Exprimile Valor al Mapa de Rendimiento

P/1.9HOJA TÉCNICA >

> www.solapa4.com

> [email protected]

> 0800-362-1239

/solapa4

@solapa4

/company/solapa-4

GESTIÓN DE MONITORES DE RENDIMIENTO: > Variabilidad por ambientes > Beneficios agronómicos & económicos > Sustentabilidad

POR > Ing. Agr. Santiago González Venzano

P/2.9

LA GESTIÓN DE LOS MONITORES DE RENDIMIENTO NOS PERMITE:

1. Reconocer la variabilidad intra-lote ( y ambientarlo).

2. Reconocer que hay una interacción “manejo-ambiente” que nos permiti-ra capturar valor mejorando nuestro protocolo de decisiones y utilizando las tecnologías de Agricultura de Precisión.

PARA REALIZAR ESTA GESTIÓN, CRUZAMOS LOS MAPAS DE LOS MONITORES DE RENDIMIENTO CON OTRAS CAPAS DE INFORMACIÓN:

1. DE MANEJO DEL PRODUCTOR (genotipo, fecha de siembra, densidad, fertilización, etc)

2. DE AMBIENTES Muchas veces los campos no están ambientados, pero con solo tener los análisis de suelos Georreferenciados (EGM – Estaciones Georrefe-renciadas de Muestreo*) generamos muy valioso conocimiento.

PAPER TÉCNICO > MONITORES DE RENDIMIENTO

1ha

*¿Qué es una EGM? >Estación Georeferenciada de Muestreo.Es un punto Georreferenciado que identifica y representaun área específica.

Es en estas áreas donde vamos a realizar operaciones específicas para relacionarlas con variables agronómicasy sobre las cuales queremos capturar información.

FERTILIZACIÓNMAPA DERENDIMIENTO

GENOTIPO FECHA DESIEMBRA

P/3.9

EJEMPLOS DE COMO SE GENERAN “REGLAS DE DECISIÓN”, GESTIONANDO LOS MONITORES DE RENDIMIENTO.Algunas de estas reglas de decisión por ambiente están relacionadas con el manejo de genotipo y fecha de siembra por ambiente y no implican el uso de tecnologías de Agricultura de Precisión.

VEAMOS DOS CASOS:

En el Oeste de la Provincia de Buenos Aires, relacionamos el Rendimiento con % de Arena en la campaña 2011-12.

Se puso en evidencia que la variedad DM3810 fue más sensible al ambiente que DM4670, conclusión que nos permite ubicar la primera variedad en los ambientes de más potencial, y la segunda en los de peor. En los de poten-cial medio, las dos tienen el mismo comportamiento


100025 35 45 55 65 75 85

RE

ND

IMIE

NT

O

% DE ARENA

1500

2000

2500

3000

3500

4000

4500

5000

5500

6000 DM 3810y = -30,879x + 5837,4

DM 4670y = -4,2259x + 3999,3

P/4.9

Tambien en el Oeste de Buenos Aires en la campaña 2011-2012, analizamos la interacción Fecha de Siembra-Ambiente y su impacto en el rendimiento.

Encontramos que los ambientes de alto potencial (B2) deprimen su rendi-miento al atrasarse la fecha de siembra a razón de 31 kg por día, en cambio los ambientes de menor potencial (L2), aumentan su rendimiento al atra-sarse la fecha de siembra a razón de 49 kg por día. Los ambientes medios fueron indiferentes en el rango de fechas de siembra explorado.

Para capturar valor gestionando datos, debemos construir Reglas de Deci-sión que tengan impacto en la operación. En estos dos casos ejemplifica-dos, construimos dos reglas de decisión que para llevaras a la operación, no necesitamos las tecnologías de la Agricultura de Precisión: alcanza con tener los lotes categorizados con el “ambiente predominante”.

En cambio, hay otras interacciones manejo-ambiente como las relacionadas con la densidad y la fertilización, que generan reglas de decisión que captu-ran mas valor si se gestionan con tecnologías de agricultura de precisión.


1500

2000

2500

3000

3500

4000

4500

5000

19/10/11 24/10/11 29/10/11 03/11/11 08/11/11 13/11/11 18/11/11

RE

ND

IMIE

NT

O

FECHA DE SIEMBRA

B2y = -31,115x + 1E+06

R² = 0,4441

L2y = 49,463x-2E+06

R² = 0,5071

ML1y = -2,0923x + 89239

R² = 0,0093

P/5.9

VEAMOS DOS EJEMPLOS:

Se hicieron franjas con distintas densidades en maíz tardío y los mapas de rendimiento de dichas franjas se cruzaron con el mapa de ambientes (Ensa-yos S4-Monsanto). Se comprobó que la densidad óptima es más baja (40.000 pl/ha) para los peores ambientes y más alta (65.000 pl/ha) para los mejores. Esta regla de decisión nos está permitiendo capturar, cuando hay una varia-bilidad interesante, alrededor de 100 u$s/ha con los procesos y tecnologías de la Agricultu ra de Precisión.

Otro caso donde gestionando monitores, también la estamos encontrando interacción en la respuesta a la aplicación de fungicidas y el ambiente. Los resultados del proyecto Oeste Verde Basf-S4 nos indicaron que aplicar los fungicidas en Soja con reglas de decisión por ambiente puede duplicar la respuesta económica.


