110: 103-113.
Prystupa, P; G Ferraris; R Bergh; T Loewy, L Ventimiglia & F. Gutierrez Boem. 2008.
Fertilización de Cebada Cervecera cv. Scarlett: IV. Modelo de respuesta del
contenido proteico a la Fertilización Nitrogenada. XXI Congreso Argentino de la
Ciencia del Suelo. San Luis. En CD.
Veris Technologies. 2001. Frequently asked questions about soil electrical conductivity.
http:// www.veristech.com. Veris Technologies, Salina. KS. Acceso 25 de
noviembre de 2013.
80
AGRICULTURA DE PRECISIÓN EN FRUTICULTURA: EL MAPA DE
RENDIMIENTO COMO BASE
INTRODUCCIÓN
El manejo por ambientes es uno de los conceptos más difundidos de la AP. Este
enfoque intenta definir sub-zonas en los cultivos, donde los factores productivos son
relativamente homogéneos, para luego aplicar a cada una de estas áreas la cantidad
apropiada de insumos. Como resultado se espera maximizar el potencial productivo,
eficientizar los aportes externos y minimizar el impacto ambiental.
El potencial que implica poder mapear en forma generalizada las diferentes parcelas
productivas es muy relevante e implicaría un cambio de paradigma para el futuro del
cultivo de peras y manzanas.
El manejo por ambientes será aplicable solo bajo ciertas condiciones: a) si la variación
espacial del rendimiento tiene cierta estabilidad a través de los años; b) si las causas
de esa variabilidad pueden ser identificadas y medidas; c) si esas causas se pueden
modificar con una aplicación diferencial de insumos o prácticas de manejo.
81
parcela experimental. También se ha avanzado en la identificación de las causas de
esa variabilidad, algunas de las cuales, de difícil corrección, están relacionadas con la
estructura física del suelo, el sentido del riego o la presencia de alamedas. Otras,
como la fertilización, la presencia de malezas o el raleo de frutos, es posible
manejarlas en forma diferenciada, de manera de maximizar el rendimiento y minimizar
el uso de insumos, con la consecuente reducción de costos y mitigación del impacto
ambiental.
A partir del uso y estudio de estos mapas de rendimiento, se podrá dar un salto
cualitativo hacia la fruticultura de precisión, cambiando la manera de trabajar y utilizar
la información colectada.
METODOLOGIA EMPLEADA
Se trabajó en una parcela de perales cv. Williams de 1,6 ha. Los frutos fueron
cosechados manualmente por operarios ubicados sobre una plataforma
autopropulsada y depositados en cajones bins. El peso y la posición de los cajones
fueron registrados mediante celdas de carga y en receptor GPS instalado sobre la
plataforma. Los datos colectados se corrigieron y procesaron para obtener 168 puntos
muestrales con una cobertura espacial de 96 m2 cada uno. Posteriormente se procedió
a analizar los datos obteniendo los estadísticos generales y el ajuste del modelo
teórico omnidireccional del variograma (análisis geoestadístico). Los mapas de
rendimiento se obtuvieron mediante interpolación con el procedimiento de krigeo
ordinario.
RESULTADOS OBTENIDOS
82
2014 2015 2016 Promedio 2014/16 Rendim.
(Ton/Ha)
tn.ha-1
60
55
50
45
40
35
30
25
20
15
10
05
Figura 1. Mapas de rendimiento de una parcela de pera cv. Williams en 2014, 2015 y
2016, en el Alto Valle de Rio Negro, Argentina.
CONSIDERACIONES FINALES
En virtud de los datos colectados, las técnicas analíticas utilizadas y los resultados
obtenidos, se puede inferir que en los cultivos de frutales de pepita, quizá no sea
necesario tener un dato de rendimiento punto a punto o por árbol, permitiendo esto
reducir los costos de muestreo y procesamiento de la información. Por otra parte, la
tecnología disponible en ciertos aspectos de manejo del cultivos (poda, raleo de frutos,
riego, etc.) es todavía muy limitada en cuanto a la posibilidad de realizar aplicaciones
variables. Por lo tanto, la utilización de técnicas de análisis como la geoestadística,
proporcionan un nivel aceptable de información que sirve a los fines de determinar
sub-áreas de manejo. De esta manera no es necesario, por el momento, el desarrollo
e incorporación de equipos de gran precisión y muy costosos. Sin embargo, se deberá
continuar con los estudios iniciados, con el objetivo de propiciar su utilización en el
mediano plazo.
83
REFERENCIAS
Aggelopoulou, A.D., D. Bochtis, S. Fountas, K.C. Swain, T.A. Gemtos, G.D. Nanos.
2011. Yield prediction in apple orchards based on image processing. Precision
Agric. 12: 448–456.
Ampatzidis, Y.G., S.G. Vougioukas, D.D. Bochtis, C.A. Tsatsarelis. 2009. A yield
mapping system for hand-harvested fruits based on RFID and GPS location
technologies: field testing. Precision Agric. 10: 63–72.
Araujo e Silva Ferraz, G., F. Moreira da Silva, M. de Carvalho Alves, R. de Lima
Bueno, P.A. Negrini da Costa. 2012. Geostatistical analysis of fruit yield and
detachment forcé in coffee. Precision. Agric. 13:76–89.
Aruani, M.C, P. D. Reeb, N. E. Barnes. 2014. Influence of soil properties on yield and
fruit maturity at harvest of ‘Williams’ pear. Chilean J. Agr. Res. 74 (4): 460-467.
Benítez, C., H. Castro, A. Ricca, S. Vaudagna. 2005. Peras y manzanas: Factores que
afectan la calidad de los frutos. 394 p. Ediciones INTA, Buenos Aires,
Argentina.
Best, S., F. Salazar, R. Bastías, L. León. 2008. Crop load estimation model to optimize
yield-quality ratio in apple orchards, Malus Domestica Borkh, Var. Royal Gala.
Journal of Information Technology in Agriculture, 3: 11–18 (e-Journal at
www.jitag.org).
Bramley R.G.V., R.P. Hamilton. 2004. Understanding variability in winegrape
production systems. 1. within vineyard variation in yield over several vintages.
Aust. J. Grape Wine Res. 10: 32-45.
Earl, R., P.N. Wheeler, B.S. Blackmore, R.J. Godwin. 1996. Precision farming—the
management of variability. Landwards, 51(4): 18–23.
Perry E.M., R.J. Dezzani, C.F. Seavert, F.J. Pierce. 2010. Spatial variation in tree
characteristics and yield in a pear orchard. Precision Agric. 11: 42–60.
Plant, R.E. 2001. Site-specific management: The application of information technology
to crop production. Computers and Electronics in Agriculture, 30: 9–29.
Rosa U.A., S.K Upadhyaya, M. Josiah, M. Koller, M. Mattson, M.G. Pelletier. 2000.
Analysis of a tomato yield monitor. Transactions of the ASAE 43(6): 1331-1339.
84
EFECTOS DEL INCREMENTO DE LA DENSIDAD DE SIEMBRA Y LA
DISPONIBILIDAD DE NITRÓGENO SOBRE EL RENDIMIENTO DEL CULTIVO
DE MAÍZ DE SEGUNDA EN AMBIENTES DE DIFERENTE PRODUCTIVIDAD
PAGNAN, L.1; PIETRANTONIO, J.2; CASTILLO, G.3; MUÑOZ, S.4; BORETTO, D.5
1INTA AER Justiniano Posse; 2INTA AER Bell Ville; 3John Deere - AMS Vanderhoeven
Agrícola S. A.; 4INTA EEA Marcos Juárez; 5INTA AER General Cabrera
pagnan.luis@inta.gob.ar
INTRODUCCIÓN
El maíz de segunda corresponde a una alternativa productiva muy utilizada cuando las
condiciones ambientales permiten intensificar el esquema de rotación agrícola.
La siembra posterior a un cereal de invierno, que además de realizar un importante
consumo de agua, deprime los niveles de nitrógeno (N) disponibles y aporta un importante
volumen de residuos lignificados, determina que, ante un rendimiento objetivo similar,
frecuentemente las dosis de N necesarias resulten superiores a las utilizadas en maíces
sembrados después de un período de barbecho.
Dado al elevado nivel de inversión requerido, cuando la siembra de este cultivo se realiza
en lotes con ambientes de diferente productividad, resulta necesario para maximizar el
margen bruto a nivel del lote, un correcto ajuste de los principales insumos (nitrógeno y
semilla) de acuerdo al rendimiento objetivo de cada ambiente.
Por lo tanto, el objetivo de este ensayo fue evaluar el efecto del incremento de la densidad
de siembra y la fertilización nitrogenada sobre el rendimiento del cultivo de maíz de
segunda en ambientes de productividad dispares. Mientras que como objetivos
específicos se intentó determinar la densidad y dosis óptima de N en cada ambiente.
MATERIALES Y MÉTODOS
El ensayo fue realizado en Bell Ville, provincia de Córdoba, Argentina (32° 37´ S; 62° 47´
W), durante la campaña 2014-2015.
Se seleccionó un lote ubicado 8 km al oeste de esta ciudad, el cual presentó una marcada
variabilidad en el rendimiento de los cultivos previos, evaluada a través de mapas de
rendimiento.
En la figura 1 se encuentra delimitado el lote en el que se realizó el ensayo y se observan
los diferentes tipos de suelo presentes.
85
Figura 1. Tipos de suelos presentes, -SM: Complejo indeterminado San Marcos de áreas
de derrame (IIc); -Oz 6: Complejo de series Ordóñez, fase moderadamente bien drenada
50 %; La Remonta 35 % y San Francisco de Asís 25 % (IVws); -Oz 7: Complejo de series
Ordóñez, fase moderadamente bien drenada 30 %; La Remonta 35 % y San Francisco
de Asís 35 % (VIws); -Oz 8: Complejo en fase poco inundables de series Ordóñez, fase
moderadamente bien drenada 20 %; La Remonta 40 % y San Francisco de Asís 40 %
(VIws). (Instituto Nacional de Tecnología Agropecuaria, 1981).
A partir del análisis de los mapas de rendimiento se estableció una separación en tres
ambientes de diferente potencial productivo.
Esto se realizó utilizando el software AFS 5.52 (Case Corporation, 2004), con el cual se
cargaron y filtraron cuatro mapas de rendimiento, correspondientes a los cultivos de trigo
de los años 2007 y 2014, el cultivo de soja de primera del año 2008 y maíz en el año 2010
(figura 2), posteriormente, se normalizaron los datos y se obtuvo un mapa combinado. A
partir del cual se determinó el número óptimo de ambientes utilizando el software
Management Zone Analyst (Universidad de Missouri Columbia, 2000) (figura 3).
86
a.
b.
87
c.
d.
Figura 2. Mapas de rendimiento: a. Trigo 2007, b. Soja de primera 2008, c. Maíz 2010,
d. Trigo 2014.
88
Figura 3. Mapa clasificado en tres ambientes en función de su potencial productivo, A1:
verde, A2: amarillo, A3: rojo.
De este modo, quedaron definidos tres ambientes denominados de ahora en adelante,
ambiente de alta (A1), media (A2) y baja productividad (A3), representados por los colores
verde, amarillo y rojo en el mapa de la figura Nº 3.
Se efectuó el muestreo de suelo por estratos de 20 cm, hasta los 60 cm de profundidad,
extrayendo una muestra compuesta por estrato de cada ambiente (Tabla 1).
Tabla 1. Parámetros de fertilidad química de suelo de los ambientes evaluados.
Cond.
Ph (en agua Materia Nitrógeno de P asimilable
Ambiente Prof. Eléctrica
:2,5) Orgánica (%) nitratos (ppm) (ppm)
(dS/m)
0-20 6,3 0,11 3,02 10,17 15
A1 20-40 6,7 0,07 2,94
40-60 6,9 0,05 1,58
0-20 6,1 0,11 2,81 11,75 15
A2 20-40 7,1 0,08 2,49
40-60 7,8 0,11 1,81
0-20 6,7 0,12 1,86 3,62 14
A3 20-40 7,4 0,21 2,03
40-60 8,2 0,44 1,81
89
En la Tabla 2 se describen los 16 tratamientos realizados, adicionalmente, se muestra la
disponibilidad total de N por ambiente en cada uno de los tratamientos, considerando el
N inorgánico disponible en el suelo al momento de la siembra, como el aportado por
fertilizantes sintéticos.
Tabla 2. Descripción de los tratamientos realizados.
Disponibilidad total de N
DOSIS DE N (suelo + fertilizante) en cada
DENSIDAD
TRATAMIENTO APLICADO (kg ambiente
(pl ha-1)
N ha-1)
A1 A2 A3
1 45000
2 60000
34,0 70,1 50,0 52,7
3 70000
4 80000
5 45000
6 60000
66,4 102,5 82,4 85,1
7 70000
8 80000
9 45000
10 60000
98,8 134,9 114,9 117,5
11 70000
12 80000
13 45000
14 60000
131,2 167,3 147,3 149,9
15 70000
16 80000
90
El rendimiento promedio fue de 8981.2, 8373 y 6660,4 kg ha-1 con coeficientes de
variación de 21,2; 28,4 y 33,7 % para los ambientes de alta, media y baja productividad
respectivamente.
A su vez, resultó significativo el efecto de los tratamientos de densidad y fertilización, no
así la interacción entre los mismos y el ambiente de producción.
En la Tabla 4 se hallan representados los rendimientos promedio de cada tratamiento. En
este se observa que los mayores rendimientos se obtuvieron en los tratamientos n° 10,
14 y 11 respectivamente, no diferenciándose entre sí, correspondiendo los dos primeros
a densidades de 6 pl m-2.
Tabla 4. Rendimiento promedio por tratamiento y resultados del análisis de la varianza,
(Medias con una letra común no son significativamente diferentes (p<= 0,05), DMS
677,8).
Tratamiento N Aplicado Densidad
Rendimiento promedio (kg ha-1)
(kg ha-1) (pl m-2)
10 98,8 6,0 10801,9 A
14 131,2 6,0 10550,9 A B
11 98,8 7,0 10169,2 A B C
15 131,2 7,0 10074,5 B C
16 131,2 8,0 9570,7 CD
6 66,4 6,0 9230,1 DE
12 98,8 8,0 8599,4 EF
13 131,2 4,5 8554,5 F
9 98,8 4,5 8548,9 F
7 66,4 7,0 8534,5 F
5 66,4 4,5 6928,4 G
8 66,4 8,0 6516,8 GH
3 34,0 7,0 5997,1 HI
2 34,0 6.0 5384,4 IJ
1 34,0 4,5 4795,2 JK
4 34,0 8,0 4125,1 K
91
Ambiente de alta productividad:
a) b)
12000 12000
11000 11000
10000 10000
9000 9000
8000 8000
7000 7000
kg ha-1
kg ha-1
6000 6000
5000 5000
4000 4000
3000 3000
2000 2000
1000 1000
0 0
0 20 40 60 80 100 120 140 160 180 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5
kg ha-1 pl m-2
N 70,1 kg ha-1 N 102,5 kg ha-1
4,5 pl m-2 6,0 pl m-2 7,0 pl m-2 8,0 pl m-2
N 134,9 kg ha-1 N 167,3 kg ha-1
6000 6000
5000 5000
4000 4000
3000 3000
2000 2000
1000 1000
0 0
0 20 40 60 80 100 120 140 160 180 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5
kg ha-1 pl m-2
N 50 kg ha-1 N 82,4 kg ha-1
4,5 pl m-2 6,0 pl m-2 7,0 pl m-2 8,0 pl m-2
N 114,9 kg ha-1 N 147,3 kg ha-1
92
Tabla 6. Modelos de respuesta a la disponibilidad de N y a la densidad de siembra en el
ambiente de media productividad.
MODELOS DE RESPUESTA AL INCREMENTO DE LA MODELOS DE RESPUESTA AL INCREMENTO EN LA
DISPONIBILIDAD DE N DENSIDAD DE SIEMBRA
Densidad modelo R2 N disponible modelo R2
4,5 pl m-2 y= -0,4493x2 + 129,59 x – 359,85 0,72 50 kg ha-1 y= -5,046x2 + 613,61 x – 12357 0.22
6,0 pl m-2 y= -0.9237x2 + 237.92 x – 3794.6 0.88 82.3 kg ha-1 y= -8.697x2 + 1082.4 x – 24255 0.67
7,0 pl m-2 y= -0.4735x2 + 143.99 x – 353.98 0.83 114.9 kg ha-1 y= -7.456x2 + 933.72 x – 17851 0.95
8,0 pl m-2 y= -0.4407x2 + 145.92 x – 2052 0.92 147.3 kg ha-1 y= -6.532x2 + 844.21 x – 15937 0.87
6000 6000
5000 5000
4000 4000
3000 3000
2000 2000
1000 1000
0 0
0 20 40 60 80 100 120 140 160 180 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5
kg ha-1 pl m-2
4,5 pl m-2 6,0 pl m-2 7,0 pl m-2 8,0 pl m-2 52,7 kg ha-1 85,1 kg ha-1
117,5 kg ha-1 149,9 kg ha-1
93
Mientras que, al analizar la variación del rendimiento en función de la densidad de
siembra, manteniendo constante el nivel de N, se observa que los mayores rendimientos
se lograron con 6 plantas por m2, superando con amplitud a los tratamientos con 4.5 y 8
pl m-2.
A su vez, en los ambientes de alta y media productividad, se observa que el rango de
densidades en que se lograron los mayores rendimientos resultó más amplio cuando los
niveles de N fueron mayores, evidenciando la clara dependencia de ambos factores.
En el ambiente de baja productividad, se evidenció una importante variación del
rendimiento ante los cambios de densidad, siendo muy reducido el rango donde se
lograron los máximos rendimientos. Sin embargo, se observa que, con un correcto ajuste
de la densidad y fertilización nitrogenada, acorde a la disponibilidad hídrica de la campaña
de evaluación, se lograron altos rendimientos en este ambiente de menor calidad, lo que
permitiría estabilizar el rendimiento del lote en un planteo extensivo.
CONSIDERACIONES FINALES
-La ambientación realizada previamente fue correcta, el análisis estadístico de los
resultados permitió confirmar que se trata de ambientes con diferentes potenciales
productivos.
-La alta disponibilidad hídrica durante el ciclo de desarrollo del cultivo y su adecuada
distribución, determinó que se alcanzaran rendimientos máximos elevados, siendo
similares en los ambientes de alta y media productividad incluso siendo superiores a lo
esperado en el ambiente de baja productividad.
-La maximización del rendimiento en los tres ambientes se logró con una densidad de
60000 pl ha-1 y la aplicación de 98,8 kg de N ha-1.
-Resultó claro el efecto simultáneo que ejercen la variación de la densidad de siembra y
la disponibilidad de N sobre el rendimiento del cultivo y la necesidad de contar con este
tipo de experiencias continuadas en el tiempo para generar modelos confiables que
permitan ajustar ambos factores en función del ambiente de producción.
AGRADECIMIENTOS
Se agradece al Sr. Alejandro Ballari, quien dispuso el lote, los insumos y la maquinaria
necesaria para la realización del ensayo.
BIBLIOGRAFÍA
CASE Corporation. 2004. AFS versión 5.52.
Di Rienzo J.A., Casanoves F., Balzarini M.G., Gonzalez L., Tablada M., Robledo C.W.
InfoStat versión 2013. Grupo InfoStat, FCA, Universidad Nacional de Córdoba,
Argentina. URL http://www.infostat.com.ar
94
DIAGNÓSTICO DE NITRÓGENO EN CEBADA Y TRIGO: NDVI Y
COBERTURA
Si bien se han evaluado distintos sensores, los más estudiados en la región pampeana
son las cámaras multiespectrales y el GreenSeeker. Estas herramientas basan su
funcionamiento en sensores ópticos que miden la reflectancia del canopeo en las
bandas del rojo (R) e infrarrojo cercano (IR), expresando los resultados como un Índice
de Vegetación Normalizado (NDVI = IR – R / IR + R). La ventaja de sensores como el
Green Seeker es la practicidad para realizar las mediciones a campo.
Este método de diagnóstico con fotografías, al igual que para los demás índices
espectrales requiere de la preparación “antes de la emergencia del cultivo” de franjas o
sectores con abundancia o exceso de nitrógeno (sectores del lote con una dosis inicial
de nitrógeno elevada para asegurar condiciones no limitantes del nutriente). Luego, una
vez que los cultivos alcanzan suficiente acumulación de biomasa (fin de macollaje en
adelante), se determina el NDVI y/o la Cobertura en las franjas de suficiencia de N y en
el resto del lote a diagnosticar. Finalmente, con los valores absolutos de NDVI y
COBERTURA se determinan las deficiencias de nitrógeno según un índice relativo
(ecuación 1 y 2). Este índice lo podemos calcular para diferentes zonas dentro de un
lote (Lopez de Sabando y Ross, 2015).
95
OBTENCIÓN DE LOS ÍNDICES RELATIVOS
NDVI (lote)
𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁(𝑟𝑟) = NDVI (Nmax)
COBERTURA (lote)
𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶(𝑟𝑟) =
COBERTURA (Nmax)
MATERIALES Y MÉTODOS
Las fotos se deben sacar con la cámara apuntando en dirección vertical al suelo a una
altura de 1 m. La calidad de la foto es esencial para tener un registro correcto del estado
del cultivo. Aunque cuando hablamos de calidad no nos referimos al tamaño de la
imagen (pixels), sino a que en la foto se expresen los colores correspondientes.
