Professional Documents
Culture Documents
OBJETIVOS:
15:20 a 15:50 hs. Soja y agricultura de precisión. Ing. Agr. Edgardo Martini (consultora
Baigorri - Martini).
16:50 a 17:10 hs. Aplicación de fotografías aéreas infrarrojas para la definición de zonas
y manejo variable de insumos. Ing. Agr. Pedro Towers (Agrisat).
17:40 a 18:10 hs. Manejo de insumos y estrategias por ambientes según zonas
determinadas con fotografías aéreas infrarrojas. Frontera
Agropecuaria Ing Agr. Axel von Martini.
18:40 a 19:20 hs. Enfoques del manejo sitio específico de fósforo en maíz y soja:
comparación de aplicación de insumos variable respecto a las
aplicaciones uniformes. Ing Agr PhD Manuel Bermudez.
19:20 a 20:00 hs Herramientas para el manejo sitio-específico de cultivos. Ing Agr PhD
Ortega Blu – Universidad Técnica Federico Santa María - Chile.
08:30 a 9:00 hs. Aplicación práctica de los sensores remotos según ambientes. Ing.
Agr. MSc. Agustin Bianchini (AAPRESID).
11:50 a 12:10 hs Resumen del panel aplicado a la Agricultura de Precisión. PhD Jorge
González Montaner – AACREA.
12:10 a 12:30 hs Resumen del panel aplicado a la fertilización. PhD Fernando García –
IPNI.
16:00 a 16:30 hs. Tecnología existente para transferencia de datos en tiempo real.
Ing. Andrés Moltoni (INTA Castelar).
Día 19 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de Precisión
de diferentes empresas que realizan trabajos de Manejo de Insumos Sitio Especifico.
09:00 a 09:30 hs. Avances en manejo de insumos variables en Sur de Córdoba. Ing Agr
Federico Espina. Responsable Técnico de A&T.
11:30 a 12:00 hs Aplicación de un modelo creado por Geoagro. Lic. Ricardo Peralta.
17:00 a 18:00 hs. Con un móvil provisto de audio se recorrerá los expositores que
participaran de la dinámica quienes serán los encargados de definir
brevemente (5 min.) sus productos a mostrar. El público se dirigirá a
cada parcela demostrativa las cuales se realizaran en forma
simultánea.
18:00 hs. Cierre del 7º Curso de Agricultura de Precisión a cargo del Ing.
Agr. PhD. Nestor Oliveri, Director Nacional del INTA.
14:30 a 15:10 hs. Utilidad Práctica del Monitor de Rendimiento (generalidades) Ing Agr
Fernando Scaramuzza (INTA - Proyecto Agricultura de Precisión).
17:40 a 18:20 hs. Monitor de Rendimiento, calibraciones y manejo - Field Star Técnico
Pascual Dócimo (AGCO)
Panel de Preguntas
08:00 a 08:30hs. Manejo de Software SMS - Técnico Juan Pablo Vélez (INTA
Manfredi).
09:50 a 10:20hs. Manejo de Software - Field Star Técnico Pascual Dócimo (AGCO)
12:00 a 12:30hs. Manejo de Software - Farm Works. Técnico Adrián Cardinali (D&E).
14:00 a 14:25hs. Guía Satelital. Introducción a GPS. Ing Agr Fernando Scaramuzza
(INTA Manfredi).
14:50 a 15:05hs. Guía Satelital - Trimble Técnico Adrián Cardinali (D&E S.A.).
17:40 a 18:10 hs. Funcionamiento del Green Seeker rt 200. Ricardo Melchiori y Adrian
Cardinali.
Dinámica a campo: la organización prevé un lugar para cada empresa donde podrán mostrar
sus productos.
14:00 a 15:10hs. Con un móvil provisto de audio se recorrerá los expositores que
participaran de la dinámica quienes serán los encargados de definir
brevemente (5 min.) sus productos a mostrar.
Edición
Diego Villarroel – Andrés Méndez
Ruta 9 km 636, 5988 MANFREDI, Córdoba, Argentina. Tel. +54 (3572) 493039,
agprecision@correo.inta.gov.ar / agriculturadeprecision@yahoo.com.ar
http://www.agriculturadeprecision.org
El uso de la Agricultura de
Precisión en la elección y el manejo de cultivares de soja 35-40
Ing. Agr. Edgardo Martín; Ing. Agr. MSc. Héctor Baigorri
(consultora Baigorri - Martín y Planeta Soja).
Agricultura de precisión.
Resultados de ensayos de manejo de insumos variables
según ambientes cosechados con monitor de rendimiento. 187-197
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez;
Lic. Federico Proietti; Ing. Agr. Fernando Scaramuzza;
Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Proyecto Agricultura de Precisión. INTA Manfredi.
Claas
¿Qué hace Claas para una Agricultura Precisa? 201-208
Sr Christoph Luis Darfeld (Servicio Técnico CLAAS).
Comunidad AP
Proyecto de difusión de la Agricultura de Precisión 235-239
Lic. Victoria Soda e Ing. Agr. Diego Peydro.
Pregunta nº 1
Pregunta nº 2
Pregunta nº 3
¿Toda esta tecnología resumida como “maquinaria agrícola precisa” para que
sirve, como se logra amortizar y obtener ganancias que justifiquen su
adopción?
Pregunta nº 4
Pregunta nº 5
¿Por qué un país como Argentina, hoy competitivo para producir productos de
industrialización primaria derivados del agro debe adoptar masivamente esta
tecnología?
Pregunta nº 6
Pregunta nº 7
¿Por qué es importante y útil sacar provecho del servicio de capacitación que
ofrece el INTA como entidad de neto corte técnico independiente de marcas
comerciales?
Bragachini: El INTA posee un prestigio y reconocimiento técnico por parte del
productor agropecuario ganado fundamentalmente por la imparcialidad del
manejo de la información; esto no asegura que sea siempre la mejor información,
Pregunta nº 8
En Argentina existen muchos técnicos capaces, con ideas brillantes, que por
desconocimiento no prosperan. El ámbito del curso será una buena herramienta
para potenciar el desarrollo de estas innovaciones.
La Agricultura de Precisión ya es una realidad del sistema productivo argentino; posee
vida propia y por eso, durante 3 días, el INTA Manfredi será la principal sede de
difusión de la Agricultura de Precisión a nivel Latinoamericano, ya que habrá 3
disertantes y muchos participantes extranjeros de Brasil, Cuba, Venezuela, Chile,
Bolivia, Paraguay, Uruguay, Colombia y Perú, España e Italia, entre otros.
A posteriori de este curso, el INTA programará un evento para el 2008 de mayor
magnitud, y con mayor grado de transferencia de conocimientos, pero eso todavía
esta en la cosina.
Pregunta nº 9
Pregunta nº 10
Pregunta nº 11
Total de Monitores de
50 200 300 450 560 600 850 1300 1600 2500 3130
Rendimiento
Monitores de
25 75 155 270 400 420 600 900 1300 2200 2750
Rendimiento con GPS
Monitores de
25 125 145 180 160 180 250 400 300 300 380
Rendimiento sin GPS
Dosis Variable
sembradoras y 3 4 5 6 10 12 25 40 130 500 700
fertilizadoras
Monitores de siembra 400 500 700 1000 1300 1500 1800 2200 3000 4200 5100
Banderillero Satelital
35 60 100 160 200 230 300 450 480 550 560
en aviones
Banderillero Satelital
0 10 70 200 400 500 2000 3000 4000 5000 5800
en pulverizadoras
Guía Automática 0 0 0 0 0 0 0 3 25 50 80
Sensores de N en
0 0 2 2 4 5 6 7 7 12 15
tiempo real
Fuente: Proyecto Agricultura de Precisión INTA 2006.
* 2007 estadísticas de los primeros 6 meses.
Argentina se ubica 2ª detrás de EE.UU en números de monitores de rendimiento y es 5º en el mundo en
número de monitores por cantidad de hectáreas sembradas. 1º EE.UU., 2º Dinamarca, 3º Suecia, 4º
Gran Bretaña, 5º Argentina, 6º Australia, 7º Holanda.
Pregunta nº 12
Siembra Variable CP CP SP CP SP CP SP CP SP CP SP
Maíz
Densidad 1 2 1.3 4 1.7 8 2.2 16 2.8 32 3.6
Soja
Densidad 1 1.5 1.15 2.25 1.32 3.3 1.52 5 1.75 11.4 2
Distanciamiento 1.5 2.55 1.15 4.3 1.32 7.4 1.52 12 1.75 21 2
Girasol
Densidad 0.5 1 0.6 2 0.7 4 0.85 8 1 16 1.2
Trigo
Densidad 1 1.7 1.2 2.9 1.4 5 1.7 8.3 2 14.6 2.4
Pregunta nº 13
Pregunta nº 14
Pregunta Nº 16
Pregunta nº 17
Pregunta nº 18
Pregunta nº 19
Pregunta nº 20
¿Cuál es la relación del INTA con otras organizaciones del sector como ser
CAFMA, CIDETER?
Bragachini: La relación del INTA Manfredi es excelente con todos, ya que se
persigue un objetivo común: trabajar interdisciplinariamente para lograr una industria
de maquinaria agrícola competitiva en costo y calidad de producto.
Con CAFMA, se está trabajando muy eficientemente en las colaboración en la
exportación de Maquinaria Agrícola a Venezuela y a otros países como por ejemplo
Kazakhstan; el INTA constituye el brazo tecnológico de la exportación de máquinas a
Venezuela y a otros países, y en el transcurso del 2006, a través de 15 cursos se
capacitarán alrededor de 400 técnicos venezolanos en Argentina en diferentes áreas
temáticas, además de mecanización.
Con el Centro Tecnológico de Desarrollo Regional, Fundación CIDETER (Provincias
de Santa Fe y Córdoba), con sede en Las Parejas, si bien la relación directa y activa
comenzó hace poco más de un año, existen proyectos y tareas programadas entre
CIDETER / INTA para el desarrollar el Cluster de maquinaria agrícola de Las Parejas,
Armstrong, Las Rosas y Marcos Juárez mediante la investigación y el desarrollo de
agropartes y componentes de máquinas precisas, estos proyectos serán una realidad
en el corto plazo; las posibilidades de éxito son altísimas y sus resultados se podrán
irradiar al resto del país.
El INTA Manfredi posee un alto respeto y reconocimiento por la tarea realizada por la
Fundación CIDETER, por ello deseamos alinearnos a sus objetivos y colaborar
Pregunta nº 21
¿El INTA Manfredi está integrado con sus proyectos al Instituto de Ingeniería
Rural con sede en Castelar?
Bragachini: Totalmente integrado, dado que el Instituto de Ingeniería Rural de INTA
aporta con sus desarrollos a nuestros proyectos, y nosotros colaboramos en todos
aquellos trabajos donde el IIR es referente a nivel nacional, Tractores, Pulverizadoras,
Sembradoras, Biocombustible, Normas de Seguridad, Transitabilidad y tracción, etc.
El IIR del INTA con sede en Castelar es un Instituto con mucha experiencia y con un
prestigio bien ganado en el área de mecanización de Argentina; por ese motivo, el IIR
muestra en este curso gran parte de sus conocimientos temáticos, poniendo a sus
técnicos que integran el Proyecto Agricultura de Precisión al servicio de los
participantes y las empresas.
Pregunta Nº 22
Pregunta final
Los rendimientos unitarios de la soja en Argentina son comparables a los más altos
del mundo. La Argentina en la cosecha 2006-07 obtuvo el mayor rinde promedio país
de la historia con 29.9 QQ entre los principales países productores. En general junto a
EEUU y el Brasil ostentan un promedio de los últimos años de 27.00 QQ
aproximadamente. Es de destacar que en la Argentina, el cultivo de soja, es en gran
CALIDAD FISICA CALIDAD SANITARIA CALIDAD NUTRICIONAL
GRANO: DEFECTOS DEL GRANO COMPOSICION DEL GRANO:
TENOR DE HUMEDAD GERMINADOS PROTEINA
PESO ESPECIFICO HONGOS ACEITE
TAMAÑO DEL GRANO MANCHADOS FIBRA
COLOR DEL GRANO QUEMADOS AMIDO
COLOR DEL HILO MINERALES
DUREZA CONTAMINANTES: CARBOHIDRATOS
INMADUROS-VERDES MICOTOXINAS
PESTICIDAS
MATERIAS EXTRAÑAS OTROS
MALEZAS
OTROS GRANOS
INERTES
parte monocultivo, con baja rotación con gramíneas, lo que marca un factor diferencial
importante a la hora de evaluar los rendimientos y la sustentabilidad del sistema en el
que la soja está participando. Esta situación se presenta en las diferentes regiones
sojeras de igual manera.
Proteina:
La Calidad de la soja Argentina es muy buena medida por los valores de proteina y
aceite contenidos en el grano, que sumados llegan al 62%. (Cuniberti et al), Los datos
disponibles en la actualidad en relación al contenido de aceite y proteina en Argentina
sugieren que una proporción considerable de la variación encontrada se debe a
efectos ambientales. ) Cuniberti et al.) Un reciente trabajo (Dardanelli, et al) concluyó
que para el contenido de aceite en la argentina hay un único mega ambiente, con
mejor comportamiento relativo de los grupos cortos en cualquier ambiente que lo
compone. El mayor componente de interacción de grupo de madurez por ambiente
para proteina y aceite más proteina permitió identificar por lo menos dos mega
ambientes para estos caracteres. En la comparación con los otros paises
productores, nos encontramos por debajo del Brasil, que tiene altos valores de
proteina y aceite y muy comparables con EEUU. La Argentina produce grano de alto
porcentaje de aceite, apetecido por la industria, pero el de MENOR valor proteico.
Se conocen varias relaciones entre proteina y aceite en el grano de soja. La proteina y
el aceite están inversamente correlacionados, el aceite y rendimiento están
positivamente correlacionados, y esta relación con el rendimiento es débil para la
proteina. Se han observado interacciones con el genotipo y con este y el ambiente.
En cuanto al genotipo, no son estables con el ambiente pero los valores relativos se
mantienen. En general en zonas de menor latitud ambos items se encuentran altos y
principalmente el porcentaje de proteina aumenta. También se observó una relación
con la fecha de siembra, a mayor adelanto mayor aceite y menor proteina. Las altas
temperaturas y el stress hídrico producen menor proteina.
Algunos de estos hechos se ejemplifican en los valores de la proteina y el aceite para
la Argentina.
En el àrea norte se obtienen 43% de proteina sss y 22,5% sss de aceite. En el área
central pampeana oscilan entre 39-42% y 20-22% respectivamente.
Estos valores se encuentran en las variedades cultivadas en la Argentina que
provienen de programas de mejoramiento para el rendimiento y resistencia a
enfermedades, sin procurar un objetivo especifico en cuanto al nivel de proteina o
aceite. Sin embargo en el germoplasma de soja, se encuentran genotipos con valores
de proteina mayores al 47% sss, pero con muy bajo aceite.
Hasta este año no se encontraban incentivos a sembrar variedades especiales en
estas características, ya que el mercado local no las consideraba. En los últimos años,
una empresa privada ha desarrollado un sistema para incentivar el uso de variedades
seleccionadas con alto valor de Profat (proteina + aceite).
La industria viene teniendo problemas en la producción de harinas proteicas con màs
del 44%.Un valor importante a tener en cuenta es la proteina sobre seco y
desengrasado, que es la cantidad de proteina que queda en la harina luego de la
extracción. Este valor en los últimos años se mantiene estable alrededor del 49,5%.
Cuando se lleva esto a la humedad de entrega de la mercadería se logra 43% a
12,5% de humedad. Para lograr 44% se debe bajar la humedad al 11/11,5%, lo que
genera un costo y pérdida de rendimiento en el proceso. Para llegar sin
Aceite:
Contamos con muy buenos valores de porcentaje de aceite en la soja Argentina, que
son tan beneficiosos para la industria aceitera. En los últimos años se han producido
trabajos referidos a la composición relativa de los diferentes ácidos grasos en el aceite
proveniente del “crushing” local.
Se observó, una mayor producción de ácido linolénico (C18:3) en partidas de
exportación, que eran cuestionadas como provenientes de mezclas con otras
especies. Esta situación generó discusiones sobre las causas, y las principales se
atribuyeron a la introducción y expansión de la soja transgénica, a un acortamiento
de los grupos de madurez en todas las regiones, a las siembras más tempranas y
finalmente a los cambios climáticos de los últimos años.
Grano Verde
Por ello hay maneras de mejorar la situación con las siguientes consideraciones:
• Uso de variedades adaptadas a siembras tempranas y especialmente de
primavera.
• Mejora en el sistema de rotaciones.
• Mejor distribución de las fechas de siembra en zonas de riesgo.
El impacto es el aumento de acidez en los granos que son más sensibles al calor en
el proceso del grano de soja en las plantas industriales, el cual a su vez aumenta los
valores de acidez. Para ello las plantas deben bajar la temperatura de secado, que
determinan menores rendimientos de “crushing”.
Para mejorar los valores de acidez es necesario un mayor desgomado.y esto
incrementa el costo de la industria, mermas en refinación física en neutralización,
perfil de ácidos grasos diferentes y costos.
Un aspecto importante a destacar es que a pesar de los aspectos sanitarios del
grano, no se detectaron ningún tipo de micotoxinas.
Las enfermedades en el cultivo se vienen acrecentando por la masificación del
cultivo, y las enfermedades llamadas “de fin de ciclo” son las principales. Si bien el
mejoramiento varietal ha desarrollado mejores variedades, y estas enfermedades
muchas veces no producen pérdidas de rendimiento, afectan la calidad de la
producción. El uso de funguicidas es una herramienta a utilizar en estos casos.
Estos temas se incrementan con el uso de cosechadoras obsoletas que forman parte
de la planta actual sin renovación.
Micotoxinas en soja
Introducción:
a- Imágenes del ambiente: que incluyen a las fotos aéreas e imágenes satelitales.
Estas últimas están disponibles en infinidad de formatos (bandas, tamaño de píxel,
b- Equipos lectores de los atributos físico-químicos del suelo: tales como los de
electro-conductividad. Este tipo de equipos permitirán a la brevedad caracterizar de
un modo adecuado la variable ambiental más importante, que es la disponibilidad
hídrica; permitiendo elaborar mapas del contenido de agua hasta la profundidad
máxima de exploración radicular de los cultivos, considerando la influencia de capas
de suelo que limitan la exploración radicular como la tosca y aportes de agua
adicionales a las precipitaciones durante el ciclo de cultivo como la napa freática
(actualmente esta información debe relevarse con la ayuda de barrenos y
freatímetros).