12.000

12.500

13.000

13.500

14.000

14.500

3.500

4.000

4.500

5.000

5.500

6.000

4 5 6 7 8 9

DENSIDAD SEMILLA /m2

RE

ND

IMIE

NTO

Kg/

ha

LOMA ARENOSAR² = 0,788

R² = 0,8585MEDIO

LOMA ARENOSA LOMA MEDIA

LOMA BAJO RIEGO

RESPUESTA -0,115 -0,002 0,154 0,341 0,441TESTIGO 1,949 2,734 3,203 3,668 3,184

-0,5000,0000,5001,0001,5002,0002,5003,0003,5004,0004,500

RE

ND

IMIE

NTO

Kg/

ha

P/6.9

RESUMIENDO,

los monitores de rendimiento no solo nos están mostrando que hay variabi-lidad intra-lote en los rendimientos, sino también que gestionándolos con otras capas de información, nos ense-ñan que la respuesta a las tecnologías depende también del ambiente.

La producción agrícola en la argen-tina dispone de una alta proporción de cosecha con monitores de rendi-miento. Consideramos esto una gran oportunidad, para que:

“las cosechadoras no solo cose-chen grano, sino también cosechen conocimiento”

PAPER TÉCNICO > MONITORES DE RENDIMIENTO P/6.9

P/7.9

Creemos que “cosechar conocimiento” no es tan difícil…solo debemos or-ganizar procesos y utilizar tecnologías de gestión de información apropia-das para que los datos de los monitores no queden olvidados en un cajón de escritorio o en la gaveta de la camioneta del contratista.

Convertir los archivos de las cosechadoras en mapas en una plataforma GIS que nos permita “gestionarlos”. Es decir, ir más allá de una “imagen bonita”. Ir a un archivo digital georreferenciado con extensión *.shp que se pueda “cruzar” con otras capas de información georreferenciada.

• En la plataforma GIS, dibujar zonas sobre el “mapa de ren-dimiento” del lote dividiéndolo en 3 categorías: Alta, Media y Baja Productividad. Este es el mapa de “microambientes”. No importa que este proceso sea manual. Consideramos impor-tante que lo haga “el que conoce el lote”, para poder capturar la información no reflejada o confusa en un mapa de rendi-miento (ejemplo, un problema de insectos, o de regulación de maquinaria, o granizo)

• Ubicar en cada “microambiente” resultante, EGM (Estacio-nes Georreferenciadas de Muestreo). De esta manera podre-mos “salir” de análisis de suelo promedio que nos permitira entender la heterogeneidad del ambiente y las causas de la variación del rendimiento intra-lote. Esta “nueva forma” de muestrear los suelos, no solo nos ayudaran a entender las causas, también nos permitirá seguir de manera consistente la evolución de la fertilidad a través del tiempo, convirtiéndose en un “tablero de control” de la sustentabilidad del sistema.

• Tenemos que contar con la información relevante de manejo en capas Georreferenciadas .

1

2

3


Muy BajoBajoMedio BajoMedio AltoAltoMuy Alto

P/8.9

CON ESTOS INGREDIENTES ORGANIZADOS, ESTAMOS EN CONDICIO-NES, Y DE MANERA MUY EFICIENTE, DE GENERAR CONOCIMIENTO “CRUZANDO” LA INFORMACIÓN DE LAS CAPAS ORDENADAS POR SU GEORREFERENCIA.

El siguiente esquema ilustra el “modelo conceptual”:

Somos conscientes también que este proceso es más valioso cuando esca-la en una red de productores con procesos y lenguaje común. Por eso cree-mos a conveniencia de uso de plataformas GIS-Web. La tecnología necesa-ria para automatizar la gestión de estos millones de datos generados por los monitores escapa a las posibilidades de un Excel y necesita la incorpo-ración de tecnologías de minería de datos.

La captura de valor termina cuando le podemos dar órdenes a la maquina-ria equipada con la tecnología apropiada para hacer aplicaciones variables. A esta “orden” la llamamos “mapa de prescripción”.

El mapa de prescripción es sencillamente el mapa de microambientes con las dosis que queremos aplicar de acuerdo a nuestras reglas de de-cisión por ambiente.

Así cerramos el círculo de mejora continua Operación/Gestión de Cono-cimiento.


El RENDIMIENTO es la variable dependiente: EJE “Y”

Un ejemplo de interacción del rendimientode 2 genotipos (manejo) con el ambiente.

El AMBIENTE es la variable independiente: EJE “X”

El MANEJO son losTRATAMIENTOS

CULTIVO

GENOTIPO

FECHA DE SIEMBRA

ESTRUCTURA DE CULTIVO

ANÁLISIS DE SUELO EGM

CLASIFICACIÓN DE AMBIENTE

RENDIMIENTO

FERTILIZACIÓN

MODIFICADORES

PLAGAS Y ENFERMEDADESDM 5.1iy = -0,0402x + 5,1361

R² = 0,412

DM 4670y = -0,1349x + 12,179

R² = 0,42911

40 60 80

Tn /

Ha

% DE ARENA

2

3

4

P/9.9

> www.solapa4.com

> [email protected]

> 0800-362-1239

/solapa4

@solapa4

/company/solapa-4

Exprimile Valor al Mapa de Rendimiento

Technology

Transcript of Exprimile Valor al Mapa de Rendimiento