Debemos considerar que las mayores distorsiones de colores en las fotos ocurren en
presencia de sol intenso. En ciertos casos sacar la foto con flash produce una mejora
porque disminuye el efecto espejo (reflejo del sol desde las hojas). Si bien vamos a tener
errores, es importante que todas las fotos a analizar se hayan obtenido en las mismas
condiciones, la nubosidad intermitente que nos da momentos de sol y otros de sombra
generan inconvenientes. Estas distorsiones se van a observar durante el análisis de la
imagen, claramente notaremos que el análisis de la misma foto tomada cuando se nubla
difiere sustancialmente de cuando se toma con sol.
Para equilibrar las distorsiones que pueden ocurrir mientras tomamos las fotos conviene
ir intercalando las mismas entre franjas, por ejemplo, 5 fotos en la franja Nmax y luego
en la franja N0, y luego se repite hasta llegar a 30 fotos por franja por ambiente.
Hoy encontramos teléfonos celulares con buena calidad fotográfica que incluso pueden
georreferenciar las fotos. Respecto al tamaño de la foto o la cantidad de pixeles siempre
conviene utilizar la menor, con fotos de 140 KB es suficiente (VGA). Consideren que
ocupa una memoria 30 veces inferior a una foto de 5MB y que no van a diferir en el valor
de cobertura final. Para tomar los valores de NDVI se utilizó un Green Seeker Handheld
Crop Sensor de Trimble.
SITIOS EXPERIMENTALES
96
1-EEAI INTA Barrow durante el ciclo 2014-15, cultivo de cebada. En el ensayo estaban
presentes las variedades Andreia, Scarlett y Shakira. La dosis óptima económica del
nitrógeno proveniente del fertilizante fue similar para las tres variedades (DOENf
90KgN.Ha-1; Rto: 4200 Kg.Ha-1) y el óptimo de nitrógeno para ese rendimiento
considerando el presente en el suelo a la siembra más el provisto por la fertilización fue
125 KgN.Ha-1 (NOps+f). En este ensayo las mediciones de los índices de vegetación
se realizaron en Z3.1, el 30 de septiembre de 2014.
2- EEAI INTA Barrow trigo, llevado a cabo por los Ings. Lucrecia Manso y Horacio Forjan
durante la campaña 2015-16. Los detalles de ese trabajo se encuentran publicados en
el presente boletín. Las mediciones de los índices de vegetación se realizaron a fines
de macollaje del cultivo de trigo, el 23 de septiembre de 2015.
Para calcular las diferentes DOEN por sitio se relacionó al rendimiento en grano con la
fertilización aplicada. Luego, para obtener la DOEN esa función se derivó e igualó con
el valor marginal promedio que maximiza el retorno económico (8 Kg de cereal por Kg
de nitrógeno). De este modo se despejó la dosis de N que maximizó la rentabilidad de
la fertilización N. Esta metodología para el cálculo de la DOEN no se desarrolla en este
trabajo.
RESULTADOS
Por diferencias en los resultados obtenidos los datos del sitio 4 se analizaran por
separado de los resultados obtenidos en los sitios 1, 2 y 3.
En todos los sitios se observó una asociación adecuada entre los índices relativos
(NDVIr o COBERTURAr) y la disponibilidad de N (R2, Tabla 1). Siendo estos niveles de
ajuste similares a los observados en trabajos previos (Lopez de Sabando y Ross, 2015).
97
Sin embargo, el ajuste resultó mayor para el índice de vegetación relativo NDVIr
respecto del índice COBERTURAr. En todos los casos el plateau se logró con un valor
lógico entre 0.98 y 1 (Tabla 1). El plateau agronómicamente muestra el momento a partir
del cual incrementos en la fertilización con nitrógeno no producen incrementos en el
Índice Relativo. Entonces, en ese nivel de N el valor del índice de vegetación de la
parcela logra igualar al valor del índice del sector con Nmax, por lo cual el índice relativo
se acerca a la unidad (Tabla 1, figuras 1, 2, 3 y 4).
En los sitios 1, 2 y 3; el inicio del plateau para el índice NDVIr se obtuvo con 51 kgN.Ha-
1 y para el índice COBERTURAr se obtuvo con 47 kgN.Ha-1 (Tabla 1, Fig 1 y 2). Este
resultado es adecuado y necesario para un diagnóstico certero, producto del hecho de
que ambos índices lograron un rango de variación mayor al rango de la respuesta en
rendimiento. Una vez que obtenemos las curvas experimentales su uso para el
diagnóstico a campo es sencillo. Para diagnosticar un lote simplemente se toma como
referencia el valor del índice en que la DOEN=0 (Valor Objetivo). Para los sitios 1, 2 y 3
el este valor resultó 0.95 en NDVIr y 0.97 en COBERTURAr (Valor Objetivo, Tabla 1).
Entonces, si nuestros índices relativos a campo dan valores inferiores a 0.95-0.97
tenemos estrés de nitrógeno y debemos refertilizar.
Índice Relativo
Dif Valor
Índice de DOEN Objetivo
Sitios Ecuación n R2 P
Vegetación Plateau Inicio Índice®
Platea
u
y= 0.953 + 0.0014x
NDVIr 174 0.99 51 0.95 0.68 0.0001
1, 2 y - 0.00001x2
3 y= 0.967 + 0.0014x
COBERTURAr 174 0.99 47 0.97 0.62 0.0001
- 0.00002x2
y=0.961 - 0.0014x
NDVIr 48 0.98 -27 0.98 0.72 0.0001
- 0.00002x2
4
y=0.961 - 0.0016x
COBERTURAr 48 1 -47 1 0.53 0.0001
- 0.00002x2
98
Para confirmar los resultados de este trabajo se utilizaron datos independientes de
ensayos previos de fertilización nitrogenada en el cultivo de cebada. Se relacionó el
índice COBERTURAr en función del nivel de fertilización nitrogenada (Dif DOEN, Fig.
5). En el mismo observamos que el índice COBERTURAr se asoció significativamente
con el nivel de estrés nitrogenado y se obtuvo un Valor Objetivo similar al obtenido en
los sitios 1, 2 y 3 (0.95, constante independiente, Fig. 6).
Tabla.
Interacción (Zona*N) ns ns ns
CONCLUSIONES
99
Figura 1: Sitios 1, 2 y 3. NDVI® en función del nitrógeno disponible (KgN.Ha-1)
centrado respecto de la dosis óptima económica de N (Dif DOEN=0).
100
Figura 3: Sitio 4. NDVI® en función del nitrógeno disponible (KgN.Ha-1) centrado
respecto de la dosis óptima económica de N (Dif DOEN=0).
101
y=0.95 + 0.00085x-7.12E-6x2
R2=0.78 plateau=60KgN.Ha-1
BIBLIOGRAFÍA
Lopez de Sabando M. y Ross F., 2015. Utilización de sensores remotos para mejorar el
manejo de la nutrición nitrogenada en trigo y en cebada. EEAI INTA Barrow. Informes
Técnicos. Actualización en cultivos de cosecha fina 2014/15.
Reussi Calvo N.I., H. Sainz Rozas, H. Echeverría, y N. Diovisalvi. 2015. Using Canopy
Indices to Quantify the Economic Optimum Nitrogen Rate in Spring Wheat. Agron. J.
2014 doi:10.2134/agronj14.0392.
102
RENDIMIENTO DE CULTIVOS SEGÚN PROFUNDIDAD DE SUELOS
MATERIALES Y MÉTODOS
RESULTADOS
103
Debido a la metodología utilizada en la determinación de la profundidad del horizonte
calcáreo, al realizar las mediciones con el pinche nos encontramos con diferentes
situaciones. En ciertos casos el manto de tosca se detectó como una capa sólida o
masiva con poca variación en el espacio. En otros casos se determinó tosca disgregada,
donde se evaluaron diferentes profundidades en escasos centímetros de distancia.
Estas situaciones convivían en el mismo lote, determinado como resultado diferentes
tipos o micro-ambientes dentro de los suelos con tosca.
Tabla 1. Ajuste por regresión entre rendimiento y profundidad de suelo, según cultivo y
año de evaluación; para dos intensidades espaciales de muestreo de la
profundidad del horizonte calcáreo: 15 o 50 m.
CONCLUSIONES
La profundidad del suelo resultó una variable de considerable importancia para analizar
la variación espacial del rendimiento. A mayor intensidad de muestreo, la profundidad
del suelo logró explicar con mayor precisión las variaciones espaciales del rendimiento.
Agradecimientos
104
BIBLIOGRAFÍA
Andrade, F.H. 1995. Analysis of growth and yield of maize, sunflower and soybean
grown at Balcarce Argentina. Field Crops Res. 41, 1-12.
Calviño P.A., V.O. Sadras. 1999. Interannual variation in soybean yield: interaction
among rainfall, soil depth and crop management. Field Crops Research 63, 237-
246.
105
PRESCRIPCIÓN VARIABLE DE NITROGENO EN TRIGO A PARTIR DE
FOTOGRAFIAS OBTENIDAS POR DRONES
INTRODUCCIÓN
Los sensores remotos han sido utilizados en Agricultura de Precisión (AP) para
determinar la variabilidad espacial del crecimiento de los cultivos y delimitar zonas de
productividad diferente (Mulla, 2013; Schepers et al., 2004), así como también para
cuantificar el estatus nitrogenado de cultivos (Gitelson et al., 2002). Los índices de
vegetación, como el NDVI (Rouse et al., 1973), se vinculan a variables como la
cobertura, biomasa aérea y nitrógeno (N) acumulados. Estas variables son directamente
afectadas por el nivel de disponibilidad de N para los cultivos, en base a esto los índices
pueden utilizarse como criterio para diagnosticar y prescribir recomendaciones sitio
específicas de N.
Desde los inicios de la utilización de sensores en AP se han desarrollado sensores
ópticos portables y distintos algoritmos para el diagnóstico y prescripción variable de N
en cereales. (Franzen et al., 2016; Raun et al., 2005). Entre los algoritmos más utilizados
se encuentra la propuesta generada por Raun et al. (2005). Dicha metodología se basa
en la predicción de la respuesta a la fertilización utilizando el NDVI. Una de las variables
intervinientes en el modelo de cálculo propuesto, denominada índice de respuesta (IR),
propuesto por Raun y Johnson (1999), para el cual se requiere disponer de áreas o
franjas sin limitación de N desde la siembra de los cultivos, lo que constituye una tarea
adicional para el productor y una potencial limitante a la adopción de éste método.
Una propuesta alternativa desarrollada por Holland y Schepers (2013) propone estimar
el IR a partir de la distribución de frecuencia de los datos de índices de vegetación
obtenidos en un lote, seleccionando un percentil superior (ie. P95%).
Durante los últimos años, se ha expandido fuertemente la utilización de drones
(Colomina y Molina, 2014), y de cámaras digitales modificadas (Rabatel et al., 2014)
que permitirían obtener en forma rápida mapas de índices de vegetación para
caracterizar la variabilidad espacial del crecimiento de cultivos con la finalidad de
generar mapas de prescripción variable para N.
El objetivo de este trabajo fue determinar la factibilidad de reemplazar el uso de franjas
de referencia reales mediante el cálculo de referencias virtuales para su utilización en
algoritmos de prescripción variable de N, calculadas a partir de mapas de índices de
vegetación obtenidos con cámaras aerotransportadas en un dron para la prescripción
variable de N.
MATERIALES Y MÉTODOS
El estudio se realizó sobre un lote de trigo de la EEA Paraná del INTA (-31° 50’6’’; -60°
32’ 40’’70 m.s.n.m.), ubicado en la localidad de Oro Verde, Paraná, provincia de Entre
Ríos, Argentina. Al momento de la siembra se aplicó una dosis de 160 kg de N ha-1 en
dos franjas que atravesaron zonas con topografía y antecedentes de productividad
106
diferente, que se utilizaron como áreas de cultivo con una condición sin limitación de N
(franjas de referencia real).
En el estadio de primer nudo (Z31) del cultivo de trigo (Zadocks et al., 1974) se realizó
un vuelo con un dron EbeeAG de Sensefly, equipado con una cámara Canon Powershot
S110 (NIR). El plan de vuelo fue diseñado con el software Emotion2 a una altura de
vuelo de 245 m. Se obtuvieron 171 fotogramas con una resolución espacial de 5x5 cm
que fueron procesados con el software Postflight 3D para obtener un mapa de NDVI
ortorrectificado. El mapa ortorrectificado fue remuestreado a una resolución espacial de
50x50cm en el software Qgis 2.14.0 Essen, sobre el cual se delimitaron los polígonos
correspondientes a las franjas de referencia real.
Se extrajeron los valores de NDVI de los píxeles contenidos dentro de las franjas de
referencia real y fuera de ellas. A partir de los datos de NDVI de las franjas de referencia
real se calculó el valor promedio, denominado NDVIr. Se determinó la distribución de
frecuencias de los datos de NDVI externos a las franjas de referencia y se obtuvieron
los valores correspondientes a los percentiles 80, 90 y 95. Estos valores fueron
utilizados como valores de referencia virtual, denominados NDVIrv80, NDVIrv90, NDVIrv95.
Se calcularon las dosis de refertilización considerando los valores de NDVI para la
referencia real (NDVIr) y virtual (NDVIrv80, NDVIrv90, NDVIrv95) y un rendimiento máximo
de 5000 kg ha-1, utilizando el método denominado Sensor Based Nitrogen Rate
Calculator (http://www.nue.okstate.edu/SBNRC/SBNRC.php) desarrollado por la
Universidad de Oklahoma (Raun et al., 2005) y ajustado localmente para cultivares de
trigo de ciclo corto (Melchiori et al., 2007). A partir de la información obtenida se
generaron los mapas de prescripción para cada valor de NDVI de referencia, se
determinaron las diferencias en kg de fertilizante y costos.
107
RESULTADOS
El NDVIr de las franjas de referencia estuvo comprendido entre 0,25 y 0,79, con un valor
promedio de 0,55 y un coeficiente de variación de 17%. Para el resto del lote, el NDVI
varió entre un mínimo de 0,25 y un máximo de 0,81, con un coeficiente de variación del
25%. Los valores de NDVI correspondientes a los percentiles determinados a partir la
distribución de frecuencias fueron 0,57 para el percentil 80, 0,62 para el percentil 90 y
de 0,66 para el percentil 95.
Los valores de NDVIrv90 y NDVIrv95 determinaron diferencias importantes en la cantidad
de N prescripta respecto a las determinadas con el NDVIr, mientras que el valor de
NDVIrv80 no mostró diferencias respecto a las dosis de N prescriptas a partir de las
franjas de referencia (Fig. 2). Las dosis máximas determinadas en cada caso fueron de
70, 75, 88 y 96 kg de N ha-1 considerando NDVIr, NDVIrv80 NDVIrv90 y NDVIrv95,
respectivamente.
108
correspondiente al percentil 80 de los datos (NDVI rv80) del resto del lote, c) el valor de
NDVI correspondiente al percentil 90 (NDVI rv90); y d) el valor de NDVI correspondiente
al percentil 95 (NDVI rv95).
La cantidad total de fertilizante a aplicar en el lote fue mayor al utilizar el valor de NDVIrv95
como referencia virtual en lugar del valor de NDVIr en el cálculo de la dosis de N, y en
consecuencia con un costo 76% superior (Tabla 1). Al considerar el valor de NDVI del
percentil 90 (NDVIrv90), la cantidad total de fertilizante a aplicar y el costo asociado fue
un 55% más elevado, mientras que en el caso del valor de NDVIrv80 fue sólo un 16%
mayor.
DISCUSIÓN
Se observó un rango amplio de valores de NDVI en la franja de referencia real, sin
limitación de N, lo que pone de manifiesto que la limitación al crecimiento en estos casos,
estuvo condicionada por otros factores diferentes a la fertilización nitrogenada. Esto
concuerda con lo reportado por Roberts et al. (2012), el cual relativizó la utilidad de las
franjas de referencia. La escasa diferencia observada entre el valor de NDVI del
percentil 80 (NDVIrv80)y el valor medio de NDVI de la franja de referencia real (NDVIr)
permitiría sustentar la posibilidad de reemplazar la utilización de la franja de referencia
por el análisis de la distribución de los datos de NDVI de un lote, denominado referencia
virtual (Holland y Schepers, 2013). En este sentido, las fotografías aéreas presentan
una ventaja adicional respecto a la evaluación con sensores en tiempo real, ya que
permiten disponer de todos los valores de NDVI del lote. En cambio, los sensores en
tiempo real están condicionados a un conocimiento previo del lote, para evaluar los
ambientes con distinta productividad y obtener una distribución de valores de NDVI
representativa. Considerando el inconveniente práctico que representa el
establecimiento de las franjas de referencia, la utilización del percentil 80 determina
ventajas claras con costos similares o aún más bajos, dado que no se han considerado
los costos de fertilizante para el establecimiento de la franja de referencia. El empleo de
valores de NDVI de percentiles superiores determina un incremento importante en los
gastos.
CONCLUSIONES
Los valores de NDVI de la referencia real y virtual fueron similares en el caso del
percentil 80, que superó el valor medio de la referencia real en 4%. Mientras que la
diferencia fue superior en 13% y 20% para los percentiles de 90 y 95, respecto a la
referencia real.
Los resultados demuestran la factibilidad de utilizar mapas generados a partir de
fotografías obtenidas por drones para implementar algoritmos de prescripción variable
de N, calculando valores virtuales de referencia considerando el percentil 80.
AGRADECIMIENTOS
109
REFERENCIAS
Colomina, I.; Molina, P. 2014. Unmanned aerial systems for photogrammetry and remote
sensing: A review. Journal of Photogrammetry and Remote Sensing. Volume 92.
Pages 79–97. doi:10.1016/j.isprsjprs.2014.02.013
Dandois, J. P.; Ellis, E. C. 2013. High spatial resolution three-dimensional mapping of
vegetation spectral dynamics using computer vision. Remote Sensing of
Environment. Volume 136. Pages 259 – 276.
http://doi.org/10.1016/j.rse.2013.04.005
Franzen, D.; Kitchen, N.; Holland, K.; Schepers, J.; Raun, W. 2016. Algorithms for In-
Season Nutrient Management in Cereals. Agronomy Journal Volume 1. Pages 1–
19. doi:10.2134/agronj2016.01.0041
Gitelson, A.A.; Kaufman, Y.J.; Stark, R.; Rundquist, D. 2002. Novel algorithms for remote
estimation of vegetation fraction. Remote Sensing of Environment. Volume 80.
Pages 76-87. doi:10.1016/S0034-4257(01)00289-9
Holland, K.H.; Schepers, J.S. 2013. Use of a virtual-reference concept to interpret active
crop canopy sensor data. Precision Agriculture. Volume 14. Number 1. Pages 71–
85. DOI: 10.1007/s11119-012-9301-6
Melchiori, R.J.M.; Caviglia, O.P.; Faccendini, N.R.; Albarenque, S.M. 2007. Utilización
de sensores remotos para manejo de nitrógeno en trigo. EEA Paraná Serie de
Extensión N°42. Actualización Técnica Cultivos de Invierno. ISSN 0325 – 8874. P
32 - 37.
Mulla, D.J. 2013. Twenty five years of remote sensing in precision agriculture: Key
advances and remaining knowledge gaps. Biosystem Engineering. Volume 114.
Number 4. Pages 358–371. doi:10.1016/j.biosystemseng.2012.08.009
Rabatel, G.; Gorretta, N.; Labbé, S. 2014. Getting simultaneous red and near-infrared
band data from a single digital camera for plant monitoring applications:
Theoretical and practical study. Biosystems Engineering. Volume 117. Number 1.
Pages 2 - 14. http://doi.org/10.1016/j.biosystemseng.2013.06.008
Raun, W.R.; Johnson, G.V. 1999. Improving Nitrogen Use Efficiency for Cereal
Production. Agronomy Journal. Volume. 91 Number 3. Pages 357 - 363.
doi:10.2134/agronj1999.00021962009100030001x
Raun, W.R.; Solie, J.B.; Stone, M.L.; Martin, K.L.; Freeman, K.W.; Mullen, R.W.; Zhang,
H.; Schepers, J.S.; Johnson, G. V. 2005. Optical Sensor‐Based Algorithm for Crop
Nitrogen Fertilization. Communcation of Soil Science Plant Analysis. Volume 36.
Pages 2759–2781. http://dx.doi.org/10.1080/00103620500303988
Roberts, D.F.; Ferguson, R.B.; Kitchen, N.R.; Adamchuk, V.I.; Shanahan, J.F. 2012.
Relationships between Soil-Based Management Zones and Canopy Sensing for
Corn Nitrogen Management. Agronomy Journal. Volume 104. Number 1. Pages
119 - 129. doi:10.2134/agronj2011.0044.
Rouse, J.W.; Haas, R.H.; Schell, J.A.; Deerin, D.W. 1973. Monitoring vegetation
systems in the Great Plains with ERTS. N. SP-351. Ed. Third ERTS
Symposium. Volume 1. Pages 309-317. Whastington. NASA.
Schepers, A. R.; Shanahan, J. F.; Liebig, M. A.; Schepers, J. S.; Johnson, S. H.; Luchiari,
A. 2004. Appropriateness of management zones for characterizing spatial
variability of soil properties and irrigated corn yields across years. Agronomy
Journal. Volume 96. Number 1. Pages 195 – 203.
http://doi.org/10.2134/agronj2004.0195
Zadocks, J.C.; Chang, T.T.; Konzak, C.F. 1974. A decimal code for the stages of cereals.