Actualmente se está avanzando en la cuantificación del aporte hídrico de la
napa freática, no obstante es necesario continuar con los estudios sobre este tema e
incorporar como trabajo de rutina la determinación del contenido de agua inicial.
Además se deben consideran en la CAP, los restantes componentes abióticos
(régimen de lluvias, térmico y de radiación solar), los componentes bióticos
(enfermedades, plagas y malezas) y los empresariales (tamaño de la explotación,
régimen de tenencia de la tierra y objetivos productivos de la empresa), para poder
elaborar el traje a medida, para cada establecimiento, lote y sectores del mismos.
El primer paso es la CAP en forma global ó regional y el paso siguiente es la
identificación y cuantificación de la variabilidad intra lote, para determinar cuántos
ambientes diferentes hay en esa área en particular y cuán diferentes son.
Con la caracterización anterior se definen la cantidad de áreas diferentes y se
deben identificar los factores que las hacen diferentes entre sí, los que pueden ser
inherentes al suelo en sí mismo, como diferencias en el tipo de suelo (loma vs bajo),
textura de suelo y su capacidad de almacenaje de agua, etc., o bien inducidas ya sea
por diferencias en la rotación anterior, fertilidad, capacidad de infiltración, estabilidad
estructural, etc.
La identificación de los orígenes de la variabilidad se hace a través de
relevamientos topográficos, análisis de laboratorio físicos y químicos, etc., y una vez
identificados los factores limitantes se plantean las estrategias productivas
convenientes para cada área particular.
En el cultivo de soja la variable más limitante del rendimiento es la
disponibilidad hídrica, por lo que en una correcta caracterización del ambiente habrá
que jerarquizar esta variable y analizar de que manera podemos usufructuar de ella si
la condición es favorable y de que manera atenuarla si es desfavorable.
A medida que mejora la calidad del ambiente el cultivo alcanza un mayor
desarrollo vegetativo y es posible utilizar cultivares de ciclo más corto, para evitar el
vuelco, reducir la incidencia de problemas sanitarios e incrementar el rendimiento.
Las características del ambiente determinan el rango de GM y los cultivares de
cada GM que mejor se adaptan a cada región y lote.
El información con la que cuenta el productor y su asesor sobre el
comportamiento en cada lote de los cultivares utilizados en diferentes campañas,
integra a todo el complejo de características ambientales locales. Su análisis resulta
sumamente valioso para orientar la elección de GM, incorporación de nuevos
cultivares de dichos GM (teniendo en cuenta longitud del ciclo, hábito de crecimiento,
potencial de rendimiento, comportamiento a vuelco, enfermedades y plagas, etc.) y su
manejo (FS, espaciamientos y densidades) y en definitiva poder preparar el traje a
medida para cada lote.
Atendiendo a que la condición ambiental es la limitante más importante del
rendimiento, un programa de siembra debe considerar la mejora del ambiente de
producción, cómo objetivo fundamental. Las prácticas más relevantes para lograr este
objetivo, son la rotación, la SD, la fertilización, mejoramiento de la condición física y
manejo eficiente del agua.
Una vez elegidos los cultivares por sus características más importantes (GM, HC
y juvenilidad), se procede a definir sus nombres entre los comerciales disponibles, por
su potencial de rendimiento y sanidad, priorizando ésta última característica en los
ambientes en los que los problemas sanitarios son una limitante de importancia.
La “Red Nacional de Evaluación de Cultivares de Soja”, dependiente del INTA
desde 1980, actualiza anualmente la información referente al comportamiento
fenológico, agronómico, sanitario y el rendimiento de todos los cultivares disponibles
de cada GM, para facilitar su elección. Esta red de ensayos constituye la evaluación
de referencia, la que es necesario complementar con las evaluaciones a nivel de
franjas demostrativas (AACREA Zona Sur de Santa Fe, INTA Oliveros, INTA Marcos
Juárez, para la región central del país; EEAOC para el NOA, etc), que incluyen más
de un GM, permitiendo definir en que condiciones un GM de madurez logra mayor
rendimiento que otro.
Dentro de cada GM, es posible separar los cultivares por su ciclo, en cortos
medios y largos y diferenciarlos por su altura, para realizar ajustes más finos de
4- Arreglo espacial:
Comentarios
GPS
Cámara multiespectral
Cámara IR
Altímetro láser
Esfera de
Analizador de gases IRGA
presión
Figura 1. Avión Sky Arrow ERA con el detalle del instrumental incluido
Este avión, el Sky Arrow ERA, está equipado con una cámara multiespectral
digital Duncan MS 4100, que permite obtener información en tres bandas del espectro
electromagnético: verde (550 nm), rojo (680 nm) e infrarrojo cercano (780 nm). Esta
información puede ser utilizada para el cálculo de índices espectrales que se
relacionan con variables del cultivo como biomasa y rendimiento. En trabajos
realizados en Italia por la “Universita degli studi Della Tuscia” y Terrasystem S.R.L.
con datos espectrales obtenidos en vuelos de prueba se pudieron realizar mapas de
predicción de rendimiento de trigo y estimaciones del contenido de proteína en grano
(figuras 2 a y b).
a) b)
23.00
41.60 22.00
21.00
20.00
19.00
41.40
18.00
17.00
16.00
41.20 15.00
14.00
13.00 Contenido de proteína (ss)
15.00 15.20 15.40 15.60 15.80 16.00 16.20
0.9
727.5
0.8
0.7 725
REIP
NVDI
0.6
722.5
0.5
0.4 720
Y = 719.93 + 1.3 X
0.3 Y = 0.87 + 0.61 e-X r2=0.77
r2 = 0.82 717.5
0.2 0 2 4 6
0 2 4 6 IAF
IAF
c) d)
Figura 4. a) Fotografía aérea multiespectral b) fotografía térmica c) fracción evaporativa
2
determinada por el medidor de flujo evaporativo y d) flujo de calor latente en W/m . Extraído de
Esposito et al., 2006
El avión está equipado además con un altímetro láser Riegl LD90 y LD90-
3300HR que cuenta con un rango de medición de 100 Hz to 1000 m. Con la
información generada con este dispositivo se pueden obtener mapas de altimetría de
superficies variables de acuerdo a la altura de vuelo. En la figura 5 se presenta un
mapa generado para una región, pero de manera similar se puede obtener
información a nivel de lote.
Entre los antecedentes mencionados se detallaron numerosos trabajos donde
se utilizaron mapas de altimetría para la delimitación de ambientes con excelentes
resultados. En la mayoría de estos trabajos los datos de altimetría se obtuvieron a
través del procesamiento e interpolación de mediciones obtenidas mediante GPS
geodésicos. El altímetro láser representa por lo tanto una alternativa novedosa al uso
de GPS, sobre todo considerando que se genera en combinación con otras capas de
información.
4) Fluorescencia
O2
Clorofila
Luz
Figura 6. Excitación de la clorofila por la luz y vías de retorno a su estado basal a través de: 1)
Proceso fotosíntetico; 2) Disipación de la energía de excitación como calor; 3) Formación
de clorofila en estado de triplete excitado, oxígeno singlete excitado y/o superóxido; 4)
Emisión de luz como fluorescencia.
Figura 7. Fluorescencia producida por la luz UV (BGF) y fluorescencia producida por radiación
visible en el rojo lejano (RF) e infrarrojo cercano (FRF), línea llena. Reflectancia, línea
punteada, para diferentes longitudes de onda, obtenidas a nivel de hoja. Extraído de
Moya et al (2004)
En trabajos realizados por Gitelson et al. (1999) y Samson et al. (2000) se han
presentado evidencias de la asociación entre el contenido de clorofila en hoja,
contenido de N en hoja y cocientes de fluorescencia en longitudes de onda
correspondientes al rojo e infrarrojo cercano generadas por la inducción con láser en
longitudes de onda correspondientes al 430 nm, 550 nm y 630 nm en el primer caso, y
360 nm, 440 nm, 480 nm y 630 nm en el segundo (figura 8 a y b).
Agradecimientos
Referencias
Bhatti, A.U., Mulla, D.J. and B.E. Frazier. 1991. Estimation of soil properties and wheat
yields on complex eroded hills using geostatistics and Thematic Mapper
images. Remote Sensing of Environment. 37: 181–191.
Buschmann, C. and Lichtenthaler, H.K. 1988. Reflectance and chlorophyll
fluorescence signatures of leaves. In Applications of Chlorophyll Fluorescence
(H. K. Lichtenthaler, Ed.), Kluwer Academic, Dordrecht, p. 325–332.
Introducción
Tabla 1. Incremento en rendimiento para áreas con distintos niveles de P en el suelo muestreados
con dos intensidades de grilla (Adaptado de Sawchik y col., 2002).
Clase de P en el suelo
Optimo (16 - Muy Alto (>
Bajo (9 - 15ppm) Alto (21 - 30ppm)
20ppm) 31ppm)
Técnica Δ en Δ en Δ en Δ en
Área Área Área Área
Sitio de rendim. rendim. rendim. rendim.
(%) (%) (%) (%)
muestreo (%)† (%) (%) (%)
Grilla de
52 10.6* 30 10.4* 18 15.3 - -
0.1 ha
1
Grilla de
36 15.8* 64 8.0 - - - -
1 ha
Grilla de
36 1.8 18 3.2 36 1.1 10 2.3
0.1 ha
2
Grilla de
36 1.4 19 1.3 45 0.2 - -
1 ha
† Incremento en rendimiento debido a la aplicación de P.
* P < 0.05
1 2 3 4
Tipo de
15 15.7 16 9.5 17 8.7 - -
suelo
EC y
1 15 11.3 17 2.4 - - - -
elevación
Mapa de
15 10.0 15 12.0 16 3.9 17 10.1
rendimiento
Tipo de
18 -2.0 18 3.4 18 1.3 25 1.6
suelo
EC y
2 20 1.6 21 0.6 22 4.2 - -
elevación
Mapa de
18 1.0 19 1.8 20 0.5 25 2.1
rendimiento
† Incremento en rendimiento debido a la aplicación de P.
* P < 0.05
a a
100
90
80
70
Maiz Soja
Figura 1. Rendimiento relativo de maíz y soja a la aplicación variable y uniforme de P. Promedio
de 24 sitios (Adaptado de Bermudez y Mallarino, 2007).
Muy Bajo
Bajo
Optimo
15 Alto
0
Diferentes clases de P en el suelo
La cantidad de P aplicado con la dosis variable fue menor que con la dosis uniforme
excepto en 4 sitios (Tabla 3). En general, la dosis variable tendió a disminuir la
variabilidad en los niveles de P en el suelo cuando se la comparó con la dosis
uniforme. La dosis variable aplicó mayor cantidad de P en áreas con bajos niveles de
P y menor cantidad en áreas con altos niveles de P.
Estos resultados concuerdan con un estudio similar realizado por Wittry y Mallarino
(2002) donde compararon la aplicación variable y uniforme de efluente líquido porcino
para rotaciones de maíz-soja en 2 campos (6 sitios-años), basados en el nivel de P en
el suelo y potencial de rendimiento promedio (con una fertilización uniforme no
limitante para maíz). A pesar que el efluente aumentó el rendimiento de maíz y soja
en la mayoría de los años (el nivel de P en el suelo de áreas de campos grandes
estaba por debajo del óptimo), el método de aplicación variable no incrementó el
rendimiento del cultivo en comparación con el método uniforme y aumentó la cantidad
total de efluente aplicado. Sin embargo, como demuestran los datos promedio en la
Figura 3, la aplicación variable de efluente redujo claramente la variabilidad del nivel
de P en el suelo a través del aumento del nivel de P en suelo en áreas de bajo
contenido y no aumentando ese nivel en áreas de alto contenido.
-1
-2
-3
Figura 3. Efecto de los métodos de aplicación uniforme y variable de efluente líquido porcino en el
cambio del nivel de P en el suelo después de una cosecha para las distintas clases de P en el
suelo (Adaptado de Wittry y Mallarino, 2002).
Conclusiones
Anderson, L.L., y D.G. Bullock. 1998. Variable rate fertilizer application for corn and
soybean. J.Plant Nutr. 21:1355–1361.
Bouma, J., y P.A. Finke. 1993. Origin and nature of soil resource variability. p. 3–13. In
P.C. Robert et al. (ed.) Proc. Soil specific crop management: A workshop on research
and development issues, Minneapolis, MN. 14–16 Apr. 1992. ASA, CSSA, and SSSA.
Madison, WI.
Franzen, W.D., y T.R. Peck. 1995. Field soil sampling density for variable rate
fertilization. J. Prod. Agric. 8:568–574.
Franzen, D.W., y T.N. Nanna. 2002. Management zone delineation methods. In P.C.
Robert et al. (ed.). Proc. 6th Int. Conf. on Precision Agric. CD-ROM. ASA, CSSA, and
SSSA, Madison, WI.
Mulla, D.J., y J.S. Schepers. 1997. Key processes and properties for site-specific soil
and crop management. p. 1–18. In F.J. Pierce, and E.J. Sadler (ed.) The state of site-
specific management for agriculture. ASA, CSSA, and SSSA, Madison, WI.
Penney, D.C., S.C. Nolan, R.C. McKenzie, T.W. Goddard, y L. Kryzanowski. 1996.
Yield and nutrient mapping for site specific fertilizer management. Commun. Soil Sci.
Plant Anal. 27:1265–1279.
Sawchik, J., A.P. Mallarino, M. Bermudez, y D.J. Wittry. 2002. Relating soil tests and
within-field yield response to P and K using various sampling strategies. In 2002
annual meeting abstracts [CD-ROM]. ASA, CSSA , and SSSA, Madison, WI.
Sawyer, J.E. 1994. Concepts of variable rate technology with considerations for
fertilizer application. J. Prod. Agric. 7:195–201.
Schepers, J.S., J.F. Shanahan, y A. Luchiari, Jr. 2000a. Precision agriculture as a tool
for sustainability. p. 129–135. In E. Balazs et al. (ed.) Biological resource
management. Connecting science and policy. Springer, Paris.
Varvel, G.E., M.R. Schlemmer, y J.S. Schepers. 1999. Relationship between spectral
data from an aerial image and soil organic matter and phosphorus levels. Precision
Agric. 1:291–300.
Wittry, D.J., y A.P. Mallarino. 2002. Use of variable-rate technology for agronomic and
environmental phosphorus-based liquid swine manure management. In P.C. Robert et
al. (ed.) Proc. 6th Int. Conf. on Precision Agric. CD-ROM. ASA, CSSA, and SSSA,
Madison, WI.
Wollenhaupt, N.C., R.P. Wolkowski, y M.K. Clayton. 1994. Mapping soil test
phosphorus and
potassium for variable-rate fertilizer application. J. Prod. Agric. 7:441–448.
Introducción
1
Trabajo presentado en el 7º Curso Internacional de Agricultura de Precisión y Máquinas Precisas. 17,
18 y 19 de Julio de 2007, EEA INTA MANFREDI.
Plantación
CVi
wi = [Ecuación 1]
∑ CVi
donde:
wi = peso de la variable i
CVi = coeficiente de variación de la variable i
Para contestar la segunda pregunta, es posible utilizar dos grupos de técnicas: unas
que agrupan los sectores de características similares y otras que separan los sectores
de acuerdo a las propiedades más relevantes; dentro de las primeras el uso de
análisis de cluster con todas sus variantes, es el más utilizado; dentro de las
segundas, el análisis de componentes principales o bien la técnica del coeficiente de
variación pueden ser utilizados. En este caso se estima un índice que mezcla todas
las capas de información de manera lineal (Ecuación 2), otorgándole pesos distintos a
cada capa (variable) (Ecuación 1).
SI z = ∑ wi • SVi z [Ecuación 2]
SIz = índice en la posición z dentro del campo.
wi = peso de la variable estandarizada SViz en la posición z dentro del campo.
Estudios realizados en Chile por Ortega y Santibáñez (2007) han demostrado que
todas las técnicas para combinar las capas de información funcionan de manera
similar y que lo más importante es incluir en la zonificación, aquellas variables que
expliquen las variaciones en rendimiento.
Cosecha
0,70 1200
y = -6,231x + 1046,6
y = 0,0177x - 0,1732
0,60 R2 = 0,9799
R2 = 0,9782 1000
Peso de poda (kg pl -1)
0,50
800
0,40
600
0,30
400
0,20
A B
0,10 200
0,00 0
20 25 30 35 40 45 50 0 10 20 30 40 50
GVI GVI
Figura 3. Relación entre GVI y A) biomasa aérea (peso de poda) y B) calidad (antocianinas) en uva
vinífera Cabernet Sauvignon.
Aplicación de agroquímicos
Literatura citada
Maleki, M.R., Mouazen, A.M., De Ketelaere, B., Ramon, H., and J. De Baerdemaeker,
J. 2007. Development and evaluation of an on-the-go visible and near infrared soil
sensor-based variable rate phosphorous fertilization system. In J.V. Stafford (ed.)
Precision Agriculture 07. 6th European Conference on Precision Agriculture. Skiathos,
Greece. pp 705-711.
Ortega, R., Esser, A., Inostroza, A., and Jara, L. 2007. Tomato yield and quality
prediction by using a calibrated, satellite-based, green vegetation index (GVI). In J.V.
Stafford (ed.) Precision Agriculture 07. 6th European Conference on Precision
Agriculture. Skiathos, Greece. pp 573-579.
Muestreo de suelos
1
Material extraído y adaptado de:
García, F. y A. Bianchini. 2006. Fuentes de fertilizantes y sistemas de aplicación. Pág. 471-
487. En: H.E. Echeverría y F.O. García (eds.). Fertilidad de Suelos y Fertilización de Cultivos.
Editorial INTA, Buenos Aires, Argentina. 525 pp.
Punto:
4 a 12 tomas
100 a 400 m2
B)
Celda:
4 a 12 tomas
C) 1 a 2 ha
El plan ideal de muestreo debería incluir la menor área posible que el productor pueda
tratar como unidad. Generalmente, existe un compromiso entre el área mínima
deseada para lograr la mejor exactitud y la aceptada por menores costos de muestreo
(Roberts y Henry, 1999).