Weed Research. Volume 14. Pages 415-421. DOI: 10.1111/j.1365-
3180.1974.tb01084.
110
UTILIZACIÓN DE IMÁGENES MULTIESPECTRALES OBTENIDAS CON
CÁMARAS MONTADAS EN DRON PARA LA RECOMENDACIÓN DE LA
FERTILIZACIÓN NITROGENADA EN MAÍZ.
RESUMEN
El algoritmo permitió predecir satisfactoriamente la repuesta del maíz a la aplicación de
nitrógeno (N) en función del NDVI, ya que los datos manifestaron que la repuesta de
este índice a la fertilización se logró hasta los 60 kg de N, a partir del cual no se visualizó
respuesta a la dosis mayor. No obstante, el NDVI no se correlacionó satisfactoriamente
con rendimiento, ya que éste sí respondió aún a la dosis más alta de Nitrógeno. Los
resultados demostraron que no se logró predecir correctamente la repuesta del
rendimiento mediante NDVI a la dosis más alta, por lo que es necesario realizar más
experiencias y ajustar la metodología.
INTRODUCCIÓN
Existen variados trabajos que evalúan diferentes algoritmos para decidir dosis de
fertilización nitrogenada a aplicar, no obstante son pocos los resultados que aportan
para una decisión rápida y eficaz y con posibilidad de replicarse en grandes extensiones
y en dosis variable.
MATERIALES Y MÉTODOS
En la zona de Laguna Larga, provincia de Córdoba se llevó a cabo durante la campaña
2014/15 un ensayo realizado por el grupo de trabajo del Proyecto Nacional de
Agricultura de Precisión de INTA, con sede en Manfredi, Córdoba. El ensayo se sembró
111
el 10 de Diciembre de 2014 utilizando el híbrido DK66-10VT3P. Se realizaron franjas de
dosis creciente de fertilización nitrogenada en dos momentos fenológicos del cultivo. La
primer franja de dosis creciente se llevó a cabo en el momento de la siembra, siendo los
tratamientos N0 = 0kg de Nitrógeno, N20 = 20kg de Nitrógeno, N60 = 60kg de Nitrógeno
y N100 = 100kg de Nitrógeno. Utilizando Urea como fuente de nitrogeno.
RESULTADOS
Con la imagen multiespectral a simple vista se puede identificar la franja testigo
N0 donde el NDVI se torna en colores predominantemente rojos o en tonos oscuros en
el caso de la imagen que la ilustra (Imagen 1). Una vez definidas y analizadas las áreas,
se logró observar repuesta a la aplicación de Nitrógeno hasta los 60kg, a partir de la
cual en la dosis de 100kg de N a la siembra no se percibió diferencia.
112
N0
N20
N60
N100
N20+0
N20+40
N20+80
0,78
0,76 0,76
0,76
0,74
0,74
0,72
NDVI
0,7
0,68
0,66
0,65
0,64
0 20 60 100
Dosis de Nitrógeno (kg/ha)
113
12
10,5
10,5 10,37
10,05 10,04
10
9,5
9 8,84
8,5
8
0 20 60 100
Dosis de N (kg/ha)
Gráfico 2: Curva de Repuesta del rendimiento a la aplicación de Nitrógeno en
diferentes momentos fenológicos del cultivo.
CONCLUSIONES
BIBLIOGRAFÍA
MELCHIORI R.J.M., O.P. CAVIGLIA; N. FACCENDINI; A. BIANCHINI; W.R..
RAUN. 2006 Evaluación de refertilización nitrogenada basada en la utilización de un
sensor óptico. INTA EEA Paraná. Actualización Técnica en maíz. Serie Extensión nº 41
p 33:36
MARTIN, K. L.; W.R. RAUN; K.W. FREEMAN; R.K. TEAL; K. DESTA; D.B.
ARNALL; B. TUBAÑA; J.B. SOLIE; M.L. STONE. 2007. Expression of spatial variability
in corn (Zea mays L.) as influenced by growth stage using optical sensor measurements.
Oklahoma State University. Stillwater, Oklahoma. Agron J. 99:384- 389
114
RAUN W.R.; J.B. SOLIE; G.V. JOHNSON; M.L. STONE; R.W. MULLEN; K.W.
FREEMAN; W.E. THOMASON; E.V. LUKINA 2002. Improving nitrogen use efficiency in
cereal grain production with optical sensing and variable rate application Agron. J.
94:815-820
Vélez, J. P. 1; Melchiori, R.J.M. 2, Méndez, A. 1; Villarroel, D. 1, Scaramuzza, F.
2012. Fotografía aérea multiespectral para el diagnóstico de fertilización nitrogenada por
sitio específico en maíz. In: 10mo Curso Internacional de Agricultura de Precisión y 5ta
Expo de Máquinas Precisas, Córdoba-Argentina.
115
VARIACIÓN EN EL RENDIMIENTO Y EL CONTENIDO DE PROTEÍNA EN EL
GRANO DE TRIGO, CONDUCIDO BAJO RIEGO Y FERTILIZACIÓN EN EL
CENTRO DE LA PROVINCIA DE CÓRDOBA.
MATERIALES Y MÉTODOS
El ensayo se llevó a cabo en un círculo de riego en INTA EEA Manfredi (Latitud -
31.885181; Longitud -63.729202) en la campaña 2015/16. La zona es considerada
como la Región Semiárida Central de la Provincia de Córdoba en donde la
precipitación anual media es de 740mm de los cuales el 75% ocurre en el semestre
más caluroso. El lote lleva un historial de 20 años de siembra directa realizando una
rotación planificada alternando cultivos de gramíneas y oleaginosas. El manejo
fitosanitario es el que emplea el productor promedio de la zona, siendo un lote de
referencia para evaluar diferentes planteos de manejo a ser adoptados en esta región.
El círculo de riego está sobre un lote con un suelo Haplustol Éntico de pH neutro, no
salino, de moderado contenido de materia orgánica y nitrógeno total con baja
disponibilidad de nitrógeno de nitratos y moderadamente bien provisto de fósforo.
(Tabla 1) (INTA, 1987).
116
Tabla 1: Composición química del suelo en el lote en donde se realizó la evaluación.
%MO
% CO %Nt
Profundidad (g/100 Pe CE N-NO3
Lote (g/100 (g/100 g pH
(cm) g (ppm) (dS/m) (ppm)
g suelo) suelo)
suelo)
0 – 20 1,08 1,85 0,11 20 7,03 1,3 10,3
Riego
20 – 40 - - - - 7,28 1,25 3,4
0 – 20 0,98 1,69 0,10 23 6,88 0,7 10,5
Secano
20 – 40 - - - - 7,02 0,65 5,2
Datos: Laboratorio de Suelo y Agua EEA INTA Manfredi.
En el lote donde se implantaron los ensayos bajo riego, el agua útil a la siembra fue de
197 mm a los 2 m. A su vez, los milímetros recibidos por precipitaciones sumaron
111,5 y los aplicados con el suministro de riego fueron 276 mm (Tabla 3).
117
La cosecha fue realizada el 11 de Diciembre de 2015, utilizando una cosechadora con
monitor de rendimiento EDGE de AgLeader® y un NIR de la firma TecnoCientífica®
para evaluar la calidad del grano en función del manejo planteado.
El monitor de rendimiento fue calibrado utilizando una tolva balanza de referencia,
logrando una diferencia menor al 2% entre el sistema de monitoreo y esta última.
El NIR se encuentra instalado en el elevador de granos limpios de la cosechadora,
éste georreferencia el escaneo de 350 g de muestras cada 15 segundo, lo cual
permite confeccionar un mapa de calidad de granos con parámetros de proteína,
aceite y humedad.
En las tres zonas de manejo diferencial, al momento de la cosecha se realizó un
muestreo de lo analizado por el NIR. Es decir que la muestra escaneada por el sensor
y georreferenciada por el sistema y expulsada fuera del mismo fue capturada
manualmente y gerroferenciada a su vez por un GPS autónomo. De esta manera se
obtenía la muestra del sensor para ser analizada a su vez por un NIR de laboratorio
para contrastar valores y resultados. Los análisis fueron realizados en el laboratorio de
Análisis de Calidad de Grano del INTA Aguil en La Pampa.
Para el análisis de los datos se utilizaron los software GIS SMS de AgLeader y
estadístico Infostat.
RESULTADOS
A nivel de lote se observa claramente la respuesta que tiene el rendimiento tanto en la
zona de riego como de secano, lo mismo sucede con los valores de proteína en
ambas zonas (Figura 1).
3 3
2 2
1 1
Figura 1: Izq, Mapa de Rendimiento (t ha-1); Der, Mapa de Proteína (%) y Zonas de Manejo.
118
Cuadro 1: Rendimiento (t ha-1) y Proteína (%) promedio
en la zona de riego y secano del cuarto de círculo.
Riego Secano
Rendimiento (t ha-1) 5.41 0.95
Proteína (%) 10.7 12.9
Cuadro 2: Rendimiento (t/ha) y Proteína (%) promedio en las tres zona de manejo diferencial.
Zona 3
Zona 1 (Secano) Zona 2 (Riego)
(Riego + Fertilización)
Rendimiento (t ha-1) 1.76 2.82 4.50
Proteína (%) 12.6 9.7 10.5
R2: 0.72
Grafico 1: Correlación entre los datos analizados por el sensor en cosechadora versus la misma muestra
analizada en laboratorio de INTA Anguil, expresados en % de proteína.
119
CONCLUSIONES
La disponibilidad de agua en el perfil del suelo al momento de realizar la siembra
permitió lograr una buena implantación del cultivo, tanto en el riego como en el
secano. La mayor limitante que afecto a la zona de secano, fue la falta de agua
durante todo el ciclo del cultivo y principalmente en las etapas de definición del
rendimiento.
El rendimiento y la proteína lograda en las diferentes zonas, siguieron el
comportamiento de la relación inversa entre las variables, el cual aduce altos
rendimientos con bajo contenido de proteína y viceversa. No obstante se pudo
apreciar que en la zona 3, donde se logró el rendimiento más alto de las tres zonas
controladas con un manejo diferencial, también se obtuvieron los más altos
porcentajes de proteína, probablemente debido a la partición de la fertilización, al
suministro de riego y a la variable ambiente propia del lote. En esta zona la aplicación
temprana de nitrógeno aportó a la producción de biomasa y componentes del
rendimiento, en tanto que la fertilización realizada en espigazón favoreció el
rendimiento y contenido de proteína del grano.
La posibilidad de mapear la calidad del grano permitió realizar un diagnóstico e
identificar los diferentes valores expresados en cada ambiente definido como zonas de
manejo, de lo contrario la información recabada sería un promedio general de todo el
lote, esto abriría la posibilidad de realizar una segregación en tiempo real del grano
cosechado a nivel de lote en función del contenido de proteína logrado.
BIBLIOGRAFÍA
BRAGACHINI, M.; MÉNDEZ, M; SCARAMUZZA, F.; VÉLEZ, J.; VILLARROEL, D.;
CUNIBERTTI, M.; JUAN, N.; WOYCIK, H. 2007 La Agricultura de Precisión avanza
hacia el manejo de la calidad del cultivo de soja y el mejoramiento de la
productividad de los campos. En: Proyecto Nacional Agricultura de Precisión. 7º
Curso de Agricultura de Precisión y 2ª Expo de Máquinas Precisas. Ediciones
INTA. EEA Inta Manfredi, Córdoba, Argentina. pp 126-132.
BRAGACHINI, M.; MÉNDEZ, M; SCARAMUZZA, F.; VÉLEZ, J.; VILLARROEL, D.
2008 Contenido de proteína en el grano de trigo en zonas de diferente potencial de
rendimiento dentro de un mismo lote. En: Proyecto Nacional Agricultura de
Precisión. 8º Curso de Agricultura de Precisión y 3ª Expo de Máquinas Precisas.
Ediciones INTA. E.E.A. Manfredi, Córdoba, Argentina. pp 129-141.
CUNIBERTI, M; MIR, L, 2016. Proteínas del trigo. Factores que influyen en su
expresión. INTA Marcos Juárez. Cosecha 2015/16. Información para Extensión.
www.inta.gob.ar/mjuarez.
CUNIBERTI, M; MIR, l; CHIALVO, E; BERRA, O; MACAGNO, S. y PRONOTTI, M.
2016. Rendimiento y calidad del trigo en la región central del país. Información
para Extensión. www.inta.gob.ar /mjuarez
FERRARIS, G. 2009. Fertilización nitrogenada de trigo y otros cereales de invierno.
Criterios de manejo para incrementar su eficiencia. Disponible en:
http://www.elsitioagricola
.com/articulos/ferraris/Fertilizacionnitrogenadadetrigoycerealesinvierno.pdf
Fecha de acceso: 08-10-2009.
FERREYRA, L., 2015. Evaluación de cultivares de trigo 2015 en INTA EEA Manfredi.
Área de Mejoramiento Vegetal. Información para Extensión.
www.inta.gob.ar/manfredi
INTA - Secretaría de Agricultura y Ganadería de la Nación. 1987. Carta de suelos de la
República Argentina. Hoja 3163-32. Oncativo.
Agradecimiento: a TecnoCientífica® (por facilitarnos el NIR para medir calidad de
grano) y a NIDERA SEMILLAS.
120
EVALUACIÓN DE LA PREDICCIÓN DE RENDIMIENTO REALIZADA CON
“CALCULADORA DE LA DOSIS DE NITRÓGENO BASADA EN
SENSORES” EN EL CULTIVO DE TRIGO (TRITUCUM AESTIVUM L)
joaquin_muriado@hotmail.com
INTRODUCCIÓN
Como aporte para facilitar la implementación de estrategias de fertilización, se
desarrolló un método basado en mediciones de sensores remotos para predecir el
rendimiento del cultivo de trigo y así dar requerimientos de N en aplicaciones a mitad
de ciclo (Raun et al., 2005). El mismo ha sido denominado “sensor based N rate
calculator” o “calculadora de la dosis de N basada en sensores” (SBNRC) (Raun et al.,
2005).
La calculadora utiliza el índice de vegetación diferencial normalizado (NDVI) que es
obtenido a través del sensor remoto denominado GreenSeeker. Este sensor, emite
haces de luz en las bandas roja (R) e infrarroja cercano (IRC) del espectro
electromagnético1 sobre el follaje del trigo y luego captura los valores de reflectancia
del cultivo. En diferentes estudios se ha demostrado que el nivel de reflectancia, en
dichas bandas del espectro, varía según las propiedades de los tejidos foliares, es
decir, por su estructura celular y las interfaces entre la pared celular exterior, el
protoplasto y el cloroplasto donde se encuentra la clorofila (Kumar y Silva, 1973). Y a
través del contenido y la actividad de la clorofila se determina la actividad fotosintética
de la planta; y dicha actividad, está altamente relacionada con el rendimiento del
cultivo. Un indicador creado a través de los valores de reflectancia de estas bandas es
el NDVI (NDVI = IRC – R / IRC + R), el cual ha sido ampliamente estudiado y
relacionado con las propiedades del cultivo las cuales están altamente relacionadas
con el rendimiento (Kumar y Silva, 1973).
Debido a que las propiedades del cultivo, que hacen variar el nivel de reflectancia
para el cálculo de NDVI, son afectadas por factores medioambientales como la
cantidad disponible de nutrientes, la humedad del suelo, la salinidad y la etapa foliar
en que se encuentra la planta (Ma et al., 2001),es necesario utilizar el SBNRC
teniendo solo como variable el nivel de N y las demás características constantes para
poder realizar un correcto diagnóstico, una correcta estimación de rendimiento y así
poder tomar la mejor estrategia de fertilización.
El SBNRC utiliza el NDVI del trigo en la etapa de inicio de encañe, etapa fenológica
3.1-3.3 de la escala de Zadoks (Zadoks et al., 1974), que es el momento para predecir
el rendimiento del grano (Raun et al., 2002; Moges et al., 2004). En dicha etapa se
obtiene el NDVI de una franja a con necesidad de N, “área a fertilizar” y el NDVI de
una franja con altos niveles de fertilización, la “franja rica”, que sirve como referencia
del trigo expresando el máximo potencial de rendimiento desde el inicio de encañe.
Así, los valores de NDVI de la franja rica y del área donde se seguirá la
recomendación del sensor, el “área a fertilizar”, son introducidos en el algoritmo
matemático desarrollado por Raun et al. (2002) que ha sido adaptado en la región
pampeana Argentina por Melchiori et al. (2007).
La recomendación de fertilizante se estima por la diferencia entre la predicción del
rendimiento en la franja rica y en el área a fertilizar. Una vez aplicada la
recomendación derivada del NDVI, se espera que el “área a fertilizar” produzca
rendimientos similares a la “franja rica” (Ortiz-Monasterio y Raun, 2007).
121
El SBNRC predice el rendimiento del cultivo sin fertilizar y un índice de respuesta (IR)
al agregado de N a partir del NDVI. El rendimiento del cultivo con fertilización
adicional, se estima como el producto de IR y el rendimiento del cultivo sin fertilizar. Y
éste es estimado a partir de la función entre el NDVI y el rendimiento obtenido, a nivel
local, de un amplio rango de situaciones (Melchiori et al., 2007). La recomendación de
la dosis de fertilizante a aplicar se calcula como la división entre el producto de la
concentración de N en grano, que es especifico para cada región, por la diferencia de
rendimiento entre el cultivo con y sin agregado de N. Por lo tanto, es indispensable
realizar una buena estimación de rendimiento ya que es la base para poder realizar
una correcta predicción de necesidad de N.
MATERIALES Y MÉTODOS
El ensayo se realizó en el Instituto Nacional de Tecnología Agropecuaria (INTA),
Estación Experimental Agropecuaria (EEA) de la localidad Manfredi, en la provincia de
Córdoba. El diseño experimental consistió en parcelas sub-subdivididas con tres
repeticiones. Donde la parcela principal fue el nivel hídrico, la sub-parcela, el momento
de aplicación de fertilizante nitrogenado (siembra, macollage y hoja bandera) y la sub-
subparcela la dosis del fertilizante, en la cual las dosis objetivo al momento de la
siembra fueron de 0 ,63 ,90 ,134 y 190 kg N ha-1 con una única aplicación. Para los
estadios de macollage y hoja bandera, las dosis objetivo en ambos casos fueron de 0,
43, 70, 114 y 170 kg N ha-1 más la aplicación de 20 kg N ha-1 a la siembra. Se
cosechó a mano 1m2 de cada uno de los tratamientos.
Mediciones con GreenSeeker
Las mediciones se realizaron en los estadios fenológicos macollage y espigazón a la
parcela fertilizada a la siembra. Valores arrojados por el GreenSeeker permitió una
descripción estadística pudiendo obtener una base de datos de NDVI mínimo y NDVI
promedio para su evaluación. De la parcela fertilizada a la siembra y de la base de
datos del NDVI promedio y NDVI mínimo, se identificó el NDVI de la “franja rica” de
secano como bajo riego donde la misma fue aquella que expresó el máximo índice
verde (tabla 1). De cada tratamiento con diferentes dosis de N se obtuvo el NDVI del
“área a fertilizar”. Cada dato fue cargado en la entrada del SBNRC.
Tabla1. NDVI franja rica.
Nivel hídrico NDVI Promedio NDVI Mínimo
Secano 0,846 0,761
Bajo riego 0,942 0,895
122
Análisis de NDVI por dosis de N
Se observó que el NDVI promedio (figura 1a) y mínimo (figura 1b), tienen
comportamientos similares. Asimismo, los valores dentro de cada nivel hídrico
discriminado por momento, el NDVI de macollaje supera a los de espigazón. Solo los
valores de la curva de NDVI obtenidos en secano-espigazón y bajo riego-espigazón
tienden a decrecer luego del superar el máximo valor de NDVI. Siendo que para
valores cercanos a 1 representaría la densidad más alta posible de hojas verdes y
saludables (Viney et al. 2005, Monteith y Unsworth 2008), mientras más alto sea el
NDVI mejor será el estado de la planta; se pudo calcular una dosis óptima para las
curvas que mostraron dicho decrecimiento. Para NDVI promedio bajo riego-espigazón,
el valor máximo se obtuvo con 186,11 kg/ha de N, mientras que para secano-
espigazón se obtuvo con 147,22 kg N/ha. Dentro los valores de NDVI promedio, el
máximo valor se encontró en dosis de 185,71 kg N/ha y 117,14 kg N/ha en bajo riego-
espigazón y secano-espigazón respectivamente. Esto permite dar indicios de la
relación que existe entre el NDVI y el rendimiento, ya que se obtuvieron valores de
dosis óptimas cercanos a los obtenidos en el análisis de rendimientos según la dosis
de N.
b
a
123
mismo, evidenciado por un crecimiento exponencial para macollaje y lineal para
espigazón.
a b
124
CONCLUSIONES
El NDVI se ve afectado significativamente de acuerdo al estado fenológico que
se realiza el sensado, los niveles hídricos y diferentes dosis de N que recibe el cultivo.
Por lo tanto es capaz de detectar ciertos comportamientos del cultivo y así brindar
información poder realizar un diagnóstico del mismo.
El método SBNRC adaptado para la zona pampeana, logra buenas
predicciones si utiliza el mínimo valor de NDVI registrado con GreenSeeker.
BIBLIOGRAFIA
Huete A R, Liu H Q, Batchily K, y Van Leeuwen W. 1997. A comparison of vegetation
indices over a global set of TM images for EOS-MODIS. Remote Sens.
Environ., 59:440-451.
Kumar, R., y Silva, L. 1973. Light ray tracing through a leaf cross- section. Appl. Optics,
12(12), 2950-2954.
Ortiz-Monasterio, I. y Raun, W. 2007. Reduced nitrogen and improved farm income for
irrigated spring wheat in the Yaqui Valley, Mexico. J. Agric. Sci, 145(3), 215-
222.
Zadoks, J C, Chang,T T Y Konzak, C F. 1974. A decimal code for the growth stages of
cereals. Weed Res, 14(6), 415-421.
125
EVALUACIÓN DE GUANO DE GALLINAS PONEDORAS EN CULTIVOS DE
MAÍZ Y SOJA INTA EEA MANFREDI, CAMPAÑA 2014-2015.
Introducción
La producción avícola en Argentina experimentó un sostenido crecimiento en los
últimos años, tanto en la producción de huevos como de carne. Esto se debe al
aumento del número de granjas como así también al incremento de la escala
productiva de las mismas. El proceso de intensificación, que motivó este crecimiento,
fue acompañado por mejoras en el sistema de producción (galpones automáticos,
bienestar animal, genética, nutrición, sanidad, otros).
La producción de huevo en cáscara para consumo, se estima alcanzó 11.770 millones
de huevos, 8,4 % más de lo producido el año anterior, de acuerdo con las
estimaciones de CAPIA. La cantidad de huevos ingresados en plantas
industrializadoras con habilitación de SENASA durante el año 2014 aumentó 3.4 % en
comparación con el año 2013, totalizando 1.071 millones de huevos (MinAgri, 2015).
Este incremento en la producción, conduce a un aumento en la concentración de
guano en las granjas, el cual debe ser gestionado correctamente. El crecimiento de la
producción avícola en Argentina ocurrió en forma intensificada y concentrada, y en
algunos casos, sin una planificación previa sobre la disposición final de los residuos
generados, los cuales de no tratarse y manejarse adecuadamente, pueden generar un
grave impacto ambiental. Este fenómeno, fue observado y estudiado en detalle por
numerosos investigadores en el estado de Iowa (Estados Unidos). El potencial de
contaminación del suelo y aguas superficiales a través de una manipulación incorrecta,
disposición y aplicación al suelo de estiércol de aves de corral es considerable porque
la mayoría de las granjas tienen un número relativamente pequeño de tierra y altos
costos de transporte de estiércol de las aves de corral (Edwards y Daniel, 1992; Moore
et al, 1995). La contaminación que generan estos residuos no sólo deteriora el
ambiente sino también implican una fuga de energía y nutrientes que podrían ser
aprovechados como recursos para aplicar enmiendas orgánicas al suelo o generar
biocombustibles como energía alternativa (RIA, 2014). Su aplicación al suelo como
enmienda orgánica brinda una solución al problema, permitiendo recuperar la fertilidad
de los suelos y aumentar la producción de los cultivos, preservando los recursos
naturales.
El guano de gallina contiene una importante cantidad de nutrientes como N, P, K y
otros nutrientes minerales para el desarrollo de los cultivos. A diferencia de fertilizantes
inorgánicos, el N disponible para los cultivos proveniente del guano es frecuentemente
menor y se libera lentamente a través del proceso de mineralización (Sharpley and
Smith, 1995; Mitchell and Tu, 2006). El contenido de nutrientes en el estiércol de aves
de corral es más alto que el de otros tipos de estiércol (Nahm, 2003). En relación a
esto, el contenido en N, referido a la materia seca de los estiércoles, varía en un
amplio rango desde 1 a 4%, correspondiendo normalmente los valores más bajos al
estiércol de bovino y los más altos a los de gallinaza (Pomares y Canet, 2001). Sin
embargo, el guano tiene una relación N:P relativamente baja (2 o inferior), mientras
que las plantas requieren aproximadamente 8 veces más nitrógeno que fósforo. Por lo
tanto, cuando el guano se aplica en función de las necesidades de nitrógeno de un
cultivo, resulta en una sobreaplicación de fósforo (Sims et al., 2000).
126
Investigaciones a largo plazo han demostrado que la distribución correcta de guano a
los cultivos (maíz y soja) mejoraron la calidad del agua y el rendimiento de los cultivos,
comparado con el uso de fertilizantes comerciales (Chinkuyu et al., 2002; DeLaune et
al., 2004).
Los objetivos del ensayo fueron: I) evaluar diferentes dosis de guano de gallinas
ponedoras sobre la producción y los componentes de rendimiento de los cultivos de
maíz y soja. II) Evaluar el efecto del guano de ponedora sobre las propiedades
químicas del suelo.
Materiales y métodos
El ensayo se implantó en el lote 6 de la Estación Experimental Agropecuaria INTA
Manfredi (Córdoba), sobre un suelo Haplustol típico, serie Oncativo, durante la
campaña agrícola 2014/2015. El cultivo antecesor fue soja de primera.
Se utilizó el diseño estadístico en bloques completamente aleatorizados con 3
repeticiones. La unidad experimental fueron parcelas de 100 m de largo y 14 m de
ancho. La mitad de las parcelas (50 m x 14 m) se destinó a la siembra del cultivo de
soja y la otra mitad al de maíz. El tratamiento a evaluar fue la dosis de guano de
ponedora a aplicar (0, 5, 10 y 15 tn ha-1). La distribución del estiércol se realizó con
una máquina Fertec de 6 m3 de capacidad equipada con balanza electrónica de
precisión, 6 y 27 días previos a la siembra de soja y maíz respectivamente. El sistema
de distribución empleado consta de una cinta trasportadora de caucho en el fondo de
la tolva prismática que acarrea el material hasta 2 discos cóncavos, provistos de
cuatro aletas endurecidas regulables en forma independiente para la distribución del
material. (Figura 1 y 2).
127
En la Tabla 1 se pueden observar los valores de Materia Seca (MS), pH, conductividad
eléctrica (C.E.), Materia orgánica (MO), Nitrógeno Total (Nt), Carbono total (Ct),
Fósforo (P), Calcio (Ca), Magnesio (Mg), Sodio (Na), Potasio (K) y Hierro (Fe) del
guano utilizado.
20-40 1,00 0,07 16,2 14 7,94 2,03 12,45 1,80 2,00 0,19 15,2 1,2
40-60 0,86 0,06 7,4 6 8,55 1,35 30,50 1,70 1,50 0,31 11,8 2,6
128
Figura 3: Precipitaciones registradas en la Estación Meteorológica del INTA Manfredi.
Registros históricos (1931-2014) y precipitaciones (mm) en la campaña 2014/15.
Las precipitaciones durante el ciclo del cultivo, superiores a la media histórica (60,4
mm), permitieron un excelente crecimiento y desarrollo de todas las etapas vegetativas
y reproductivas del cultivo.
En el estado fenológico V6 del maíz se tomaron fotografías aéreas del ensayo
mediante un avión no tripulado (UAV) Gatewing X100 (Trimble Navigation Limited,
Sunnyvale, CA, US.). Los vuelos se efectuaron con un solapamiento longitudinal y
lateral del 80% entre fotografías y a dos alturas (150 y 360 m) para lograr resoluciones
espaciales en terreno de 5 y 12.6 cm. Se ubicaron y georreferenciaron puntos de
control en el terreno que se utilizaron para orto-rectificar el mosaico generado con las
fotografías. El UAV fue equipado con una cámara digital (RICOH, GR Digital IV 10 Mp)
modificada, en la cual se extrajo el filtro de infrarrojo y se incluyó un filtro para bloquear
de luz visible X-Nite 650 (LDP-LLC Max-Max, Carlstadt, NJ, US). Las fotografías
aéreas fueron procesadas con el módulo fotogramétrico Trimble Business Center
(Trimble Navigation Limited, Sunnyvale, CA, US) para obtener el mosaico orto-
rectificado. Se calculó un índice normalizado utilizando las bandas 1 y 3, I1-3= (B1-
B3)/(B1+B3). El cálculo del índice se realizó empleando Erdas Imaging 9.2 (Leica
Geosystem Geospatial Imaging LLC).
En ambos cultivos, la cosecha se efectuó en forma manual (10/04/15 soja y 3/06/2015
maíz), sobre 5 m de longitud en los 2 surcos centrales de las parcelas (superficie
cosechada: 5,2 m2). El resto de las parcelas se cosecharon con una maquina Don
Roque 125 equipada con monitor de rendimiento y sensor de proteína
(Tecnocientífica®).
Durante el ciclo del cultivo se realizaron monitoreos para evitar la incidencia en los
resultados, de factores no deseados (malezas, insectos, enfermedades).
Los resultados fueron analizados mediante análisis de varianza, empleando para la
comparación de medias el test de Duncan (LSD, α = 0,05).
129
Resultados
Soja
No existen diferencias significativas para las variables analizadas (Rendimiento, peso
de 100 semillas, peso hectolítrico, contenido de aceite, contenido de proteína) entre
los tratamientos evaluados. Sin embargo, las parcelas con aplicación de guano
evidencian una mayor respuesta a la aplicación del subproducto. El rendimiento
promedio del ensayo (4865 kg ha-1) fue muy alto, explicado en gran parte por las
abundantes precipitaciones ocurridas a lo largo de todo el ciclo de cultivo.
Posiblemente hay un efecto de dilución debido a las abundantes precipitaciones que
impidieron manifestar un incremento en las variables analizadas en las parcelas con
aplicación de guano. Numerosos estudios, demuestran que el N es un elemento móvil
en el suelo y susceptible al lavado. Los resultados obtenidos en soja, coinciden con las
investigaciones de Pomares y Canet (2001) que afirman que la acción fertilizante de
los estiércoles en elementos como el P, K y micronutrientes resulta afectada en gran
medida por la capacidad tampón (reguladora) del suelo.
Tabla 3: Rendimiento (kg ha-1), peso de 100 semillas (g), peso hectolítrico, contenido
de aceite (%) y contenido de proteína (%) en función de la dosis de guano aplicada (kg
ha-1). Letras distintas indican diferencias significativas (Duncan al 5 % de probabilidad).
Tratamiento Rendimiento Peso 1000 Peso Aceite Proteína
semillas Hectolítrico
(kg ha-1) (g) (%) (%)
a a a a
Testigo 4822 164 73 22 40a
-1 a a a a
5.000 kg ha 4921 165 73 22 39a
10.000 kg ha-1 4831a 165a 73a 22a 39a
15.000 kg ha-1 4888a 165a 74a 22a 40a
Maíz
El rendimiento de maíz (kg ha-1) con el tratamiento estadístico correspondiente se
presenta en la Tabla 4. Se observan diferencias significativas de rendimiento entre la
parcela testigo y la parcela con aplicación de 10.000 kg ha-1 de guano. Hay un
incremento de rendimiento hasta los 10.000 kg ha-1, por encima de este valor se
estabiliza el rendimiento. Este mismo comportamiento se observa para la variable
peso de 100 semillas. En cuanto al peso hectolítrico, no existen diferencias
significativas entre los tratamientos evaluados.
130
Tabla 4: Rendimiento (kg ha-1), peso de 100 semillas (g), peso hectolítrico en función
de la dosis de guano aplicada (kg ha-1). Letras distintas indican diferencias
significativas (Duncan al 5 % de probabilidad).
Tratamiento Rendimiento Peso 1000 Peso
semillas Hectolítrico
(kg ha-1) (g)
Testigo 12159a 350a 76a
5.000 kg ha-1 12715ab 340ab 77a
10.000 kg ha-1 13214 b 331 b 76a
-1
15.000 kg ha 13050ab 341ab 76a
0 kg
15.000 kg
5.000 kg
10.000 kg
15.000 kg
5.000 kg
0 kg
10.000 kg
15.000 kg
5.000 kg
10.000 kg
NDVI 0 kg
0 0.35 0.78
Figura 4: Mapa NDVI, en estado fenológico V6 del cultivo de maíz obtenido con UAV.
SUELO
131
Las enmiendas orgánicas poseen ventajas frente a los fertilizantes tradicionales,
dentro de las cuales se destaca su impacto sobre las propiedades de suelo tanto
físicas (estructura) como así también químicas. Posterior a la cosecha, se analizaron
las propiedades químicas del suelo (Tabla 5 y 6).
Tabla 5: Parámetros químicos del suelo evaluado posterior a la cosecha de soja (0-20
cm).
Prof. M.O. Nt N-NO3 Pe C.E. Ca Mg K Na CIC PSI
pH
(cm) (%) (ppm) (dS/cm) (meq)/100 gr %
Testigo 2.02 0.10 10.86 33.47 7.01 0.93 12.40 1.83 2.43 0.83 20.87 4.37
5.000 kg ha-1 2.16 0.11 11.71 37.96 7.25 0.99 11.50 2.43 2.57 0.73 19.47 3.90
10.000 kg ha-1 1.92 0.10 11.88 45.31 7.26 1.11 12.43 1.87 2.60 0.93 19.40 4.87
15.000 kg ha-1 2.17 0.11 12.27 41.02 7.14 1.12 12.27 1.57 2.50 0.73 18.97 3.83
Tabla 6: Parámetros químicos del suelo evaluado posterior a la cosecha de maíz (0-20
cm).
Prof. M.O. Nt N-NO3 Pe C.E. Ca Mg K Na CIC PSI
pH
(cm) (%) (ppm) (dS/cm) (meq)/100 gr %
Testigo 2.38 0.12 6.78 25.21 6.72 0.62 10.77 2.00 2.30 0.37 16.33 2.17
5.000 kg ha-1 2.00 0.10 9.24 40.98 6.69 0.68 10.13 2.00 2.43 0.47 17.10 2.67
10.000 kg ha-1 2.17 0.11 10.31 36.46 6.82 0.76 10.43 2.07 2.33 0.43 16.07 2.63
15.000 kg ha-1 2.08 0.11 10.06 43.42 6.85 0.71 10.93 2.03 2.37 0.17 15.23 1.10
CONCLUSIONES
La utilización de guano de gallinas ponedoras debe ser tomada como una estrategia
de fertilización a largo plazo donde se preserva el medio ambiente y se conserva la
132
fertilidad del suelo. Es una alternativa viable para reutilizar estos subproductos dentro
del sistema y evitar una fuente de contaminación, solucionando así el destino final del
mismo.
Se observó una respuesta positiva a la aplicación de guano en el cultivo de maíz
respecto al testigo. No se evidenció este mismo comportamiento en soja. El
rendimiento medio del ensayo de soja fue de 4.865 kg ha-1 y el de maíz 12.788 kg ha-1.
Esto indica unas excelentes condiciones de crecimiento y desarrollo de los cultivo, en
la campaña agrícola 2014-2015.
La producción de soja y maíz con la utilización estratégica de guano de gallinas
ponedoras es una buena opción para mejorar la eficiencia del reciclado de nutrientes y
producir en una forma más sustentable.
AGRADECIMIENTOS
Agradecemos la estimable colaboración del Productor Juan Carlos Ghibaubo, a la
empresa Fertec por facilitarnos la máquina para la aplicación de guano y a Juan Pablo
Bongianino y Gonzalo Bruvera (estudiantes de la Universidad Nacional de Villla María)
por contribuir con todas las actividades de campo y laboratorio del ensayo.
BIBLIOGRAFÍA
Chinkuyu, A. J.; Kanwar, R.S.; Lorimor, J.C.; Xin, H.; Bailey, T.B. 2002. Effects of
laying hen manure application rate on water quality. Trans. ASAE 45:299–308.
DeLaune, P. B.; Moore Jr., P. A.; Carman, D.K.; Sharpley, A.N.; Haggard, B.E.; Daniel,
T.C. 2004a. Development of a phosphorus index for pastures fertilized with poultry
litter - Factors affecting phosphorus runoff. J. Environ. Qual. 33:2183–2191.
Edwards, D.R.; Daniel, T.C. 1992. Environmental impacts of on-farm poultry waste
disposal: A review. Bioresources Technology 41(1): 9-33.
Mitchell, C.C.; Tu, S. 2006. Nutrient accumulation and movement from poultry litter Soil
Science Society of America Journal 70, 2146–2153.
MinAgri, 2015. Boletín Avícola. Año XVIII, Nº 74. Marzo 2015. Ministerio de Agricultura,
Ganadería y Pesca. www.minagri.gob.ar.
Moore, P.A.; Daniel, T.C.; Sharpley, A.N.; Wood, C.W. 1995. Poultry manure
management - environmentally sound options. Journal of Soil and Water
Conservation 50:321-327.
Nahm, K.H. 2003. Evaluation of the nitrogen content in poultry manure. Worlds
PoultryScience Journal 59:77-88.
Pomares, F.; Canet, R. 2001. Residuos orgánicos utilizables en agricultura: origen
composición y características. En: Boixadera, J.; Teira, M.R. (eds.) Aplicación
agrícola de residuos orgánicos. Universidad de Lleida. Lleida, España.
Ria, 2014. Efluentes pecuarios. Valor que no se desecha. Revista de Investigaciones
Agropecuarias. Ediciones INTA. Vol. 40 N° 3.
Sharpley, A.N.; Smith, S.J. 1995. Nitrogen and phosphorus forms in soils receiving
manure. Soil Science 159:253–258.
Sims, J.T.; Edwards, A.C.; Schoumans, O.F.; Simard, R.R. 2000. Integrating soil
phosphorus testing into environmentally based agricultural practices. J. Environ.
Qual. 29:60–71.
133
EVALUACIÓN DE LA CALIDAD DEL GRANO DE TRES VARIEDADES DE
SOJA EN DISTINTOS AMBIENTES DEL CENTRO DE LA PROVINCIA DE
CÓRDOBA.
INTRODUCCIÓN
La variación ambiental en la provincia de Córdoba hace que la respuesta en el
rendimiento de diferentes cultivos genere distintos criterios de manejo cuando se
planifica una siembra. Los rendimientos son variables en las distintas zonas y a su vez
esta variabilidad repercute también en la calidad industrial de los granos.
En los últimos años se han observado niveles decrecientes de proteína en el
grano de soja, a causa de distintas combinaciones de factores, entre ellos el ambiente
(precipitaciones, variación en la temperatura, radiación efectiva, estrés hídrico, latitud),
la fecha de siembra y el grupo de madurez. Según datos relevados por el Laboratorio
de Calidad Industrial y Valor Agregado de Cereales y Oleaginosas del INTA Marcos
Juárez, en la campaña 2014/15 el promedio de proteína en la zona núcleo sojera, que
incluye a la provincia de Córdoba estuvo en 37.3% y 23.9% en aceite. A su vez, el
promedio de proteína de los últimos 18 años está en 38.5%, es decir que lo obtenido
en esta última campaña está por debajo del promedio histórico de medición. Con el
contenido de aceite sucede algo diferente, el mismo promedio histórico tiene un valor
de 22.7%, lo cual demuestra una mejora en esa variable tan importante y de interés
para la industria, ya que eleva el valor PROFAT, que es un indicador de calidad que
mide el contenido conjunto de proteína + aceite (Cuniberti, 2015).
Por otro lado, las normas de comercialización de granos vigentes solo
contemplan rebajas en el precio a partir de ciertos conceptos, y no prevén
bonificaciones por calidad. A pesar de ello, la campaña pasada, un comprador puntual
en el mercado interno, la empresa Nidera, ofreció durante todo el año importantes
bonificaciones por sojas con un contenido de proteínas superior a 39.5%. La escala
que utilizó bonifica 10 dólares más por tonelada cuando la proteína va desde 38,5 a
38,9 %, si la proteína se encuentra entre 39 a 39,4 % bonifica 15 dólares más por
tonelada y cuando supera los 39,5% son 20 dólares más por tonelada.
El módulo de Agricultura de Precisión del INTA Manfredi, en la campaña
2014/15 pudo comparar los valores relevados por el Laboratorio de INTA Marcos
Juárez utilizando un sensor de calidad de grano, que instalado en la cosechadora
permite analizar los valores de proteína, aceite y humedad en tiempo real en el mismo
momento que se cosecha. Esta evaluación se repitió en dos ambientes de diferentes
latitudes en la Provincia de Córdoba.
El objetivo principal fue evaluar la respuesta del rendimiento y la calidad
(proteína y aceite) de tres variedades de soja sembradas en diferentes latitudes del
centro de la provincia de Córdoba, en lotes con distinta variabilidad edáfica.
MATERIALES Y METODOS
La siembra fue realizada entre mediados de Noviembre y principios de
Diciembre de 2014 en ambas latitudes, con una densidad promedio de 20
plantas/metro. Se realizaron los controles fitosanitarios que normalmente hace el
productor promedio de la zona, desarrollándose en condiciones óptimas.
134
El ensayo consistió en realizar la siembra de tres variedades de Nidera
Semillas, A 5009 RG, NS 5258 y NS 4611, recomendadas por la misma firma como
materiales indicados para expresar variación en la calidad del grano.
Los tratamientos fueron dispuestos en el lote de manera de abarcar los
ambientes de la forma más representativa, en la zona central del lote en la EEA
Manfredi y atravesando toda la variabilidad del campo en Pampayasta. Se realizaron 3
y 2 bloques completos aleatorizados en el primero y en el segundo lugar
respectivamente. Cada bloque incorporó las 3 variedades utilizadas. A su vez, en
Pampayasta se dividió el lote en dos ambientes, definiendo a uno como de Alto
Potencial de rendimiento (AP) y al restante como Bajo Potencial de rendimiento (BP).