En síntesis, se recomienda evitar los muestreos a ciegas. Además, al tomar la
decisión de muestrear, considerar historia del campo y su manejo, relieve o
topografía, fotos aéreas, mapas de suelo y/o rendimiento. Es importante recordar que
ningún esquema de muestreo es mejor para todos los lotes y nutrientes, y obviamente
la clave consiste en adaptar el método de muestreo a las condiciones específicas de
cada lote (Mallarino, 2003).
Referencias
Ricardo J. M. Melchiori
INTA, EEA Paraná - Grupo Recursos Naturales y Factores Abióticos
Paraná. Entre Ríos Argentina
rmelchiori@parana.inta.gov.ar
Este enfoque basado en mediciones en estadios avanzados del los cultivos, requiere
la disponibilidad de tecnología para detectar las deficiencias, y métodos de
diagnóstico y prescripción para remediar el estrés antes que afecte el rendimiento de
modo irreversible. Estos aspectos condicionan la utilización de técnicas de manejo
variable en tiempo real.
Los resultados de las experiencias realizadas hasta el presente, han sido publicados
con anterioridad (Melchiori et al., 2001; 2004, 2005a b c, 2006, 2007), informándose
en el presente trabajo los aspectos mas relevantes al desarrollo del manejo variable
de N.
12000 12000
Rend. Kg/ha
Rend. Kg/ha
8000 8000
4000 4000
0 0
s/N V8 V10 V12 V14 s/N V8 V10 V12 V14
Dosis de refertilizacion 70 KgN/ha Dosis de refertilizacion 70 KgN/ha
12000 12000
Rend. Kg/ha
Rend. Kg/ha
8000 8000
4000 4000
0 0
s/N V8 V10 V12 V14 s/N V8 V10 V12 V14
Dosis de refertilizacion 70 KgN/ha Dosis de refertilizacion 70 KgN/ha
Figura 1. Efecto de la refertilización nitrogenada en maíz (70 kg N/ha) aplicada en los estadios de
8, 10, 12, 14 hojas desplegadas (V8, V10, V12 y V14), sobre el rendimiento del cultivo con distintas
disponibilidades de nitrógeno aplicado a la siembra (0, 70, 140 y 210 kg de N/ha). (INTA EEA
Paraná, 2004)
Rto Kg/ha
12000
8000
4000
0
0,0 0,2 0,4 0,6 0,8 1,0
NDVI GS
Figura 2. Relación entre el NDVI determinado con un sensor GreenSeeker en distintos estadios y
el rendimiento de maíz.
80
EUN Kg de grano/KgN aplicados
60
40
20
0
V8 V10 V12 V14
refertilización fija refertilización sensor
120
dosis de N en refertilizació
100
80
60
40
20
0
V6
V8
v10
v12
V14
V6
V8
v10
v12
V14
V6
V8
v10
v12
V14
V6
V8
v10
v12
V14
sr
sr
sr
Dosis segun SBNRC Dosis fija
a
60
50
EUN en refertilización
40
30
20
10
0
V6
V8
v10
v12
V14
V6
V8
v10
v12
V14
V6
V8
v10
v12
V14
V6
V8
v10
v12
V14
sr
sr
sr
b
Figura 4. Dosis de refertilización (a) y eficiencia media de uso del nitrógeno aplicado total (b) (EUN
= kg de grano por kg de N aplicado) para distintos estadios de desarrollo del maíz según nivel de
N aplicado a la siembra, y dos estrategias de aplicación: dosis fija y SBNRC.
10000
1:1
Rendimiento (SBNRC)
8000
6000
4000
2000
0
0 2000 4000 6000 8000 10000 12000
Rendimiento (DF)
Figura 5. Relación entre rendimiento del cultivo de maíz con refertilización fija (DF) vs.
Rendimiento con refertilización según recomendación con el algoritmo (SBNRC) (INTA EEA
Paraná, 2005.).
Si bien es de interés contar con mediciones precisas de los índices que originan las
prescripciones, resulta mayormente relevante juzgar su efecto sobre las
recomendaciones de fertilización. Simulaciones realizadas en base a los resultados
obtenidos para dos estadios, muestran que las recomendaciones varían
escasamente por encima de la dosis media de referencia (prescripta en V6 en base
al sensado de 48 surcos) y que su variación fue aun menor cuando las mediciones se
realizaron al estadio de V8 (Tabla 2).
Consideraciones finales
Las experiencias realizadas en Argentina hasta el presente, son escasas y necesitan
ser expandidas a un más amplio rango de condiciones a fin de contar con criterios y
resultados más robustos para recomendar la implementación de técnicas de manejo
variable de N basadas en sensoramiento remoto.
Es necesario promover la participación de mayor número de investigadores,
instituciones y empresas en el desarrollo de técnicas y equipamientos específicos.
El manejo variable de N, en condiciones de precios de los insumos crecientes,
representa una opción muy interesante en modelos de producción con alta
tecnología.
Referencias
Melchiori, R.J.M., P.A. Barbagelata, C. Christiansen y A. Von Martini. 2001. Manejo sitio
específico de nitrógeno en maíz: evaluación del N-SENSOR. VII Congreso Nacional de Maíz.
Pergamino.
Melchiori, R.J.M., O. Caviglia, y A. Bianchini. 2004. Timing and rate of nitrogen fertilization
on maize yields in the North of Argentinean Pampas. ASA-CSSA-SSSA Annual Meeting.
Seattle, Washington.
Melchiori, R.J.M. O.P. Caviglia, A. Bianchini, N. Faccendini, y W. Raun. 2005a. Sensor-
Based Relationships to Improve Nitrogen Fertilization in Maize in the Northern Argentinean
Pampas. 2005 ASA-CSSA-SSSA International Annual Meetings. Salt Lake City, UT -
November 6 - 10, 2005
Melchiori, R.J.M., O. P. Caviglia, A. Bianchini, N. Faccendini, y W. Raun. 2005b.
Evaluación de refertilización nitrogenada basada en la utilización de un sensor óptico. VII
Congreso Nacional de Maíz. pp 218-220. Rosario, Argentina.
Melchiori, R.J.M., O.P. Caviglia, y A. Bianchini. 2005c. Momentos de fertilización
nitrogenada en maíz en el centro-oeste de Entre Ríos. VII Congreso Nacional de Maíz. pp
214-217. Rosario, Argentina.
Melchiori, R.J.M., O. P. Caviglia, A. Bianchini, N. Faccendini, y W. Raun. 2006. Use of
sensor based nitrogen rates to improve maize nitrogen use efficiency in the Northern
Argentinean Pampas. 2006 ASA-CSSA-SSSA International Annual Meetings. Indianapolis, IN
- November 12 – 16.
Melchiori, R.J.M. y S.M. Albarenque. 2007. Evaluación del número de unidades de sensado
Green Seeker para un equipo de aplicación autopropulsado. CADIR 2007 (en revisión).
Randall, G.W., J.A. Vetsch, y J.R. Huffman. 2003. Corn production on a subsurface-
drained mollisol as affected by time of nitrogen application and nitrapyrin. Agron. J. 95:1213-
1219.
Raun, W.R., J.B. Solie, M.L. Stone, K.W. Freeman, K.L. Martin, R. Teal, B. Arnall, B.
Tubana, C. Byungkyun, K.B. Morris, K. Girma, S. Moges, y C. Mack. 2004. Cómo
aumentar la eficiencia de uso del nitrógeno del cereal utilizando tecnología basada en
sensores. En: Actas XII Congreso Nacional de AAPRESID. pp. 365-371.
Raun, W.R., J.B. Solie, M.L. Stone, , K.L. Martin, K.W. Freeman, R. W. Mullen, H Zhang, J
S Schepers, y V Jonson. 2005. Optical sensor-based algorithm for crop nitrogen fertilization.
Comm in Soil Sci and Plant Anal. 36:2759-2781.
Raun, W. R., y G. V. Johnson. 1999. Improving nitrogen use efficiency for cereal production.
Agron. J. 91: 357-363.
Russelle, M.P., R.D. Hauck, y R.A. Olson. 1983. Nitrogen accumulation rates of irrigated
corn. Agronomy Journal. 75:593-598.
Scharf, P.C., W.J. Wiebold, y J.A. Lohry. 2002. Corn yield response to nitrogen fertilizer
timing and deficiency level. Agronomy Journal. 94:435-441.
Schepers, J.S. 2002. Manejo de nitrógeno: Nuevas tecnologías para el manejo y diagnóstico
de la fertilización nitrogenada. En: Actas X Congreso Nacional de AAPRESID, Tomo I. pp.
141-155.
Introducción
Materiales y Métodos
Las figuras 1 y 2, muestran la variabilidad espacial del NDVI medida por surcos al
estadio de V6 y V8, lo cual evidencia que existen diferencias similares en magnitud
tanto entre surcos como a lo largo de los surcos. El NDVI, varía en función de la
cobertura del cultivo y del verdor de la canopia, variables que responden a cambios
en la nutrición nitrogenada. Por lo cual para estimar recomendaciones en función de
este índice es necesario disponer de mecanismos capaces de determinar su
variabilidad. La magnitud de las variaciones del NDVI evidencian la heterogeneidad
del crecimiento del cultivo, y la posibilidad de tratar el aporte complementario de
nutrientes de manera variable en función de dicho índice, tal como sugieren Solie et
al (2002).
Figura 1: Variabilidad espacial en el NDVI en maíz determinado con un sensor Green Seeker.
Mediciones realizadas al estadio de seis hojas en maíz. (INTA EEA Paraná, 2005)
Tabla 1: Estadísticos descriptivos del NDVI en función del número de surcos sensados al estadio
V6 en maíz.
P>t
Surcos
Promedio nº Mín Máx Rango DE CV (a/b
Sensados
)
48 0.424 480 0.418 0.429 0.005 0.060 14.3
24 0.412 240 0.405 0.419 0.007 0.055 13.4 2/2
12 0.412 120 0.403 0.421 0.009 0.052 12.6 3/4
6 0.418 60 0.403 0.433 0.015 0.059 14.0 5/8
4 0.411 40 0.395 0.427 0.016 0.052 12.6 2/12
3 0.402 30 0.381 0.422 0.021 0.068 14.3 5/16
P>t: Diferencias significativas al 5% para la prueba de t para muestras con variancias no homogéneas; (a/b) a:
número de casos significativamente diferentes en la prueba a la prueba de t, b: numero de comparaciones evaluadas
en función del numero de surcos sensados, n°: número de unidades experimentales.
Tabla 2: Estadísticos descriptivos del NDVI en función del número de surcos sensados al estadio
V8 en maíz.
P>t
Surcos
Promedio nº Mín Máx Rango DE CV (a/b
Sensados
)
48 0.528 480 0.524 0.533 0.005 0.051 9.6
24 0.519 240 0.518 0.538 0.010 0.053 10.2 2/2
12 0.528 120 0.518 0.538 0.010 0.055 10.5 0/4
6 0.536 60 0.523 0.549 0.013 0.052 9.6 0/8
4 0.528 40 0.511 0.545 0.017 0.055 10.4 0/12
3 0.517 30 0.494 0.539 0.022 0.062 12.0 1/16
P>t: Diferencias significativas al 5% para la prueba de t para muestras con variancias no homogéneas; (a/b) a:
numero de casos significativamente diferentes en la prueba a la prueba de t, b: numero de comparaciones evaluadas
en función del numero de surcos sensados, n°: número de unidades experimentales.
0,60 60%
0,50 50%
0,40 40%
NDVI
CV
0,30 30%
0,20 20%
14,3% 13,4% 14,0% 14,3%
12,6% 12,6%
0,10 10%
0,00 0%
48 24 12 6 4 3
Número de surcos sensados
Figura 3. Efecto del numero de surcos sensados sobre el valor del NDVI medio y su variabilidad
(CV %). Mediciones realizadas al estadio de seis hojas en maíz. (INTA EEA Paraná, 2005)
0,50 50%
0,40 40%
NDVI
0,30 30%
CV
0,20 20%
10,5% 12,0%
9,6% 10,2% 9,6% 10,4%
0,10 10%
0,00 0%
48 24 12 6 4 3
Número de surcos sensados
Figura 4 Efecto del numero de surcos sensados sobre el valor del NDVI medio y su variabilidad
(CV %). Mediciones realizadas al estadio de ocho hojas desplegadas en maíz. (INTA EEA Paraná,
2005)
Bibliografía
LARUFFA, J.M; W.R. RAUN, S.B. PHILLIPS, J.B. SOLIE, M.L. STONE, AND G.V.
JONSON. 2001. Optimum Field Element Size for Maximum Yields in Winter Wheat
Using Variable Nitrogen Rates. J. Plant Nutr. 24:313-325.
RAUN, W.R., J.B. SOLIE, G.V. JOHNSON, M.L. STONE, R.W. MULLEN, K.W.
FREEMAN, W.E. THOMASON, AND E.V. LUKINA. 2002. Improving nitrogen use
efficiency in cereal grain production with optical sensing and variable rate application.
Agron. J.
RAUN, W.R., G.V. JOHNSON, M.L. STONE, J.B. SOLIE, E.V. LUKINA, W.E.
THOMASON AND J.S. SCHEPERS. 2001. In-season prediction of potential grain yield
in winter wheat using canopy reflectance. Agron. J. 93:131-138.
SOLIE, J.B., W.R. RAUN, R.W. WHITNEY, M.L. STONE AND J.D. RINGER. 1996.
Optical sensor based field element size and sensing strategy for nitrogen application.
Trans. ASAE 39(6):1983-1992.
Como se sabe las plantas superiores forman sus tejidos a partir de elementos que
toman de la atmósfera y del suelo. Para ello es necesario que dispongan de todos los
nutrientes minerales esenciales y que la velocidad de suministro de cada uno sea, al
menos, igual a la demanda de los cultivos.
Un elemento es esencial para los cultivos (Wild, 1992) si su carencia hace imposible
que se completen las fases que componen el ciclo de las plantas, si la deficiencia es
específica y no puede ser prevenida o corregida más que con el aporte de este
elemento y si el elemento está directamente relacionado con la nutrición de la planta.
Los nutrientes que actualmente se consideran necesarios son:
1. Macronutrientes: carbono, hidrógeno, oxígeno, nitrógeno, fósforo, potasio,
calcio, magnesio y azufre.
2. Micronutrientes: hierro, manganeso, cobre, cinc, boro, molibdeno y cloro.
En un mapa realizado por Michelena et al. (1997) sobre la base del Atlas de Suelos
de la República Argentina se diferencian las áreas con problemas de acidez edáfica
(Figura 1).
Las características principales de suelo y clima, así como el tamaño de cada una de
las áreas señaladas en la Figura 1(Giorgi) son:
1. Misiones – NE de Corrientes:
Suelos rojos. Meteorización avanzada. Sesquióxidos libres. Bien provistos de materia
orgánica (M.O.), fósforo (P) fijado, ácidos con baja capacidad de intercambio
catiónico (CIC) y bajo porcentaje de saturación de bases (%SB); pH entre 4,3-5,8.
Precipitación: media anual 1500 a 1700 mm. Representan: 3.448.259 has.
2. Este de Corrientes:
Hidromórficos. Buena provisión de MO. Acidez con pH de 5,5. Precipitación: media
anual 1400 mm. Representan: 2.188.593 has.
11. Sector serrano de Catamarca, La Rioja, Córdoba, San Luis, San Juan y Tucumán:
Suelos someros. Perfil poco desarrollado. Pobres en MO y en mutrientes. Acidos a
neutros. Precipitación: media anual 100 a 500 mm. Representan: 17.429.120 has.
Diagnóstico:
El mismo debe realizarse teniendo en cuenta todas aquellas variables que inciden
directamente sobre la acidez edáfica:
Para ello se debe comenzar a identificar en el análisis de suelo los siguientes
aspectos:
- Capacidad de intercambio catiónico del suelo (CIC): representa la suma total
de cationes intercambiables que un suelo puede retener. Cuanto mayor es la
CIC mayor será la cantidad de cationes que éste pueda retener. A medida que
el contenido de arcilla y/o materia orgánica aumentan el suelo tendrá mayor
CIC.
En suelos con alta CIC es posible de observar una residualidad de la enmienda por
3-4 años, mientras que aquellos con baja CIC lo recomendable es la aplicación anual
de la enmienda con menores dosis.
- Porcentaje de saturación con calcio: Bueno ≥ 70%, moderado 60-69% y bajo <
60%.
Cuadro 2: Valor del pH del suelo como indicador de acidez, neutralidad o alcalinidad
Acidez Neutralidad Alcalinidad
Muy Fuerte Media Moderada Ligera Ligera Moderada Media Fuerte Muy
fuerte fuerte
3 4 5 6 7 7,5 8 8,5 9,5 10,5
Material a utilizar:
PN x ER
PRNT = ----------------
100
Cálculo de la dosis:
Bibliografía:
Wild, A. Ed. 1992. Condiciones del suelo y desarrollo de las plantas según Russell.
Ed. Mundi –Prensa. Madrid, España. Capítulo 3: 71-121.
Ings. Agrs. Hugo Fontanetto1 ; Oscar Keller1 ; Julio Albrecht2 y Gabriel Beccaría3.
------------------------------------------------------------------------------------------------------------------------------
--
(1): profesionales del Dpto. Investigación en Agronomía del INTA Rafaela; (2): AFA María
Juana; (3): CREA zona S. M. de Las Escobas-Gral Belgarno.-
CERES
50.00
45.00
COLONIA CAROYA
40.00
RIO PRIMERO
DESPEÑADEROS
LAGUNA LARGA
35.00
ONCATIVO
CORRALITO
30.00
HERNANDO
GENERAL DEHEZA
CHAZON
MONTE MAIZ
ALEJANDRO ROCA
LA CARLOTA
CHABAS
20.00
FIRMAT
CORONEL MOLDES CANALS
ALEJO LEDESMA
VICUÑA MACKENNA
PUEBLO ITALIANO
COLON
15.00
LABOULAYE MARIA TERESA
RUFINO
VILLA VALERIA
10.00
BUENA ESPERANZA HUINCA RENANCO
VILLA HUIDOBRO
5.00
15 P
P disponible (ppm)
20 7P
Testigo
10
0
-10 -5 0 5 10
Distancia desde la banda (cm)
En la figura anterior se demuestra que los niveles de P extractable del suelo son
muy diferentes y dependen a que distancia fueron tomadas las muestras respecto del
surco donde se aplicó el fertilizante fosfatado.
Otro ejemplo se muestra en las figuras siguientes, donde se puede apreciar los
diferentes niveles de materia orgánica y de P extractable de un lote de tambo (zona
rural de Pilar en Santa Fe), producto de si fueron tomadas “debajo de las deyecciones
sólidas de los animales” o “en el resto del lote”.