RESULTADOS
En la EEA Manfredi el rendimiento y la calidad del grano fue similar en las tres
variedades. En Pampayasta, donde se presentan dos ambientes, sucede lo mismo
entre variedades y en ambas zonas, pero con resultados diferentes entre ambientes,
definido por la propia limitante que genera el suelo. Los resultados obtenidos en estas
localidades pueden observarse en el Gráfico 1.
Si bien la variedad NS 5258 fue la que expresó el valor más alto de proteína en
el lote de Pampayasta, el porcentaje observado no fue de gran magnitud de diferencia
respecto a las otras dos variedades. Los niveles de proteína obtenidos estuvieron por
debajo del promedio de 38.5% de los últimos 18 años, pero muy similar al promedio de
135
la campaña 2014/15 con 37.3% de proteína logrados en la zona AP. En cambio en el
ambiente BP el porcentaje de proteína fue menor, logrando un valor promedio de
34.7% entre A 5009 RG y NS 4611 y de 35.04% en la NS 5258. Sin embargo en el lote
de Manfredi no hubo una variedad destacada, no obstante se logró superar el valor
promedio de la última campaña, incluso el de los últimos 18 años, con un porcentaje
de promedio de 39.5%.
La variable aceite fue más clara en expresar su respuesta al ambiente, en
todos los casos NS 5258 fue superior al resto, incluso con diferencias de más de un
punto respecto a las dos variedades en comparación. Los valores más altos se
obtuvieron en el ambiente con más limitante de suelo, en la zona BP, con 25.12% de
aceite, porcentaje que está por encima del promedio histórico de 22.7%. Igualmente el
promedio de 23.5% de aceite de todos los ambientes analizados está por encima del
mismo promedio comparativo de 18 años.
Grafico 1: Análisis del rendimiento (t/ha) y la calidad (%) de tres variedades de soja
en tres ambientes diferentes del centro de la pcia de Córdoba. Pampayasta: ambiente
de Alto y Bajo Potencial; Manfredi: ambiente INTA.
CONCLUSIONES
Los resultados analizados demuestran la fuerte influencia del ambiente y la
zona en la respuesta del rendimiento y la calidad (proteína y aceite) del grano
principalmente.
Si bien la variedad NS 5258 fue la que manifestó en promedio los mejores
valores en las tres variables analizadas, hubo diferentes respuestas, principalmente en
la EEA Manfredi, donde la proteína fue más alta, independientemente de la variedad
observada. A su vez, el mayor rendimiento se logró en ese mismo ambiente, pero con
la variedad NS 4611.
136
Los resultados demuestran que al momento de definir la variedad a sembrar en
el lote, la respuesta ambiental es muy influyente en los valores de rendimiento,
proteína y aceite. Por ende es importante analizar el objetivo comercial del cultivo para
elegir correctamente la variedad y realizar el manejo acorde a las necesidades.
Probablemente si la meta es industrializar el grano, las variables de calidad van a ser
las determinantes de la elección del material. A pesar de ello, el potencial de
rendimiento es el valor más observado, también es cierto que los semilleros, en su
cartera de mejoras genéticas, por el momento no está la proteína y el aceite, pero hay
indicios que en los próximos años será una variable de mejora.
En relación a la proteína, el comportamiento suele estar relacionado al
rendimiento de cada región y de cada año. A mayor rendimiento, menor proteína y
mayor aceite (Cuniberti y colaboradores, 2011). No obstante es importante seguir
investigando la respuesta en las variables de calidad en función del ambiente, latitud o
limitante de suelo, entre otras, ya que en este y otros casos evaluados por el módulo
de Agricultura de Precisión de INTA se encontraron correlaciones positivas entre
rendimiento-proteína y correlaciones negativas entre rendimiento-aceite, despertando
una gran incógnita. Probablemente la combinación de variedad, latitud y en este caso,
limitante de suelo hace que estas variables se expresen de esa manera. Por lo pronto
es fundamental seguir evaluando este tipo de respuesta.
En Argentina no hace más de 10 años que es posible mapear esas variables
de calidad con sensores instalados en la cosechadora, capaces de identificar y
mapear la proteína y el aceite en el grano cosechado proporcionando un mapa de
calidad de mismo. Con esta herramienta es posible plantear un manejo variable de
insumos con el objetivo de fertilizar o utilizar diferentes materiales que expresen su
mejor potencial de calidad en función de la zona o ambiente dentro del lote en el cual
fue sembrado. El propósito de la utilización de esta tecnología es segregar el grano
cosechado en función de la calidad y obtener un beneficio en la comercialización del
mismo, teniendo en cuenta su contenido de proteína o aceite atendiendo al mercado
que exige esa calidad. Esta información es muy redituable para la industria que
necesita conocer los valores de proteína y aceite en el caso de soja, antes de entrar a
los distintos procesos y evitar tener un producto elaborado con una calidad que no
llega a un estándar deseado, lo cual dificulta el acceso al mercado, se perciben
descuentos comerciales y se generan costos extras.
BIBLIOGRAFIA
Cuniberti, M.; Herrero, R.; Muñoz, S.; Mir, L. 2011. Calidad de variedades de soja en la
Provincia de Córdoba. Campaña 2014/15. Información para Extensión.
www.inta.gob.ar/mjuarez
Cuniberti, M.; Herrero, R.; Muñoz, S.; Mir, L. 2015. Calidad de variedades de soja en la
Provincia de Córdoba. Campaña 2014/15. Información para Extensión.
www.inta.gob.ar/mjuarez
Cuniberti, M.; Herrero, R.; Mir, L.; Berra, O. y Macagno, S. 2015. Rendimiento y
calidad de la soja de la zona Núcleo-Sojera. Campaña 2014/15.Información para
Extensión. www.inta.gob.ar/mjuarez
INTA - Secretaría de Agricultura y Ganadería de la Nación. 1987. Carta de suelos de la
República Argentina. Hoja 3163-32. Oncativo.
137
DOSIS VARIABLE (VRT) DE FERTILIZANTES SOLIDOS EN EL CULTIVO
DE CAÑA DE AZUCAR 2015. TUCUMAN - ARGENTINA.
138
también existen alternativas como nitrato de amonio calcáreo, UAN y otras mezclas
físicas (Pérez Zamora, F. 2009). En cuanto a otras fuentes de origen natural, se
encuentran los bio-fertilizantes, que son aplicados vía foliar, aunque las síntesis
nitrogenadas sólidas e incorporadas en la costilla del surco, siguen siendo las más
usada por el productor cañero de la provincia de Tucuman. (Romero, E. et.al. 2009).
Con respecto a la variabilidad natural intra lote en dicho cultivo, existen antecedentes
de la variación de los rendimientos culturales correlacionados al suelo y sus diversos
ambientes. (Vicini, L. 1997), con lo cual a través de este antecedente, se podría
pensar en realizar un manejo por ambientes dentro cada lote. Aplicando distintas
técnicas agrícolas como la agricultura de precisión (A.P.), se puede lograr la mejor
expresión del cultivo con un uso eficiente de los recursos y la preservación de los
mismos en términos ambientales (Bragachini, M. et. al. 2010).
Con respecto a la dosis variable de fertilizantes, si bien los antecedentes en cultivos
extensivos (granos), hacen referencia a muchos parámetros de importancia para
determinar la dosis óptima, como, antecedentes e información del lote, rendimiento en
kg/ha o en qq/ha, tipo de suelo y características físico-químicas que lo componen. En
el caso del cultivo del cultivo de Caña de Azúcar es importante tener en cuenta la
fisiología del mismo y las interferencias que causan una variabilidad de tipo temporal,
para poder definir su dosis óptima. Si bien, sobre este cultivo, existen experiencias
locales y regionales para determinar variabilidad espacial a través de imágenes
multiespectrales midiendo NDVI, las mismas permitieron conocer y ajustar algunos
manejos de prácticas culturales por ambientes. (Kemerer, A. y Melchiori, R. 2010).
Existen trabajos exploratorios desde la EEA INTA Famaillá (Programa Nacional de
A.P. de INTA) con respecto a otras alternativas o fuentes de información para
determinar variabilidades como imágenes satelitales, sensores de NDVI activos y
pasivos tanto en máquinas pulverizadoras como tractores, aviones no tripulados,
drones, donde todavía se siguen investigando y calibrando valores y momentos de
mediciones oportunos para la utilización de esta información en el manejo por
ambiente de la labor de fertilización. Es por ello que utilizando el concepto y las
bondades de la Dosis Variable (vrt), se podría utilizar este instrumento de A.P.,
tomando como lote a todo el campo y como ambientes a cada tablón comercial, ya
que cada uno de ellos necesitaría una dosis de fertilización diferenciada. Actualmente
y sin conocer el rendimiento cultural en detalle en forma espacial, las dosis se
determina con los parámetros antes descriptos y cada ambiente/tablón comercial,
llevando en sí misma, una dosis de fertilización única. Esta modalidad en el uso del
instrumental bajo el concepto de vrt por ambientes, reduciría en primera instancia los
tiempos de calibraciones y traslados, siendo eficiente en cuanto a la dosis correcta,
respetando el medio ambiente y a la vez obtener la mayor capacidad operativa dentro
de los tiempos determinados para dicha labor, logrando con ello un control de gestión
más adecuado para el productor, ya que la caña de azúcar es un cultivo donde la AP
tiene grandes oportunidades, reduciendo los costos significativos de insumos
agroquímicos y de mecanización, logrando aumentar su productividad eficientemente.
OBJETIVOS.
OBJETIVO PRINCIPAL.
El objetivo principal de la experiencia, es validar en condiciones de lotes comerciales
y/o tablones, el uso de esta herramienta de A.P. como el dosificador variable (vrt) con
fertilizantes sólidos nitrogenados (urea) y las ventajas que traería aparejada en
términos de sustentabilidad y sostenibilidad del sistema productivo.
OBJETIVOS ESPECIFICOS.
1-Determinar en términos relativos, los tiempos operativos por unidad de superficie del
ensayo en la tarea de fertilización con la VRT vs. Sistema de fertilización convencional
139
(dosificador con engranaje) con un equipo abonador de 4 paquetes de discos por
surco.
2-Determinar a través del CV% las unidades del producto comercial aplicadas
realmente por surco en cada lote con las dosis prescriptas y calibradas con
anterioridad vs. el método de aplicación convencional.
3-Determinar la compatibilización de un gps de mano, el Microsoft excell y un software
gratuito de uso público para la generación de un mapa de prescripción y determinar su
aplicación y vinculación con el software Agromapa para la aplicación de VRT en
fertilizantes sólidos.
MATERIALES Y METODOS.
El ensayo se desarrolló en el campo experimental de la Estación Experimental
Agropecuaria I.N.T.A. Famaillá, ubicado en los 27°01'03.22" de latitud Sur y
65°22'46.67" de longitud Oeste, en la localidad de Famaillá-Tucumán, específicamente
en los lotes 2,2 (4,18has, lote chico)-2,3 (8,44has, lote del medio) y 7,2 (9,74has, lote
lumbreras) con la variedad de Caña de Azúcar LCP 85-384 soca 3 (Figura n°1).
Durante el ensayo se utilizó un Tractor Massey Ferguson modelo MF7015 año 2015,
de 150 CV, un equipo abonador Audi de un Surco con 4 paquetes de discos escotados
de 26 pulgadas de diámetro, con dosificador “tipo rodillo acanalado” comandado por
un cilindro hidráulico y engranajes, con respecto a la tolva, la misma se encontraba
adaptada con capacidad de carga de 350kg del producto comercial Urea (Figura n°2).
La base de la información georreferenciada del campo, fue un excell (.txt) donde
figuraban únicamente los vértices de cada lote (proporcionada por el SIG INTA
Famaillá) que transformado en extensión genérica (.shp) (Figura n°3) a través de un
software gratuito CASE IH AFS versión 5.54.0004, que también se utilizó para
confeccionar la prescripción con la dosis correspondiente de producto comercial en
kg/ha para cada tratamiento, generando un archivo de extensión (.RAR) compatible
con el software agromapas 3.45 de la firma Verion ICSA, que para poder actuar como
VRT modelo VEK56-3P con antena de 10Hz, glonass activo sin costo de señal y error
máximo de 10 cm entre pasadas (Figura n°4), luego fue necesario transformar la
extensión anterior en (.vri) para ingresar al software, una vez interpretado el mapa de
aplicación para dosis variable, se obtuvo el producto final o mapa final con extensión
(.bmp) el cuál fue leído y comandado a través de la consola Vcom 5.6 de la misma
firma (Figura n°5).
En cuanto al diseño del ensayo, los tratamientos fueron por duplicado (Figura n°6).
Tratamiento VRT en 20 líneas Tratamiento convencional en 20 líneas
Lote chico dosis Urea 4kg/s=248kg/ha Lote chico dosis Urea 4kg/s
Lote del medio dosis Urea 3,5kg/s=217kg/ha Lote del medio dosis Urea 3,5kg/s
Lote lumbreras dosis Urea 3kg/s=186kg/ha Lote lumbreras dosis Urea 3kg/s
Durante el mismo se midieron los tiempos operativos en minutos, en el caso del uso
de vrt total (tres lotes) y en el caso del tratamiento convencional se tomó cada uno de
los tres lotes y el tiempo de calibración del equipo abonador (Figuras n°7, 8, 9 y 10),
como así también, por otro lado se determinó del CV% entre dosis prescriptas
pasadas en balanza de precisión para cada tratamiento expresadas en gramos.
140
Figura n°1 Figura n°2
Tratamiento
Vrt=a.p.
Tratamiento
Convencional
141
Figura n°7 (vrt=a.p.) Figura n°8 (convencional Lumbreras)
Resultados y Discusión:
Con respecto a los datos recolectados, se muestran en la Tabla n°1 (Tiempos
Operativos en minutos de cada tratamiento, vrt=a.p. vs. Convencional).
vrt=a.p. Convencional
tiempos en minutos Lumbreras/ Del Medio/Chico Lumbrera Del Medio Chico tpo.total convencional
tpo.operat. Efectivo 163 85 57 36 178
tpo de carga urea 19 10 9 6 25
tpo. Calibración 10 35 38 33 106
tpo.total 193 130 104 75 309
Los tiempos operativos efectivos en minutos tanto con vrt vs. Convencional, fueron con
diferencias de baja significancia en cuanto al trabajo dentro del lote en idénticas
superficies, con respecto al tiempo de carga. La diferencia se debió a que en el
tratamiento de vrt se tomó el tiempo de carga al inicio del mismo, es decir, una carga
inicial vs. Convencional, donde fueron tres cargas iniciales para cada tratamiento. En
cuanto al tiempo de calibración de vrt (mecanismo automático) se calibra una vez al
142
día vs. el convencional , donde se realiza un ajuste del deflector de regulación de
descarga a la salida del dosificador, recorriendo cien metros hasta llegar a la dosis
determinada y donde generalmente se realizan tres repeticiones. La diferencia en el
tiempo de calibración para cada dosis fue altamente significativa, con un tiempo del
1.060% mayor en el sistema convencional. Con respecto al tiempo total para fertilizar
los tres lotes con una metodología vs la otra, el uso de vrt=a.p. tuvo una eficiencia del
48% en ahorro de tiempo total en aplicación. Es importante remarcar que durante el
ensayo, no se tuvo en cuenta, que bajo el método convencional, se calibra una dosis y
se aplica a todos los lotes con la misma, con lo que conlleva a un recorrido en vacío
desde un lote a otro de acuerdo a la escala de la finca y así con las siguientes dosis
hasta completar el plan de fertilización del campo en general.
En la tabla siguiente (Tabla n° 2), se muestra que al analizar el tiempo operativo
Efectivo, el mismo se desdobla en Tiempo Operativo en surco, es decir, trabajando
dentro del lote y el Tiempo Operativo en cabecera, que son los tiempos en vacíos,
entre los tratamiento y parciales dentro del mismo.
Las menores variaciones de las dosis que se registran a través del uso de la vrt=a.p.
son cercanas a las determinadas, con lo cual la eficiencia en la aplicación del producto
es elevada, en contraparte, las variación de aplicación usando la metodología
convencional, al tratarse de dosis intermedias como 3,5kg urea/surco y dosis bajas de
3 kg urea/surco, las variaciones fueron altamente significativas, de manera positiva o
negativa, pero con un grado de error mayor, lo que lleva a deducir un notorio déficit y/o
exceso con respecto a la dosis determinada, lo cual repercute de manera negativa, no
143
solo en el potencial de rendimiento del cultivo, sino también en los costos económicos
y de impacto ambiental.
CONCLUSIONES
En términos relativos, podemos deducir de dicha experiencia, que los tiempos
operativos por unidad de superficie entre los tratamientos de fertilización con la VRT
vs. Sistema de fertilización convencional, el uso de la tecnología de Agricultura de
Precisión manifestó, una eficiencia de ahorro en tiempo total de aproximadamente un
48%, y dentro del mismo, el tiempo en vacío o traslado de la fertilizadora en
cabeceras, fue de un 39,2% menor que el tiempo erogado en cabeceras del
tratamiento convencional, es decir, trabajando de la manera convencional, se
fertilizaron 520 surcos diarios (Jornal 8hs), usando la A.P. con VRT se llegó a fertilizar
727 surcos, donde se alcanzaría a duplicar la cantidad de surcos fertilizados, en el
caso de trabajar con abonadoras de dos surcos, como es la tendencia actual, logrando
reducir notablemente los tiempos de aplicación de estos productos, de manera
oportuna dentro del calendario de la nombrada labor .
REFERENCIAS
-Bragachini, M., Méndez, A., Scarmuzza, F., Vélez, J. y Villaroel, D. (Manejo de
Cultivos por Ambiente), Evolución de la Dosis Variable en Argentina 2010.
-Kemerer, A., Melchiori, R., Albarenque, S. 2010 (Utilización de fotografías aéreas
multiespectrales para la caracterizar la variabilidad espacial en la producción de caña
de azúcar).
-Pérez Zamora, F. (La Fertilización en cultivos regionales) Fertilizar, vol.13 del año
2009.
144
-Romero, E., Digonzelli, P., Scandaliaris, J. (Manual del Cañero año 2009), ISBN 978-
987-21283-7-1
-Vicini, Luís. (Determinación de la Variación del rendimiento cultural en Caña de
Azúcar. Tucumán-Argentina, posicionada con GPS) Actualización Técnica n° 8- Junio
2007. Proyecto Nacional de Agricultura de Precisión de INTA.
145
146
AGREGADO DE VALOR
147
148
BIOECONOMÍA Y POLÍTICAS PÚBLICAS
ALGUNAS REFLEXIONES EN BASE A LA EXPERIENCIA DE EE.UU EN EL
DISEÑO DE LA RFS2
Gauna, D.
CICPES-Instituto Nacional de Tecnología Agropecuaria
gauna.diego@inta.gob.ar
INTRODUCCIÓN
1
No es intención discutir en este documento a la historia del concepto de Bioeconomics, que
se debe al trabajo pionero de Georgescu-Roegen (GR) y que dio lugar al nacimiento del campo
que hoy se conoce como Economía Ecológica. Como bien plantea Mayumi (2001),
Bioeconomics en la filosofía de GR es una nueva disciplina que combina elementos de biología
evolucionaria, economía neoclásica y análisis biofísico. En este sentido, este documento se
refiere a la Bioeconomy y no a Bioeconomics.
2
Un ejemplo destacado es La Cumbre de Bioeconomía Global (Global Bioeconomy Summit).
La misma tuvo lugar en Berlín en Noviembre de 2015 y reunió a más de 700 participantes de
80 países distintos para comenzar a definir una agenda para la Bioeconomía global.
149
y cuyo futuro descansa en la expansión de la biología
sintética, la proteómica, la bioinformática y otras tecnologías
aún no imaginadas.
EMBRAPA Producción sustentable de recursos biológicos renovables y Documento
su conversión en alimentos y productos elaborados con Institucional
material biológico. Se distingue por utilizar un conocimiento
científico y tecnológico amplio y avanzado: biotecnología,
bioinformática, nanotecnologías, TICs, biología sintética,
modificación genética de organismos vivos, clonación y
secuenciación de ADN.
Global Bioeconomy La bioeconomía entendida como la producción basada en el Making Bioeconomy
Summit conocimiento y utilización de recursos biológicos, procesos Work for Sustainable
y principios biológicos innovadores para proveer en forma Development
sostenible bienes y servicios a todos los sectores (Noviembre de 2015)
económicos.
David Zilberman, La bioeconomía es parte de la economía renovable que le Berkeley Blog, UC
University of permitirá a la humanidad hacer frente a los crecientes Berkeley (Setiembre
California at Berkeley. costos monetarios y ambientales de los recursos no de 2015)
renovables y el cambio climático.
Ministerio de Ciencia, La bioeconomía surge como un nuevo paradigma que Programa
Tecnología e comprende la convergencia de las nuevas tecnologías en Bioeconomía
Innovación Productiva los sectores productivos tradicionales, implicando una etapa Argentina 2016
de Argentina de transición que sustituiría el modelo de industrialización
actual. El foco de las discusiones se orienta a mayores
productividades en el marco de mayor sostenibilidad
económica, social y ambiental. Estas tendencias conducen
al uso más eficiente de los recursos naturales y a mayores
requerimientos científico-tecnológicos de los procesos
productivos para lograr una captura más eficiente de la
energía solar y su transformación en otras formas de
energía y productos.
Fuente: Elaboración propia.
LA BIOECONOMÍA EN EE.UU
Una parte importante del soporte histórico del gobierno de EE.UU a la Bioeconomía
estuvo dado por su rol determinante en la creación de la industria de los
biocombustibles, particularmente del etanol basado en maíz. La combinación de
subsidios federales (generalmente en el rango de entre 11 y 16 centavos por litro),
impuestos a la importación (específico de 14 centavos por litro y ad-valorem del 2.5 %)
y regulaciones ambientales (la Ley de Aire Limpio de 1990 que regula el uso del
MTBE) fueron claves para el surgimiento y consolidación de la industria del etanol en
el período 1978-2005.
A partir de la Ley de Política Energética del año 2005, se crea el Estándar para
Combustibles Renovables (RFS1), que establecía mandatos cuantitativos para la
cantidad mínima de biocombustibles a ser utilizadas en el sector de transporte de
EE.UU. El mismo se amplía con la RFS2 en el marco de la Ley de Seguridad e
Independencia Energética del año 2007, mucho más ambiciosa y con una visión de
mediano-largo plazo ya que los mandatos se proponen hasta el año 2022. La RFS2
busca reducir la emisión de gases de efectos invernadero y la dependencia de EE.UU
en petróleo estableciendo cantidades crecientes de combustibles renovables en el
sistema de transporte (Stock, 2015). La RFS2 es la que rige en la actualidad y es hoy
en día fuente de variadas discusiones en el seno político y académico.
LA ESTRUCTURA DE LA RFS2
150
modo, el mandato actúa como un subsidio indirecto para la inversión de capital en la
construcción de fábricas de biocombustibles ya que reduce el riesgo asociado con la
producción. La RFS2 es administrada por la Agencia de Protección Ambiental (EPA)
de EE.UU.
En la siguiente tabla, se pueden observar los mandatos establecidos por ley en cada
categoría y aquellos fijados por la EPA en función de las condiciones de mercado de
cada año:
2018 7 >=1 11 26
2022 16 >=1 21 36
151
La principal observación que se desprende de la tabla anterior es que la producción de
biocombustibles celulósicos ha estado muy por debajo de los objetivos planteados por
la ley de 2007 y que dicho déficit ha sido cubierto por la producción de biodiesel
basado en soja en virtud de que el mandato para maíz tiene un techo de 15 billones de
galones.
LA RFS2 EN LA ENCRUCIJADA
La RFS2 se encuentra bajo un intenso escrutinio y está siendo causa de debates muy
intensos en la política estadounidense. El año electoral ha funcionado como un
paréntesis, pero es altamente probable que las discusiones tomen fuerza a partir del
año 2017. Los principales problemas que enfrenta la RFS2 es la llamada “blend wall”,
el escaso éxito comercial de los biocombustibles celulósicos3 y la incertidumbre en
relación a los objetivos planteados.
El concepto de blend wall simplemente hace referencia a que se cree que los autos
típicos norteamericanos no pueden absorber en forma segura más de un 10 % de
etanol. El mercado de flex-cars, que permite incorporar mayores cantidades de etanol,
es aún muy incipiente y se estima que representa entre el 3 % y el 6 % de la flota de
transporte liviana (Pietsch, 2014). Gorter et.al (2015) muestran que el techo de 10 %
en el uso total de etanol se alcanzó en el año 2010 y ha permanecido relativamente
constante desde ese momento.
Por último, en los últimos años hubo una gran incertidumbre debido al retraso de la
EPA en publicar las reglas de cumplimiento para los años 2014, 2015 y 2016,
comprometiendo seriamente el espíritu del programa. Las reglas fueron finalmente
publicadas a fines del año 2015.
3
Esto más allá de las críticas que se le hacen a la ley desde los Estados de EE.UU no
agrícolas (y con peso en el mercado del maíz) en términos de subsidiar indirectamente
industrias no competitivas a costo de los taxpayers.
152
en el volumen de combustibles renovables, se corre el riesgo de que los costos
de cumplimiento sean altos y económicamente ineficientes. Este camino, más
allá de los riesgos, sería el único que promovería la independencia energética
de EE.UU y las inversiones en el sector de biocombustibles avanzados.
REFERENCIAS
Beate El-Chichakli, J.Von Braun, C. Lang, D.Barben and J.Philp, 2016, Five
Cornerstones of a Global Bioeconomy, Nature 535: 221-223.
De Gorter, H., D.Drabik y D.Just, 2015, The Economic of Biofuel Policies: Impacts on
Price Volatility in Grain and Oilseed Markets, Palgrave Studies in Agricultural
Economics and Food Policy.
Pietsch, S., 2014, Flex Fuel Vehicles in the United States: Why are we lagging behind
Brazil? http://www.bioenergyconnection.org/article/flex-fuel-vehicles-united-
states-why-are-we-lagging-behind-brazil
Stock, J., 2015, The Renewable Fuel Standard: a Path Forward, Center of Global
Energy Policy, Columbia SIPA.
153
El Proyecto InAV
Gómez, L.G.
INTA Dirección Regional Santa Fe
gomez.lucas@inta.gob.ar
INTRODUCCIÓN
El proyecto InAV, surge formalmente a partir de un Convenio firmado en el año 2015,
entre el Instituto Nacional de Tecnología Agropecuaria (INTA), el Instituto Nacional de
Tecnología Industrial (INTI), y la Universidad del Centro Educativo Latinoamericano
(UCEL).
Su objetivo principal es conformar una red de articulación entre las Instituciones
fundadoras; y otros actores sociales, productivos y gubernamentales; donde se
acuerden políticas y acciones relacionadas al agregado de valor con desarrollo, a la
producción agroalimentaria y agroindustrial de Argentina.
Sobre esta base, se están realizando actividades de gestión estratégico-política, para
identificar las necesidades de intervención que podrían propiciarse a partir de este
espacio.
Inicialmente se hay seleccionado 5 cadenas productivas: Soja, Maíz, Leche, Carne
Bovina y Hortalizas, en base a las potencialidades y/o necesidades de agregar valor
en sus principales eslabones.
Paralelamente se están ejecutando actividades a nivel operativo, en tres áreas:
- Apoyo a las actividades de Investigación.
- Gestión de información y transferencia tecnológica.
- Capacitación.
Las cuales se encuentran con diferentes niveles de avance y resultados.
154
GRÁFICO N° 1 – EVOLUCIÓN DEL COMERCIO EXTERIOR ARGENTINO
2007-2015
Uno de las particulares de esta iniciativa, es que la Universidad del Centro Educativo
Latinoamericano, fue la que convocó a INTI e INTA, a trabajar sobre investigación y
agregado de valor en soja.
A partir de eso se planteó un objetivo más amplio, de abordar el tema de agregado de
valor a través diferentes dimensiones de trabajo conjunto, donde se involucren otras
cadenas productivas más allá de la soja. Las tres Instituciones fundadoras de este
proyecto coincidieron en un punto de encuentro:
Esto se ve reflejado en los documentos estratégicos que las involucran, como ser el
Plan Estratégico Agroalimentario y Agroindustrial, Participativo y Federal (PEA2), que
influye en las actividades del INTA, el Plan Industrial Argentina 2020 para el caso de
INTI, y el plan Argentina Innovadora 2020 para la Universidad.
En los tres documentos se coincide en priorizar la industrialización de la ruralidad con
desarrollo, en ganar escala y avanzar sobre la agregación de valor a partir de un
recurso natural altamente competitivo. Sobre este punto de partida, se consensuaron y
construyeron las principales líneas de este proyecto.
Existen 3 conceptos que fueron consensuados por las partes, y que son las bases del
trabajo actual y futuro. Innovación, Agregado de Valor (AVO) con desarrollo, y
155
Redes. Esto implica que las propuestas que se desarrollen o promuevan desde este
proyecto, deben estar relacionadas a procesos de Innovación para el Agregado de
Valor con Desarrollo, para la producción Agroalimentaria y Agroindustrial, a partir de
constitución de redes interinstitucionales de trabajo.
En este caso, los procesos de Innovación se entienden como un esfuerzo sostenido
para generar o incorporar conocimientos que permitan dar respuestas creativas a
problemas u oportunidades presentes y futuros.
Por su parte cuando se habla de Agregado de Valor con Desarrollo, implica no
solamente pensar en promover iniciativas productivas que agreguen o creen valor
desde el aspecto retributivo, sino considerar además el aspecto redistributivo, y sus
efectos a nivel territorial, en especial el agregado de valor en origen.
Por último, uno de los mayores desafíos del proyecto es la construcción de Redes
Interinstitucionales para la construcción de consensos y líneas de trabajo específicas,
que favorezcan los procesos de innovación para el AV con desarrollo.
Para esto se coincide y se asume el desafío planteado por Albornoz y Sebastián, en
1993, en su artículo “Jorge Sábato revisitado: del triángulo a las redes”. En el cual se
planteaba una evolución al famoso triángulo de Sábato a la conformación de Redes de
Articulación. A los tres ejes tradicionales: Estado, la Ciencia y Técnica y las Empresas;
que Sábato consideraba los más importantes para que se produzcan procesos de
innovación, se agregan en la actualidad otros actores igualmente críticos, que deben
ser considerados, como por ejemplo los consumidores, el sistema financiero, el
sistema educativo, las instituciones intermedias, entre otros. Los cuales son
contemplados para este proyecto como factores determinantes de los procesos de
innovación, y se aspira a sumarlos en diferentes momentos y formas de intervención.
Elaboración propia
156
FIGURA N° 2: DIAGRAMA CON LOS 2 EJES DE TRABAJO.
157
oportunidades de AV a la producción de alimentos. El mismo se sustenta en la
hipótesis de que existe un gran stock de información dispersa sobre opciones
tecnológicas para el agregado de valor a la producción de alimentos; e información
complementaria sobre mercado, financiamiento, especialistas, proveedores de
equipamiento y oferta educativa. Entre otros elementos, que se aspira estén
disponibles en tiempo y forma para que emprendedores, profesionales, políticos,
inversionistas, puedan aprovecharlos y tomar decisiones, que se transformen en
producción, empleo y desarrollo. Para lo cual se aspira a generar un sistema
información online, disponible en forma gratuita.
Por último, otro aporte que se está tratando de realizar desde el InAV, es la formación
de RRHH. Inicialmente se planteó como objetivo una diplomatura en agregado de
valor a la soja, destinada a difundir y formar RRHH sobre las oportunidades actuales
para el AV a la producción de sojera. Para esto se aprovechó la estructura de la
UCEL, y durante este año se está ejecutando la primera cohorte, con casi 60 alumnos.
CONSIDERACIONES FINALES
El proyecto InAV, se perfila como una propuesta de trabajo, que convoque y genere
redes interinstitucionales público-privadas, donde se definan políticas y acciones
concretas para el agregado de valor a la producción de alimentos.
El primer paso será la consolidación de la relación entre el INTA y el INTI, como
instituciones fundamentales para el desarrollo agroindustrial de la Argentina.
Paralelamente se aspira a desarrollar un sistema de información y transferencia
tecnológica, que vincule al conocimiento disponible, con el sector productivo.
La mayor complejidad que se visualiza, será lograr involucrar bajo una visión
compartida, a actores con interés que inicialmente pueden parecer contrapuestos,
pero que se considera podrían beneficiarse mutuamente a través del esfuerzo
conjunto.
REFERENCIAS
158
TECNOLOGÍAS DE PROCESAMIENTOS DE SUBPRODUCTOS DE SOJA
ACCORONI, C.
AER INTA Totoras
accoroni.cecilia@inta.gob.ar
INTRODUCCIÓN
El cultivo de soja ha estado relacionado históricamente con la extracción
industrial de aceite. El método de extracción de aceite más difundido y adoptado por
empresas de gran capacidad de procesamiento, es el método de extracción con
solvente dada su alta eficiencia. Sin embargo, en la última década se ha implementado
el método físico de extrusado y prensado de soja, el cual es menos eficiente en
rendimiento que el anterior pero adaptable a pequeñas escalas productivas. Los
principales subproductos obtenidos son: flakes y harinas (extracción con solvente), y
expeller (extracción física). Este último, posee un contenido lipídico superior y, por ende,
su contenido proteico es inferior que las harinas obtenidas por extracción por solvente.
En las últimas décadas, los avances tecnológicos en la extracción de aceite han
permitido la producción de harinas de soja de alta calidad nutricional con una solubilidad
óptima para la producción de concentrados, aislados y productos texturizados de soja.
Desde entonces, se ha generado un gran desarrollo científico y tecnológico para el
aprovechamiento integral de las proteínas. Estas proteínas vegetales poseen
propiedades nutritivas que representan una alternativa muy importante para suplir la
deficiencia existente de proteínas de origen animal, como las de la leche, la carne y el
huevo (Baudi Dergal, 2013).
La cadena de agregado de valor de la soja presenta un elevado número de
productos que podrían utilizar dichas harinas como materia prima. Estos productos
obtenidos a partir de la extracción y concentración de las proteínas de la harina de soja,
además de incrementar el valor añadido de este subproducto, según Sunley (1995),
brindan las siguientes ventajas:
proveen una fuente de proteína más concentrada deseable para mejorar
los requerimientos proteicos,
mejoran las propiedades funcionales de las proteínas, ofreciendo
aplicaciones en otros productos alimenticios, además, de aquellos
vinculados a una fuente proteica para propósitos nutricionales,
reducen las propiedades menos deseables de la fuente proteica (ej.
factores antinutricionales y características de flavor indeseadas) al ser
sometidos a procesos de concentración, aislación y texturización.
159
extracción del aceite, alcanzando un contenido final de proteínas de 46 % conocidas
como harinas “High-pro” (Deak et al., 2008; FAO, 1992).
Concentrados
Los concentrados proteicos de soja son productos elaborados a partir de harinas
desgrasadas y contienen como mínimo entre 65 y 70 % de proteínas. La legislación
internacional basada en el CODEX considera que el porcentaje proteico mínimo debe
ser del 65 %, mientras el Código Alimenticio Argentino y FAO proponen el 70 %. En su
procesamiento se remueve la fracción de componentes solubles en agua o alcohol,
especialmente los azucares promotores de flatulencias y compuestos con flavors
fuertes. Los tres métodos básicos para la remoción de carbohidratos son: lixiviación
ácida (pH isoeléctrico 4,5), extracción con etanol acuoso (60 - 80 %) y lixiviación con
vapor. De todos ellos, la extracción con alcohol acuoso es el proceso más común (Deak
et al., 2008; FAO, 1992; Liu, 1997).
Aislados
La legislación nacional e internacional define a los aislados proteicos como
productos con las concentraciones más altas de proteína, alcanzando un 90 %. Estos
productos son obtenidos por solubilización selectiva de la proteína (ej. extracción
alcalina), seguida de purificación del extracto y concentración de la proteína mediante
precipitación isoeléctrica, ultrafiltración o gelificación. El método ampliamente difundido
es el de precipitación por acidificación hasta el punto isoeléctrico. Estos productos son
los productos proteicos de soja más refinados y se adicionan a los sistemas alimenticios
por sus propiedades funcionales específicas, principalmente, como emulsificadores o
formadores de espuma (Remondetto, González & Añón, 2002). Uno de los subproductos
del proceso de aislación de proteínas, formado por el residuo insoluble, es también
comercializado por su notable capacidad de absorción de agua y como fuente de fibra
dietaría (FAO, 1992; Liu, 1997).
Productos proteicos de soja texturizados
Las “proteínas de soja texturizada” o “proteínas vegetal texturizada” son
producidas, generalmente, por el método de extrusión termoplástica. En dicho proceso,
se somete a las harinas de soja desgrasada o a los concentrados, con un contenido de
humedad específico, a fuerzas de cizalla (fuerza de corte) y temperaturas altas en un
extrusor, obteniendo un producto con una estructura laminar característica. Después de
la hidratación, este producto presenta una textura gomosa y elástica parecida a la carne.
La proteína de soja texturizada con un alto contenido proteico es producida por extrusión
de concentrados proteicos de soja (FAO, 1992; Liu, 1997, Rickert et al., 2004).
Fibras hiladas de proteínas de soja
Las fibras hiladas de proteína de soja son producidas a partir de la dilución de
aislados de soja en una solución alcalina fuerte. Esta solución se deja reposar y, luego,
este líquido viscoso es inyectado dentro de un baño ácido, en el cual la proteína precipita
en forma de finas fibras, que son estiradas, lavadas y recolectadas. Este producto de
soja es utilizado en la manufactura de una variedad de análogos de carne, a los cuales
les imparte un aspecto fibroso y masticabilidad similar a la del musculo animal (FAO,
1992; Liu, 1997).
160
APLICACIONES DE LOS PRODUCTOS PROTEICOS
En general, todos los sistemas alimenticios, incluyendo productos cárnicos,
lácteos, panaderos, cereales de desayunos, alimentos para bebes, y bebidas, contienen
proteínas de soja como un ingrediente, dado que su aplicación permite aumentar el valor
proteico del producto final y sus propiedades funcionales (Liu, 1997).
En la tabla 1 se detalla la funcionalidad de las proteínas en los productos alimenticios.
Alimento Funcionalidad
Alimentos cárnicos procesados Emulsificación, retención de agua, gelificación,
texturización, dispersabilidad
Sopas cremas y salsas Viscosidad, emulsificación, retensión de humedad,
blaqueamiento
Productos de panadería Formación de película, textura, gelificación,
retención de agua, formación de espuma, coloración
Bebidas Solubilidad, viscosidad, estabilidad térmica
Productos lácteos Emulsificación, viscosidad, formación de espuma,
gelificación, textura
Sustituto de huevos Formación de espumas, gelificación
Productos de confitería Dispersabilidad, emulsificación
161
Figura 1. Solicitudes de patentes para concentrados y aislados de proteínas de soja
en los principales países tecnológicos
162
primas a texturizar; harinas, expellers o concentrados. Por el contrario, la situación
comercial es exportadora, siendo el volumen total de exportación en el 2014 de 26.000
tn con un valor promedio de 800 dólares/tn.
De los principales productos proteicos presentados, vemos que en nuestro país
se exportan texturizados de soja y, a pesar que se desconoce la situación de
comercialización en el mercado interno, se denota una incipiente producción de
concentrados y texturizados de soja. Al analizar dicha situación, se considera que las
principales limitaciones de producción de estos productos en Argentina son:
bajos contenidos proteicos en los subproductos de extracción de aceite,
mercados demandantes de productos poco desarrollados,
falta de desarrollo científico-tecnológico adaptado a escalas productivas
de pequeña y mediana producción,
falta de disponibilidad de equipos alimenticios adaptados a dichas
escalas,
CONSIDERACIONES FINALES
REFERENCIAS
163
MICRORREGIÓN “CRESPO Y ALDEAS ALEDAÑAS” - MICRA -
IMAGEN 1:
Cuenta con una población de alrededor de 24.000 habitantes que, con una tradición
emprendedora, en sus comienzos basó su crecimiento en la producción agrícola
colona, con la impronta de los inmigrantes alemanes del Volga e italianos,
caracterizada por la fortaleza de la organización y la voluntad de diversificar.
Todo el territorio de la microrregión posee una red de caminos rurales que comunicala
ciudad de Crespo con las aldeas, a éstas entre sí y a todo el conjunto con el resto de
las localidades del territorio. Estos caminos vecinales configuran extensos “barrios
productivos” donde están unas trescientas granjas que constituyen las “usinas” de
generación de valor agregado, mediante la transformación de los granos en alimentos
como el huevo, la leche y sus derivados, así como en carne de cerdo y pollo, entre
164
otros productos, permitiendo el arraigo familiar en el área rural. Todo el transporte de
las materias primas, insumos y los bienes producidos se mueve a través de estos
caminos vecinales, así como también el traslado de las personas para atender sus
ocupaciones y brindar los servicios requeridos, especialmente para las actividades
productivas.
Esta población tiene elementos en común que actúan como factores de cohesión en
su comportamiento social, cultural y económico, brindando una identidad particular. El
elemento vinculante de esta población que contribuyó a la percepción de una identidad
propia ha sido primeramente histórico fundacional. Personas con un mismo origen
migratorio, alemanes del Volga, que ocuparon el territorio señalado, a fines del siglo
XIX.
También, la ausencia de factores paralizantes o distorsivos,:l permitió los procesos de
cambio tecnológico y comercial que fortalecieron la identidad de la gente de la MiCrA.
En el año 2014 el equipo de trabajo que lidera las acciones de la MiCrA, tomó contacto
con técnicos del PROSAP pudiendo articular actividades dentro del programa para la
mejora de la competitividad del sector agropecuario, específicamente dentro de la
iniciativa para el desarrollo regional. En este marco la Microrregión Crespo y Aldeas
Aledañas quedó identificada como una unidad territorial donde se logró el encuentro
publico privado y donde se reconocieron temas transversales a las actividades
productivas con el objeto de mejorar el desempeño productivo y la disminución de
externalidades negativas generadas sobre el ambiente, con el propósito de consolidar
el proceso agregado de valor y la organización territorial.
Se identificaron los siguientes proyectos con sus objetivos, los que fueron puestos a
consideración de la asociación AD-HOC MiCrA
165
Título Objetivo
1- Procesamiento •Crear un modelo de manejo ambiental sustentable para granjas porcinas
de efluentes de medianas en la provincia de Entre Ríos
criaderos de •Reducir el impacto ambiental de la actividad porcina.
cerdos •Procesar la materia orgánica contenida en los efluentes de una granja
porcina mediana fermentación anaeróbica para obtener gas y energía
eléctrica para consumo propio
•Agregar valor en origen a los efluentes del criadero de cerdos mediante
su transformación en un fertilizante orgánico estabilizado.