Niveles de M. O. en diferentes sectores Lote de TAMBO
4
Normal
Bajo Bosta
3.5
3.6
Materia Orgánica (%)
3 3.2
2.5
2.3
2
2.2
0-10 cm 10-20 cm
Profundidad del suelo (cm)
Niveles de P extractable en diferentes sectores Lote de TAMBO
36
34
Normal
32 33.9 Bajo Bosta
P extractable (Bray I) en ppm
30
28
26
24
22
20
23.7
18
16 17.1
14
12
10
10.6
8
0-10 cm 10-20 cm
Profundidad del suelo (cm)
Objetivo
El objetivo primario del uso de esta tecnología se traduce en una “Eficiente utilización
de los insumos en ambientes predeterminados intralote”
Santa Inés 1
Cultivo Lote Zona Rend esperado (kg/ha) Prof. (cm) N en suelo (kg/ha) Umbral de N (kg/ha)
Dosis
(kg/ha) Dosis DOSIS Sol
N necesario N a aplicar SolUAN Media UAN
(kg/ha) (kg/ha) al 28% (lts/ha) (lts/ha)
42 42 150 114
72 72 257 195
121
-25 20 71 54
Dosis
Na (kg/ha) Dosis DOSIS Sol
N necesario aplicar SolUAN Media UAN
(kg/ha) (kg/ha) al 28% (lts/ha) (lts/ha)
42 42 150 114
72 72 257 195
121
-25 20 71 54
Conclusiones:
S. Cl. Lote 4S L ML B
13000
12000
11000
R e n d . (k g /h a )
10000
9000
8000
7000
6000
0-0 2-2 11-12 22-25 24-27 32-36 43-48 54-60
Dosis de NP en siembra (kg/ha) + N63 S12 en V6
L 22 13 6 11
ML 29 18 6 14
B 42 22 5 17
80
60
40
20
Margen ($/ha)
0
0 10 60 124 134 179 240 300
-20
-40
-60 Loma
Media Loma
-80
Bajo
-100
-120
Conclusiones:
1. Mayor respuesta a N en ML y L y menor respuesta en B
2. Con bajo nivel de N, el rendimiento en B>ML>L
3. Con alto nivel de N, el rendimiento en B=ML>L
Comentarios Finales
1. Es esencial el conocimiento de la variabilidad, su delimitación y posterior
manejo (diferentes diagnósticos, recomendaciones y dosis de fertilizante en las
diferentes áreas).
2. En las zonas con alta variabilidad natural (L, ML y B) es muy rentable cumplir
con el punto 1.
3. Los puntos 1 y 2 son esenciales para un manejo y producción sustentables.
4. Tener en cuenta que los diferentes cultivos y el efecto “año” condicionan
fuertemente los resultados.
5. Lo fundamental es tener claro que no existen “recetas” y “soluciones mágicas”.
6. Finalmente, se debe tener presente que toda la maquinaria y el equipamiento
disponible actualmente debe estar siempre subordinado al criterio, al diagnóstico
y a las recomendaciones de los profesionales, pues por sí solos no pueden
solucionar ni las necesidades ni los problemas de los productores.
Introducción
Materiales y métodos
Resultados
Relative Yield
0.7
0.7
0.6
0.6
0.5
2
RY=-0.962+1.921*SISPADV8; R =0.53
0.5
0.4 2
RY=-0.909+1.871*SISPADV10; R =0.61
2 2
RY=0.521+0.00511N-0.00001476N ; R =0.65 2
RY=-0.975+1.938*SISPADV12; R =0.61
0.4 0.3
0 50 100 150 200 250 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00 1.05
Figura 1: Respuesta de a) rendimiento relativo vs. dosis de N a la siembra para el ensayo de larga
duración, b) Índice de suficiencia basado en SPAD en V8, V10 y V12 vs. Rendimiento relativo para
todos los años del ensayo de larga duración.
Las relaciones entre SISPAD y rendimiento relativo (Fig. 1b), fueron especificas
para cada estadio de crecimiento. Esto tiene sentido, si se considera que el desarrollo
del estrés durante el ciclo es un proceso gradual. La producción de clorofila se vera
afectada aun antes de que pueda detectarse un cambio de biomasa pueda ser
detectado. Sin embargo las líneas de regresión se cruzan alrededor de los maximos
valores relativos. Por lo tanto, la especificidad temporal del SISENSOR se diluye cuando
SISENSOR se aproxima a 1, o en otras palabras, cuando el estrés disminuye. Por esto, y
por la simplicidad en el manejo de campo que supone una única ecuación para el
período V11-V15, y dado que una sola ecuación provee un ajuste razonablemente
bueno para los datos de clorofila combinados a través de años y estadios vegetativos,
los datos colectados en V11 y en V15 fueron usados en conjunto para el desarrollo de
esta propuesta. Los datos fueron normalizados dentro de híbrido, repetición y año. El
conjunto completo de datos (cuatro híbridos por año y diez años) se graficó contra la
dosis de N (Fig. 2a) y se ajusto un modelo que puede ser usado para estimar la
cantidad de N disponible para el cultivo en la ventana V11-V15:
SISPADV11-V15= 0.8073 +0.002 N – 0.0000056 N2; R2= 0.70*** [1]
NESTIMATED (Kg ha )
-1
0.92
0.9 100
SISPAD
SISPAD
0.90
0.88
N needed 0.8 50
0.86
175-50=125
0.84
0.82 0.7 0
0.80
0.78 0.6 -50
0 50 100 150 200 250 0.2 0.4 0.6 0.8 1.0 1.2 0.5 0.6 0.7 0.8 0.9 1.0 1.1
Figura 2: Respuesta de a) Indice de suficiencia SPAD (SISPAD) entre V10 y V16 vs. N aplicado a la
siembra para todos los años del ensayo de larga duracion, b) Indice de suficiencia (SISENSOR)vs.
SISPAD, c) N estimado en el sistema (NESTIMADO) usando SISENSOR y la ecuación derivada de [1] y [2].
Para calibrar el algoritmo los datos de V11 y V15 del lote del ensayo conducido en el
lote de producción, fueron considerados en conjunto para construir un modelo que
relacionó el N aportado (NAPORTADO = NESTIMADO + N aportado en forma de fertilizante en
V11 o V15) y rendimiento relativo (Fig. 3). La necesidad de N estimada a partir de
lecturas del sensor se determinó colectando primero lecturas con el sensor en cada
parcela en el dia en que el fertilizante fue aplicado (V11 ó V15), y convirtiendo las
lecturas del sensor en CHLI. El valor de CHLI fu usado para calcular un SISENSOR y
utilizando las ecuación 3 se estimo el N del sistema (NESTIMADO) (Kg. N ha-1). A este
valor se le sumó el N aplicado en V11 o V15 y estos valores son los que aparecen en
el eje x de la figura 3.
En este caso, un modelo cuadratic- plateau ajustó los datos. Un punto de
quiebre entre las porciones de respuesta positiva y sin respuesta cercano a 0 Kg. N
ha-1 indicaría que el modelo es adecuado para estimar el N disponible para que el
cultivo maximice rendimientos. Es decir que NRECOMENDADO-NAPORTADO = 0 (Kg. N ha-1).
La porción cuadrática del modelo indica que la deficiencia de N puede ser corregida
con aplicaciones de N en V11 y V15 dependiendo del grado de estrés. El plateau
indica que mas que suficiente N estuvo disponible en varias parcelas, pero que ese
extra de N no fue utilizado para producir rendimiento. Existen varias formas de perder
N luego de la fertilización; entre ellas lixiviación (Schepers et al., 1991; Zhu and Fox,
2003), desnitrificación (Hilton et al., 1994), volatilización del fertilizante aplicado
(Fowler and Brydon, 1989), volatilización de NH3 directamente desde el cultivo
(Francis et al, 1993), lo que refuerza la idea de que la EUN puede ser mejorada por
acciones tiempo y sitio especificas.
1.0
Rendimiento Relativo
Relative yield
0.9
0.8
0.7
If x< -9, Rel Yield= 0.9515-.00018x-0.00000994x2
else
Rel Yield= 0.95
0.6 R2=0.63***
0.5
-300 -200 -100 0 100 200
NAPORTADO
N SUPPLIED (Kg ha-1)
Fig.3: Rendimiento relativo vs. NAPORTADO estimado a partir de lecturas del sensor para parcelas que
recibieron
1.2diferentes aportes de N a la siembra y en dos estadios de crecimiento (V11 and V15) en el lote
comercial durante 2005. b
1.1
Conclusión
1.0
Los resultados indicaron que, primero, el sensor Crop Circle puede ser usado para
predecir la condición nitrogenada de un cultivo de maíz en la ventana V11-V15. Segundo,
Relative yield
las deficiencias
0.9
N pueden corregirse dependiendo del grado de estrés. Los tratamientos que
recibieron 45N o 90N a la siembra pudieron recuperarse si se aplicó suficiente N a tiempo.
Los tratamientos sin N a la siembra, en cambio, no alcanzaron más del 90% del rendimiento
potencial
0.8para esa condición, independientemente del total de N aplicado durante el ciclo del
cultivo. El algoritmo presentado en este trabajo fue calibrado en condiciones de riego y no
limitantes en otros nutrientes. La propuesta aquí es tomar el marco conceptual y calibrar los
parámetros
0.7 de las ecuaciones en condiciones locales (riego o secano), ya que tanto el clima
como los niveles de N residual pueden afectar los riesgos de perdida de N con aplicaciones
If X <-11, Rel Yield= 0.9503-0.00023x-0.00000989x2
tardías, así como las tasas de mineralización y de esta forma la respuesta a la fertilización.
0.6 else
Rel Yield =0.95
R2= 0.63***
0.5
-300 -200 -100 0 100 200
Bausch, W.C., and H.R. Duke.1996. Remote sensing of plant nitrogen status in
corn. Transactions of the ASAE, 39 (5):1869-1875.
Blackmer, T. M. and J. S. Schepers.1995. Use of chlorophyll meter to monitor
nitrogen status and schedule fertigation for corn. J. Prod. Agric. 8, 56-60.
Dobermann, A., R. Ferguson, G. Hergert, D. Tarkalson, D.T. Walters, C. Wortmann.
2006. Nitrogen response in high-yielding corn systems of Nebraska.
Proceedings of the Great Plains Soil Fertility Conference. March 7-8 Denver,
Colorado. Pp 50-58.
Fowler, D.B. and J. Brydon. 1989.No-till winter wheat production on the Canadian
prairies: Placement of urea and ammonium nitrate fertilizers. Agron. J. 81: 518-
524.
Francis, D. D., J. S. Schepers, and M. F. Vigil. 1993. Post-anthesis nitrogen loss from
corn. Agron. J. 85: 659-663.
Gitelson, A.A., A. Viña, D.C. Rundquist, V. Ciganda, T.J. Arkebauer, 2005. Remote
Estimation of Canopy Chlorophyll Content in Crops, Geophys. Res. Lett.,
32,L08403,doi:10.1029/2005GL022688
Hilton, B.R., P. E. Fixen, and H.J. Woodward. 1994. Effects of tillage, nitrogen
placement, and wheel compaction on denitrification rates in the corn cycle of a
corn-oats rotation. J. Plant. Nutr. 17: 1341-1357.
Peterson, T.A., T.M. Blackmer, D.D. Francis, and J.S. Schepers. 1993. Using a
chlorophyll meter to improve N management. Coop. Ext. Service, Neb Guide
G93-1171. Univ. of Nebraska, Lincoln.
Piekielek, W. P.; R. H. Fox; J. D. Toth; K. E. Macneal. 1995. Use of a chlorophyll meter
at the early dent stage of corn to evaluate nitrogen sufficiency. Agron. J. 87,
403-408
Ritchie, S.W., J.J. Hanway, and G.O. Benson. 1992. How a corn plant develops. Spec.
Rep. 48 (rev.). Iowa State Univ. Coop. Ext. Serv., Ames.
Schepers, J.S., M.G. Moravek, E.E. Alberts, and K.D. Frank. 1991. Maize
production impacts on groundwater quality. J. Environ. Qual. 20:12–16.
Solari, F., 2006. Developing a Crop Based Strategy for On-The-Go Nitrogen
Management in Irrigated Fields, Ph.D. Dissertation, University of
Nebraska, Lincoln, NE, USA.
Varvel, G.E., J.S. Schepers, and D.D. Francis. 1997. Ability for in season correction of
nitrogen deficiency in corn using chlorophyll meters. Soil Sci. Soc. Am. J. 61,
1233-1239.
Varvel, G. E. W. W. Wilhelm, J. F. Shanahan, and J. S. Schepers (2007). An
Algorithm for Corn Nitrogen Recommendations Using a Chlorophyll Meter Based
Sufficiency Index. Agron. J. 99:701–706.
Zhu, Y. and R. H. Fox. 2003. Corn–Soybean Rotation Effects on Nitrate Leaching.
Agron. J. 2003 95: 1028-1033.
G. Montaner y M. Di Napoli
(AACREA)
El contexto
¿Cuales fueron tradicionalmente los ejes que movieron la competitividad del productor
o grupo de productores agropecuarios?
Sin duda el rendimiento y los márgenes fueron históricamente las, variables
centrales junto a los costos por tonelada al nivel del establecimiento y en definitiva los
márgenes. Sin embargo los costos fijos empezaron a mostrar que la escala era la
variable que permitía soportar las épocas de crisis y hacer a las empresas más
competitivas. La adopción de la siembra directa así como la tecnología RR y las
tecnologías de comunicación (Internet, celulares) permitió un nuevo salto de escala a
las empresas, permitiéndoles aumentar la superficie manejada con solo pequeñas
adaptaciones estructurales.
La nueva tecnología (materiales+sd+nutrición…), años climáticos (ciclo más húmedo)
y/o efectos de la napa freática asociada a favorables precios de los “commodities”
validaron los aumentos en los precios de la tierra.
Difícilmente pueda ejercitar nuevos sistemas de ínter siembra eligiendo los arreglos
espaciales de los cultivos en base a la simulación de los modelos para años niño-niña
o por señales de la corriente del chorro, en función de los ambientes delimitados por
tecnología satelital, verificadas por sensores de conductividad, eventualmente
encalados , fertilizando en función de la variabilidad leída por los sensores, aplicando
fungicidas preventivos por los modelos de R. Moschini, vendiendo por la proteína
estimada por un NIR montado en la cosechadora.
Quizás los dos ejes a la escala de ambientes hoy más novedosos han sido la
profundidad de napa para el W de Buenos Aires y las altitudes por su impacto térmico
para las zonas SE y SW de Buenos Aires pero guardando una escala intermedia no
inferior los 200m x 200 m. Así pueden imaginarse los ajustes de rotación según
profundidad de napa o eventualmente la búsqueda de cultivos mas
evapotranspiradores (Jobaggy 2007) o en ambientes más heladores hasta la
supresión de cultivos de segunda.
Aplicación variable
oportunidades por regiones
Variable Nurtiente Fungicida
dosis
W % arena N Sí
SW tosca PN
SE tosca P (S,N
(S,N)) Sí
Las ecuaciones que permiten decidir el nivel de insumos se hallan explicitadas caso
del modelo de N en función de la profundidad tosca (G. Montaner y col 2006) o del %
de arena y de la napa (G.Venzano 2006)
250
MODELO N (Kg Ns+Nf)
200
150 2000
2001
100 2004
50 y = 1,1387x + 68,552
R2 = 0,579
0
0 20 40 60 80 100 120
PROFUNDIDAD (cm)
G.Venzano (2006)
225
MODELO N (kgNs+Nf/ha)
200
175
150 -70cm
125 +70cm
100
Aquí tendría la alternativa de fijar dosis por ambientes de profundidad y si estos son
de fácil delimitación, a su vez aplicar N variable en función de un indice de verdor
monitoreado “on go” tipo N sensor.
En el marco del convenio LART Zona Mar y Sierras AACREA con la participación de
Veron, Del Pino, Oesterheld, G. Montaner Di Napoli se busca estimar el % de
proteína con un indicador basado en reflectancias que se independice en cierta
manera de la biomasa o LAI. En dos campañas las bandas elegidas de reflectancia
muestran ajustes muy prometedores.
250
MODELO N (Kg Ns+Nf)
200
150 2000
2001
100 2004
180
160
y = 0,1144x +100,86
R 2 = 0,4412 -
140
120
Ser i e1
400 150-x 150-x 175-x
100
Li neal (Ser i e1)
80
60
40
20
500 175-x 175-x 175-x
0
+
0 100 200 300 400 500 600
A g u a e n e l s u e l o +l l u v i a s f i n d e s e p t i e m b r e
Calidad 12,0
y = 0,2869x - 4,4591
Porcentaje de proteina y SPAD B10 .2003,4 y 5.
Proteina y Spad .Guapo 2003, 4 y 5.
2003-2004-2005
Lineal (2003-2004-2005)
20 y = 20,062x + 1,612
Proteína en grano (%)
14
R2 = 0,6169
2
9,0
Proteina %
11
-9%
8,0 10 5
- 13%
7,0 9
- 17 %
8 0
6,0
-21 %
7
0 0,2 0,4 0,6 0,8
5,0
36 47 6 Indice Norm alizado (R1128-R724)/(R1128+R724)
40 43
4,0 25 27 29 31 33 35 37 39 41 43 45 47 49
SPAD %
Spad
Hacia el Sudeste las prácticas se inclinan más al uso del fósforo variable ya que los
resultados parecen más consistentes y la profundidad de suelo explica donde se
pueden valorizar elevadas dosis de P.
85 PDA
6500
150 yPDA
= 18,631x + 4414,4
2
R = 0,5958
6000
5500
5000
y = 12,521x + 4442,6
2
4500 R = 0,7282
30 40 50 60 70 80 90 100
PROFUNDIDAD (cm)
800
(kg/ha)
600
400
200
0
0 20 40 60 80 100 120
-200
N INCUBADO (ppm 0-20cm)
Para años con elevados precios de P las aplicaciones variables estarían aportando la
oportunidad de reducir dosis de manera racional alli con interesantes aportes al
márgen.
Tomando como valor para asumir el interés inicial de aplicaciones variables lotes que
presenten un 30% de sus datos de mapas de rendimiento por debajo del 70% de la
curva de distribución de frecuencias de rendimiento, Ospital et al 2007 encontró una
baja proporción de lotes que lo justificaban sobre 144 lotes analizados de distintas
zonas.
Nuestra experiencia en los distintos cultivos, mostró una alta eficacia de las imágenes
MODIS para evaluar datos regionales pero la escala fue insuficiente para ser
pertinentes al nivel de lote o intra-lote.
SAIL computa la reflectancia total del canopeo usando las propiedades de la hoja y
parámetros globales para describir la estructura del canopeo (Verhoef 1984) y
PROSPECT es un modelo genérico de transmitancia reflectancia de la hoja
(Jacquemoud y Baret 1990). Se usa el modelo MODTRAN para la corrección
atmosférica y a partir de la rápida inversión y técnicas de generación de mapas se
dispone del útil compatible con las necesidades de la producción. (Jacquemoud et al
1999; Fourty & Baret, 1997)
Se estima la biomasa (a partir del LAI) y el Nt% (a partir del tenor en clorofila).
Sabiendo cual es el tenor en Nt crítico para un determinado nivel de biomasa (Justes
et al 1997) calculo el Indice de nutrición nitrogenada, como se sabe que a ese estadio
el INN crítico es 0,9 entonces si el indice de clorofila marca 0,8 luego:
Conclusiones
Los costos y la calidad de los productos se seguirán diluyendo desde las fotografías
aéreas a los sensores de reflectancia a un PCR. Pero necesitamos más equipos
trabajando en los para que? y en los como?
Rend (kg/ha) 4847 1185 2080 7806 4939 1157 1900 7583
PMG (gr) 37,41 4,17 27,0 48,0 36,99 3,38 29,0 46,0
Prot (%) 13,64 1,76 10,5 17,2 12,76 1,30 10,1 15,4
RHarina (%) 70,5 1,82 66,3 74,0 70,20 1,81 65,9 73,7
Gluten (%) 33,05 6,73 20,1 49,9 30,22 4,61 19,3 41,7
VPan (cc) 714,18 105,33 515 1005 688,12 82,95 475 880
Referencias:
Miranda R. and Salomón N. 2005. Adaptability and stability of bread wheat
varieties through a quqlity index. Abstracts of 7th International Wheat Conference, pp 272.
Nov 27 – Dec 2 Mar del Plata, Argentina.
Polidoro O et al. 2006. Proyecto INTA 520-204 ‘Generación de Información para
el desarrollo de protocolos de producción diferenciada y certificada de cereales’ (datos
no publicados).
Cuniberti M. et al. 2003, Méodos de lboratorio para evaluar calidad industrial de
trigo pan. Laboratorio de Calidad de la EEA INTA Marcos Juarez.
Pero el tipo de energía que más se correlaciona con la composición química de una
sustancia no es la luz visible, sino la infrarroja cercana, una porción relativamente
pequeña de la radiación emitida por el sol que abarca desde los 700 hasta los 2500
nanómetros, y que es invisible al ojo humano. La energía NIR tiene la propiedad de
ser absorbida selectivamente por los enlaces que unen las moléculas de hidrógeno
con las de carbono, oxígeno, nitrógeno y azufre presentes en los distintos compuestos
orgánicos que forman las estructuras biológicas. Como cada componente (proteína,
agua, grasa, fibra, almidón, etc) posee una estructura química singular, también su
absorción de energía NIR para cada longitud de onda será diferente de la de otro
componente. Esa absorción diferencial de energía se puede cuantificar y registrar en
lo que se denomina el espectro de absorción de la sustancia biológica analizada, a la
manera de una "huella digital", y es lo que permite a la tecnología NIR determinar la
composición química de esa muestra.
La masiva adopción que ha tenido esta tecnología a nivel mundial en los últimos 10-
15 años, no sólo en las áreas agropecuaria y alimentaria, sino también en otras como
las industrias farmacéutica y petrolera, se adjudica a una serie de ventajas que posee
en comparación con los métodos tradicionales de análisis, entre las que se cuentan:
De la misma manera que una computadora necesita de programas para realizar sus
funciones, los instrumentos NIRS necesitan del desarrollo de “calibraciones” previas
para llevar a cabo los análisis, siendo este proceso específico para cada tipo de
instrumento, cada producto y cada constituyente químico a analizar. Desarrollar una
calibración significa determinar un modelo matemático que relacione la variabilidad en
la composición química de las muestras, y la variabilidad de su espectro de absorción
de energía NIR. Este proceso de calibración debe llevarse a cabo para cada uno de
los constituyentes (proteína, grasa, fibra, etc) de cada producto que se quiera analizar
(grano de trigo, semilla de soja, silaje de maíz, etc) demanda tiempo y conocimientos
específicos, pero principalmente necesita de la disponibilidad de colecciones de
muestras representativas del producto a evaluar, y los correspondientes datos de
análisis de esas muestras mediante técnicas convencionales de laboratorio, los que
servirán como datos de referencia.
Entre las desventajas se incluye también el costo relativamente alto de los equipos, y
la necesidad de análisis de referencia por laboratorio convencional muy confiables.
Además, la técnica pierde sensibilidad si los componentes químicos a determinar
están en concentraciones demasiado bajas, generalmente menores al 1%. Vale decir
que si necesito cuantificar un componente que está presente en sólo algunas partes
por millón en la muestra, NIRS no sería la tecnología adecuada.
Existe una amplia variedad de instrumentos NIRS, cada uno con características
particulares que determinan su aptitud para distintas aplicaciones, su facilidad de uso,
su grado de exactitud y precisión, y su costo. En general pueden clasificarse de
acuerdo a:
b) El lugar de montaje:
Los equipos diseñados para uso en laboratorio son en general los de mayor tamaño,
deben trabajar en condiciones de temperatura controlada, son sensibles a
movimientos o vibraciones, exceso de polvillo, o variaciones en la humedad ambiente.
En los últimos años se ha incrementado el desarrollo de instrumentos at-line y on-line.
Los primeros están adaptados para ser instalados en el lugar de producción, y el
muestreo y análisis de cada muestra requiere la intervención del hombre. Los
segundos realizan el muestreo y análisis automático en la línea misma de producción,
sin requerir mano de obra, y han sido posibles gracias al desarrollo de la fibra óptica
como forma de transporte de información a distancia. Un ejemplo de la aplicación on-
line es la clasificación de fruta por características internas (ej: contenido de azúcares)
en la línea de empaque hecha con equipos NIRS ultra-rápidos capaces de analizar,
por ejemplo, 10 manzanas por segundo, y “decidir” en qué cajón se empacará cada
una. Otro ejemplo, más cercano a la producción agropecuaria, es la instalación de
equipos NIRS en cosechadoras para monitorear la calidad de grano en tiempo real,
sobre lo que se darán detalles más adelante.
Por otro lado, ante la necesidad de que el NIRS esté en el lugar donde está el
producto a evaluar y no a la inversa, también se han desarrollado últimamente
equipos portátiles, tanto de filtros como de barrido continuo. Funcionan con pilas o
conectados a una fuente de 12 v, son de tamaño reducido, y carecen de elementos
móviles que pudieran dañarse o desalinearse con el traslado. Este tipo de NIRS ha
tenido gran aceptación, por ejemplo, en las operaciones de acopio de granos.
Entre las desventajas de la tecnología NIRS se mencionó que para calibrar el equipo
es imprescindible contar con un conjunto de muestras representativas del producto a
analizar, con sus respectivos análisis por técnicas de laboratorio convencional.
En la práctica los productos naturales, como son los de origen agropecuario, poseen
una variabilidad infinitamente superior a los productos industriales, donde las
variables que afectan a cada unidad están generalmente controladas. A título de
ejemplo, para medir proteína en grano entero de trigo argentino las muestras de
calibración deberían ser representativas de las más de 60 variedades presentes en el
mercado, estar distribuídas uniformemente dentro del rango máximo en el que podría
variar la proteína, reflejar las medidas de manejo y las condiciones ambientales
durante el cultivo que influencian el contenido de proteína, incluir diferentes formas,
colores y tamaños de granos, y tener en cuenta la humedad de la muestra al
momento de analizarla.
A su vez, los datos de referencia de esas muestras obtenidos por laboratorio
convencional deben ser lo más confiables y precisos posible, ya que los resultados de
un método comparativo como el NIRS nunca serán más precisos que los del análisis
convencional usado como referencia y que dio origen a la calibración.
a) Análisis Cuantitativo
b) Análisis Cualitativo
Figura 5: Relación entre determinación por método convencional y por NIRS de % proteína (base
tal cual) en grano entero de trigo
Figura 6. Espectros de absorción NIRS típicos de grano de soja argentina en longitudes de onda
de 893 a 1045 nanómetros
Figura 7. Relación entre determinación por método convencional y por NIRS de % proteína (base
tal cual) en grano entero de soja
EEA INTA Manfredi – Proyecto Agricultura de Precisión – Ruta 9 Km 636 CP 5988 Tel. 03572 – 493039.
web: www. agriculturadeprecision.org
Página Web: www.agriculturadeprecision.org
e-mail: agriculturadeprecision@yahoo.com.ar
I.- INTRODUCCION
Ingreso de los
granos desde la
noria
Módulo óptico
donde se analizan
los granos
Egreso de los
granos hacia la
noria
Figura nº1
Vista del AccuHarvest® instalado en el elevador de
granos (noria) de la Cosechadora Vassalli
La cosechadora "Vassalli" 1550E dispone de un cilindro de trilla de 1550mm
de ancho por 600 mm de diámetro. Está equipada con un monitor de rendimiento
PF Advantage Ag Leader (Figura nº 4) que opera vinculado al GPS con lo cual,
Figura nº 2
Vista parcial de la cosechadora
Vassalli 1550E, con el AccuHarvest®
instalado y con la presencia de dos
técnicos del INTA Manfredi quienes
trabajaron con el equipo que realizó
esta nueva evaluación.
Figura nº 3
Monitor DataLooger del AccuHarvest
Figura nº 4 Figura nº 5
Monitor de rendimiento PF Advantage Analizador de Granos Zeltex Mod. ZX-50
para comparar con el AccuHarvest
Los rangos medidos con el AccuHarvest®, expresados en % tal cual para este lote,
están dentro de los límites de las calibraciones efectuadas en INTA EEA Anguil.
1) Generalidades:
Esto permite que cada área del lote exprese su máximo potencial económico posible
en base al uso racional de estos insumos.
Estoy convencido de que, hoy por hoy, ningún sector de la producción rural tiene tanta
dinámica como la Agricultura de Precisión. Esto hace que día a día aparezcan nuevas
herramientas, nuevas técnicas, nuevos criterios. Y esto necesariamente lleva a la
necesidad de permanentes actualizaciones.
2) El uso de sensores
Se procurará analizar, en primera instancia, con qué elementos debe contar nuestro
equipo para lograr la aplicación de dosis variables.
Luego, se verá en que medida estos criterios son aplicables, o se encuentran
disponibles, para cada uno de los diferentes tipos de aplicaciones existentes, así
como también para los fertilizantes líquidos.
Los sistemas GIS, con su correspondiente software, en sus primeras versiones debían
acoplarse a la consola de comando de la pulverizadora.
Pero también existen sistemas de monoconsola, que incluyen ambas funciones dentro
de un único equipo.
De la aplicación de la fórmula surge que para duplicar el caudal debo multiplicar por
cuatro la presión utilizada.
La Norma ASAE EP 367.1 establece que “la presión de operación también puede ser
ajustada para modificar el volumen, siempre y cuando se opere dentro de una franja
de presiones recomendadas y que ese ajuste del volumen sea inferior al 25%. Mayor
variación afecta excesivamente el tamaño de gota y el perfil de distribución” (año
1985).
El sistema funciona en una frecuencia de 10 Hz, con una tasa de ciclo (Duty Cycle)
del 10 al 100 % (regulación de salida de líquido) y fue ensayado con una pastilla
abanico plano 8004.
Llegados a este punto es importante destacar que existe una sola empresa de origen
nacional que produce un equipo apto “de fábrica” para su uso en AP.
No obstante, si alguien quisiera equipar a su propia pulverizadora, podría hacerlo
adquiriendo los componentes a diferentes proveedores.
5.1. N-Sensor.
Figura 7: N-Sensor
El funcionamiento es muy similar al del sistema anterior, pero en este caso cada
equipo mide un área mucho menor, de 60 x 60 cm por segundo, y cada uno de ellos
tiene su propio procesador, colocándose uno en el lugar de cada pastilla.
Como ya hemos visto, existe la posibilidad de equiparse con equipos aptos para
Agricultura de Precisión, esto es: GPS – GIS, controlador de pulverización y dosis
variable.
Las preguntas que debemos formularnos, para el caso de aplicación de herbicidas,
son:
No obstante ello debemos hacer una salvedad que creemos de importancia. Cuando
estamos aplicando un producto uniformemente en función de la superficie, y la
cantidad de malezas es diferente en diferentes lugares del potrero, no hay ninguna
duda de que la aplicación no es homogénea en función de la superficie foliar de las
malezas. Esto es porque aplicamos una misma cantidad sobre superficies foliares
diferentes.
Quizás ello implique, que en un futuro, las aplicaciones de herbicidas (y de
insecticidas y fungicidas) dependan en AP de lectores de biomasa vegetal. Los
primeros modelos ya están apareciendo, como veremos más adelante.
El Weed Seeker, elaborado por N-Tech. Industries, al igual que el Green Seeker, se
coloca en el botalón de la pulverizadora, en el lugar de cada pastilla. El equipo está
normalmente cerrado. Cuando el sensor óptico detecta a las malezas y envía la
información a la computadora, esta abre la correspondiente pastilla pulverizadora del
equipo, la cual se acciona, aplicando solamente sobre la maleza detectada.
El sistema permite trabajar en tiempo real, tanto de día como de noche, pero no
distingue malezas de cultivos, por lo que su uso se limita a los lotes en barbecho.
Por lo tanto, por el momento, consideramos que no es posible el uso de A.P. para
estos casos. Sin embargo no cabe descartar la posibilidad de que en un futuro no muy
lejano se desarrollen sistemas mediante algún tipo de sensores específicos.
8) Conclusiones:
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Ing. Agr. Fernando
Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Agradecimiento: Técnico Christoph Luis Darfeld (Claas).
Proyecto Agricultura de Precisión - INTA Manfredi
Ruta 9 km 636, (5988) Manfredi, Pcia. de Córdoba. TE/Fax: 03572 493039 /53/61
e-mail: agprecision@correo.inta.gov.ar y agriculturadeprecision@yahoo.com.ar
Página web: www.agriculturadeprecision.org
Introducción
1) Generalidades:
Esto permite que cada área del lote exprese su máximo potencial económico posible
en base al uso racional de estos insumos.
Estoy convencido de que, hoy por hoy, ningún sector de la producción rural tiene tanta
dinámica como la Agricultura de Precisión. Esto hace que día a día aparezcan nuevas
herramientas, nuevas técnicas, nuevos criterios. Y esto necesariamente lleva a la
necesidad de permanentes actualizaciones.
2) El uso de sensores
Se procurará analizar, en primera instancia, con qué elementos debe contar nuestro
equipo para lograr la aplicación de dosis variables.
Luego, se verá en que medida estos criterios son aplicables, o se encuentran
disponibles, para cada uno de los diferentes tipos de aplicaciones existentes, así
como también para los fertilizantes líquidos.
Los sistemas GIS, con su correspondiente software, en sus primeras versiones debían
acoplarse a la consola de comando de la pulverizadora.
Pero también existen sistemas de monoconsola, que incluyen ambas funciones dentro
de un único equipo.
De la aplicación de la fórmula surge que para duplicar el caudal debo multiplicar por
cuatro la presión utilizada.
La Norma ASAE EP 367.1 establece que “la presión de operación también puede ser
ajustada para modificar el volumen, siempre y cuando se opere dentro de una franja
de presiones recomendadas y que ese ajuste del volumen sea inferior al 25%. Mayor
variación afecta excesivamente el tamaño de gota y el perfil de distribución” (año
1985).
El sistema funciona en una frecuencia de 10 Hz, con una tasa de ciclo (Duty Cycle)
del 10 al 100 % (regulación de salida de líquido) y fue ensayado con una pastilla
abanico plano 8004.
Llegados a este punto es importante destacar que existe una sola empresa de origen
nacional que produce un equipo apto “de fábrica” para su uso en AP.
No obstante, si alguien quisiera equipar a su propia pulverizadora, podría hacerlo
adquiriendo los componentes a diferentes proveedores.
5.1. N-Sensor.
Figura 7: N-Sensor
El funcionamiento es muy similar al del sistema anterior, pero en este caso cada
equipo mide un área mucho menor, de 60 x 60 cm por segundo, y cada uno de ellos
tiene su propio procesador, colocándose uno en el lugar de cada pastilla.
Como ya hemos visto, existe la posibilidad de equiparse con equipos aptos para
Agricultura de Precisión, esto es: GPS – GIS, controlador de pulverización y dosis
variable.
Las preguntas que debemos formularnos, para el caso de aplicación de herbicidas,
son:
No obstante ello debemos hacer una salvedad que creemos de importancia. Cuando
estamos aplicando un producto uniformemente en función de la superficie, y la
cantidad de malezas es diferente en diferentes lugares del potrero, no hay ninguna
duda de que la aplicación no es homogénea en función de la superficie foliar de las
malezas. Esto es porque aplicamos una misma cantidad sobre superficies foliares
diferentes.
Quizás ello implique, que en un futuro, las aplicaciones de herbicidas (y de
insecticidas y fungicidas) dependan en AP de lectores de biomasa vegetal. Los
primeros modelos ya están apareciendo, como veremos más adelante.
El Weed Seeker, elaborado por N-Tech. Industries, al igual que el Green Seeker, se
coloca en el botalón de la pulverizadora, en el lugar de cada pastilla. El equipo está
normalmente cerrado. Cuando el sensor óptico detecta a las malezas y envía la
información a la computadora, esta abre la correspondiente pastilla pulverizadora del
equipo, la cual se acciona, aplicando solamente sobre la maleza detectada.
El sistema permite trabajar en tiempo real, tanto de día como de noche, pero no
distingue malezas de cultivos, por lo que su uso se limita a los lotes en barbecho.
Por lo tanto, por el momento, consideramos que no es posible el uso de A.P. para
estos casos. Sin embargo no cabe descartar la posibilidad de que en un futuro no muy
lejano se desarrollen sistemas mediante algún tipo de sensores específicos.
8) Conclusiones:
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Ing. Agr. Fernando
Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Agradecimiento: Técnico Christoph Luis Darfeld (Claas).