2- Desarrollo de un •Reducir la carga patogénica de la cama de pollo después de los ciclos de
paquete engorde, para reutilizarla de acuerdo a normas SENASA.
tecnológico para •Generar condiciones ambientales controladas para los pollos parrilleros
reutilización de en engorde para asegurar el Bienestar Animal.
cama de pollo. • Mejorar las condiciones ambientales y sanitarias de los animales para
aumentar la productividad y disminuir los índices de mortandad.
•Disminuir el impacto ambiental generado durante las operaciones de
transporte de cama de pollo usada y su distribución en suelos agrícolas.
3- Salto •Fortalecer la competitividad de los integrantes del grupo de productores
tecnológico y de
gestión en
pequeñas
granjas porcinas
4- Desarrollo de •Diversificar la matriz productiva de pequeños productores de la Micro-
floricultura en región Crespo
aldeas cercanas • Generar una alternativa de ocupación laboral para la mujer en las aldeas
a Crespo •Comercializar en la región flores, bulbos y plantas ornamentales
producidas localmente para reemplazar importaciones
5- Proceso para Reducir el impacto ambiental de la actividad avícola en la zona de Aldea
tratamiento de Santa Rosa mediante el diseño de una planta piloto que utilizará
guano de gallina biotecnología y energías renovables
•Procesar la materia orgánica contenida en el guano de las granjas
avícolas mediante fermentación anaeróbica para obtener energía eléctrica
•Agregar valor en origen al guano de gallina mediante su transformación
en un fertilizante orgánico comercializable
•Fortalecer el trabajo asociativo de productores avícolas de la zona de
influencia de Aldea Santa Rosa
6- Fortalecimiento •Fortalecer las relaciones del Instituto Tecnológico Universitario (ITU) de
institucional y Crespo con el medio empresarial regional mediante la mejora de sus
coordinación de capacidades para identificar y formular proyectos de desarrollo productivo
proyectos •Estrechar el vínculo de la institución con el gobierno municipal a través de
trabajos técnicos de análisis y planeamiento sobre necesidades futuras en
materia de infraestructura y servicios públicos para el crecimiento
•Coordinación de los proyectos identificados en el marco de la Iniciativa de
Desarrollo Regional del PROSAP para la Microrregión Crespo y Aldeas
Aledañas
•Evaluación del impacto de los proyectos identificados sobre los
beneficiarios y los sectores productivos respectivos, y difusión de los
resultados para potenciar el efecto multiplicador de los avances.
166
Los proyectos con vinculación y apoyo del PROSAP están en etapa de
implementación y ejecución y se aprobaron con los siguientes montos como muestra
la tabla 2.
M.V. Guillermo Stamatti; Ing.Agr. Ricardo De Carli; Ing. Agr. Enrique Behr;Ing. Agr.
Mirta Kahl;Ing. Agr. Gabriela Litwin;CPN Carla Liberatori. INTA, Agencia de Extensión
Rural Crespo
Ing. Agr. Dardo Pagnone; CPN Fabián Garcia; Ing. Ind. Diego Gettig; MV Eduardo
Crespo
-Instituto Tecnológico Universitario Sede Crespo de la FCyT – UADER
Ing. Enrique Mihura; CPN Omar Izaguirre; Lic. Raquel Gorostiaga; Lic. Glenda Khin;
Sra. Diana Jacob; Lic. María José Haberkorn; Ing. Agr. Pablo Fontanini. -Centro
Investigación Desarrollo Sustentable FCyT – UADER
167
Lic. Federico Cetrangolo; Néstor Huici; María Elena Troya; Agustín Salvatierra. -
PROSAP – UCAR
Ing. Ariel Robles; Sr. Javier Fontana; Lic. Virginia Striker. Municipio de Crespo
(Gestión 2011 – 2015)
Arq. Dario Schneider; Arq. Omar Molteni; Sra. Mariela Gallinger, Lic. Roxana Gottig;
Abg. Elina Ruda. -Municipio de Crespo (Gestión 2015 – 2019)
Ing. Agr. Sergio Milera; CPN Juan Carlos Schmidht. -Cooperativa La Agrícola Regional
Ltda.
Sra. Isabel Ortiz; Sr. Raúl Asserlbon; Sr. Diego Jacob; Sr. Pedro Neiff; Sr. Germán
Fischer, Sr. Guillermo Welsch; Sr. Hernán Muller. -Presidentes de Juntas de Gobierno
IMAGEN 2:
168
CLUSTER DE LA CADENA PORCINA DE ONCATIVO
Capuccino, V.
AER INTA Oncativo
capuccino.victor@inta.gob.ar
INTRODUCCIÓN
Una de las grandes paradojas de la actual economía global es el hecho de que cada
vez más las ventajas competitivas duraderas tienen que ver con factores locales, con
determinados condicionantes ubicados en ciertos espacios geográficos (conocimiento,
cultura colectiva, relaciones y motivación) que los competidores distantes no pueden
igualar.
Cuando la competitividad estaba estrechamente vinculada a los costos; los espacios
geográficos con alguna característica clave como por ej. disponibilidad de recursos
naturales, acceso a puertos naturales o de mano de obra barata, usufructuaban de una
ventaja comparativa decisiva. Hoy la realidad nos dice que mediante la provisión global
esta ventaja comparativa es un factor menos relevante. Poseer una ventaja competitiva
implica la existencia de una innovación permanente generada por la especialización
sectorial, mano de obra y proveedores especializados, identidad socio cultural, saberes,
fuerte presencia de empresas que participan de distintos eslabones de una misma
cadena, etc. De allí la importancia que día a día adquiere el fenómeno de los clusters.
169
alimentos balanceados e insumos para producción porcina y una firma que se dedica a
la fabricación de instalaciones y elaboración de proyectos “llave en mano”. En la
actividad ganadera se destaca la producción porcina con 75 granjas de producción
primaria. Una empresa de transporte especializada en cerdos. 21 pymes elaboradoras
de chacinados.
Municipalidad de Oncativo.
INTA Agencia de Extensión Rural Oncativo, con el apoyo de la Estación
Experimental Agropecuaria Marcos Juárez y Manfredi.
Federación Agraria Argentina (FAA), filial Oncativo.
Club Deportivo y Cultural Unión de Oncativo.
Centro Comercial e Industrial de Oncativo.
IPEM 220
Grupo Cambio Rural “GrupocerOncativo”
170
ENTORNO COMPETITIVO, OPORTUNIDADES DE MERCADO Y CAPACIDADES
DEL CLUSTER
P rove e r con ca rne s de ca lida d dife re ncia da , e nva s a da a l va cío, a ca rnice ría s y
supermercados locales y provinciales.
P rove e r con cha cina dos de ca lida d dife re ncia da e n ne gocios gourmet en la
provincia de Córdoba.
P rove e r con cha cina dos de ca lida d dife re ncia da a los gra nde s ce ntros urba nos de
todo el territorio argentino.
171
Figura 1: Diagrama de la Visión, misión y ejes estratégicos:
Ser reconocidos como proveedores de carnes y
VISIÓN chacinados de calidad en el mercado provincial
y nacional.
MISIÓN Desarrollar estrategias conjuntas que potencien las ventajas competitivas de las empresas e
instituciones del Cluster y generar valor agregado al total de la producción primaria
manteniendo la calidad.
EJES Integración y Emprendedorismo Comercialización
ESTRATÉGICOS Calidad Institucionalización
Eficiencia e Innovación y Mercados
Desarrollo Desarrollo y Desarrollo Centro de Estudio de
LINEAS DE
ACCIÓN Marca puesta en institucional del Innovación y Mercado de carne
Colectiva funcionamiento ClusterOncativo Servicios para la porcina y
de Planta Ciclo 2 Cadena de Valor chacinados
Adecuación de Porcina artesanales
Productores y
Chacinadores Gestión
Marca Colectiva Desarrollo Canales
Comerciales
172
TABLA 1: PROYECTOS EN MARCHA DEL CLUSTER:
Nro. Nombre Organismo ejecutor
1 DESARROLLO DE MARCA Municipalidad Oncativo
COLECTIVA “SALAME DE ONCATIVO” AER INTA Oncativo
8
DESARROLLO COMERCIAL Centro comercial e
industrial de Oncativo
CONSIDERACIONES FINALES:
Si bien esta es una organización que comienza a gestarse hace más de 3 años en torno a
una actividad que ya existía de hecho en Oncativo; es como que recién ahora se está
formalizando con la puesta en marcha de estos proyectos que son concretos, con
componentes, actividades y presupuesto definido.
Todas las instituciones antes mencionadas y que participan de la comisión del Cluster
cumplen un rol fundamental mostrando una gran interacción entre lo público y lo privado
dándole así una gran “institucionalidad” a esta organización.
Sigue vigente el desafío con que nos encontramos desde el comienzo y que pasa por
profundizar el sentido de pertenencia y lograr la adhesión, comprensión y apoyo a esta
iniciativa por parte de los integrantes de los eslabones de esta cadena. Que valoren la
importancia de consolidar esta propuesta de organización, que la “cadena de valor” es el
punto clave para mejorar la competitividad de todo el sistema agroalimentario y que
entiendan que dicha competitividad en gran parte se defiende con organizaciones de este
tipo.
173
CLUSTER QUESERO DE VILLA MARÍA: "ORÍGENES Y SITUACIÓN ACTUAL,
2009-2016"
Barrenechea, A.
Presidente del "Cluster Quesero de Villa María"
abarrenechea@arnet.com.ar
Centro de la Provincia de
Córdoba.
Comprende un área
aproximada de 13500 km2.
Se destacan las
siguientes localidades: Villa
María, Bell Ville, Ucacha,
Las Varillas, Pozo del Molle,
Arroyo Cabral, James Craik
174
CUADRO 1: REFERENCIAS COMPARATIVAS ENTRE LA "CUENCA LECHERA DE
V. MARÍA" Y EL "CLUSTER QUESERO DE VILLA MARÍA".
48% de la leche cruda procesada por la 52% de la leche cruda procesada por las
industria láctea, proviene de regiones industrias de la región se produce dentro del
aledañas. Cluster Quesero Villa María.
25% de las empresas a nivel nacional 56% de las empresas del Cluster procesan el
procesan el 28% de la leche (Mayor concentración). 51% de la leche ( Menor concentración).
89 empresas elaboran el 27% de la 88 empresas que participan del Cluster,
producción nacional de quesos y el 40% de los producen el 18,3% de la producción nacional
quesos de pasta blanda. de quesos y el 25,6% de los quesos de pasta
blanda.
Fuente: Relevamiento equipo técnico Cluster Quesero Villa María (2009) – INTA Villa María
175
VISIÓN Y MISIÓN DEL "CLUSTER QUESERO DE VILLA MARÍA"
VISIÓN:
Ser una organización que nuclea a sus miembros para fomentar la mejora de su
competitividad y sustentabilidad.
MISIÓN:
176
IMAGEN 3: DIAGRAMA DE INTERACCIÓN BID - PROSAP
YA ALCANZADO!
177
PROYECTO 2 - ESTANDARIZACIÓN DE LA CALIDAD DE LOS PRODUCTOS DEL
CLUSTER QUESERO VILLA MARÍA.
YA ALCANZADO!
YA ALCANZADO!
178
PROYECTO 6 - DESARROLLO DE PROYECTO A NIVEL DE FACTIBILIDAD PARA
LA INSTALACIÓN Y OPERACIÓN DE UNA CÁMARA DE MADURACIÓN
COLECTIVA.
YA ALCANZADO!
179
CLUSTER ACUICOLA DEL NEA
INTRODUCCIÓN
La piscicultura, si bien cuenta con un gran potencial en el país, es una actividad aún
incipiente y escasamente articulada. Esta razón llevó a los Ministros de Producción de
cuatro provincias del Noreste Argentino a impulsar la creación de un Cluster Regional
que contenga a los actores de la actividad, al tiempo que sea la base institucional que
oriente el crecimiento de la actividad en la región.
A partir de la voluntad del sector público provincial fue posible convocar a los distintos
actores de la acuicultura de Corrientes, Chaco, Formosa y Misiones e iniciar un
proceso de clusterización en las provincias del NEA. El mismo lleva cerca de un año
1
“El Estado Mundial de la Pesca y la Acuicultura 2010”; FAO, 2010.
180
de duración y tiene como principal logro la formulación de un Plan de Mejora
Competitiva (PMC) consensuado por todos los actores.
Este proceso fue acompañado por el componente de Iniciativa de Desarrollo de
Clusters (IDC) de PROSAP, el cuál brindó la metodología necesaria para la
articulación de una Visión consensuada que oriente las acciones de mediano y largo
plazo con el propósito de mejorar la competitividad sistémica.
Es importante destacar que el trabajo de formulación del PMC se llevó adelante en
conjunto con el Programa de Competitividad del Norte Grande (PCNG), dependiente
del Ministerio de Economía. El objetivo de esta articulación fue aunar esfuerzos y
realizar en el territorio tareas conjuntas y coordinadas que optimicen los instrumentos y
esfuerzos de ambos programas.
El resultado fue una experiencia exitosa no sólo en la formulación de una estrategia de
mejora competitiva en la acuicultura del NEA, así como en la articulación de dos
programas nacionales similares, sino también en la creación de las bases
institucionales necesarias para el desarrollo de la actividad.
INTERVENCIÓN METODOLÓGICA
La intervención metodológica estuvo a cargo del equipo de IDC – PROSAP. La misma
puede dividirse en dos etapas: i) formulación del PMC y; ii) ejecución de los proyectos
derivados del PMC.
La primera fase contó con una serie de reuniones, estructuradas en tres niveles de
participación:
Equipo Técnico. Conformado por técnicos locales y especialistas que llevaron
adelante el análisis competitivo del Cluster.
Grupo Impulsor. Conformado por representantes de las organizaciones del
sector privado, público y científico tecnológico vinculadas directamente al
Cluster; cuyo objetivo fue orientar las decisiones colectivas y validar el trabajo
del Equipo Técnico.
Foro. Conformado por el conjunto de actores del cluster, cuyo objetivo fue
validar las decisiones estratégicas del PMC:
181
IMAGEN 1: PROCESO DE FORMULACIÓN PMC
182
info@clusteracuicola.net
www.clusteracuicola.net
183
2. Proyectos del Cluster Acuícola del NEA
Objetivo Estratégico Idea Proyecto
Analizar la viabilidad de formas de
alimentación en base a productos de la
región utilizada por pequeños
productores
Evaluar y validar los alimentos
balanceados para acuicultura disponibles
en el NEA
Establecer y difundir parámetros de
Mejorar la capacidad técnica de la
calidad de alimentos destinados a la
Cooperativa Sáenz Peña en su
Eje Estratégico 1
184
actual pacú para sistematizar y analizar
información genética
Determinar y establecer los procesos
productivos eficientes para la producción
acuícola de las especies del NEA (carpa
y pacú)
Confeccionar un modelo de planta
frigorífica para piscicultura homologada
Desarrollar y promover servicios de
Desarrollar un modelo de integración
faena específicos para la acuicultura
productiva para la micro-región donde
del NEA que agreguen valor a los
interviene la Cooperativa Agrícola
productos y fortalezcan los vínculos
Limitada Campo Viera
entre eslabones
Desarrollar la fase de industrialización
para la Asociación Cuencas Unidas
Cluster
REFERENCIA
185
CLUSTER INDUSTRIAL AGROALIMENTARIO: UNA MIRADA
INTERSECTORIAL
Sierz, L.
Coordinadora del Cluster Industrial Agroalimentario
info@agroindustrialcba.com.ar
INTRODUCCIÓN
El Clúster Industrial Agroalimentario surge a partir del Acuerdo de Cooperación
firmado por la Cámara de Industriales Metalúrgicos y Componentes de Córdoba
(CIMCC) y Federación Agraria Argentina (FAA), el día 21 de marzo de 2011.
EJES DE TRABAJO:
Para llevar adelante una gestión integrada, teniendo en cuenta todos los puntos que
incluye trabajar el binomio industrial y agroalimentario, se resolvió definir los siguientes
ejes de acción:
NETWORKING Y VINCULACIÓN
DIFUSIÓN Y FOMENTO
CADENAS DE VALOR
186
participación del Clúster en los ámbitos de toma de decisión en las políticas del sector
agroindustrial, tanto a nivel de gobierno provincial como nacional.
187
adaptarse a las condiciones productivas de la región en términos de recursos y valores
productivos.
VISION
Los valores que se trabajan en cada proyecto que participa el Cluster implican:
- Compromiso Asociativo entre todos sus integrantes.
- Flexibilidad y autocrítica
- Adaptación al cambio
- Búsqueda permanente de la calidad y la competitividad
- Visión de mediano y largo plazo
CONSIDERACIONES FINALES
Cluster intersectorial reúne actores que precisan bienes de capital nacionales para
transformar producción primaria en origen con entidades que pueden realizar dichos
desarrollos. Este espacio creado para encuentro donde instituciones, universidades y
empresas informan realidades concretas de pymes cordobesas, permite compartir un
conjunto de experiencias y aprendizajes que pueden transferirse y aplicarse.
188
REFERENCIAS
26/08/16
https://www.facebook.com/minCyT/posts/1746086545664318?pnref=story
29/07/16
189
DESARROLLO DE CLUSTERS
Yangosian, M.
Unidad para el Cambio Rural
myangosian@ucar.gov.ar
INTRODUCCIÓN
De modo que un clúster puede ser definido como “un conjunto interrelacionado (de forma
vertical u horizontal, más o menos directa) de empresas (masa crítica) e instituciones
interconectadas productiva, comercial y tecnológicamente a través de mercados o de
relaciones de cooperación, localizadas en un ámbito geográfico acotado”. Esta concentración
de empresas y organizaciones genera ganancias de eficiencia que no resultan asequibles
para las empresas de manera individual.
La configuración de los clústers está afectada por diversos factores, tanto internos como
externos. Entre los factores internos se destacan su trayectoria anterior, la complejidad
institucional desarrollada y la presencia de firmas auxiliares competitivas, las condiciones que
190
presenta su demanda local, las características de los factores locales de producción
disponibles (grado de especialización de la mano de obra, la presencia de recursos físicos,
de conocimiento, de capital o de infraestructura) y el contexto de relaciones de las empresas
en el territorio geográfico (Porter, 1990). A la vez, los factores externos tienen que ver con la
influencia que ejercen las condiciones globales, las macroeconómicas (nacionales) y
mesoeconómicas (regionales) en las que el clúster se desarrolla productivamente (Fernández
y Vigil, 2006).
Las ganancias de eficiencia logradas al interior de un clúster pueden ser analizadas a través
del concepto de eficiencia colectiva. Ésta se define como la ventaja competitiva que se
deriva de la combinación de la existencia de economías externas -incidentales- (“external
economies”) y acción colectiva (“joint action”) -conscientemente buscada-. La forma que
adquiera esta combinación entre economías externas y acciones colectivas que desarrolle un
clúster define el grado de eficiencia colectiva que éste adquiere (Schmitz, 1997).
El concepto de economías externas surge del análisis realizado por Marshall en 1920 que
estudió la existencia de economías que se producían de forma externa a la empresa individual
pero que eran internalizadas por las aglomeraciones industriales en su conjunto. Las
economías externas más comunes que explican la localización industrial se resumen en: 1) la
generación de un mercado para trabajadores especializados en una determinada labor; 2) la
generación de un mercado para insumos y maquinaria especializados, lo cual mejora la
disponibilidad, genera competencia vía precio e impulsa la calidad de los insumos y sus
servicios asociados; 3) el mejoramiento del acceso a los mercados y 4) una facilitación en el
acceso al conocimiento especializado y una diseminación más rápida de la información entre
las empresas.
Por otra parte, las acciones colectivas actúan en forma complementaria con las economías
externas, a partir de la puesta en marcha de fuerzas deliberadas de acción en conjunto por
parte de las empresas. La acción colectiva puede tomar tres formas distintas: a) acción
colectiva con conexiones verticales que tienen en cuenta tanto los vínculos hacia atrás, con
proveedores, como hacia adelante, con comercializadores y clientes; b) acción colectiva con
conexiones horizontales bilaterales, que tienen lugar entre dos o más productores locales, lo
cual puede resultar, entre otras, en acciones de marketing conjuntas, compras conjuntas de
insumos, uso común de equipamientos, desarrollo conjunto de productos o intercambio de
conocimiento e información de mercado y c) acción colectiva con conexiones horizontales
multilaterales, en donde entran en juego los vínculos entre un número alto de productores
locales, organizados a través de instituciones propias del cluster, lo cual puede incluir
acciones de cooperación en la conformación de asociaciones de negocios o de centros de
servicios y apoyo local (Schmitz, 1997; Pietrobelli y Rabellotti, 2004).
191
1) “Clústers emergentes” Se trata de un aglomerado de productores con bajo grado de
formalización y reducidos niveles de capitalización, que muestran ciertos niveles de
compromiso (de medio a alto) en relación a las acciones promovidas por el clúster. En
general involucra actividades netamente primarias, con poca o nula elaboración
industrial y de reducida envergadura económica que no obstante, se presentan como
posibilidades de diversificación productiva en territorios rezagados. Si bien son actividades
viables desde una perspectiva agroecológica, su mercado es reducido debido al nivel de
ingreso medio de los territorios en los que se encuentran insertos, y debido a las
limitaciones productivas y logísticas que enfrentan para llegar a mercados de mayor
magnitud (centros urbanos y/o mercados externos). Se trata de clústers mayormente
promovidos por el Estado (nacional, provincial o municipal) en base a oportunidades
incipientes de mercado. Cuentan con experiencia asociativa, cierto desarrollo
institucional del sector privado y potencialidad para la comercialización conjunta.
Esto se debe a una modalidad de intervención del sector público que promueve la
integración de los actores privados y a que la pequeña escala que caracteriza a los
productores posiciona al asociativismo como la única alternativa viable para la
subsistencia de la cadena en cuestión. En estos territorios a veces existen instituciones
científicas y/o tecnológicas pero su vínculo o aprovechamiento por parte de los
productores es nulo o muy bajo. En síntesis se trata de clústers que presentan debilidad
tecnológica y económica de conjunto.
En estos casos, existe una cierta masa crítica institucional, tanto pública como privada,
con capacidad y voluntad para la aglomeración, dentro de un determinado territorio. El
desarrollo del Clúster se vincula con la necesidad de identificar las variables dinámicas y
definir una estrategia que le posibilite un salto en la competitividad del conjunto. En ocasiones
estos clústers muestran capacidad para incidir en la agenda de las instituciones
científicas y tecnológicas locales y son usuarios de los servicios de las mismas.
192
innovación tecnológica y prestación de servicios productivos, son características
centrales de este tipo de Clústers. Estos Clústers presentan, asimismo, una predisposición
espontánea o natural (no forzada) para el desarrollo (concreción) de uniones y/o
estrategias conjuntas. Algunos incluso logran armar sus propias organizaciones científicas
y tecnológicas, las que trabajan sobre las demandas de las empresas del clúster.
El PROSAP brindará, sobre una base metodológica similar, una asistencia técnica para
alcanzar fines específicos acordes al grado de desarrollo de los distintos tipos de clusters. Un
vez concluida la primera fase de definiciones estratégicas y de consolidación institucional del
cluster, el PROSAP financiará total o parcialmente la instrumentación de proyectos que
contribuyan a alcanzar la estrategia definida, presenten un fuerte sentido colectivo (beneficien
al conjunto del cluster), sean acumulativos (constituyan un proceso que va ganando
complejidad y rendimiento) y hayan sido definidos – priorizados de manera consensuada por
los actores del cluster.
Clusters emergentes:
El PROSAP brindará una asistencia técnica que tendrá como principal objetivo impulsar el
desarrollo de la capacidad productiva e institucional del cluster a partir de la constitución de
sistemas locales de innovación. La capacidad de introducir innovaciones en la base productiva
de un territorio constituye una cuestión crucial para su progreso. El desarrollo de una actividad
productiva, social, económica y ambientalmente sostenible implica llevar a cabo un complejo
proceso con múltiples retroalimentaciones que requiere de la interacción entre los poseedores
del conocimiento, los hacedores y gestores de políticas (el sector público desde sus distintos
ámbitos de injerencia), los poseedores del recurso financiero, emprendedores y la sociedad
en su conjunto.
Proto clusters:
El PROSAP brindará una asistencia técnica que tendrá como principal objetivo incrementar el
grado de cohesión de los actores vinculados en torno a una actividad productiva o segmento
de negocio. En este sentido la asistencia técnica, se centrará en detectar los “vacíos”
institucionales en el marco de una estrategia de desarrollo para la actividad productiva que da
razón al cluster. Los proyectos resultantes apuntarán a fortalecer las capacidades técnicas,
de prestación de servicios y gestión de las instituciones locales así como a elevar el grado de
articulación inter- institucional y con el sector productivo.
193
Clusters parcialmente articulados:
En este sentido, se prevé que la presente línea de acción actúe como catalizador de recursos
del componente y también de los restantes instrumentos de financiamiento con que cuenta el
PROSAP, entendiendo que su aplicación, bajo un esquema de cluster, permitirá ampliar el
impacto territorial del programa y optimizar los recursos disponibles.
Los clusters participantes de esta línea de acción percibirán una asistencia técnica específica,
de tipo dura, destinada a desarrollar la viabilidad técnica y económico- financiera de los
proyectos, y una asistencia financiera para la ejecución de los proyectos elaborados. En todos
los casos los proyectos a financiar/ejecutar, deberán contar con el consenso del conjunto, el
cual se materializará mediante nota de conformidad de las instituciones que integran el órgano
de gobierno del cluster (directorio, comisión directiva, etc.).
194
Ilustración 1. Fases de la implementación de la IDC.
Todo el proceso comienza con la identificación y selección los clústers a ser apoyados por la
UCAR (A). El Gobierno Nacional y los Gobiernos Provinciales, así como los gobiernos y
organizaciones locales, son los que identifican los clústers de interés, de acuerdo con las
estrategias productivas de cada región y atendiendo la posibilidad de articulación de diversos
instrumentos para su desarrollo, buscando contar con el consenso de las instituciones
empresariales de los conglomerados propuestos. 1 Los interesados deberán completar el
Formulario de Presentación de Iniciativas de Desarrollo de Clústers para iniciar el proceso de
selección de beneficiarios.
Una vez completados, los formularios son presentados ante la Unidad Ejecutora Central
(UEC) de la UCAR, la cual los recibe para su evaluación. El Sector de Mejora Competitiva de
la Unidad de Competitividad y ANR - UCAR, efectúa una evaluación en primera instancia para
luego elevar la propuesta al Comité de Evaluación de Iniciativas de Desarrollo de Clústers
(CEIDC) 2 que tiene la potestad de aprobar la misma, en base a la documentación recibida y a
las políticas nacionales vigentes. La evaluación se realiza teniendo en cuenta los criterios
básicos para la identificación y selección de clústers previstos por el Programa, los que se
detallan a continuación:
Que exista una masa crítica de empresas y productores que se encuentren dentro de
una misma actividad económica (segmento de negocio, producto, mercado);
Que se encuentren localizados en un territorio acotado para posibilitar la interacción y
participación de los actores en reuniones o talleres específicos;
Que produzcan bienes a ser comercializados fuera de dicho territorio, aunque se
permitirá apoyar a clústers emergentes cuando la situación sea claramente justificada;
Que involucren actividades que permitan ampliar la estructura productiva provincial;
Que comprendan la participación de la pequeña y mediana producción.
195
En esta etapa y la C, de Identificación y Formulación de los proyectos de desarrollo, se utiliza
una metodología participativa para garantizar el involucramiento de los actores locales y la
apropiación de todo el proceso. En cada iniciativa se pone en marcha un plan de trabajo -con
un esquema específico de organización y roles-, que permita consensuar la estrategia
competitiva identificada. Un equipo técnico, compuesto por especialistas locales, procesa,
sistematiza y analiza la información y la presenta ante el grupo impulsor. El grupo impulsor,
compuesto por los referentes públicos y privados de la actividad en el territorio revisan y
validan los resultados parciales logrados durante el proceso. El Foro es la instancia de
validación pública y construcción de consensos, en ellos participan todos los actores
vinculados a la actividad. En este proceso es clave el rol del coordinador del Clúster y el
acompañamiento de los facilitadores técnicos de la UCAR y de la Provincias, quienes trabajan
en aglutinar y coordinar las acciones de todos los actores.
Una vez finalizado el Plan, se pasa a la segunda fase, que es la puesta en marcha del Plan
de Mejora Competitiva (Implementación de proyectos o etapa D del esquema presentado).
Entre la aprobación del Plan de Mejora Competitiva por parte de los organismos financiadores
-en este caso el Banco Interamericano de Desarrollo- y la ejecución de los proyectos
específicos formulados, es necesaria la formalización de un ámbito institucional representativo
del Clúster. En la mayoría de los casos se conforma una Asociación Ad Hoc que cuenta con
tres estamentos organizacionales: la Asamblea o Foro, el Directorio y la Gerencia operativa.
El primero de ellos está conformado por la totalidad de los actores vinculados a la actividad
del Clúster y supervisa, las actividades que se realizan durante la implementación del Plan de
Mejora Competitiva (PMC). El segundo, se constituye como el estadio político: es el espacio
de decisiones tanto estratégicas como operativas. El tercer estamento, se corresponde con
las responsabilidades administrativas que asume el nexo entre los Organismos Ejecutores y
el Directorio.
196
correspondiente para compras o contrataciones. Para esta tarea cuentan con el apoyo de la
Gerencia operativa y con el aval del Directorio del Clúster para respaldar los movimientos
financieros del Plan. En tanto que el Directorio es el referente del Clúster ante el Programa de
Servicios Agrícolas Provinciales (PROSAP) y por lo tanto el responsable de la solicitud de
desembolsos requeridos por los Organismos Ejecutores. Mediante esta dinámica de trabajo,
en la cual los principales referentes del Clúster conducen el proceso de orientación
estratégica, se busca promover el desarrollo de las capacidades locales y el fortalecimiento
de la institucionalidad generada.
Se entiende por Plan de Mejora Competitiva (PMC) a la documentación que integra los
resultados del proceso de trabajo llevado a cabo por los actores del Cluster. El PMC sintetiza
un diagnóstico y estrategia, formulados en forma colectiva, para el incremento de la
competitividad del conglomerado productivo. Con el objeto de alcanzar los escenarios
deseados, se concibe una estrategia con fuerte influencia multiplicadora para superar
obstáculos y aprovechar oportunidades de mercado.
197
2.2. El esquema organizativo y la dinámica de trabajo.
Los actores que intervienen en el proceso de formulación del PMC, así como sus roles y
funciones se presentan a continuación:
198
La dinámica de trabajo para la formulación del PMC comprende tres instancias de
participación, de acuerdo a los roles y funciones específicas de cada actor:
Instancias de Participación
Aporte de
1era
Análisis
Instancia
Técnico
racionalidad
2da Instancia
empresarial
y de gestión
Foro
3era Instancia
pública.
Técnicos locales.
Facilitador PROSAP. Representantes del
Consultor externo. sector privado y Participación abierta
político – público. a todos los actores
del cluster.
199
3. LECCIONES APRENDIDAS
3) Una de las exigencias que ha implementado el Programa que resulta un buen punto de
partida para avanzar en el fortalecimiento institucional y el compromiso de los
200
integrantes de los Clúster en las acciones de mediano plazo, ha sido la de requerir la
conformación de una Asociación ad hoc integrada por las instituciones vinculadas al sector
y participantes de la elaboración del PMC. Estos organismos fueron los que firmaron un
convenio con el PROSAP a los efectos de la ejecución de los Proyectos consensuados en
el marco del PMC de cada Clúster y tienen la obligación de seguimiento de la gestión de
los aportes financieros que realiza el PROSAP para la consecución de cada proyecto, así
como los requerimientos de la contraparte.
4) Por otro lado, en casi todos los Clúster bajo análisis, es posible observar que la
planificación de proyectos colectivos a desarrollar en los primeros años de puesta en
marcha de cada Clúster, persigue mejorar aspectos no sólo vinculados al fortalecimiento
institucional, sino también a la mejora y normalización de la producción (tanto en lo
vinculado con la escala como la homogeneización de la producción conjunta del Clúster ),
la disponibilidad y calidad de insumos y recursos humanos, el desarrollo tecnológico,
actividades de promoción comercial, acciones de mejora en la logística y el transporte,
inversiones para avanzar en la agregación de valor y/o diferenciación de productos. Sin
dudas, el abordaje de los proyectos que el Programa ha buscado financiar en cada Clúster
parte de una concepción sistémica de mejora de la competitividad, que redunda en
beneficios que no son sólo medibles en términos de productividad.
8) El análisis de la ejecución financiera de cada cluster apoyado pone de relieve una mayor
dependencia financiera de algunos Clúster en relación al Programa, lo que puede estar
vinculado con las diferentes etapas en las que se encuentra cada uno de los Clústers en
términos de maduración.
201
En este sentido, si se analiza lo ejecutado en montos de cada iniciativa puede apreciarse una
relación directa entre los niveles de ejecución financiera y el grado de desarrollo del Clúster.
Se observa que aquellos clúster con niveles de ejecución superiores al 50% se encuentran
“parcialmente articulados”. Tal es el caso de los Clúster: Lácteo de Tucumán, Florícola del
AMBA, Ganadero Bovino de Mendoza y Lechero Regional. Los clúster que muestran un nivel
de ejecución medio (entre el 25 y el 50 % de lo comprometido en el PMC) se encuentran
dentro del segmento de Proto Clúster. Aquí se ubican los Clúster: Frutas Finas Norpatagonia,
Pecán Entre Ríos, Pesca Artesanal de Tierra del Fuego y Mandioca Misionera. Por último
aquellos clúster categorizados como emergentes, tales como el Porcino de Henderson
Daireaux y el Nogalero de La Rioja, muestran niveles de ejecución inferiores al 25%.
Así, la evidencia confirma que allí donde existen entramados institucionales desarrollados y
sectores productivos con cierta envergadura económica, la gestión e implementación de
proyectos de apoyo competitivo se ve fuertemente traccionada. Este hecho pone de relieve el
trade off entre destinar recursos de la política pública a aquellos que menos los necesitan pero
más eficientemente los utilizan versus destinarlos a aquellos que más los necesitan pero que
debido a su incipiente grado de desarrollo más dificultades encuentran para gestionarlos y en
consecuencia utilizarlos.
4. CONCLUSIONES
La experiencia de la UCAR, aunque incipiente, permite afirmar que es posible instaurar desde
un programa público una dinámica de trabajo que cree un “ambiente cluster” en cadenas
agroindustriales que reúnan ciertas características básicas. También nos muestra que esta
política tiene sus limitaciones.
Por este motivo es muy importante seleccionar bien la cadena de valor y los actores con los
que se va a trabajar, ya que no se le puede pedir a la herramienta que genere “milagros”. Si
no hay condiciones agroecológicas que permitan desarrollar ventajas comparativas o
capacidad institucional que las permita transformar esas ventajas estáticas en ventajas
competitivas resultará muy difícil tener éxito en esta política. Tampoco esta política puede
hacer mucho cuando no hay mercado para los productos de la cadena seleccionada, o la
política macroeconómica diseñada por el gobierno nacional es adversa al sector, o le impone
202
fuertes restricciones. Finalmente, cuando el territorio no demuestra “ánimo de trascender” y
tras un tiempo de convocatorias a talleres y reuniones denota “fastidio” por los procesos de
planificación y desarrollo debe asumirse que en dicha cadena esta política no funcionará.
No obstante, nuestra experiencia nos permite ser optimistas. Son muchas las experiencias de
planificación del desarrollo mediante la metodología de desarrollo de clusters que hoy pueden
exhibirse como exitosas. Y ese éxito se puede medir en: empresas del territorio que hoy
acceden a tecnologías cuando antes les eran ajenas, zonas que hoy reciben inversiones
públicas y privadas cuando antes no lo hacían, el desarrollo de redes de información y
comunicación entre instituciones públicas y privadas que antes no existían, y la densificación
del entramado productivo y comercial por el desarrollo de nuevas actividades y negocios,
entre otras.
REFERENCIAS
PORTER, M.E. “Competitive advantage”. New York, The Free Press. 1985.
PORTER, M. 1991. “La ventaja competitiva de las naciones”. Javier Vergara Editor SA.
Pietrobelli, C., R. Rabellotti. 2007. Upgrading to Compete. Clusters and Value Chains in Latin
America. Cambridge, MA.: Harvard University Press.
Pietrobelli C., R. Rabellotti. 2007. Business Development Service centres in Italy: close to
firms, far from innovation. World Review of Science, Technology and Sustainable
Development 4.
Pietrobelli C., L. van Oyen, J. Dobinger. 2009. Independent Thematic Evaluation of the UNIDO
Cluster and Networking Development Initiatives. Vienna: United Nations Industrial
Development Organization.
Schmitz, H. 1995. Collective Efficiency: growth path for small-scale industry. Journal of
Development Studies 31: 529–66.
203
204
BIOENERGÍA
205
206
LA BIOENERGÍA EN EL SECTOR AGROPECUARIO ARGENTINO COMO
HERRAMIENTA PARA EL AGREGADO DE VALOR EN ORIGEN
Nuestro país presenta una marcada dependencia de los combustibles fósiles (petróleo,
carbón y gas natural), los cuales representan alrededor del 86,5% 1 de la matriz
energética primaria nacional (Gráfico 1); de estos combustibles el gas natural
representa el 52,4%.
Además, la balanza comercial energética del país desde el año 2010-2011 es negativa
(importaciones mayores a exportaciones), alcanzando en el año 2015 un déficit de
alrededor de 5.000 millones de dólares (Gráfico 2) generando un gran costo y fuga de
divisas para el país.
1
Balance Energético Nacional (BEN 2014). Ministerio de Energía y Minería.
Presidencia de la Nación.
207
Gráfico 2. Balance comercial energético Argentino 1980-2015(e). Fuente: Daniel
Gerold en base a datos oficiales.
En lo que respecta a la distribución de gas natural a nivel nacional, al igual que para el
caso de la energía eléctrica, existen grandes sectores del país que carecen de una red
de distribución que permita acceder a éste tipo de energía.
208
Figura 1. Redes de transporte y distribución de energía eléctrica.
POTENCIAL DE LA BIOENERGÍA
En este contexto, Argentina cuenta con una gran superficie agrícola (36,8 millones de
hectáreas2), con una producción de granos que supera los 100 millones de toneladas.
Un 85-90% de los granos que se producen se exportan como commodity (o con una
muy pobre industrialización) generalmente a un bajo valor por tonelada si lo
comparamos con los bienes que importamos. Este crecimiento de la superficie
destinada a la agricultura se produjo en alguna medida como consecuencia, entre
otros factores, por la liberación de tierras por parte de la actividad pecuaria (cambio del
2
Calzada, J. (2014). Comparación entre USA y Argentina: áreas sembradas con
cereales y semillas oleaginosas. Bolsa de Comercio de Rosario.
209
uso del suelo), fundamentalmente la bovina, pasando ésta, en numerosos casos, a
sistemas más intensificados en los cuales se aumenta considerablemente el grado de
confinamiento. Esto último trae aparejado la aparición de nuevos problemas debido
fundamentalmente a la concentración de animales en menor superficie, entre los
cuales se destaca la generación de una mayor cantidad de efluentes que si no son
adecuadamente tratados pueden ocasionar contaminación ambiental.
Por otro lado en numerosos territorios contamos con una agroindustria (industrias
lácteas, frigoríficos, etc.) que genera, luego de su proceso industrial, una serie de
residuos que en muchos casos no son debidamente gestionados y se liberan al medio
ocasionando serios problemas de contaminación ambiental; o no se han valorizado
desde el punto de vista energético (industrias forestales, industria del maní, etc.). Se
los subestima y se los trata como un residuo “que molesta”.
A esta altura y atendiendo a las tecnologías que hacen uso de las distintas biomasas
(cultivos energéticos, residuos urbanos, pecuarios y agroindustriales) que se utilizan
en otras partes del mundo -y que en nuestro país tímidamente están apareciendo-
para la producción de bioenergía distribuida, cabe preguntarse ¿Qué estamos
haciendo?
210
internacional para la innovación. (http://taisgadealara.com/2015/09/argentina-
announced-its-indc-on-the-road-to-cop21/)
VÍNCULO ALIMENTO-ENERGÍA
Para lograr un sistema sustentable, los nutrientes que contiene la biomasa utilizada
para la generación de bioenergía deberían ser restituidos a los lotes de producción de
los que fueron extraídos (digerido, biochar, otros) para ser utilizados nuevamente por
los cultivos.
211
BIOENERGÍA COMO HERRAMIENTA NECESARIA PARA EL AGREGADO DE
VALOR EN ORIGEN (AVO).
REFERENCIAS
http://ria.inta.gov.ar/wp-content/uploads/2013/12/RIA-39-3.pdf
http://taisgadealara.com/2015/09/argentina-announced-its-indc-on-the-road-to-cop21/
http://www.fao.org/docrep/019/i3672s/i3672s.pdf
212
RELEVAMIENTO NACIONAL DE PLANTAS DE BIOGÁS
GOICOA, V.
INTI-San Luis
vgoicoa@inti.gob.ar
INTRODUCCIÓN
GRUPO DE TRABAJO
213
RESULTADOS
214
Dentro del sector privado el 85,3% implementaron la tecnología como sistema
de tratamientos de efluentes o desechos (total o como parte de un sistema más
complejo de tratamiento), y solo un 6% lo hicieron con fines principalmente
energéticos. Este hecho refleja y caracteriza el desarrollo de la biodigestión en todo el
país, donde el indicador más significativo de ello es la baja tasa de utilización del
biogás como fuente de energía.
215
costos de la energía juegan un papel domínate, si no también la disponibilidad de la
misma.
216
Esta tendencia muestra una subutilización de las capacidades de las
instalaciones ya que no se trabaja en el punto óptimo de actividad biológica, además
poner en evidencia el enfoque no energético de los reactores biológicos.
Algo similar ocurre con el sistema de agitación de los reactores, el 48,3% de los
biodigestores poseen un sistema deficitario o directamente no posee agitación, lo cual
influye de forma directa en su eficiencia e incrementa los inconvenientes operativos
(sedimentación y/o flotación de sustrato).
El 44,3% del biogás que se aprovecha se usa con fines térmicos y solo el 12%
restante se aplica para algún aprovechamiento eléctrico.
217
Figura 6. Tipos de sustratos.
Intenacional Nacional
51,7%
40,0%
33,3%
31,0%
20,0%
13,8%
6,7%
3,4%
CONSIDERACIONES FINALES
218
TAPA
TAPA