Proyecto Agricultura de Precisión - INTA Manfredi
Ruta 9 km 636, (5988) Manfredi, Pcia. de Córdoba. TE/Fax: 03572 493039 /53/61
e-mail: agprecision@correo.inta.gov.ar y agriculturadeprecision@yahoo.com.ar
Página web: www.agriculturadeprecision.org
Introducción
Nota: los valores obtenidos por INTA Manfredi coinciden con ensayos de Pioneer y son 2,2 veces
superiores a los obtenidos por Dr. Bob Nielsen del Estado de Indiana-EE.UU. que por cada pulgada (2,54
cm) de desvío estándar por encima de 2, se pierden 160 kg/ha del rendimiento potencial del maíz. Esta
diferencia encontrada entre Pioneer e INTA respecto a la de Bob Nielsen, son explicables dado que en
los dos primeros casos el ensayo fue realizado con sembradoras de productores, donde además de la
desuniformidad espacial se incluye por diferencia de profundidad la desuniformidad de emergencia
temporal, cosa que no fue medida por Bob Nielsen dado que en su caso los ensayos fueron realizados
con siembras manuales.
Ubicación espacial del lote con Diferencia: 5.1 qq/ha que representan el 5.25%
mayor fertilidad: de caída del rendimiento a 9 km/h.
2º rep. a 9 km/h: 113 qq/ha
2º rep. a 6 lm/h: 121.1 qq/ha
Figura 1: Mapa de rendimiento de maíz de las 2 repeticiones del ensayo de velocidad de siembra.
Figura 2:
Análisis de Resultados
La empresa alemana Claas, con sede en nuestro país, tiene un nuevo sistema de
monitoreo y control que busca lograr dos objetivos principales:
Funcionamiento:
Agricultura de precisión
• Verdadero Control de pérdidas “On Line”
• Mapeo de Rendimiento “On Line”
• Capacitación y Control del personal “On Line”
• Control de ajustes de la trilla / Ayuda
• Control de calibración de la máquina / Ayuda
• Control de logística
Comparar la eficiencia
• Ranking comparativo de un grupo de cosechadoras
• Optimizar el rendimiento del equipo
Diagnóstico On Line
• Monitoreo de Mantenimiento
• Monitoreo de Fallas
Pero eso no es todo, el propietario podrá seleccionar además algún otro punto que
sea de su interés, como por ejemplo un análisis de logística o de control de pérdidas,
para poder obtener un informe más completo y así hacer sus propias conclusiones.
Conclusiones
Bibliografía
Introducción:
1) Mapeo de rendimiento.
2) Determinación y Caracterización de Ambientes.
3) Programas de Manejo Integrales por Ambiente.
4) Control de Ejecución de Maquinaria.
5) Gestión y Administración de la Información.
6) Medición satelital de superficies.
7) Monitoreo de equipos de riego.
Para brindar estos servicios de excelencia hemos formado un equipo que con
su experiencia, responsabilidad, compromiso y constante capacitación cuenta con
equipamientos de última generación.
Segundo paso:
El segundo paso consiste en identificar cuales son las causas probables que
determinan la variabilidad de la producción observada en los diferentes ambientes.
Para ello se realizan diferentes estudios relacionados con las características físicas y
químicas de los suelos que ayudan a determinar cuales son los problemas mas
importantes que limitan la producción de cada ambiente y cuales son los potenciales
de rendimiento que podemos llegar en cada caso.
Hasta la pasada campaña, 13 establecimientos que suman 22.000 has han
confiado la determinación de ambientes y su correspondiente diagnóstico al
Departamento Técnico de A&T y Asociados. De esta forma hemos podido identificar
factores de variabilidad inducidos por el hombre (sectores de riego y secano, sectores
erosionados, historia y manejo distinto dentro de un lote) y factores estructurales
(posición en el relieve, textura, presencia de sodio, de tosca y de profundidad de
napa, etc).
Al alcanzar un diagnostico podemos encontrarnos con situaciones que
podemos manejar y otras que no. En una primera etapa nos conviene concentrarnos
en aquellos factores que mas fácilmente podemos manejar y que mayor impacto
tendrán en el resultado económico.
Tercer paso:
15000
Rendimiento (kg/ha)
13000
11000
7000
0 50 100 150 200 250 300 350
Nitrógeno - Suelo + Fertilizante -0-60 cm (kg/ha)
Figura N° 1: Mapas con los ambientes delimitados con ensayo de fertilizante nitrogenado
cruzando ambientes y curvas de respuesta para los distintos ambientes al nitrógeno del suelo y
del fertilizante hasta 0-60 cm.
Figura N°2: Mapas de prescripciones para la siembra variable de fertilizante y de densidad de maíz
en un establecimiento cercano a la zona de Río Cuarto.
Quinto paso:
GESTION DE LA INFORMACION
Una vez realizados los pasos anteriores, nos encontramos con que la
información generada se encuentra multiplicada por la cantidad de ambientes
delimitados y que aumentará en los años subsiguientes. De esta manera se hace
CONCLUSIONES:
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Lic. Federico Proietti; Ing.
Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Proyecto Agricultura de Precisión - INTA Manfredi
Ruta 9 km 636, (5988) Manfredi, Pcia. de Córdoba. TE/Fax: 03572 493039 /53/61
e-mail: agprecision@correo.inta.gov.ar y agriculturadeprecision@yahoo.com.ar
Página web: www.agriculturadeprecision.org
Introducción
Maíz 2004/05
Los pasos que se siguieron en la recolección de datos fueron los mismos que
los realizados en el ejemplo anterior (en secano), por ello lo único que se va a
describir son los cuadros de objetivos propuesto y resultados obtenidos.
Como primer punto a tener en cuenta: se encuentra la diferencia entre
rendimiento esperado antes de la siembra y rendimientos logrados a cosecha, lo que
demuestra que predecir rendimientos podría resultar un tanto erróneo. En este
ensayo, a pesar que uno de los factores determinantes de rendimiento, que es el
agua, estaría más controlado porque era un campo con riego; se pudo notar que hubo
otros factores que no se tuvieron en cuenta en el momento de definir rendimientos
objetivos. Uno de los factores fueron las heladas tardías e influyeron de manera
negativa disminuyendo el rendimiento potencial del cultivo de maíz. Otro de los
factores fue la radiación y el híbrido seleccionado por el productor previo a la siembra
dado que a último momento se decidió sembrar un maíz MAV (de alto valor proteico)
el cual posee menor potencialidad de rendimiento.
Cuadro 1: este cuadro describe dos de los tres tratamientos realizados en este
ensayo, se muestra solo la situación de dos insumos variables según ambiente
(semilla y fertilizante al costado como urea). Luego de analizar este ejemplo,
procederemos a otro tratamiento donde se varió el fertilizante, manteniendo fija la
densidad de siembra, con mejores resultados desde el punto de vista económico.
80.000 0
Bajo potencial
Bajo potencial
Potencial 100.000 80 80 90
Dosis uniforme
medio
Alto potencial
Cuadro 4: Resultados económicos de cada insumo para cada ambiente comparados entre el
manejo de insumos variable versus el fijo y por ambientes o zonas.
Insumo Bajo potencial Potencial medio Alto potencial
Cuadro 5: Resultados económicos ponderados por hectárea donde la dosis variable logró un
incremento de 39 $/ha más que la dosis fija.
Ingreso diferencial
$/ha Total
ponderado
Cuadro 6: este cuadro describe otro de los tres tratamientos realizados en este ensayo, se
muestra solo la situación de la fertilización variable según ambiente (fertilizante a la siembra al
costado de la línea de siembra como urea).
Dosis de Dosis de fosfato Dosis de N con
Tratamiento Zonas Semillas/ha
urea kg/ha diamonico kg/ha fertiriego kg/ha
0
Bajo potencial
Bajo potencial
Alto potencial
Urea ($ 111.7) $0
Consideraciones
Se podría concluir que para este ensayo donde los rendimientos esperados
fueron inferiores a los logrados, posee mayor peso obtener mejores resultados
económicos, dado que estos pueden a su vez estar asociados a un buen manejo
agronómico por no llegar al límite de resultados objetivos. Ahora si el resultado
obtenido hubiera sido mayor al resultado esperado (o sea objetivo) se podría inferir un
mal manejo agronómico (por falta de fertilizante para lograr el rendimiento logrado). O
sea que por querer lograr un mejor resultado económico se estaría perjudicando al
suelo (o ambiente).
Otro punto que se podría remarcar, es que mientras mayor sea la magnitud de
la variabilidad de los lotes, mayores son las posibilidades de obtener buenos
resultados económicos y agronómicos.
Las estimaciones muchas veces si no se ajustan bien todos los detalles que
afectan la producción pueden resultar erróneas y causar menores ganancias a las
esperadas.
Los puntos de vista sobre el manejo de los cultivos resultan ser muy
importantes en el momento de definir las recomendaciones (objetivos de producción)
por ambientes. Si el único objetivo es lograr el mejor rendimiento económico en el
manejo variable de insumos, entonces se debería contemplar de no fertilizar a los
ambientes estimando la mayor productividad del cultivo (porque esto significaría ser
muy optimista y no tener en cuenta menores lluvias en etapas críticas del cultivo,
menor radiación, temperaturas no adecuadas, una siembra a alta velocidad, riesgo de
heladas, cosecha a alta velocidad, etc). Pero si el punto de vista del productor es un
mejor manejo agronómico de los cultivos por ambientes, entonces los objetivos de
prescripciones no serán tan preocupantes si se fijan a la obtención de altos
rendimientos.
No siempre aplicar menor cantidad de insumos en algunos ambientes
produciría una merma potencial a futuro del rendimiento de los cultivos para dicho
ambiente. Como se demostraron en algunas zonas del ejemplo en secano, muchas
veces aplicar mayores dosis de fertilizante no aumentarían el rendimiento y tal vez
hasta puedan llegar a contaminar si se incurren en excesos en la utilización de
fertilizantes nitrogenados.
La técnica de detección de ambientes, la tecnología para aplicar los insumos
variables, la cosecha de datos con el monitor de rendimiento, los software para
analizar datos y crear prescripciones, están al alcance del productor argentino.
Es evidente que en este proceso biológico como es el manejo de cultivos sitio
específico, el resultado depende del conocimiento agronómico profundo que se posea
de cada ambiente (caracterización), de la calidad y cantidad de información que se
disponga; y en algunos casos de la influencia que la variable climática tenga en cada
ambiente según el año evaluado. Con estas apreciaciones se podría demostrar que la
agricultura de precisión es una línea de trabajo interdisciplinario, para ser trabajado en
equipo. También queda claro que la evolución de la sensorización de los factores que
definen los rendimientos de los cultivos, como el ajuste de las predicciones climáticas
contribuirán seguramente a mejorar los resultados a futuro.
Introducción:
Los primeros pasos se dieron con las mediciones de lote con DGPS. Esta
tecnología cambio el negocio del alquiler de campos en AGD esto es por que al
alquilarse 100000 hectáreas si el error en el calculo del área fuese de + 5% en la
superficie, se pagarían 5000 hectáreas de más y si se considera un promedio de
precio de alquiler de los últimos 10 años para la zona de influencia de AGD de 78
U$S/Ha haría un total de 390000 U$S o 39000 dólares por año. Suficiente para
comprar 3 DGPS por año hace 10 años y 8 hoy en día.
El uso de equipos GPS de precisión centimétrica en post proceso han
permitido evaluar las pendientes de los campos propios y realizar curvas de nivel en
los casos que fue necesario y de esta forma hacer un uso mas racional de la tierra,
evitando erosión del suelo y aumentando la eficiencia de uso del agua de lluvias.
• Imágenes Satelitales:
• Mapeo de Rendimiento:
• Banderilleros satelitales:
Los equipos fumigadores trabajan con guías satelitales hace casi 8 años
siendo el objetivo de la empresa que la totalidad de los equipos propios o que trabajan
para la empresa posean esta tecnología. De esta forma se busca eliminar la
presencia del hombre bandera que se ve expuesto a los productos que se están
aplicando, claramente este cambio trajo aparejado la mejora del proceso de
pulverización y el control de transito sobre los lotes.
• Calificación de Ambientes:
Medidor de rendimiento
Contrapesar
MAPAS DE BANDERAS
Este es un MAPA de visión que lo poseen las cosechadoras Lexion 570, Lexion 580 y
Lexion 600 de serie.
Con el Software
AGRO-MAP (GIS),
que trae cada
cosechadora con
Mapeo de
rendimiento, el
productor tiene la
posibilidad de
hacer un mapa
promedio de los
últimos años y sobre eso un mapa de prescripción para la siembra o fertilización.
Para buscar las razones de la heterogenidad en el rendimiento se puede agregar un
módulo de “MUESTREO DE SUELO” al software. Asi se puede crear un mapa de
suelo a partir de los resultados del análisis de muestras georeferenciadas.
Una agricultura precisa se logra con pilotos automáticos que hacen rendir las
máquinas lo mejor posible. Siempre la plataforma trabaja llena para optimizar los
tiempos de cosecha y tener una mejor calidad en su mapa de rendimiento.
Medidor de Biomasa
7.) DOCUMENTACIÓN
En CLAAS es muy importante tener una buena documentación. Esto significa guardar
todos los datos utilizados en una empresa agropecuaria. En la agricultura de precisión
es importante almacenar datos de siembra, fumigaziones de herbicidas y fungicidas,
proyectos de rotaciones con un cálculo de insumos, control de Stock, cálculo de
rendimiento de inversión, organización de contrato de alquiler, etc.
Todo lo detallado anteriormente no sólo lo ofrece para la agricultura ya que además
existe un software que está relacionado con la ganadería, por ejemplo para la
producción porcina, lechería y carne.
CLAAS ofrece un programa de gestión integrada donde se incluyen las distintas
actividades ya sean agricolas o ganaderas.
Por eso CLAAS desarrolló un nuevo sistema de monitoreo y control en tiempo real:
TELEMATICS
Funcionamiento:
Agricultura de precisión
• Tiempo de proceso
• Tiempo de espera en el campo / giro en la cabecera / descarga en parado
• Tiempo de avance en la ruta.
Comparar la eficiencia
Diagnóstico On Line
• Monitoreo de Mantenimiento
• Monitoreo de Fallas
Reporte Diario
Pero eso no es todo, el propietario podrá seleccionar además algún otro punto que
sea de su interés, como por ejemplo un análisis de logística o de control de pérdidas,
para poder obtener un informe más completo y así hacer sus propias conclusiones.
Si algo queda claro del análisis de la realidad económica actual es que hay una
nueva economía, basada fundamentalmente en la información y el conocimiento. El
mercado cada vez más globalizado nos demuestra a diario que el crecimiento se
genera en el acoplamiento a la eficiencia, incorporando tecnología, capacitando a la
gente y haciendo un correcto uso de la información.
Las empresas más eficientes son las que pueden mirar hacia adentro, reorganizarse,
tecnificarse y adaptarse a las condiciones cambiantes del contexto, aprovechando el
insumo elemental de la información que generan para transformarlo en conocimiento
sobre si mismas y sobre su entorno (flexibilidad, capacidad de adaptación a
escenarios cambiantes).
La clave del éxito está hoy en día vinculada a la gestión de conocimientos, que
no solo añade valor sino que genera productividad. Para esto es preciso transformar
los datos dispersos en información útil que, integrada, analizada y compartida permita
generar nuevos conocimientos sobre la realidad, con el objetivo de tener mayores
certezas a la hora de tomar decisiones. Proyectar una transformación de estas
características demanda ciertos esfuerzos:
Del ayer al hoy: Observar y analizar datos históricos para conocer. La historia
nos enseña a entender el presente y a modelar el futuro.
Se planifican muestreos dirigidos por ambientes y se transfieren al GPS para ir a tomar las muestras a campo.
Los mapas de prescripción se elaboran en GIS indicando la variación de dosis por ambiente.
Con herramientas simples y fáciles de usar, GeoAgro GIS funciona como una
plataforma tecnológica integradora, que permite que diferentes actores (productores,
asesores, gerentes, etc.) visualicen, analicen, compartan y tomen decisiones en base
a información actualizada.
Además, el sistema hace posible la dinámica con GPS y maquinaria, por lo que el GIS
se constituye como un lenguaje común, comprendido tanto por personas y
máquinas, haciendo viable la agricultura de precisión.
Fernando J. Menéndez 1
1
Área de Tecnología, AACREA.
1. Introducción
Para que estos datos resulten útiles, y poder integrar toda la información con la
que se cuenta, es necesario aplicar ciertas técnicas estadísticas. Las técnicas de
agrupamiento o análisis de clusters permiten agrupar diferentes zonas del campo
según su similitud teniendo en cuenta todas las variables que se le informan
(Dobermann and Ping, 2004). En este caso, las variables utilizadas consisten en los
datos obtenidos a partir de las imágenes satelitales y los monitores de rinde (IVN año
2000, IVN año 2001, rendimiento Trigo año 2002, etc.).
a c
b
Los factores que generan las diferencias entre ambientes varían entre distintas
zonas de la Región Pampeana (Figura 2). Por ejemplo, en el Sudeste y Sudoeste de
la provincia de Buenos Aires, o en las planicies con tosca de La Pampa, la
profundidad del suelo es el factor más determinante de los rendimientos de los
cultivos extensivos. En otras zonas, la textura, el nivel de deterioro del suelo, la
profundidad a la que aparece un horizonte nátrico, etc., pueden ser las causas que
subyacen las diferencias en los rendimientos de lo cultivos. Resulta imprescindible,
luego de haber delimitado los ambientes, determinar cuál o cuáles son los factores
que generan la variabilidad ambiental y de qué manera afectan al crecimiento y
rendimiento de los cultivos.
Profundidad del
Horizonte tapto,
Presencia de sodio.
Deterioro del suelo,
infiltración, etc.
Posición en el paisaje,
etc.
Topografia,
Tipo de suelo, etc
Topografia,
textura, Topografia,
profundidad de la textura,
napa. profundidad de
la napa, etc
Profundidad
efectiva del suelo.
1,2
a
Probabilidad acumulada
1,0
0,8
0,6
1 0,4
0,2
2 0,0
0 50 100 150
Rendimiento de Maiz (kg/ha)
3 1,2
1 2 3 4
1,0 b
Probabilidad acumulada
4 0,8
0,6
0,4
0,2
0,0
0 10 20 30 40 50 60
Rendimiento de Trigo (kg/ha)
1 2 3 4
Figura 4: Mapa de ambientes y distribución de rendimientos de Maíz (a) y Trigo (b) por
ambientes en un establecimiento del Oeste de la Provincia de Buenos Aires. La zona del lote en
rojo corresponde a un médano con pasto llorón. Al no tener datos de rendimiento esta parte no
fue incluida en el análisis de clusters.
12.000
Rendimiento (kg/ha)
10.000 10.000
8.000 8.000
6.000 6.000
4.000
4.000
2.000
2.000
0
0 0 50 100 150 200
0 50 100 150 200 N disponible (kg/ha)
N disponible (kg/ha)
Resulta claro que son muchas las tecnologías y los procesos que podrían ser
ajustados a partir de la delimitación de ambientes con diferente productividad. Lo que
es importante en este punto es lograr un buen entendimiento de las interacciones
entre los ambientes de producción y las tecnologías y generar reglas de decisión que
resulten en sistemas que deben ser a la vez eficaces y operativamente simples. En el
proceso de generación de estas reglas de decisión existen dos herramientas potentes
y complementarias que deberían ser utilizadas: (i) los ensayos a campo y (ii) los
modelos de simulación agronómica. Los primeros, bien conducidos y analizados
aportan la información real y cuantitativa del imparto de distintas tecnologías sobre el
rendimiento de los cultivos en los diferentes ambientes. Los modelos de simulación
permiten integrar los efectos de la variabilidad climática en el análisis de determinadas
tecnologías (genotipos, fertilización).
3- Bibliografía.
INTRODUCCIÓN
RESULTADOS Y DISCUSIÓN
Ambientes edáficos
Distancia: (Euclidea)
133
107
98
119
106
128
125
84
123
149
66
102
108
97
153
93
76
67
156
68
22
37
15
130
12
88
72
71
124
135
21
18
8
9
6
150
90
143
92
86
158
120
116
127
115
151
145
95
54
51
155
103
74
136
104
154
61
47
122
53
28
141
43
26
25
87
157
42
13
117
111
110
160
91
152
99
83
148
78
109
147
96
85
77
89
81
100
57
70
56
79
82
73
159
69
80
146
101
52
105
49
50
58
39
55
29
40
27
38
34
44
59
24
46
41
14
45
10
7
126
121
144
94
75
112
131
60
138
33
30
113
142
31
16
35
23
19
139
129
36
132
32
11
5
4
2
114
64
62
118
48
65
63
17
137
140
20
3
134
1
Calcio
CIC 2
2,50
Horizonte A
5
14 13 MO LABIL
Ks 4 Fósforo
12
11 16 6 Agua útil
CP 2 (21,5%)
1
7 Magnesio
0,00
8
Hum edad Equivalente MO TOTAL
15
10 Potasio
17
MO ESTABLE
-2,50
3
Reacción pH
9
-5,00
-5,00 -2,50 0,00 2,50 5,00
CP 1 (41,0%)
CONCLUSIONES
La variabilidad en la relación entre los parámetros físicos y químicos y su
ubicación geográfica permiten establecer e implementar las prácticas de manejo de
suelos más adecuadas, de acuerdo al factor limitante en cada uno de los ambientes.
La metodología utilizada permite agrupar unidades de muestreo en ambientes
edáficos homogéneos, utilizando como criterio una baja heterogeneidad en la
condición física y química del suelo.
Introducción
Por distintos trabajos realizados en la EEA de M. Juárez así como por grupos de
productores que conducen redes de ensayos, se conoce que la incorporación de
azufre (S) en los planteos de fertilización tiene respuesta en el rendimiento pero esta
mejor evaluada en el doble cultivo trigo / soja que en el cultivo de maíz, en el cual no
siempre es estadísticamente significativa.
Materiales y métodos
Durante las tres ultimas campañas, (03/04, 04/05, 05/06) se realizaron dos ensayos
de fertilización de maíz en el campo del Productor Antonio Vitale e hijos, en suelos de
la serie Monte Buey (MB). En cada ensayo se sembró soja al año siguiente del maíz
evaluando el rendimiento por medio del mapeo de rendimiento.
Resultados y discusión
Cuadro 2 Rendimientos de los distintos tratamientos de maíz y soja “residual”. Promedio y por
franja. Lote 3
Promedio de la franja Franja lado Norte Franja lado Sur
TRATAMIENTO Rend qq/ha Rend qq/ha Rend qq/ha Rend qq/ha Rend qq/ha Rend qq/ha
Maiz Soja Maiz Soja Maiz Soja
100 95,0
86,0
80 Maiz
60 Soja
49,6 49,4
40
20
0 0
0
N 0 12 67 81
P2O3 0 52 52 52
kg nutrientes S 0 0 0 16,8
60
40
N 0 12 67 81
P2O3 0 52 52 52
0
kg nutrientes S 0 0 0 0 16,8
Mapa de
rendimiento
Testigo
PMA+SA+UAN
PMA
PMA+UAN
Sector
PMA+SA+UAN Norte
PMA+UAN
P30R76 P32F07
Parcelas
P31B64
Refugio Sector
Sur
PMA+UAN
Ensayo
PMA+SA+UAN
fertilizacion
Mapa de rendimiento
de Soja PMA+UAN
PMA+UAN
PMA+SA+UAN
PMA+SA+UAN
100 87,0
80 Maiz
Soja
60 47,5
45,9
40
20
0 0 0,0
0
N 0 69 84
P2O3 0 52 52
kg nutrientes S 0 5 22
En el lote 3 las diferencias de rendimiento entre los tratamientos con y sin azufre
fueron mayores al evaluar por separado la franja al norte y sur del lote, pasando a ser
significativas.(Cuadro 2 y grafico 2). Esto se debe a la variabilidad existente en el
suelo por la distinta historia en cada uno de esos sectores.
Conclusiones
Introducción
TEMAS
1.1.- Generalidades.
Cuando el sistema GNSS esté completamente desarrollado, se prevé que pueda ser
utilizado sin requerir ayuda de cualquier otro sistema de navegación convencional,
desde el despegue hasta completar un aterrizaje de precisión Categoría I, II ó III, es
decir, en todas las fases de vuelo.
En el año 1957, la Unión Soviética lanzó al espacio el satélite Sputnik I, el cual era
monitoreado mediante la observación del efecto doppler de la señal que este
transmitía. Debido a este hecho, se comenzó a pensar que, de igual modo, la posición
de un observador podría ser establecida mediante el estudio de la frecuencia doppler
de una señal transmitida por un satélite cuya órbita estuviera precisamente
determinada.
3.- Señal RF
- Frecuencia portadora:
Civil - 1 575.42 MHz (L1). Utiliza el Código de Adquisición Aproximativa
(C/A)
Militar – 1227.60 MHz (L2). Utiliza el Código de Precisión (P), cifrado.
- Nivel de potencia de la señal: -160 dBW (en superficie tierra)
- Polarización: circular dextrógira
4.- Exactitud
Posición: aproximadamente 15 mts (el 95%)
Hora: 1 ns
El GPS está evolucionando hacia un sistema más sólido (GPS III), con una mayor
disponibilidad y que reduzca la complejidad de las aumentaciones GPS (las
aumentaciones GPS se tratarán más adelante en este material). Algunas de las
mejoras previstas comprenden:
- Incorporación de una nueva señal en L2 para uso civil.
El programa GPS III persigue el objetivo de garantizar que el GPS satisfará requisitos
militares y civiles previstos para los próximos 30 años. Este programa se está
desarrollando para utilizar un enfoque en 3 etapas (una de las etapas de transición es
el GPS II) muy flexible, permite cambios futuros y reduce riesgos. El desarrollo de
satélites GPS II comenzó en 2005, y el primero de ellos estará disponible para su
lanzamiento en 2012, con el objetivo de lograr la transición completa de GPS III en
2017. Los desafíos son los siguientes:
1.- Representar los requisitos de usuarios tanto civiles como militares en
cuanto a GPS.
2.- Limitar los requisitos GPS III dentro de los objetivos operacionales.
3.- Proporcionar flexibilidad que permita cambios futuros para satisfacer
requisitos de los usuarios hasta 2030.
4.- Proporcionar solidez para la creciente dependencia en la determinación de
posición y de hora precisa como servicio internacional.
El fundamento radica en el hecho de que los errores producidos por el sistema GPS
afectan por igual (o de forma muy similar) a los receptores situados próximos entre si.
Los errores están fuertemente correlacionados en los receptores próximos.
1.- Estación monitora (referencia). Conoce su posición con una precisión muy alta.
Esta estación está compuesta por:
- Un receptor GPS.
- Un microprocesador para calcular los errores del sistema GPS y para generar
la estructura del mensaje que se envía a los receptores.
En los mensajes que se envían a los receptores próximos se pueden incluir dos tipos
de correcciones:
El error producido por la disponibilidad selectiva (SA) varía incluso más rápido que la
velocidad de transmisión de los datos. Por ello, junto con el mensaje que se envía de
correcciones también se envía el tiempo de validez de las correcciones y sus
tendencias. Por tanto el receptor deberá hacer algún tipo de interpolación para
corregir los errores producidos.
3.- Señal RF
- Frec. portadora: 24 frecs. de L1: 1 602,5625 MHz (C1) (FDMA). Transmite
códigos P y C/A.
4.- Exactitud
- Posición: 50-70m (99,7%) (1999)
- Hora: 1 ns
El uso del sistema GLONASS con otros sistemas de navegación por satélite permitirá
aumentar considerablemente la performance del GNSS: la precisión, el acceso, la
integridad y continuidad de los servicios de navegación para los usuarios de la
aviación.
1.2.3.- GALILEO
GALILEO será está concebido para usuarios multimodales. A fin de responder a las
diferentes necesidades, el sistema proveerá cinco servicios:
La transferencia de datos con los satélites se realizará a través de una red mundial de
estaciones GALILEO de enlace ascendente, cada una de las cuales tendrá estaciones
de telemetría, telecomunicaciones, seguimiento de satélites y de transmisión de la
información de misión. Las estaciones de monitoreo de GALILEO de todo el planeta
controlarán la calidad de la señal. La información obtenida de estas estaciones se
transmite por la red de comunicaciones a los dos centros de control terrestres.
- Definición (2000-2003)
- Desarrollo y validación en órbita (2004-2008)
- Despliegue (2008-2010)
- Explotación comercial (a partir de 2010)
Las señales de los sistemas SPS son vulnerables debido a la potencia relativamente
baja de la señal recibida pues provienen de satélites y cada señal cubre una fracción
significativamente grande de la superficie terrestre.
Tipos de interferencia:
Debido a su poca potencia, las señales de los SPS pueden bloquearse con
transmisores de baja potencia. Aunque no se han registrado casos de bloqueo
intencional dirigido a aeronaves civiles, por ejemplo, la posibilidad de interferencia
intencional debe considerarse y evaluarse como una amenaza. Si el impacto es
mínimo, la amenaza potencial es baja pues no hay motivación para interferir. La
magnitud del impacto potencial puede aumentar conforme el GNSS tenga más
aplicaciones y se dependa más de este sistema
Las precipitaciones fuertes sólo atenúan las señales de satélite GNSS una pequeña
fracción de dB y no afecta las operaciones.
Las señales más robustas y las nuevas frecuencias del GNSS hacen más difícil
interferir intencionalmente con todos los servicios GNSS. Más constelaciones
principales de satélites reducen el riesgo de falla del sistema, de errores
operacionales o de interrupciones de servicio. También pueden seguir proporcionando
servicio mundial en el caso poco probable de que el proveedor de un elemento de
GNSS modifique o deniegue el servicio debido a una situación de emergencia
nacional.
Para garantizar que los SPS actuales cumplan con estos requisitos en todas las fases
del vuelo (desde el despegue, en ruta, hasta un aterrizaje de precisión), para el GPS y
GLONASS se requiere de diversos grados de aumentación.
Para aplicaciones en tiempo real, las correcciones de los parámetros de cada satélite
de las constelaciones SPS existentes (GPS y GLONASS) deberán ser transmitidas a
los usuarios a través de equipos de radio VHF (GBAS) o si se requiere una amplia
cobertura a través de satélites Geoestacionarios que emitan pseudocódigos con
información de corrección (SBAS).
Otro tipo de sistema de aumentación que tiene como base al GBAS es el GRAS
(Ground based Regional Augmentation System), el cual consiste en una serie de
estaciones GBAS desplegadas en un área extensa (incluso continental)
interconectadas entre sí por sistemas de telecomunicaciones, permitiendo contar con
una aumentación SBAS de carácter regional. Australia es el país más avanzado en
estos momentos en el desarrollo e implementación de este tipo de sistemas.
Todas las WRS contienen al menos un receptor de frecuencia dual (L1 y L2)
conectado a un oscilador de Cesio, (reloj de gran precisión), un censor
meteorológico, un procesador y hardware de red para transmisión de datos
Ethernet hacia las estaciones maestras.
La WMS es responsable por filtrar todas las observaciones GPS echas desde
los receptores de referencia, estimando los estados de los modelos de error tanto
ionosférico, de reloj, ephemeris etc., calculando estimaciones y generando
finalmente los mensajes WAAS (trama de 250 bit) que serán enviados y aplicados
a los cálculos del pseudo-range hechos en los receptores WAAS a bordo de las
aeronaves. Las estaciones de referencia también mostraran información de
estatus de la constelación de satélites GPS al operador.
El segmento espacial de EGNOS está compuesto por tres satélites GEO con
cobertura global terrestre: dos satélites INMARSAT-3 (AOR-E e IOR), así como el
satélite ESA ARTEMIS. Los usuarios EGNOS pueden rastrear dos satélites GEO por
lo menos.
Después de haber fallado el lanzamiento del MTSAT-1 (el primer MTSAT), Japón
adquirió otro satélite, MTSAT-1R, que se lanzaría a principios de 2004. El segundo
MTSAT, MTSAT-2, se lanzaría en 2005. Una vez finalizada la certificación, el MSAS
entraría en servicio y sería operacional utilizando únicamente el MTSAT-1R a partir de
2005. El doble funcionamiento del MTSAT-1R y el MSAT-2 entraría en servicio en
2006.
Dos centros de satélites aeronáuticos se encargarán del control de los MTSAT. Las
estaciones de control principales (MCS) del MSAS se han instalado en dos centros de
satélites aeronáuticos. Con objeto de proporcionar servicio MSAS en la FIR (Región
de Información de Vuelo) del Japón, se habían instalado estaciones de vigilancia de
tierra (GMS) en cuatro centros de control de tránsito en rutas aéreas. Para garantizar
una referencia amplia para una determinación exacta de la órbita de los MTSAT, se
instalaron dos estaciones de vigilancia y cronometría (MRS) en Hawai (Estados
Unidos) y Canberra (Australia). Se cuenta también con una MRS en cada centro de
satélites aeronáuticos.
En operaciones normales, los usuarios podrían recibir dos señales SBAS con
diferentes códigos PRN. Cada señal se enviaría por enlace ascendente de una MCS
diferente y por medio de un satélite diferente. Si falla uno de los satélites, la MCS que
esté comunicando por enlace de datos por medio del satélite que haya fallado se
conmutaría al otro satélite. Así, aun en estas condiciones anormales, la aviónica del
usuario podría recibir las dos señales SBAS. Esta arquitectura garantiza un servicio
SBAS sumamente redundante y fiable.
Dado que la señal MSAS sería objeto de radiodifusión por el MTSAT en la mayor
parte de la Región Asia/Pacífico, el servicio MSAS podría ampliarse fácilmente si se
instalaran GMS en la zona de cobertura del MTSAT y se conectaran líneas terrestres
especializadas a las MCS. Japón ha ofrecido servicio MSAS gratuito a los Estados de
la Región Asia/Pacífico a fin de establecer en dicha región un sistema de navegación
aérea fluido y más seguro y fiable.
- Segunda fase: Fase experimental inicial (IEP): En esta fase se ampliaría el TDS
para abarcar todo el espacio aéreo de la India y se añadirían al sistema las
redundancias necesarias. La IEP finalizaría un año después de desarrollarse el
TDS.
- Tercera fase: Fase operacional final (FOP): Se prevé que, durante esta fase, el
programa GAGAN alcance su pleno desarrollo. El sistema sería objeto de amplios
ensayos y se evaluaría respecto a los SARPS de la OACI antes de declarar que
se ha alcanzado el nivel operacional. Se prevé que esta fase se termine un año
después de la fase IEP.
GAGAN se ha diseñado para satisfacer los SARPS de la OACI y para que permita el
interfuncionamiento con WAAS, EGNOS y MSAS.
Los datos resultantes mostraron preliminarmente que era viable radiar una señal
EGNOS en las Regiones CAR/SAM sobre la base del despliegue de una
infraestructura terrena de estaciones RIMS, pudiendo llegar a conseguir unas
actuaciones en torno a capacidad APV I.
Al concluir esta fase, se dispondría de los elementos de juicio necesarios para que las
entidades regionales de la OACI tomen la decisión sobre el mejor modelo del sistema
de aumentación SBAS (EGNOS extendido, WAAS extendido, EGNOS-WAAS, o un
sistema propio) a implantar en estas regiones, y de este modo poder proceder con los
concursos internacionales necesarios para la realización de dicha implantación. Esta
Fase II del proyecto se le denominó SACCSA (Solución de Aumentación para el
Caribe, Centro y Sur América).
A mediados de 2005, se definió tanto por parte del RLA/03/902, como por el Proyecto
RLA/00/009 (WAAS en Suramérica), que ni el sistema EGNOS europeo ni el WAAS
norteamericano podían ser factiblemente extendidos hacia las regiones del Caribe,
Centro y Sudamérica, por lo que el SACCSA se enfocó estratégicamente a convertirse
en un sistema SBAS propio, autónomo de estas regiones, pero interoperable con los
demás sistemas SBAS existentes y en desarrollo.
Por ello, en esta fase, se constatará la viabilidad de que las Regiones CCAR/SAM
(Centro, Caribe y Suramérica) dispongan de un sistema SBAS propio que permita
cubrir sus necesidades y las de sus usuarios teniendo en cuenta la evolución de los
Sistemas Globales de Navegación por Satélites (GNSS). Dicho sistema (SACCSA) se
definirá de acuerdo a las características propias de estas regiones, basado en la
estrategia y pautas regionales adoptados por la OACI, adaptando su configuración a
la distribución del espacio aéreo y densidad del tránsito aéreo.
Asimismo, se establecerán las bases para la gestión y operación del mismo,
proponiendo los órganos internacionales que podrían ser creados para llevar a acabo
dichas acciones.
Por otra parte, y dado el coste que implica proponer la implantación de un sistema
preoperacional SBAS, se realizará un análisis exhaustivo de los recursos financieros
necesarios y el modo de obtenerlo, a través de las diferentes fuentes y modalidades
de crédito disponibles.
La Fase II deberá culminar a finales de 2006, y sus resultados serán puestos a la
consideración de las entidades regionales OACI competentes.
En el futuro a mediano y a largo plazo, es probable que se necesite más del GNSS
que de los sistemas terrestres tradicionales. Aunque los explotadores de aeronaves
ya han dependido en el pasado de los sistemas de navegación generados fuera del
territorio de su país, tener que confiar en sistemas GNSS mundiales explotados por
solamente unos pocos Estados con pleno control operacional de esos sistemas
plantea la cuestión de la accesibilidad de los servicios así como también la de su
continuidad y confiabilidad desde un nuevo ángulo.
Muchos Estados han pedido cierta seguridad respecto a esto, con miras a la
implantación de estos sistemas. El suministro del servicio GNSS es una tarea
compleja en términos de organización. En consecuencia, la organización del
suministro de servicios, la gestión del sistema y el funcionamiento del mismo deben
ser lo más transparentes posible para que se establezcan con claridad las
responsabilidades.
Soberanía.
Bibliografía:
1.- Doc. 9849 OACI”Manual sobre el Sistema Mundial de Navegación por Satélites
(GNSS)”. Primera Edición 2005.
2.- Material de Seminarios:
- Seminario ATN/GNSS Antigua, Guatemala 1999
- Seminario ATN/GNSS Varadero, Cuba 2002
- Seminario GNSS Bogotá, Colombia 2005
3.- Informe Final de la 11na Conferencia Mundial de Navegación Aérea, Montreal,
Canadá 2003
4.- Materiales del Grupo de Tareas GNSS
5.- Materiales del Grupo Coordinador del Proyecto OACI RLA/03/902 “Sistema de
Aumentación GNSS para el Caribe, Centro y Sur América (SACCSA)”.
6.- Internet:
- www.glonass-center.ru (GLONASS)
- www.navcen.uscg.gov (GPS)
- www.galileoju.com (GALILEO)
- www.navcen.uscg.gov/dgps (DGPS)
Ing. Agr. MSc. Mario Bragachini; Ing. Agr. Axel von Martín; Ing. Agr. Andrés Méndez
EEA INTA Manfredi – Proyecto Agricultura de Precisión – Ruta 9 Km 636 CP 5988 Tel. 03572 – 493039.
web: www. agriculturadeprecision.org
e-mail: agriculturadeprecision@yahoo.com.ar
Sensores
Sensor de flujo
Sensores Volumétricos
1. Claas Yield-O-Metertm
El sensor de rendimiento Claas fue desarrollado por el Sr J Claydon, Norfolk,
UK, y opera sobre un principio volumétrico. Consta de una rueda con paletas que se
coloca entre la salida de la noria y la entrada del sinfín que llena la tolva. Cuando el
grano llega a un nivel predeterminado se activa un sensor, y las paletas giran. La
computadora cuenta el número de veces que se descarga grano desde las paletas al
sinfín, que a su vez tiene cargado el dato del volumen que implica cada descarga. El
volumen de grano es entonces calculado multiplicando el volumen fijo por el número
de descargas. Se requiere un calibración manual de la densidad del cultivo, que se
utiliza para convertir volumen en masa. Las paletas cuando giran lo hacen a una
velocidad de 100 rpm. La capacidad del sistema de medición es de aproximadamente
3 veces la de una capacidad típica de cosecha, lo que significa que las paletas giran
aproximadamente el 30% del tiempo, por ende no existe peligro que el sistema se
bloquee.
Lo = li exp(-u p x)
3. AgTech
Algunos sistemas de monitoreo de
rendimiento pesan el grano cuando atraviesa el
sinfín de descarga en la tolva. El tubo del sinfín
descansa sobre un plato que unido a un brazo
de transferencia actúa sobre una celda de carga.
Fig. 5: Sensores de humedad de grano tipo John Deere (izquierda) y Ag Leader (derecha)
A B
Cada situación particular puede marcarse como un punto en el lote, o bien como un
inicio y un fin de esa situación, o sea que se puede conocer el área. Si las situaciones
a marcar son más de dos, es recomendable que este equipo sea utilizado por una
segunda persona en la cabina para realizar un trabajo con mayor exactitud, evitando
distraer exageradamente al operador de la cosechadora.
Si todas las calibraciones son realizadas con exactitud, es de esperar que
los monitores de rendimiento entreguen los datos con una precisión menor al 5
% del rendimiento real del cultivo.
La información de rendimiento que registra el monitor puede ser almacenada
en el mismo monitor o en una tarjeta PCMCIA, que tiene el tamaño de una tarjeta de
crédito y una capacidad de almacenaje de información que va desde 1 MB hasta 5
MB; grabando datos con una frecuencia de 3 segundos, una tarjeta de 1 MB tiene la
capacidad de almacenar información de 40 horas de cosecha. Para transferir la
información desde la tarjeta, el operario debe grabar los datos en la misma desde el
monitor. La tarjeta simplemente se coloca en la computadora, y ésta, a través de un
software adecuado lee los datos registrados, y pueden ser impresas tablas de los
datos de rendimiento. Si además la tarjeta tiene datos de posicionamiento, debido a
que la cosechadora contaba con un receptor de DGPS, el usuario está en condiciones
de realizar mapas de rendimiento con el mismo software.
Calibración
Los tipos de calibración que son requeridos por el sistema de monitoreo de
rendimiento varían según el tipo de monitor. De cualquier modo, a pesar de los
diferentes tipos de monitor, el rendimiento no es medido directamente. En lugar de
eso, mediciones de fuerza, desplazamiento, o volumen, velocidad del flujo de
material, contenido de humedad del grano, velocidad de cosecha y ancho de labor
son combinados para producir una estimación de rendimiento de cultivo. El
rendimiento del cultivo es un valor derivado o calculado. La calibración es ejecutada
para asegurar que el dato del sensor y datos ingresados son usados apropiadamente
por el monitor para producir el dato final en unidades de kilogramos por hectárea.
Antes de comenzar a cosechar con el monitor, este debe calibrarse
correctamente para que los datos entregados y grabados sean precisos y confiables.
Calibración de Distancia
Para llevar a cabo esta operación se debe medir una distancia en el terreno,
(Ej: 100 m) y marcarla con estacas o banderas. Luego se ubica la cosechadora a la
altura de la primera marca, tomando un punto de referencia en la máquina, se baja el
cabezal hasta que el monitor indique que está contando superficie, luego se recorre la
distancia que separa las dos marcas y se frena en la próxima marca utilizando el
mismo punto de referencia. El monitor posee una tecla que muestra en el display la
distancia recorrida. Si no coinciden las distancias marcada con la recorrida se debe
corregir, y luego realizar la tirada de verificación.
Concejos útiles:
- Para obtener una calibración precisa se debe recorrer como mínimo
60 metros
- La superficie sobre donde se realice la calibración debe ser lo más
similar a las condiciones de piso del lote, por que las diferencias de hundimiento de
los tacos de la rueda de tracción puede afectar a la medición precisa de la distancia.
- Se debe relizar todo el proceso de calibración comenzando una carga
nueva, que no exista ningún dato anterior.
- Es aconsejable repetir la operación para controlar la precisión de la
calibración.
Calibración de temperatura
El sensor de humedad posee un sensor, que mide la temperatura del grano
para corregir la humedad medida.
Para realizar esta calibración se toma la temperatura ambiente e ingresa como
dato de calibración al monitor. La temperatura ambiente debe ser medida después de
que se halla estabilizado por un par de horas. El sensor de temperatura mide la
temperatura del grano que es muy similar a la ambiente a lo largo del día.
3 Esquema de colores: son los colores que mejor distinguen los rangos de
rendimiento. Se deben elegir los colores para poder distinguir con claridad los
rangos sucesivos.
Esto se puede lograr usando un gradiente de tonos claros u oscuros en un
color, o usando una secuencia lógica de colores del espectro visible.
Un ejemplo común es usar verde, amarillo, naranja y rojo de mayor a menor
rendimiento.
Variabilidad inducida por manejo: muchas veces al ver un mapa aparecen rayas de
rendimiento inexplicables en forma longitudinal a la siembra y cosecha, en ese caso
teniendo claro qué, cuándo y cómo se aplicaron los insumos, podemos encontrar la
explicación y valorar un factor de manejo, como por ejemplo la mala elección de placa
al haber cambiado de granulometría el mismo híbrido, o bien el cambio de calidad de
operación de un control de malezas, el primer tanque de la pulverizadora con
situación de alta humedad ambiente y sin viento y el segundo tanque con viento y
baja humedad ambiente provocando un mal control de malezas y por ende una
competencia del cultivo y caída del rendimiento, y así podríamos continuar con
ejemplos que voluntaria o involuntariamente quedaran grabados para luego ser
analizados y cuantificados, enriqueciendo los conocimientos de la incidencia de los
factores de manejo sobre el rendimiento.
Mapa de rendimiento es la
interpretación gráfica de una serie de
datos geoposicionados de rendimiento
y humedad de granos obtenidos
mediante la utilización de una cosecha-
dora equipada con monito-res de
rendimiento y un receptor DGPS.
Coinciden muchos investi-
gadores de EEUU que la puerta de
entrada a la Agricultura de Precisión es
a través de los mapas de ren-dimiento.
El mapa de rendimiento es la
representación gráfica de datos
geoposicionados de rendi-miento y
humedad de grano, ob-tenidos
mediante una cosechadora equipada
con un monitor de rendimiento y un
receptor DGPS
Variabilidad Natural:
- Relieve/ Pendiente
- Climática
- Relación suelo-clima
- Propiedades físicas y químicas del suelo
- Infestación de malezas, insectos y enfermedades
Dentro del paquete que ofrece la Agricultura de Precisión uno de los usos más
concretos de esta nueva tecnología es la evaluación de ensayos en el gran cultivo con
mucha precisión y bajo costo.
Los adelantos tecnológicos surgidos en los últimos años en todos los cultivos a
partir de la biotecnología pusieron en nuestros campos, sojas resistentes a herbicidas
totales “soja RR” y próximamente soja con mayores transformaciones. En el caso del
maíz ya se dispone de maíz Bt con resistencia al gusano barrenador del tallo (Diatrea
saccharalis) y para la próxima campaña otros eventos que protegerán al maíz de otros
lepidópteros dañinos; también ya se dispone de maíz RR de próxima aprobación y así
se puede ampliar la lista de sucesivas apariciones de transformaciones
biotecnológicas que están revolucionando el mercado de las semillas en los últimos
meses del milenio.
En el caso del trigo recientemente hicieron su aparición los trigos de
germoplasma anaranjado de orígen francés que también prometen incrementos de
rendimiento, sobre todo en áreas de riego o de ambientes con suelo de alta
productividad.
En el tema fertilidad de suelo, ya se reconoce como un error el considerar a los
suelos argentinos como de fertilidad infinita y hoy los niveles de nutrientes han llegado
a valores críticos y en algunos casos preocupantes, debido al monocultivo de soja
sobre todo, y a la pérdida de propiedades físicas de los suelo por efecto de la
labranza contínua de un 60% del área del país, y hoy no solo se aconseja un análisis
de suelo, sino la conveniencia de probar niveles de respuestas ante diferentes fuentes
de Nitrógeno, Fósforo, Azufre, Calcio, Magnesio, Potasio, etc. Uno de los elementos
que está demostrando muy buena respuesta en soja, trigo y maíz es el Azufre. Como
la metodología tradicional de análisis de suelo el azufre arroja poca correlación con el
nivel de respuesta y los análisis confiables son costosos a niveles prohibitivos; los
técnicos con mayor experiencia en el tema, aconsejan realizar ensayos exploratorios
de respuesta al Azufre en trigo/soja, buscando no solo respuesta en el trigo, sino
también en soja de 2º por efecto residual, y en esos casos se aconseja para una
mejor visualización de la variabilidad a la respuesta, realizarlo con monitoreo de
rendimiento. Seguramente y con similar metodología habrá que seguir evaluando
todos los elementos que constituyen un suelo, su posible desbalance, ya sea carencia
o exceso.
La Agricultura de Precisión dentro de este planteo de evaluar en forma
eficiente ensayos a campo ofrece varias alternativas y a modo de ejemplo práctico
definiremos algunas experiencias y consejos útiles para evitar errores, que impida
amortizar rápidamente el dinero y el tiempo invertido en el tema.
Un productor de 1000 ha compra un monitor y un GPS por 9500 dólares,
cosecha una campaña y los datos de rendimiento le permiten elegir los mejores
híbridos de maíz y variedades de soja, elevando el rendimiento en promedio 200
kg/ha en maíz y 100 kg/ha en soja (1000 x 7,2)+(500 x 12,5)= 13.450 dólares de
incremento de ingresos que permite pagar el monitor, el GPS y el tiempo dedicado en
el primer año, dejando el beneficio de seguir utilizando una tecnología ya amortizada
en el primer año.
Para poder encontrar resultados en forma rápida se debe planificar muy bien
los ensayos en el gran cultivo, siempre y cuando se cumplan las condiciones
enunciadas. Los siguientes puntos son consejos útiles para poder llevar a cabo estos
ensayos y que sus resultados sean confiables.
Repetición 1
Tratamiento 1
Testigo
Tratamiento 1 Repetición 2
Testigo Tratamiento 1
Testigo
Repetición 3
Tratamiento 1
Testigo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Híbrido A Híbrido B B A
9 surcos 9 surcos 9 surcos 9 surcos
Franja de 18 surcos (9 + 9) con el mismo tratamiento
12 34 567 8 9
18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
A. B.
Ejemplo explicativo
Descripción del lote: 600 m de largo x 100 m de ancho, superficie 60 has.
Existencia de rendimiento bien variable con 3 sitios bien definidos.
En ese ambiente se aconseja realizar un ensayo exploratorio para extraer
conclusiones que mejoren la eficiencia de respuesta a la aplicación de fertilizante. Por
lo tanto se realizan en el cultivo de maíz o trigo aplicaciones de fósforo al voleo previo
a la siembra en forma centrífuga con ancho de 20 m real para considerar como válido
durante la cosecha los 15 m centrales.
Localización del ensayo en el lote cruzando los 3 sitios definidos por Topografía
600
Media
Loma Loma Bajo
80 m ENSAYO
1000 m
80 m
Testigo 0 kg/ha de FDA
600 m
80 m
SITIO 1 SITIO 2 SITIO 3
300 kg/ha de FDA 200 kg/ha de FDA 100 kg/ha de FDA 151
$/ha 31 $/ha 58 $/ha
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Lic. Federico Proietti; Ing.
Agr. Fernando Scaramuzza.
EEA INTA Manfredi – Proyecto Agricultura de Precisión – Ruta 9 Km 636 CP 5988 Tel. 03572 – 493039.
web: www. agriculturadeprecision.org
Página Web: www.agriculturadeprecision.org
e-mail: agriculturadeprecision@yahoo.com.ar
Forma de trabajo
Figura 5
Cuadro 1
Dosis de Dosis de FDA Dosis de
Tratamientos Zonas Semilla/ha urea en kg/ha N/ha con
kg/ha (arrancador) fertiriego
Bajo
potencial
80.000 0
Dosis variable
Potencial
de semilla y 90.000 80 80 90
medio
fertilizante Alto
potencial
105.000 170
Bajo
potencial
0
Dosis variable Potencial
90.000 80 80 90
de fertilizante medio
Alto
potencial
170
Bajo
potencial
Potencial
Dosis uniforme 100.000 80 80 90
medio
Alto
potencial
Cuadro 2
1 2 3
ING ($61.4) $15.4 $81.9
Semilla ($75.8) ($37.9) $19.0
Urea ($111.7) $0.0 $125.6
Resultado $126.0 $53.3 ($62.6)
$150.00
$100.00
$50.00
Ingreso Diferencial
$0.00
1 2 3
($50.00)
($100.00)
$150.0
$100.0
$50.0
Semilla
$0.0
Urea
1 2 3
($50.0)
($100.0)
($150.0)
Zona 1 Zona 2
INGRESO por Rto. ($105.7) $61.1
Semilla ($37.9) ($37.9)
Urea ($111.7) $0.0
Resultado $43.9 $99.0
Consideraciones finales
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Ing. Agr. Fernando
Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Proyecto Agricultura de Precisión - INTA Manfredi
Ruta 9 km 636, (5988) Manfredi, Pcia. de Córdoba. TE/Fax: 03572 493039 /53/61
e-mail: agprecision@correo.inta.gov.ar y agriculturadeprecision@yahoo.com.ar
Página web: www.agriculturadeprecision.org
Introducción:
Objetivos:
Variedad NA4209RG
Plus Meter
Plus Meter
Plus Meter
Chorrillo
Chorrillo
Chorrillo
Diseño
19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Figura Nº 1 Esquema de ensayo con sembradora dividida, ½ con dosificadores tipo chorrillo y la
otra ½ con dosificadores Plus Meter.
Cuadro Nº 3: Cuadro de Contenido de agua útil edáfica (en mm hasta los 2m) durante la ontogenia
del cultivo.
Resultados:
Espaciamiento
9.96 9.13 9.36 10.04 9.66 9.59
promedio
DE 8.44 8.64 7.21 9.42 7.83 9.03
CV 84.7 94.65 77.08 93.76 80.89 94.21
Cosecha.
Bajo Bajo
Loma Loma
A C E
B D F
Figura Nº 3 Mapa de rendimiento en el que se muestran las diferentes cargas (Load) identificadas
por abecedario, es pertinente aclarar que si bien las cargas de ambos tratamientos se muestran
por separados esto igualmente en el campo estaban un tratamiento intercalado con el otro para
evitar la influencia del ambiente (máquina dividida de siembra).
Resultado del análisis de la varianza realizado con software Info Stat, donde se
analizaron las distintas cargas por ambiente y tratamiento. A continuación podemos
observar los datos arrojados por dicho sistema.
Variable N R² R² Aj CV
Bajo YIELD 580 0.52 0.51 6.67
Variable N R² R² Aj CV
Loma YIELD 586 0.35 0.34 5.33
IAF x RI x EUR
Nota: IAF= Índice de Área foliar, RI= Radiación Interceptada y EUR= Eficiencia en el Uso de la
Radiación
Conclusiones
Agradecimientos.